基于降水率、相对湿度和能见度观测的能见度概率参数化外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

基于降水率、相对湿度和能见度观测的能见度概率参数化

I. GULTEPE

加拿大安大略省多伦多加拿大环境气象研究司科学与技术处云物理与恶劣天气研究科

J. A. MILBRANDT

加拿大魁北克多瓦尔加拿大环境气象研究部数值天气预报研究科

（收稿于2007年12月6日，定稿于2009年6月17日）

摘要：

本研究分析了在多云期间进行的雾遥感和建模（FRAM）项目,项目收集了安大略省，加拿大（2005年06月冬），以及新斯科舍省的鲁能堡，（2006和2007年）的地面观测资料，资料包括降水和相对湿度（RH）、可见度（Vis）与降水率（PR）。分析中使用的主要观察仪器来自维萨拉公司的FD12P气象传感器以及来自坎贝尔科学仪器有限公司的HMP45传感器。将PR与来自总降水量传感器的PR进行比较，以检查FD12P测量的准确性。许多研究人员以前已经研究了与降水类型与Vis参数的相互关系，并且发现同一PR中Vis显示出很大的变化（高达1个数量级）。这里提出的方案结果表明，1）Vis（确定性方法）的各种参数化存在显着差异，2）使用应用于百分位数（概率法）的方法获得的统计关系可以作为模型应用的可行替代方案。通过比较以前Vis参数化方法和新的Vis参数化方法表明，基于概率方法所模拟的Vis值可应用于极端天气。

1 引言

考虑能见度（Vis）与相对湿度（RHW）和降水率（PR）间函数关系的能见度（Vis）参数化方案，对许多与气象预报相关的应用（包括航空，运输和搜救）都很重要（Gultepe et al.2007 ; Tardif 2007）。在过去，Vis参数化方案已被用于包括数值天气预报（NWP）模型（StoelingaandWarner 1999）和雾模型（Roquelaure和Bergot 2007）等各种模型中。 这些参数化方案通常是通过很少的综合测量资料得出的。

从NWP模型预测的RHw已被用于Vis参数化（Smirnova等，2000）。然而，由于RHw测量精度的不确定性，连续地对参数进行了更改。早期的工作表明，Vis（Gultepe和Isaac 2006）的各种参数化存在显着差异;因此，它们对NWP模型的应用存在很大的不确定性。 Gultepe和Isaac（2006）根据维萨拉公司，FD12Ppresent气象传感器和坎贝尔科学仪器有限公司的HMP45仪器的测量结果建立了Vis和RHw之间的关系，其中Vis值显着高于（RUC; Benjamin等人2004）的基于模型的Vis所使用的关系得到的值。基于常规地面观测，Doranetal（1999）和Knapp（1998）也提出了其他的Vis-RHw关系模型，但是它们之间的关系并没有得到广泛的应用。大多数NWP和雾模型的使用转换算法为将水分含水量转化为消光系数从而实现Vis的参数化（Stoelinga和Warner 1999; Bergot et al。2005）

基于消光系数与液态水含量（LWC）可以获得Vis-PR的函数关系（以下称为PRR），后者由雷达反射推断。 这些关系的具体内容在Stallabrass（1985），Stoelinga和Warner（1999）和Seagraves（1984）中给出。 将测量的PRR率被转换为浓缩含水量（例如LWC），从而用经验关系获得Vis值。很明显，由于粒径分布的可变性，Vis-PRR参数化方案在实际应用中会由于环境热力学条件产生大的变异性。

本研究的目的是1）从观测中开发出Vis作为RHw的函数的新参数化方案，并将其与从RUC模型（VisRUC）获得的那些资料进行比较。2）开发出基于概率方法的极端条件中作为PRR函数的Vis参数化方案。 文章的结构安排如下。 第2节提供了在雾遥感和建模（FRAM）项目期间收集的观测资料总结。 在第3节中，描述了Vis测量分析和使用概率曲线的方法。结果见第4节，随后在第5节进行讨论。结论在第6节中给出。

2 观测

在2005年06月冬季（FRAM-C）和新斯科舍省的鲁能堡夏季期间，于加拿大多伦多附近的大气研究实验中心通过FRAM项目收集了地面观测资料。（FRAM-L1）和2007（FRAM-L2）。 分析中使用的主要的Vis和PRR观测资料来自维萨拉FD12P现代气象仪器，以及来自扬克环境系统有限公司（YES）的总降水量传感器（TPS）、Ott Messtechnik有限公司的基于激光的粒径和速度（Parsivel）光学测温仪。来自Campbell的温度T 分析中使用了HMP45仪器。有关这些仪器的细节可以在Gultepe et al. （2006，2009）中找到。

