降水率

降水率是指水平面的降水通量，按當地實際情況來的，不同的地方的降水率是不同的。

基本介紹

• 中文名：降水率
• 外文名：Precipitation rate
• 描述：水平面上的降水通量
• 套用：天氣預報
• 學科：氣象學

概念

降水率(Precipitation rate，如NCAR的再分析資料中)即降水強度：是指通過一水平面上的降水通量，用水的體積通量來測定，因而其單位為m³/m²/s = m/s。但是為了方便，通常用mm/h來表示，常規觀測中常用6h，12h，24h或月、年為時間單位。

用GMS衛星資料反演複雜地形下的降水率

雖然數位化雷達資料估算降水率具有堅實的物理基礎，其反演精度較高。但中國西北地區地形極為複雜，地形屏障造成雷達盲區和地物回波干擾影響其估算降水。而用地球同步氣象衛星的定量資料，運用一定的統計模式估算降水率，以彌補遼闊的高原和山區缺少常規氣象資料，不失為降水監測和短時預報的有效工具。研究針對青藏高原東北邊坡複雜地形下，將GMS(Geostationary Meteororological Satellite)衛星展寬雲圖的紅外和可見光信息與其相匹配的數位化地形模型相結合。採用多級逐步判別方案，建立GMS-4衛星定量化信息和海拔高度與1h雨量等級之間的統計關係，製作估算降水率場的自動處理顯示系統。

降水強度的分析

觀測表明，控制降水強度的巨觀因子有雲頂高度、雲層厚度和雲中含水量等。這些和雨強有關的雲巨觀參數可通過觀測頻次高的GMS衛星(間隔30min一次)紅外和可見光信息(定量化的)經一定的處理得到。例如可見光信息可轉換成雲頂反照率，它與雲層光學厚度及雲中含水量有關；紅外信息可轉換成雲頂溫度。利用探空的等壓面高度和溫度資料，可由雲頂溫度推算出雲頂高度;海拔高度則作為下邊界限制條件。對西北地區東部暴雨雲團的統計分析表明，自甘肅省西部東移的低槽雲系與副高西側的高原積雲區相接之處，最利於暴雨雲團發展。據此筆者普查了1987～1990年西北地區東部處於副高西北緣西低東高環流型下符合上述雲圖模式的36次陝、甘、寧三省(區)的大暴雨過程。由於GMS雲圖的定量信息自1989年開始逐時存檔，故僅用1989和1990年兩個夏季的資料共152時次，其中107次用於建立統計模型，45次留作檢驗。取陝、甘、寧三省(區)和青海省東部農業區與衛星資料相應時刻190個站的1h雨量資料。由於地面測站比相應區域(33～38°N，103～110°E)衛星的信息量14241小二個量級，為了充分利用衛星資料並降低個別缺乏代表性的測站降水資料的權重，採用平面擬合插值方案，將190個測站降水資料插到0.1度的經緯度格線上，與衛星象元相對應將有3621個數據。採用逐步回歸多級判別程式，建立衛星雲圖定量信息和數位化地形模型與雨強等級之間的統計關係。為進行多級判別，首先要將1h雨量分級。根據西北地區具體情況，為保證暴雨有足夠的樣本，按下列標準，將22863個實測的雨量樣本分為五個等級，如表1所示。

表1 雨量分級標準及其統計

衛星資料的處理方法

為使衛星資料的定位準確，並使其信息與雨強之間的物理意義更明確，作如下處理：

(1)為了消除GMS衛星原投影的畸變，且便於數據定位，將其轉換成經緯度格線正方形投影，解析度取0.05°。

(2)中國西北地區距GMS星下點很遠。實際分析表明降水區略偏於紅外灰度閾值195等值線的東南方。雨強中心多數位於亮溫冷中心東南側約0.2～0.3°。這主要由於本區對衛星的仰角(28～40°)較低，致使雲頂定位出現誤差。當然也可能由於取衛星觀測時刻後近1h的雨量有關。為此先用下式計算各點對GMS衛星的仰角和方位角。

