为研究梅雨期极端对流系统的微物理特征,利用2013-2014年江淮梅雨期间南京溧水S波段双偏振雷达探测资料和地面自动站小时降水资料,统计分析了两类极端对流降水系统的微物理特征及差异.这两类极端对流系统的定义基于地面降水强度和雷达回波顶高,分别为所有对流中降水强度最强的1％(R类:小时降水强度＞46.2mm/h)和对流发展高度最高的1％(H类:20 dBz回波顶高＞14.5 km).结果 显示这两类极端对流系统仅有30％的样本重合,显示了二者之间的弱相关性.对于相同的反射率因子ZH,R类极端对流系统的近地面差分反射率因子ZDR通常较H类极端对流小约0.2dB,表明R类极端对流具有较小的平均粒径.结合双偏振雷达反演的粒子大小和相态分布显示,虽然两类极端对流都表现出海洋性对流降水特征,但R类极端对流较H类极端对流的总体雨滴粒径更小而数浓度更高,导致R类极端对流系统的地面降水更强.与R类极端对流系统相比,H类极端对流系统的上升运动更强,将更多的水汽和过冷水输送到0℃层以上,有利于形成更大的冰相粒子(如霰粒子等),并通过融化形成大雨滴.以上研究表明,梅雨期降水强度和对流发展深度并没有必然的联系,极端降水主要是中等高度的对流引起.

基于多波束风向反演算法和经验模型风速反演算法,从实测的高频地波雷达数据中反演风向和风速,并和固定点的浮标数据进行比对.在风向的比对过程中分别采用SECH模型和COS模型,平均误差分别为32°和40°,在排除风速小于5m/s的数据点后两模型对应的误差分别降低到20°和30°.该结果表明,基于SECH模型的风向反演结果要优于COS模型,并且在大风速的条件下地波风向的反演精度相对要高.对地波的风速反演结果和浮标测量结果进行了比对,平均误差在2.5 m/s左右.

在中尺度对流系统(Mesoscale Convective Systems,MCSs)自动识别基础上,利用相关法跟踪雷达回波(Tracking Radar Echoes by Cross-correlation,TREC)和面积重叠法完成新的跟踪预报方法.新方法利用TREC得到MCSs移动矢量,利用该矢量外推对应MCSs雷达回波.根据外推回波与相应回波实况,采用面积重叠法完成跟踪,同时利用移动矢量完成预报.采用4次强天气过程对算法进行检验,分析结果表明:(1)新方法能够有效实现MCSs跟踪与预报;(2)新方法得到MCSs移动速度相对稳定,不因为系统合并、分裂和生消出现速度大幅度波动现象,有效减小预报误差,6～60 min预报误差相对于原方法减小20％以上;(3)新方法虽然能提取得到较为稳定的系统移动速度,但不能得到系统的传播速度.原方法能得到系统的移动速度和传播速度合成,但提取速度不稳定,容易受到质心偏移的影响,预报误差较大.新方法在系统消亡期提取移动速度不稳定,导致跟踪丢失现象的发生,而原方法在系统合并与分裂时易出现跟踪丢失现象.

Based on automatic identification and tracking MCSs (mesoscale convective systems),long axis of MCSs was used to design dynamic templet and score function in order to complete the algorithm for au-tomatically identifying linear MCSs.The performance of the algorithm is evaluated by applying in several different types of convection cases.The results demonstrate that the algorithm can automatically identify linear MCSs and behave well,even the convective system change rapidly as a result of splitting or mer-ging.The algorithm can track linear MCSs system normally well,but when splitting or merging occurs it can not do so well.