基于對流風暴結構的雙偏振雷達ZDR 柱識別及應用研究*

潘佳文 徐鳴一 吳舉秀 吳偉杰 鄭秀云 彭 婕 韓頌雨

1.廈門市海峽氣象開放重點實驗室，廈門市氣象局，廈門，361012

2.中國氣象局氣象探測中心，北京，100081

3.山東省氣象防災減災重點實驗室，山東省氣象工程技術中心，濟南，250031

4.浙江省氣象信息網絡中心，杭州，310000

1 引 言

強對流天氣具有空間尺度小、突發性強、發展演變迅速的特點，防御難度大且破壞力強。針對引發強對流天氣的對流風暴進行識別，提取其形態特征，能有效提高對強對流天氣的預報、預警水平，對于防災、減災意義重大。

天氣雷達作為一種主動探測設備，以其高時、空分辨率的特點成為研究對流風暴的極佳觀測手段。隨著天氣雷達技術的不斷發展，氣象學家關于對流風暴的認知也不斷加深和完善。早在20 世紀60 年代，Browning（1962）就根據天氣雷達的反射率因子特征定義了超級單體的概念，并指出超級單體的反射率因子具有弱回波區或有界弱回波區等形態特征。

與此同時，基于反射率因子的風暴識別、跟蹤與預報算法經過數十年的發展，也日漸成熟（Dixon，et al，1993；Johnson，et al，1998），其中最具代表的算法包括SCIT（Storm Cell Identification and Tracking）和TITAN（Thunderstorm Identification，Tracking，Analysis，and Nowcasting），目前SCIT算法已廣泛應用于中國新一代天氣雷達系統中。

然而，上述風暴識別、追蹤與預報算法的預報模塊都是基于外推算法，其結果常與風暴的實際演變存在偏差，這仍是制約短時臨近預報準確率的瓶頸問題。張培昌等（2001）指出，用于描述對流風暴演變的反射率因子及其二次產品并不一定與對流風暴的演變趨勢保持一致，如風暴在發展到最強盛階段后，上升運動明顯減弱，其上部的大冰雹開始下落并融化，雷達觀測到的冰雹反射率因子數值卻明顯增大，這與風暴整體減弱的趨勢正好相反。此外，當風暴的強度再度增強時，可發現風暴體內的上升氣流有再次增強的現象（王俊等， 2011； 潘佳文等， 2021）。因此，戴建華（2013）認為刻畫風暴演變的關鍵在于獲取上升運動及其變化的信息。

雙偏振雷達通過發射水平和垂直兩種偏振電磁波，除獲得反射率因子（ZH）外，還可得到差分反射率因子（ZDR）、差分傳播相移率（KDP）和相關系數（CC）等雙偏振參數。這些參數與降水粒子的相態、形狀、空間取向和分布等密切相關，可用于識別特定的微物理和動力過程。其中，ZDR柱作為對流風暴中最顯著的雙偏振雷達特征之一，其發展演變與對流風暴內部的動力與微物理結構存在密切關系，對于對流風暴的發展演變具有重要的指示意義。

在對流風暴的上升氣流中存在正浮力和正溫度擾動，使得風暴內的溫度明顯高于環境溫度，因此液態水滴可被抬升至環境0℃層之上。此外，液態水在0℃之下不會立即凍結（Bigg，1953；Smith，et al，1999），且小雨滴的凍結速度要大于大雨滴（Pruppacher，et al，1997）。大雨滴具有較大的ZDR值，這就使得環境0℃層之上出現垂直分布的ZDR大值區。Hall 等（1980）就觀測到ZDR柱現象。Bringi 等（1991）和Brandes 等（1995）通過飛機觀測證實ZDR柱位于上升氣流附近，且在ZDR柱內存在非常大的雨滴（直徑達8 mm）。Kumjian 等（2014）利用云模式模擬分析了對流風暴的ZDR柱的演變，發現ZDR柱的深度與上升氣流存在正相關，可作為判別風暴強度的指標之一。Snyder 等（2015）發現ZDR柱的深度與最強上升氣流相關，且其深度的變化要領先于最大上升氣流。

