1 引 言

新一代天气雷达的三维组网拼图数据可以为中小尺度天气过程提供高时空分辨率的观测资料，雨量计观测雨量具有较高的单点测量精度，融合雷达组网拼图数据和雨量计观测雨量，构建高分辨率和高精度的全国性或区域性的定量降水估测(Quantitative Precipitation Estimates，QPE)数据产品，是目前科研成果向业务转化的难点和焦点。

中外研究机构及学者对基于雷达组网的定量降水估测算法进行了很多研究，其中既有先单部雷达降水估测再组网拼图的处理方案(Tabary，2007; 高晓荣等，2012)，也有先组网拼图再做降水估测的处理方案(Vasiloff et al，2007; Zhang et al，2011)，但雷达标定、衰减、静锥区、地形遮挡、降水空间分布不均匀等误差源一定程度上限制了雷达降水估测算法的精度(Wilson et al，1979; Zawadzki，1984; Germann et al，2003; Villarini et al，2010; Zhang et al，2012)。中国气象科学研究院灾害天气国家重点实验室在雷达资料质量控制(刘黎平，2007; 江源等，2009; 庄薇等，2012; 谭学等，2013)和雷达资料三维格点化方法(肖艳姣等，2006)研究的基础上，研发了雷达三维组网拼图处理和显示系统(王红艳等，2009; 张志强等，2007)，并采用先组网拼图数据，再依据混合扫描的策略(肖艳姣等，2008)选取降水估测的反射率因子，构建了基于雷达三维组网拼图数据的定量降水估测算法。该算法在广东省、淮河流域的试验性研究中表现出较高的精度(伍静等，2010;郭忠立等，2011; Wang et al，2012)，并于2012年在杭州市气象局成功进行了算法的业务化应用，实时生成并评估覆盖浙江省的雷达1 h 定量降水估测数据。

雷达观测资料的反射率因子垂直廓线(Vertical profile of reflectivity，VPR)信息是降水粒子微物理特征的重要指示器，不同降水类型的云系具备不同的反射率因子垂直廓线特征(Houze，1993; Zipser et al，1944; Xu et al，2008; Qi et al，2013)。鉴于目前没有针对不同类型降水过程的雷达定量降水估测分类评估及误差分析，本研究在介绍雷达组网拼图定量降水估测算法的业务应用的同时，基于雷达反射率因子垂直廓线特征，选择2012年浙江省发生的4次不同降水类型的灾害性天气过程，对基于雷达组网拼图定量降水估测算法的业务应用效果进行综合评估和分类评估，着力分析不同类型降水云系的雷达定量降水估测在业务化应用过程中的主要误差源，以便为算法的进一步优化改进提供参考。

在杭州市气象局应用的雷达组网拼图系统中，包含了诸如雷达组合反射率因子、回波顶高、垂直液态水含量、1 h定量降水估测及评估、1 h定量降水预报(Quantitative Precipitation Forecasting，QPF)及评估、风暴单体识别跟踪(Storm Cell Identification and Tracking，SCIT)、以及基于乡镇行政分区的雷达1 h定量降水估测面雨量和1 h定量降水预报面雨量等多种基于雷达三维组网拼图的数据产品。数据产品的范围覆盖整个浙江省，空间分辨率均为1 km×1 km，时间分辨率为6 min。

基于雷达组网拼图的定量降水估测算法包含4个相对独立程序模块(图 1)：

图 1 基于雷达组网拼图的定量降水估测算法流程 Fig. 1 Flowchart for the radar-mosaic quantitive precipitation estimation algorithm

图选项

(1)数据下载模块：从浙江省气象局的FTP服务器上主动下载杭州、宁波、衢州、舟山、金华、温州6部新一代天气雷达的基数据压缩包。待基数据下载完成后，立即调用单站数据处理模块，对基数据进行质量控制及格点化处理。

(2)单站数据处理模块：基数据压缩包的解压、质量控制和格点化处理。

单部雷达的质量控制算法基于模糊逻辑的原理，根据回波强度纹理、垂直变化、径向方向变号、径向库间变化程度，径向速度区域平均值和方差，速度谱宽区域平均值共计7个物理量，基于临界成功指数(Critical Success Index，CSI)评判标准建立超折射地物回波识别的最佳线性梯形隶属函数，通过调整地物杂波判别阈值，分步识别并剔除超折射地物杂波(刘黎平等，2007; 江源等，2009)。目前，该算法已做了进一步优化更新：将地物判别阈值更新为随距离变化的函数，在剔除地物杂波后，对“回波空洞”形成有效填补(庄薇等，2012)，并通过分析海浪回波和降水性回波的各种特征，确定了海浪回波识别的最佳隶属函数(谭学等，2013)。单站格点化数据的处理，采用最邻近与线性垂直插值相结合的方法(肖艳姣等，2006)，将质量控制后的雷达体扫数据，从球坐标系转换到笛卡尔坐标系。

