2. 吉林省气象信息网络中心,长春 130062;
3. 辽宁省大石桥市自然资源事务中心,营口 115100;
4. 辽宁省丹东市气象局,丹东 118001;
5. 中国气象局公共气象服务中心,北京 100081
2. Jilin Meteorological Information and Networking Center, Changchun 130062;
3. Dashiqiao Center for Nature Resources Affairs of Liaoning Province, Yingkou 115100;
4. Dandong Meteorological Office of Liaoning Province, Dandong 118001;
5. CMA Public Meteorological Service Centre, Beijing 100081
新一代天气雷达最主要的功能就是探测降水回波的分布和强度的变化情况,但同时也会探测到一些非降水回波,如地物回波、海浪回波、昆虫和鸟的回波、大气折射指数脉动引起的回波、云的回波等(俞小鼎等,2006),这些非降水回波有时夹杂在降水回波中,与降水回波相似,对雷达探测质量产生一定的影响。因此有大量的气象工作者开展雷达质量控制试验研究(黄琴等,2018;黄兴友等,2018;张林和杨洪平,2018)。研究发现,很多非降水回波也具有一定的发展变化规律,例如火灾产生的大量烟尘可以被天气雷达探测到,其回波形态、发展高度、径向速度等都有一定的规律,浙江(黄克慧等,2013)、福建(张深寿等,2017)、云南(徐八林等,2020)等地气象工作者对火灾的雷达特征进行了详细研究,并开发相应的预警软件,实现了天气雷达对山火的监测预警功能。
除探测林火外,天气雷达还可以探测到生物的大规模迁徙活动。美国气象学家通过观测分析证明了WSR-88D天气雷达可以为鸟类的长距离迁徙和局部有规律的飞行运动提供详细的信息(Gauthreaux and Belser, 1998),天气雷达可以作为遥感工具对大气中的鸟类和昆虫进行生物学研究,同时分析还表明大规模的飞鸟活动对天气雷达探测质量会产生一定的影响,雷达生物学研究有一定的必要性(Zrnic and Ryzhkov, 1998;Hubbert et al,2018)。我国也有一些学者应用天气雷达在生物识别方面做了大量研究工作,焦热光等(2018)对北京多普勒天气雷达上的昆虫回波进行分析表明,多普勒天气雷达可以探测昆虫迁飞,在迁飞性害虫监测预警及其综合防控工作中具有重大的潜在应用价值。朱轶明等(2019)对我国新一代天气雷达生物回波的雷达物理量特征和长江中下游地区天气雷达生物回波的发生发展规律进行了深入研究,并利用上海南汇WSR-88D双偏振天气雷达进行生物回波识别与分析,结果表明,S波段天气雷达无法分辨生物单体,但在春季有大规模生物迁飞的时段能够对昆虫成层定向迁飞的现象进行有效识别;滕玉鹏等(2020)通过对雷达同距离多普勒速度进行低通滤波处理的方法,将定向迁飞生物从大气湍流产生的晴空回波中分离出来,实现监测定向迁飞生物的跨海迁飞活动,并利用美国KICT雷达对2012年9月30日夜间的一次生物迁徙过程进行验证,依靠多普勒速度和反射率因子,将定向迁飞的鸟类从昆虫中分离。
昆虫和飞鸟回波是天气雷达上常见的生物回波,是晴空回波的主要成因之一。由于鸟类的体型较大、含水量比较高,天气雷达上可以捕捉到鸟类的活动,尤其是鸟类在黎明时刻集体外出觅食时,由于密度较大,在天气雷达上可以明显地看到由于鸟类活动而引起的回波变化。本文利用2018—2020年3年的营口天气雷达资料对探测到的辽河三角洲湿地及周边区域的鸟类清晨离开栖息地的活动进行分析,并以2019年9月15日飞鸟回波为例,分析飞鸟回波在双偏振天气雷达上的主要特征。雷达资料中2018年为单偏振,2019—2020年为双偏振。
