1 引言
中小尺度强对流天气系统的认识和研究， 离不开气象观测数据， 包括地面自动气象站、 雷达、 卫星观测数据和数值模式结果（俞小鼎等， 2020）。在强对流天气系统的动力特征研究进程中， 基于地面气象站资料外推获得早期地面风场分布， 展现中尺度系统里风暴尺度空气运动的特征。而水平和垂直尺度、 及内部流场特征的认识， 则来自于雷达探测技术的发展（哈罗德·布鲁克斯等， 2019； 罗伯特·霍兹， 2019）。随着多普勒雷达的应用， 中尺度对流系统的径向速度特征得到进一步揭示（朱平等， 2019； 阴蜀城等， 2020）。Donaldson（1970）首次用多普勒雷达观测到超级单体中的中气旋， 其后的许多研究都证实了中气旋是超级单体风暴的流场特征。观测到中气旋， 绝大多数情况出现强烈天气（夏文梅等， 2007； 徐芬等， 2014； 俞小鼎， 2006； 王研峰等， 2019）。雷达径向速度数据缺乏一定的直观性， 因此许多学者在雷达径向速度数据的分析开发和应用方面开展了很多工作（常亚楠等， 2019）。常见的是通过雷达径向速度反演技术， 获得雷达探测范围的矢量风场（韩颂雨等， 2017； 罗昌荣等， 2012）。通过三维风场的直观显示， 寻找到中尺度对流系统流场的旋转特性， 为灾害性天气的短时预报提供重要信息。多普勒雷达反演的风场， 可以识别出了冰雹云内部“S”型水平流场特征（许焕斌， 2012）。周海光（2018）利用双多普勒雷达反演技术， 研究了龙卷超级单体的三维流场结构， 指出地面风场为旋转辐合型。准确的低层三维风场信息， 可以很好地指示风暴中的辐合上升和气流旋转动向， 对强对流天气过程的临近预报尤为重要。对于中尺度对流系统， 内部的动力特征、 气流结构展现了其发展演变的规律（刘莲等， 2015； 方桃妮等， 2019）。为了更好地研究其内部动力特征， 对多种风场观测资料进行数据融合的方法被运用在风场结构的综合分析上（周艳青等， 2018； 朱晓蕾等， 2019）， 由此产生了风场数据产品。国际上的陆面大气驱动场产品多是以大气再分析资料的近地面要素场为基础， 通过数据融合订正等技术再进行优化获得（师春香等， 2019； Chen et al， 2007； Rasmy et al， 2011； Albergel et al， 2013）。
在面向同一观测对象时， 不同来源的气象观测数据往往时空不匹配、 分辨率不统一， 且有不同的代表观测尺度与特征观测误差。为了获得更加真实、 准确的强对流天气系统的物理量场， 在观测空间利用数据融合技术综合多种来源的观测资料和模式数据是有效的手段。国内外用于数据融合的方法包括权重分析方法、 基于时空的插值方法、 相关性分析方法、 偏差订正方法等（Jin et al， 2018； Atlas et al， 2011； 唐焕丽等， 2020； 潘旸等， 2018； 徐宾等， 2018）。Kako et al（2011）将卫星数据反演风场与再分析风场数据用最优插值法进行融合， 制作出高精度的网格化风矢量数据集。Vestergaard et al（2013）利用典型关联分析的方法将多通道卫星反演的反射率数据与雷达反射率数据融合， 来提高卫星云图的精度。许遐祯等（2016）采用Cressman插值方法将遥感风场资料和沿岸气象站风场资料融合， 获得我国近海时空分辨率较高风场。杨璐等（2019）运用反距离权重方法对自动气象站风场与雷达同化系统获得的三维风场进行偏差订正， 探讨了数据融合技术在强对流天气分析和诊断中的优势。总的来说， 在观测空间对多源气象数据进行融合， 因为数据类型的不同、 研究对象的不同， 需要寻找合适的数据融合算法。
2019年7月6日， 受高空冷涡影响， 江苏省出现强对流天气， 部分地区出现强降雨和雷暴大风， 多地出现冰雹。江苏省泰州站多普勒天气雷达捕捉到了本次强对流系统的生消演变过程。为了进一步研究冰雹云发生发展的动力特征， 本文以典型关联分析（Canonical Correlation Analysis）的方法融合地面自动气象站风场、 多普勒天气雷达反演风场和再分析数据风场， 得到本次强对流天气活动的格点风场信息。为灾害性天气的短时预报提供信息， 增强气象数据的可利用性。以此分析强对流天气活动的生命史及其结构特征， 进一步认识强对流天气的生消演变过程及其物理规律。
