ROSE2.1南昌雷达2021—2023年定量降水估测产品检验评估

Assessment of ROSE2.1 Quantitative Precipitation Estimation Product from Nanchang Radar during 2021-2023

摘要

基于天擎的中国地面逐小时数据，对2021—2023年南昌CINRAD/SAD双偏振雷达ROSE2.1系统的4类定量降水估测产品（产品号分别为078、079、169、170）进行检验评估。结果表明：078、169两类1 h定量降水估测（OHP）产品和079、170两类3 h定量降水估测（THP）产品均具有一定补充监测作用。双偏振产品的定量降水估测能力效果好于单偏振，OHP优于THP，降水强度越小、距离越近估测能力越优；在半径50～150 km双偏振相对单偏振产品效果提升显著，OHP和THP产品准确率分别提升25%～34%和18%～32%，可能与双偏振能改善南昌雷达地物回波和建筑物遮挡作用有关；OHP169产品和THP170产品在南昌雷达站周边约3万 km²范围的准确率高于80%；春、夏季表现最好，秋季次之，冬季较差；对流性降水好于稳定性降水。

Abstract

The inspection and evaluation of China's official weather radar software, Radar Operational Software Engineering version 2.1 (ROSE2.1), contributes to enhancing short-term forecasting and early warning systems, and refining the quantitative precipitation estimation (QPE) algorithm. For the four types of ROSE2.1 QPE products (078, 079, 169, and 170), a spatio-temporal matching and recalibrated evaluation index method is employed to analyze their performance across spatial distributions, seasonal variations, precipitation intensities, and precipitation types from 2021 to 2023. The results show that dual-polarization products outperform single-polarization ones in QPE capabilities, and OHP products are superior to THP products. Smaller precipitation levels and closer distances yield better accuracy. Within a radius of 50-150 km, dual-polarization products significantly improve upon single-polarization products, enhancing the accuracy of OHP and THP products by 25%-34% and 18%-32%, respectively. This improvement is likely due to better mitigation of ground clutter and building occlusion. The accuracy of OHP169 and THP170 products exceeds 80% within an area of 30 000 km² surrounding the Nanchang Radar Station.The accuracy is highest in spring, followed by summer and autumn, with winter exhibiting the lowest performance. Additionally, convective precipitation shows higher accuracy compared to stable precipitation.

Graphical abstract

关键词

ROSE / 定量降水估测 / 检验评估 / 双偏振雷达

Key words

radar operational software engineering / quantitative precipitation estimation / inspection and evaluation / dual-polarization radar

天气雷达定量降水估测（Quantitative Precipitation Estimation,简称“QPE”）相比于气象观测站降水监测，时间空间分辨率更高，对于尚未布设站点的区域，雷达定量降水估测是一种重要补充监测方式^[1]。目前雷达定量降水估测已经在气象业务中广泛应用，并对暴雨和短时强降水监测及次生灾害防治有一定效果^[2-4]。雷达定量降水估测是在一系列理想假设条件下通过Z、R关系，建立反射率和降水的关系得到降水估测产品，因此估测产品和实际降水存在偏差。地物回波、波速阻挡、零度层亮带、异常回波等也带来定量降水估测误差^[5-6]。学者通过最优化校准法^[7-8]、卡尔曼滤波校准法^[9]、动态分级法^[10-11]等对雷达定量降水估测进行订正，具有较好的改进效果，但依然存在偏差。在算法改进和气象预警预报业务中，对定量降水估测产品进行系统测评，有利于更好地利用雷达定量降水产品^[12-16]。

