山地小流域雷达定量降水估计技术

本发明涉及对流性灾害天气监测技术领域，具体为山地小流域雷达定量降水估计技术。

背景技术：

我国山区分布广，水文、地质灾害风险较大，布设具有较高时空分辨率的天气雷达可以更为精细地描述区域降水的时空分布，提高山地小流域水文、地质灾害预报的精度，但山区复杂的地形条件也增加了天气雷达降水探测的难度，使得天气雷达定量降水估测(qpe)产品精度难以满足应用需求。

当前我国主要雷达qpe业务产品包括全国组网定量估测降水(mqpe)产品和灾害天气短时临近预报(swan)系统区域组网产品，与国外雷达qpe产品相比，mqpe和swan的输入数据较为单一，仅包括雷达基数据与地面雨量计观测数据，国外雷达qpe产品的数据源还包括卫星、模式等，用来区分降水类型及粒子相态，并针对不同降水的特征进行处理，以提高qpe产品精度，mqpe和swan基于质控后的反射率因子，且均采用滤波加模糊逻辑的算法进行处理，但也具有一定的差异，mqpe的质量控制较为全面，包括对地物回波、超折射回波、电磁径向干扰、海浪回波、晴空回波、孤立点回波、故障异常回波的消除；swan系统则侧重于孤立噪声回波的过滤以及超折射回波的抑制，此外，两者均使用多仰角混合扫描反射率进行地面降水的估测，但mqpe系统只是在1～20，21-34，35～49，50～230公里距离区间上分别使用3.35°，2.4°，1.45°和0.5°仰角的雷达反射率数据，并不考虑地形遮挡对雷达电磁波的影响，swan的雷达qpe产品沿用了美国国家强风暴实验室开发的hybscan混合扫描仰角自动生成算法，即根据高分辨率地形数据、雷达波束能量密度分布函数和雷达电磁波在标准大气中的传播方式，计算雷达不同仰角在每个方位角及径向距离库上的地形遮挡率，并对遮挡率>60％的距离库使用更高仰角的观测信息替代，在计算降水率时，mqpe和swan均采用z-r关系法，且每部雷达使用一个z-r关系，通过引入雨量计数据对z-r关系进行实时拟合，mqpe产品的时空分辨率为1公里/1小时，难以描述在山地小流域频繁发生的局地强对流天气特征；swan产品的时空分辨率为1公里/6分钟，对于天气过程监测的适用性更强。

总的来说，目前国内的雷达qpe业务产品一个主要的缺陷是仅使用单一的z-r关系进行降水反演，考虑到天气雷达基本上可以对距离雷达站230公里的区域进行有效的降水探测，即便使用地面雨量计观测对z-r关系进行实时拟合，通过一个z-r关系仍然难以准确估计整个雷达扫描平面内的降水率，本质上，降水率是由降水粒子滴谱决定，研究了不同区域、不同类型的降水，通过对降水粒子滴谱数据统计分析得到200多种不同的z-r关系，这说明单一的z-r关系难以准确描述由于降水过程、降水类型和地区不同导致的降水滴谱特征差异，针对降水粒子滴谱特征不同使用相应的z-r关系对于提高雷达定量降水估计的准确性具有重要意义，实际观测中，天气雷达一次体扫观测到的降水信息可能来自不同的降水类型，即层状云、对流云或混合云降水，特别是在地形复杂的山地小流域，降水的时空变异性更强，使用单一的z-r关系会给雷达qpe带来偏差，因此，需要对雷达扫描平面内的层状云、对流云或混合云降水进行实时区分，针对不同类型降水采用不同的z-r关系将雷达反射率转换成降水率，以提高雷达qpe精度，mqpe和swan都采用雷达反射率因子与地面雨量计的观测进行z-r关系的拟合，但雷达反射率因子是对一定采样空间内降水粒子散射信息的平均，而地面雨量计是单点观测，两者匹配时存在空间尺度的不一致，其次，雷达电磁波波束随探测距离增加而变宽，即采样空间发生变化，使得两者的匹配误差更加复杂，再次，雷达电磁波波束随探测距离增加而升高，使其探测到的降水信息与地面雨量计观测到的降水信息可能存在差异，造成z-r关系拟合的误差，由于雷达反射率和降水率均可由降水的雨滴谱确定，通过全球降水观测计划卫星的双频测雨雷达(gpm-dpr)长时间反射率观测以及雨滴谱参数反演，可以在每部雷达扫描平面内分别统计层状云、对流云和混合云降水的z-r关系，另一方面，mqpe和swan在反射率质量控制、混合扫描反射率遮挡计算上具有各自的优势，即mqpe质控较为全面，而swan考虑了地形对雷达电磁波的遮挡，综合利用两套产品的技术优势可以促进山地小流域雷达qpe产品精度的提升。

