基于地基微波辐射计反演的济南地区水汽及云液态水特征

doi:10.3969/j.issn.1673-503X.2017.05.005

气象与环境学报 ›› 2017, Vol. 33 ›› Issue (5): 35-43.doi: 10.3969/j.issn.1673-503X.2017.05.005

基于地基微波辐射计反演的济南地区水汽及云液态水特征

张秋晨, 龚佃利, 王俊, 张洪生

山东省人民政府人工影响天气办公室, 山东济南 250031

收稿日期:2016-09-02 修回日期:2016-12-14 出版日期:2017-10-30 发布日期:2017-10-30
作者简介:张秋晨,女,1986年生,工程师,主要从事人工影响天气研究,E-mail:zqc0904@163.com。
基金资助:
山东省气象局重点课题“空中云水资源监测评估与可催化条件分析技术研究”（2012sdqxz07）和山东省气象局青年科研基金项目“地基微波辐射计对水汽及云中液态水含量的观测分析”（2015SDQN16）共同资助。

Characteristics of water vapor and liquid water content retrieved by ground-based microwave radiometer in Ji'nan

ZHANG Qiu-chen, GONG Dian-li, WANG Jun, ZHANG Hong-sheng

Shandong Weather Modification Office, Ji'nan 250031, China

Received:2016-09-02 Revised:2016-12-14 Online:2017-10-30 Published:2017-10-30

摘要/Abstract

摘要： 基于德国RPG公司研制的14通道地基微波辐射计（RPG-HATRPO-G3）反演的2014年10月至2015年9月济南地区的水汽和液态水产品，分析了济南地区水汽和云液态水不同季节的月变化、日变化特征及其在强对流天气与小雨天气中的变化趋势。结果表明：2014年10月至2015年9月济南地区柱大气积分水汽量（Integrated Water Vapour，IWV）具有明显的月变化特征，其变化趋势与多年（1981-2010年）月平均降水量相关性较好，IWV夏季最高、冬季最低，四季IWV均具有弱的日变化特征，四季IWV标准偏差按照夏季、秋季、春季、冬季的顺序递减。对于济南地区春季、夏季、秋季3个季节有云无雨和降水前后液态水路径（Liquid Water Path，LWP）的数据，春季LWP可用数据量最少，夏季LWP可用数据量最多；月LWP在0-200 g·m^-2范围内的数据占总数据的比例最多，LWP数值越大，其所占比例越小。月LWP大于1000 g·m^-2数据的比例随着夏季的临近和降水量的逐渐增加也呈增加的趋势。IWV和LWP在强对流过程发生前均明显增长，数值大于1000 g·m^-2的LWP数据比例为53.41%；而小雨天气发生前IWV呈波动上升的趋势，LWP仅在临近降水时才明显增大，LWP数值主要分布在0-200 g·m^-2之间，占总数据的比例为86.56%。

关键词: 综合水汽含量, 液态水路径, 地基微波辐射计, 强对流

Abstract: Using integrated Water Vapor (IWV) and Liquid Water Path (LWP) data determined from 14-channel ground-based microwave radiometer named RPG-HATPRO-G3 during October of 2014 and September of 2015 in Ji'nan,seasonal,monthly,diurnal variation characteristics of IWV and LWP,as well as their variation tendencies in severe convective and spit weather were analyzed.The results show that IWV exhibited apparent monthly variation during the research period.The tendency of these variations had a relatively good correlation with the long-term monthly mean precipitations during 1981 and 2010,with the highest value in summer and the lowest value in winter.Diurnal variations of IWV were weak in all seasons,and the seasonal standard deviations were in the decreasing order of summer,autumn,spring,and winter.After counting the number of LWP data in spring,summer and autumn seasons,the number of available LWP data in cloudy days is the minimum in spring and the maximum in summer.The number of frequency the monthly LWP peaks between 0-200 g·m^-2 and declines with the increase of LWP.The number of frequency of the monthly LWP more than 1000 g·m^-2 gradually increases with the increasing precipitation in summer season.IWV and LWP increase significantly ahead of an intensive convective weather,and LWP above 1000 g·m^-2 accounts for 53.41%.IWV increases in a wave pattern before a period of spit weather,while LWP increases significantly near the beginning of spit weather.Monthly LWP concentrated between 0-200 g·m^-2 with the frequency of 86.56%.