2 资料来源和方法介绍
2.1 资料来源和处理
使用的数据资料有： 江苏省自动气象站数据、 ERA5（ERA5-Land）气象再分析资料、 多普勒天气雷达基数据。本次所用的雷达资料来自江苏泰州CINRAD/SA多普勒天气雷达， 采用VCP21模式进行观测， 9个仰角， 体扫时间6 min， 空间分辨率为1 km×1 km。ERA5（ERA5-Land）气象再分析资料时间分辨率为1 h， 空间分辨率为0.1°×0.1°。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1570号的中国地图制作， 底图无修改。
数据在融合前进行了质量控制， 对自动气象站的风场资料主要针对时间连续性和空间一致性进行检查（陈燕等， 2019； 徐亚钦等， 2011）。雷达数据的质量控制主要包括径向速度退模糊、 过滤噪声杂波， 填补缺测值。对速度模糊的数值用空值替换， 小范围空值的探测点用反距离权重方法（IDW）插值填补， 大范围空值直接剔除， 对径向风数据先切向后径向采用五点线性平滑进行滤波处理（杜牧云等， 2019； 陈超等， 2018）。
2.2 方法介绍
再分析数据和自动观测站数据的地面风场都是矢量风场， 为了试验数据融合方法， 需要将雷达观测的径向风反演为矢量风。虽然双多普勒雷达反演的矢量风场更加准确精细， 但是该技术对两部雷达站与反演区域的位置有特定的要求。在强对流系统移动过程中， 很多时刻不满足双雷达反演技术的前提条件（张沛源等， 2002）。因此选用泰州站雷达进行单多普勒雷达风场反演， 反演则使用VAP方法。
具体步骤为：
（1） 选取同一时刻的多普勒雷达低层仰角径向风探测数据、 自动站地面瞬时风场数据和再分析资料地面风场数据。
（2） 对泰州站雷达第一层仰角径向风数据按照方位角顺序排序， 用反距离权重（IDW）插值的方法填补空值点。对于较大范围空值的方位角数据（不包含研究区域）， 则剔除不予处理。
（3） 为满足VAP反演的假定条件， 对径向风数据先切向后径向采用五点线性滤波平滑处理。对处理好的径向风数据， 利用VAP技术反演矢量风场。
（4） 通过雷达径向速度和回波特征选定关键研究区域， 利用三次方程（基于三角形）内插方法将放射状分布的雷达反演风场插值为格点风场。并将自动气象站瞬时风场和再分析资料风场插值为相同空间和分辨率的格点风场。插值的格点矢量风场水平精度选择为0.05°（约5 km）。
（5） 利用典型关联分析（CCA）的技术， 将格点化插值后的反演风场和再分析资料风场（作为一组多变量）与自动站风场进行数据融合。
2.2.1 单多普勒雷达风场反演的VAP方法
VAP（Velocity Azimuth Processing）方法是在假定同一距离圈上相邻方位角的风矢量相等的前提下， 根据各个距离圈上的径向速度随方位角分布的廓线， 求出水平风矢量的方向和大小（闵锦忠等， 2005； 陶祖钰， 1992）。图1 为局地均匀风假定条件下风矢量 与径向速度之间的关系。其中 为风矢量的大小， 为径向风 与风矢量的夹角， 和 是与 相邻的同一距离圈上的两个径向速度。 为方位角， 为 和 与 相邻的夹角， 也是雷达采样的方位角间隔， 它的值常为1°（图1 ）。
根据每个距离圈上的多普勒速度 随方位角的分布， 按照VAP公式计算出各个方向角的风矢量。对于多普勒天气雷达给出的径向速度 ， 当低仰角时， 与水平径向速度非常接近。计算的风向、 风速可以作为低仰角时的水平风的风向、 风速（白洁等， 2000）。
2.2.2 数据融合方法
典型关联分析（Canonical Correlation Analysis）是用来分析两组多变量之间相关性的统计方法（Vestergaard and Nielsen， 2013； 顾高升等， 2018）。假设有两组变量：