本文识别飞鸟回波主要通过天气雷达的回波形态进行判断,黎明时分飞鸟离巢时在雷达反射率产品上会呈现出圆环型态向外围辐散的回波,出现时刻和地点具有明显的规律性。
1 营口天气雷达探测飞鸟回波时间分布 1.1 飞鸟回波出现时间年变化通过对2018—2020年3年的雷达数据进行统计分析发现,飞鸟回波最早出现在7月下旬,其中2018年最早出现在7月20日,2019年最早出现在7月19日,2020年最早出现在7月20日,飞鸟回波在最初几天强度弱,持续时间短,范围小,仅出现在大辽河流域下游。8月以后飞鸟回波范围逐渐增大,8月中旬到9月中下旬飞鸟回波最为明显。8—9月除出现大范围降水无法识别的情况外,每天均能探测到飞鸟回波。因非汛期营口天气雷达仅在有降水过程时才连续开机,10月以后雷达探测数据不连续,以2020年为例,最后一次探测到飞鸟回波是10月16日,强度较弱,之后的雷达探测数据中再未出现飞鸟回波。
雷达探测到飞鸟回波的年变化规律可能与鸟类的季节性变化和大气状态的季节性变化等多种影响因素有关,本文中不做重点分析。
1.2 飞鸟回波出现时间日变化图 1为2020年7—9月飞鸟回波出现时刻和当地天亮时刻对比,缺失的数据为雷达未开机或因出现大范围降水无法识别。从图中可以看出,飞鸟回波出现时刻和天亮时刻呈现一致的变化趋势,因雷达每6 min探测一组数据,所以雷达最早探测到飞鸟回波的时刻与实际应出现的时刻会有0~6 min的时间差,从平均状态来说,在晴朗的天空状态下,天亮后的10 min左右,雷达上可以看到飞鸟回波;在阴雨天,受云层影响,实际的天亮时刻会有所推迟,相应的飞鸟回波出现的时刻也会推迟;在大范围降水中飞鸟回波无法识别,但在分散性降水中,仍然可以在天亮时刻过后探测到飞鸟回波。
飞鸟回波的持续时间与强度呈正相关,回波强度强、范围大时,持续时间也长,8—9月明显的飞鸟圆环状回波可以持续1 h左右,1 h以后由于飞鸟四散,密度降低,回波明显减弱,逐渐融合到地物回波、晴空回波之中,无法识别。
2 营口天气雷达探测飞鸟回波空间分布营口双偏振天气雷达位于营口大石桥蟠龙山顶,海拔高度为0.23 km,距离雷达150 km处0.5°仰角高度上海拔高度达到2.82 km。营口双偏振天气雷达对鸟类活动的有效距离在150 km左右,随着距离增加雷达波束展宽增大,探测飞鸟回波精度下降;同时波束高度随距离增加而增大,近地面的鸟类活动无法探测到。
对2018—2020年3年的飞鸟回波进行统计发现,7月下旬开始出现飞鸟回波,最初几天仅在大辽河下游小范围内出现弱的飞鸟回波,7月底到8月初飞鸟回波范围迅速增大,不同年份飞鸟回波出现的位置会有小范围变化,但大的区域基本一致,分布在辽河三角洲、辽河流域、大辽河流域、大凌河流域及营口到大连滨海一线,其中以辽河三角洲范围最大。以2019年9月15日为例,营口天气雷达探测到的明显的飞鸟回波有23处(即环形飞鸟回波初始出现的地点),如图 2中红色圆圈所示,主要分布在大连、营口、盘锦的沿海湿地,其中辽河三角洲地区分布最为密集,另外沿辽河、大辽河也是主要区域,营口境内除沿海外还有2个小区域鸟类回波较为明显。在渤海西岸也有疑似飞鸟回波出现,由于雷达探测范围的限制,回波强度弱、持续时间短,无法确定该区域飞鸟回波具体情况。
据研究表明,辽河三角洲湿地是目前世界上保存最好、面积最大、植被类型最完整的生态地块,是西伯利亚至东南亚水禽迁徙路线上的中转站和目的地,是迁徙水禽的栖息和繁殖地,辽河三角洲湿地的鸟类有17目46科238种,其中水禽114种(索安宁等,2009)。飞鸟的密度、种类、飞行距离,直接影响飞鸟回波的强度和范围。
