遵义地区一次暴雨雨滴谱特征及在雷达中的应用
摘要：根据遵义地区的〇TTparsivel雨滴谱仪观测的一次暴雨雨滴谱资料、天气雷达观测资料以及自动站降水资料，对暴雨过程中的雨滴谱参数和雨滴谱分布特征进行分析，发现中粒径雨滴贡献率最大;质量加权平均直径和粒子数密度成负相关;在对平均雨滴谱拟合时发现，Gamma分布在中粒径拟合效果比MP分布好，而在大粒径和小粒径符合程度效果相差不大;比较雷达回波强度与雨滴谱特征参量的雷达反射率之间的关系，通过取3次平均来修正雷达回波强度，结果表明：修正后的数据和雨滴谱雷达反射率因子的相关系数高达99.59%，且均方误差和平均绝对误差都很小;再构建修正后的天气雷达反射率因子与雨滴谱计算的雨强的Z/关系，得到拟合的Z/关系曲线Z=133.98/112，利用拟合的Z/关系计算的雨强与用雨滴谱数据计算的雨强相关系数达到99.53%。因此，通过雨滴谱参数修正后的雷达回波反射率可以准确估测降水
关键词：雨滴谱;雷达反射率;雨强;遵义地区
温凯; 王福增; 王秋淞; 周秋玲成都信息工程大学学报2021-12-13
0引言
采用2020年遵义地区一次暴雨过程中的雨滴谱资料，结合天气形势与当地的天气雷达观测资料，对降水特征进行分析，为了解遵义地区暴雨灾害的雨滴谱特征提供可靠依据。通过相关公式计算平均雨滴谱、总粒子数浓度、降水粒子含量、雷达反射率、分钟雨强等雨滴谱特征参量。参考张洪胜等[1]对平均雨滴谱进行的Gamma分布和M-P分布的拟合方法，分析了M-P(两参数)和Gamma(三参数)分布对粒径平均雨滴谱的拟合效果。再根据濮江平等[2]对雨强与雷达反射率对比分析的方法，观察遵义地区天气雷达的雷达反射率变化，分析暴雨过程中雨强和雷达反射率的相关关系。将雨滴谱的数据和雷达回波的数据做比较，并用雨滴谱特征参量的雷达反射率修正天气雷达反射率因子，然后用修正后的雷达反射率数据构建合适的Z-/关系，最后对实验数据进行分析。发现修正后的雨强与雨滴谱仪测到的雨强很接近，得出结论：修正后的雷达回波反射率可以准确估测降水。这间接地验证了雨滴谱参数的可靠性，也体现了雨滴谱参数在雷达气象中的应用。
1平台与设备1.1平台
Pycharm是一种程序编写的IDE，有调试、代码自动跳转、智能显示、语法检测高亮等功能。此外，pyc-harm还有额外的开发功能，即Django功能，同时pyc-harm还支持google构架编程。米用pycharm编写程序的主要原因是此IDE在数据处理和图像显示方面具有方便、简单等优点。
1.2设备
雨滴谱的数据来源于一款OTTParsivel雨滴谱仪，是新型雨滴谱测量仪器，与传统测量仪器不同，该设备采用了激光测量的方法，用一个光学传感器元件对降水进行检测，可检测出多种类型的降水。Parsivel降水粒子谱仪能够提s的时间分辨率，每5min—次数据存储。贵州地区的设备型号是100型，共有32个直径测量级和32个速度测量级，其直径测量范围为0.062?24.5mm，速度测量范围为0.05￣20.8rn/s。每一次采样间隔内的粒子谱测量数据都有32x32=脳个。实验雷达的数据来源于新一代的多普勒天气雷达，这是一种主动遥感的探测工具，具有较强的灵敏度，在测量云、降雨和各种强对流天气发生发展内在因素方面有重要的应用。雷达使用SC波段进行探测，所用数据有9层仰角，400个径向，750的距离库。数据格式是最新一代天气雷达基数据标准格式(CINRAD/CD)〇
2数据与方法2.1雨滴谱数据处理
