2025, Vol. 51 
2. 重庆市气象科学研究所, 重庆 401147；
3. 重庆市长寿区气象局, 重庆 401220
2. Chongqing Institute of Meteorological Sciences, Chongqing 401147;
3. Changshou Meteorological Office of Chongqing, Chongqing 401220
受青藏高原东侧复杂地形及独特的气候特征影响，高原低涡、西南低涡以及低空切变线等天气系统活跃在我国西南地区(师锐等, 2014; 程晓龙等, 2021; 张静和孙羡, 2021)，其中西南低涡(即西南涡)是导致四川盆地夏季强降水的主要天气系统(李国平, 2013; 韩林君和白爱娟, 2019)。西南涡总降水量主要来自对流性降水的贡献(蒋璐君等, 2015; 周玉淑等, 2019)，同时西南涡东移也是诱发四川盆地东部局地强对流天气的重要原因(何光碧, 2012)。以往针对西南涡诱发局地强对流天气的研究大多聚焦在中尺度热动力结构和气候统计特征等方面(翟丹华等, 2014；李跃清和徐祥德，2016；周春花等，2022)。近年来，有研究表明局地强对流天气的发生发展与对流系统内的微物理特征存在密切联系(任星露等, 2020；范思睿和王维佳, 2022)，特别是出现在暖区一侧的对流系统与冷暖气团共同产生的对流系统的微物理特征具有明显差别(Wu et al, 2020; 蒲义良等，2023)。因此，研究西南涡诱发的局地强对流天气的微物理特征，对进一步认识四川盆地夏季强对流天气的精细三维结构具有重要意义。
新一代高时空分辨率气象卫星和天气雷达观测资料是研究四川盆地夏季强对流天气微物理特征的基本条件。杜倩等(2013)利用风云静止卫星云图资料和地面站点观测资料分析了一次西南涡造成的华南暴雨过程，指出暴雨云团出现在西南涡东南和南侧的南风盛行区域，并伴随低空急流加强。范思睿等(2021)根据卫星资料反演得到四川盆地云降水微物理特征参数，分析得出盆地内能否产生强降水主要取决于高低云配置和过冷水面积。
与卫星资料相比，天气雷达可以捕捉对流系统的三维结构，是推动中国当代强对流天气研究与业务发展的重要支柱(Meng et al, 2019; 孟智勇等，2019；俞小鼎和郑永光，2020)。通过分析、研究天气雷达资料，我国气象学者对龙卷(杨祖祥等, 2024)、雷暴(俞小鼎等，2020)和飑线(王易等，2022)等强对流天气的触发、发展和维持机制有了新认识。双偏振雷达拥有水平和垂直方向上两个极化通道，能够提供水平反射率因子、差分反射率因子、差分传播相移率、相关系数等观测。这些偏振量能够较好地反映大气中水凝物粒子的粒径相态、大小、下落方向等微物理信息(Bringi and Chandrasekar, 2001；李芳和刁秀广, 2023)。因此，双偏振雷达在定量降水估计、0℃层识别以及相态类型识别等应用方面具有较大的优势(刘黎平等, 2016; Zhao et al, 2019；夏凡等, 2023a；2023b)。
目前，基于雷达偏振量的水凝物粒子相态类型识别(HID)算法是研究大气云微物理结构的重要手段之一。张延龙等(2012)利用X波段双偏振雷达观测和HID算法在针对一次雷暴过程的研究中指出，霰粒子和干雪粒子的演变特征同雷暴的发展过程对应一致。周峰等(2023)利用X波段双偏振雷达观测和HID算法对贵州威宁的一次雹暴过程进行了分析，并结合数值模拟明确了单体中过冷云水和高、低密度霰等冰相粒子在雹胚形成和冰雹增长过程中的作用。陈刚等(2022)、Chen et al(2022)和Zhao et al(2023)在对河南“21·7”特大暴雨过程的分析中同样运用HID算法判别双偏振雷达观测资料，均指出冰相过程和暖雨过程在不同强度的对流系统中起着重要作用。
随着重庆双偏振天气雷达观测网的建设与完善，为研究四川盆地东部局地强对流天气的雷达反射率因子三维结构和水凝物相态类型等微物理特征提供了有利条件。本研究利用重庆陈家坪S波段双偏振雷达观测、再分析资料和融合降水数据，分析了一次西南涡背景下四川盆地东部局地强对流天气的微物理结构。
1 资料与方法 1.1 资料使用2021年8月8日05—11时(世界时，下同)重庆市陈家坪S波段双偏振雷达基数据分析此次天气过程的微物理特征。该雷达波束宽度在0.989°~0.991°，完成一次体扫需6 min，每次体扫共9个仰角。雷达的径向分辨率为250 m，最大探测不模糊距离约为230 km，所使用的雷达观测量包括：水平反射率因子(ZH)、差分反射率因子(ZDR)、差分传播相移率(KDP)和相关系数(CC)。将分析时刻±2 min内的雷达资料作为该时刻的观测。
天气形势和环境场分析使用欧洲中期天气预报中心(ECMWF)第五代再分析数据(ERA5)，时间分辨率为1 h，空间分辨率为0.25°×0.25°(Hersbach and Dee, 2016)；降水资料为国家气象信息中心提供的逐小时降水融合产品(CMPAS)，空间分辨率为0.05°×0.05°(潘旸等, 2018)；卫星观测采用国家卫星气象中心提供的逐小时FY-2F黑体亮温(TBB)资料。