(3)將紅外和可見光灰度值(0～255)轉換成亮溫和反照率。

(4)將雲頂亮溫轉換成雲頂高度H(km)。採用目標區內18個探空站900至100hPa11層標準等壓面7～8月平均高度和溫度資料擬合出由溫度推算高度的回歸方程。

圖1 由GMS定量信息反演雨強處理系統工作流程圖

(5)海拔高度對降水率影響的估算。由於水汽隨高度呈指數遞減，故隨海拔升高，氣柱水汽含量迅減。地面是雲底的下邊界，當雲頂高度相同時，高原地區雲層厚度相對較薄，雲內含水量較少，因此青藏高原上雨強小，極少出現暴雨。為此將估算的雲頂高度減去當地海拔高度，稱為最大可能雲層厚度，作為反演降水率的因子。

反演雨強等級的自動處理系統

利用GMS展寬雲圖定量信息和海拔高度反演雨強等級的自動處理可在微機上實現，無需價格昂貴的圖像板和大螢幕顯示器。其工作流程見圖1。

圖21990年7月25日16時反演雨強(a)和實測15～16時雨量等級(b)

圖2(a)和(b)分別為1990年7月25日16時反演的雨強場和16～17時的雨量實況。對照這兩幅圖可看出:總的分布相似，慶陽地區暴雨範圍略大些。通過對幾次暴雨過程檢驗，總的處理效果還是比較令人滿意的。但8～10mm/h的弱暴雨和小範圍短歷時暴雨有時判讀不出或降判為大雨，而20mm/h的強暴雨估算範圍偏大。然而，反演的小雨以上降雨區域不論面積和形狀均與實況一致。這可能是由於用1h雨量代替瞬時雨量作統計造成的。處理結束後將上述三幅圖像存入庫中，由圖形圖像庫管理，用戶可隨時調閱。此處理系統已投入蘭州區域氣象中心預報業務系統中試用，在1993、1994兩年的汛期中，試運行反應效果良好，特別在幾次大降水和雷雨天氣過程中，其所提供的“逐時降水率”場，對於短時客觀預報具有較高的參考價值，取得了明顯的社會效益。

同化雷達估算降水率對暴雨預報的影響

暴雨往往由強對流天氣系統產生，具有局地性強、生命期短、尺度小等特點，不僅是預報難點，也很難被常規大氣探測技術捕獲。常規觀測站網密度過於稀疏，很難準確觀測或者計算一定區域的降水率，其結果缺乏代表性。都卜勒天氣雷達觀測有很高的時間解析度（5～10min）和空間解析度（125～1000m），是探測中小尺度天氣系統的有力工具。雷達反射率因子和降水率存在定量關係，因此，可以採用雷達作為間接測量降水的工具。這類高解析度降水率資料能彌補常規觀測解析度不足的缺點。

雷達定量估算降水率的方法有多種。在日常工作中，Z-I關係最常用。但Z-I關係的計算精度有限，需對其結果進行校準。20世紀70年代提出了平均校準方法，認為整個降水場的校準因子相同，降水分布被過分平滑。人們在此基礎上進行改進，計算校準因子時考慮降水的空間分布，減小了雷達估算降水的誤差。將變分法引入氣象領域，用於研究數值模式初始場的客觀分析。運用變分原理研究暴雨發生時雷達估算降水和雨量計資料的客觀分析，結果令人滿意。此後，變分法被我國很多氣象學家用於校準雷達估算降水率，獲得了很好的成果。萬齊林提出了一種不需要將校準參照量整場插值到遙測資料格點上的變分校準方案。該方案既避免了對稀疏校正參照量進行客觀分析的困難，也避免了校正參照量在資料稀缺區域插值分析帶來的不利影響，使遙感資料的整體偏差被修訂的同時，能夠更好地保持遙測資料空間分布形態不變。本文將該方法運用於校準雷達估算降水率，考察雷達估算降水率是否能準確表達暴雨的分布特徵。

