Classification of rain types based on raindrop size distribution retrieval from C-band dual-polarization radar
-
摘要: 降水类型分类对了解区域降水微物理特征、多源降水融合误差模型的构建以及雷达定量测量降水估计等都很重要。本文基于2015-2016年南京信息工程大学C波段双偏振雷达数据和南京地区滴谱仪观测资料,提出一种适用于南京地区的雷达降水类型分类方法,并对降水类型分类结果进行对比验证。首先,基于滴谱仪降雨率时序数据、地基雷达反射率因子平面位置显示(PPI)和地基雷达反射率因子时间高度显示(THI)数据,筛选出共36次典型层状和对流降水过程。随后,统计3个滴谱仪站点典型层状(对流)降水的雨滴谱(DSD)参数:归一化截距参数(NW)和体积中值直径(D0),拟合得到适用于南京地区的log10(NW)-D0降水类型分类线。将基于滴谱数据统计拟合的分类线应用于基于变分法反演的地基雷达DSD参数,进行地基雷达降水类型分类。根据典型层状(对流)过程降水类型分离指数的时间高度分布,并对比DPR降水分类产品,对分类效果进行验证。最后将分类结果应用于雷达分类定量降水估计,进一步说明降水分类的应用效果。结果表明,南京地区3个滴谱仪站点的拟合分类线非常一致,3个站点的典型层状(对流)过程均能够很好地分离在分类线两侧;与DPR降水分类产品进行对比分析后,发现南京地区分类线的分类效果相对于其他典型降水分类方法,对层状和对流降水的识别率整体最高,分别为84.56%和72.64%;基于降水分类的雷达定量降水估计的测雨精度均优于未分类的测雨公式,且分类R(Kdp)在四种分类测雨公式中整体性能最优(CC=0.7648,MAE=3.0952 mm/h,RMSE=5.4297 mm/h),分类R(Zh)在层状云降水反演中性能最优,分类R(Kdp)则在对流云降水反演中性能最优,而分类R(Zh,Zdr)对原有总体测雨公式降水精度的提升最为明显。
-

计量
- 文章访问数: 38
- HTML全文浏览量: 3
- PDF下载量: 19
- 被引次数: 0