Key words: Integrated Water Vapor, Liquid Water Path, Ground-based microwave radiometer, Severe convective

中图分类号:

P415.1⁺3

张秋晨, 龚佃利, 王俊, 张洪生. 基于地基微波辐射计反演的济南地区水汽及云液态水特征[J]. 气象与环境学报, 2017, 33(5): 35-43.

ZHANG Qiu-chen, GONG Dian-li, WANG Jun, ZHANG Hong-sheng. Characteristics of water vapor and liquid water content retrieved by ground-based microwave radiometer in Ji'nan[J]. Journal of Meteorology and Environment, 2017, 33(5): 35-43.

0
/ / 推荐

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://www.jme1984.net.cn/CN/10.3969/j.issn.1673-503X.2017.05.005

http://www.jme1984.net.cn/CN/Y2017/V33/I5/35

参考文献

[1] Hocke K,Kampfer N,Gerber C,et al.A complete long-term series of integrated water vapour from ground-based microwave radiometers[J].International Journal of Remote Sensing,2011,32(3):751-765.
[2] Kneifel S,Crewell S,Lohnert U,et al.Investigating water vapor variability by ground-based microwave radiometry:Evaluation using airborne observations[J].IEEE Geoscience and Remote Sensing Letters,2009,6(1):157-161.
[3] 陈超,郭晓军,邱晓斌,等.中国华北地区云垂直结构及云水含量卫星遥感研究[J].气象与环境学报,2015,31(5):159-164.
[4] 谢松元,杨扬,杨军.辽宁层状云微物理结构的水平变化特征[J].气象与环境学报,2008,24(1):5-8.
[5] Cahalan R F,Silberstein D,Snider J B.Liquid water path and plane-parallel albedo bias during ASTEX[J].Journal of the Atmospheric Sciences,1995,52(16):3002-3012.
[6] 刘红燕.三年地基微波辐射计观测温度廓线的精度分析[J].气象学报,2011,69(4):719-728.
[7] 刘健,于勇,蒋彤,等.吉林省层状云中过冷水含量分布特征及人工增雨潜力研究[J].气象与环境学报,2004,20(4):29-30.
[8] 邓育鹏,董晓波,吕锋,等.河北省降水性层状云宏微观物理特征[J].气象与环境学报,2013,29(3):29-34.
[9] 杨大生,王普才.中国地区夏季6-8月云水含量的垂直分布特征[J].大气科学,2012,36(1):89-101.
[10] Madhulatha A,Rajeevan M,Ratnam M V,et al.Nowcasting severe convective activity over southeast India using ground-based microwave radiometer observations[J].Journal of Geophysical Research:Atmospheres,2013,118(1):1-13.
[11] Chan P W.Performance and application of a multi-wavelength,ground-based microwave radiometer in intense convective weather[J].Meteorologische Zeitschrift,2009,18(3):253-265.
[12] Chan P W,Hon K K.Application of ground-based,multi-channel microwave radiometer in the nowcasting of intense convective weather through instability indices of the atmosphere[J].Meteorologische Zeitschrift,2011,20(4):431-440.
[13] 唐仁茂,李德俊,向玉春,等.地基微波辐射计对咸宁一次冰雹天气过程的监测分析[J].气象学报,2012,70(4):806-813.
[14] Cossu F,Hocke K,Mätzler C.A 10-year cloud fraction climatology of liquid water clouds over bern observed by a ground-based microwave radiometer[J].Remote Sensing,2015,7(6):7768-7784.
[15] 张萍萍,吴翠红,祁海霞,等.2013年湖北省两次降雪过程对比分析[J].气象,2015,41(4):418-426.
[16] Guo X L,Fu D H,Li X Y,et al.Advances in cloud physics and weather modification in China[J].Advances in Atmospheric Sciences,2015,32(2):230-249.
[17] 雷恒池,魏重,沈志来,等.微波辐射计探测降雨前水汽和云液水[J].应用气象学报,2001,12(S1):73-79.
[18] 张文刚,徐桂荣,颜国跑,等.微波辐射计与探空仪测值对比分析[J].气象科技,2014,42(5):737-741.
[19] 张文刚,徐桂荣,廖可文,等.降水对地基微波辐射计反演误差的影响[J].暴雨灾害,2013,32(1):70-76.
[20] 曹云昌,陈永奇,李炳华,等.利用地基GPS测量大气水汽廓线的方法[J].气象科技,2006,34(3):241-245.
[21] 田磊,孙艳桥,胡文东,等.银川地区大气水汽、云液态水含量特性的初步分析[J].高原气象,2013,32(6):1774-1779.

