4種配對(duì)方法在海南秋季雷達(dá)定量估測(cè)降水中的效果對(duì)比

董凌宇，林曉斌，翁小芳

（1.海南省南海氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，?？?570203; 2.海南省氣象臺(tái)，?？?570203）

海南島地處熱帶北緣，屬熱帶季風(fēng)氣候，是地球上同緯度降雨量最多的地區(qū)之一[1]。海南島秋季降水約占年降水量的37.6%，是暴雨出現(xiàn)頻次較高的季節(jié)，且易出現(xiàn)連續(xù)暴雨天氣過程[2]。海南島秋季連續(xù)暴雨常造成洪澇、城市內(nèi)澇、泥石流等災(zāi)害，造成嚴(yán)重的經(jīng)濟(jì)和人員損失。如何及時(shí)定量獲取秋季暴雨的空間分布，為政府部門的防洪救災(zāi)決策提供幫助，成為近年來氣象科研人員關(guān)注的重點(diǎn)領(lǐng)域之一。雨量計(jì)、雷達(dá)和衛(wèi)星是目前測(cè)量降雨的3種最主要手段。雨量計(jì)作為傳統(tǒng)的測(cè)雨工具，其觀測(cè)量常被認(rèn)為是真實(shí)的或者參考的降雨值。然而，雨量計(jì)分布的不均勻或者空間覆蓋率的不足會(huì)導(dǎo)致在估算面雨量時(shí)容易出現(xiàn)較大偏差，尤其是在山區(qū)和流域周圍[3]。利用衛(wèi)星觀測(cè)雨量是一種很具吸引力的方式。衛(wèi)星觀測(cè)能提供全球尺度的降雨量，但很難提供小尺度和實(shí)時(shí)的雨量數(shù)據(jù)。此外，隨著時(shí)間尺度的減?。磸脑碌饺盏叫r(shí)），衛(wèi)星估測(cè)降雨的精度也隨之降低[4]。雷達(dá)定量估測(cè)降水是通過建立雷達(dá)回波與雨量計(jì)測(cè)雨值之間的關(guān)系，得到較大范圍內(nèi)高時(shí)空分辨率的降雨場(chǎng)，在一定程度上彌補(bǔ)了雨量計(jì)和衛(wèi)星觀測(cè)的不足[5]。

在利用雷達(dá)估測(cè)降雨中，Z-R關(guān)系被廣泛應(yīng)用。雷達(dá)反射率因子Z與雨量計(jì)實(shí)測(cè)雨強(qiáng)R的配對(duì)方法是影響Z-R關(guān)系精度的關(guān)鍵因素。CALHEIROS等[6]假設(shè)雨滴從大氣下降到雨量計(jì)的過程絕對(duì)垂直且耗時(shí)為零，即匹配同一時(shí)刻且正垂直的雨量計(jì)實(shí)測(cè)量R和雷達(dá)實(shí)測(cè)值Z，這就是傳統(tǒng)的ZR 配對(duì)方法（the traditional matching method, 簡(jiǎn)稱TMM法）。TMM法物理過程清晰，簡(jiǎn)單易行，是最基本匹配法之一。在TMM法的假設(shè)未考慮現(xiàn)實(shí)中Z、R數(shù)據(jù)集存在的時(shí)空不匹配問題，而這恰是影響Z-R關(guān)系準(zhǔn)確性的關(guān)鍵因素。因此，ATAS[7]、ROSENFELD[8]提出概率配對(duì)法（the probability matching method, 簡(jiǎn)稱 PMM 法）,假設(shè)雷達(dá)反射率因子Z與雨量計(jì)實(shí)測(cè)量R具有相同的發(fā)生概率，即可用概率密度函數(shù)把Z、R匹配起來，進(jìn)而建立Z-R關(guān)系。ROSENFELD[9]進(jìn)一步提出了窗口概率配對(duì)法（the window probability matching method,簡(jiǎn)稱WPMM法），旨在減少概率配對(duì)法中的時(shí)空不匹配問題。PMM和WPMM法的基本假設(shè)是一致的，通過尋找基于雷達(dá)反射率Z對(duì)雨量計(jì)實(shí)測(cè)降水R的一種概率密度函數(shù)，建立Z-R關(guān)系。其缺點(diǎn)在于匹配中未能再現(xiàn)降雨的真實(shí)物理過程，而優(yōu)點(diǎn)也在于匹配過程中幾乎不需要考慮R和Z之間的物理聯(lián)系以及同步性，具有較強(qiáng)實(shí)用性且估測(cè)精度較高。PIMAN[4]提出窗口相關(guān)配對(duì)法（the window correlation matching method, 簡(jiǎn) 稱WCMM法），尋找最優(yōu)Z-R配對(duì)，試圖解決雷達(dá)觀測(cè)高度與風(fēng)的客觀存在導(dǎo)致Z、R配對(duì)時(shí)的時(shí)空不匹配問題。WCMM法在泰國(guó)的應(yīng)用情況顯示W(wǎng)CMM法的估測(cè)精度較TMM法、PMM法和WPMM法有不同程度的提高[10]。該方法采用1個(gè)小的滑動(dòng)時(shí)空窗并應(yīng)用相關(guān)關(guān)系匹配Z-R對(duì)，在一定程度上解決了Z、R配對(duì)時(shí)的時(shí)空不匹配問題，但計(jì)算相對(duì)復(fù)雜，計(jì)算機(jī)資源需要較大。