不同站点数据的处理以进程并发的方式发起，进程互不干扰。这样处理不但可以满足实时处理的需求，而且即使某站点的数据异常，也不会影响其他站点数据处理过程，有效地防止了数据异常导致的系统崩溃，提高了系统的稳定性。

(3)组网拼图数据处理模块：设置组网数据的分辨率为6 min，依据单站格点数据进行三维组网拼图；设置延迟时间10 min，如果某站点的数据通信存在延迟，则根据延迟时间进行等待，并放弃超过延迟时间而未能上传到省局服务器的基数据；如果各站点基数据先于组网时间上传完毕，则提前发起组网算法线程，以增强组网数据产品的实时性。

为了降低地物遮挡对雷达组网拼图数据的影响，采用先剔除雷达部分遮挡弱回波，然后再组网拼图的计算方案。这样处理，可以在多部雷达重叠探测范围内，有效地去除部分遮挡造成的条带状雷达弱回波，提高组网拼图数据的连续性(勾亚彬等，2014)。

在数据处理效率方面，雷达三维组网拼图算法经开放式多处理技术并行优化后，对6个雷达站点基数据的三维组网拼图处理，仅需1—2 s，有效地实现了业务应用对组网数据实时性的需求。

(4)降水估测模块：不仅包含了采用全部雨量计数据，结合Z-R关系法及最优插值法，生成基于动态Z-R关系的雷达定量降水估测初值场和经最优插值法局部校准雷达定量降水估测的功能，还包含了雷达定量降水估测实时评估的功能：事先将浙江省的雨量计划分为相对均匀的两个部分，一半雨量计仅参与数据融合，另一半雨量计仅用作评估验证；在Z-R关系拟合，最优插值法的效果评估过程中，两部分雨量计相互独立，互不干扰，以确保评估验证的客观性。浙江省全省雨量计的划分和雷达定量降水估测的评估方法见第3节。

最优插值法使用开放式多处理并行优化后，可在1 min内实现使用浙江省实时1 h雨量计观测雨量，对组网拼图范围内所有雷达1 h定量降水估测格点的校准，实现了基于雷达组网拼图的定量降水估测产品的准实时处理。此外，雨量计1 h观测雨量的质量控制也包含在该模块中。

上述4个程序模块整体上以串行方式运行，并以进程并发的形式处理基数据，以任务级和循环级线程并行的方式生成雷达组网拼图数据和相应的定量降水估测数据，有效地满足了业务单位对基于雷达组网拼图的定量降水估测产品及评估的实时性需求。

目前，覆盖浙江省的10 min间隔的雨量计观测雨量实时性较高(单位为mm)。以组网数据时间为标尺，以时间线性平均的方式累积雨量计1 h观测雨量

点击浏览公式

空间一致性评估方法，通过对比目标站点观测要素的估计值(由周边站点的观测值计算得到)和实际观测值，对目标站点观测资料进行质量评估(Wade，1987; Gandin，1988; Eischeid et al，1995，2000; Shafer et al，2000; Hubbard，2001)。反距离权重法按距离赋予周边站点不同的加权权重，计算目标站点观测资料的估计值(Wade，1987;Guttman et al，1988)

点击浏览公式

点击浏览公式

考虑到局部区域内的雨量计相对稀疏，周边雨量计的搜索半径(影响范围)设置为20 km；同时，考虑到降水系统的多尺度及局地特征以及较远处观测资料对目标中心点的代表性相对较差，且研究表明，没有必要使用影响范围内全部站点的观测资料(Hubbard et al，2005)；站点距离越近，观测资料的相关性越强(刘雨佳等，2014)。因而，仅用距离目标雨量计最近的3个雨量计的观测雨量，计算目标雨量计的估测雨量。

通过对比式(3)的计算结果与事先设定的阈值，可对站点观测资料进行质量评估。一些经验性的阈值设置，例如：如果Δ大于2或3，则将观测资料标识为可疑或警告(Shafer et al，2000; Schroeder et al，2005)，但实验表明，Δ设置得越小，通过质量评估的站点越少；设置得过大，则很难起到质量评估的作用；式(3)中的分子可能小于分母，因而需要设置一个下限阈值；如果式(3)中分母σ很小，Δ很容易超过事先设定的阈值，导致错误的判断，此时，有必要进一步考察雨量计估测雨量(g_A)与观测雨量(g_O)的比率和绝对差异。进一步考虑到降水系统空间分布的不均匀，以及自动站观测资料空间采样的不确定性(张宁等，2010)，设置Δ的上限阈值为4，下限阈值为0.25，并设置g_A与g_O的比率阈值为4，绝对差异阈值为5 mm，以期在剔除差别较大观测资料的同时，允许空间差异在一定范围的观测资料的存在。考虑到业务应用推广以及算法优化更新的需要，这些算法阈值均设置为可调阈值，以便进一步对这些阈值进行优化验证。被剔除的雨量计既不参与校准也不参与实时评估。