实验使用的是贵州自动气象观测站的雨滴谱数据，根据姚正兰等M的研究，遵义地区通常会在6月多发_，故雨滴谮的数据选甩时间.为2020年6月。采用Rjrsi\reI爾滴请仪5mill记華的数据，记暴每神雨漓的类型，通过爾滴谱BUFR编码格式1.0版本进行解码，可利用一段时间内雨滴的麵，计算出各种雨滴谱的参量。图1是贵州气象观测站雨滴谱数据的编码格5?，
需養注意梅是，在这个数据段格式中有一个意要编妈规则。时间增量W1111111011.值为2043，即2048-2043=5为5min—'次编报，说明数据編码格式是5min存傭一个文件：，每5min的数据31是按分铺编写'的^通过延迟重复雇子，每16位为一组，读到第一组非0数据，即为循环次数，共5组，表示5min
2，2雷达数据处理
实验使用的是：貴州遵义地区的气象雷&数据，以一天为基率单位分为不同文件夹，文件夹中.的探测数据以5min或雜imin储存一次写成一个hill文件。霄达棊数据可分为径向数据块和公共数据块两部分。径向数据块保存了遵义地区天气富3S的探测资料，公共数据块保存了遵义蕾达站点信息与相关任务配置参数信息。要确定雨滴的空间位置，霄达霄要测定雨滴的角坐标.，包街方位角和仰角，这需要利用电磁波的均匀传播特性，通过If滴反射电磁波确定雨滴所在方向。但实ISfi况，电磁波会受到太气密度或湿度不均匀、地形复杂罅园素影响，不会均匀传播。因此还#用_测角范囿、测角速度、测角误差、角分辨率等参数3由于霄达数据反映的是不同层面的气象要素憒况，因此在处理雷达数据时廣考虑不同仰角对实际雨滴数据造成的影响。同时爾滴在下雍过程中会受风速风向的于扰，故在选取雷达基数据时，可取雨滴谱仪对应点的雷达距离库，也可取多点平均的方法来减小雨滴粒子受横风影响造成的误善。
2.3参数公式及含义
通过南滴谱可得到5min内商滴粒子数、爾滴类圈(童径与速度)，由此计算比众数直径和优势直径6众数直径是指最大频率直径：，即为在5mhl内出现次数晕多的粒子貫径。iV(￡)，)最大值对应的虞径就是众数直HiV是某个粒径的粒子个数A是粒子的直径&优势邏径巧是对含水纛贡棘最多的粒子的真径，单位)A3最大眞对应的直径就是优势宣径。计算么v式如下：if=1興h众数直径和优势直径，就可计算平均体积直径从，，单位^^平均体积直径的含义是体积等，平均雨滴体积的等效南滴直径，实质是一个?雨滴直径成平均直径A是一个重要雨滴镨数据，单位nm，平均直径是指全部甫滴.的直径总和除以雨滴的总数。计算公式如下：MA)A(2)風眞斯权平均直@乃，?5辱偉血%：羅雜攀位体积内廣樣载子直径加权相对于雜子总质最的平均j径》可以在一走裎庋上反映粒子分布情况。计算：公式如下rtN(D，)D*Dm=g⑶jmD冰眞屮，数体税直径D〇，‘位_，舍水量靡一半龜由直径大于此值的雨滴组成，与数学上的中位数概念有所相似。
满足2l^W(fl，)^=lg：：;iV(D，)^(4)同財拫据雨滴谱数据、雨滴类型^以得到众数粒子屬大速度，率位fi/%众数雜子逮度是Smin内讀大鱗率询粒子逮虔*最大速度.暴Smit内出现的最大粒子速度。为了分析降水强度》含水量和降水强度是分析一次暴雨数据的关键参数，它们的计算公式也是興定的6含本量F，单位mg/m3，是指单位体积内粒予总的廳。计算公式如下：W=fpm3iN(Di)D^(5)其中p，106#m3是固定值?
降水强度，单位mro/h，基德单疫时：间韵降水量。由于数据是Srain数据，则降水强度指的就是5min内的降水量。计算么<式如下R=ffiSN(Di)D^V(Di)(6)其中Fs为某个速度区间的速度，单位m/?