中國(guó)基于雷達(dá)反射率和雨量計(jì)進(jìn)行降水估測(cè)的研究很多。李腹廣等[11]基于TMM法，利用興義多普勒雷達(dá)體掃復(fù)合仰角資料進(jìn)行降水估測(cè)，結(jié)果表明,所得Z-R關(guān)系適用性較好，準(zhǔn)確率較高。吳星霖等[12]基于TMM法本地化邵通地區(qū)的Z-R關(guān)系，小時(shí)降水估計(jì)的擬合率約80%。鄭嬡媛等[13]根據(jù)雷達(dá)不同距離段不同仰角PPI資料與雨強(qiáng)，建立概率配對(duì)序列，得到安徽地區(qū)的Z-R關(guān)系。張愛民等[14]利用安徽合肥S波段多普勒雷達(dá)進(jìn)行降水估測(cè)，結(jié)果表明，PMM法的表現(xiàn)優(yōu)于最優(yōu)化法，24 h站點(diǎn)雨量平均相對(duì)誤差均小于40%。高曉榮等[15]利用PMM法對(duì)廣東的6部多普勒雷達(dá)估測(cè)降水，再進(jìn)行降水估計(jì)拼接，以此來擴(kuò)展降水估計(jì)范圍。邵月紅等[16]通過改進(jìn)的最佳窗概率配對(duì)法（WPMM法）、遺傳算法和最優(yōu)化法分別得到沂沭河流域多普勒雷達(dá)降水Z-R關(guān)系，對(duì)比結(jié)果表明,改進(jìn)的最佳窗概率配對(duì)法估測(cè)結(jié)果最優(yōu)。目前國(guó)內(nèi)尚無基于WCMM法進(jìn)行定量估算降水的文獻(xiàn)。另一方面，受到降雨分布，雨滴譜特征、近地面氣流、區(qū)域特點(diǎn)等因素的綜合影響，Z-R關(guān)系具有很強(qiáng)的區(qū)域性，如何使其本地化是一個(gè)待解決的問題。目前，海南島秋季暴雨的雷達(dá)定量降水估測(cè)方面的工作還較少，筆者采用TMM、PMM、WPMM和WCMM 共4種配對(duì)方法同時(shí)進(jìn)行降水估測(cè)試驗(yàn)，改進(jìn)海南島地區(qū)多普勒雷達(dá)降水產(chǎn)品的性能，以期獲得更精準(zhǔn)的秋季降水定量估測(cè)產(chǎn)品。

1 雷達(dá)和雨量計(jì)資料處理

1.1 雷達(dá)資料處理 采用?？?CINRAD WSR-98D 雷達(dá)，位于 19°59′47″N，110°14′45″E，海拔118 m。收集 2017年和 2018年 9—11月逐 6 min 1次的多普勒雷達(dá)體掃資料。

對(duì)雷達(dá)基本反射率數(shù)據(jù)進(jìn)行處理，主要包括以下幾個(gè)方面：（1）數(shù)據(jù)的方位統(tǒng)一:為了方便進(jìn)行不同仰角數(shù)據(jù)的比較,將每個(gè)仰角的數(shù)據(jù)統(tǒng)一插值到0～359°的方位角上[17]；（2）假定引起降水的最小反射率因子為21 dBz[13]，小于該強(qiáng)度的回波認(rèn)為是非降水事件；（3）將＞55 dBz的反射率因子，令其為55 dBz；（4）為避開地物雜波干擾，距雷達(dá)0～60 km采用3.4°仰角，60～120km采用1.5°仰角，120～230 km采用0.5°仰角。