研究表明，对不同降水类型的云系，Z-R关系的b系数的变化并不大(Steiner et al，2000)，使用固定的b系数，动态拟合Z-R关系的A系数的方式，不会造成较大的降水估测误差。简单地将所有雨量计观测值和雷达估测值之和相等的拟合方法，隐含一个最小化雷达估测雨量和雨量计观测雨量差异的目标函数。如果目标函数仅包含(G_i-R_i)²或(G_i-R_i)，动态Z-R关系估测得到的雷达平均雨量会比雨量计观测雨量小；选择既包含(G_i-R_i)²又包含(G_i-R_i)的式(4)作为判别函数，拟合某时次的Z-R关系，可以使雷达1 h 定量降水估测的平均值与相应的1 h雨量计观测雨量的平均值接近(张培昌等，2000)

点击浏览公式

目前业务应用的雷达组网拼图的定量降水估测算法，首先基于雷达三维组网拼图数据，自1 km向上选择组网混合扫描反射率因子(Hybrid Scan Reflectivity，HSR)，并根据3.1节的Z-R关系拟合方案，反演各时次的雷达瞬时雨强，然后采用时间线性平均法(李建通等，2000)逐点累积雷达定量降水估测初值场，以期降低雷达定量降水估测的系统误差。最后联合质量控制后的雨量计观测雨量，根据最优插值法(李建通等，2005)校准动态Z-R关系计算得到的雷达定量降水估测数据场，以降低雷达定量降水估测的局部误差

点击浏览公式

为了客观地对系统生成的雷达1 h 定量降水估测数据进行验证评估，依照浙江省的雨量计经纬度格点的奇偶性，将覆盖浙江省的2047个雨量计站点均匀划分成两个部分(图 2)，将红色标识的雨量计(共1029个)，作为数据集Ⅰ，蓝色标识的站点共计1018个，作为数据集Ⅱ。循环使用两个数据集的雨量计观测雨量分别实时进行校准和评估。

图 2 浙江省雨量计分布 Fig. 2 Gauge distribution in Zhejiang Province

图选项

系统采用比率偏差(E_BIAS)、平均误差(E_M)、绝对平均误差(E_MA)、均方根误差(E_RMS)和相关系数(C_C)，评估各时次的雷达定量降水估测

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

雷达定量降水估测通常会受到诸如0℃层回波亮带、不恰当的Z-R关系以及降水空间不均匀等误差源的影响，不同类型降水云系的微物理特征不同，雷达定量降水估测的误差源也可能有所差异。根据不同雷达的反射率因子垂直廓线特征，选择表 1中的不同类型的灾害性天气过程，以详细分析雷达定量降水估测的误差源。

表 1中的4次典型的灾害性天气过程，分别为与层云降水、层云与对流云混合降水、强对流降水以及与热带气旋降水联系在一起的4种不同类型的降水云系。其中，3月的持续性弱降水覆盖面积大，降水的空间分布均匀而稳定，持续时间较长；6月的梅雨锋多以层云和对流云并存的降水云系为主，降水的空间分布不均匀；8月2日的飑线系统以强对流降水为主；8月7日的“海葵”台风以热带气旋降水为主。4.2—4.4节将分别描述这4次天气过程不同雷达的1 h 反射率因子垂直廓线特征以及降水的空间分布特征。其中，反射率因子垂直廓线的计算在各雷达单站格点化数据的基础上进行，将格点化数据的垂直分辨率设置为100 m，然后用式(11)计算各高度层的平均反射率因子Z_k(t，i，j)。

点击浏览公式

参照3.2节的误差评估方法，使用数据集Ⅰ的雨量计观测雨量校准，并使用数据集Ⅱ的雨量计观测雨量评估，分别评估这4次天气过程中，固定Z-R关系(A=200，b=1.6)、动态Z-R关系以及经最优插值法校准后的雷达估测雨量(表 2)。

根据表 2的综合评估结果，固定Z-R关系(A=200，b=1.6)，在3月的持续性弱降水过程中取得了较好的结果，E_M、E_BIAS、E_MA和E_RMS的平均值相对其他几次过程较小，其他几次不同降水类型的天气过程中，均导致了很大的误差。A=200，b=1.6是适合于层云降水过程的Z-R关系，相比之下，A=300，b=1.4则是更适用于对流云降水过程的Z-R关系。虽然美国NMQ(National mosaic and multi-sensor QPE)系统将A=253，b=1.2作为台风降水的默认Z-R关系(Xu et al，2008; Zhang et al，2011)，但统计舟山地区台风降水过程得到的Z-R关系是A=70，b=1.38(何宽科等，2007)，但不同台风的Z-R关系并不相同，动态Z-R关系拟合具有明显优势(冀春晓等，2008)。因而，固定的Z-R关系并不符合业务应用的需要，动态拟合的Z-R关系更具潜在应用价值。