1.2 方法在进行个例分析前，对雷达基数据观测进行简单质量控制处理：首先剔除CC＜0.85的非气象回波点(Giangrande and Ryzhkov, 2008)，然后剔除弱信噪比(< 10 dB)的回波数据。为方便分析对流系统中各类水凝物的三维结构，在水平和垂直方向采用距离作为权重系数的线性插值法将雷达观测数据从极坐标系插值到水平分辨率为1 km，垂直分辨率为0.25 km(< 3 km高度)、0.5 km(3~9 km高度)、1 km(9~20 km高度)的笛卡尔坐标系中。此外，本研究将前后1 h累计降水量的平均表示为该时刻的地面小时雨强。
基于双偏振雷达在云微物理观测方面的优势，模糊逻辑算法能够利用偏振量实现天气系统降水粒子类型识别(Zrnić et al, 2001; 曹俊武和刘黎平, 2007)。本研究采用Dolan et al(2013)基于模糊逻辑算法开发的双偏振雷达水凝物粒子相态类型识别方案。该方案利用雷达观测ZH、ZDR、KDP、CC和温度(T)，经模糊化计算得到雷达观测i与水凝物类型j的隶属度βi, j(Dolan et al, 2009)，随后通过对水凝物类型j的所有隶属度加权平均(Dolan et al, 2013)得到模糊基μj实现规则判断，在集成模糊基后通过退模糊来实现水凝物类型的识别。识别结果包括：毛毛雨、雨、冰晶、干雪、湿雪、垂直积冰、低密度霰、高密度霰、冰雹以及大雨滴共十种水凝物粒子类型(图 1)。
|
图 1 模糊逻辑算法水凝物相态类型识别流程 Fig. 1 Flowchart of HID by the fuzzy logical algorithm |
2021年8月7日00时至9日12时，四川盆地中东部出现的β中尺度对流系统是导致此次区域性暴雨天气的直接原因(邓承之等，2023)。本研究重点分析8月8日重庆中部强降水过程的雷达观测及反演水凝物类型的三维分布特征。
由图 2可见，700 hPa风场显示，8日01—07时西南涡自盆地东北部向东移动，其南侧850 hPa上形成水汽通量散度辐合中心并逐渐加强。07时以后，水汽通量散度辐合中心随西南涡南移并减弱。低层暖湿平流的输送和水汽通量散度辐合为四川盆地东部强对流暴雨天气的发生提供了有利条件(Huang et al, 2019)。
|
图 2 2021年8月8日700 hPa风场(风羽)、850 hPa水汽通量散度(填色, 单位: 10-5 g·cm-2·hPa-1·s-1) 注：灰色阴影代表海拔3 km及以上地形，红线区域代表重庆。 Fig. 2 700 hPa wind (barb) and 850 hPa moisture flux convergence (colored, unit: 10-5 g·cm-2·hPa-1·s-1) on 8 August 2021 |
图 3为垂直速度和散度沿107°E的垂直剖面。8日01—10时，受西南涡东移影响，暴雨中心酒井村站(红色菱形)北侧的上升气流逐渐增强、变宽，在低层(700 hPa以下)伴有较强的辐合中心。07时，高层(200 hPa以上)的辐散中心与低层的辐合中心配合，导致强降水中心酒井村站附近的垂直速度增强，对流发展深厚。由图 2和图 3可知，西南涡东移带来的水汽输送和动力抬升对酒井村站上空的对流发展起到了重要作用。
|
图 3 2021年8月8日垂直速度(等值线，单位：10-1Pa·s-1)和散度(填色)沿107°E的垂直剖面 注：红色菱形代表酒井村站，黑色阴影代表地形。 Fig. 3 Vertical profile of vertical velocity (contour, unit: 10-1 Pa·s-1) and divergence (colored) along 107°E on 8 August 2021 |
图 4给出了8日06—09时重庆中部地区小时累计降水量、雷达组合反射率因子和TBB分布。06时，大量分散强回波出现在西南涡南侧，降水落区呈东北—西南走向(图 4a)。酒井村站位于两个较强对流系统之间(图 4i黑色方框内)，TBB梯度较大，对流系统呈发展趋势。07—08时，雷达回波强度和面积迅速增加(图 4f，4g)，酒井村站小时累计降水量达85.9 mm，为本次过程最大小时降水量。TBB显示酒井村站上空对流发展旺盛(TBB < -70℃)，冷云罩(TBB≤-52℃)覆盖面积扩大，并有新的对流系统生成(图 4j，4k)。09时之后，对流系统向东南移动并逐渐减弱。综合以上分析，此次区域性暴雨是由切变线以南暖湿区域内中尺度对流系统的发展与增强导致。
|
图 4 2021年8月8日(a~d)小时累计降水量，(e~h)雷达组合反射率因子和(i~l)TBB演变 注：红色虚线代表雷达最大探测不模糊距离，黑色方框代表以酒井村站为中心的20 km×20 km区域，黑色三角代表雷达站，蓝色实线代表图 7~图 10剖线位置。 Fig. 4 Evolution of (a-d) hourly accumulated precipitation, (e-h) radar composite reflectivity factor and (i-l) TBB on 8 August 2021 |
为了考察降水系统发展过程中强降水中心低层液相区域内雷达观测量变化特征，图 5给出了8日05—11时以酒井村站为中心的20 km×20 km区域(图 4黑色方框)上空2.5 km高度处ZH、ZDR、KDP不同值域区间占比、地面小时雨强和CAPE的区域平均值随时间的变化。
|