1.2 雨量計(jì)資料處理 收集海南省 490 個(gè)氣象觀測(cè)站2017年和2018年9—11月逐5 min自計(jì)雨量資料。本研究所使用各氣象臺(tái)站的雨量計(jì)多為虹吸式雨量計(jì)，其精度為0.1 mm?？紤]到雷達(dá)體掃間距與雨量計(jì)觀測(cè)間距的不匹配，將雨量資料插值成6 min間隔的數(shù)據(jù)。本研究選取的雨強(qiáng)閾值為 0.6 mm·h-1，即不考慮 0.6 mm·h-1以下的降水。

從收集的雨量計(jì)數(shù)據(jù)中選取出19個(gè)強(qiáng)降水事件（共 23 d），其中2017年10個(gè)，2018年9個(gè)。強(qiáng)降水事件的定義：在降水時(shí)段內(nèi)觀測(cè)到強(qiáng)降水（＞50 mm·6 h-1或者＞20 mm·h-1）的市縣達(dá)3個(gè)以上。

2 4種Z-R配對(duì)方法

2.1 傳統(tǒng)配對(duì)方法（TMM 法） TMM法為匹配同一時(shí)刻且正垂直的雨量計(jì)實(shí)測(cè)量和雷達(dá)實(shí)測(cè)值。本研究把1 h雨量計(jì)降雨量R和同一時(shí)段的垂直于雨量計(jì)的平均雷達(dá)反射率因子值Z，配成1個(gè)Z-R對(duì)。在得到若干Z-R對(duì)后，利用最小二乘法擬合得到Z-R關(guān)系式,可用公式（1）表示（本研究所有配對(duì)法所得Z-R關(guān)系式將統(tǒng)一使用該式表示）：

式中，Z是以mm6·m-3為單位的雷達(dá)反射率，R是以mm·h-1為單位的降雨強(qiáng)度，a和b為參數(shù)。此外，dBz=10lg〔Z〕；dBR=10lg〔R〕。

2.2 概率配對(duì)法 (PMM 法) 在 TMM 法中假設(shè)，雨量計(jì)測(cè)量的降雨量與雨量計(jì)正上方的雷達(dá)反射率是同步的。然而，現(xiàn)實(shí)中該假設(shè)幾乎是不存在的。原因：(1)地面雨量計(jì)附近雨滴譜分布與雷達(dá)有效照射體積的空間不一致；(2)雷達(dá)波束的平均作用；(3)雨量計(jì)測(cè)量和雷達(dá)測(cè)量的時(shí)間、地點(diǎn)上的不一致。為了消除Z、R之間的時(shí)空不匹配，CALHEIROS 等[6]、ATLAS 等[7]提出 PMM 法，假設(shè)在氣候均勻的區(qū)域內(nèi)，雷達(dá)反射率因子Z與雨量計(jì)實(shí)測(cè)量R是描述降水事件的2個(gè)隨機(jī)變量，具有相同的發(fā)生概率。任一點(diǎn)任一時(shí)刻雨強(qiáng)R的發(fā)生概率為 P〔R〕dR，雷達(dá)反射率因子Z的發(fā)生概率為 P〔Z〕dZ，若Z和R2個(gè)隨機(jī)變量一一對(duì)應(yīng)，那么必有P〔R〕dR=P〔Z〕dZ；反之，若已知Z和R的概率分布，那么依據(jù)概率相等原理即可決定ZR關(guān)系。PMM法消除了定時(shí)誤差，因?yàn)镻MM法沒有利用每對(duì)R和Z發(fā)生的實(shí)際時(shí)間，并且只要雨量計(jì)上雷達(dá)像素處的雨滴絕對(duì)垂直，PMM法就間接消除了幾何誤差。

通常，對(duì)累計(jì)雨量貢獻(xiàn)很小的雨強(qiáng)常占有相當(dāng)大的概率，為了減少小雨強(qiáng)事件的干擾，為此，ATLAS[6]建議用公式（2）配對(duì)：

公式（2）增大了大雨強(qiáng)和大反射率的影響，對(duì)Zc閾值Ri和選取不太敏感。按CDF1相等原理，得到一組Zi-Ri對(duì)的序列，利用最小二乘法擬合即可得到氣候Z-R關(guān)系。公式（2）中的Zc和Rc分別為21 dBz 和 0.6 mm·h-1。