目前中國正在進行天氣雷達網的雙偏振體制升級，以進一步提高對冰雹、雷暴大風和短時強降水等強對流天氣的監測、預報、預警能力。在此基礎上，中國針對ZDR柱的研究也方興未艾，取得了諸多成果。潘佳文等（2020a）利用雙多普勒雷達風場反演結果發現當降水粒子增長到一定程度，其下落速度與上升氣流速度達到匹配，就會在對流風暴中滯留形成自上而下的ZDR大值區，因此ZDR柱可用于指示上升氣流的存在。潘佳文等（2020b）的研究指出，ZDR柱的存在可為冰雹的形成和濕增長提供有利條件。此外，ZDR柱伸展高度的演變對于降雹（刁秀廣等，2021；高麗等，2021；潘佳文等，2021；吳舉秀等，2023a）和短時強降水（潘佳文等，2022）事件的發展具有預示性，其發展高度極值對于這兩類強對流事件的發生具有提前量。

然而上述研究結果多以定性分析為主，缺乏定量化分析，這在一定程度上是因為現有的雷達業務系統并未增加基于雙偏振參數的客觀定量化產品，尚未能充分體現雙偏振雷達的特點和優勢。

本研究針對中國雙偏振雷達二次產品的空缺，基于對流風暴的三維形態特征，實現對雙偏振天氣雷達ZDR柱特征的客觀和自動識別，并輸出相應的三維形態結構參數以實現定量化分析，為對流風暴的監測、預警提供有力手段。鑒于廈門S 波段雙偏振雷達2016 年投入使用，積累了較大樣本的冰雹、雷暴大風和短時強降水等強對流天氣過程觀測數據，可為探索本算法在強對流監測領域的應用提供數據支撐。

2 雷達探測數據及強對流天氣過程資料

2.1 雷達數據

文中所用雷達探測數據來自廈門S 波段雙偏振雷達（24.5°N，118°E，海拔高度398 m），雷達站點位置如圖1 所示。為確保雙偏振雷達數據的可靠，參考吳翀（2018）提出的質量控制算法，使用相關系數及信噪比對非氣象回波進行了剔除。

圖1 廈門S 波段雙偏振雷達周邊強對流天氣報告及相關觀測儀器分布Fig.1 Distribution of severe convective weather reports by Xiamen S-band dual polarization radar and observation stations

2.2 強對流天氣過程資料

為了分析對流風暴的ZDR柱特征及其在強對流天氣監測、預警中的應用可行性，選取2016—2022 年廈門S 波段雙偏振雷達觀測范圍內的強對流天氣事件進行分析，并按天氣現象將其分為3 類：冰雹、雷暴大風和短時強降水，三者的分布如圖1 所示。

由于降雹事件具有局地性強、持續時間短、落區分散等特點，且缺乏有效的自動觀測手段。文中采用潘佳文等（2021）的方法，通過氣象部門的冰雹災情直報信息和相關媒體報道收集降雹事件。雷暴大風和短時強降水事件則基于地面自動氣象站的觀測數據進行收集整理，二者的閾值分別為風速達到17.2 m/s 和雨強達到20 mm/h。在此基礎上參考樊李苗等（2020）的方法，對臺風大風、冷空氣大風和高山站點的大風觀測記錄予以剔除。