图 5 2021年8月8日05—11时以酒井村站为中心的20 km×20 km范围内2.5 km高度处(a)ZH, (b)ZDR, (c)KDP不同值区间占比(填色)及地面小时雨强(实线)和CAPE(虚线)的区域平均随时间的演变 Fig. 5 Time series of (a) ZH, (b) ZDR, (c) KDP proportions (colored) in different intervals within the region of 20 km×20 km centered at Jiujingcun Station at 2.5 km height and regional average of surface hourly rainfall intensity (solid line) and CAPE (dashed line) from 05:00 UTC to 11:00 UTC 8 August 2021 |
对流系统发展初期(05—06时)，雷达反射率因子(图 5a)显示，35 dBz以上ZH占比由10%左右迅速增至60%，但是45 dBz以上ZH占比增幅极小。同时段内，1 dB以上与1 dB以下的ZDR占比相当，无明显变化(图 5b)，KDP增长明显(图 5c)。由此可知，对流发展初期35 dBz以上ZH和雨滴浓度快速增加，对应地面小时雨强达到21 mm·h-1左右，CAPE值增幅为0.1 kJ·kg-1，大气不稳定性增强。
对流系统在06—07时快速发展，表现为45 dBz以上ZH占比快速上升至70%左右(图 5a)，ZDR和KDP分别超过2 dB和3°·km-1(图 5b，5c)，CAPE值接近1.2 kJ·kg-1。因此，低层液相区域内降水粒子在暖雨过程中碰并增长活跃(Kumjian and Prat, 2014)，粒径和浓度快速增大，对应地面小时雨强接近60 mm·h-1。
07—11时，ZH、ZDR和KDP经历了减弱、增大、再减弱的发展趋势，CAPE值下降说明对流潜势减弱。07—09时，45 dBz以上ZH占比由75%降至16%，超过2 dB和3 °·km-1的ZDR和KDP比例也明显减小，说明该区域高度内雨滴粒径和浓度均有减小。09时之后，ZH，ZDR和KDP的大值占比有回升，但不及07时的峰值。随后，各观测量相继减弱，降水过程逐渐结束。
为进一步揭示强降水中心上空ZH、ZDR和KDP垂直结构变化，图 6给出酒井村站上空雷达观测量随时间的演变。05—06时，低层ZH由弱渐强，但20 dBz以上ZH的高度并未超过10 km(图 6a)。在中低层，ZDR普遍高于1 dB(图 6b)，KDP有增大趋势(图 6c)，降水粒子浓度增加。06—07时，ZH迅速加强，中低层ZH维持在45 dBz以上，ZH的高度首次超过12 km，对流发展强盛。同时，中低层ZDR和KDP逐渐增大，分别超过1.5 dB和1 °·km-1。KDP大值区可达8 km附近，配合中层较小的ZDR值(6~8 km附近约为1.0 dB)，说明该处可能出现过冷水和湿冰粒。07—09时，45 dBz以上ZH和3 °·km-1以上KDP分布高度均有所下降，强度也明显减弱。09时以后，ZH、ZDR和KDP都经历了先增大后减小的变化过程。与ZDR(图 6b)相比，ZH(图 6a)和KDP(图 6c)的垂直结构在整个强降水过程中(05—11时)的变化特征更相似。
|
图 6 2021年8月8日05—11时酒井村站上空(a)ZH，(b)ZDR，(c)KDP时间-高度演变 Fig. 6 Time-height evolution of (a) ZH, (b) ZDR and (c) KDP over Jiujingcun Station from 05:00 UTC to 11:00 UTC 8 August 2021 |
综上所述，在对流发展初期，强降水中心的上升运动逐渐增强，低层ZH和KDP大值及其占比明显增加，地面小时雨强随之增大。在对流系统迅速发展阶段，ZH和KDP在垂直方向可延伸至8 km，低层ZH、ZDR和KDP大值及其占比快速增加，由液态水占主导，雨滴粒径和浓度均增加。此时，地面小时雨强可接近60 mm·h-1。因此，雷达观测量占比变化对地面小时雨强变化有很好的指示作用(赖晨等, 2020)。随着对流系统减弱，ZH、ZDR和KDP大小和伸展高度均有所减小。
3.2 强降水系统微物理特征的垂直结构在副高西北侧西南风和中高纬低槽引导下，西南涡自西向东移动，位于其南侧暖湿区域的近地面辐合线诱发了本次强降水过程。本研究分别从垂直于西南气流方向(图 4 line1)和平行于西南气流方向(图 4 line2)分析了ZH、ZDR、KDP和水凝物相态类型的垂直分布特征随时间的变化。line1和line2相交于最大降水中心附近。
图 7和图 8分别给出了过图 4 line1剖线的ZH、ZDR、KDP和水凝物粒子相态类型识别结果的垂直剖面。在对流系统快速发展阶段，ZH最大值从45 dBz迅速增大至约60 dBz，大于45 dBz的回波顶高超过-20℃层(10 km附近)(图 7a, 7b)，说明对流发展深厚。ZDR>1 dB和KDP>1 °·km-1区域延伸至-10℃层以上，即8 km左右，形成了明显的ZDR柱和KDP柱(图 7f, 7j)，没有与强降水中心重合(图 7红色菱形处)。ZDR和KDP垂直分布说明了强烈的上升运动将液相降水粒子带入融化层之上形成过冷水(Kumjian and Ryzhkov, 2008)。二者低层大值区域与反射率因子大值区域相对应，说明该处有高浓度和大粒径的液相粒子存在。