式中： 为样本数； 和 分别为样本的维数。CCA使两组变量的线性组合之间的相关系数 最大化。
将格点化后的反演风场和再分析资料风场作为一组多变量， 自动站风场（分辨率、 网格范围均相同）作为另一组变量， 利用典型关联分析（CCA）的技术， 求得两组变量线性组合的相关系数最大时的特征系数。对反演风场和再分析资料风场利用特征系数进行投影， 以达到点对点的数据融合效果。
3 对流实况与天气形势
3.1 2019年7月6日江苏强对流天气概况
7月6日起， 受500 hPa高空冷涡影响， 江苏省境内出现强对流天气。部分地区出现暴雨和大暴雨， 局地出现11级雷雨大风。其中， 泰州市高港地区在18:00（北京时， 下同）左右、 扬州市仪征在17:47左右、 常州市东方盐湖城在19:23左右分别观测到冰雹。
3.2 天气形势分析
7月6日14:00 500 hPa形势图上内蒙古北部存在冷涡［图2 （a）］， 冷涡结构深厚， 从地面到500 hPa以上的等压面图上都保持为闭合的低压系统（齐铎等， 2020）。高空槽分两段， 依次从内蒙古中北部延伸到河北南部， 山东北部延伸到江苏省南部区域， 槽后冷空气沿偏北气流南下， 给江苏上空输送了大量的冷空气。江苏境内有记录的降雹地点［仪征和高港地区， 图2 （a）中用红色三角形标注］位于槽前， 受槽前正涡度平流控制。在安徽和江苏南部区域850 hPa有明显的低层切变线存在［图2 （a）中红色双实线］， 且位于200 hPa高空西风急流出口区的左侧， 有利于低层的系统中产生辐合上升运动。7月6日08:00射阳站上空大气的抬升凝结高度（LCL）小于0.5 km ［图2 （b）］， 凝结气压（PLCL）为985.4 hPa。经过计算， 湿对流有效位能（CAPE）为1072.3 J·kg-1， 对流抑制有效位能（CIN）为114.9 J·kg-1。通过地面观测数据修正抬升点， 将08:00射阳站的探空数据订正到14:00， 订正后的CAPE为2126 J·kg-1。低层相对湿度大， 较弱的抬升触发机制就可以使气层抬升， 达到饱和以致突破对流抑制， 抬升到自由对流高度（LFC）， 而引发强对流天气。在0~3 km高度上， 风向由东南风逐渐转为西南风， 随着高度上升， 逐渐转为偏西风， 在1 km以下高度存在明显的垂直风切变。高空槽前的正涡度平流会引起高层辐散带来垂直上升运动， 江苏一直受地面辐合性气旋与高空槽的控制， 这种高低空配置非常容易激发出强对流天气。
图2 2019年7月6日14:00 500 hPa天气形势（a）和射阳站时间订正到14:00的探空曲线（b）（a）中黑色实线为等位势线（单位： dagpm）， 红色虚线为等温线（单位： ℃）， 棕色实线为槽线， 紫色箭头为200 hPa急流轴， 红色双实线为850 hPa切变线， 风羽表示500 hPa风场（单位： m∙s-1） Fig.2 500 hPa synoptic situation at 14:00 （a） and sounding diagram with the time revised to 14:00 at Sheyang station （b） on 6 July 2019.In Fig.2（a）， black solid lines are contours of geopotential height （unit： dagpm）， red dotted lines are contours of temperature （unit： ℃）， brown solid lines are trough lines， purple arrow is jet axis at 200 hPa， red double solid lines are shear lines at 850 hPa， barb denotes the wind field at 500 hPa （unit： m∙s-1） |
4 雷达回波演变特征