中国新一代天气雷达台站业务软件（Radar Operational Software Engineering）ROSE2.0版本于2022年5月由中国气象局下发，2023年3月升级为ROSE2.1测试版本。当前，ROSE软件是全国所有新一代天气雷达官方业务软件。软件内置本地化改进后的基于美国WSR-88D天气雷达定量降水估测值R的业务算法：单偏振算法主要使用低仰角的反射率因子Z，并通过经典Z-R经验公式得到降水估测值；双偏振算法先通过模糊逻辑算法将水凝物分为11类，不同水凝物类型使用不同的经验公式，再结合反射率因子Z、差分反射率ZDR、差分相移率KDP得到降水估测值R。丰凯华等^[17]评估了ROSE2.0软件单双偏振1 h定量降水估测产品不同降水强度和距离组合情况下在广东的适用性，发现20 mm/h量级和100～150 km范围的10～19.9 mm/h量级情况下双偏振提升显著，但没有测评3 h定量降水估测产品，测评时间仅8个月。此外，学者对ROSE2.0定量降水估测产品在单个强对流天气个例进行了测评和释用^[18-19]。目前，相关研究多以个例和不足1 a时间序列测评为主，主要集中在华南和西南地区，缺乏1 a以上时间序列的系统性测评，对江南地区尚缺乏系统认识。本文使用南昌CINRAD/SAD双偏振雷达进行长时间序列的检验评估，揭示ROSE定量降水估测产品在江南地区的表现情况，有利于精细化短临预报预警业务和定量降水估测算法改进。

1 数据和评估方法

1.1 数据

文中雷达数据来自双偏振升级后的南昌多普勒天气雷达（CINRAD/SAD）基数据；1 h定量降水估测（One Hours Quantitative Precipitation Estimation，简称“OHP”）和3 h定量降水估测（Three Hours Quantitative Precipitation Estimation，简称“THP”）的降水数据及对应质控码来自“气象大数据云平台-天擎”中国地面逐小时资料（SURF_CHN_MUL_HOR）数据集。观测站点为南昌雷达站探测范围内（半径230 km的圆形区域内）共2 585个国家站和区域站（图1）。选取2021年1月1日—2023年12月31日共26 280 h的逐小时数据。

测评对象为ROSE2.1的四类QPE产品：078号单偏振OHP产品、169号双偏振OHP产品、079号单偏振THP产品和170号双偏振THP产品。

1.2 评价指标

4个评价指标分别是平均比例偏差（MBR）、平均绝对偏差（MAE）、归一化平均绝对偏差（NMAE）、准确率（ACC）。平均比例偏差越接近1，平均绝对偏差越小；归一化平均绝对偏差越趋近0%，准确率越趋近100%，说明评价结果越好。4个评价指标计算公式如下：

M_{\mathrm{B}\mathrm{R}}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^N}{Q}_i}{{\displaystyle \sum _{i=\mathrm{1}}^N}{G}_i}，（1）

M_{\mathrm{A}\mathrm{E}}=\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}\left|Q_i-G_i\right|，（2）

N_{\mathrm{M}\mathrm{A}\mathrm{E}}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^N}\left|Q_i-G_i\right|}{{\displaystyle \sum _{i=\mathrm{1}}^N}{G}_i}\times \mathrm{100}\%，（3）

A_{\mathrm{C}\mathrm{C}}=\left(\mathrm{1}-\frac{{\displaystyle \sum _{i=\mathrm{1}}^N}\left|Q_i-G_i\right|}{{\displaystyle \sum _{i=\mathrm{1}}^N}{G}_i}\right)\times \mathrm{100}\%。（4）

式中：M_BR为平均比例偏差，M_AE为平均绝对偏差，N_MAE为归一化平均绝对偏差，A_CC为准确率，Q_i 为雷达降水强度估测值；G_i 为地面自动气象观测站降水强度观测值，N为总共匹配的数据对数量。

1.3 评估方法

在南昌雷达站有效探测半径（230 km）范围内，依据测评需要，选取空间区域中的观测站点。在给定时间段中，定义气象观测站小时雨量≥10 mm/h或3 h雨量≥20 mm的站次≥1，为测评有效日期。同时满足观测站点和有效测评日期的情况下，获取质控码质控后的1 h降水强度和3 h降水强度分别作为测评真值。使用ROSE2.1软件雷达产品生成模块（Radar Product Generator，RPG）对测评有效日期内的南昌站雷达基数据进行数据回放。得到078、169、079、170四类QPE产品作为待测ROSE产品。ROSE产品为网格数据，真值数据是站点数据，两者数据类型不一致，需一致性匹配。将待测ROSE产品和测评真值逐小时对应，形成若干个时次待测数据和真值数据的时间数据对。对所有匹配的时间数据对，逐一将地面气象观测站的真值数据点匹配其位置中心上空3 km×3 km范围内最近的待测ROSE产品数据点，作为时空匹配点，得到时空一致性匹配后的测评值真值数据。由公式（1）～（4）计算得到评估指标。

