Page 276 - 《高原气象》2026年第5期
P. 276
高 原 气 象 45 卷
1492
的 6 部 S 波段雷达(沧州雷达、 秦皇岛雷达、 石家
庄雷达、 邯郸雷达、 北京雷达、 天津雷达)和 2 台 C
波段雷达(承德雷达、 张家口雷达), 雷达覆盖范围
与冰雹记录点如图 3 所示。
图4 技术路线图
Fig. 4 Technology road map
H T
图3 2019—2023年研究区域河北冰雹事件(▲)以及 SHI = 0.1 ∫ W T ( H ) EdH (3)
H 0
雷达站点位置(★)
ì 0 H ≤ H 0
虚线圆圈表示雷达覆盖范围 ï ï
ï ï H - H 0
Fig. 3 Hail events (▲) in Hebei Province and the locations W T ( H ) = í H m20 - H 0 H 0 < H < H m20 (4)
ï ï
of radar stations (★) within the study area from 2019 to ï ï 1
î
2023. The dotted circles indicate radar coverage areas n H ≥ H m20
(5)
SHI = ∑ W T ( H i) E i ΔH i
3 研究方法 i = 1
式中: Z 为雷达反射率因子(单位: dBZ); E 为冰雹
-2
-1
本研究旨在系统评估雷达参数在冰雹识别与 动能通量(单位: J·m ·s ); 权重函数 W(Z)可以用
尺寸预估中的能力, 技术路线如图 4 所示。首先, 来定义雨和冰雹反射率之间的过渡区, 在本算法
基于雷达观测数据计算 5 种冰雹识别参数; 接着, 中, Z =40 dBZ, Z =50 dBZ。W(H)为风暴顶高度
L
T
U
的权重函数; H 为 0 ℃层高度(单位: km); H 为
利用核密度估计分析参数的区分能力; 最后, 通过 0 m20
-20 ℃层高度, 二者均可由 ERA5 所提供的资料获
混淆矩阵计算多种技能评分, 以确定单参数及多参
取。所使用的雷达数据为拼图数据, 因此所采用的
数组合的最佳识别阈值, 再通过距离平均法提高冰
方法为分段求和[式(5)], ΔHi 为拼图高度。通过
雹尺寸预估能力。
将 SHI转换为 MESH[式(6)]。Murillo and Homeyer
3. 1 冰雹探测算法
(2019)提出了分位数回归模型, 得到了最大预期冰
Witt et al.(1998a)提出的 MESH 是用来评估冰 雹尺寸 75 百分位(MESH )和最大预期冰雹尺寸 95
75
雹发生频率和尺寸的常见工具。该指标基于与强 百分位(MESH )改进的估算[式(7)]。
95
冰雹指数 SHI(Strong Hail Index)之间的幂次关系, MESH = 2.54(SHI ) 0.5 (6)
定义如下: MESH 75 = 16.566(SHI ) 0.181 (7)
E = 5 × 10 × W (Z) × 10 0.084Z (1) MESH 95 = 17.270(SHI ) 0.272
-6
ì 0 Z ≤ Z L POSH 是使用以下简单的经验关系从 SHI 中得
ï ï 出的; WT 为警报阈值, 如果 WT<20 J·m ·s , 则
-1
-1
ï ï Z - Z L
W (Z ) = í Z L < Z < Z U (2) -1 -1
ï ï Z U - Z L WT设置为20 J·m ·s 。
ï ï 1 Z ≥ Z U WT = 57.5H 0 - 121 (8)
î