|
图 7 2021年8月8日过图 4 line1剖线的(a~d)ZH，(e~h)ZDR，(i~l)KDP垂直剖面 注：从下至上三条黑色虚线分别代表 0、-10、-20℃层高度，红色菱形代表酒井村站，黑色阴影代表地形。 Fig. 7 Vertical profiles of (a-d) ZH, (e-h) ZDR and (i-l) KDP along line1 in Fig. 4 on 8 August 2021 |
|
图 8 2021年8月8日过图 4 line1剖线的水凝物粒子相态类型识别结果(填色)垂直剖面和地面小时雨强(折线)空间演变 注：从下至上三条黑色虚线分别代表 0℃、-10℃、-20℃层高度，红色菱形代表酒井村站，黑色阴影代表地形。 Fig. 8 Vertical profiles of HID results (colored) and spatial evolution of surface hourly rainfall intensity (bend line) along line1 in Fig. 4 on 8 August 2021 |
水凝物粒子相态类型识别结果(图 8b)可以更准确地反映上述过程。07时，0℃层以上过冷水的输送通过凇附作用形成了大量低密度霰和高密度霰，这一过程中的微物理特征与陈刚等(2022)和Chen et al(2022)对河南“21·7”特大暴雨中深对流系统的研究结果相似。在对流上升运动末端识别出冰雹(8~10 km高度处，-20℃层附近)，地面未出现冰雹记录，与厦门一次超级单体中冰雹识别位置相似(林文等，2020)。高空霰区中雹的产生可能是在对流顶部强扰流作用下基于霰粒子凇附或碰并而成，符合霰粒子对雹胚生长的贡献(周峰等，2023)。在强上升运动前侧1~6 km高度附近识别出大雨滴，符合“粒子分选”机制的特点(Dawson et al, 2014)。大雨滴与0℃层以下的高密度霰“接壤”，较大ZDR(>3 dB)反映了高密度霰向大雨滴活跃的融化过程(杨忠林等, 2019)。大雨滴对应地面位置即地面小时雨强最大处(酒井村站)。
08时(图 7c，7g，7k)，最大ZH降低至50 dBz，回波顶高下降至-10℃层(约8 km)。ZDR柱和KDP柱强度减弱，范围缩窄。相较于前一个时刻，近地面ZH、ZDR和KDP均明显减小，对流强度减弱，降水粒子粒径和浓度减小。高层低密度霰和高密度霰分布范围缩小，对应地面小时雨强变化不明显(图 8c)。09时(图 7d, 7h, 7l)对流单体的强回波部分继续影响酒井村区域，ZH>50 dBz的反射率因子区域向下延伸至2 km附近。0℃层附近ZDR值偏大，主要以融化过程为主。KDP柱结构相对减弱，大值区下沉，低层降水粒子浓度增加。虽然在对流单体自西向东移动过程中ZH、ZDR和KDP变化迅速，但是酒井村站上空始终存在大量雨滴粒子(图 8d)，有利于强降水的发生。因此，通过水凝物类型识别结果可以更好地描述对流系统变化与地面小时雨强的关系。
图 9和图 10分别给出了过图 4 line2剖线的ZH、ZDR、KDP和水凝物粒子相态类型识别结果的垂直剖面。对流发展初期，辐合线上ZH、ZDR和KDP均较小(图 9a，9e，9i)。0℃层以上多为雪粒子，0℃层以下以小粒径的毛毛雨为主，地面小时雨强整体偏弱(图 10a)。随着对流系统东移至酒井村站上空，07时辐合线上迅速出现三个发展旺盛的对流单体(图 9b)。每个单体内>45 dBz的反射率因子高度均达到-10℃~-20℃层，且都出现ZDR柱和KDP柱(图 9f，9j)，在低层，ZDR＞3 dB，KDP＞4 °·km-1。08时，酒井村站西南处对流系统移动路径上游的单体强烈发展，低层ZDR超过4 dB，KDP维持在2 °·km-1以内(图 9c, 9g, 9k)。09时以后对流单体逐渐减弱(图 9d, 9h, 9l)。
|
图 9 2021年8月8日过图 4 line2剖线的(a~d)ZH，(e~h)ZDR，(i~l)KDP垂直剖面 注：从下至上三条黑色虚线分别代表 0、-10、-20℃层高度，红色菱形代表酒井村站，黑色阴影代表地形。 Fig. 9 Vertical profiles of (a－d) ZH, (e－h) ZDR and (i-l) KDP along line2 in Fig. 4 on 8 August 2021 |
|
图 10 2021年8月8日过图 4 line2剖线的水凝物粒子相态类型识别结果(填色) 垂直剖面和地面小时雨强(折线)空间演变 注：从下至上三条黑色虚线分别代表 0℃、-10℃、-20℃层高度，红色菱形代表酒井村站，黑色阴影代表地形。 Fig. 10 Vertical profiles of HID results (colored) and spatial evolution of surface hourly rainfall intensity (bend line) along line2 in Fig. 4 on 8 August 2021 |