針對收集到的3 類強對流天氣事件，使用天氣雷達觀測數據做進一步的驗證，確保上述強對流天氣事件是由孤立的對流風暴所致，并以SCIT 算法的識別結果作為判別依據。同時，根據ZDR柱識別算法的需要，從中選取風暴移動路徑位于廈門雷達30—150 km 觀測范圍內的風暴。最終獲得30 個導致強對流天氣現象的對流風暴，文中將此類風暴稱為強風暴。此外，選取了30 個位于強風暴周邊且未引發強對流天氣現象的對流風暴用于對比分析，在文中將此類風暴稱為非強風暴。在圖1 所示的研究范圍內共有874 個地面自動氣象站，各自動氣象站之間的平均間隔為3 km，文中所選取的非強風暴均位于自動氣象站周邊，可在一定程度上避免由于地面觀測站密度問題而導致的誤判。各類型風暴的數量如表1 所示。

表1 各類型風暴數量及其體掃數Table 1 Number of storms and volume scans analyzed for various storm types

此外，選取距離對流風暴最近的探空數據以獲得算法所需的環境0℃層高度，共涉及廈門、福州、龍巖和汕頭4 個探空站，站點位置如圖1 所示。

3 算法描述

3.1 生成三維格點數據

天氣雷達進行立體掃描時，雷達波束沿著各仰角進行錐面掃描，所以雷達基數據通常以球坐標形式存儲（仰角、方位角和徑向距離），這就導致雷達基數據的空間分辨率不均勻。例如，業務天氣雷達常用的VCP21 體掃模式中，0.5°—19.5°僅有9 層仰角，且雷達波束寬度約為1°，各仰角層的波束在垂直方向上會存在一定的間隙，不能充滿整個探測空間，使得雷達回波的空間連續性降低。因此，文中將雷達基數據由球坐標形式內插到笛卡爾坐標下，形成水平和垂直分辨率均為250 m 的均勻三維格點數據，以供后續識別算法使用。

此外，文中所識別的ZDR柱位于環境0℃層之上，當風暴距離雷達過近或過遠時都將影響算法的識別效果。因此，文中將距離雷達中心30—150 km的區域作為ZDR柱識別算法的適用范圍，如圖1所示。

3.2 ZDR 柱識別

由ZDR柱的定義可知，該ZDR大值區的三維空間形態表現為伸展至0℃層高度以上的柱狀結構。因此，對其進行識別主要基于以下3 步：識別一維的ZDR段、將ZDR段合并為二維的ZDR分量，最終基于不同高度層的ZDR二維分量合成三維的ZDR柱。具體步驟描述如下。

3.2.1 識別ZDR段

此處定義ZDR段為x軸方向上ZDR值達到一定閾值，具有一定長度的、中間無間斷或間斷距離很小的ZDR大值區。

如圖2 所示，識別算法沿著x軸方向搜索ZDR≥1 dB 的格點，這些格點的持續長度需滿足一定閾值（1 km）。由于質量控制等原因可能導致風暴內部的ZDR段出現短暫的中斷，當兩個ZDR段之間的距離小于0.5 km 時，則將二者合并為一個ZDR段。

圖2 ZDR 段識別示意Fig.2 Illustration of ZDR segment identification

針對所識別出來的ZDR段，計算并保存其特征量。特征量包括ZDR段起始坐標、結束坐標、ZDR段長度、ZDR段內的最大值及其坐標。

3.2.2 識別ZDR二維分量

當ZDR段的識別工作完成后，按照一定的規律及要求對ZDR段進行組合就可獲得ZDR的二維分量。

如圖3 所示，識別算法沿著y軸方向搜索各ZDR段以組成ZDR二維分量。在y軸上相鄰的兩個ZDR段之間需要有一定的重疊距離（0.5 km），一個ZDR二維分量至少應包含一定數量（2 個）的ZDR段，且二維分量的面積需達到一定的閾值（1 km2）。

