GPM 衛星探測四川“5·21”特大暴雨的降水結構特征分析

袁 敏 , 李 玫 , 閆美林 , 陳永仁 , 賈志杰 , 吳 戈

（1.中國民用航空飛行學院，廣漢 618307；2.四川省氣象災害防御技術中心，成都 610072；3.中國港灣工程有限責任公司，北京 100027）

引 言

暴雨是中國的主要災害之一，其發生大多集中在5—8 月[1]。四川位于青藏高原東南側，東部是四川盆地以及邊緣山地，西部是川西高原及山地，東、西部降水特征存在顯著差異[2-4]，尤其是西部地表起伏懸殊，更容易觸發對流發展[5-9]，發生暴雨和大暴雨的頻次也相對較高[10-12]。因此，研究四川地區極端降水的宏微觀結構，以及降水云團的熱力、動力特征，具有重要的科學意義和應用價值。

全球降雨觀測衛星（Global Precipitation Measurement，GPM）和熱帶測雨衛星（Tropical Rainfall Measuring Mission，TRMM）是降水結構研究領域中應用較廣的衛星。GPM 衛星搭載了雙頻降水雷達（Dual-frequency Precipitation Radar，DPR）和微波成像儀（GPM Microwave Image，GMI），DPR 雙頻雷達的頻率分別為35.5 GHz （KaPR）和13.6 GHz （KuPR），由于不同頻率對降水粒子的響應程度不同，GPM 開發了基于雙頻算法的DPR L2A 產品，其有效性已經被眾多學者所證實，并且其各項探測能力都優于TRMM 衛星。已有多項研究[13-17]表明GPM 產品數據比TRMM 產品數據精確度更高、范圍更廣、時空分辨率更高。

近年來，TRMM 和GPM 衛星資料被廣泛應用于分析不同地區不同天氣系統的降水結構特征[18-25]，西南區域也是研究重點。例如，蔣璐君等[26]對比研究了一次西南渦和一次高原渦強降水系統的三維結構特征，發現高原渦降水系統的強度和范圍都大于西南渦。李劍婕等[27]利用GPM 資料對比了不同地形和海拔降水系統的差異，發現盆地的層狀云降水比山區和高原更強、雨滴譜較寬，盆地的強對流降水回波較強、垂直尺度較大，大粒子數濃度較高。仲凌志等[28]利用11 年的TRMM 資料建立了川渝地區降水的氣候態反射率垂直廓線。于浩慧等[29]比較了GPM-IMERG和多源實況融合降水產品在西南山地范圍的時間、空間技巧評分，以及在描述降水量及強降水頻率方面的適用性。綜上可知，四川地區降水系統的結構研究已取得了若干有意義的進展，但利用新型衛星資料對四川地區強降水個例進行系統性研究的成果仍不多見。為此，本文利用GPM 衛星的DPR L2A 等產品，對2018 年5 月21—22 日四川一次區域性強降水的結構及宏微觀特征進行分析，旨在加深對四川暴雨天氣系統發生發展規律及其物理機制的認識。

1 資料與方法

研究資料包括四川省自動氣象觀測站降水數據和GPM 衛星的DPR L2A、GMI L1C、GPROF L3 產品數據。DPR L2A 產品包含了降水率、雷達反射率因子、降水類型、粒子數濃度參數和粒子有效半徑等參量，水平分辨率為5 km×5 km，垂直分辨率為125 m；GMI L1C 產品包含微波亮溫數據，水平分辨率為13 km×13 km；GPROF L3 產品包含云冰、云冰、雨水路徑和含量等參量，水平分辨率為25 km×25 km。

研究采用歸一化等頻率高度分布（Normalized Contoured Frequency by Altitude Diagrams，NCFAD）的方法，由此揭示云的垂直結構特征[30-31]，即某物理量在某一高度、某值域的出現次數占所有高度層上出現次數的百分比，具體公式如下：