2 评估结果

2.1 总体表现

选取南昌CINRAD/SAD双偏振雷达ROSE2.1软件078、169两类OHP产品和079、170两类THP产品2021—2023年的1^{h雨量（图2）、3 h雨量数据进行逐小时总体检验评估，给出QPE测评（表1）。}

双偏振产品均优于对应单偏振产品。从表1中169与078之差（记为169－078）的各项测评指标数值可知，平均比例偏差、平均绝对偏差、归一化平均绝对偏差、准确率分别为0.14、－2.39、－13.7%、13.7%；170与079之差（记为170－079）的平均比例偏差、平均绝对偏差、归一化平均绝对偏差、准确率分别为0.12、－3.84、－11.3%、11.4%。双偏振产品平均绝对偏差和归一化平均绝对偏差更低，平均比例偏差和准确率更高，表现均更好。因此，ROSE2.1内置QPE双偏振算法在南昌雷达的适用性优于单偏振算法。OHP产品整体优于THP产品。单偏振OHP078相对THP079，双偏振OHP169相对THP170，平均绝对偏差、归一化平均绝对偏差更低和平均比例偏差、准确率更高，均更接近观测真值。故双偏振雷达ROSE2.1软件OHP产品的定量降水估测能力优于THP。

2.2 降水强度差异

依据气象业务中常用的降水等级阈值，如小时降水＞20 mm定义为短时强降水，3 h降水＞50 mm为暴雨橙色预警信号标准等。将1 h降水强度（One-hour Precipitation Intensity，I_P1）以10、20 mm/h为阈值划分两级，将3 h降水强度（Three-hour Precipitation Intensity，I_P3）以20、50、70 mm·（3 h）^-1为阈值划分3级，给出QPE分降水等级测评表（表2）。除OHP169产品以外，其他QPE产品测评效果均随降水强度变大而变差。对比I_P1在10～20 mm/h、20 mm/h以上以及对比I_P3在20～50 mm·（3 h）^-1、50～70 mm·（3 h）^-1、70 mm·（3 h）^-1以上各指标数值，078、079、170产品均为高降水级别的测评效果差于低降水级别，但169产品除平均绝对偏差外，20 mm/h以上指标优于10～20 mm/h。总体来看，降水强度越小，评分越好。此外，169－078以及170－079均为降水强度越大，双偏振提升效果越好。在较大降水强度出现时，反射率因子Z较大，易出现固态粒子，双偏振算法具有降水粒子分类步骤能有效去除部分固体粒子对QPE的干扰。

2.3 空间差

多普勒雷达由于电磁波随探测距离增加会衰减，以半径0、25、50、100、150、230 km为阈值分5个圆区或环区（图1中Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ）。078、079、169、170四类QPE产品随距离变化的评估结果见图3。

4类QPE产品所有评估指标均表现出随距离增加OHP能力减弱的趋势（图3）。虽然169号产品的平均比例偏差在25～50 km比0～25 km略高，079号产品的平均绝对偏差和归一化平均绝对偏差在100～150 km略有下降趋势，但4类产品指标平均比例偏差和准确率随距离增加而减小的趋势不变，平均绝对偏差和归一化平均绝对偏差随距离增加而增加的趋势不变。078号单偏振产品在50～100 km所有指标均大幅变化，平均比例偏差从0.90降至0.54,准确率从88.7%降至53.3%，平均绝对偏差从2.13增至8.71，归一化平均绝对偏差从11.3%增至46.7%。169号双偏振产品变化幅度较小，平均比例偏差降幅为0.07，准确率降3%，平均绝对偏差增幅为0.75，归一化平均绝对偏差增加4.5%；078号产品的平均比例偏差、准确率降幅分别为0.36、35.4%，平均绝对偏差增幅为6.58，归一化平均绝对偏差增加35.4%。这表明169号双偏振产品比078号单偏振产品更加有效地提高OHP能力的探测范围。图3a、g橙色区域分别表示169号双偏振产品相比078号单偏振产品在平均比例偏差、准确率方面随距离的变化，图3c、e蓝色区域分别表示169号双偏振产品相比078号单偏振产品在平均绝对偏差、归一化平均绝对偏差方面随距离的变化。与单偏振078相比，169号双偏振产品在＜150 km的范围各指标均表现为能有效抑制指标随距离增大而带来的性能变差，因此双偏振能够有效提高ROSE2.1的QPE可信探测范围。THP产品 QPE能力具有随探测距离增加而减弱的特征（图3b、h、d、f），且170号双偏振产品对于079号单偏振产品同OHP双偏振的效果提升情况类似。双偏振产品在100 km以内主要估测值比真实值偏大，平均比例偏差＞1，在＞100 km范围的估测值比真实值小，而单偏振产品所有范围的估测值均小于真实值。