靈蓮反射：率因子艺，单位nimVnr，是指1nr内所有粒子后向散射截面的和。实验中的霄迭反射率因子是_雨濟谱数据if算得来的，与由霄达数据得到的霄达反射率因子是不同的来源-计算公式如下：Z=iiV(A)fl?(7)i=1粒子数密度W(fl)，単位1/m3，粒子數密度最指单位体积内粒子总数。计奠舍式如下I?#)=!101'(8)U*V，?AT?AD其中：4为取样面租，：它fit值逢5400mro%A71为取样吋间，一般取60s。
MatshallandPalmer[4]屬早提出爾滴'谱的分布構型』卩利用指数形式描述爾滴数量随雨滴大小的分布情况，M-P分布樓型;N(D)=B&ffAD(9)其中，馬和A为2个参数為为参徵、A为斜率参数^爲和條水隹：子商总体数浓度：有典(平均：粒子数密度越大W。越太)，A的太小反映降水过裎粒子直径大小的变化，A值]1小，说明爾滴谱分布越乎稳，大粒子的数量越多，反之相反。且A和雨强犮如下关系：A=41?R°'n(10)随着研究深人的发现，Ulbrich等[5]提出了一个修1E后的南滴潘分布潘式，即Gsm_分布/(JaTOna分布模型：_)=tislTeXD(11)其中，if6、/x和A为3个参數■示1爾滴谱分布的靡状&根据霍朝阳等[3]研究可知，Gamma分布模型可以反映拟含平均雨滴请的趋势，大于0时曲线向上弯曲，小于0时曲线向下弯曲，等于0时为M-P分布c陳时用矩估计法研穷了Ga_a函数拟合雨滴谱数据，其中第n阶矩定义为：=(12)灯阶矩应用于旗ito权平均盧径的计算就是西阶矩和三阶矩的比值，如式(3)。为了修疋養达回波强度，对雷逢回波强度数据进行多点平均，雷达反射率沙点平均公式为Zr=tz(i)/n(13)i=1由予雷达反射率和嵐边的雷_反射率不是一'一■对应的类系，因此为了取撙最合理的数据，将九层的数据取1点平均，3点平均，5点平均和9点平均w
如图2所*平均就是增最近邻廣点，3点平均(1、2、3点)是指距禽扩展平均，5点平均(1、2、3、4、5点)是指距离方位同时扩展平均，9点平均(1、2、3、4、5、6、7、8、9点)则是面扩展平均，9点平均将距离和详细方位都同时考虑了。1、3、5、9分别对应式(13)中的?i，即n分另!J取1、3、5、9。
3雨滴谱数据分析3.1粒径大小对于雨强的贡献量
图3描述了检径大小.对于与雨强的贡献鼉，数据处理方面参考了王福增學w的研究分析方法肩坐标表示爾商-直径大小，左侧纵坐标表流雨滴下落速度，右侧纵坐标表示不同雨滴粒径对降水的贡献程度，刻度稼：it不爾_子数密度区间。
雨滴谱数据中有不同型?菌滴，釋种爾廳对这次暴雨的_贡献程度都不一样e从图3可以费出，1.5￣3mm宣径的菌_对本欢降爾：_贡献占维对ft董声而〇￣1.5mm和3￣5mndj餐的雨：：濟对本I欠降雨的贡献相对載小6在1.5?3mm倉径酸雨滴中^2ram直径的雨滴和2.8mm直径的雨濟降本寅献率达到了峰值的15%左右，说明中雜杨猶爾猜对降水蕺度的贡献最多，小粒径的雨滴和大粒径的雨滴的贡献相对较从图3也可发现，0.8mm直径3nj/s速度和1￣1.2mm;顏S3.8￣4.2m/s速携：樹辑子数密鹿晨最高的其次是1mm倉隹3?4.2ra/￥速度_爾濟粒子数密度a由此可见，在本次降雨过程中，1nm直径4m/s左右速度的雨滴粒子是粒子数密度最高的。
3.2不同雨强下的雨滴谱分布
根据暴雨过程中的数据，绘制了粒子数密度、降水强度和质量加权平均直径的曲线图(W4)，通过控制变量藝，从膚中逸：取4个特殊点比较本同爾截下粒子数密庋和處量加权平均直径的关系，分析不_爾强下的雨滴谱分布s