2019年7月6日14:00开始， 雷达回波自江苏省西北部向东南方向移动， 泰州站的多普勒雷达完整地监测到了这次降雹天气过程（图3 ）。14:00泰州站西北方向有分散的对流单体向测站移动［图3 （a）］， 对应的垂直剖面［图3 （e）］上， 存在60 dBZ以上的强回波， 并且强回波已经接地。虽然该区域此时没有冰雹观测记录， 但是可能已经有冰雹出现。到16:00泰州站雷达的西北方向已经有成型的， 有组织的约400 km的东北-西南向带状分布的强飑线系统［图3 （b）］， 向东南方向移动。移动过程中， 飑线前沿为对流区， 有旺盛发展的新对流单体生成， 并进入飑线， 使其进一步发展。雷达回波的垂直剖面［图3 （f）］中可见弱回波区（WER）。18:00， 已经演变成了强弓形回波的飑线系统， 可见明显的“钩状”回波以及后侧入流缺口［图3 （c）］， 用黑色箭头标出。垂直方向上［图3 （g）］， 强回波中心达到了60 dBZ以上， 有界弱回波区（BWER）和悬挂回波（位于BWER上方）也更加明显， 为雹云的典型雷达回波特征。在相邻的位置和时次， 仪征和高港地区观测到了降雹现象。20:00， 飑线系统经过泰州多普勒雷达站后， 已经开始减弱， 组织结构开始溃散， 分散成多个孤立的对流单体。强回波区域的面积也开始减小， 由团状转变为线状， 垂直方向上［图3 （h）］强回波核消散。
图3 2019年7月6日泰州雷达0.5°仰角 14:00（a， e）、 16:05（b， f）、 18:04（c， g）、 20:04（d， h）的反射率因子（a~d）及其对应的垂直剖面（e~h）（单位： dBZ）上图中黑色实线为下图中对应的剖面位置 Fig.3 Reflectivity at 0.5° elevation angle （a~d） and vertical cross sections of reflectivity （e~h） from Taizhou radar at 14:00 （a， e）， 16:05 （b， f）， 18:04 （c， g） and 20:04 （d， h） on 6 July 2019.Unit： dBZ.The solid black lines in up figures are positions of vertical cross section in down figures |
5 多源数据融合算法试验
5.1 多源数据融合算法可行性探讨
时间分辨率1 h， 空间分辨率0.1°的再分析资料地面风场虽然格点分布均匀， 符合数值模式结果， 但是过滤了某些站点的瞬时风速和风向， 缺少小范围的精准风场信息。经过质量控制的自动气象站资料包含更准确的地面风场信息， 更加接近真实的对流单体内部的气流动向， 受环境风影响小。但是， 自动气象站点稀疏， 观测的数据时间和空间分辨率都较低， 无法快速准确捕捉到高时空分辨率的强对流天气地面风场。单部雷达反演的矢量风场保留了雷达探测的高精度和丰富信息量的特点， 但VAP风场反演方法存在一定的假设前提， 会过滤一些真实的风向和风速， 且存在量级误差。因此利用典型相关分析的方法， 将地面自动站资料和再分析资料的地面风场信息融合到反演风场中， 以达到多源数据之间优势互补、 信息更加直观丰富的目的。
利用多源数据融合算法对本次个例的强对流系统从初始阶段到消亡阶段（14:00 -20:00）每隔1 h进行了数据融合试验。通过雷达回波演变特征的分析（图3 ）， 在下文多源数据融合结果分析中选取了强对流系统生命史的关键阶段， 结合雷达回波特征和风场结构， 定性讨论了该算法的可行性。
试验结果表明： 多普勒天气雷达只能测量径向速度分量， 通过VAP反演获得的矢量风场在确定旋转特征时有一定的不确定性， 且存在量级上的误差（闵锦忠等， 2005）。通过多源数据融合算法， 反演手段产生的误差得到消除； 通过数据融合技术获得的风场信息不仅很好地与雷达探测的径向速度图像特征相对应， 而且融合后的风场更加直观准确； 气旋性气流和辐合线位置更加接近地面， 减少了人为判定中气旋的误差。
5.2 多源数据融合结果分析
5.2.1 14:00融合风场分析