式中：NZ(i，j)表示在第i高度層、第j個值域范圍的樣本數。

2 降水結構特征分析

2.1 降水概況

2018 年5 月21—22 日，四川地區發生了一次區域性強降水天氣，圖1 給出了此次天氣過程降水總量的空間分布。如圖所示，根據國家氣象局頒布的降水強度等級劃分標準，此次過程為特大暴雨天氣（24 h 降水總量≥250.0 mm)，有5 個站點降水量大于250.0 mm，有35 個站點降水量大于175.0 mm，有267 個站點降水量大于100.0 mm；其中南溪站、屏山站、長寧站、峨眉山站、臨水站、夾江站小時降水強度偏大，其最大小時降水量分別為114.9 mm、98.1 mm、76.1 mm、62.4 mm、52.3 mm、50.9 mm。

圖1 2018 年5 月21—22 日四川降水總量空間分布（單位：mm）

2.2 水平結構特征

本次過程中，GPM 衛星過境四川省東南區域3 次，但僅在5 月21 日15:31（世界時）捕捉到完整的降水信息，過境時間處在強降雨發生的時段內，可見GPM 衛星數據能用于表征本次強降水的結構特征。圖2a 給出了2018 年5 月21 日15:31 GMI 89 GHz 水平極化通道探測的微波亮溫分布，該通道對云中固態粒子較為敏感，能探測出暴雨云團頂部冰相粒子的亮溫。如圖所示，該暴雨云團的范圍較大，亮溫低于200 K 區域的東西長度約為300 km，為α 中尺度對流系統[32]。DPR將觀測的降水云類型分為三類，分別是層狀云降水、對流云降水以及其他云降水[33]。檢測到0 ℃層亮帶時，判別為層狀云降水；若0 ℃亮帶附近的雷達回波大于39 dBZ，或未檢測到0 ℃亮帶但風暴頂以下雷達回波大于39 dBZ，認為是對流云降水；其余為其他類型降水。圖2b 給出了DPR 探測的降水云類型分布。對DPR 探測的暴雨云團范圍內降水類型進行統計得出，該時刻層狀云樣本量為2665，對流云樣本量為1087，其他云的樣本量為478，層狀云與對流云樣本量的比例約為2.5:1，說明層狀云降水的發展范圍遠超對流云降水。圖2c 為DPR 探測的近地表雷達反射率因子分布。如圖所示，該α 中尺度對流系統中包含有許多β 中尺度對流系統；雷達反射率因子高值區位于104°E、29°N 附近，最大值超過60 dBZ；由于DPR 探測的軌道寬度比GMI 窄，因此DPR 未能探測到GMI探 測 的 微 波 亮 溫 低 值 區（105°E、29°N）。圖2d 為DPR 探測的近地表降水率分布。如圖所示，降水率的空間分布特征與雷達反射率因子相似，高值區位于104°E、29°N 附近，最大值超過50 mm·h-1。

圖2 2018 年5 月21 日15:31 GMI 89 GHz 水平極化通道探測的微波亮溫（a，單位：K），DPR 探測的降水云類型（b）、近地表雷達反射率因子（c，單位：dBZ）及降水率（d，單位：mm·h-1）

2.3 降水垂直結構特征

為了揭示暴雨云團的垂直結構特征，圖3 給出了垂直于軌道方向、經過近地面降水率最大區域且沿圖2d 中紅線的DPR 探測對流云和層狀云降水率經度-高度剖面。從圖3a 可看出，暴雨區域對流云最大高度超過了12 km，說明云團內部對流活動非常旺盛，上升氣流較強；沿著線段方向上出現了多個對流單體，其中最大對流單體位于103.5°～104°E，范圍接近50 km，為超級單體風暴；最大降水率出現在該超級單體風暴內約2 km 高度，最大值達到200 mm·h-1，其他對流單體的降水率接近50 mm·h-1。從層狀云降水率剖面（圖3b）可以看出，層狀云發展高度超過10 km，降水率數值大多低于20 mm·h-1，且隨高度的變化率較小。