相比固定的Z-R关系，动态Z-R关系在以层云为主的持续性弱降水过程中，取得与经典Z-R关系相当的误差评估结果，同时能够很好地适用于其他几次天气过程；特别是从E_M和E_BIAS的评估结果来看，雷达1 h定量降水估测的系统误差得到有效降低，但根据E_MA和E_RMS的评估结果来看，雷达定量降水估测仍然存在大量的局部误差。将某一时刻拟合Z-R关系使用的反射率因子和雨量计观测雨量分别记作{Z_i}和{R_i}，由于R_i相对固定，但Z_i却源于不同的高度层。对层云而言，{Z_i}易于受到0℃层亮带和云顶反射率因子的影响，这会导致实时动态拟合得到的Z-R关系与该时次潜在最优的Z-R关系有所差别。这可能是层云雷达降水估测时，动态Z-R关系比经典Z-R关系评估结果稍差的主要原因。同时，梅雨锋中层云与对流云并存，飑线和台风系统中强烈的垂直和水平气流，都可能导致较大的雷达定量降水估测局部误差。

在动态Z-R关系雷达1 h 定量降水估测的基础上，经最优插值法局部校准后的雷达1 h 定量降水估测，在所有天气过程中，E_M和E_BIAS都得到有效改善，进一步降低了雷达定量降水估测的系统误差，同时E_MA和E_RMS的降低以及C_C的进一步提高，表明雷达定量降水估测的局部误差也得到改善，系统最终生成的雷达1 h 定量降水估测产品取得了较好的业务应用效果。式(5)中，最终的雷达定量降水估测数据场由动态Z-R关系得到的雷达定量降水估测初始场和雨量计观测雨量两方面决定，但雷达定量降水估测初始场仍然受到诸如0℃层亮带、地物遮挡、Z-R关系等多种误差源的影响，因而有必要进一步分析不同类型天气过程与不同雷达定量降水估测误差源的联系。

系统采用混合扫描策略选择的组网混合扫描反射率因子，反演各时次的雷达瞬时雨强。理想情况下，假定每个高度层都有可形成降水的反射率因子，覆盖浙江省全省的组网混合扫描反射率因子的高度如图 3所示：在距离雷达较近的区域，可选择较低高度的反射率因子，但在雷达波束遮挡严重的区域(如区域1)或距离雷达较远，雷达覆盖较差的区域(如区域2)，需要使用较高高度的反射率因子。对于较为浅薄的层云来说，使用较高高度的反射率因子反演降水，易受到0℃层亮带的影响：如果反射率因子位于0℃层亮带，会导致雷达定量降水估测的高估；如果反射率因子在0℃层亮带以上，会导致雷达定量降水估测的低估。

图 3 理想情况下组网混合扫描反射率因子在不同区域的高度 Fig. 3 Ideal heights of the mosaic HSR in the different regions

图选项

2012年3月3日07时30分(世界时，下同)和08时，参照混合扫描策略得到的组网混合扫描反射率因子如图 4a和c所示，同时，图 4b和d中给出了对应的5部雷达的1 h平均反射率因子垂直廓线。杭州、衢州、宁波及金华4部雷达(舟山雷达故障)的1 h平均反射率因子垂直廓线形状非常相似，呈现出典型的层云特征(Zhang et al，2008，2010)；虽然温州雷达与其他几部雷达的反射率因子垂直廓线并不相似，但从雷达回波特征可以看出，经过温州雷达向东北方向移动的小片云系也是层云。因此，这次天气过程属于大范围的层云降水系统。同时，杭州、衢州、宁波及金华4部雷达的反射率因子垂直廓线的最大反射率因子位于3 km左右的高度层，大致可以判定在2.5—3.5 km的高度存在一个0℃层亮带，而图 4a、c中，衢州和金华两部雷达北部和南部偏强的反射率因子，很可能就是因为反射率因子源自0℃层亮带的缘故。

图 4 2012年3月3日07时30分(a)组网混合扫描反射率因子和(b)5部雷达的1 h平均反射率因子垂直廓线信息；2012年3月3日08时(c)组网混合扫描反射率因子和(d)5部雷达的1 h平均反射率因子垂直廓线信息 Fig. 4(a)The mosaic HSR field at 07:30 UTC 3 May 2012，(b)the corresponding 1 h average VPR to the 5 radar sites，(c)the mosaic HSR field at 08:00 UTC 3 May 2012，and (d)the corresponding 1 h average VPR to the 5 radar sites