雷达每天探测到的飞鸟回波的强度和范围并不相同。飞鸟回波一般出现在较低仰角上,当近地面出现超折射时回波会向下弯曲,更容易观测到飞鸟离巢活动。图 3是2019年9月15日08时锦州探空图,可以看到地面到925 hPa上存在明显的逆温,同时湿度向上迅速递减,出现明显的“干暖盖”,这是超折射形成的非常有利的条件。在图 2所示0.5°仰角雷达图上可以看到,有大量的辐辏状排列的短线,并相互弥合成片状,这是由超折射造成的地物回波;雷达100 km半径内存在明显的晴空回波,回波强度较弱,大都在15 dBz以下,飞鸟回波就镶嵌在晴空回波之中。
在单偏振天气雷达产品中,当飞鸟回波镶嵌在降水回波中时不易被识别出来;但在双偏振天气雷达产品中,偏振参量产品可以很好地从降水回波中识别出飞鸟回波。下文以2019年9月15日辽河三角洲附近飞鸟回波为例,分析其双偏振天气雷达产品特征。
3.1 反射率随时间变化特征图 4展示了营口天气雷达0.5°仰角上辽河三角洲湿地附近的飞鸟离巢时反射率因子变化情况。2019年9月15日辽河湿地附近天亮时刻在05:04左右,日出时刻在05:31左右。从雷达反射率回波变化上可以看到,最早在05:05雷达上开始出现少量斑块状回波,强度在20 dBz左右,略强于周围的晴空回波;05:11斑块状回波增多、面积增大,强度明显加强,达到40~45 dBz,最大为47 dBz;05:17斑块状回波面积迅速增大,呈现圆形结构,强度达到40~45 dBz,最大为51 dBz;05:22开始圆形回波迅速扩大,并相互叠加,随着鸟飞离栖息地,逐渐呈现圆环结构,到05:46反射率因子强度开始下降,原因可能是随着鸟向四面八方飞,距离变大,密度减小而造成的;06:09雷达上回波较为零散,强度在20~25 dBz;06:27以后环形回波彻底消失。
从初始时刻到环形回波消失共持续1 h 20 min左右。05:05—05:51环形最大半径为30 km左右,判断鸟的飞行速度最大约为11 m·s-1(40 km·h-1)。在径向速度图上(图 5b),可以看到环境场为东北风,飞鸟环形回波镶嵌其中,呈明显的辐散特征,最大径向速度中离开雷达的速度为8~10 m·s-1,向着雷达的速度为-14~-12 m·s-1,均值为11 m·s-1,与反射率推算值相当。
飞鸟回波除了向四周呈圆环形扩散外,还存在整体偏移的现象,与近地面的风速风向呈明显的相关性。如图 6所示,为2019年9月11日和12日飞鸟回波偏移情况,从对应径向速度图上可以看到,11日近地面为东北风,12日为西南风。以红点标识位置做参考,两天中飞鸟回波初始位置基本一致,11日在东北风背景下,飞鸟回波向西南偏移,12日在西南风背景下,飞鸟回波逐渐向东北偏移,风速与偏移程度相关性本文未做定量分析。
根据定义,谱宽表征有效照射体内不同大小的多普勒速度偏离其平均值的程度,与距离库中各个反射体的运动速度和方向的差别成正比。谱宽产品表征了速度的一致性情况,高谱宽区蕴含着平均径向速度一般有较大的不确定性。从谱宽产品(图 5c) 与反射率产品(图 5a)及速度产品(图 5b)的对比图中可以看到,速度方向一致的区域谱宽数值大约在3~4 m·s-1,在正负速度相接处个别位置谱宽的数值比较大,可以达到6~8 m·s-1,对比反射率图可以看出,出现较大谱宽的位置主要是有两个或多个飞鸟环形回波重叠的位置,说明这些位置鸟儿飞行的方向不同,进而造成谱宽数值较大。