南昌CINRAD/SAD双偏振多普勒雷达由于受周边山区地形和高大建筑物遮挡的影响，0.5°仰角雷达数据在西北和东南方向存在缺失^[20]。因此，南昌雷达在不同方位探测能力有差异，为进一步揭示在不同方向上QPE可信探测半径延伸范围的情况，在不同距离划分基础上以南昌雷达站为中心，正北方向记为0°，从11.25°开始，顺时针以22.5°为间隔划分方位，其中≤11.25°或＞348.75°为正北方位，得到80个区域。图4为QPE产品各指数空间分布。南昌雷达随距离增加，QPE能力递减，在不同方位上存在明显差异，随距离增加，西北和东南递减快，QPE能力差，东北和西南递减慢，QPE能力好。在西北和东南两方位，地形和建筑物遮挡导致0.5°仰角数据缺失和漏测，可能是降水估测能力空间差异形成的一个原因。不同方位的差异在单偏振产品078、079中更加显著，双偏振产品169相对078，170相对079，QPE能力都在递减较慢的东南和西北区域有较大提高，169号双偏振产品的平均比例偏差0.8线在南昌市和九江市交界100 km处（图4b），单偏振078平均比例偏差的0.8线位于九江武宁县和庐山市一带200 km处（图4a）。西北方向延伸距离大约是东南方向的2倍。在东北和西南递减较慢的方向，双偏振对单偏振的提升效果小一些，钟兰頔等^[20]指出南昌双偏振对于单偏振能在西北和东南方向弱化地形回波和建筑物遮挡。因此，双偏振弱化地物回波和建筑物遮挡的作用可能会直接提高整体QPE能力。从可信探测范围来看，平均比例偏差在0.8～1.2的分布范围认为QPE可信度较高（图4b），东北方向延伸大约190 km至上饶市西部，西南方向延伸大约180 km至新余市；而平均绝对偏差（图4f）、归一化平均绝对偏差（图4j）、准确率（图4n）在东北方向的上饶市西部和新余市分别为3.0、20%、80%。相反，在西北和东南递减较快，可信探测范围更小。平均比例偏差＞0.8且＜1.2的范围在西北和东南方向均仅延伸100 km左右，约为东北和西南方向的55%。THP也具有类似的空间特征。

南昌市、新余市、宜春市中西部、上饶市西部、抚州市北部边缘、九江市南部边缘约3万 km²范围内，南昌雷达ROSE双偏振169号和170号产品定量降水估测（PQE）能力在4类指标中均表现较好，平均比例偏差为0.8～1.2，平均绝对偏差＜0.3，归一化平均绝对偏差＜20%，准确率＞80%。

