基于对流风暴结构的双偏振雷达ZDR 柱识别及应用研究*

潘佳文 徐鸣一 吴举秀 吴伟杰 郑秀云 彭 婕 韩颂雨

1.厦门市海峡气象开放重点实验室，厦门市气象局，厦门，361012

2.中国气象局气象探测中心，北京，100081

3.山东省气象防灾减灾重点实验室，山东省气象工程技术中心，济南，250031

4.浙江省气象信息网络中心，杭州，310000

1 引 言

强对流天气具有空间尺度小、突发性强、发展演变迅速的特点，防御难度大且破坏力强。针对引发强对流天气的对流风暴进行识别，提取其形态特征，能有效提高对强对流天气的预报、预警水平，对于防灾、减灾意义重大。

天气雷达作为一种主动探测设备，以其高时、空分辨率的特点成为研究对流风暴的极佳观测手段。随着天气雷达技术的不断发展，气象学家关于对流风暴的认知也不断加深和完善。早在20 世纪60 年代，Browning（1962）就根据天气雷达的反射率因子特征定义了超级单体的概念，并指出超级单体的反射率因子具有弱回波区或有界弱回波区等形态特征。

与此同时，基于反射率因子的风暴识别、跟踪与预报算法经过数十年的发展，也日渐成熟（Dixon，et al，1993；Johnson，et al，1998），其中最具代表的算法包括SCIT（Storm Cell Identification and Tracking）和TITAN（Thunderstorm Identification，Tracking，Analysis，and Nowcasting），目前SCIT算法已广泛应用于中国新一代天气雷达系统中。

然而，上述风暴识别、追踪与预报算法的预报模块都是基于外推算法，其结果常与风暴的实际演变存在偏差，这仍是制约短时临近预报准确率的瓶颈问题。张培昌等（2001）指出，用于描述对流风暴演变的反射率因子及其二次产品并不一定与对流风暴的演变趋势保持一致，如风暴在发展到最强盛阶段后，上升运动明显减弱，其上部的大冰雹开始下落并融化，雷达观测到的冰雹反射率因子数值却明显增大，这与风暴整体减弱的趋势正好相反。此外，当风暴的强度再度增强时，可发现风暴体内的上升气流有再次增强的现象（王俊等， 2011； 潘佳文等， 2021）。因此，戴建华（2013）认为刻画风暴演变的关键在于获取上升运动及其变化的信息。

双偏振雷达通过发射水平和垂直两种偏振电磁波，除获得反射率因子（ZH）外，还可得到差分反射率因子（ZDR）、差分传播相移率（KDP）和相关系数（CC）等双偏振参数。这些参数与降水粒子的相态、形状、空间取向和分布等密切相关，可用于识别特定的微物理和动力过程。其中，ZDR柱作为对流风暴中最显著的双偏振雷达特征之一，其发展演变与对流风暴内部的动力与微物理结构存在密切关系，对于对流风暴的发展演变具有重要的指示意义。

在对流风暴的上升气流中存在正浮力和正温度扰动，使得风暴内的温度明显高于环境温度，因此液态水滴可被抬升至环境0℃层之上。此外，液态水在0℃之下不会立即冻结（Bigg，1953；Smith，et al，1999），且小雨滴的冻结速度要大于大雨滴（Pruppacher，et al，1997）。大雨滴具有较大的ZDR值，这就使得环境0℃层之上出现垂直分布的ZDR大值区。Hall 等（1980）就观测到ZDR柱现象。Bringi 等（1991）和Brandes 等（1995）通过飞机观测证实ZDR柱位于上升气流附近，且在ZDR柱内存在非常大的雨滴（直径达8 mm）。Kumjian 等（2014）利用云模式模拟分析了对流风暴的ZDR柱的演变，发现ZDR柱的深度与上升气流存在正相关，可作为判别风暴强度的指标之一。Snyder 等（2015）发现ZDR柱的深度与最强上升气流相关，且其深度的变化要领先于最大上升气流。