圖3 ZDR 二維分量識別示意Fig.3 Illustration of 2D ZDR component identification

針對所識別出來的ZDR二維分量，計算并保存以下特征量：ZDR二維分量的面積及其幾何中心坐標、ZDR最大值及其坐標。

3.2.3 合成ZDR柱

ZDR柱的三維結構是由不同高度層上滿足一定空間距離相關的ZDR二維分量組成。因此，按一定的規則對各高度層的ZDR二維分量進行匹配即可獲得ZDR柱的三維結構信息。具體流程如下：從0℃層高度開始，自下而上檢索各高度層的ZDR二維分量，對相鄰高度層的二維分量進行關聯檢驗。以第一個二維分量的幾何中心為中心，依次按3 個搜索半徑（分別為5.0 km、7.5 km、10.0 km）對上一高度層的二維分量進行檢索，當上一高度層的二維分量位于檢索半徑內，則認為二者存在關聯。彼此相互關聯的ZDR二維分量組合在一起，即構成了三維的ZDR柱，圖4 是一個三維ZDR柱的結構簡圖，從垂直剖面可以看到該ZDR柱由5 個ZDR二維分量組成，每個二維分量均位于不同的高度層上，且各個高度層之間存在相鄰關系。由俯視圖則可看到每個二維分量的幾何中心水平投影相隔不遠，且其相互距離位于檢索半徑內，即可組成一個三維的ZDR柱。

圖4 ZDR 柱識別示意Fig.4 Illustration of ZDR column identification

此步驟需要計算的屬性有：ZDR柱的體積、頂高、底高、垂直方向伸展高度、ZDR最大值及其所在的坐標。

3.3 流程圖

綜上所述，本研究的ZDR柱識別算法流程如圖5 所示，并可獲得以下ZDR柱三維結構參數：ZDR柱深度（0℃上的伸展高度）、體積、最大ZDR值及其位置、ZDR柱質心位置。

圖5 算法流程Fig.5 Flowchart of the algorithm

4 對流風暴的ZDR 柱形態特征及其應用分析

基于上述ZDR柱識別算法對2.2 節所述的60 個對流風暴進行識別，提取其ZDR柱的深度、體積、質心位置、最大ZDR值等參數信息，從而獲得相應的三維形態學特征。在此基礎上，對此類形態特征在強對流監測預警的應用可行性進行初步探索，具體如下。

4.1 對流風暴的ZDR 柱基本形態特征

本研究的60 個風暴共識別出688 個ZDR柱，其ZDR柱形態參數的直方圖分布如圖6 所示。由于不同對流風暴的環境0℃層高度存在差異，因此文中ZDR柱質心高度為0℃層之上部分的伸展高度，以方便不同對流風暴進行比較分析。由圖6 可知，在ZDR柱的4 個形態結構參數中僅有最大ZDR值表現為較集中的正態分布（圖6d），其余3 者都呈現出離散的偏態分布特征（圖6a—c），即對流風暴的ZDR柱深度、體積和質心高度更多集中于低值區，大值區頻數較少且遠離第90 百分位。

圖6 ZDR 柱深度 （a）、體積 （b）、質心高度 （c） 和最大值 （d） 的直方圖 （虛線表示第10 和第90 百分位，并標注相應數值）Fig.6 Histogram of ZDR column depth （a），volume （b），centroid height （c） and maximum value （d） （dotted lines indicate the 10th and 90th percentiles，and the corresponding values are also listed）

相比非強風暴，強風暴往往具有更強的上升氣流，因此可以預期其內部的ZDR柱也應具有更顯著的ZDR形態特征。為此，根據所導致的天氣現象將上述688 個ZDR柱分為強風暴和非強風暴兩類，其中有466 個ZDR柱來自強風暴，相同數量的非強風暴僅識別出222 個ZDR柱，說明強風暴出現強上升氣流的頻數更多，且持續時間長于非強風暴。兩類風暴的ZDR柱形態參數的小提琴圖分布如圖7 所示，可以發現強風暴的各個ZDR柱形態參數中位數均明顯大于非強風暴，且在形態參數的概率密度分布上二者同樣存在較明顯差異：強風暴的ZDR柱形態參數更多地分布于大值區域，非強風暴則更集中于低值區。