2.3 窗口概率配對(duì)法（WPMM 法）為了減少Z和R在匹配中的幾何失配和同步誤差，ROSENFELD等[9]發(fā)展了WPMM法。WPMM法考慮到雨滴從雷達(dá)像素處下落到雨量計(jì)需要時(shí)間，且雨滴在下落過程中并不垂直。因此，可通過將雨量計(jì)測(cè)量的降雨強(qiáng)度匹配僅從圍繞雨量計(jì)中心的小窗口（時(shí)間和空間）獲取的雷達(dá)反射率來消除時(shí)空誤差。該窗口必須足夠小，以便雨量計(jì)能夠表示雨量計(jì)上方雷達(dá)窗口內(nèi)的降水量度，但要足夠大，以包含此類測(cè)量固有的時(shí)間誤差和幾何誤差。本研究選擇使用以雨量計(jì)為中心的空間窗尺寸7×7的雷達(dá)網(wǎng)格（共包含49個(gè)雷達(dá)反射率因子），以及3個(gè)6 min時(shí)間窗口的雨強(qiáng)值。如圖1所示，其中Z從空間窗口獲得，位于雨量計(jì)坐標(biāo)的中心，R從雷達(dá)掃描時(shí)中心的3個(gè)6 min平均雨量計(jì)強(qiáng)度中獲得。為了得到1個(gè)無時(shí)間誤差的代表性PDF（R），必須包含前一個(gè)和后一個(gè)6 min的雨強(qiáng)度。因此，每個(gè)雷達(dá)掃描和每個(gè)雨量計(jì)分別為PDF（Z）貢獻(xiàn)49個(gè)Z值和為PDF（R）貢獻(xiàn)3個(gè)R值（包括零值）。通過WPMM法匹配，可以獲得雷達(dá)和雨量計(jì)觀測(cè)之間較接近的同步，并且可以確保高空的雷達(dá)觀測(cè)與地面的雨水測(cè)量相對(duì)應(yīng)，從而減少因風(fēng)吹動(dòng)雨滴導(dǎo)致的Z、R匹配時(shí)存在的誤差。該匹配方法能增加Z-R對(duì)的數(shù)量（相對(duì)PMM法），對(duì)提高估計(jì)的Z-R關(guān)系的精度有幫助[9]。

圖1 窗口概率配對(duì)法示意圖

計(jì)算WPMM的Z-R關(guān)系為擬合從所有窗口獲得的通過無條件累積概率匹配得到的Z-R對(duì)。把來自同一窗口的Z和R兩個(gè)數(shù)據(jù)集（每個(gè)窗口提供49個(gè)Z和3個(gè)R值）排序；具有相同累積百分位數(shù)的Z和R是相互關(guān)聯(lián)的，這樣每一個(gè)雨量計(jì)可提供若干個(gè)Z-R對(duì)；最后利用范圍內(nèi)所有雨量計(jì)提供的Z-R對(duì)求解出Z-R關(guān)系式。

2.4 窗口相關(guān)配對(duì)法（WCMM 法） 為了減少降雨過程中由風(fēng)和雷達(dá)測(cè)量高度引起的Z-R配置錯(cuò)誤和定時(shí)錯(cuò)誤（非同步的Z-R數(shù)據(jù)集），PIMAN等[4]提出了WCMM法。WCMM法與WPMM法在物理假設(shè)上是相近的，主要區(qū)別在于Z和R數(shù)據(jù)集的處理上。WCMM法使用非同步的Z和R數(shù)據(jù)集來建立具有代表性的反射率-雨強(qiáng)關(guān)系。該方法的概念是對(duì)傳統(tǒng)配對(duì)方法中搜索和尋找與R具有最佳對(duì)應(yīng)關(guān)系的最優(yōu)匹配區(qū)域的擴(kuò)展。

WCMM法的匹配過程(圖2)包括將空間和時(shí)間窗內(nèi)的Z值與參考雨量計(jì)的降雨強(qiáng)度R進(jìn)行匹配，搜索出雷達(dá)反射率因子Z值，使得Z和R之間的相關(guān)性達(dá)到最大，其中相關(guān)系數(shù)r根據(jù)公式（3）和公式（4）求得。將該Z值指定為與參考雨量計(jì)的降雨強(qiáng)度R匹配，這對(duì)Z-R被稱為“最優(yōu)ZR對(duì)”。