降水率不僅能表示降水的瞬時分布，還包含大氣動力特徵以及水汽分布等信息。如何通過降水率資料改善初始場，已成為亟需解決的問題。近幾十年，隨著大氣探測技術的不斷發展，國內外同化的降水率資料主要包含3類：第1類是同化自動氣象站計算的降水率資料。同化自動氣象站降水率資料有效改進了降水預報。雖然自動氣象站資料精度較高，但受站點分布限制易漏測，很難獲得完整的降水分布。第2類是同化衛星反演的降水率資料。2002年初，日本氣象廳將TRMM（Tropical Rainfall Measuring Mission）降水率資料套用在四維變分同化系統中，對降水預報有明顯改進。提出先一維變分再四維變分的方法同化衛星降水率資料。對其進行改進，重新計算水汽誤差。大量數值試驗證明，同化衛星降水率資料能有效提高預報質量。在國內，在GRAPES（Global/Regional Analysis and Prediction System）三維變分（3DVar）同化系統的基礎上，採用FSU（Florida State University）對流參數化方案作為觀測運算元，同化TRMM衛星降水率資料，結果表明：同化後的初始場對颱風的路徑和降水預報皆有正效果。第3類則是基於都卜勒天氣雷達定量估算的降水率。相對於衛星資料，雷達估算降水率有較高的時間和空間解析度，能連續探測暴雨等短時局地天氣系統。早在20世紀60年代，英國氣象局就已經將雷達估算降水率資料套用在數值預報業務中，同化影響時效超過12h，甚至達到15h]。將雷達估算的降水率加入COSMO（Consortium for Small Scale Modeling）模式，修改其初始場的潛熱加熱。採用Kain-Fritsch對流參數化方案，通過先一維變分再四維變分的方法將雷達估算降水率資料加入初始場，很好地模擬出1996年美國芝加哥大暴雨。但國內對於雷達估算降水率同化的研究工作較少，更沒有業務運行。研究利用FSU對流參數化方案作為觀測運算元，通過GRAPES區域3DVar同化系統，研究同化變分校準後的雷達估算降水率資料對暴雨預報的影響。

個例模擬試驗

資料同化是為數值模式提供初始場，使模式的計算結果更準確。將以2009年3月28日廣東省廣州市大暴雨為例，考察同化雷達估算降水率資料對暴雨模擬的改進。這次暴雨過程時間短、雨量大、強降水集中，造成廣州城區嚴重內澇，是一次局地強對流過程。本次過程3月28日10：00突然爆發（單站累積降水強度超過70mm·h^－1），向西移動，至15：00減弱（單站降水強度小於20mm·h^－1），所以主要考察10：00—15：00強對流的降水模擬情況，並設計了兩個數值試驗。

同化試驗（ExpA）：以2009年3月28日06：00NCEP（National Centers for Environmental Prediction）1°×1°格點分析資料作為背景場。GRAPES模式在粗格線（36km）上積分12h，每小時的模式結果作為細格線（12km）的邊界條件。在細格線上，模式從3月28日06：00冷啟動，積分4h。然後同化上述校準的雷達估算降水資料，從10：00積分至15：00。

非同化試驗（ExpC）：GRAPES模式在粗格線上積分與同化試驗相同，在細格線上10：00不同化任何觀測資料。

（1）同化結果

圖3a和圖3b給出了同化前後水平風場和水汽分布。背景場中暴雨發生區域（圖3a中黑色方框）沒有偏北氣流，輻合線位於24°N附近，與實際暴雨發生地點相距較遠，且比濕分布均勻，不存在強中心。對比圖3b，分析場中水平風速變化不明顯，但南、北風分量明顯增加，該經向氣流不僅增強暴雨區的輻合，還使ExpA的暴雨中心偏南；濕度增加同樣顯著，中心強度超過0．017kg·kg^－1，呈準正圓形向四周散開。降水率資料包含的散度與濕度信息由FSU對流參數化方案引入模式初始場，圖3b中的風場輻合是由於觀測資料在動力平衡約束下，求解目標函式極小化的結果；濕度呈準正圓形向四周遞減是因為濕度分析僅求解極小化、沒有動力平衡約束的結果。