圖7 ZDR 柱深度 （a）、體積 （b）、質心高度 （c） 和最大值 （d） 的小提琴圖 （圖中的藍 （紅） 色區域代表概率密度，其寬度越大則出現的頻率越高；圖中的箱體為四分位間距框，白色點為中位數）Fig.7 Violin plots of ZDR column depth （a），volume （b）， centroid height （c） and maximum value （d） （areas shaded in blue（red） show the probability density， and a greater width indicates a higher frequency of occurrence； boxes in each plot mark the interquartile range， and the white dot denotes the median value）

強風暴和非強風暴的ZDR柱形態參數存在統計學上的明顯差異，這就為預報員據此判別兩類對流風暴提供了可能。為此，進一步將兩類風暴數據根據不同的參數閾值進行歸類，如圖8 所示。當ZDR柱深度達到1500 m 后，至少有60%的雷達體掃個數與強風暴相關，這一比例隨著閾值的增大而增加（圖8a）。相應地，ZDR柱體積（圖8b）、質心高度（圖8c）和最大ZDR值（圖8d）具有類似的分布特征，當三者的閾值達到20 m3、500 m 和3 dB 時，這一比例分別達到70%、70%和50%。ZDR柱形態參數的這一分布特征可為實際預報業務中判別強風暴和非強風暴提供依據。

圖8 ZDR 柱深度 （a）、體積 （b）、質心高度 （c） 和最大值 （d） 取不同閾值時強風暴和非強風暴的占比Fig.8 Percentages of all volume scans that are associated with severe and non-severe storms at various thresholds for ZDR column depth （a），volume （b），centroid height （c） and maximum value （d）

4.2 強風暴的ZDR 柱演變

如上文所述，強風暴具有更顯著的ZDR柱形態特征，且此類風暴所導致的冰雹、雷暴大風、短時強降水等強對流天氣現象具有更嚴重的危害性。因此，下文針對強風暴的ZDR柱演變規律做進一步的分析研究。

4.2.1 時間演變

在以往的研究中發現，ZDR柱的深度與雹暴的發展演變具有密切的聯系（潘佳文等，2020b；吳舉秀等，2023b）。潘佳文等（2021）研究表明，ZDR柱的伸展高度極值相對于降雹具有提前量，在大冰雹事件中這一提前量的中位數為24 min，而在小冰雹事件中這一數值為11 min。本研究在此基礎上針對導致冰雹、雷暴大風、短時強降水等3 類強風暴進行分類統計，發現該規律在3 類強風暴中同樣適用，4 種ZDR柱形態結構參數的極值均早于3 類強對流天氣現象發生（圖9），但其間仍存在差異：雷暴大風類的強風暴具有更大的提前量，其中位數為19—22 min；冰雹類強風暴次之，短時強降水類強風暴的提前量最小。這可能是因為雹暴往往需要更長的醞釀時間，持續的上升氣流和過冷水供應可以使冰雹得以持續增長。此外，在本研究的強對流天氣事件中，雷暴大風往往發生在降雹或短時強降水之后，說明強風暴內水凝物的拖拽作用及其在下落過程中所導致的融化和蒸發等微物理過程促進了雷暴大風的形成，因此其提前量要大于其余二者。

圖9 ZDR 柱深度 （a）、體積 （b）、質心高度 （c） 和最大值 （d） 極值相對于強對流天氣報告的提前量 （箱體為四分位間距框，橫線為中位數，b 中圓圈為離散數據）Fig.9 Lead times of the maximum ZDR column depth （a），volume （b）， centroid height （c） and maximum value （d） that occur prior to severe convective weather reports （the boxes mark the interquartile range，and the horizontal line marks the median value， in Fig.b the circles represent discrete data）