圖2 窗口相關(guān)配對(duì)法示意圖

式中，Zi是非零Z-R對(duì)數(shù)據(jù)集中第i個(gè)Z值，Z是Z的平均值，Ri是非零Z-R對(duì)數(shù)據(jù)集中第i個(gè)R值，是R的平均值，SZ是Z的標(biāo)準(zhǔn)偏差，SR是R的標(biāo)準(zhǔn)偏差，n是所計(jì)算雨量站若干小時(shí)內(nèi)的非零Z-R對(duì)個(gè)數(shù)。

根據(jù)前人的研究結(jié)果[4]，使用空間窗尺寸7×7的雷達(dá)網(wǎng)格，并結(jié)合當(dāng)前時(shí)間和前6 min雷達(dá)掃描時(shí)間窗口，可以糾正Z-R對(duì)中的配置和定時(shí)錯(cuò)誤，因此本研究沿用該配置（簡(jiǎn)稱S77T6配置）。S77T6配置中，為了尋找最優(yōu)Z-R對(duì)，每個(gè)站點(diǎn)的每個(gè)R值需要匹配98個(gè)Z值(需要匹配前后兩個(gè)雷達(dá)窗口的網(wǎng)格點(diǎn)：7 × 7 × 2)。另外，考慮到計(jì)算量的問題，本研究選取實(shí)測(cè)雨強(qiáng)的變化范圍為 6～90 mm·h-1，增量為 6 mm·h-1。

3 Z-R關(guān)系評(píng)估

3.1 估算 a、b 系數(shù) 利用 TMM、PMM、WPMM和WCMM 4種配對(duì)法分別獲得各自的Z-R對(duì)，通過最小二乘法線性擬合回歸求得a、b參數(shù)值，得到不同區(qū)域的氣候Z-R關(guān)系(a、b參數(shù)的詳細(xì)分布見表1)。

為了評(píng)估不同區(qū)域Z-R配對(duì)的合理性，對(duì)不同區(qū)域的4種Z-R對(duì)繪制散度圖及擬合直線，結(jié)果如圖3所示（僅展示距雷達(dá)0～＜30 km范圍的情況，其他區(qū)域相類似）。TMM（圖3-a）、PMM（圖3-b）、WPMM（圖3-c）和WCMM（圖3-d）分布匹配的ZR對(duì)（黑色散點(diǎn)）大致均勻分布在擬合直線（紅線）兩側(cè)，表明4種配對(duì)法擬合的Z-R函數(shù)可以較好描述Z-R對(duì)的分布，尤其是PMM法所得擬合直線幾乎與Z-R對(duì)分布重合，擬合效果最好。

圖3 距雷達(dá)0～＜30 km范圍內(nèi)雷達(dá)估測(cè)降雨與雨量計(jì)觀測(cè)降雨量的散點(diǎn)圖

3.2 小時(shí)雨強(qiáng)效果評(píng)估 表2 給出了 4 種配對(duì)法所得小時(shí)雨量的絕對(duì)誤差和相對(duì)誤差，加粗的數(shù)值表示絕對(duì)誤差小于0。對(duì)于小時(shí)雨強(qiáng)（＜5 mm·h-1）事件，4 種配對(duì)法對(duì) QPE 的反演都存在明顯的高估，隨著雷達(dá)探測(cè)距離的增長(zhǎng)，高估程度趨于增大，210～＜230 km的相對(duì)誤差可達(dá)725.3%(WCMM)。PMM法對(duì)小雨強(qiáng)事件的高估程度在4種方法中最低，0～＜30 km的誤差為1.9 mm,相對(duì)誤差為94.1%。4種配對(duì)法對(duì)中等雨強(qiáng)（5～20 mm·h-1）事件的反演的相對(duì)誤差較小雨強(qiáng)（＜5 mm·h-1）事件有所降低。PMM 和 WPMM 法所得時(shí)雨強(qiáng)存在低估，WCMM法和TMM法存在高估。PMM法和WPMM法的相對(duì)誤差明顯小于其他兩種配對(duì)法，反演結(jié)果更接近實(shí)況。對(duì)于大雨強(qiáng)（＞20 mm·h-1）事件，4 種配對(duì)法的反演大多為低估，PMM法和WPMM法低估的程度（相對(duì)誤差）小于TMM法和WCMM法?？傊?，4種配對(duì)都有著對(duì)弱降水事件估測(cè)偏大，強(qiáng)降水事件估測(cè)偏小的傾向；PMM法和WPMM法的小時(shí)雨強(qiáng)反演效果更好，更接近實(shí)況。