水凝物粒子相态类型识别结果显示，07时对流单体中高层均出现大范围低密度霰和高密度霰，中低层毛毛雨减少，雨滴增加，并出现两处大雨滴集群(图 10b)。与对流发展初期(06时)相比，07时地面小时雨强明显增强。08时，大雨滴落区位于酒井村站西南侧对流系统移动路径上游(图 10c)，使得该处地面小时雨强较上一个时刻增强。但由于局地降水的持续性，酒井村站仍为地面小时雨强最大处。09时以后，对流系统继续东移并减弱，中高层低密度霰和高密度霰减少，干雪和湿雪增加，中低层逐渐出现毛毛雨，地面小时雨强逐渐减弱(图 10d)。整体来看，低层液相粒子(毛毛雨、雨、大雨滴)的出现与地面小时雨强变化具有一定联系，而雨带上地面最大小时雨强位置也与该处的对流系统强度和维持时间密切相关。
为进一步分析对流系统在各阶段水凝物相态类型占比的垂直分布，图 11给出了以酒井村站为中心20 km×20 km范围内(图 4黑色方框所示)水凝物归一化出现频率(Friedrich et al, 2016; Chen et al, 2022; 陈刚等, 2022)。在对流系统发展初期(图 11a)，系统内部垂直运动不强，所有水凝物粒子分布高度未超过12 km，其中冰相粒子以干雪和湿雪为主，低密度霰和高密度霰占比极小，低于10%。在0℃层以下，毛毛雨占比约为30%。雨滴主要由干雪和湿雪下落融化，或是毛毛雨碰撞合并而成(Kumjian and Prat, 2014)。07时(图 11b)，对流系统的迅速发展使冰相微物理过程增强，水凝物粒子分布高度延伸至15 km。中高层低密度霰和高密度霰占比大幅提升至80%左右。随着高空冰相粒子下落融化，中低层出现少量大雨滴，雨滴占比减少至5%左右。08—09时，对流系统强度减弱，导致中高层低密度霰和高密度霰占比下降，融化层以下毛毛雨占比回升至20%左右。
|
图 11 2021年8月8日以酒井村站为中心20 km×20 km范围内水凝物粒子相态类型占比的垂直分布 注：从下至上三条黑色虚线分别代表 0、-10、-20℃层高度。 Fig. 11 Vertical distribution of proportions by different hydrometeor types within the region of 20 km×20 km centered at Jiujingcun Station on 8 August 2021 |
本研究利用2021年8月8日的重庆S波段双偏振雷达基数据、ERA5再分析资料和CMPAS降水融合产品，结合模糊逻辑算法得到水凝物粒子相态分类结果，分析了一次西南涡背景下局地强对流天气过程的微物理结构，主要结论如下：
(1) 对流系统发展初期，中低层ZH和KDP开始增加，降水粒子类型主要以毛毛雨和雨为主，地面小时雨强偏弱。由于初期上升运动不强，融化层附近冰相粒子以雪粒子为主，霰粒子极少。
(2) 对流系统快速发展阶段，在强降水中心酒井村站附近的对流单体最为强盛，该单体内最大ZH、ZDR、KDP分别达到55 dBz、3 dB、4 °·km-1以上，ZDR柱和KDP柱垂直高度延伸达到8 km。强烈的上升运动将低层液相粒子抬升至融化层以上形成过冷水，并在凇附作用下形成大量霰粒子。虽然高层出现雹，但雹粒子分布范围小、持续时间短，说明本次过程的冰相微物理过程较弱，地面没有出现降雹过程。中低层出现高浓度、大粒径雨滴，地面小时雨强达到最大。
(3) 多个对流单体逐渐合并、减弱东移阶段，ZH、ZDR和KDP经历了减弱、增强、再减弱的过程。由于对流系统强度减弱，中高层霰粒子数量减少，冰相粒子再次以干雪和湿雪为主，中低层雨滴粒径和数量均减小，地面小时雨强也随之变弱。
(4) 结合宏微观条件来看，西南涡背景下低层西南暖湿气流提供了充分的水汽热力条件。在切变线以南的暖湿区内，强上升运动和高层冰相云促进了融化层以上冰相微物理过程的发展，进而生成大量的霰粒子。在低层暖湿环境下，高密度霰粒子下落融化形成高浓度和大粒径的雨滴，并导致地面小时雨强迅速增强。
综上所述，本研究总结了西南涡背景下四川盆地东部一次局地强对流天气过程中对流系统的微物理结构特征，研究结论是否适用于四川盆地不同区域还有待更多个例的印证。此外，本文中雷达资料的质量控制较简单，发展更高效、更良好的质量控制算法是提高雷达资料应用水平的基础。同时，结合雨滴谱仪观测和高分辨率数值模式数据研究西南地区局地强对流微物理结构与复杂地形条件下中小尺度天气系统发生发展机制的关系是未来的研究热点。
曹俊武, 刘黎平, 2007. 双线偏振雷达判别降水粒子类型技术及其检验[J]. 高原气象, 26(1): 116-127. |
Cao J W, Liu L P, 2007. The sensitivity study for classification of precipitation particle types based on dual-linear polarimetric radar[J]. Plateau Meteor, 26(1): 116-127.
|
陈刚, 赵坤, 吕迎辉, 等, 2022. 河南"21·7"特大暴雨过程微物理特征变化分析[J]. 中国科学: 地球科学, 52(10): 1887-1904. |
Chen G, Zhao K, Lv Y H, et al, 2022. Variability of microphysical characteristics in the "21·7" Henan extremely heavy rainfall event[J]. Sci China Earth Sci, 52(10): 1887-1904.