圖3

圖3c給出了散度和比濕增量的水平分布。在暴雨發生區域，低空有強水汽增量，南側則是風場輻合。在低空，水汽輻合增強，為暴雨的發生、加強提供了必要的物質條件。在高空，對應的是一個強的輻散中心，最大值位於350hPa附近，輻合中心的最大值位於600hPa附近，量級可達到10^－5s^－1，這樣的高低空配置將在大氣中層造成強烈的垂直運動，是本次暴雨過程的啟動機制。

為了更詳細地說明同化雷達估算降水率資料對初始水汽輸送的影響，圖4a和圖4b分別給出了850hPa上ExpC和ExpA的水汽平流，ExpA中珠江口附近出現較強的水汽正平流，中心強度保持在0．3×10^－6m·s^－2以上。為了維持動力學平衡，在其西側出現很強的負平流。而ExpC中幾乎觀察不到明顯平流，證明背景場中水汽沿風場方向分布均勻，水汽輸送小。水汽的通量散度和流線分布如圖4c和圖4d所示，未同化雷達估算降水率時，暴雨區域（23°N，113°E附近）為弱的正水汽通量散度，且風場輻合線位於24°N以北。在暴雨區內有弱的水汽輸出。同化後，水汽由輻散轉變為輻合，與暴雨區域一致。從流場上看，經向風分量加強，大氣沿著流場方向增濕，是造成暴雨的原因之一。

圖4

暴雨發生必然伴隨著大氣不穩定能量的釋放。圖5分別給出了ExpA與ExpC的沙氏指數和K指數的分布。沙氏指數是判斷對流性天氣穩定度的一種重要指標，值越小越不穩定。暴雨發生前沙氏指數為負值，表示大氣處於不穩定狀態。K指數表明大氣的對流潛力，能指示對流性天氣，數值越大對流發生的可能性越大。對比圖5a和圖5b不難看出，ExpA的沙氏指數更小，同時對比圖5c和圖5d可知，ExpA中K指數在暴雨區增大。這說明同化雷達估算降水率資料後，調整了背景場的輻合、輻散結構，使大氣中低層的不穩定能量加大，對流發生、發展的潛勢增加，給暴雨產生提供了有利的動力和熱力條件。

圖5

綜上所述，同化後初始場的水汽分布、輻合與輻散結構及不穩定性均有明顯改進，更有利於暴雨的發生。

（2）模擬結果

圖6給出了模擬降水與觀測對比。自動氣象站雨量計記錄的5h最大降水量位於23°N，113．8°E附近，落區主體呈東西向分布，存在兩個強降水中心，最大值超過80mm，主要降水均集中在最大中心附近，說明本次暴雨過程有很強的局地性。ExpC與其對比有較大差別，降水量級遠小於實況觀測，僅為觀測的20%，中心位置偏東2個經度，向北偏0．5個緯度。ExpC模擬降水落區也沒有呈現出狹長的東西向分布。ExpA的模擬結果與觀測較為相似，最大值超過80mm，中心位置比觀測稍微向東偏半個經度，分布類似“<”形式。

圖6

由圖6c的自動氣象站降水量可以發現，在粵東北地區有明顯的零星降水，這些零星的降水和暴雨的主體呈“<”形分布。這樣的分布是有可能存在的，因為在粵東北，自動氣象站的密度低於珠江三角洲地區，降水有漏測情況。這也表明，同化雷達估算降水率有利於改善降水分布。

如圖6d所示，2009年3月28日10：00—15：00觀測的降水中心大致沿23°N向東移動，12：00開始減弱，路徑可近似為一條沿23°N的自西向東的直線，降水最強時可達82mm·h^－1。ExpA模擬的降水移動路徑偏北0．25個緯度，但也是沿緯圈的自西向東的直線，中心強度偏小，最強時約為46mm·h^－1，同樣在12：00降水開始減弱。ExpC模擬的效果不理想，路徑大致為西北西—東南東，強度不超過10mm·h^－1，且中心降水未出現先增大後減小的變化趨勢。不論是整體降水分布還是逐小時暴雨中心的移動路徑，相對於ExpC而言，ExpA降水模擬更偏南，與觀測更接近。這與圖4所示ExpA的水汽輸送中心位於珠江口一致，ExpA模擬的降水量級遠大於ExpC，與圖5所示的不穩定能量對應。因此，同化高解析度的降水率資料可以明顯改進模式的動力學和濕度場特徵，將背景場沒有的中小尺度信息合理地加入背景場，從而提高模擬質量。