3.4 差分反射率特征差分反射率反映的是水平偏振的反射率因子和垂直偏振的反射率因子之比,对于水滴等气象目标,差分反射率“大正值表示水平方向的扁平物,大负值表示垂直方向的扁平物体,接近零的值表示球体或随机方向的粒子集合”,研究表明这一结论并不适用于生物散射体,生物体的偏差源于多种原因,包括生物多样性和种群特征以及雷达系统的精确波长等(Stepanian et al,2016)。在一个环形飞鸟回波中,鸟的飞行方向和个体大小差异性较大,差分反射率分布不均匀,差分反射率最大可达3~7 dB(图 5d)。
3.5 相关系数特征在相关系数上,飞鸟回波数值非常低(图 5e)。与周围的地物杂波或晴空回波相比有明显的不同。晴空回波和地物杂波没有规律性,相邻两个距离库CC值可以相差很大,可以从0.1左右直接跳变到0.9以上,地物回波在0.5以上居多,晴空回波中有大量的距离库数值超过1。飞鸟回波整体数值都非常低,但与反射率因子强度有一定的相关性,当反射率因子强度达到30 dBz以上时,相关系数大都在0.7~0.8,当回反射率因子度小于30 dBz时,相关系数大都小于0.6,其中在0.1~0.3居多。在相关系数上,飞鸟的环形特征明显可见。
3.6 差分相移率和粒子分类产品在双偏振天气雷达的算法中,相关系数小于0.8时不计算差分相移率的值,因此飞鸟回波对应的差分相移率图上基本都为空洞(图略)。飞鸟回波属于生物回波,但在粒子分类产品上并未识别出生物回波(图略),说明雷达在本地的粒子分类算法中还需要进一步改进,以适应本地的监测需求。
4 飞鸟回波对雷达产品质量的影响对2020年7—9月飞鸟回波进行统计,从7月23日出现飞鸟回波开始,到9月30日共计70 d,其中有11 d因雷达关机无法探测,有6 d出现大面积降水回波而无法识别飞鸟回波,其余53 d均识别出飞鸟回波。在53 d中,有21 d在飞鸟回波出现时刻其周边伴有降水回波,有16 d飞鸟回波较强,雷达将飞鸟回波识别为雷暴单体。
4.1 错误的识别为雷暴单体2019年9月15日个例中,05:22—05:56辽河三角洲湿地附近有几个鸟群飞行时相互交叠,回波强度比较大,最大达到47~51 dBz,雷达自动识别成雷暴单体,并进行标号(图 7a)。可见由于大量生物聚集而产生的回波反射率也可以达到很高的数值,对灾害性天气的探测产生一定影响。从相应的单体特征产品上可以看到(图 7b),回波顶高均在1 km左右(受雷达静锥区影响,在该处的探测高度是8 km左右,远超过单体回波顶高度),质心高度和最强反射率高度都在0.5 km以下(雷达最低仰角探测高度在460 m左右),液态水含量基本为0。由此可见鸟类集体外出觅食时,飞行高度比较均匀,在1 km以下,大都集中在0.5 km高度以下。
飞鸟回波从发生到消亡有一定的持续时间,其强度与一般降水回波类似,在雷达拼图中,一般不会被剔除,当飞鸟回波嵌在降水回波中时,容易对降水造成错误的判断。图 8给出了两次飞鸟回波嵌在降水回波中的情况。
图 8a和8b是2020年8月27日05:19台风巴威影响辽宁期间的雷达反射率和差分反射率。27日早晨台风降水回波为螺旋雨带,呈带状自西南向东北移动,27日05时之前雷达位置东南方向有一条明显的雨带维持。05时开始,雷达西南方向沿海岸线出现一些斑点状飞鸟回波,并迅速扩大,连成一条带状回波(红框所示位置),反射率回波最强时达到35 dBz以上,20 dBz以上强度持续到06时以后。从反射率产品上,该处回波与雷达东南方向的降水回波极为相似,在雷达拼图产品上难以区分。在差分反射率产品上,该处回波与降水回波明显不同,降水回波在0~1.5 dB均匀分布,而该处回波差分反射率较为嘈杂,存在3~7 dB的大值区,特征与3.4节分析相同。