目前中国正在进行天气雷达网的双偏振体制升级，以进一步提高对冰雹、雷暴大风和短时强降水等强对流天气的监测、预报、预警能力。在此基础上，中国针对ZDR柱的研究也方兴未艾，取得了诸多成果。潘佳文等（2020a）利用双多普勒雷达风场反演结果发现当降水粒子增长到一定程度，其下落速度与上升气流速度达到匹配，就会在对流风暴中滞留形成自上而下的ZDR大值区，因此ZDR柱可用于指示上升气流的存在。潘佳文等（2020b）的研究指出，ZDR柱的存在可为冰雹的形成和湿增长提供有利条件。此外，ZDR柱伸展高度的演变对于降雹（刁秀广等，2021；高丽等，2021；潘佳文等，2021；吴举秀等，2023a）和短时强降水（潘佳文等，2022）事件的发展具有预示性，其发展高度极值对于这两类强对流事件的发生具有提前量。

然而上述研究结果多以定性分析为主，缺乏定量化分析，这在一定程度上是因为现有的雷达业务系统并未增加基于双偏振参数的客观定量化产品，尚未能充分体现双偏振雷达的特点和优势。

本研究针对中国双偏振雷达二次产品的空缺，基于对流风暴的三维形态特征，实现对双偏振天气雷达ZDR柱特征的客观和自动识别，并输出相应的三维形态结构参数以实现定量化分析，为对流风暴的监测、预警提供有力手段。鉴于厦门S 波段双偏振雷达2016 年投入使用，积累了较大样本的冰雹、雷暴大风和短时强降水等强对流天气过程观测数据，可为探索本算法在强对流监测领域的应用提供数据支撑。

2 雷达探测数据及强对流天气过程资料

2.1 雷达数据

文中所用雷达探测数据来自厦门S 波段双偏振雷达（24.5°N，118°E，海拔高度398 m），雷达站点位置如图1 所示。为确保双偏振雷达数据的可靠，参考吴翀（2018）提出的质量控制算法，使用相关系数及信噪比对非气象回波进行了剔除。

图1 厦门S 波段双偏振雷达周边强对流天气报告及相关观测仪器分布Fig.1 Distribution of severe convective weather reports by Xiamen S-band dual polarization radar and observation stations

2.2 强对流天气过程资料

为了分析对流风暴的ZDR柱特征及其在强对流天气监测、预警中的应用可行性，选取2016—2022 年厦门S 波段双偏振雷达观测范围内的强对流天气事件进行分析，并按天气现象将其分为3 类：冰雹、雷暴大风和短时强降水，三者的分布如图1 所示。

由于降雹事件具有局地性强、持续时间短、落区分散等特点，且缺乏有效的自动观测手段。文中采用潘佳文等（2021）的方法，通过气象部门的冰雹灾情直报信息和相关媒体报道收集降雹事件。雷暴大风和短时强降水事件则基于地面自动气象站的观测数据进行收集整理，二者的阈值分别为风速达到17.2 m/s 和雨强达到20 mm/h。在此基础上参考樊李苗等（2020）的方法，对台风大风、冷空气大风和高山站点的大风观测记录予以剔除。

针对收集到的3 类强对流天气事件，使用天气雷达观测数据做进一步的验证，确保上述强对流天气事件是由孤立的对流风暴所致，并以SCIT 算法的识别结果作为判别依据。同时，根据ZDR柱识别算法的需要，从中选取风暴移动路径位于厦门雷达30—150 km 观测范围内的风暴。最终获得30 个导致强对流天气现象的对流风暴，文中将此类风暴称为强风暴。此外，选取了30 个位于强风暴周边且未引发强对流天气现象的对流风暴用于对比分析，在文中将此类风暴称为非强风暴。在图1 所示的研究范围内共有874 个地面自动气象站，各自动气象站之间的平均间隔为3 km，文中所选取的非强风暴均位于自动气象站周边，可在一定程度上避免由于地面观测站密度问题而导致的误判。各类型风暴的数量如表1 所示。

表1 各类型风暴数量及其体扫数Table 1 Number of storms and volume scans analyzed for various storm types

此外，选取距离对流风暴最近的探空数据以获得算法所需的环境0℃层高度，共涉及厦门、福州、龙岩和汕头4 个探空站，站点位置如图1 所示。

3 算法描述

3.1 生成三维格点数据

天气雷达进行立体扫描时，雷达波束沿着各仰角进行锥面扫描，所以雷达基数据通常以球坐标形式存储（仰角、方位角和径向距离），这就导致雷达基数据的空间分辨率不均匀。例如，业务天气雷达常用的VCP21 体扫模式中，0.5°—19.5°仅有9 层仰角，且雷达波束宽度约为1°，各仰角层的波束在垂直方向上会存在一定的间隙，不能充满整个探测空间，使得雷达回波的空间连续性降低。因此，文中将雷达基数据由球坐标形式内插到笛卡尔坐标下，形成水平和垂直分辨率均为250 m 的均匀三维格点数据，以供后续识别算法使用。