以往的研究（潘佳文等，2021；沈雨等，2023）還表明：在同一對流風暴所導致的多次降雹事件中ZDR柱的伸展高度常發生反復。文中分別選取導致持續短時強降水（圖10a）和雷暴大風（圖10b）的個例進行分析，以驗證該規律是否適用于其他兩類強風暴。由圖10 可知，在短時強降水（雷暴大風）發生前，ZDR柱深度均達到極值后開始下降，且在下次短時強降水（雷暴大風）發生前ZDR柱再度發展并出現新的極值。ZDR柱的再度發展說明對流風暴將再次增強，并預示著冰雹、短時強降水、雷暴大風等強對流天氣現象的持續發生，具有一定的普適性。

圖10 2019 年5 月17 日 （a） 和6 月9 日 （b） 廈門雙偏振雷達觀測到的對流風暴ZDR 柱深度時序Fig.10 Time series of ZDR column depth observed by Xiamen dual polarization radar for the convective storms on 17 May（a） and 9 June （b） 2019

4.2.2 風暴的合并與分裂

對流風暴內部的上升氣流對其發展演變極為重要，ZDR柱對于風暴內部的上升氣流的指示作用使其可在一定程度上預示風暴的發展趨勢。

圖11 給出了2018 年5 月23 日廈門雙偏振雷達觀測到的一次雹暴合并過程，15 時11 分風暴單體A與單體B尚未發生合并，二者的強回波區彼此分離（圖11a1），徑向速度場上可見彼此獨立的上升氣流存在（圖11a2），其ZDR大值區位于上升氣流附近（圖11a3），由ZDR柱識別結果可知此時兩個單體具有各自獨立的ZDR柱（圖11a 中的三角形）。15 時17 分兩者相互靠近并建立云橋連接（圖11b1），徑向速度場的上升氣流也開始相互連接（圖11b2），此時兩個風暴的ZDR大值區已彼此融合（圖11b3），二者的ZDR柱率先發生合并。至15 時23 分兩個風暴共同形成一個寬廣的上升速度區（圖11c2），但在ZH圖像上二者尚未完全合并（圖11c1），基于ZH的SCIT算法仍將該云團識別為2 個彼此獨立的風暴，說明此時二者的風暴云體在三維空間上并未完全合并。直至下一個體掃，兩個風暴才徹底完成合并過程（圖略）。圖11 揭示了對流風暴合并的演變過程：對流風暴的合并先導致水汽的大量集中，因此ZDR柱率先出現合并現象，水汽和能量的集中促使云內的浮力進一步增大，上升運動得以進一步發展，上升氣流的相互交融最終導致風暴云體的合并。

圖11 2018 年5 月23 日15 時11 分 （a）、15 時17 分 （b） 和15 時23 分 （c） 廈門S 波段雷達6.0°仰角反射率因子（a1—c1）、徑向速度 （a2—c2） 和差分反射率因子 （a3—c3）Fig.11 ZH （a1—c1），Vr （a2—c2） and ZDR （a3—c3） from Xiamen S-band radar taken at 6.0° elevation at 15:11 BT （a），15:17 BT （b） and 15:23 BT （c） 23 May 2018

與對流風暴合并相對應，在對流風暴的分裂過程中ZDR柱亦有所體現。由于對流風暴的分裂現象容易與其周邊新生單體的發展過程相混淆，因此，文中進一步定義對流風暴的分裂過程為：源自同一對流風暴云體的多個對流風暴形成過程，且相應的對流風暴均可被SCIT 算法所識別。

圖12 為2018 年7 月31 日廈門雙偏振雷達觀測到的一次對流風暴分裂過程。13 時55 分，在單體A的北側有一個強回波中心正在形成（圖12a1），并伴有獨立的上升速度區（圖12a2）和ZDR大值區（圖12a3）。沿圖12a1中線段ab所示的雷達徑向做垂直剖面，可以發現此時單體A處于成熟階段，在其內部同時存在上升和下沉氣流（圖13a2）。單體A北側的強回波區出現在中空，其ZH≥30 dBz 部分與單體A相連（圖13a1），在上升氣流附近存在ZDR大值區延伸至0℃層之上的現象（圖13a3），可判定為ZDR柱現象。此時該ZDR柱并未被識別出來，究其原因在于其體積尚未達到ZDR柱識別算法的閾值。