图选项

参照图 3的混合扫描策略，在区域1和2中，仅能用较高高度的雷达反射率因子，导致这两个区域中的反射率因子可能取自0℃层亮带或亮带以上的云顶，进而造成区域1中雷达估测雨量高估和区域2中雷达估测雨量低估(图 5)，图 5a中的椭圆1内的雨量计对应图 5b中椭圆2内的雨量计，相应的雷达定量降水估测明显高估；图 5d中椭圆4内的雨量计对应图 5e中椭圆5内的雨量计，相应的雷达定量降水估测明显低估。

图 5(a)区域1对应的雷达1 h 定量降水估测和雨量计观测雨量以及(b)局部校准前和(c)局部校准后的雷达-雨量计1 h雨量散点分布，(d)区域2对应的雷达1 h 定量降水估测和雨量计观测雨量以及(e)局部校准前和(f)局部校准后的雷达-雨量计1 h雨量散点分布 Fig. 5(a)Radar 1 h QPE within the region 1 and the corresponding radar-gauge scatters，(b)those before and (c)after local correction，(d)the radar 1 h QPE within the region 2 and the corresponding radar-gauge scatters，(e)before and (f)after local correction

图选项

经过最优插值法校准后雷达定量降水估测(图 5c和f)，E_BIAS比校准前都更接近1，E_M分别降低了60%和92%；E_MA分别降低了60%和55.3%，E_RMS降低了48%和55%，C_C分别从0.03和0.47提高至0.46和0.83。整体而言，雷达定量降水估测的系统误差和局部误差都得到有效缩小。但是，图 5c中椭圆3内的4个雨量计对应的校准后的雷达定量降水估测仍然高估，这可能与周边雨量计相对稀疏有关(图 5a)。图 5f中，椭圆6内雨量计对应的校准后的雷达定量降水估测，与雨量计观测雨量较为一致，这可能与雨量计密度相对较大有关(图 5d)。

为了解决0℃层亮带导致雷达定量降水估测高估，已研发的雷达回波0℃层亮带识别及订正方法，初步取得了较好的效果(庄薇等，2013)，但研究表明，与反射率因子垂直廓线相联系的雷达定量降水估测误差与距离、0℃层亮带高度、累积时间以及验证区域有关(Bellon et al，2005)，基于考虑反射率因子垂直廓线空间变化的局部反射率因子垂直廓线的订正方案优于基于气候的反射率因子垂直廓线和时间平均的反射率因子垂直廓线订正方案(Vignal et al，2000，2001)。考虑业务自动化应用的需要以及计算机并行计算技术的逐渐成熟，进一步计划在系统中增加基于局部反射率因子垂直廓线的回波亮带订正算法。

在同一次降水过程中，不同尺度、不同类型降水云系通常是并存的，即使同一次降水过程中，降水的空间分布也可能是不均匀的(Houze，1989; Tokay et al，1996; Uijlenhoet et al，2003)。梅雨期间的降水云系，就多以不同降水特征的层云和对流云为主。目前系统采用的动态Z-R关系拟合方法，本质上是一种整体最优化的方法。但针对不同类型降水并存的降水过程，使用单一的Z-R关系，会造成不同区域内雷达定量降水估测的高估或低估。

根据图 6b中各雷达的反射率因子垂直廓线特征，可以将图 6a所示的降水云系划分为3个区域：区域1和2中的雷达回波特征非常近似，都包含了大片40 dBz以上的雷达回波，杭州站的反射率因子垂直廓线表明，在3 km上下的高度层内，区域1内存在较强的对流，相应的云系属于典型的对流云系；宁波站和舟山站的反射率因子垂直廓线中，反射率因子随高度的升高而逐步降低，是典型的热带降水特征，这与宁波和舟山靠近东海，夏季大气低层的水汽相对丰沛有关。区域3和西部的雷达回波与区域1和2中的雷达回波属于同一降水云团，但雷达回波明显偏弱，且区域3内的衢州和金华雷达的反射率因子垂直廓线呈现典型的层云特征；区域3东部的云系虽然相对独立，雷达回波明显偏弱，也呈现出典型的层云特征。因此，可判定区域3内的降水以层云降水为主。此外。温州雷达的反射率因子垂直廓线虽然呈现热带降水的基本特征，但反射率因子很弱，对北部云系的代表性较差。因此，各雷达的反射率因子垂直廓线特征及回波特征表明，该时次的降水系统至少包含了3个不同类型的降水云系。

图 6 2012年6月18日00时(a)组网混合扫描反射率因子和(b)各雷达站的1 h平均反射率因子垂直廓线信息 Fig. 6(a)Mosaic HSR at 00:00 UTC 18 June 2012 and (b)the corresponding 1 h averaged VPR to the radar sites