2.4 季节差异

江南北部为典型亚热带季风气候，降水充沛但季节分配不均，春、夏季对流性降水显著。2021—2023年南昌雷达探测范围内＞10 mm/h的降水主要在3—8月，9月—次年2月明显减少。定义3—5月为春季，6—8月为夏季，9—11月为秋季，12月—次年2月为冬季，对2021—2023年各季节分别测评（图5）。OHP春季表现最好，具有最高的准确率、最低的归一化平均绝对偏差，平均比例偏差略低于夏季，平均绝对偏差略高于冬季；169号双偏振产品表现为夏季次之，秋季第三，078号产品秋季好于夏季，冬季表现最差，平均比例偏差和准确率均最低，归一化平均绝对偏差最高，但冬季平均绝对偏差指数则相反，最小且表现最好，可能和冬季降水强度偏小有关。THP四季表现和OHP169相似。另外，四季各指标差异绝对值较小，例如春、夏、秋、冬季168号产品准确率分别为0.555、0.545、0.506、0.476，春、冬季之差为0.079，QPE能力在各季节表现较为均衡，且春、夏季表现较接近。

2.5 降水性质区别

ROSE2.1的QPE算法源自WSR-88D。WSR-88D的QPE算法，对流性降水QPE表现好于稳定性降水。为探究ROSE2.1对不同类型性质降水的表现情况，选取8个稳定性降水个例和8个对流性降水个例测评（表3）。稳定性降水个例均以层状云降水为主，可能包含较少弱对流降水，统计特征为降水＞10 mm/h站次少，雨强较弱，平均雨强为12.09～14.30 mm/h。对流性降水个例（对流1～8）随机选取3—11月对流性降水显著的降水个例，雨强较大，平均雨强为14.47～20.47 mm/h。稳定性和对流性降水个例的样本数分别为2 515和26 633，且降水样本在南昌站不同半径距离大体呈均匀分布。对流性降水个例（对流1～8）的准确率评分，078号产品为41.8%，169号产品为54.6%，079号产品为40.3%，170号产品为50.4%，均高于稳定性降水个例（稳定1～8）的评分（36.4%、47.5%、36.7%、48.0%）。对流性个例的平均雨强和最大雨强（18.49 mm/h和112.30 mm/h）均大于稳定性降水（13.37 mm/h和43.01 mm/h），但准确率评分却不遵循雨强越强、评分越差的降水强度分布规律，因此ROSE2.1对流性降水QPE表现好于稳定性降水。

3 结论

对南昌CINRAD/SAD双偏振雷达ROSE2.1的078、079、169、170四类定量降水估测产品，使用2021—2023年1 h雨量和3 h雨量数据进行逐小时检验评估。从降水强度、空间距离和方位角、季节变化、稳定性/对流性降水类型方面分析4类产品，得出以下结论：

（1）南昌雷达ROSE2.1四类定量降水估测产品均具有补充降水监测作用，但表现有差异。双偏振产品较单偏振雷达降水估测能力提升显著。OHP的定量降水估测能力优于THP，降水强度越小越优，距离越近越优。

（2）双偏振能有效提高OHP和THP的可信探测范围，尤其在150 km内提升显著。以OHP为例，在50 km＜D≤100 km和100 km＜D≤150 km时，169号产品的平均比例偏差、准确率降幅分别为0.07、3%，平均绝对偏差、归一化平均绝对偏差增幅分别为0.75、4.5%；078号产品的平均比例偏差、准确率降幅分别为0.36、35.4%，平均绝对偏差、归一化平均绝对偏差增幅分别为6.58、35.4%。南昌双偏振产品在东南和西北能较大提高QPE能力，如169号产品相较078号产品在西北方向能将平均比例偏差的0.8线从据南昌雷达100 km延伸至200 km处，可能和双偏振能改善南昌雷达地物回波和建筑物遮挡作用有关。

（3）对于南昌雷达QPE业务应用，划分出169号OHP产品和170号THP产品可信度较高的区域为：南昌市、新余市、宜春市中西部、上饶市西部、抚州市北部边缘、九江市南部边缘，面积约3万 km²。

（4）全年各季产品春季表现最好，夏季稍逊，秋季次之，冬季较差，但偏差较小。对流性降水过程好于稳定性降水。

测评使用中国气象局下发的ROSE专业测评软件AssessROSE2.2.2完成计算，但其只能整点逐小时测评且不测OHP＜10 mm·h^-1和THP＜20 mm·(3 h)^-1的降水，具有一定局限性；本文总体测评使用较远距离站点占比大，平均比例偏差和准确率较低，平均绝对偏差和归一化平均绝对偏差较高，不能简单判定其效果较差，还需分距离进一步讨论。

参考文献

[1] 郑永光,张小玲,周庆亮,等.强对流天气短时临近预报业务技术进展与挑战[J].气象,2010,36(7):33-42.