中尺度暴雨時間尺度短，降水量隨時間變化很大。僅考察累積降水量不足以證明中尺度天氣系統的發展和消亡，然而逐小時的降水模擬結果能清晰地反映出強降水中心的結構和演變特徵。圖7為兩次模擬試驗和自動氣象站觀測的地面逐小時降水分布。ExpC在積分的第1小時（圖7a），觀測到的降水中心位於23．5°N，113．8°E附近，超過30mm。對比ExpA與觀測，ExpA有明顯改進，不僅降水中心位置與實際觀測更接近，而且降水量級由4mm·h^－1提升至15mm·h^－1，在積分的前5h均有這樣的特點。其次，從實況降水隨時間演變特徵來看，強降水區域自西向東移動，強度先增強後減弱。ExpA的演變與實況幾乎一致，強降水區域沿23°N一直向西移動，積分的前2h增強，後3h減弱。ExpC同樣經歷了先增強後減弱的過程，但是其降水量不到實況的10%，強降水區域也明顯偏北。從積分第2至第4小時，粵東北（24．5°N，117．5°E）也有明顯的降水出現，強度弱於珠江口的強中心。ExpA在粵東北也有降水出現，雖未形成降水中心，但仍優於ExpC的模擬結果。東北側的降水模擬結果不理想，與同化資料覆蓋區域太小有關。

圖7

同化雷達估算降水率對逐小時的降水模擬同樣優於非同化試驗，主要在以下幾個方面：①逐小時降水量增大，更接近於實況，這是由於同化雷達估算降水率後，底層輻合與水汽增強，模式中水汽垂直輸送增強；②暴雨中心的移動路徑和速度大致與實際觀測相吻合；③逐小時的降水分布也有改善；④從逐小時降水量的變化可以看出，同化雷達估算降水後，暴雨的發展和消亡更符合觀測。

研究結論

首先採用Z-I關係估算雷達降水率。由於氣象遙感資料普遍具有單點探測精度低，梯度分布合理的特點，採用萬齊林提出的一種不需要對訂正資料進行全場插值的變分校準方案，結合自動氣象站降水資料的優勢，訂正雷達估算降水。以2009年3月28日廣東省廣州市大暴雨為例，FSU對流參數化方案為觀測運算元，設計了一組數值試驗考察雷達資料對初始場的影響以及對暴雨模擬的改進，得到以下主要結論：

1）利用自動氣象站降水率資料變分校準雷達估算降水率提高了降水率資料的單點精度，而且保留了其梯度分布合理的優勢，與自動氣象站降水率資料形成互補。雖然校準後出現對極小量級降水的高估，但隨著降水增強，誤差迅速減小。

2）同化雷達估算降水率後，初始風場調整明顯，不僅增強了低層輻合，還使高層大氣輻散增強。這樣的高低空配置有利於垂直運動產生，使不穩定能量得到釋放。同時，低空的水汽含量增加明顯，為水汽的垂直輸送提供了有利條件。

3）從逐小時模擬結果看，同化試驗的暴雨中心強度和移動路徑與實際觀測相近，也反映了中尺度對流系統的發生和消亡。

變分校準後的雷達估算降水率資料單點精度高、梯度分布合理，同化後可以調整大氣的輻合輻散結構和水汽分布。但其中還存在一些問題：首先，研究採用FSU對流參數化方案作為觀測運算元，即用對流參數化描述模式中的格線降水和次格線降水，使模式變數到觀測變數的投影變得模糊，觀測運算元存在明顯誤差。其次，對廣東省廣州市一次大暴雨個例研究表明，FSU對流參數化方案得到的垂直運動的垂直分量過大，不能反映中尺度斜升氣流的特點。另外，雖然本文所用的同化系統已業務化，業務時效可以得到保障，但在同化過程中可能會使分析場的水汽處於過飽和狀態，對於強對流天氣有較好的效果，其他天氣系統誤差可能較大。這些問題的解決還有待於進一步研究。