2. 秦岭和黄土高原生态环境气象重点实验室,西安 710016;
3. 中国气象科学研究院,北京 100081;
4. 北方天穹信息技术(西安)有限公司,西安 710014
2. Key Laboratory of Eco-Environment and Meteorology for the Qinling Mountains and Loess Plateaue, Xi'an 710016;
3. Chinese Academy of Meteorological Sciences, Beijing 100081;
4. Northern Sky Information Technology (Xi'an) Co. LTD, Xi'an 710014
秦岭是中国南北气候分界线,主体部分在陕西,秦岭在陕西包括渭南南部、西安南部、宝鸡的南部和汉中北部、安康北部、商洛全部(简称陕南)。丹江口水库水量的70%来自于陕南汉江和丹江。汉江是长江最大支流,源于秦岭南麓的汉中市宁强县,丹江发源于商洛地区西北部的秦岭南麓,流经陕西、河南、湖北三省,在湖北省丹江口市与汉江交汇于丹江口水库。
水汽、液态水含量的观测方法有: 卫星反演,机载探测、气象探空,微波辐射计反演等。其中微波辐射计具有数据连续观测、分辨率高、操作性强的特点,通过反演可得到垂直方向连续的温度、相对湿度、水汽密度、云底高度、垂直积分水汽量、垂直积分液水含量等信息。微波辐射计有一定的缺陷,在有云的情况下,特别是低云和厚云存在时,湿度廓线反演误差增大,降水时天线罩上附着的水将严重影响辐射计的反演精度,但利用纳米材料制作天线罩,并配备鼓风机向天线罩表面吹气等方法可有效减小水膜效应。
微波辐射计作为一种新型的大气探测设备,其探测原理和方法已日趋成熟,观测数据已开始应用到雷暴、暴雨、雾的预警预报和模式检验等方面,显示出良好的应用前景。许皓琳等(2020)利用微波辐射计分析乌鲁木齐和成都两地机场雷暴降水水汽条件,能够展现不同地区大气水汽的分布特征,以及降水过程中各层水汽的演变情况。李德俊等(2012)对武汉一次短时暴雪天气分析,结果表明: 微波辐射计探测的温度、相对湿度、整层水汽密度和液态含水量等参量随降水相态改变均有明显的变化,同时还发现降水强度和比湿有较好的对应关系,降水开始后比湿迅速增加,降水减弱时比湿快速减少。杨文霞等(2019)使用Ka波段(毫米波)云雷达、微波辐射计、微雨雷达和地面雨量计对河北省邢台站出现的一次西南涡弱层状云降水过程进行综合遥感分析,表明联合观测能获取更为精细的云结构演变和降水粒子增长过程,是精细化识别降水出现和人工增雨潜力区的有效手段。黄建平等(2010)利用基地微波辐射计反演兰州地区液态云水路径和可降水量,结果表明: 95%的云水路径值都在150 g·m-2以下,95%的可降水量值都在3 cm以下。其他的研究如基于地基微波辐射计反演四川盆地水汽及云液态水的初步分析(郑飒飒,2020),利用地基遥感方法检测大气中汽态、液态水含量分布特征(段英和吴志会, 1999),一次降水过程云液态水和降水演变特征的综合观测分析(张志红和周毓荃,2010)等等。综上所述,微波辐射计探测水汽总量的精度与探空相比一致性较好,云、液水总量也有较高的精度。
目前陕西布设了5部微波辐射计,其中4部是中国兵器工业北方天穹信息技术(西安)有限公司研制并生产的MWP967KV型地基多通道微波辐射计,1部为德国生产的XGM-1型微波辐射计;分别布设在秦岭南安康宁陕县气象局、秦岭北麓西安长安区气象局院内(2部,其中1部为进口)、西安中心的西安市气象局、西安城北的泾河气象站。微波辐射计是分析空中云水资源的有效工具(Cai et al,2020;Zhou et al,2020),以往利用微波辐射计分析水汽、液水含量等均为个例的分析,对长序列的分析较少见,本文利用秦岭南北两部同型号微波辐射计(宁陕县海拔高度为802.4 m、长安区气象局海拔高度为445.0 m),研究秦岭地区大气中的水汽、液态水含量,湿度、云底高度等,对了解空中云水资源,开展人工增雨作业具有重要的意义。