|
程晓龙, 李跃清, 衡志炜, 2021. 川贵渝复杂地形下横槽诱发双涡贵州暴雨过程的数值模拟[J]. 气象学报, 79(4): 626-645. |
Cheng X L, Li Y Q, Heng Z W, 2021. Numerical simulation of a torrential rain process in Guizhou triggered by two vortices originating from a transverse trough over the Sichuan-Guizhou-Chongqing complex terrain[J]. Acta Meteor Sin, 79(4): 626-645.
|
邓承之, 张焱, 李强, 等, 2023. 四川盆地一次暖性西南低涡大暴雨的中尺度分析[J]. 暴雨灾害, 42(1): 24-36. |
Deng C Z, Zhang Y, Li Q, et al, 2023. Mesoscale analysis on one warm southwest vortex rainstorm in the Sichuan Basin[J]. Torr Rain Dis, 42(1): 24-36.
|
杜倩, 覃丹宇, 张鹏, 2013. 一次西南低涡造成华南暴雨过程的FY-2卫星观测分析[J]. 气象, 39(7): 821-831. DOI:10.7519/j.issn.1000-0526.2013.07.003气象:2013,39(7):821-831 |
Du Q, Qin D Y, Zhang P, 2013. Observation and analysis of a southwest vortex rainstorm in southern China using FY-2 satellite data[J]. Meteor Mon, 39(7): 821-831.
|
范思睿, 王维佳, 2022. 四川盆地秋季一次层状云弱降水过程的微物理特征观测分析[J]. 暴雨灾害, 41(4): 445-457. |
Fan S R, Wang W J, 2022. Analysis on the microphysical characteristics of weak precipitation process observation of a stratiform cloud in Sichuan Basin in autumn[J]. Torr Rain Dis, 41(4): 445-457.
|
范思睿, 王维佳, 刘贵华, 等, 2021. 基于NPP卫星反演四川盆地夏季云降水微物理特征[J]. 成都信息工程大学学报, 36(4): 467-471. |
Fan S R, Wang W J, Liu G H, et al, 2021. Retrieval of microphysical properties of summer cloud precipitation in Sichuan Basin based on NPP satellite data[J]. J Chengdu Univ Inf Technol, 36(4): 467-471.
|
韩林君, 白爱娟, 2019. 2004—2017年夏半年西南涡在四川盆地形成降水的特征分析[J]. 高原气象, 38(3): 552-562. |
Han L J, Bai A J, 2019. Precipitation characteristics of southwest vortex in Sichuan Basin from May to October in 2004-2017[J]. Plateau Meteor, 38(3): 552-562.
|
何光碧, 2012. 西南低涡研究综述[J]. 气象, 38(2): 155-163. DOI:10.7519/j.issn.1000-0526.2012.02.003 |
He G B, 2012. Review of the southwest vortex research[J]. Meteor Mon, 38(2): 155-163.
|
蒋璐君, 李国平, 王兴涛, 2015. 基于TRMM资料的高原涡与西南涡引发强降水的对比研究[J]. 大气科学, 39(2): 249-259. |
Jiang L J, Li G P, Wang X T, 2015. Comparative study based on TRMM data of the heavy rainfall caused by the Tibetan Plateau vortex and the southwest vortex[J]. Chin J Atmos Sci, 39(2): 249-259.
|
赖晨, 支树林, 李婕, 等, 2020. SC型双偏振雷达在江南南部一次对流性天气过程中的应用分析[J]. 气象, 46(11): 1427-1439. DOI:10.7519/j.issn.1000-0526.2020.11.004 |
Lai C, Zhi S L, Li J, et al, 2020. Application of SC dual-polarization radar to a convective weather case in south to Yangtze River[J]. Meteor Mon, 46(11): 1427-1439.
|
李芳, 刁秀广, 2023. 不同类型强降水风暴低层双偏振参量对比分析[J]. 气象, 49(9): 1075-1084. DOI:10.7519/j.issn.1000-0526.2023.072401 |
Li F, Diao X G, 2023. Comparative analysis of low-level dual polarization parameters of different types of severe rainfall storm[J]. Meteor Mon, 49(9): 1075-1084.
|
李国平, 2013. 高原涡、西南涡研究的新进展及有关科学问题[J]. 沙漠与绿洲气象, 7(3): 1-6. |
Li G P, 2013. Advances in Tibetan Plateau vortex and southwest vortex research and related scientific problems[J]. Desert Oasis Meteor, 7(3): 1-6.
|
李跃清, 徐祥德, 2016. 西南涡研究和观测试验回顾及进展[J]. 气象科技进展, 6(3): 134-140. |
Li Y Q, Xu X D, 2016. A review of the research and observing experiment on Southwest China vortex[J]. Adv Meteor Sci Technol, 6(3): 134-140.
|
林文, 张深寿, 罗昌荣, 等, 2020. 不同强度强对流云系S波段双偏振雷达观测分析[J]. 气象, 46(1): 63-72. DOI:10.7519/j.issn.1000-0526.2020.01.006 |
Lin W, Zhang S S, Luo C R, et al, 2020. Observational analysis of different intensity severe convective clouds by S-band dual-polarization radar[J]. Meteor Mon, 46(1): 63-72.
|
刘黎平, 胡志群, 吴翀, 2016. 双线偏振雷达和相控阵天气雷达技术的发展和应用[J]. 气象科技进展, 6(3): 28-33. |
Liu L P, Hu Z Q, Wu C, 2016. Development and application of dual linear polarization radar and phased-array radar[J]. Adv Meteor Sci Technol, 6(3): 28-33.