圖13 2018 年7 月31 日13 時55 分 （a）、14 時07 分 （b） 和14 時18 分 （c） 沿圖12 中線段ab、cd 和ef 所做垂直剖面（a1—c1.反射率因子，a2—c2.徑向速度，a3—c3.差分反射率因子）Fig.13 Vertical cross sections along lines "ab"，"cd" and "ef" shown in Fig.12 at 13:55 BT （a），14:07 BT （b） and 14:18 BT （c） 31 July 2018 （a1—c1.ZH，a2—c2.Vr，a3—c3.ZDR）

14 時07 分位于單體A北側的強回波區進一步發展，其中心的ZH值已超過50 dBz（圖12b1），并伴有輻合上升區（圖12b2），ZDR大值區則與單體A彼此分離（圖12b3）。在垂直剖面上可見位于北側的單體向上、下兩個方向進一步伸展，但在4 km 高度以下其ZH≥40 dBz 的部分仍與單體A相連（圖13b1），說明此時風暴云體尚未完全分離，因此SCIT 算法仍將該對流云團識別為1 個對流風暴。徑向速度場上伴有中層徑向輻合現象（圖13b2），ZDR柱的伸展高度迅速增大（圖13b3），均預示著該對流云體將進一步發展。直至14 時18 分，單體A與單體B在垂直方向上彼此分離（圖13c1），SCIT 算法判定該對流風暴完成分裂過程。

此次對流風暴分裂表明：對流風暴內部上升氣流先于風暴云體完成分裂過程，ZDR柱指示了對流風暴中上升氣流的分裂現象。以往研究（Bluestein，et al，1979；Grasso，et al，2001）也表明對流風暴的分裂與其內部上升氣流的分裂相關聯。

本研究涉及的30 個對流風暴共出現了7 次風暴合并和13 次風暴分裂過程，期間均伴隨著ZDR柱合并（分裂）的現象，其中，有4（7）次合并（分裂）過程其ZDR柱提前于風暴云體發生合并（分裂），二者的比值分別為57%和69%，具有一定的預示性。

4.2.3 風暴的移動

對流風暴的移動是平流和傳播運動共同作用的結果，對于前者，SCIT 等現有主流業務算法基于過往時次的風暴質心位置進行線性外推，從而預報下一時次風暴的位置。對于后者，上述算法則顯得力有不逮。究其原因在于線性外推未能充分考慮對流風暴的傳播情況。圖14a 為2019 年4 月22 日廈門雙偏振雷達觀測到的一次對流風暴移動路徑，此時環境氣流為偏西風，SCIT 的預測路徑（圖中“+”號所示路徑）也以向偏東移動為主，但風暴的實際移動路徑位于環境氣流的右側，表現出右移風暴的特征。結合各時次ZDR的位置可知，該風暴的上升氣流始終位于其移動方向的右側，風暴不斷向上升氣流的方位傳播，從而使得后續的路徑預測出現偏差。圖14b 所示的對流風暴移動路徑則表現出左移風暴的特征，其ZDR柱的位置基本位于風暴移動方向的左側。需要注意的是，在15 時23 分前后ZDR柱的位置出現明顯的東移，由圖11 可知，該風暴在該時段發生了對流風暴合并的現象，導致其移動路徑發生明顯的向東偏折，ZDR柱位置在此期間的變化亦能反映這一過程，且在時間上仍具有一定的預示性。侯淑梅等（2020）的研究也表明對流風暴合并后其內部上升氣流明顯增強，風暴向著上升氣流的位置傳播。ZDR柱與對流風暴后續傳播方向的相關為改善對流風暴移動路徑的預測提供了新的思路和參考依據，后續可基于該現象做進一步的研究。