目前国内的雷达qpe业务产品对于山地小流域定量降水估计的精度仍然不足，对于降水预报以及水文、地质灾害的预警不够快速精准。

技术实现要素：

本发明的目的在于提供山地小流域雷达定量降水估计技术，以解决上述背景技术中提出了目前国内的雷达qpe业务产品对于山地小流域定量降水估计的精度仍然不足的问题。

为实现上述目的，本发明提供如下技术方案：山地小流域雷达定量降水估计技术，包括以下步骤：

s1：根据历史雷达基数据人为区分降水回波、地物回波、晴空回波和海浪回波等物理量，然后根据这些回波的特征建立隶属函数，并获取不同降水类型z-r关系统计；

s2：对雷达原始观测反射率进行特征值计算，得到所有物理量对于不同类型回波的0-1取值范围的判据，如果回波点物理量对应的判据值越大，那么该回波点属于该类型回波的可能性越大，对这些判据值进行加权累加，根据事先设定的阈值划分回波类型，去除非降水回波；

s3：从模式数据或探空资料获取0℃层高度和-10℃层高度，当0℃层高度过低(低于雷达高度2km及以下)，则认为没有对流产生，基于多个仰角的反射率值和垂直液态水含量识别出对流核，并采用区域增长方法来识别整个对流区，在识别出整个对流区之后，其余非对流降水区域即为层状云降水区，层状云降水区存在亮带型和非亮带型降水，亮带识别算法将首先识别亮带核，即在层状云区中雷达组合反射率超过35dbz的格点，然后，通过区域增长法，基于亮带核识别出整个亮带区；

s4：对于不同降水类型的回波观测，通过s1中获取到的不同降水类型z-r关系统计进行降水反演，生成单站雷达定量降水估测产品，然后根据单站雷达定量降水估测数据生成多雷达反射率、降水类型和降水拼图格点数据；

s5：对于降水拼图和雷达反射率，其每个拼图格点上，确定对其有贡献的雷达观测权重，该权重取决于雷达电磁波波束中心离地面的高度以及波束垂直截面直径，认为波束离地面越高、波束越宽则对降水的代表性越低，即权重越小，对不同雷达的反射率或降水进行加权平均，并最终输出时空分辨率为1公里/6分钟的反射率、降水类型和降水数据，并生成雷达降水率拼图产品；

优选的，所述s1中不同降水类型z-r关系获取是通过选取双频卫星测雨雷达(gpm-dpr)在天气雷达扫描平面内的观测样本，并根据gpm-dpr的降水类别信息对观测样本进行分类，同时根据gpm-dpr提供的雨滴谱参数，使用t矩阵方法计算与天气雷达相同波段(s或c波段)下的反射率，结合gpm-dpr雨滴谱估测的地面降水率而得到。

优选的，所述s3中，识别整个对流区还包括通过综合组合反射率、最大反射率高度、反射率垂直梯度这三个物理量进一步判断识别出的对流区是否正确，即该格点组合反射率超过35dbz且需满足：组合反射率大于45dbz、最大反射率高度不在亮带影响的高度和反射率垂直梯度小于4dbz/km。

优选的，所述s5中，对于降水类型拼图，如果某一雷达将网格单元上的降水识别为对流性降水，并且该雷达观测信息离地面较近，则该网格的降水类型标记为对流性降水；如果雷达观测的降水类型为层状云降水，任一网格单元雷达识别出亮带，则该网格单元的降水类型标记为亮带层状云降水；如果没有识别成亮带层状云降水，则标记为无亮带层状云降。

与现有技术相比，本发明的有益效果是：该山地小流域雷达定量降水估计技术通过反射率因子质量控制、降水类型分类、雷达混合仰角反射率计算、z-r转换关系和雷达拼图5个方面的处理，提高山地小流域天气雷达qpe产品精度，本发明将输出时空分辨率为1公里/6分钟的雷达qpe产品，使其更好地服务于降水预报以及水文、地质灾害的预警。

附图说明

图1为本发明流程图；

图2为定量降水估计算法结果和地面雨量站降水观测对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为简单起见，以下内容中省略了该技术领域技术人员所公知的技术常识。