|
孟智勇, 张福青, 罗德海, 等, 2019. 新中国成立70年来的中国大气科学研究: 天气篇[J]. 中国科学: 地球科学, 49(12): 1875-1918. |
Meng Z Y, Zhang F Q, Luo D H, et al, 2019. Review of Chinese atmospheric science research over the past 70 years: synoptic meteorology[J]. Sci China Earth Sci, 49(12): 1875-1918.
|
蒲义良, 卢栩诗, 胡胜, 等, 2023. 华南沿海一次暖区特大暴雨的对流特征和发展机制分析[J]. 气象, 49(2): 201-212. DOI:10.7519/j.issn.1000-0526.2022.090601 |
Pu Y L, Lu X S, Hu S, et al, 2023. Convective characteristics and development mechanism of an extreme warm-sector rainfall in the coastal area of South China[J]. Meteor Mon, 49(2): 201-212.
|
潘旸, 谷军霞, 徐宾, 等, 2018. 多源降水数据融合研究及应用进展[J]. 气象科技进展, 8(1): 143-152. |
Pan Y, Gu J X, Xu B, et al, 2018. Advances in multi-source precipitation merging research[J]. Adv Meteor Sci Technol, 8(1): 143-152.
|
任星露, 张述文, 汪兰, 等, 2020. 不同云微物理方案对弱天气尺度强迫下一次强对流的模拟[J]. 高原气象, 39(4): 750-761. |
Ren X L, Zhang S W, Wang L, et al, 2020. Different cloud microphysics parameterization schemes on a strong convection simulation under weak synoptic-scale forcing[J]. Plateau Meteor, 39(4): 750-761.
|
师锐, 陈永仁, 肖红茹, 2014. 2013年四川盆地持续性特大暴雨过程对比分析[J]. 高原山地气象研究, 34(4): 1-15, 76. |
Shi R, Chen Y R, Xiao H R, 2014. Comparative analysis of continuous rainstorm in Sichuan Basin in 2013[J]. Plateau Mountain Meteor Res, 34(4): 1-15, 76.
|
王易, 郑媛媛, 庄潇然, 等, 2022. 江苏典型下击暴流风暴结构特征统计分析[J]. 气象学报, 80(4): 592-603. |
Wang Y, Zheng Y Y, Zhuang X R, et al, 2022. Statistical analysis of the structural characteristics of typical downbursts in Jiangsu Province, China[J]. Acta Meteor Sin, 80(4): 592-603.
|
夏凡, 龚佃利, 潘佳文, 等, 2023a. 双偏振雷达水凝物分类算法优化及在雹暴云的应用分析[J]. 气象, 49(11): 1343-1358. DOI:10.7519/j.issn.1000-0526.2022.122601 |
Xia F, Gong D L, Pan J W, et al, 2023a. The hydrometeor classification optimum algorithm for polarimetric radar and its application for the hailstorm cloud[J]. Meteor Mon, 49(11): 1343-1358.
|
夏凡, 吴炜, 张乐坚, 等, 2023b. 基于S波段双偏振雷达融化层识别算法的研究[J]. 气象, 49(2): 146-156. DOI:10.7519/j.issn.1000-0526.2022.022301 |
Xia F, Wu W, Zhang L J, et al, 2023b. Study of designation algorithm of the melting layer based on S-band dual-polarization radar[J]. Meteor Mon, 49(2): 146-156.
|
杨忠林, 赵坤, 徐坤, 等, 2019. 江淮梅雨期极端对流微物理特征的双偏振雷达观测研究[J]. 气象学报, 77(1): 58-72. |
Yang Z L, Zhao K, Xu K, et al, 2019. Microphysical characteristics of extreme convective precipitation over the Yangtze-Huaihe River Basin during the Meiyu season based on polarimetric radar data[J]. Acta Meteor Sin, 77(1): 58-72.
|
杨祖祥, 李萌萌, 王磊, 等, 2024. 2023年9月19日阜宁致灾强龙卷多源观测分析[J]. 气象, 50(12): 1467-1479. DOI:10.7519/j.issn.1000-0526.2024.070101 |
Yang Z X, Li M M, Wang L, et al, 2024. Analysis of multi-source observation of the disastrous tornado in Funing County on 19 September 2023[J]. Meteor Mon, 50(12): 1467-1479.
|
俞小鼎, 王秀明, 李万莉, 等, 2020. 雷暴与强对流临近预报[M]. 北京: 气象出版社: 416.
|
Yu X D, Wang X M, Li W L, et al, 2020. Thunderstorms and Severe Convection Nowcasting[M].