图选项

使用动态Z-R关系的雷达定量降水估测的评估(图 7a—c)，区域1—3内的评估结果差异很大。区域1内的雷达定量降水估测的E_BIAS为1，E_M接近0，雷达定量降水估测的系统误差较小，区域2中的E_BIAS小于1，且E_M较大，雷达定量降水估测严重低估；区域3中，E_BIAS大于1，且E_M小于0，雷达定量降水估测严重低估；同时，区域1和2中的E_MA和E_RMS相对较大，区域3中的E_MA和E_RMS相对较小。这一方说明单一的Z-R关系，虽然可以较好地适用于局部区域内的雷达定量降水估测，但因未考虑不同区域内降水类型的差异，会导致雷达定量降水估测的局部高估或低估。另外，雷达定量降水估测的局部误差与降水的强度有一定联系，如果降水强度较大，会导致较大的局部误差。这是梅雨期间，不同降水类型云团并存时，雷达定量降水估测误差较大的重要原因。

图 7 2012年6月18日00时，区域1—3内(a—c)局部校准前和(d—f)局部校准后的雷达1 h定量降水估测评估 Fig. 7 Evaluation of the radar 1 h QPE with(a-c)before local correction and (d-f)after local correction within the three regions at 00:00 UTC 18 June 2012

图选项

经最优插值法校准后的雷达定量降水估测的评估(图 7d—f)，区域1—3的E_BIAS都趋近1，虽然区域1中的E_M有所增大，但E_MA和E_RMS均降低了30%；区域2中的E_M、E_MA、E_RMS分别降低了78%、59%和60%；区域3中的E_M、E_MA、E_RMS分别降低了83%、38%和28%；区域1—3中的C_C分别提高了17%、2%和20%。整体而言，使用最优插值法，一定程度上可以缓解单一Z-R关系导致的雷达定量降水估测的局部高估或局部低估，但区域1和2中的一些雨量计对应的雷达定量降水估测仍然存在低估。

针对不同降水云系并存，降水空间分布不均匀的特点，目前研发了基于云团的分组Z-R关系拟合方案，先采用段识别算法识别不同云团的回波区域(肖艳姣等，1998;王改利等，2010)，然后在不同云团区域内，对云团内的反射率因子分组(姚燕飞等，2007; 彭涛等，2010; 汪瑛等，2011)，不同反射率因子分组使用不同Z-R关系反演降水，以期在Z-R关系环节，降低雨量计观测雨量与雷达定量降水估测初始场的误差偏差。

2012年8月2日12时的飑线系统，自温州和台州沿海登陆(图 8a)，飑线内部存在结构密实的强对流单体，雷达回波强度在50 dBz以上，相应的相关跟踪雷达回波(TREC)矢量场表明，飑线系统正进一步向西部内陆移动发展。按照雨量计对应的雷达1 h降水估测的高估和低估，可以将这次飑线系统覆盖的雨量计划分成2部分(图 8b)，雷达降水估测高估的雨量计位于飑线的锋前，雷达降水估测低估的雨量计位于锋后。此外，很多雨量计1 h观测雨量的演变曲线与图 9中K3097站的观测雨量演变趋势相似：雷达1 h估测雨量与雨量计1 h观测雨量演变曲线存在明显的时间延迟。

图 8 2012年8月2日13时(a)飑线系统的跟踪雷达回波矢量场与(b)动态Z-R关系的雷达1 h 定量降水估测的高估和低估 Fig. 8(a)TREC vector field and (b)the overestimation and underestimation of radar 1 h QPE using the dynamical Z-R relationship for the squall line at 13:00 UTC 2 August 2012

图选项

图 9 K3097站1 h观测雨量与雷达1 h 定量降水估测的时间演变 Fig. 9 Time evolution of the gauge-observed rainfall and radar 1 h QPE at the station K9341

图选项

垂直和水平气流是雷达降水估测的一种重要误差源，相比静止空气，如果下落的雨滴受到向上(向下)气流的影响，会导致降水率的减少(增大)；向上气流托举空气中小雨滴的趋势，对空气中的雨滴分布有影响(Villarini et al，2010)；水平气流会导致雨滴以抛物线而非直线下落，因此造成的降水漂移对高空间分辨率的雷达定量降水估测有很大的影响(Gunn et al，1955; Dalezios et al，1990; Collier，1999; Lack et al，2005，2007)。这次飑线系统过程中就伴随了强烈的垂直和水平气流。图 8a中的红色直线处的反射率因子垂直剖面如图 10a所示，飑线系统中的对流单体以向前倾斜的方式快速向前推进，系统下方存在较强的抬升气流；图 10b中，最大的1 h平均反射率因子位于1.5—3 km高度，雷达反射率因子的变化非常大，这是强对流系统的典型特征。