FD12P气象传感器是用于自动气象站和机场气象观测系统的多变量传感器（Vaisala，Inc.，2002）。 传感器测量液体和固体沉淀物来测量Vis，累积降水量（PA）和瞬时PR，但由于未知的颗粒形状或密度，该分析中不使用用于积雪PR的测量。

图1 HP（TPS）PRR与FD12P PRR在2007年6月在Lunenburg收集的FRAM-L液态降水的散点图。实线是1：1线

FD12P的结构基础是支撑换能器横臂（FDC115）的柱杆，其包含FDT12B发射器，FDR12接收器和DRD12降水传感器的光学单元。 FD12P还包含DTS14温度传感器。 FDT12B发射器发射近红外光，向下倾斜16.58，FDR12接收机测量FDT12B光束向前散射的光，下降16.58;因此，接收器测量以338°的角度散射的光。测量的辐射度然后被转换成Vis值（气象光学范围; MOR）和与密度相关的光密度。根据制造商的规格，Vis的FD12P测量精度达到约4％，对于雨和雪，PRR灵敏度约为0.05 mm h21。然而，由于雪PR相对于PRR较小，其颗粒形状通常是未知的，当PR为1-2mm h21时，其精度降低;因此，它不用于分析。 Haij（2007）提供的FD12P PRR精度对降水测量值高达35％。

有关“TPS-3100”的详细信息，请参见Rasmussen等人 （2002）。 TPS测量瞬时总湿沉积，其包括在降水事件期间的液体和冷冻沉淀。 传感器头由两个热电板（HP）组成，直径约5英寸（13厘米），由电加热器加热。在降水事件中，它通过需要多少功率来蒸发来测量雨或雪的速度 在保持恒定的表面温度的同时保持在上板上沉淀。将第二个位于蒸发板正下方的下板加热至相同的温度，并用于排除由风引起的冷却。 然后，PR从两个板之间的功率差导出，校正环境温度和风速。

由于TPS-3100具有独特的紧凑设计，不需要改变流体，而且能够在不使用屏风的情况下正确测量风速变化的能力，所以实时PR的测量精度超过了其他雨量计（Rasmussen et al 2002）。 TPS-3100在降雨开始后1分钟内即时进行PR测量。 如果降雨率超过25毫米h21，TPS-3100可能无法跟上所有雨水的蒸发，与其他仪器相比可能会导致显着的差异。 其测量范围为0至25 mm h21，时间常数为1 min，分辨率为0.1 mm h21。 计算降水率的TPS-3100算法使用1和5分钟跑步平均值。 降水的发生是基于瞬时降水的5分钟平均值。 这是为了防止由湍流效应引起的降水测量的随机变化。

Ott Parsivel设计用于在所有天气条件下运行（Louml;ffl er-Mang和Joss 2000; Louml;fflermang和Blahak 2001）。 对于雨量测量，该仪器可以提供有关当前天气的雨量和速率，粒子光谱，可见度和雷达反射率的准确信息。 它具有内置的加热装置，可减少可能会渗入仪器关键表面的冻结和冷冻沉淀的影响。粒径分为32类尺寸和速度。 速度和尺寸的基本测量范围分别为0至20 m/s ， 0.2至25 mm。 根据制造商的说法，雨量精度约为5％。 在本研究中，Ott Parsivel用于指出第5节所述的粒子光谱测量的可变性。

3分析

在本节中，讨论了从第2部分描述的各种仪器获得的Vis和PRR值。 然后应用概率曲线呈现FD12P测量以及RHw数据。 对于Vis-PRR关系，将从分析中删除0.1 mm h21的RHw和95％的PR数据点，这个步骤意味着能见度的降低完全是由于降水。 95％RHW阈值用于降低雾度和湿度对Vis计算的影响，因为目标是仅获得Vis-PR关系。 需要注意，在测量过程中观察到的RHw的不确定度可高达5％。 对于雾状况，由Gultepe等人给出的Vis对LWC和液滴数浓度Nd的关系（2006）会在本文后面给出的应用中用到。

a. FD12P的Vis计算

使用Koschmieder定律并假设亮度对比阈值为“0.05”，将消光系数的瞬时测量（15s采样率），转换为Vis（Vaisala，Inc.，2002），如下所示：

（1）

然后使用从FD12P获得的瞬时Vis值获得相对于RHw和PRR绘制的1和10分钟平均值。 来自沉淀颗粒的光散射与颗粒横截面成比例，这与Vis值有关。 这个比例对于雨是稳定的，因为液滴是准球形的。 然后，除了光强度之外，DRD12电容传感器数据用于估算降水强度（Haij 2007; Vaisala手册，网址：http：//www.vaisala.com）。强度比（光信号/ DRD12信号） 大于阈值参数（例如5），用于液体水当量的DRD12信号和T用于将颗粒类型分类为雪，毛毛雨或雨。 在这项工作中，降水类型假定为; 这些值从分析中舍弃。