[2] ZHENG Yongguang, ZHANG Xiaoling, ZHOU Qingliang,et al.Review on severe convective weather short-term forecasting and nowcasting[J].Meteorological Monthly,2010,36(7):33-42.(in Chinese)

[3] Berne A, Delrieu G, Creutin J D,et al.Temporal and spatial resolution of rainfall measurements required for urban hydrology[J].J Hydrol,2004,299(3/4):166-179.

[4] 勾亚彬,刘黎平,杨杰,等.基于雷达组网拼图的定量降水估测算法业务应用及效果评估[J].气象学报,2014,72(4):731-748.

[5] GOU Yabing, LIU Liping, YANG Jie,et al.Operational application and evaluation of the quantitative precipitation estimates algorithm based on the multi-radar mosaic[J].Acta Meteorologica Sinica,2014,72(4):731-748.(in Chinese)

[6] 刘维成,沙宏娥,肖玮,等.基于地理地形因子动态调整的复杂地形区雷达定量估测降水技术[J].高原气象,2022,41(3):708-720.

[7] LIU Weicheng, SHA Hong'e, XIAO Wei,et al.Radar quantitative precipitation estimation in complex terrain based on dynamic adjustment of geographical terrain factors[J].Plateau Meteorology,2022,41(3):708-720.(in Chinese)

[8] Dinku T, Anagnostou E N, Borga M.Improving radar-based estimation of rainfall over complex terrain[J].J Appl Meteor Climatol,2002,41(12):1163-1178.

[9] 庄薇,刘黎平,胡志群.青藏高原零度层亮带的识别订正方法及在雷达估测降水中的应用[J].气象,2013,39(8):1004-1013.

[10] ZHUANG Wei, LIU Liping, HU Zhiqun.Application of bright band identification and correction in radar-based QPE over Tibetan Plateau[J].Meteorological Monthly,2013,39(8):1004-1013.(in Chinese)

[11] 刘晓阳,杨洪平,李建通,等.新一代天气雷达定量降水估测集成系统[J].气象,2010,36(4):90-95.

[12] LIU Xiaoyang, YANG Hongping, LI Jiantong,et al.CINRAD radar quantitative precipitation estimation group system[J].Meteorological Monthly,2010,36(4):90-95.(in Chinese)

[13] 袁晓清,倪广恒,潘安君,等.基于最优化算法的北京市新一代天气雷达Z-R关系研究[J].水文,2010,30(1):1-6.

[14] YUAN Xiaoqing, NI Guangheng, PAN Anjun,et al.NEXRAD Z-R power relationship in Beijing based on optimization algorithm[J].Journal of China Hydrology,2010,30(1):1-6.(in Chinese)

[15] 郑媛媛,谢亦峰,吴林林,等.多普勒雷达定量估测降水的三种方法比较试验[J].热带气象学报,2004,20(2):192-197.

[16] ZHENG Yuanyuan, XIE Yifeng, WU Linlin,et al.Comparative experiment with several quantitative precipitation estimator techniques based on Doppler radar over the Huaihe valley during rainy season[J].Journal of Tropical Meteorology,2004,20(2):192-197.(in Chinese)

[17] 汪瑛,冯业荣,蔡锦辉,等.雷达定量降水动态分级Z-I关系估算方法[J].热带气象学报,2011,27(4):601-608.

[18] WANG Ying, FENG Yerong, CAI Jinhui,et al.An approach for radar quantitative precipitation estimate based on categorical Z-I relations[J].Journal of Tropical Meteorology,2011,27(4):601-608.(in Chinese)

[19] 卓健,陈少斌,周冬静,等.快速动态分级法进行雷达定量估测降水方法研究[J].热带气象学报,2018,34(6):856-864.