圖14 2019 年4 月22 日 （a） 和2018 年5 月23 日 （b） 廈門雙偏振雷達觀測的風暴路徑和ZDR 柱路徑 （風暴路徑及其預測路徑源自SCIT 算法）Fig.14 Storm paths and ZDR column paths observed by Xiamen dual-polarization radar on 22 April 2019 （a） and 23 May 2018 （b） （the storm tracks and forecast paths are derived from the SCIT algorithm）

5 結論和討論

基于對流風暴的三維形態特征，實現對雙偏振天氣雷達ZDR柱特征的客觀、自動化識別。在此基礎上，使用廈門S 波段雙偏振雷達2016—2022 年的觀測數據，探索該識別算法在強對流監測領域的應用可行性。主要結論如下：

（1） 強風暴和非強風暴的ZDR柱形態參數存在統計學上的明顯差異，可為預報員判別兩類對流風暴提供參考依據。當ZDR柱深度達到1500 m 后，至少有60%的雷達體掃與強風暴相關。ZDR柱體積、質心高度和最大ZDR值的閾值達到20 m3、500 m和3 dB 時，這一比例分別達到70%、70%和50%。

（2）ZDR柱演變可以指示對流風暴的發展過程，其形態參數的極值早于強對流天氣現象出現。ZDR柱的再度發展說明對流風暴內部上升氣流的再次增強，并預示著強對流天氣現象的持續發生。

（3）ZDR柱對于風暴的合并與分裂具有預示性。在風暴合并（分裂）過程中伴有ZDR柱合并（分裂）的現象，其中有57%（69%）的過程ZDR柱提前于風暴云體發生合并（分裂）。

（4）ZDR柱的位置與對流風暴的后續傳播方向存在相關，可為改善對流風暴移動路徑的預測提供新的思路和參考依據。

需要指出的是，限于現有觀測手段和ZDR參數自身特征，本研究難免存在一些問題，謹討論如下：

（1） 文中強對流天氣事件是以地面自動氣象站和人工觀測結果作為判別標準，由此得出的強對流天氣事件發生時間和位置難免存在偏差，對于非強風暴的認定存在誤判的可能。同時，ZDR柱極值相對于強對流天氣事件的提前量也可能因此存在誤差。今后可基于時、空分辨率更高的觀測資料對研究結果做進一步的修正。

（2） 算法所用的0℃層高度數據均基于環境探空時段的觀測資料，其時間、空間分辨率仍較粗糙，后續可基于雙偏振雷達的融化層亮帶識別算法以提取實時數據。

（3） 現有的天氣雷達的體掃時間間隔較長，且仰角層次較少，對于ZDR柱三維形態的識別結果難免存在偏差等問題。

（4） 在對流風暴中存在冰雹的濕增長過程時，可能導致ZDR柱識別結果的劇烈變化，其原因在于：ZDR柱內存在的過冷水使得其附近的冰雹表面存在外包水膜現象，從而獲得更扁平的形狀及更穩定的取向，因此其觀測特征與大雨滴相似，具有較高的ZDR值。當冰雹增長為大冰雹時，其下降過程中具有翻滾現象，近似于各向同性的球形粒子，因此其ZDR值接近于0 dB。該現象也是ZDR柱極值提前于強對流天氣事件出現的原因之一。

（5） 在本研究的雷暴大風個例中，ZDR柱伸展高度極值相對于雷暴大風具有提前量，但二者是必要非充分關系。強上升氣流的出現未必一定伴隨著強下沉氣流，后者才是導致雷暴大風的主要原因之一。因此，僅憑ZDR柱并不足以實現對雷暴大風的預警，需要結合環境條件和其他雷達回波特征進行綜合判斷。

此外，文中使用的研究數據仍較為有限，且都來自廈門雙偏振雷達的觀測結果，上述結論是否適用于其他地區？有何異同之處？仍有待日后進行驗證。