此外，文中所识别的ZDR柱位于环境0℃层之上，当风暴距离雷达过近或过远时都将影响算法的识别效果。因此，文中将距离雷达中心30—150 km的区域作为ZDR柱识别算法的适用范围，如图1所示。

3.2 ZDR 柱识别

由ZDR柱的定义可知，该ZDR大值区的三维空间形态表现为伸展至0℃层高度以上的柱状结构。因此，对其进行识别主要基于以下3 步：识别一维的ZDR段、将ZDR段合并为二维的ZDR分量，最终基于不同高度层的ZDR二维分量合成三维的ZDR柱。具体步骤描述如下。

3.2.1 识别ZDR段

此处定义ZDR段为x轴方向上ZDR值达到一定阈值，具有一定长度的、中间无间断或间断距离很小的ZDR大值区。

如图2 所示，识别算法沿着x轴方向搜索ZDR≥1 dB 的格点，这些格点的持续长度需满足一定阈值（1 km）。由于质量控制等原因可能导致风暴内部的ZDR段出现短暂的中断，当两个ZDR段之间的距离小于0.5 km 时，则将二者合并为一个ZDR段。

图2 ZDR 段识别示意Fig.2 Illustration of ZDR segment identification

针对所识别出来的ZDR段，计算并保存其特征量。特征量包括ZDR段起始坐标、结束坐标、ZDR段长度、ZDR段内的最大值及其坐标。

3.2.2 识别ZDR二维分量

当ZDR段的识别工作完成后，按照一定的规律及要求对ZDR段进行组合就可获得ZDR的二维分量。

如图3 所示，识别算法沿着y轴方向搜索各ZDR段以组成ZDR二维分量。在y轴上相邻的两个ZDR段之间需要有一定的重叠距离（0.5 km），一个ZDR二维分量至少应包含一定数量（2 个）的ZDR段，且二维分量的面积需达到一定的阈值（1 km2）。

图3 ZDR 二维分量识别示意Fig.3 Illustration of 2D ZDR component identification

针对所识别出来的ZDR二维分量，计算并保存以下特征量：ZDR二维分量的面积及其几何中心坐标、ZDR最大值及其坐标。

3.2.3 合成ZDR柱

ZDR柱的三维结构是由不同高度层上满足一定空间距离相关的ZDR二维分量组成。因此，按一定的规则对各高度层的ZDR二维分量进行匹配即可获得ZDR柱的三维结构信息。具体流程如下：从0℃层高度开始，自下而上检索各高度层的ZDR二维分量，对相邻高度层的二维分量进行关联检验。以第一个二维分量的几何中心为中心，依次按3 个搜索半径（分别为5.0 km、7.5 km、10.0 km）对上一高度层的二维分量进行检索，当上一高度层的二维分量位于检索半径内，则认为二者存在关联。彼此相互关联的ZDR二维分量组合在一起，即构成了三维的ZDR柱，图4 是一个三维ZDR柱的结构简图，从垂直剖面可以看到该ZDR柱由5 个ZDR二维分量组成，每个二维分量均位于不同的高度层上，且各个高度层之间存在相邻关系。由俯视图则可看到每个二维分量的几何中心水平投影相隔不远，且其相互距离位于检索半径内，即可组成一个三维的ZDR柱。

图4 ZDR 柱识别示意Fig.4 Illustration of ZDR column identification

此步骤需要计算的属性有：ZDR柱的体积、顶高、底高、垂直方向伸展高度、ZDR最大值及其所在的坐标。

3.3 流程图

综上所述，本研究的ZDR柱识别算法流程如图5 所示，并可获得以下ZDR柱三维结构参数：ZDR柱深度（0℃上的伸展高度）、体积、最大ZDR值及其位置、ZDR柱质心位置。