圖3 2018 年5 月21 日15:31 沿圖2d 紅線的DPR 探測（a）對流云和（b）層狀云降水率（單位：mm·h-1）經度-高度剖面

為進一步分析暴雨區降水率的垂直結構，圖4 給出暴雨區域（102°～105°E，28.5°～30°N）對流云與層狀云區域平均的降水率廓線。如圖所示，所有高度上對流云降水率都大于層狀云降水率。層狀云降水率在1 km 以下隨高度的增加而增大，在1 km 高度達到最大值（2.7 mm·h-1）；在1～5 km 高度，降水率隨高度減小幅度較小，數值約為2.0 mm·h-1；在5 km 以上高度，降水率隨高度大幅減小。對流云降水率在2 km 以下隨高度增加而增大，最大值出現在2 km 左右（14 mm·h-1），約是層狀云最大降水率的5 倍，表明對流云對暴雨的貢獻更大，且激烈的雨滴碰撞都發生在此高度；在2 km以上高度，降水率隨高度增加迅速減??；在5 km 高度，降水率下降至2 km 高度的一半，說明降水粒子主要集中在對流層中下層。

圖4 2018 年5 月21 日15:31 DPR 探測的對流云（紅線）與層狀云（黑線）區域平均的降水率廓線（單位：mm·h-1）

為了分析暴雨云團中水凝物的垂直分布特征，圖5a和圖5b 分別給出了經過暴雨降水率最大區域且沿104.125°E 的云冰和雨水含量緯度-高度剖面。如圖5a所示，云冰粒子集中在14～16 km 高度，最大云冰含量位于29°N，數值大于0.25 g·m-3。如圖5b 所示，雨水粒子的高度集中在0～6 km，最大雨水含量大于1.0 g·m-3，位于28.5°N 附近。最大雨水含量位置與最大云冰含量位置不一致，說明云體發生傾斜而非垂直發展，環境風場有較強的垂直切變，有利于強對流發生發展。

圖5 2018 年5 月21 日GMI 反演的沿104.125°E 云冰（a）和雨水（b）含量緯度-高度剖面（單位：g·m-3），（c）區域平均云冰和雨水含量廓線（單位：g·m-3）

圖5c 給出了暴雨區域（102°～105°E，28.5°～30°N）內云冰和雨水區域平均的含量廓線。如圖所示，云冰含量峰值大于3 g·m-3，位于15 km 高度，14 km 云冰含量基本為零。雨水主要集中在3 km 以下高度，且隨高度變化較小，含量約為0.75 g·m-3，3 km 以上雨水含量迅速減小。區域平均的最大云冰含量大于雨水含量，這是由于暴雨云團發展出面積較大卷云，卷云中含大量冰晶所致。

為了揭示暴雨區對流云和層狀云的三維宏觀分布特征，圖6 給出了暴雨區（102°～105°E，28.5°～30°N）對流云降水和層狀云降水雷達反射率因子的NCFAD分布特征。從圖6a 中可知，對流云最高發展到18 km高度，降水粒子主要集中在2～12 km 高度范圍，雷達反射率因子的數值介于15～53 dBZ。反射率因子高頻中心數值從10 km 的18 dBZ 增加到5 km 的40 dBZ，5～7 km 高度增加最快，且發生在0 ℃層以上，說明云粒子在此高度層增長速度最快，對流活動最劇烈。5 km以下高度，反射率因子高頻區的數值超過40 dBZ，且隨高度變化不大，說明在該高度范圍內降水粒子增長速度小。

圖6 2018 年5 月21 日15:31 對流云降水（a）和層狀云降水（b）雷達反射率因子的NCFAD

從圖6b 可以看出，層狀云降水發展高度比對流云略低，反射率因子及其高頻中心數值的范圍分別為15～40 dBZ 和15～30 dBZ，均比對流云窄。5～8 km 高度的反射率因子高頻中心數值約為23 dBZ，在2～5 km之間增加至30 dBZ 左右，0 ℃層附近增加較明顯，但增加幅度比對流云小，說明層狀云垂直上升運動較弱，降水粒子增長較緩慢。

為了進一步揭示暴雨區對流云和層狀云的三維微觀分布特征，圖7 給出了對流云降水和層狀云降水粒子數濃度參數和有效粒子半徑的NCFAD 分布特征。從圖7a 可以看出，對流云降水粒子數濃度參數范圍為20～43 mm-1·m-3，4 km 高度以下出現35 mm-1·m-3和38 mm-1·m-3的高頻雙峰分布。如圖7c 所示，對流云有效粒子半徑范圍為0.6～3.2 mm，高頻區數值從對流層高層的1.2 mm 增加到低層的2.0 mm，4～7 km 增加最顯著，說明該范圍內上升氣流強烈，降水粒子上下運動時碰并增長顯著。對流云降水粒子數濃度參數和有效粒子半徑高頻區的數值在低層的顯著增加，造成了反射率因子高頻中心的數值也顯著增加，且出現了最大值40 dBZ（圖6a）。4 km 以下高度，有效粒子半徑在0.8 mm 附近出現另一高頻區，對應反射率因子在18 dBZ 也出現了次高頻區，說明該范圍雨滴蒸發和破碎過程明顯。