1 资料说明与处理 1.1 资料与方法使用国产MWP967KV型地基多通道微波辐射计,具有较高的精度(刘晓璐,2019),每2 min完成一次扫描,每小时使用30个扫描资料,所有统计以小时为单位,为整点前后30 min的平均值,月、年的平均是小时平均。采用机器学习方法,长安微波辐射计垂直资料是利用泾河气象站的探空资料训练进行反演,宁陕微波辐射计垂直资料变化是利用汉中气象站的探空资料训练进行反演,日常使用中每半年进行一次液氮标定,日常实时进行Tipping标定等。资料时间为2018年8月至2020年2月(长安区气象局2018年12月有6 d、2019年1月有7 d、2019年2月有17 d无微波辐射计资料,利用西安市气象局微波辐射计资料替代,宁陕县气象局微波辐射计资料完整)。
降雨会对微波辐射计数据反演带来较大不确定性,为了减小误差,在计算垂直积分水汽含量、液水含量、水汽廓线时利用自带的降雨传感器数据剔除降雨样本,同步统计两地没有降雨的资料。由于水汽积分与高度有关,而两地海拔高度不一样,为了使得积分数据具有可比性,两站点数据统一从宁陕的海拔高度作为积分水汽和液态水的起算点。降雨时云底高度较低,微波辐射计测的云底高度误差较小,没有剔除降雨时的资料。
1.2 垂直积分水汽与气象探空资料相关分析秦岭北麓的长安区气象局微波辐射计垂直积分水汽与泾河气象站探空(两者距离37 km)比较,相关系数为0.97,因长安微波辐射计放置位置距离泾河探空站较近,因此利用泾河气象站探空反演的垂直积分水汽与长安区气象局实际的垂直积分水汽相关性较好(图 1a)。秦岭南宁陕微波辐射计垂直积分水汽与汉中探空比较(两者距离153 km),相关系数为0.88,主要由于两地相距较远,受到水汽水平分布不均匀的影响,相关性变小(图 1b)。
水汽主要在低层,由于两地海拔高度有差异,宁陕县气象站比长安气象站海拔高度高约357.4 m,为了使得两地数据具有可比性,长安积分水汽总量起算高度与宁陕一致,选取两个站点没有降雨同一时段进行分析,逐月统计积分水汽平均值,秦岭北长安区气象站与秦岭南宁陕县气象站的垂直积分水汽量,年度变化趋势一致(图 2)。11月至次年3月垂直积分水汽量偏小,4、5、6月逐渐增加,7月和8月达到大值,9月又逐渐减小。秦岭南宁陕县气象站微波辐射计垂直积分水汽量年平均为20.94 kg·m-2,月平均变动范围为10.87~46.73 kg·m-2,月平均最大与最小相差4.3倍,秦岭北垂直积分水汽量年平均为18.52 kg·m-2,月平均变动范围为8.43~40.1 kg·m-2,月平均最大与最小相差4.76倍,秦岭北垂直积分水汽变率更大。
对4 km以下的水汽廓线进行了月平均统计,可以看出在高空水汽含量趋近一致,秦岭南宁陕站水汽密度廓线月平均基本都大于秦岭北部,越往低空水汽相差越大,另外从季节上看夏季水汽密度相差较大,冬季差异小(图 3)。
秦岭南宁陕县气象站垂直积分液水含量月平均在0.04~0.42 kg·m-2,平均为0.13 kg·m-2,月平均垂直积分液水含量最高与最低相差10.5倍,秦岭北长安区气象局垂直积分液水含量月平均变动范围为0.04~0.25 kg·m-2,平均为0.12 kg·m-2,月平均垂直积分液水含量最高与最低差6.25倍(图 4),秦岭南与秦岭北年平均垂直积分液水含量相差不大,秦岭南的垂直积分液水含量变率更大。
平均而言,秦岭南宁陕县气象站地面年平均相对湿度为75.3%,秦岭北长安区气象站地面年平均湿度为59.8%,秦岭南比秦岭北年平均相对湿度大,相差15.6%。秦岭南2、3、4月平均相对湿度小(< 70%),而秦岭北12、1、2、3月平均相对湿度小(< 60%)(表 1)。90%以上水汽平均高度, 秦岭南宁陕县气象站年平均为3.87 km,月最高与最低相差820 m,秦岭北麓的长安区气象局年平均为4.26 km,月最高与最低相差870 m,秦岭北麓水汽月平均变化更大一些,可以看出秦岭南部相比北部低空更富含水汽。表 1还可以看到月平均相对湿度较小时,月平均降水量少。
利用微波辐射计反演云底最大高度可达到9 999 m,云底高度越高误差越大,为了准确确定云层云底高度,按照气象学分类将云底高度小于2 000 m的统计为低云,将云底高度在2 000~5 000 m统计为中云,云底高度5 000以上,因人工增雨作业难于影响不统计。孙丽(2019)利用CloudSat卫星观测资料对云垂直结构进行分析,研究了典型系统影响下的作业云系垂直结构特征,为人工增雨作业提供参考。利用微波辐射计反演云高方面,丁虹鑫等(2018)利用云雷达和微波辐射计联合反演大气湿度廓线,相关系数平均为0.862,均方差误差为14.9%,胡树贞等(2020)进行了云雷达与云宏观特征对比分析,发现云雷达探测云高准确性高,与基于探空识别的云底高度平均偏差为100 m左右。