从图4知，粒子数密度和降水強度约在18min时达到峰值，而翁鼂如权乎均直径有两个峰值，分别是在18min和25min。袠1是南滴谱数据，分别褂式(3)和式(6)计售：_到的，A点和B点都具有225左右的粒子数密度，降水强度大翁B离麗鐵齡权平均直顆为1.75rom，大子降水强度小的A貞爾暈加杖乎均直择1.46mm，说明：子数密度相同而降水强度不同，降水强度越大的质蘩加权芊±f直径也越大。C点和D点具有相同的质量加权平均直径1.22mra，降水强度大的C点粒子数密度为453.5大于_水强度小的D点的驗T数齒度217.6，说明质量加权平均直桎柑同而降水强度不同，降水强度越大的粒子数密度越大，由式(14)知：R=fpwtmD，)D^V(Di)AD(14)其中，承粒子数密度，及参示降水强度，切在一走裎度上可以反映庚量加权平均直径故变化。降水强度相同的情况下，粒子数密度和坑量加权平均直径成负相关。
3.3相关关系分布拟合
解析出的雨滴谱数据都#离散型的，需要将数据进行拟合。首先采用M-P分布，即指数分布拟含“旦根据王文玲等[7]的研究发现，M-P分布在一定程度上拟合效果弁不是很理想&.厚興就在于M-P分布是指数形式.，在研愈数据时，对实际多变的情况没有很好地调整，所以用于拟合的数据与实际数据存在一定差异。因此樣朝阳为了提升数据准确性，表磁使用Gam?ma分有可以瓌善M-P分#存在的一些：河：题。滅-P分布是辄参数?、A，见式(9)，Gamraa分環是j參数馬、/a、A，见式(11)，从式(11着Gamma掃墮：相比于1M*P模_有更好的数据准确性，能够更好地研究爾滴谱数据，是M-P瘼塑的进一步发殷e图5是M-P和Gamma分布拟合雨滴谱数据囿真色曲线是根据此次暴爾时段的雨滴谱数据绘制的粒子数密度和粒径之间的关系。黄色曲线是由式(9)拟合的分布s盡色曲线是?由式(11)拟合的Gamnia分布。用最小二乘法拟合平均南滴谱得到的M-P分布：iV(D)=241.26e'Km，Gamma分布#(Z>)=428.32刀04S-1.89De〇
荀'獄看也M-P分#和G8mra3分布对小翁径￣1mm)和的太粒大于3mm)拟合度K别都不太1而：对中_径(1￣3mm)的拟會腐有一定国别，即对'中粒輕的拟合效茱SM-P分布?突有£_虛分布前拟合敎皋好》M-P分布'为指数分布V这讀实际數据的要求相当畲3需要很强的规律性&Gararm分布对实际的数据拟合敏果明显比M-P分布更好4更准确4
4雨滴谱对雷达反射率因子估测降水的修正4.1不同层的雷达回波图
西南雷达数据共有16个仰角，每层仰角所扫描到的图像都不嵐。随着仰龟度数越禽，扫到的范围就越小，根据数据情况，选择其中6个仰角(0.5/1.5/2.4/3.39/4.3/6)：的数据来迸行比_验证。如图6所示，红色小圈表藏站点的位簦。可以发现，随着仰角的变化，同一位置的雷达反射率有所不同，仰角越商，所检测到的区域越少;仰角越低，所检测到的要素越接近地面a其中第0层和第1层的雷达回波图由于仰角较低，可能受地面遮g物的影响铰大，因此回彼.图不是很完整而霄雇霄达回狹图可能受爾雾或者空气对流的影响，回波图也不是特别完整。
还可以看&，站点处的雷达反射率从第〇层到第6层逐渐减小，有脑着仰角增加而递减的变化趋势。站蟲降水区域的雷隹回波强度变化趋势，先是霄达反射率增高一点然后减小，说明这是一次由小到大的暴麵过程，#_是金姐眞来酿一次暴蕭。
4.2雷达反射率比较
已知雨滴谱数据是地面观测要素，而雷达数据是距地面有一定髙度的数据，弁且还要考虑雨滴粒子下降时会影响鲰量的各种荽素。在忠知站点的经韩度时，通过距离公式求出两点间的距离71112.4假设仰角为2°，则此时雨滴的下落高度大约是tan2°x71112.4=2483.245!〇，1|：_卞落遽虞大约为6m/s，则下：落靈賽413.9S，即6.9min，所以，4选摩雷达数据时，，最好多选取两组.，此次暴雨过程前5￣10min询数据都座包括在数据分析中s逸用2020年：6月6日19：30-21：55鱗数锻，主要降雨肘间：在20：26-21：14，平均降雨璧达到35mro/h，平均分钟爾'量逢到〇.59jnm/m：hi。图7最20：26-21：14通富达反射率数据共有10个文件，将庫始雷达数据文件转换得到了16个仰角的霄遂回波强度。國中纵向表示的是随时间变化的10个文件，撗向翁?_墨从文件中傷1_第〇-8層的9，备乎均蕾达反射卓c从图7可以看出第6层以上数据就逐渐为0。所以，为了研究霄达反射率翁雨滴谱反射率之间的相关性，更_层的数据没有研究意义，只需选取0￣6层的数据来研究相关程度。