圖7 2018 年5 月21 日15:31 對流云（a、c）和層狀云（b、d）降水粒子數濃度參數（a、b）和有效粒子半徑（c、d）的NCFAD

層狀云降水粒子數濃度參數分布于27～42 mm-1·m-3，范圍比對流云的范圍窄，數濃度參數高頻區數值集中在33 mm-1·m-3附近，且7 km 以下隨高度變化不明顯（圖7b）。層狀云降水粒子有效半徑范圍為0.8～2.3 mm，比對流云的范圍窄，2～7 km 高度的粒子有效半徑高頻區數值為1.2 mm，且隨高度變化不大，低于對流云降水的數值，說明層狀降水粒子增長速率較慢、濃度變化不大（圖7d）。層狀云降水粒子數濃度參數和有效粒子半徑高頻區的數值隨高度變化不大，造成了反射率因子高頻中心的數值隨高度增加較對流云降水慢，增加的原因與粒子的相態變化有關。

3 結論與討論

本文利用GPM 衛星資料研究了2018 年5 月21日四川的一次特大暴雨過程，分析了降水的水平、垂直結構以及及宏微觀物理特征，得到以下主要結論：

（1）此次特大暴雨過程是由一個α 中尺度對流系統造成，其中又包含許多β 中尺度對流系統。層狀云的范圍超過對流云，兩者的樣本比例為2.5:1。

（2）暴雨區對流云最大降水率是層狀云降水率的5 倍。對流云最大降水率的高度為2 km，并隨高度上升迅速下降。層狀云最大降水率的高度為1 km，且1～5 km 之間變化較小。

（3）云冰粒子集中在14～16 km 高度，雨水粒子集中在0～6 km 高度。最大云冰含量大于最大雨水含量，說明降水云團高層有大量卷云。最大雨水含量位置與最大云冰含量位置不一致，說明環境風場有較強的垂直切變。

（4）對流云降水反射率因子高頻區數值隨高度下降顯著上升，5 km 以下達到最大值40 dBZ 左右，5～7 km高度增加最快，對流活動在此高度范圍最劇烈，5 km以下高度，高頻區數值隨高度變化不大。層狀云降水的反射率因子高頻區數值比對流云降水低，在0 ℃層附近增加較明顯，但隨高度增加程度較對流云降水小。

（5）對流云降水有效粒子半徑高頻區在4～7 km之間增加最快，該范圍內粒子碰并增長顯著，4 km 以下出現另一高頻區，雨滴蒸發和破碎過程明顯。粒子數濃度參數和有效粒子半徑高頻區的數值在低層的顯著增加，造成反射率因子高頻中心的數值也顯著增加。層狀云降水粒子數濃度參數和粒子有效半徑的范圍比對流云窄，隨高度變化不明顯，造成反射率因子高頻中心的數值隨高度增加較對流云降水慢，增加的原因與粒子的相態變化有關。

另外，與華南地區降水結構[34]相比，四川地區對流云降水和層狀云降水反射率因子高頻區出現的高度較高，高頻區對應的數值更大，說明四川降水發展高度更高且強度更強；四川地區對流云降水數濃度參數較小，低層的有效粒子半徑較大，高層小粒子更多，說明四川對流降水粒子增長顯著?？傊?，兩個地區層狀云降水的數濃度參數和有效粒子半徑特征相似，云粒子群在中底層增長速率減緩、粒子群濃度變化不大。需要指出的是，本文僅分析了一次降水過程，對四川地區暴雨結構的認識還不夠全面深入，故下一步將收集更多的暴雨個例，對其結構特征進行合成分析，并探究暴雨結構與地形及海拔的關系，豐富對四川地區暴雨結構特征的認識，為暴雨預測預警提供參考。