将1小时中有一半时间有降雨的云层统计为降雨时段,统计云底高度,统计结果如表 2。秦岭南宁陕县气象站年平均云底高度为3 817.5 m,3、4、5、6、7、8月平均云底高度较高,达到4 091.5 m以上。全年中云年平均云底高度为3 337.0 m,月平均云底高度在3 115.0~3 466.6 m,月平均相差351.6 m。低云年平均云底高度为1 021.7 m,月平均云底高度在788.8~1 208.4 m,相差419.6 m。降雨时年云底平均高度是323.3 m。相对来说平均雨量较大的月份平均低云云底高度较低。
表 3表明,秦岭北麓长安区气象局年平均云底高度为4 396.0 m,冬季平均云底高度较低。全年中云年平均云底高度为3 329.8 m,月平均云底高度在3 126.7 ~3 673.2 m,相差546.5 m。低云年平均云底高度为896.6 m,月平均云底高度在515.5~1 153.7 m,相差638.2 m。降雨时年云底平均高度是356.5 m。相对来说,平均雨量较大的月份平均低云云底高度较低。
总体来说: 秦岭南宁陕县气象站年平均云底高度比秦岭北麓长安区气象站低578.5 m。秦岭南宁陕县气象局中云年平均云底高度与秦岭北麓长安区气象局相差7.2 m,相差不大。秦岭南宁陕县气象站降雨时云底年平均高度比秦岭北麓长安区气象站低33.2 m。相对来说,平均雨量较大的月份平均低云云底高度较低。
3 结论与讨论(1) 秦岭南北垂直积分水汽量变化趋势一致,11月至次年3月垂直积分水汽量偏小,4、5、6月逐渐增加,7月和8月达到大值,9月又逐渐减小。秦岭北垂直积分水汽量年平均为18.52 kg·m-2,秦岭南垂直积分水汽量年平均为20.94 kg·m-2。
(2) 秦岭南安康宁陕县气象站垂直积分液水含量年平均为0.13 kg·m-2,月平均垂直积分液水含量在0.04~0.42 kg·m-2。秦岭北长安区气象站垂直积分液水含量年平均为0.12 kg·m-2。月平均垂直积分液水含量在0.04~0.25 kg·m-2。秦岭南的垂直积分液水含量变率更大。
(3) 秦岭南比秦岭北相对湿度大,年平均相差15.6%,秦岭南宁陕县气象站90%以上水汽年平均高度为3.87 km,秦岭北麓的长安区气象站90%以上水汽年平均高度为4.26 km。
(4) 秦岭南年平均云底高度比秦岭北年平均云底高度低578.5 m。中云年平均云底高度相差7.2 m,相差不大。降雨时秦岭南云底年平均高度比秦岭北年平均云底高度低33.2 m。相对来说,平均雨量较大的月份平均低云云底高度较低。
(5) 人工增雨作业不能影响水汽,而微波辐射计能够很好地检测大气中汽态、液态水含量、云底高度、湿度、温度等分布特征,对开展人工增雨作业具有重要意义。
丁虹鑫, 马舒庆, 杨玲, 等, 2018. 云雷达和微波辐射计联合反演大气湿度廓线的初步研究[J]. 气象, 44(12): 1604-1611. Ding H X, Ma S Q, Yang L, et al, 2018. Retrieval of humidity profiles by using cloud radar and microwave radiometer[J]. Meteor Mon, 44(12): 1604-1611 (in Chinese).
|
段英, 吴志会, 1999. 利用地基遥感方法监测大气中汽态、液态水含量分布特征的分析[J]. 应用气象学报, 10(1): 34-40. Duan Y, Wu Z H, 1999. Monitoring the distribution characteristics of liquid and vapour water content in the atmosphere using ground-based remote sensing[J]. Quart J Appl Meteor, 10(1): 34-40 (in Chinese).