雨滴谱的数据都是选取20：30-21：15的数据，雷达的数据则是选取20：26-21：14超前5min的数据和20：21-21：09超前10min的数据来分析。表2研_酸蠢：26-21：14，讀途0￣6慕_1A平均、3点平均、5点平均和9点平均与20：30-21：15雨滴谱霄达反射率数据之间的相关程度。读取了雷达数据之后，考虑到雨滴大小及下降时的速度和肩围不可控的翳响因素，选取1点平构、3点平均、5点平均和9点平均来测试哪种方式雷达反射率与雨滴谱数据相关度从表2发现，1点平均中第2M的反射率相类度最：尚，3袁乎均中舉3层，勝反射率相类度最_5点平均中第1层的反射率相关度最高，9点平均中第1层的反射率相关度最高，所以霄达第2层的数据和雨滴繪数据的契合度更貪&见式(13)，a取值越高，融入的信息越多.，数据越准确，相关度更高《
为消除雨滴粒子下落时时伺和速度的影晌，选取霄达数据滞后的一段时间，再次比较9点平均的均方误差、均方根误差、相关系数和平均绝对误差a从表3可以看出，霹达起前5min的数琚和雨滴灣的雷达反射率数据的相类度明显提高#笫1层的均方根误差和亨均绝对误義?达到了最小，弁且相关系数达到了78.12%，所以选择第1层掛数据更合适，从表4可以着：由^脅說数据超前10min雜賴关系数达到了0.9以上，在选取平均绝对误差避小的愔况下，层数是20：21-21：09的第3层镀达反射傘数据相关度麗高。均方巌鲞426.3591dBz，均方拫镍差20.6招5dfe，相关系数0.舛38，平均绝对慑差为20.076(fiz。雨滴谱的实时观察数据对估测霄达超前10min的数据相关度高，可以拫据爾谪：酱实时数据修IE雷达观测的反射率，提高鼋达回波检测的准确度^
4.3雷达反射率估测降水应用
通过表5的数据，计算：出的爾滴谱反射率H子与爾强之间的相关系数为90.45%，均方误差为339.68£Bz，均方概傷髪为18.43dBz，乎均绝意傷差为15.87dBz，说明雨滴〗普反射率因子在一定程度上苽以反映降雨过程，可用来估测遵义地区的降水发展方向。
ti知z和/之同存在相爱关系，为握咼雷S回波强度预测降水过程的准确度，需要先找到雨滴谱计算的反射率因乎和霤达反射率因子之间的关系，然后找到Z-/的相关关系。图8绘制了4条曲线，蓝色曲线绘制的是靈达反紂率因子随时间变化图(雷达反射率因子数据时间区间19：32-21：52)，橙色曲线绘制盼是雨滴谱计算的反紂率因子随雨滴谱时间的变化图(雨滴潸反射率因子时间'区间19：30-21：40)，绿色曲线绘制的是雷逑反射率因子和雨滴谱反射率因子的1次平均值随时间的变化图，红色曲线绘制的是靈达反射率因子和雨滴谱反紂率國子的3次平均值随财间的变化可以发现雷达与雨滴谱反射拿因子的变化趋势相似，数据却相_甚远。
苏立娼等[m]研究发现，雷达回波数据可能强度较弱，馨要进行修正。而在对霄达反射率S子进行1次平均和3次爭均修IE后袅观，修班1次后的莆&反射率_子曲线和雨滴谱反射率曲线相关度为86.65%，均方误羞42.68(1BZ，均方裉琪差153dBz，平均绝对误差rS.86dBzQ修正3次后的霄达反射率國子曲线和雨滴谱反射率曲线相关度达到了99.59%，均方误_2.67dBz，均方裉儀差1.63dBz，平均绝对麗差1.47dB￣说明随着相关评价系数的提升，修正后的電达.回波数据能够反映雨滴谱计算的反射率。如鹿斯东横轴論3#爾强，，纵轴蠢液霞达：;反射率因子。由它们之间的关系式知1d.Bz=101gZ，拟合曲线Z=4产4、及为参数，一般取300和1.4，但得扭的拟合效果_，而数据取Z=0.05产?时，反映出来的拟合效果好&从图9发现源数据点不均匀地分散在拟合曲线两端，端点輝数据点大多_于拟合曲线，#且源数据点基本都没在拟合曲线上，故拟合效果不好。
