Page 119 - 《高原气象》2021年第5期
P. 119
高 原 气 象 40 卷
1080
与雨强 R 的散点分布，以及幂函数（19）式的拟合线 同特征的雨滴谱随着阶矩的增大有明显不同的变
（图中实、点划线）。首先，散点分布显示了不同阶 化特征，12:36-12:38 是蒸发谱［图 5（a）］，以及
矩与雨强 R 之间的关系，0 阶矩表示雨滴浓度与雨 12:53、13:08、13:10［分别见图 5（c）、（b）、（d）］有较
强的关系，随着雨强增大雨滴浓度还是逐渐增大 多大粒子，所以在高阶矩时增大的很快（图 9 中空
的，但数据点比较分散。3、4 阶矩与雨强的相关性 心圆点），去掉这些点后，幂函数拟合线（图 9 中点
比较好，5、6 阶矩相关性又变差。而指数 bn（n=0~ 划线）与所有资料的拟合线（图 9 中黑色实线）有明
6）由小于 1. 0（0≤n≤3）而变为大于 1. 0（4≤n≤6）。不 显不同。
图9 2019年8月9日降水雨滴谱不同阶矩Ω 与雨强R散点分布
n
图9 Scatter plots representing the rain rates versus the moments of different order at Jinan on 9 Augest 2019
图 10（a）中 bn（0≤n≤6）数据点不在一条直线， bn = 0.103 + 0.204(n + 1) （22）
有两个峰值。指数 bn（1≤n≤6）和阶矩 n 之间的线性 去掉少量数据点后，给出的 α 和 β 明显不同，
回归方程为： 由此计算的 Z-R 关系的指数 b 也是有很大差异（图
bn = 0.716 + 0.063(n + 1) （21） 10）。Sempere et al（1998）研究表明，有的降水过程
去掉部分数据点后［图 10（b）］，除了 0 阶矩的 雨滴谱特征可能会改变一次或多次，导致 β 值的变
数据点外，其他数据很好地分布在一条线上，有很 化。本次个例表明，少量具有不同特点的雨滴谱数
高的相关系数。指数 bn (1 ≤ n ≤ 6) 和阶矩 n 之间的 据在高阶矩产生不同效果，导致 β和 α有显著改变。
线性回归方程为： 从 8 月 9 日 全 部 数 据（0809-1）和 去 掉 少 量 数 据