再分析资料的地面风场［图4 （a）］显示， 14:00整个江苏省自南向北由东南风转为偏南风， 最大风速为8 m·s-1。泰州多普勒雷达站附近大部分地区为东南风。地面自动气象站的瞬时风场显示［图4 （b）］， 江苏省大部分站点为东南风， 最大风速5 m·s-1。在泰州雷达站附近有的站点观测到的瞬时风向为东风和偏北风（受强对流系统影响）。
14:00泰州雷达站西北方向已经有成型的多对流风暴， 0.5°仰角的雷达反射率［图5 （a）］显示强对流单体中心处最强回波达到60 dBZ， 强回波中心面积还较小。右后侧有入流缺口的存在， 新生的对流单体不断并入， 促进着对流风暴的发展。此时强对流系统还处于发展阶段， 垂直剖面中还没有指示性的回波结构［图3 （e）］。0.5°仰角的雷达径向速度图上， 黑色矩形框范围内捕捉到了一对最大出流和入流中心［图5 （b）］， 在雷达反射率因子图中也勾画了相应的位置。沿同一雷达径向方向有两个最大径向速度中心， 并且最大出流中心位于靠近雷达一侧， 该区域有径向辐合流场的存在（俞小鼎， 2006）。这种辐合流场通过VAP方法进行反演， 得到的矢量风场直观地展现了低层的气流辐合带［图5 （c）中棕色实线］和气旋性旋转气流。图5 （d）中的矢量风场融合了多源数据信息后， 气流相比直接反演的风场更加接近地面真实情况。在黑色矩形框处捕捉到了地面风场的气旋性旋转特征， 为气旋式辐合流场。地面的气流辐合带位于带状对流风暴的前侧（移动方向）。气旋性旋转气流的曲率最大处［图5 （c）中蓝色带箭头实线］则对应着雷达回波图中对流单体的入流缺口。距离气旋式辐合流场较近的西南方向， 是较弱的反气旋式辐散流场， 对应着低层雷达回波中的回波大值区域。地面气旋式辐合流场的西北方向有明显的“S”型流场。辐合上升运动作为大气三维涡旋运动的一个基本态， 当辐合来的气流不能完全上升的时候， 会伴随着水平旋转， 水平方向产生非对称的旋转辐合流场， 呈现“S”型流场特征（许焕斌， 2012）。
图5 2019年7月6日14:00泰州雷达0.5°仰角的反射率因子（a， 单位： dBZ）、 径向速度（b， 单位： m∙s-1）、 径向速度反演的风场（c， 矢量， 单位： m∙s-1）及多源数据融合的风场（d， 矢量， 单位： m∙s-1）分布黑色矩形框勾画了关键区域， 棕色实线为气流辐合线， 蓝色带箭头实线勾画了流场动向 Fig.5 The distribution of reflectivity （a， unit： dBZ） and radial velocity （b， unit： m∙s-1） of Taizhou radar at 0.5° elevation angle， wind field retrieved by radial velocity （c， vector， unit： m∙s-1） and wind field of multi-source data fusion （d， vector， unit： m∙s-1） at 14:00 on 6 July 2019.The black rectangular box outlines the key areas， the brown solid lines are the flow convergence lines， and the blue solid lines with arrows outline the flow field trend |
融合风场直观快速地捕捉到了地面气旋式辐合流场的信息， 包含了地面的中γ尺度气旋和辐合线。结合雷达径向速度图像， 可以明确此刻的对流单体内低层已经有中气旋信号的存在， 为灾害性天气的进一步跟踪提供依据。
5.2.2 16:00融合风场分析
再分析资料的地面风场［图6 （a）］显示， 16:00整个江苏省自南向北由东南风转为偏东风， 最大风速为8 m·s-1。泰州雷达站附近大部分地区为东南风。地面自动气象站的瞬时风场显示［图6 （b）］江苏省大部分站点为东南风， 少部分站点为偏南风， 最大风速8 m·s-1。在泰州雷达站附近， 个别站点观测到的瞬时风向为东北风和西南风。
