一种针对GPM核心观测站上搭载的双频降水雷达的Hydrometeor分类算法

《Atmospheric Research》：A profiled hydrometeor classification algorithm for dual-frequency precipitation radar onboard GPM core observatory

基于GPM DPR双频观测开发了分层水汽分类算法，通过构建包含Ku/Ka波段反射率、双频比和气温的特征向量，利用欧氏距离实现水汽相分类。评估显示液态和混合相分类精度高于0.75，冰相中霰类（0.66）和低密度霰粒（0.43）精度较低，存在特征重叠问题。区域应用表明层状降水以湿雪、霰和冰晶为主，对流性降水以霰和冰雹更常见，该算法为空间降水雷达水汽分类产品开发提供了可靠工具。

　　

Jiajia Tang|Xiong Hu|Weihua Ai|Shensen Hu|Xianbin Zhao|Li Wang|Zhonghui Tan

中国国防科技大学气象海洋学院，长沙

摘要

本文开发了一种用于全球降水测量（GPM）任务中双频降水雷达（DPR）的剖面化水成物分类算法（HCA），该算法基于地面雷达的观测数据。选择了一个四维特征向量作为输入，包括Ku波段和Ka波段的反射率、双频比以及GPM DPR测得的空气温度，并将其与广州（GZ）地面双极化雷达的水成物分类结果进行配对，以生成一个带有标签的数据集。每个类别的平均特征向量被用作该类别的质心。计算样本与水成物类别质心向量之间的欧几里得距离，并将距离最小的类别分配给该样本。将GPM DPR-HCA应用于一个降水案例，结果表明其获取的水成物剖面与GZ雷达的结果非常吻合。通过对GZ雷达和水成物分类结果以及GPM DPR官方相位产品的对比评估，发现对于液态和混合相水成物，概率相似度（POD）超过了0.75；而对于冰雹和低密度霰弹，由于特征重叠较大，POD分别为0.66和0.43。在长江-淮河流域和华南地区的区域应用显示，在层状降水事件中，湿雪、霰弹和冰晶占主导地位，而在对流事件中霰弹和冰雹更为常见。GPM DPR-HCA的准确性和可靠性使其成为开发星载降水雷达水成物分类产品的候选算法。

引言

降水粒子在形成和发育过程中会经历多种相变，从而在降水系统的垂直结构中形成多种水成物相。准确分类水成物对于提高定量降水估计的准确性（Giangrande和Ryzhkov，2008年）、深入理解降水微物理过程（Kumjian和Deierling，2015年）以及验证数值天气模型的结果（Zhang等人，2006年）至关重要。

天气雷达仍然是实时降水监测最有效的工具之一。最近，操作型天气雷达升级为双极化系统，提供了关于水成物微物理特性的更多信息，包括粒子大小、形状、方向和体积密度。已经开发并使用地面双极化雷达（GRs）评估了多种水成物分类算法（HCAs），包括决策树（El-Magd等人，2000年；H?ller等人，1994年）、统计决策理论（Marzano等人，2008年；Marzano等人，2007年）、神经网络（Wang等人，2017年）和模糊逻辑方法（Liu和Chandrasekar，2000年；Schuur等人，2003年；Vivekanandan等人，1999年）。然而，GRs受到固定位置和有限空间覆盖范围的限制，难以监测海洋和高原等偏远地区。相比之下，星载降水雷达（如热带降雨测量任务（TRMM）上的降水雷达（PR）和全球降水测量（GPM）任务上的双频降水雷达（DPR）在准全球降水监测中表现出高可靠性（Hu等人，2024年；Hu等人，2022年；Kumar等人，2023年；Sun等人，2024年）。然而，TRMM PR和GPM DPR都没有配备双极化能力，这限制了它们在水成物分类中的应用。