基于地基微波辐射计反演的济南地区水汽及云液态水特征

Characteristics of water vapor and liquid water content retrieved by ground-based microwave radiometer in Ji'nan

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	于志明, 王驷鹞, 马冬亮. 渤海海洋气象灾害天气分型与预报指标研究[J]. 气象与环境学报, 2018, 34(1): 106-111.
[2]	刘飞, 肖鹏, 黄宁立, 方哲卿, 谢潇. 上海地区两次强对流天气过程灾害成因及预警研究[J]. 气象与环境学报, 2017, 33(2): 28-36.
[3]	李崇, 吉曹翔, 夏传栋, 张治, 李典, 孟鹏, 班伟龙, 梁红. 沈阳地区强对流天气潜势预报环境参数特征分析[J]. 气象与环境学报, 2016, 32(6): 43-51.
[4]	周丽雅, 王凯, 刘倪. 基于Logistic回归蚌埠地区致灾雷电预报研究[J]. 气象与环境学报, 2016, 32(5): 147-153.
[5]	王颖,刘一玮,何群英,李英华. 天津局地暴雨特征及落区预报分析[J]. 气象与环境学报, 2014, 30(6): 52-60.
[6]	张宁,苏爱芳. 豫西地形对一次强降水过程的影响分析[J]. 气象与环境学报, 2014, 30(6): 16-24.
[7]	应爽, 袁大宇, 李尚锋 . 一次东北冷涡不同阶段强对流天气特征对比分析[J]. 气象与环境学报, 2014, 30(4): 9-18.
[8]	蔡义勇,王宏,余永江. 1991—2008年福建省强对流天气特征[J]. 气象与环境学报, 2012, 28(6): 38-43.
[9]	罗玲, 胡亮, 何金海, 娄小芬. 东北冷涡背景下浙江省两次强降水过程的对比分析[J]. 气象与环境学报, 2011, 27(6): 35-42.
[10]	马鸿青, 丁治英, 张会, 王志超. 2009年5月冀中南一次春季大暴雨成因分析[J]. 气象与环境学报, 2011, 27(5): 32-37.
[11]	翟菁, 周后福, 张建军, 黄勇. 基于指标叠套法的安徽省强对流天气潜势预警研究[J]. 气象与环境学报, 2011, 27(2): 1-7.
[12]	石燕茹, 寿绍文, 王丽荣, 杨荣珍, 赵严厂. 风暴相对螺旋度与强对流天气类型的关系分析[J]. 气象与环境学报, 2011, 27(1): 65-71.
[13]	高万泉, 周伟灿, 李玉娥. 华北一次强对流暴雨的湿位涡诊断分析[J]. 气象与环境学报, 2011, 27(1): 1-6.
[14]	陈传雷,吴晓峰,孙晓巍,王颖,王太微,魏晓琳. 辽宁省强对流性天气的气候特征分析[J]. 气象与环境学报, 2010, 26(3): 27-33.
[15]	王丽荣,杨荣珍,李朝华,许宏利. 多普勒雷达三维拼图资料在强对流天气监测中的应用[J]. 气象与环境学报, 2009, 25(5): 18-23.