图 8c和8d是2020年9月4日05:29台风美莎克影响辽宁期间的雷达反射率和相关系数。4日早晨台风降水回波为块状,呈分散性分布,自西向东移动。近地面到5 km风速均在12 m·s-1以上,为偏西风。05—06时,在降水回波的空隙中出现斑块状飞鸟回波,并向外扩散,可以分辨出圆环形的结构特征(红圈所示),由于风速较大,飞鸟环形回波自西向东偏移,移速略慢于降水回波;图中黄框所示位置为降水回波和飞鸟回波重叠区域;从反射率上无论降水回波是否与飞鸟回波重叠,均不易区分二者。但在对应的相关系数产品上可以看到降水回波存在的地方相关系数基本都在0.9以上,飞鸟回波基本都在0.5以下,区分明显。
从以上两个例子可以看出,一方面飞鸟回波出现在降水回波中,对降水的监测和预报造成了一定的影响;另一方面,双偏振天气雷达产品的应用,可以有效地区分飞鸟回波和降水回波,为预报员主观分析提供依据。
5 结论综合以上分析,得到以下结论:
(1) 本文利用营口单、双偏振天气雷达对辽河三角洲及附近湿地鸟类活动探测情况进行分析,发现辽河三角洲及附近湿地鸟类活动存在明显的季节变化和明显的日变化。雷达能够探测到的飞鸟回波集中在7月下旬到10月中旬,其中8—9月最为明显;飞鸟回波出现时刻与天亮时刻呈现明显的正相关性。
(2) 雷达可以作为观测候鸟迁徙、停留情况的探测手段,通过对多年天气雷达回波的对比,可以为鸟类栖息地的空间分布和变化情况做客观的分析,提高天气雷达在生物气象学上的应用能力。
(3) 飞鸟回波在反射率产品上呈现明显的圆环形态特征,最强可以达到40 dBz以上;在速度产品上可以看到明显的辐散特征;在大风速情况下,飞鸟回波明显向下风向偏移。
(4) 飞鸟回波的差分反射率受鸟的飞行方向和个体大小差异影响较大,分布不均匀,最大可达3~7 dB。
(5) 飞鸟回波的相关系数较小,与反射率因子强度有一定的相关性,当飞鸟回波反射率因子强度达到30 dBz以上时,相关系数大都在0.7~0.8,当反射率因子强度小于30 dBz时,相关系数大都小于0.6。
(6) 双偏振天气雷达产品对飞鸟回波的识别有明显的优越性,可以有效地在降水中剔除飞鸟回波的影响,提高短时临近预报的准确性;同时通过对鸟类活动规律的认识,可以为提高双偏振天气雷达粒子分类识别能力相关研究提供个例。
黄克慧, 朱景, 黄以平, 等, 2013. 基于多普勒天气雷达的火情自动识别系统[J]. 气象, 39(2): 241-248. Huang K H, Zhu J, Huang Y P, et al, 2013. Fire automatic detection system based on Doppler weather radar[J]. Meteor Mon, 39(2): 241-248 (in Chinese).
|
黄琴, 魏鸣, 胡汉峰, 等, 2018. 晴空回波的大气风温湿结构及双偏振雷达参量分析[J]. 气象, 44(4): 526-537. Huang Q, Wei M, Hu H F, et al, 2018. Analysis of atmospheric wind, temperature and humidity structure and dual-polarization radar parameters of clear air echo[J]. Meteor Mon, 44(4): 526-537 (in Chinese).
|
黄兴友, 李盈盈, 张帅, 等, 2018. 基于模糊逻辑的地物回波识别方法及效果检验[J]. 热带气象学报, 34(3): 305-313. Huang X Y, Li Y Y, Zhang S, et al, 2018. The algorithm and verification of ground clutter identification based on fuzzy logic[J]. J Trop Meteor, 34(3): 305-313 (in Chinese).
