利用地基三频雷达识别降雪凇附与聚合过程

《Remote Sensing》：Identification of Snowfall Riming and Aggregation Processes Using Ground-Based Triple-Frequency Radar

　　

凇附（riming）和聚合（aggregation）是冬季云中关键的冰相微物理过程，但二者重叠的信号特征和动态转变对传统单频雷达探测构成挑战。研究人员提出了一种基于梯度的识别方法，利用地基三频双偏振雷达观测。通过分析三频雷达变量的垂直梯度而非其绝对值，研究人员基于反映粒子增长状态的物理阈值来判别这些微物理过程。该方法能够捕捉传统阈值方法会遗漏的凇附与聚合的细微时空变化，尤其在解析层状凇附-聚合转变方面。这种基于动态梯度的方法在过程边界附近展现出增强的物理一致性和适应性，从而改进对冰粒子演化的追踪。这些进展为完善微物理参数化和提升高分辨率降雪预报提供了途径。

凇附（riming）和聚合（aggregation）是冬季降雪云中关键的冰相微物理过程，分别指过冷云滴在冰晶表面快速冻结附着，以及冰晶碰撞结合形成更大雪花。这两种过程显著改变雪粒子的大小、形状和密度，影响降雪强度和相态。然而，它们常与沉降、破碎等过程同时发生，且观测信号重叠，传统单频雷达难以有效区分。数值模式中冰相过程参数化不足，导致降雪预报存在显著不确定性。双频和三频雷达的发展提供了新途径：通过分析不同频率下粒子散射和吸收差异，以及雷达反射率（Z_e）、平均多普勒速度（MDV）、谱宽（SW）和线性退极化比（LDR）等多维参数，可获取粒子尺寸、密度、相态和形状等信息。凇附粒子紧凑近球形（2–5 mm），密度高；聚合粒子大（可达约20 mm）、低密度、不规则。二者在三频双波长比（DWR）上呈现不同特征：凇附导致DWR_Ka?W显著增大而DWR_X?Ka增幅较小；聚合则使DWR_X?Ka持续增加而DWR_Ka?W饱和，形成“三频DWR hook”形态。Planat等人提出的基于垂直梯度符号的过程识别（PIVS）方法利用单频双偏振雷达垂直梯度识别过程共存区，但无法区分凇附主导还是聚合主导。为此，研究人员利用地基三频雷达观测，开发了基于垂直梯度的多参数识别方法，并与传统多参数阈值法进行比较。研究使用TRIPEx战役（由科隆大学、波恩大学、卡尔斯鲁厄理工学院和于利希研究中心联合实施）获得的地基X/Ka/W三频共置多普勒雷达数据，针对2016年1月3–4日一次冬季降雪事件开展分析。结果表明，梯度法能够更清晰分辨弱聚合信号、混合区以及凇附-聚合转变，比固定阈值法具有更强的物理一致性和适应性。该框架可支持改进降雪反演、冰相微物理参数化和高分辨率降雪预报。论文发表于《Remote Sensing》。

研究采用的主要技术方法包括：使用TRIPEx战役Level-2处理产品（经大气气体衰减校正和基于Rayleigh散射的相对DWR调整），聚焦融化层至?15°C高度之间的活跃冰粒子增长区。多参数阈值法利用六个参数组（Ka波段Z_e、MDV、SW、LDR、三频DWR特征、体积加权平均直径D₀），总得分>3判定为凇附或聚合。梯度法基于绝对DWR和DWR、MDV、SW、LDR的垂直梯度五个判据，要求得分>2。梯度计算前用Savitzky–Golay滤波器平滑（10分钟时间窗、5门垂直窗），并采用五、七、九门三种垂直尺度进行符号稳定性筛选。另进行DWR空间定量评估（计算到参考凇附/聚合曲线的距离，定义偏好指数M）和DWR-withheld消融实验。

以下按原文小标题总结结果：

3.1 案例描述。通过分析雷达变量的时间-高度剖面，发现2016年1月3日18:00–22:00 UTC期间，中层2–4 km出现强Z_e、快速下沉速度、宽SW和极低LDR，且DWR_Ka?W明显增大而DWR_X?Ka相对较小，表明该层以凇附为主；低层0.8–1.2 km则呈现弱Z_e、窄SW和LDR升高，同时DWR_X?Ka与DWR_Ka?W同步增加，符合聚合特征。D₀的垂直分布显示粒子在2–4 km增长至约2.5 mm，低层超过4 mm，支持凇附后聚合的演变。此外，20:30–22:00 UTC近地面层出现Z_e降低、下落速度减弱但DWR仍正值，结合ERA5相对湿度资料，该现象被解释为雪粒子升华。

3.2 基于梯度的分析。通过计算垂直梯度，发现在0°C层附近存在聚合主导的梯度组合：?MDV>0、?SW<0、?LDR>0、?DWR_X?Ka>0、?DWR_Ka?W<0；其上下的云层则呈现凇附特征。不同时段梯度符号组合变化揭示了凇附到聚合的转变，并识别出在凇附主导阶段局部高度仍存在聚合起始层，或在聚合主导阶段约2 km高度仍保留凇附信号，表明垂直方向微物理过程可共存。

3.3 两种方法的分类与比较分析。应用两种方法得到分类结果，二者在宏观演变上一致，但梯度法识别出更多过程区域。针对四种代表性分歧区间，在DWR_X?Ka–DWR_Ka?W空间中计算到参考凇附/聚合曲线的相对距离和偏好指数M，定量支持梯度法的标签更符合物理预期。全事件中梯度法分类覆盖率为14.11%，阈值法为8.86%，差异有95.2%位于过程边界附近。DWR-withheld消融实验表明，即使排除DWR及D₀相关输入，仅使用MDV、SW、LDR的垂直梯度仍能产生物理一致的分类，说明梯度法的扩展能力并非仅继承自DWR。

讨论部分指出，两种方法都是参数方法，总体上都能呈现事件尺度演变：早期凇附和聚合共存，中期凇附主导，后期聚合主导。梯度法之所以对弱信号和转变更敏感，是因为它关注多参数协调的垂直变化而非绝对阈值。未来需要将雷达观测与粒子成像仪器（如多角度雪花相机）和光学测雨计结合，并考虑下落时间与水平平流进行独立验证，还需在多个降雪事件和雷达配置上评估其可迁移性。

结论翻译：本研究开发了一个基于梯度的多参数框架，用于从共置的X、Ka、W波段雷达观测中识别凇附主导和聚合主导的雪增长过程。对于2016年1月3–4日的降雪事件，传统的多参数阈值法和梯度法都捕捉到了从过程共存到凇附主导、再到聚合主导的事件尺度演变。梯度法还扩展了可识别过程域，并为弱聚合、混合态、过程边界以及从凇附影响向聚合主导的时间转变提供了更多诊断细节。定量DWR空间分析支持了代表性分歧区的物理解释，而DWR-withheld实验表明，即使在标签生成过程中排除所有DWR和D₀相关输入，MDV、SW和LDR的垂直演变仍保留物理一致的过程信息。这些结果为当前事件建立了过程特异且物理一致的概念验证。在确认该方法更广泛的适用性之前，需要使用共置的粒子成像和测雨计观测进行独立验证，并在多个降雪事件和雷达配置上评估。如果这些观测证实，该框架可为降雪反演和冰相微物理参数化提供有用的过程信息。