图10的拟合曲线为Z=133.98/I4i。从图10可以看出，源数据点基本分布在拟合曲线两侧，并且大多数源数据点在拟合曲线上，没在拟合曲线上的数据点都均匀分布在小蒞植内曲线两边，故拟合敦果报好e
修正后的雷达回波数据参考白先达等研究的z-/关系后，研究预测降水的准确度。结果发现，根据z-/关系计算出的甫强和雨滴｝普数据计算的雨强，两：者粗关系数达到99.53钵，均方懂差：为4.06dBz，均方根误差为2.01(IBz，平均绝对误羞为1.52dBz。因此说明，使用修正后的霄达反射率国管来估计雨强，在慑差截围内是准确的，这提禽了雷达回波反射率H子估测降水的准确性。
5结束语
妍究了贵州遵义一次暴爾降水过程的雨滴谱和在此过程中天气雷达的图像变化趋势&分析了在此过程中爾滴粒径大小对于爾强的贡献程度，比较了本魔南强下的雨滴谱分布，并做了相关关系分布拟合。根据雷达数据绘制了本次暴雨过程的不同层雷达回波图，将天气雷达的雷达反射率与雨滴谱中根据公式计算的雷达反射率作了相关程度的比较，并修正雷达回波反射率因子，再利用Z-/关系用雷达反射率因子去估测雨强大小，提高雷达回波反射率因子预测降水的准确度。
(1)在本次降雨过程中，中粒径的雨滴对降水强度的贡献最多，小粒径的雨滴和大粒径的雨滴贡献相对较少。可以看出小粒径的贡献主要集中在0.5mm直径的雨滴，中粒径的贡献很均勻在5%左右，大粒径的贡献最少。
(2)研究了粒子数密度、降水强度和质量加权平均直径的曲线图，在其中找了A、B、C、D4点进行分析，A点和B点两点的数据说明粒子数密度相同，降水强度不同，降水强度越大的质量加权平均直径也越大。C点和D点两点的数据说明质量加权平均直径相同，降水强度不同，降水强大越大的粒子数密度越大。
(3)此次暴雨过程M-P分布A?(Z))=.26el3M)，和Gamma分布=428.分析图像得到M-P分布和Gamma分布对小粒径的拟合度都差不多，M-P分布和Gamma分布对中等直径大小的雨滴的拟合效果上差别较大，M-P分布拟合效果没有Gam?ma分布对中等直径大小的雨滴的拟合效果好。M-P分布和Gamma分布对大直径雨滴的拟合度也相似区别不大。
(4)绘制站点不同仰角的雷达回波图，观察到了雷达反射率的变化趋势。随着仰角的变化，同一个位置上的雷达反射率不同，仰角越高，所检测到的区域越少。根据雷达回波图可以看到降水区域的变化趋势，先是雷达反射率增高一点然后减小，说明此次暴雨是一次由小变大的暴雨过程，不是一次骤降的暴雨过程。
(5)比较此次20：26-21：14的暴雨过程的71点平均相关系数分析，得到雷达第一层和第二层的数据与雨滴谱数据的契合度更高。随着《取值越高，融人的信息越多，数据越准确，相关度更高。则9点平均处理的数据比1点平均、3点平均和5平均的数据准确度更好。为了消除雨滴粒子下落时时间和速度的影响，分析了9点平均的相关系数，发现了雷达超前5min的数据和雨滴谱的雷达反射率数据的相关度提高明显，第一层的均方根误差和平均绝对误差达到了最小，相关系数达到了78.12%，而雷达数据超前10min的相关系数甚至达到了0.9以上。因此可以根据雨滴谱实时数据修正雷达观测的反射率，提高雷达回波预测的准确度。
(6)通过计算雨滴谱雷达反射率及雨强之间的相关系数，研究雷达回波强度和雨滴谱雷达反射率之间的关系，修正雷达回波反射率，拟合Z-/关系曲线。修正后的雷达回波反射率利用Z-/关系曲线估测雨强大小，从而实现雨滴谱实时数据修正雷达观测的反射率，提高雷达数据预测降水准确度。