16:00， 强对流系统0.5°仰角最强回波达到60 dBZ， 可见明显的钩状回波以及后侧的入流缺口［图7 （a）黑色矩形框处］。在垂直剖面［图3 （f）］中可见强回波核的存在， 对应着低层的弱回波区（WER）， 此时强对流系统处于强盛阶段。0.5°仰角的雷达径向速度图上［图7 （b）］， 黑色矩形框范围内有比较模糊的雷达中气旋径向速度信号。根据径向速度特征（最大入流和最大出流中心的位置）大致可以判断出， 该勾画区域存在气旋式辐合和气旋式辐散的复合流场。通过VAP方法反演得到的矢量风场正确地显示出该区域低层的辐合带［图7 （c）］和右上方紧挨着的辐散气流带。在左上方的蓝色箭头实线则勾画出了对应着弱回波区域的“S”型低层流场。
图7 2019年7月6日16:00泰州雷达0.5°仰角的反射率因子（a， 单位： dBZ）、 径向速度（b， 单位： m∙s-1）径向速度反演的风场（c， 矢量， 单位： m∙s-1）及多源数据融合的风场（d， 矢量， 单位： m∙s-1）分布黑色矩形框勾画了关键区域， 棕色实线为气流辐合线， 蓝色带箭头实线勾画了流场动向 Fig.7 The distribution of reflectivity （a， unit： dBZ） and radial velocity （b， unit： m∙s-1） of Taizhou radar at 0.5° elevation angle， wind field retrieved by radial velocity （c， vector， unit： m∙s-1）， wind field of multi-source data fusion （d， vector， unit： m∙s-1） at 16:00 on 6 July 2019.The black rectangular box outlines the key areas， the brown solid lines are the flow convergence lines， and the blue solid lines with arrows outline the flow field trend |
融合了地面自动站风场和再分析资料地面风场后［图7 （d）］， 气流的旋转特征得到恢复。黑色矩形框区域直观展示了地面气旋性辐合流场， 包含的中γ尺度气旋位于钩状回波前端， 气旋性曲率最大处对应着雷达回波图中对流系统后侧的入流缺口。中气旋是与强对流风暴中上升气流和后侧下沉气流紧密相连的小尺度涡旋。融合的矢量风场在地面气旋性辐合流场的右侧也捕捉到了弱反气旋［图7 （d）中蓝色带箭头实线］和辐散流场， 该涡旋偶对应着小区域的辐合上升和辐散下沉运动。气流辐合带［图7 （d）中棕色实线］的位置信息也更加准确， 对应着雷达回波图中［图7 （a）］对流系统移动方向前沿， 且与图7 （b）中的径向速度信息对应。沿同一雷达径向方向有两个最大径向速度中心， 最大出流中心位于靠近雷达一侧， 则存在中尺度辐合流场（俞小鼎， 2006）。在风场辐合线附近风力较大， 辐合明显， 起到了很好的抬升作用。
矩形框区域内的气旋式辐合流场， 与径向速度图里的中气旋特征（包括核区直径， 强度）对应， 并且中γ尺度气旋与弱回波区位置吻合， 更加明确了强对流系统低层中气旋的维持和发展。在多对流单体带移动方向的后方， 地面融合风场也捕捉到了气旋式的辐合流场， 在径向速度图上没有明确的显示， 很可能是速度模糊造成的缺测。此处可能有新的中气旋生成发展， 需要进一步警惕其演变带来对流单体的加强发展。
5.2.3 18:00融合风场分析
再分析资料的地面风场显示［图8 （a）］， 18:00江苏省南部多为东南风， 北部有南北风向的辐合， 最大风速为8 m·s-1。泰州雷达站附近大部分地区为东南风和偏南风。地面自动气象站的瞬时风场显示［图8 （b）］， 江苏省大部分站点为东南风， 少部分站点为偏南风， 最大风速7 m·s-1。在泰州雷达站附近， 个别站点观测到的瞬时风向为东北风和西南风。