图 10(a)飑线的垂直剖面及(b)温州雷达的1 h平均反射率因子垂直廓线 Fig. 10(a)Vertical sectional view of the mosaic and (b)the 1 h average VPR from the radar at Wenzhou

图选项

目前未考虑垂直和水平气流对雷达降水估测的影响，难免导致飑线系统期间雷达定量降水估测的较大误差。图 11a的仅使用动态Z-R关系法的雷达定量降水估测评估结果中，从E_BIAS小于1和E_M的值来看，雷达定量降水估测整体上以低估为主；E_MA和E_RMS都非常大，说明存在较大的局部误差。经最优插值法校准后的雷达定量降水估测评估如图 11b所示，E_BIAS接近1，E_M、E_MA和E_RMS分别降低了93%、46%和44%，C_C提高了8%，雷达定量降水估测的系统误差和局部误差都得到了有效的改善。整体上来讲，联合Z-R关系法和最优插值法的降水估测取得了较好的降水估测效果。从最优插值法对雷达定量降水估测的锋前高估和锋后低估来看，虽然最优插值法大大改善了锋后的雷达定量降水估测低估，但对图 11b中的椭圆中的2个站点，相比校准前的雷达定量降水估测，校准后的雷达定量降水估测的偏离程度更大，最优插值法对雷达定量降水估测高估的改善程度也是有限的。

图 11 2012年8月2日13时(a)局部校准前和(b)局部校准后的雷达1 h定量降水估测评估 Fig. 11 Evaluation of the radar 1 h QPE(a)before and (b)after local correction at 13:00 UTC 2 Agust 2012

图选项

进一步融合高分辨率的风场信息，预期有效解决垂直和水平气流造成的雷达降水估测误差，但首先需要解决四维变分风场反演算法(牟容等，2007)的优化和业务化应用问题。同时，目前考虑根据雷达定量降水估测初始场与雨量计之间误差的空间分布特征，在校准过程中有选择地使用雨量计观测资料，以避免发生局部校准后雷达定量降水估测误差更大的情况。

“海葵”台风是2012年登陆中国的最强台风，登陆时台风中心附近最大风力高达14级(42 m/s)，也是近5年来唯一正面袭击浙江省的台风系统，是非常具有代表性的热带降水系统。虽然在4.1节的综合评估中，“海葵”台风影响期间，动态Z-R关系的雷达定量降水估测的系统误差较小，但从E_MA和E_RMS来看，局部误差仍然偏大。由4.4节可知，台风过程伴随着强烈的垂直气流和水平气流，也是台风期间雷达定量降水估测的一个重要误差源。更重要的是，台风降水具有非对称特征，局部区域内常发生强对流降水；诸如冷空气入侵、地形作用、外围中尺度系统作用和凝结潜热释放等多个因素，均会加剧台风降水的不对称性(钮学新等，2010)。其中，地形是加剧华东地区登陆台风降水不对称特征的一个重要因素：地形强迫产生的降水量与地形走向一致，在迎风坡导致降水增加，在背风坡导致降水减少；地形强迫有利于生成低层辐合和高层辐散的环境，从而激发中尺度对流云团，加剧台风降水的不对称分布(冀春晓，2007；钮学新等，2005，2010；姚丽娜等，2009；岳彩军，2009)。此外，一些研究(何会中等，2006)表明，台风系统通常包含多种不同类型的降水粒子，不同性质降水云系对台风降水的贡献不同。针对不同降水类型，使用相对单一的Z-R关系难免会导致雷达定量降水估测的局部高估与低估。

“海葵”台风的影响范围覆盖了浙江省大部分地区，但雷达回波的分布总体上并不均匀，相应的雷达回波和相关跟踪雷达回波矢量场表现出明显的不对称特征。图 12a中，较强的雷达回波明显集中位于浙江北部(台风右侧)，而浙江南部的雷达回波明显较弱；区域1中的相关跟踪雷达回波矢量在3个区域中最大，区域2位于台风的左前方，相关跟踪雷达回波矢量相对较小；区域3一直位于台风的左下方，相应的相关跟踪雷达回波矢量在3个区域中最小。图 12b中，杭州、宁波和舟山3个站点的反射率因子垂直廓线成典型的热带降水特征，区域2中，从衢州和金华2个雷达的反射率因子垂直廓线来看，2—3 km高度层存在较浅薄的对流，区域3中，温州雷达的反射率因子垂直廓线 1.5 km以上呈层云降水的特征，低层的反射率因子偏小，说明温州地区的水汽含量也相对较小。总体而言，台风的不对称特征与不同区域内的降水类型联系在一起。这意味计算台风系统的雷达定量降水估测时，除了要考虑到垂直和水平气流的影响，多样化的Z-R关系拟合方法同样非常必要。