|
胡树贞, 曹晓钟, 陶法, 等, 2020. 船载毫米波云雷达观测西太平洋云宏观特征对比分析[J]. 气象, 46(6): 745-752. Hu S Z, Cao X Z, Tao F, et al, 2020. Comparative analysis of cloud macro characteristics from two shipborned millimeter wave cloud radars in the West Pacific[J]. Meteor Mon, 46(6): 745-752 (in Chinese).
|
黄建平, 何敏, 阎虹如, 等, 2010. 利用地基微波辐射计反演兰州地区液态云水路径和可降水量的初步研究[J]. 大气科学, 34(3): 548-558. Huang J P, He M, Yan H R, et al, 2010. A study of liquid water path and precipitable water vapor in Lanzhou area using ground-based microwave radiometer[J]. Chin J Atmos Sci, 34(3): 548-558 (in Chinese).
|
李德俊, 唐仁茂, 向玉春, 等, 2012. 基于多种探测资料对武汉一次短时暴雪天气的监测分析[J]. 高原气象, 31(5): 1386-1392. Li D J, Tang R M, Xiang Y C, et al, 2012. Analysis on a short-time snowstorm weather in Wuhan based on variety of monitor data[J]. Plateau Meteor, 31(5): 1386-1392 (in Chinese).
|
刘晓璐, 刘东升, 郭丽君, 等, 2019. 国产MWP967KV型地基微波辐射计探测精度[J]. 应用气象学报, 30(6): 731-744. Liu X L, Liu D S, Guo L J, et al, 2019. The observational precision of domestic MWP967KV ground-based microwave radiometer[J]. J Appl Meteor Sci, 30(6): 731-744 (in Chinese).
|
孙丽, 马嘉理, 赵姝慧, 等, 2019. 基于CloudSat卫星观测资料的辽宁省不同天气系统影响下云系垂直结构特征[J]. 气象, 45(7): 958-967. Sun L, Ma J L, Zhao S H, et al, 2019. Characteristics of cloud vertical structure under different synoptic systems in Liao- ning Province based on CloudSat observation[J]. Meteor Mon, 45(7): 958-967 (in Chinese).
|
许皓琳, 郑佳锋, 姜涛, 等, 2020. 乌鲁木齐和成都两地机场雷暴降水水汽条件的分析研究[J]. 气象, 46(11): 1440-1449. Xu H L, Zheng J F, Jiang T, et al, 2020. Analysis of water vapor variation and transformation during the two airport thunderstorms in Urumqi and Chengdu[J]. Meteor Mon, 46(11): 1440-1449 (in Chinese).
|
杨文霞, 范皓, 杨洋, 等, 2019. 一次层状云降雨过程多源遥感特征参量演变分析[J]. 气象, 45(9): 1278-1287. Yang W X, Fan H, Yang Y, et al, 2019. Evolution analysis of physical quantities obtained by multi-source remote sensing in a process of stratiform cloud rainfall[J]. Meteor Mon, 45(9): 1278-1287 (in Chinese).
|
张志红, 周毓荃, 2010. 一次降水过程云液态水和降水演变特征的综合观测分析[J]. 气象, 36(3): 83-89. Zhang Z H, Zhou Y Q, 2010. Analyses of composite observations of cloud liquid water and precipitation on the evolution features[J]. Meteor Mon, 36(3): 83-89 (in Chinese).
|
郑飒飒, 2020. 基于地基微波辐射计反演四川盆地水汽及云液态水的初步分析[J]. 高原山地气象研究, 40(2): 83-88. Zheng S S, 2020. Preliminary analysis of water-vapor content and liquid-water content in Sichuan Basin based on ground-based microwave radiometer[J]. Plateau Mountain Meteor Res, 40(2): 83-88 (in Chinese).
|
Cai M, Zhou Y Q, Liu J Z, et al, 2020. Quantifying the cloud water resource: methods based on observational diagnosis and cloud model simulation[J]. J Meteor Res, 34(6): 1256-1270. DOI:10.1007/s13351-020-9126-6
|
Zhou Y Q, Cai M, Tan C, et al, 2020. Quantifying the cloud water resource: basic concepts and characteristics[J]. J Meteor Res, 34(6): 1242-1255. DOI:10.1007/s13351-020-9125-7
|