图5 算法流程Fig.5 Flowchart of the algorithm

4 对流风暴的ZDR 柱形态特征及其应用分析

基于上述ZDR柱识别算法对2.2 节所述的60 个对流风暴进行识别，提取其ZDR柱的深度、体积、质心位置、最大ZDR值等参数信息，从而获得相应的三维形态学特征。在此基础上，对此类形态特征在强对流监测预警的应用可行性进行初步探索，具体如下。

4.1 对流风暴的ZDR 柱基本形态特征

本研究的60 个风暴共识别出688 个ZDR柱，其ZDR柱形态参数的直方图分布如图6 所示。由于不同对流风暴的环境0℃层高度存在差异，因此文中ZDR柱质心高度为0℃层之上部分的伸展高度，以方便不同对流风暴进行比较分析。由图6 可知，在ZDR柱的4 个形态结构参数中仅有最大ZDR值表现为较集中的正态分布（图6d），其余3 者都呈现出离散的偏态分布特征（图6a—c），即对流风暴的ZDR柱深度、体积和质心高度更多集中于低值区，大值区频数较少且远离第90 百分位。

图6 ZDR 柱深度 （a）、体积 （b）、质心高度 （c） 和最大值 （d） 的直方图 （虚线表示第10 和第90 百分位，并标注相应数值）Fig.6 Histogram of ZDR column depth （a），volume （b），centroid height （c） and maximum value （d） （dotted lines indicate the 10th and 90th percentiles，and the corresponding values are also listed）

相比非强风暴，强风暴往往具有更强的上升气流，因此可以预期其内部的ZDR柱也应具有更显著的ZDR形态特征。为此，根据所导致的天气现象将上述688 个ZDR柱分为强风暴和非强风暴两类，其中有466 个ZDR柱来自强风暴，相同数量的非强风暴仅识别出222 个ZDR柱，说明强风暴出现强上升气流的频数更多，且持续时间长于非强风暴。两类风暴的ZDR柱形态参数的小提琴图分布如图7 所示，可以发现强风暴的各个ZDR柱形态参数中位数均明显大于非强风暴，且在形态参数的概率密度分布上二者同样存在较明显差异：强风暴的ZDR柱形态参数更多地分布于大值区域，非强风暴则更集中于低值区。

图7 ZDR 柱深度 （a）、体积 （b）、质心高度 （c） 和最大值 （d） 的小提琴图 （图中的蓝 （红） 色区域代表概率密度，其宽度越大则出现的频率越高；图中的箱体为四分位间距框，白色点为中位数）Fig.7 Violin plots of ZDR column depth （a），volume （b）， centroid height （c） and maximum value （d） （areas shaded in blue（red） show the probability density， and a greater width indicates a higher frequency of occurrence； boxes in each plot mark the interquartile range， and the white dot denotes the median value）

强风暴和非强风暴的ZDR柱形态参数存在统计学上的明显差异，这就为预报员据此判别两类对流风暴提供了可能。为此，进一步将两类风暴数据根据不同的参数阈值进行归类，如图8 所示。当ZDR柱深度达到1500 m 后，至少有60%的雷达体扫个数与强风暴相关，这一比例随着阈值的增大而增加（图8a）。相应地，ZDR柱体积（图8b）、质心高度（图8c）和最大ZDR值（图8d）具有类似的分布特征，当三者的阈值达到20 m3、500 m 和3 dB 时，这一比例分别达到70%、70%和50%。ZDR柱形态参数的这一分布特征可为实际预报业务中判别强风暴和非强风暴提供依据。

图8 ZDR 柱深度 （a）、体积 （b）、质心高度 （c） 和最大值 （d） 取不同阈值时强风暴和非强风暴的占比Fig.8 Percentages of all volume scans that are associated with severe and non-severe storms at various thresholds for ZDR column depth （a），volume （b），centroid height （c） and maximum value （d）

4.2 强风暴的ZDR 柱演变

如上文所述，强风暴具有更显著的ZDR柱形态特征，且此类风暴所导致的冰雹、雷暴大风、短时强降水等强对流天气现象具有更严重的危害性。因此，下文针对强风暴的ZDR柱演变规律做进一步的分析研究。