图 12 2012年8月7日 22时(a)“海葵”台风的雷达回波特征及(b)各雷达站1 h平均反射率因子垂直廓线 Fig. 12(a)Characteristics of radar echo at 22:00 UTC 7 Agust 2012 and (b)the corresponding 1 h averaged VPR to the radar sites during Typhoon Haikui(2012)

图选项

目前并未专门针对台风系统的特点而对雷达定量降水估测算法进行优化改进，且如4.3节所述，也并未考虑同一次降水过程中，降水空间分布不均匀的特性。使用单一的动态Z-R关系，区域1—3中雷达定量降水估测评估如图 13a—c所示：区域1中，E_BIAS等于1，且E_M接近0，但E_MA和E_RMS均较大，虽然雷达定量降水估测的系统误差非常小，但仍存在明显的局部误差；区域2中，E_BIAS小于0.5，E_M、E_MA和E_RMS均偏大，雷达定量降水估测严重低估且局部误差均较大；区域3中，E_BIAS大于1，虽然E_M、E_MA和E_RMS较小，但雷达定量降水估测明显高估。台风系统登陆后，地形与台风系统的相互作用导致台风不同区域的降水类型发生了变化，使用单一的Z-R关系会造成雷达定量降水估测的局部高估和局部低估。

图 13 2012年8月8日00时区域1—3(a—c)局部校准前和(d—f)局部校准后的雷达1 h定量降水估测评估 Fig. 13 Evaluation of the radar QPE(a-c)before and (d-f)after local correction in the three regions at 00:00 UTC 08 August 2012

图选项

经最优插值法局部校准后的雷达定量降水估测评估(图 13d—f)，区域1—3中雷达定量降水估测评估一定程度上都得到改善：3个区域中的E_BIAS为1或接近1，E_M更接近0；区域1中的E_MA降低了14%，E_RMS降低了12%，C_C提高了12%；区域2中的E_MA降低了32%，E_RMS降低了38%，C_C提高了18%；区域3中的E_MA降低了21%，E_RMS降低了17%，但C_C并未提高。因而，经最优插值法校准后，虽然3个区域中的雷达定量降水估测还存在一些局部误差，但从整体而言，不同区域内的系统误差和局部误差都得到了有效降低。

本研究在介绍雷达组网拼图的定量降水估测及实时评估系统的基础上，对雷达定量降水估测的业务应用效果进行了综合评估和分类评估，讨论分析了不同降水类型云系的雷达定量降水估测误差源，得到如下结论：

(1)相比固定Z-R关系，动态Z-R关系可以较好地适应不同类型的天气过程，有效地降低了雷达定量降水估测的系统误差；经最优插值法校准后，不同降水云系的雷达定量降水估测的局部误差也得到有效的降低。整体而言，联合动态Z-R关系法和最优插值法的基于组网的雷达定量降水估测算法取得了较好的业务应用效果。

(2)层云云系的雷达定量降水估测易受到0℃层回波亮带的影响，在地物遮挡严重和雷达覆盖能力较差的区域中，会造成雷达降水估测的高估或低估。最优插值法的校准效果与雨量计的密度有关，在雨量计密度较大的区域，校准效果较好；雨量计密度较小的区域，校准效果相对较差。

(3)对于层云和对流云并存的降水云系，使用单一的Z-R关系，虽然可以最小化某一区域内的雷达定量降水估测的系统误差，但会造成其余区域内的雷达定量降水估测的高估或低估，这与降水的不均匀空间分布，以及不同类型降水云系的微物理过程有关。最优插值法一定程度上可以降低某区域内的雷达定量降水估测的系统误差，但局部误差仍然会很大。

(4)飑线系统过程的雷达定量降水估测误差与飑线系统伴随的垂直和水平气流有关。最优插值法对飑线锋后的雷达定量降水估测低估有一定的改善作用，但仍然存在一定的局部误差。

(5)虽然台风系统以热带降水为主，但台风本身具有不对称性特征，这会导致多种类型降水云系并存的情况，这种降水的空间分布不均匀会导致台风系统雷达定量降水估测的局部高估和局部低估。

(6)不同类型降水过程的雷达定量降水估测的业务应用效果评估及误差分析，为算法的进一步优化改进，提供了很好的参考信息。目前正在研发的基于局部反射率因子垂直廓线的近地面反演方法，预期可以降低因回波亮带造成的雷达定量降水估测高估或低估；正在研发的基于降水分团的Z-R关系拟合方法，可以在不同云团内部，使用多种Z-R关系反演地面降水信息，预期可以有效降低单一Z-R关系造成的雷达定量降水估测局部高估或低估；四维变分风场反演算法的优化，预期可以降低因垂直和水平气流导致的雷达定量降水估测误差。