到18:00， 在0.5°仰角的反射率因子图中（图9 ）， 已经演变成了强弓形回波的飑线系统， 钩状回波明显， 对应着显著的后侧入流缺口［图3 （c）中箭头所指位置］。飑线处于强盛期， 飑线的中心位于泰州雷达站西南方向约50 km处。地面观测资料显示， 在17:47和18:00左右， 仪征和高港地区分别观测到冰雹（图9 中红色三角形位置）， 其中高港降雹区域对应着雷达回波图中飑线和东侧强对流单体之间， 位于弱回波地带。垂直剖面中， 有界弱回波区（BWER）、 回波悬垂和回波墙结构更加显著［见图3 （g）］， 为雹云的典型雷达回波特征。此时的飑线系统中雹云云体结构完整， 对流运动强烈。
图9 2019年7月6日18:00泰州雷达0.5°仰角的反射率因子（a， 单位： dBZ）、 径向速度（b， 单位： m∙s-1）、 径向速度反演的风场（c， 矢量， 单位： m∙s-1）及多源数据融合的风场（d， 矢量， 单位： m∙s-1）分布黑色矩形框勾画了关键区域， 棕色实线为气流辐合线， 蓝色带箭头实线勾画了流场动向， 红色三角形标注了降雹区域 Fig.9 The distribution of Reflectivity （a， unit： dBZ） and radial velocity （b， unit： m∙s-1） of Taizhou radar at 0.5° elevation angle， wind field retrieved by radial velocity （c vector， unit： m∙s-1） and wind field of multi-source data fusion （d， vector， unit： m∙s-1） at 18:00 on 6 July 2019.The black rectangular box outlines the key areas， the brown solid lines are the flow convergence lines， and the blue solid lines with arrows outline the flow field trend， the red triangles show hail areas |
反演的矢量风场和融合风场都显示飑线和东侧的对流单体低层有明显的流场辐合线， 并且没有明显的气旋性旋转气流。可见， 该区域气流以辐合为主， 旋转较弱， 地面辐合气流充足， 辐合上升运动强。此时飑线系统接近雷达站， 低层径向风数据也更接近地面。融合的风场与直接反演的风场相比， 部分格点的风向得到了订正， 包含的信息更加接近真实地面流场信息。低层的气流辐合线位于飑线的前方（移动方向）， 飑线的三维流场整体呈现倾斜结构， 地面气流辐合线引导着飑线移动。
相比较16:00， 旋转辐合流场（“S”型水平流场）上移到中层（图略）， 为雹云的典型流场特征， 雹云上层的辐散则会更加强烈（王建恒等， 2020）。当地面风场气流的旋转性减弱， 或者气旋性气流的尺度减小， 以强辐合为主时， 会产生足够强的上升气流。强上升气流提供了冰雹进一步循环增长需要的动力条件， 使其在适合的增长区停留足够长时间。并且强上升气流使大冰雹越过主上升气流， 从主上升气流侧面的高层吹落， 形成回波墙（许焕斌， 2012）。可以认为， 当雹云对流运动旺盛降雹的时候， 地面风场的旋转性会减弱甚至消失， 辐合加强， 整个流场呈现强辐合态势。这种地面风场流型的变化对雹云的发生发展有较好的指示作用（徐亚钦等， 2011）。
而图9 （d）中黑色矩形框附近， 反演的风场经过地面风场的融合订正， 存在气旋性辐合流场与“S”型流场。此流型对应着辐合上升气流， 但“S”型流场的存在， 表明该区域地面气流的辐合强度低于降雹区， 此处的雷达回波结构也不够完整成熟， 不易发展成雹云。
6 多源资料融合后风场的动力学意义
对多源风场数据融合试验中融合前和融合后的风场作对比分析：
（1） 从图7 可知， 没有融合前的风场辐合线（切变线）的走向是西北-东南走向， 融合后的风场辐合线（切变线）的走向是西南-东北走向， 与相应的飑线系统的位置比较可知， 融合后的风场辐合线（切变线）与实况相比较为一致， 而没有融合的风场辐合线（切变线）则基本不一致。