4.2.1 时间演变

在以往的研究中发现，ZDR柱的深度与雹暴的发展演变具有密切的联系（潘佳文等，2020b；吴举秀等，2023b）。潘佳文等（2021）研究表明，ZDR柱的伸展高度极值相对于降雹具有提前量，在大冰雹事件中这一提前量的中位数为24 min，而在小冰雹事件中这一数值为11 min。本研究在此基础上针对导致冰雹、雷暴大风、短时强降水等3 类强风暴进行分类统计，发现该规律在3 类强风暴中同样适用，4 种ZDR柱形态结构参数的极值均早于3 类强对流天气现象发生（图9），但其间仍存在差异：雷暴大风类的强风暴具有更大的提前量，其中位数为19—22 min；冰雹类强风暴次之，短时强降水类强风暴的提前量最小。这可能是因为雹暴往往需要更长的酝酿时间，持续的上升气流和过冷水供应可以使冰雹得以持续增长。此外，在本研究的强对流天气事件中，雷暴大风往往发生在降雹或短时强降水之后，说明强风暴内水凝物的拖拽作用及其在下落过程中所导致的融化和蒸发等微物理过程促进了雷暴大风的形成，因此其提前量要大于其余二者。

图9 ZDR 柱深度 （a）、体积 （b）、质心高度 （c） 和最大值 （d） 极值相对于强对流天气报告的提前量 （箱体为四分位间距框，横线为中位数，b 中圆圈为离散数据）Fig.9 Lead times of the maximum ZDR column depth （a），volume （b）， centroid height （c） and maximum value （d） that occur prior to severe convective weather reports （the boxes mark the interquartile range，and the horizontal line marks the median value， in Fig.b the circles represent discrete data）

以往的研究（潘佳文等，2021；沈雨等，2023）还表明：在同一对流风暴所导致的多次降雹事件中ZDR柱的伸展高度常发生反复。文中分别选取导致持续短时强降水（图10a）和雷暴大风（图10b）的个例进行分析，以验证该规律是否适用于其他两类强风暴。由图10 可知，在短时强降水（雷暴大风）发生前，ZDR柱深度均达到极值后开始下降，且在下次短时强降水（雷暴大风）发生前ZDR柱再度发展并出现新的极值。ZDR柱的再度发展说明对流风暴将再次增强，并预示着冰雹、短时强降水、雷暴大风等强对流天气现象的持续发生，具有一定的普适性。

图10 2019 年5 月17 日 （a） 和6 月9 日 （b） 厦门双偏振雷达观测到的对流风暴ZDR 柱深度时序Fig.10 Time series of ZDR column depth observed by Xiamen dual polarization radar for the convective storms on 17 May（a） and 9 June （b） 2019

4.2.2 风暴的合并与分裂

对流风暴内部的上升气流对其发展演变极为重要，ZDR柱对于风暴内部的上升气流的指示作用使其可在一定程度上预示风暴的发展趋势。

图11 给出了2018 年5 月23 日厦门双偏振雷达观测到的一次雹暴合并过程，15 时11 分风暴单体A与单体B尚未发生合并，二者的强回波区彼此分离（图11a1），径向速度场上可见彼此独立的上升气流存在（图11a2），其ZDR大值区位于上升气流附近（图11a3），由ZDR柱识别结果可知此时两个单体具有各自独立的ZDR柱（图11a 中的三角形）。15 时17 分两者相互靠近并建立云桥连接（图11b1），径向速度场的上升气流也开始相互连接（图11b2），此时两个风暴的ZDR大值区已彼此融合（图11b3），二者的ZDR柱率先发生合并。至15 时23 分两个风暴共同形成一个宽广的上升速度区（图11c2），但在ZH图像上二者尚未完全合并（图11c1），基于ZH的SCIT算法仍将该云团识别为2 个彼此独立的风暴，说明此时二者的风暴云体在三维空间上并未完全合并。直至下一个体扫，两个风暴才彻底完成合并过程（图略）。图11 揭示了对流风暴合并的演变过程：对流风暴的合并先导致水汽的大量集中，因此ZDR柱率先出现合并现象，水汽和能量的集中促使云内的浮力进一步增大，上升运动得以进一步发展，上升气流的相互交融最终导致风暴云体的合并。

图11 2018 年5 月23 日15 时11 分 （a）、15 时17 分 （b） 和15 时23 分 （c） 厦门S 波段雷达6.0°仰角反射率因子（a1—c1）、径向速度 （a2—c2） 和差分反射率因子 （a3—c3）Fig.11 ZH （a1—c1），Vr （a2—c2） and ZDR （a3—c3） from Xiamen S-band radar taken at 6.0° elevation at 15:11 BT （a），15:17 BT （b） and 15:23 BT （c） 23 May 2018