如图1所示，具体包括如下步骤：

s1：根据历史雷达基数据人为区分降水回波、地物回波、晴空回波和海浪回波等物理量，然后根据这些回波的特征建立隶属函数，并获取不同降水类型z-r关系统计；

s2：对雷达原始观测反射率进行特征值计算，得到所有物理量对于不同类型回波的0-1取值范围的判据，如果回波点物理量对应的判据值越大，那么该回波点属于该类型回波的可能性越大，对这些判据值进行加权累加，根据事先设定的阈值划分回波类型，去除非降水回波；

s3：从模式数据或探空资料获取0℃层高度和-10℃层高度，当0℃层高度过低(低于雷达高度2km及以下)，则认为没有对流产生，基于多个仰角的反射率值和垂直液态水含量识别出对流核，并采用区域增长方法来识别整个对流区，在识别出整个对流区之后，其余非对流降水区域即为层状云降水区，层状云降水区存在亮带型和非亮带型降水，亮带识别算法将首先识别亮带核，即在层状云区中雷达组合反射率超过35dbz的格点，然后，通过区域增长法，基于亮带核识别出整个亮带区；

s4：对于不同降水类型的回波观测，通过s1中获取到的不同降水类型z-r关系统计进行降水反演，生成单站雷达定量降水估测产品，然后根据单站雷达定量降水估测数据生成多雷达反射率、降水类型和降水拼图格点数据；

s5：对于降水拼图和雷达反射率，其每个拼图格点上，确定对其有贡献的雷达观测权重，该权重取决于雷达电磁波波束中心离地面的高度以及波束垂直截面直径，认为波束离地面越高、波束越宽则对降水的代表性越低，即权重越小，对不同雷达的反射率或降水进行加权平均，并最终输出时空分辨率为1公里/6分钟的反射率、降水类型和降水数据，并生成雷达降水率拼图产品；

其中，s1中不同降水类型z-r关系获取是通过选取双频卫星测雨雷达(gpm-dpr)在天气雷达扫描平面内的观测样本，并根据gpm-dpr的降水类别信息对观测样本进行分类，同时根据gpm-dpr提供的雨滴谱参数，使用t矩阵方法计算与天气雷达相同波段(s或c波段)下的反射率，结合gpm-dpr雨滴谱估测的地面降水率而得到。

其中，s3中，识别整个对流区还包括通过综合组合反射率、最大反射率高度、反射率垂直梯度这三个物理量进一步判断识别出的对流区是否正确，即该格点组合反射率超过35dbz且需满足：组合反射率大于45dbz、最大反射率高度不在亮带影响的高度和反射率垂直梯度小于4dbz/km。

其中，s5中，对于降水类型拼图，如果某一雷达将网格单元上的降水识别为对流性降水，并且该雷达观测信息离地面较近，则该网格的降水类型标记为对流性降水；如果雷达观测的降水类型为层状云降水，任一网格单元雷达识别出亮带，则该网格单元的降水类型标记为亮带层状云降水；如果没有识别成亮带层状云降水，则标记为无亮带层状云降。

下面以地面小时雨量站观测为基准在北部某省选取2019年4-7月持续时间较长、影响范围较大的7次降水过程对本文算法生成的雷达定量降水估测(qpe)产品进行评估，结合图2和技术方案进一步说明本发明的具体实施方式。

图2给出了这7次个例两种降水产品的统计评分指标均方根误差rmse、相对平均绝对误差rmae和相对平均偏差rmb；图2的(a)中，圆圈为该次过程中雨量计1小时平均降水量，方框为该次过程中雷达qpe产品1小时平均降水量，7次降水过程对应的日期标注在横轴上，可以看出，本发明生成的雷达qpe产品同地面雨量站观测降水较为接近，特别是在(c)的过程3和过程4中，其平均偏差rmb接近于0，总体上，本发明生成的雷达qpe产品有一定的低估(rmb为负值)，但基本控制在-30％以内，在过程5和过程6中达到-40％，这说明本发明生成的雷达qpe产品在不同过程中的表现比较稳定，这一点从rmae指标上也可以反映出来，本发明生成的雷达qpe产品的rmae稳定在50％左右，从rmse上看，本发明生成的雷达qpe产品同地面雨量站观测降水也较为接近，7次过程的rmse都在3mm以下，而在过程3和过程4中，rmse都在1mm以下，雨量计1小时平均降水量同雷达qpe1小时平均降水量也比较接近，从rmae看，雷达qpe产品较雨量计观测降水偏差基本在60％左右，不同过程之间的差异主要是由于降水平均强度的差异导致，7次降水过程中，过程6及过程7降水强度较大，而对应的rmse相对较高，在3mm左右，过程6的rmb也在-30％左右，表明对于中等及以上强度的降水，算法估计的准确度会有一定的下降。

综上所述，本发明是较为稳定的，生成的雷达qpe产品与地面雨量站降水观测相比较为接近，能够提高山地小流域天气雷达qpe产品精度，使其更好地服务于降水预报以及水文、地质灾害的预警。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

虽然在上文中已经参考实施例对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施例中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。