（2） 从图9 可知， 图9 （c）和（d）左下角的风场切变线均存在， 但是其位置不同。其中没有融合的风场切变线位置要比融合后的风场切变线相差30 km， 与实况相比较， 融合后的风场切变线与实况比较一致。图9 （c）的右上角显示没有融合前的风场是反气旋， 没有形成风场的切变线， 而融合后的风场呈现气旋式， 并且形成了切变线。与实况相比， 融合前的风场呈现反气旋和无切变， 而融合后的风场呈现气旋式和切变线， 表明融合后的风场与实况基本相符， 而融合前的风场则与实况不符。
归纳上述结果可知， 融合前和融合后， 其风场的位置、 切变线（带状）、 气旋式环流（圆形）和反气旋式环流（圆形）有较大的不同。根据大气动力学可知（曾庆存， 1979）当大气运动是中γ尺度时， 中γ尺度系统是由风场来主导， 并且风场呈现带状（切变线）和圆形系统。因此， 如果风矢量图不能在分析场上， 很好地确定相应的切变线和气旋（反气旋）式环流， 就不能很好地捕捉到中γ尺度的系统， 这对于中γ尺度的分析和短临预报， 均是十分困难的。而融合后的风场资料， 则能抓住风场的两个主要特征［切变线和气旋（反气旋）式环流］， 故对中小尺度的分析和短临预报均有重要的意义。
7 结论与讨论
结合多普勒天气雷达的探测特征和多源风场数据融合的试验结果， 对2019年7月6日发生在江苏省的强对流天气过程进行了分析， 并讨论了多源风场数据融合算法的可行性。该算法主要在观测空间利用CCA方法对雷达径向速度资料反演的风场、 再分析资料的风场和气象自动站资料的风场进行融合， 来识别强对流天气过程的地面风场。主要结论如下：
（1） 此次强对流天气过程中， 江苏省地区受高空冷涡影响， 在高空冷槽、 高空急流、 低层切变线和地面辐合线的配置条件下， 形成了上干冷、 下暖湿的层结不稳定结构。
（2） 通过典型关联分析的多源数据融合方法， 消除了VAP技术反演风场产生的量级误差。融合后的风场信息更加丰富， 不仅对应着雷达探测特征， 而且填补了被过滤的风场信息， 恢复了气流的旋转特征。通过融合风场识别， 强对流发展初期地面有气旋性辐合流场， 包含γ中尺度气旋和辐合线， 附近伴有较弱的反气旋和辐散流场。地面气旋性气流整体对应着雷达回波中对流系统的入流缺口， 与有界弱回波区匹配， 地面辐合线位于强对流系统前沿（移动方向）。强对流系统强盛阶段（发生降雹现象）， 地面气流转变为强辐合流场， 旋转性减弱， 辐合气流量充足， 对流运动剧烈。
（3） 融合前和融合后的风场相比， 风场的位置、 切变线（带状）、 气旋式环流（圆形）和反气旋式环流（圆形）有较大的不同。融合后的风场资料， 则能抓住风场的两个主要特征［切变线和气旋（反气旋）式环流］， 进而捕捉到中γ尺度的系统。
（4） 本文中提及的多源气象数据融合方法虽然是个例分析， 但已显示其重要性， 后期会加入更多的个例来进一步验证。
中γ尺度系统往往与暴雨、 冰雹、 雷雨大风、 龙卷、 下击暴流、 阵风锋等灾害性天气密切相关。大面积降水的产生、 维持和消散也和中低层的辐合辐散结构配置有关。超级单体风暴一般都包含有一个持久深厚的中气旋， 与强对流风暴中上升气流与后侧下沉气流紧密相关（俞小鼎， 2006）。这种小尺度涡旋要满足一定的垂直伸展、 核区直径（切变）、 持续性判据。因此利用多源实测资料在观测空间进行数据融合， 来直观快速的识别地面气流旋转特征与辐合辐散变化， 为中气旋的识别提供支撑。
由于多普勒天气雷达探测存在仰角， 因此同一层仰角的探测数据越远离雷达站， 其垂直高度越高。捕捉该次强对流天气个例的多普勒天气雷达第一层仰角数据的垂直高度多在1 km以下， 融合后的风场并不是准确地位于地面10 m高度。对较远的探测数据进行融合， 能使其更加接近地面风场信息。而当对流系统移动过程中接近雷达站， 且符合双雷达反演要求时， 则可以利用双雷达反演技术探究三维流场结构。当然， 提高地面自动气象站覆盖率， 提升反演技术， 能增强多源数据融合的效果。