与对流风暴合并相对应，在对流风暴的分裂过程中ZDR柱亦有所体现。由于对流风暴的分裂现象容易与其周边新生单体的发展过程相混淆，因此，文中进一步定义对流风暴的分裂过程为：源自同一对流风暴云体的多个对流风暴形成过程，且相应的对流风暴均可被SCIT 算法所识别。

图12 为2018 年7 月31 日厦门双偏振雷达观测到的一次对流风暴分裂过程。13 时55 分，在单体A的北侧有一个强回波中心正在形成（图12a1），并伴有独立的上升速度区（图12a2）和ZDR大值区（图12a3）。沿图12a1中线段ab所示的雷达径向做垂直剖面，可以发现此时单体A处于成熟阶段，在其内部同时存在上升和下沉气流（图13a2）。单体A北侧的强回波区出现在中空，其ZH≥30 dBz 部分与单体A相连（图13a1），在上升气流附近存在ZDR大值区延伸至0℃层之上的现象（图13a3），可判定为ZDR柱现象。此时该ZDR柱并未被识别出来，究其原因在于其体积尚未达到ZDR柱识别算法的阈值。

图13 2018 年7 月31 日13 时55 分 （a）、14 时07 分 （b） 和14 时18 分 （c） 沿图12 中线段ab、cd 和ef 所做垂直剖面（a1—c1.反射率因子，a2—c2.径向速度，a3—c3.差分反射率因子）Fig.13 Vertical cross sections along lines "ab"，"cd" and "ef" shown in Fig.12 at 13:55 BT （a），14:07 BT （b） and 14:18 BT （c） 31 July 2018 （a1—c1.ZH，a2—c2.Vr，a3—c3.ZDR）

14 时07 分位于单体A北侧的强回波区进一步发展，其中心的ZH值已超过50 dBz（图12b1），并伴有辐合上升区（图12b2），ZDR大值区则与单体A彼此分离（图12b3）。在垂直剖面上可见位于北侧的单体向上、下两个方向进一步伸展，但在4 km 高度以下其ZH≥40 dBz 的部分仍与单体A相连（图13b1），说明此时风暴云体尚未完全分离，因此SCIT 算法仍将该对流云团识别为1 个对流风暴。径向速度场上伴有中层径向辐合现象（图13b2），ZDR柱的伸展高度迅速增大（图13b3），均预示着该对流云体将进一步发展。直至14 时18 分，单体A与单体B在垂直方向上彼此分离（图13c1），SCIT 算法判定该对流风暴完成分裂过程。

此次对流风暴分裂表明：对流风暴内部上升气流先于风暴云体完成分裂过程，ZDR柱指示了对流风暴中上升气流的分裂现象。以往研究（Bluestein，et al，1979；Grasso，et al，2001）也表明对流风暴的分裂与其内部上升气流的分裂相关联。

本研究涉及的30 个对流风暴共出现了7 次风暴合并和13 次风暴分裂过程，期间均伴随着ZDR柱合并（分裂）的现象，其中，有4（7）次合并（分裂）过程其ZDR柱提前于风暴云体发生合并（分裂），二者的比值分别为57%和69%，具有一定的预示性。

4.2.3 风暴的移动

对流风暴的移动是平流和传播运动共同作用的结果，对于前者，SCIT 等现有主流业务算法基于过往时次的风暴质心位置进行线性外推，从而预报下一时次风暴的位置。对于后者，上述算法则显得力有不逮。究其原因在于线性外推未能充分考虑对流风暴的传播情况。图14a 为2019 年4 月22 日厦门双偏振雷达观测到的一次对流风暴移动路径，此时环境气流为偏西风，SCIT 的预测路径（图中“+”号所示路径）也以向偏东移动为主，但风暴的实际移动路径位于环境气流的右侧，表现出右移风暴的特征。结合各时次ZDR的位置可知，该风暴的上升气流始终位于其移动方向的右侧，风暴不断向上升气流的方位传播，从而使得后续的路径预测出现偏差。图14b 所示的对流风暴移动路径则表现出左移风暴的特征，其ZDR柱的位置基本位于风暴移动方向的左侧。需要注意的是，在15 时23 分前后ZDR柱的位置出现明显的东移，由图11 可知，该风暴在该时段发生了对流风暴合并的现象，导致其移动路径发生明显的向东偏折，ZDR柱位置在此期间的变化亦能反映这一过程，且在时间上仍具有一定的预示性。侯淑梅等（2020）的研究也表明对流风暴合并后其内部上升气流明显增强，风暴向着上升气流的位置传播。ZDR柱与对流风暴后续传播方向的相关为改善对流风暴移动路径的预测提供了新的思路和参考依据，后续可基于该现象做进一步的研究。