表2 4種配對(duì)法所得小時(shí)雨量的絕對(duì)誤差和相對(duì)誤差

從估測(cè)小時(shí)雨強(qiáng)|相對(duì)誤差|≤20%的個(gè)數(shù)在所有樣本中所占比例分布柱狀圖（圖4-a）可以看出，隨著離雷達(dá)位置越遠(yuǎn)，比例呈下降趨勢(shì)，估測(cè)降水的相對(duì)誤差在增大。PMM法估測(cè)降水的表現(xiàn)最好，估測(cè)降水相對(duì)誤差較小，比例在30%～40%之間，其次為WPMM法。在平均絕對(duì)誤差（MAE）方面，MAE也隨距離的增加而增大（圖4-b）。PMM法的 MAE都在 4 mm·h-1以下，是 4種方法中最小的。說明PMM法估測(cè)單點(diǎn)降水能力較TMM法、WPMM法和WCMM法強(qiáng)。

圖4 4種配對(duì)法所估測(cè)降水的小時(shí)雨強(qiáng)效果檢驗(yàn)柱狀圖

3.3 區(qū)域面雨量效果評(píng)估 為了更全面評(píng)估4種配對(duì)法的估測(cè)結(jié)果，本研究計(jì)算區(qū)域范圍內(nèi)雨量計(jì)所有降水量之和及相應(yīng)站的估測(cè)降水量總和。表3給出了2017—2018年秋季區(qū)域總雨量實(shí)況與4種配對(duì)法估測(cè)降水的對(duì)比，可以看到TMM法、WPMM法和WCMM法在面雨量上都存在不同程度的高估，并且距離雷達(dá)越遠(yuǎn)，高估程度越大。PMM法在距雷達(dá)60～＜180 km的范圍內(nèi)出現(xiàn)面雨量低估，其余范圍內(nèi)為高估。在0～＜60 km 和 150～＜230 km 范圍內(nèi)，PMM 法的面雨量估測(cè)精度最高，在0～＜30 km范圍內(nèi)僅偏差了324 mm，占實(shí)測(cè)面雨量的2.1%。60～＜150 km范圍，WPMM表現(xiàn)最佳，偏差均小于15%。

表3 2017—2018 年秋季區(qū)域總雨量實(shí)況與估測(cè)對(duì)比

4 結(jié) 論

本研究利用4種方法分別求解海南島秋季的區(qū)域氣候Z-R關(guān)系，對(duì)秋季暴雨過程進(jìn)行雷達(dá)定量降水估測(cè)，并與雨量計(jì)實(shí)測(cè)降水進(jìn)行比較，可以得到以下結(jié)論：

（1）4種配對(duì)都存在對(duì)弱降水事件估測(cè)偏大，強(qiáng)降水事件估測(cè)偏小的傾向。估測(cè)降水的效果隨雷達(dá)探測(cè)距離的增大而下降。

（2）在小時(shí)雨強(qiáng)評(píng)估中，PMM法的平均絕對(duì)誤差和相對(duì)誤差都是4種方法中最小的，表明PMM法估測(cè)單點(diǎn)降水能力較TMM法、WPMM法和WCMM法強(qiáng)。

（3）在面雨量評(píng)估中，PMM法估測(cè)面雨量在 0～＜60 km 和 150～＜230 km 范圍內(nèi)偏差最小，WPMM法則在60～＜150 km范圍內(nèi)表現(xiàn)更優(yōu)。

（4）總體上看，PMM法在小時(shí)雨強(qiáng)和面雨量估測(cè)兩方面較其他3種方法具有明顯優(yōu)勢(shì)，可利用PMM法得到的Z-R關(guān)系調(diào)整海南雷達(dá)估測(cè)降水，形成更穩(wěn)定更精準(zhǔn)的雷達(dá)定量估測(cè)降水產(chǎn)品。

本研究?jī)H利用?？贑INRAD WSR-98D雷達(dá)資料對(duì)2017—2018年海南秋季強(qiáng)降水過程進(jìn)行分析，所得結(jié)論具有一定的局限性和時(shí)空獨(dú)特性。今后可進(jìn)一步對(duì)更多年份的秋季強(qiáng)降水過程進(jìn)行檢驗(yàn)分析，并對(duì)海南的臺(tái)風(fēng)降水、午后強(qiáng)對(duì)流降水等過程進(jìn)行對(duì)比分析，以便得到普適性更高，更有價(jià)值的結(jié)果，從而切實(shí)提高海南地區(qū)降水的定量估測(cè)能力。