[20] ZHUO Jian, CHEN Shaobin, ZHOU Dongjing,et al.An approach for radar quantitative precipitation estimate based on fast dynamic categorical method[J].Journal of Tropical Meteorology,2018,34(6):856-864.(in Chinese)

[21] 苏华英,曾莉萍,罗乃兴,等.基于雷达资料的定量降水预报外推算法试验[J].沙漠与绿洲气象,2020,14(5):27-35.

[22] SU Huaying, ZENG Liping, LUO Naixing,et al.Quantitative precipitation forecast extrapolation test based on the radar data[J].Desert and Oasis Meteorology,2020,14(5):27-35.(in Chinese)

[23] 梁建茵,胡胜.雷达回波强度拼图的定量估测降水及其效果检验[J].热带气象学报,2011,27(1):1-10.

[24] LIANG Jianyin, HU Sheng.A strategy for radar-rainfall estimate and its validation[J].Journal of Tropical Meteorology,2011,27(1):1-10.(in Chinese)

[25] 李俊,支树林,郭艳,等.SWAN系统雷达定量降水估测产品在江西的应用[J].气象与减灾研究,2012,35(2):61-66.

[26] LI Jun, ZHI Shulin, GUO Yan,et al.The application of radar QPE (quantitative precipitation estimation) products of SWAN system in Jiangxi[J].Meteorology and Disaster Reduction Research,2012,35(2):61-66.(in Chinese)

[27] 李海俊,单九生,张帆.新SWAN江西本地化平台产品应用和检验评估[J].气象与减灾研究,2022,45(2):151-160.

[28] LI Haijun, SHAN Jiusheng, ZHANG Fan.Application,inspection and evaluation of the localization platform product of new SWAN in Jiangxi[J].Meteorology and Disaster Reduction Research,2022,45(2):151-160.(in Chinese)

[29] 曾晓青,汤浩,张俊兰,等.ECMWF的QPF短期预报性能在新疆的评估[J].沙漠与绿洲气象,2021,15(4):50-57.

[30] ZENG Xiaoqing, TANG Hao, ZHANG Junlan,et al.Forecast performance evaluation of QPF from ECMWF in Xinjiang[J].Desert and Oasis Meteorology,2021,15(4):50-57.(in Chinese)

[31] 韦凯华,张录青,黄晓莹.ROSE2.0定量降水估测产品在广东地区的适用性检验[J].广东气象,2023,45(2):44-47.

[32] WEI Kaihua, ZHANG Luqing, HUANG Xiaoying.Applicability test of ROSE2.0 quantitative precipitation estimation product in Guangdong region[J].Guangdong Meteorology,2023,45(2):44-47.(in Chinese)

[33] 杨春艳,孔德璇,王芬,等.ROSE2.0在黔西南4·14强对流天气中的应用分析[J].中低纬山地气象,2023,47(2):30-39.

[34] YANG Chunyan, KONG Dexuan, WANG Fen,et al.Application analysis of ROSE2.0 in the strong convective weather on April 14th in southwest Guizhou[J].Mid-low Latitude Mountain Meteorology,2023,47(2):30-39.(in Chinese)

[35] 罗林勇,罗红,赵杰,等.都匀雷达ROSE2.0一次强对流天气过程应用检验[J].中低纬山地气象,2023,47(2):40-45.

[36] LUO Linyong, LUO Hong, ZHAO Jie,et al.Application test of a severe convective weather process of Duyun radar ROSE2.0[J].Mid-low Latitude Mountain Meteorology,2023,47(2):40-45.(in Chinese)

[37] 钟兰頔,黄亿格,戴震天,等.南昌双偏振天气雷达地物杂波抑制效果分析[J].气象与减灾研究,2023,46(1):67-73.

[38] ZHONG Landi, HUANG Yige, DAI Zhentian,et al.Analysis of ground clutter suppression effect of Nanchang dual polarization weather radar[J].Meteorology and Disaster Reduction Research,2023,46(1):67-73.(in Chinese)

基金资助

江西省气象局面上项目(JX2021M17)

江西省气象局面上项目(JX2023M24)

江西省气象局灾害风险普查专项(JX2022ZHFXPC03)

江西省气象局青年项目(JX2023Q07)