图14 2019 年4 月22 日 （a） 和2018 年5 月23 日 （b） 厦门双偏振雷达观测的风暴路径和ZDR 柱路径 （风暴路径及其预测路径源自SCIT 算法）Fig.14 Storm paths and ZDR column paths observed by Xiamen dual-polarization radar on 22 April 2019 （a） and 23 May 2018 （b） （the storm tracks and forecast paths are derived from the SCIT algorithm）

5 结论和讨论

基于对流风暴的三维形态特征，实现对双偏振天气雷达ZDR柱特征的客观、自动化识别。在此基础上，使用厦门S 波段双偏振雷达2016—2022 年的观测数据，探索该识别算法在强对流监测领域的应用可行性。主要结论如下：

（1） 强风暴和非强风暴的ZDR柱形态参数存在统计学上的明显差异，可为预报员判别两类对流风暴提供参考依据。当ZDR柱深度达到1500 m 后，至少有60%的雷达体扫与强风暴相关。ZDR柱体积、质心高度和最大ZDR值的阈值达到20 m3、500 m和3 dB 时，这一比例分别达到70%、70%和50%。

（2）ZDR柱演变可以指示对流风暴的发展过程，其形态参数的极值早于强对流天气现象出现。ZDR柱的再度发展说明对流风暴内部上升气流的再次增强，并预示着强对流天气现象的持续发生。

（3）ZDR柱对于风暴的合并与分裂具有预示性。在风暴合并（分裂）过程中伴有ZDR柱合并（分裂）的现象，其中有57%（69%）的过程ZDR柱提前于风暴云体发生合并（分裂）。

（4）ZDR柱的位置与对流风暴的后续传播方向存在相关，可为改善对流风暴移动路径的预测提供新的思路和参考依据。

需要指出的是，限于现有观测手段和ZDR参数自身特征，本研究难免存在一些问题，谨讨论如下：

（1） 文中强对流天气事件是以地面自动气象站和人工观测结果作为判别标准，由此得出的强对流天气事件发生时间和位置难免存在偏差，对于非强风暴的认定存在误判的可能。同时，ZDR柱极值相对于强对流天气事件的提前量也可能因此存在误差。今后可基于时、空分辨率更高的观测资料对研究结果做进一步的修正。

（2） 算法所用的0℃层高度数据均基于环境探空时段的观测资料，其时间、空间分辨率仍较粗糙，后续可基于双偏振雷达的融化层亮带识别算法以提取实时数据。

（3） 现有的天气雷达的体扫时间间隔较长，且仰角层次较少，对于ZDR柱三维形态的识别结果难免存在偏差等问题。

（4） 在对流风暴中存在冰雹的湿增长过程时，可能导致ZDR柱识别结果的剧烈变化，其原因在于：ZDR柱内存在的过冷水使得其附近的冰雹表面存在外包水膜现象，从而获得更扁平的形状及更稳定的取向，因此其观测特征与大雨滴相似，具有较高的ZDR值。当冰雹增长为大冰雹时，其下降过程中具有翻滚现象，近似于各向同性的球形粒子，因此其ZDR值接近于0 dB。该现象也是ZDR柱极值提前于强对流天气事件出现的原因之一。

（5） 在本研究的雷暴大风个例中，ZDR柱伸展高度极值相对于雷暴大风具有提前量，但二者是必要非充分关系。强上升气流的出现未必一定伴随着强下沉气流，后者才是导致雷暴大风的主要原因之一。因此，仅凭ZDR柱并不足以实现对雷暴大风的预警，需要结合环境条件和其他雷达回波特征进行综合判断。

此外，文中使用的研究数据仍较为有限，且都来自厦门双偏振雷达的观测结果，上述结论是否适用于其他地区？有何异同之处？仍有待日后进行验证。