Beijing: China Meteorological Press: 416.
|
俞小鼎, 郑永光, 2020. 中国当代强对流天气研究与业务进展[J]. 气象学报, 78(3): 391-418. |
Yu X D, Zheng Y G, 2020. Advances in severe convective weather research and operational service in China[J]. Acta Meteor Sin, 78(3): 391-418.
|
翟丹华, 刘德, 李强, 等, 2014. 引发重庆中西部暴雨的西南低涡特征分析[J]. 高原气象, 33(1): 140-147. |
Zhai D H, Liu D, Li Q, et al, 2014. Feature analysis of southwest vortex causing heavy rain in western and middle Chongqing[J]. Plateau Meteor, 33(1): 140-147.
|
张静, 孙羡, 2021. 2020年8月10—14日四川盆地一次持续性暴雨过程特征及成因分析[J]. 高原山地气象研究, 41(3): 50-57. |
Zhang J, Sun X, 2021. Characteristics and cause analysis on a continuous severe rainstorm process in Sichuan Basin from August 10 to 14, 2020[J]. Plateau Mountain Meteor Res, 41(3): 50-57.
|
张廷龙, 杨静, 楚荣忠, 等, 2012. 平凉一次雷暴云内的降水粒子分布及其电学特征的探讨[J]. 高原气象, 31(4): 1091-1099. |
Zhang T L, Yang J, Chu R Z, et al, 2012. Distribution of precipitation particle and electrical characteristic of a thunderstorm in Pingliang Region[J]. Plateau Meteor, 31(4): 1091-1099.
|
周春花, 肖递祥, 郁淑华, 2022. 诱发四川盆地极端暴雨的西南涡环流背景和结构特征[J]. 气象, 48(12): 1577-1589. DOI:10.7519/j.issn.1000-0526.2022.081101 |
Zhou C H, Xiao D X, Yu S H, 2022. Circulation background and structural characteristics of the southwest vortex inducing extreme rainstorm in Sichuan Basin[J]. Meteor Mon, 48(12): 1577-1589.
|
周峰, 周筠珺, 邹书平, 等, 2023. 贵州威宁雹暴微物理特征的观测及数值模拟研究[J]. 热带气象学报, 39(4): 551-566. |
Zhou F, Zhou Y J, Zou S P, et al, 2023. Study on observation and numerical simulation of microphysical characteristics of hailstorm in Wei-ning County, Guizhou Province[J]. J Trop Meteor, 39(4): 551-566.
|
周玉淑, 颜玲, 吴天贻, 等, 2019. 高原涡和西南涡影响的两次四川暴雨过程的对比分析[J]. 大气科学, 43(4): 813-830. |
Zhou Y S, Yan L, Wu T Y, et al, 2019. Comparative analysis of two rainstorm processes in Sichuan Province affected by the Tibetan Plateau vortex and southwest vortex[J]. Chin J Atmos Sci, 43(4): 813-830.
|
Bringi V N, Chandrasekar V, 2001. Polarimetric Doppler Weather Radar: Principles and Applications[M].
Cambridge: Cambridge University Press: 636.
|
Chen G, Zhao K, Lv Y H, et al, 2022. Variability of microphysical characteristics in the "21.7" Henan extremely heavy rainfall event[J]. Sci China Earth Sci, 65(10): 1861-1878.
|
Dawson D T, Mansell E R, Jung Y, et al, 2014. Low-level ZDR signatures in supercell forward flanks: the role of size sorting and melting of hail[J]. J Atmos Sci, 71(1): 276-299.
|
Dolan B, Rutledge S A, 2009. A Theory-based hydrometeor identification algorithm for X-Band polarimetric radars[J]. J Atmos Oceanic Technol, 26: 2071-2088.
|
Dolan B, Rutledge S A, Lim S, et al, 2013. A robust C-band hydrometeor identification algorithm and application to a long-term polarimetric radar dataset[J]. J Appl Meteor Climatol, 52(9): 2162-2186.
|
Giangrande S E, Ryzhkov A V, 2008. Estimation of rainfall based on the results of polarimetric echo classification[J]. J Appl Meteor Climatol, 47(9): 2445-2462.
|
Friedrich K, Kalina E A, Aikins J, et al, 2016. Precipitation and cloud structures of intense rain during the 2013 Great Colorado Flood[J]. J Hydrometeor, 17: 27-52.
|
Hersbach H, Dee D, 2016. ERA5 reanalysis is in production[R/OL]. [2016-04]. https://www.ecmwf.int/en/newsletter/147/news/era5-reanalysis-production.
|
Huang Y J, Wang Y P, Cui X P, 2019. Differences between convective and stratiform precipitation budgets in a torrential rainfall event[J]. Adv Atmos Sci, 36(5): 495-509.
|
Kumjian M R, Ryzhkov A V, 2008. Polarimetric signatures in supercell thunderstorms[J]. J Appl Meteor Climatol, 47(7): 1940-1961.
|
Kumjian M R, Prat O P, 2014. The impact of raindrop collisional processes on the polarimetric radar variables[J]. Atmos Sci, 71(8): 3052-3067.
|
Meng Z Y, Zhang F Q, Luo D H, et al, 2019. Review of Chinese atmospheric science research over the past 70 years: synoptic meteorology[J]. Sci China Earth Sci, 62(12): 1946-1991.
|
Wu Y L, Gao Y D, Chen D H, et al, 2020. Synoptic characteristics related to warm-sector torrential rainfall events in South China during the annually first rainy season[J]. J Trop Meteor, 26(3): 253-260.
|
Zhao K, Huang H, Wang M J, et al, 2019. Recent progress in dual-polarization radar research and applications in China[J]. Adv Atmos Sci, 36(9): 961-974.
|
Zhao K, Xu X, Xue M, et al, 2023. The dynamics and microphysical characteristics of the convection producing the record-breaking hourly precipitation on 20 July 2021 in Zhengzhou, China[J]. Remote Sens, 15(18): 4511.
|
Zrnić D, Ryzhkov A, Straka J, et al, 2001. Testing a procedure for automatic classification of hydrometeor types[J]. J Atmos Ocean Technol, 18(6): 892-913.
|