Page 230 - 《高原气象》2025年第6期
P. 230
高 原 气 象 44 卷
1638
天对流边界层发展成熟期， 但上午对流发展过渡期
偏高。此外， 总体上， 基于后向散射反演的边界层
高度高于基于位温廓线的结果， 即物质边界层高于
热力边界层， 这与 Seibert（2000）指出的基于激光雷
达估算的混合层高度与温度廓线得出的值相比存
在正偏差一致。
3. 3 混合算法适用性讨论
利用 SG 25/25 平滑方案结合 Flamant 和最大负
梯度混合算法， 反演得到研究区 2020 年 8 月 27 日
至 2023 年 8 月 1 日的边界层高度， 剔除后向散射强
度数据严重缺失日（缺失 2 h 以上数据）和降水时次
图5 2023年7月21日SG 25/25平滑方案下Flamant算法 的反演结果， 利用式（4）计算了反演结果的有效
的大气边界层高度反演结果 率， 结果表明研究期间反演结果的有效率和低云对
Fig. 5 The atmospheric boundary layer height inversion 应率分别为 83. 79% 和 1. 37%。其中， 白天反演结
results of the Flamant algorithm under the SG 25/25 果的有效率为 72. 13%， 低云对应率为 1. 93%， 夜间
smoothing scheme on 21 July， 2023 反演结果有效率约为 94. 66%， 低云对应为 0. 84%。
高仪内部算法也能提供 1 h 平均的混合层高度， 提 将混合算法的有效反演结果（标记为 0 和 2）进行小
取与探空时次最接近时刻的混合层高度， 与探空反 时平均后， 与云高仪内部算法提供的小时平均混合
演结果进行相关分析， 并计算两者的平均绝对偏 层高度进行对比［图 7（a）］， 结果表明两者相关性为
差， 结果表明两者相关系数为 0. 37 （P<0. 01）， 平 0. 71（通过了 α=0. 01 的显著性检验）， 平均偏差为
**
均绝对偏差约为 441 m， 表明加强观测期间 SG 25/ 80. 15 m， 不同季节两者的相关系数在0. 63（冬季）~
25 平滑方案结合 Flamant_最大负梯度混合算法反 0. 73（夏秋季）之间。对两者的边界层高度分时次
演的边界层高度优于云高仪内部算法的结果。 进行相关分析（均通过了 α=0. 01 的显著性检验），
从边界层高度日变化对比（图 6）中也可以看 并计算平均偏差［图 7（b）］可以看出， 两者的相关性
出， 利用云高仪后向散射信号结合 Flamant 和最大 在不同时次存在差异， 10:00 -20:00 相关性较高，
负梯度混合算法反演的边界层高度日变化与用位 超过了 0. 58。总体上， 混合算法反演的边界层高度
温廓线得到结果一致， 特别是夜间稳定边界层和白 偏高。
表4 不同混合算法方案得到的边界层高度与基于位温廓线的边界层高度的对比
Table 4 Boundary layer heights obtained by different hybrid algorithm schemes
VS. boundary layer heights determined from potential temperature profiles
平滑方案
混合算法方案
12 min/90 m 12 min/130 m 12 min/150 m 12 min/360 m Caicedo SG25/25
Flamant_ 相关系数 0. 48 *** 0. 48 *** 0. 50 *** 0. 40 *** 0. 20 0. 56 ***
最大负梯度法 平均绝对偏差/m 466 449 453 502 516 406
Flamant_ 相关系数 0. 53 *** 0. 52 *** 0. 54 *** 0. 40 ** 0. 30 * 0. 56 ***
三大负梯度评估法 平均绝对偏差/m 586 518 510 607 492 498
Flamant_ 相关系数 0. 29 * 0. 32 * 0. 36 ** 0. 27 * 0. 11 0. 38 **
百分比波动法 平均绝对偏差/m 695 597 590 643 614 579
Flamant_ 相关系数 0. 49 *** 0. 48 *** 0. 49 *** 0. 43 ** 0. 17 0. 49 **
拐点法 平均绝对偏差/m 429 454 460 459 532 517
*代表P<0. 05； **代表P<0. 01； ***代表P<0. 001 ［Asterisks denote statistical significance （*P < 0. 05； **P < 0. 01； ***P < 0. 001）］
混合算法能较为准确地识别和反映不同天气 算法反演结果波动较大， 特别是白天， 通过时间平
状况下边界层高度的日变化特征［图 8（a）~（d）］， 由 均能够有效提升其连续性［图 8（a）， （b）， 11:00 -
于时间分辨率较高（16 s）， 当边界层较高时， 混合 20:00］， 当云高仪提供结果存在缺失时， 混合算法