FD12P可以实现从毛毛雨尺寸直到雨滴尺寸的测量。涵盖从100到500毫米的直径。然而不排除毛毛雨的滴存在而导致非常低的Vis值。在现场项目中，观察到毛毛雨滴的大小通常大于100毫米。很明显，可见光的消光与空气中存在的任何物质有关：例如湿气，气溶胶，雨滴和雾滴。因此，使用RH获得的Vis表示空气中的水分量，这又与气溶胶及其湿度有关。 FD12P观测的Vis直接通过可见光的消光来测量，并且不依赖于传感器测量的水汽量。 Vis-PRR关系的准确性很大程度上取决于与PRR有关的不确定性。图1显示了在FRAM-L项目期间收集的整套观测值，表示雨和毛毛雨值。当PRR小于0.5 mm h21（毛毛雨条件）时，PRR的不确定度大于75％。然而，对于在轻沉降事件期间用于PRR分析的任何仪器来说，这一点可能是正确的，并且没有单个仪器可以准确地测量毛毛雨粒子的PRR。这表明应谨慎使用毛毛雨条件下的Vis-PRR关系。 FD12P Vis的制造不确定性约为4%

b.降水率比较

使用从YES TPS传感器获得的PRR测量数据可用于验证FD12P测量（图1）。 使用FD12P测量获得毛毛雨值，其中直径小于500mm的液滴被认为是毛毛雨。 毛毛PR通常小于约2-3毫米h21。 对于雨条件，从两个仪器获得的两次测量之间的平均绝对差异被发现为约，这表明FD12P测量精度在可接受的水平之内。 然而，当（图1）时，精度显着降低。

c. 参数化的概率与确定性方法

Vis的参数化是基于以下两种方法获得的：1）由于在整个数据范围（确定性方法）上的不规则数据分布以及2）到百分位数值（概率方法） 。确定性方法相对于概率方法更频繁地使用，因为解释简单。在确定性方法中，应用于平均值的曲线拟合用于获得作为PRR函数的Vis。 然而，围绕平均数据点的分散会使情况复杂化，因为最佳状态的统计意义依赖于较低的残差和较高的相关系数（例如较低的变异性）。 如果这样做不起作用，那么应该考虑使用极端条件（即低维）的情况下的概率方法。在概率方法中，获得5％，50％（中值）和95％概率的Vis作为PRR（或RHw）的函数的曲线。如果要使用5％的曲线，则意味着 95％的数据点将具有比5％曲线更高的Vis。 例如，对于飞机着陆（Vis低于某个值）而言是危险的情况，知道可能的最低Vis值可能更有用，而不是知道最有可能的Vis值。 因此，对于给定的RHw和PRR，可以使用5％的概率曲线来表示出现5％或更大的发生机会。 注意，PRR测量的不确定度不高于5％-10％; 因此，选择5％的阈值进行计算。

图2 （a）黑线表示应用于FRAM-L的观测（红点）的百分位数。（b）为对于AIRS2测量（黑点）的Vis和RHw观测值（实线蓝线）。（b）中的黑色实线是在FRAM-C期间从皮尔逊机场站点获得的小时观测数据。（b）中的红线取自（a）。绿线表示RUC模型参数化（Smirnova等，2000）。

表1 该分析和早期分析得到的Vis（km）与RHw（％）的参数化结果

4.结果

使用上述方法的第4a和4b节总结了使用确定性和概率方法的Vis-RHw和Vis-PRR相互关系的结果。

a.能见度与RHw

在与早期工作进行比较之前，使用整个数据集获得FRAM-L项目（）的Vis-RHw散点图（图2a）。 使用平均曲线对数据不能直接用于预测Vis，因为对于给定的RHw，Vis值范围高出一个数量级。

根据作为FRAM-C，FRAM-L和飞机结冰研究（AIRS2; Gultepe和Isaac 2006）数据的一部分收集的观察结果，用于比较的关系在表1中给出，如图1所示。 2b。图2b还显示了在RUC模型中使用的Vis-RHw关系（Smirnova等人，2000）。使用在FRAM-C期间在多伦多皮尔逊国际机场定期收集的Vis和RHw表面观测数据，使用每小时数据获得的Vis-RHw关系也显示在图1中。 2b（黑色实线）。然后将AIRS2 Mirabel网站的观察结果叠加在假设PR为0.1 mm h21的情况下。这消除了降水案例的数据点。图中的RHw。 2b的限制为30％和100％，如果需要，结果可以外推到超出下限。发现上述这项工作与RUC模型之间的差异是非常明显的;因此，需要额外的观察来进一步验证。一般来说，靠近100％RHw的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25598]，资料为PDF文档或Word文档，PDF文档可免费转换为Word