Ku波段和Ka波段反射率的垂直剖面及其与GPM DPR的差异包含了水成物相分类的重要特征（Wolfensberger和Berne，2017年）。已经开发了几种利用反射率和测得的双频比（DFR）来确定水成物相的算法。Le和Chandrasekar（2013年）证明双频信号可以有效区分液态、冻结态和混合相降水。DFR的平均斜率被用于降水类型指数（Le和Chandrasekar，2021年），以识别特定的二维水成物类别，如地表降雪（Le等人，2017年）、冰雹（Le和Chandrasekar，2023年）和强冰降水（Iguchi等人，2018年）。此外，DFR剖面及其范围变化被用来确定融化层的上限和下限高度（Le和Chandrasekar，2013年）。最近的研究探索了GPM DPR观测数据获取水成物相分布垂直剖面的潜力。Jun-qi等人（2020年）开发了一种基于模糊逻辑的方法来分类热带气旋中的水成物，其结果与GPM DPR的官方相位产品（GPM DPR-Phase）相当吻合。Pejcic等人（2022年）提出了一种基于GPM DPR和GR观测数据联合特征分布的水成物分类方法。Le和Chandrasekar（2024年）引入了一种结合融化层、地表降雪、霰弹和冰雹等信息的分类方法。然而，现有的使用GPM DPR观测数据的HCAs仅限于少数几种水成物类别（通常为五种），限制了它们表示复杂微物理结构的能力。此外，Pejcic等人（2022年）和Le和Chandrasekar（2024年）都依赖于GPM DPR检测的融化层来识别某些水成物类别（例如湿雪）。融化层检测的不确定性可能会引入分类结果的误差。尽管这些方法已经与GR或GPM DPR-Phase的HCAs结果进行了初步的定性比较，但还需要更全面的评估来更好地理解GPM DPR在水成物分类方面的潜力。

本研究提出了一种用于GPM DPR双频观测的剖面化HCA（GPM DPR-HCA）。本文的其余部分安排如下：第2节介绍GPM DPR-HCA方法；第3节详细介绍了水成物质心向量的开发过程；第4节通过案例研究和统计分析提供了所提算法的定量评估；最后，第5节给出了结论和讨论。

章节摘录

GPM DPR的水成物分类算法

水成物分类可以通过现场观测或反演方法实现。机载现场测量能够提供最准确的水成物检测，但受到高成本和空间覆盖范围有限的限制。地面成像系统可以识别水成物类别，但缺乏广泛的空间代表性。无线电探空观测可以提供关于水成物重新冻结的见解，但不能直接检测水成物类别（Schuur等人，2012年）。

水成物质心向量的开发

不同水成物类别的质心向量是构建GPM DPR-HCA（图1）代表性特征空间的基础。这些质心向量是基于GR可靠的水成物分类结果得出的。考虑到GR的观测特性，在与GPM DPR观测数据配对构建数据集之前，需要进行数据预处理、时空匹配和水成物分类。

GPM DPR-HCA在降水案例中的性能

图5（a）-（d）显示了2021年7月16日06:18 UTC时，广州（GZ）雷达在广泛层状降水伴有对流单元情况下的极化变量垂直剖面。在5公里高度附近观察到一个明显的亮带，其中$Z_h$峰值接近45dBZ，而$Z_{\mathrm{dr}}$达到约2 dB，而${\rho }_{\mathrm{hv}}$降至约0.9。图5（e）显示了GZ雷达50–100公里范围内ERA5数据集得出的平均温度剖面。0${}^{°}C$露点温度（绿色部分）

结论与讨论

本研究基于GPM DPR的双频观测数据开发了一种剖面化水成物分类算法。所提出的算法能够在准全球范围内识别八种水成物类别。通过构建来自GR和GPM DPR观测数据的可靠参考数据集，为每种水成物类别推导出了质心向量，并在欧几里得距离框架中进行了应用。该算法的准确性和可靠性得到了广泛评估。

CRediT作者贡献声明

Jiajia Tang：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、方法论、研究。Xiong Hu：撰写 – 审稿与编辑、验证、方法论、研究、数据管理。Weihua Ai：撰写 – 审稿与编辑、监督、资金获取、概念化。Shensen Hu：撰写 – 审稿与编辑、软件、资源、概念化。Xianbin Zhao：撰写 – 审稿与编辑、监督、形式分析。Li Wang：监督、资源、资金

资金支持

本研究得到了国家自然科学基金 [项目编号 U2442215]的支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

作者感谢成都信息科技大学的Xiaowen Tang博士对本文的宝贵意见。作者还要感谢在广州工作的S波段双极化天气雷达和GPM卫星的科学家和工程师们的贡献。同时，作者感谢NASA戈达德太空飞行中心的中小尺度大气过程实验室和降水处理系统（PPS）提供的GPM DPR数据（//pmm.nasa.gov/data-access/downloads/gpm