|
焦热光, 张智, 石广玉, 等, 2018. 北京多普勒天气雷达上的昆虫回波分析[J]. 应用昆虫学报, 55(2): 177-185. Jiao R G, Zhang Z, Shi G Y, et al, 2018. Analysis of the echoes of migrating insects detected by Beijing Doppler weather radar[J]. Chin J Appl Entomol, 55(2): 177-185 (in Chinese).
|
索安宁, 赵冬至, 卫宝泉, 等, 2009. 基于遥感的辽河三角洲湿地生态系统服务价值评估[J]. 海洋环境科学, 28(4): 387-391. Suo A N, Zhao D Z, Wei B Q, et al, 2009. Value evaluation on ecosystem function of wetland in Liaohe River Delta[J]. Mar Environ Sci, 28(4): 387-391 (in Chinese). DOI:10.3969/j.issn.1007-6336.2009.04.009
|
滕玉鹏, 陈洪滨, 马舒庆, 等, 2020. 天气雷达监测生物跨海迁飞方法[J]. 气象, 46(7): 938-947. Teng Y P, Chen H B, Ma S Q, et al, 2020. Weather radar identification of directional biological migrations across the sea[J]. Meteor Mon, 46(7): 938-947 (in Chinese).
|
徐八林, 杨卫洁, 徐舒扬, 等, 2020. C波段高山天气雷达对森林火灾的探测能力初析[J]. 气象, 46(8): 1113-1121. Xu B L, Yang W J, Xu S Y, et al, 2020. Preliminary analysis of the ability of C-band mountaintop radars to detecting forest fires[J]. Meteor Mon, 46(8): 1113-1121 (in Chinese).
|
俞小鼎, 姚秀萍, 熊廷南, 等, 2006. 多普勒天气雷达原理与业务应用[M]. 北京: 气象出版社: 51-52. Yu X D, Yao X P, Xiong T N, et al, 2006. Doppler Weather Radar Principle and Business Application[M].
Beijing: China Meteorological Press: 51-52 (in Chinese).
|
张林, 杨洪平, 2018. S波段WSR-88D双偏振雷达观测非降水回波识别方法研究[J]. 气象, 44(5): 665-675. Zhang L, Yang H P, 2018. Non-precipitation identification technique on S-band WSR-88D polarization weather radar[J]. Meteor Mon, 44(5): 665-675 (in Chinese).
|
张深寿, 魏鸣, 赖巧珍, 2017. 两次火情的新一代天气雷达回波特征分析[J]. 气象科学, 37(3): 359-367. Zhang S S, Wei M, Lai Q Z, 2017. Analysis of CINRAD echo characteristics about two fires[J]. J Meteor Sci, 37(3): 359-367 (in Chinese).
|
朱轶明, 马舒庆, 杨玲, 等, 2019. 上海南汇WSR-88D双偏振天气雷达的生物回波识别与分析[J]. 气象与环境科学, 42(3): 118-128. Zhu Y M, Ma S Q, Yang L, et al, 2019. Recognition and analysis of biological echo using WSR-88D dual-polarization weather radar in Nanhui of Shanghai[J]. Meteor Environ Sci, 42(3): 118-128 (in Chinese).
|
Gauthreaux Jr A S, Belser C G, 1998. Displays of bird movements on the WSR-88D: patterns and quantification[J]. Wea Forecasting, 13(2): 453-464.
|
Hubbert J C, Wilson J W, Weckwerth T M, et al, 2018. S-Pol's polarimetric data reveal detailed storm features (and insect behavior)[J]. Bull Amer Meteor Soc, 99(10): 2045-2060.
|
Stepanian P M, Horton K G, Melnikov V M, et al, 2016. Dual-polarization radar products for biological applications[J]. Ecosphere, 7(11): e01539.
|
Zrnic D S, Ryzhkov A V, 1998. Observations of insects and birds with a polarimetric radar[J]. IEEE Trans Geosci Remote Sens, 36(2): 661-668.
|