中国海洋湖沼学会主办。
文章信息
- 成印河, 杨欣坤, 张玉生, 游志伟. 2021.
- CHENG Yin-He, YANG Xin-Kun, ZHANG Yu-Sheng, YOU Zhi-Wei. 2021.
- 基于ECMWF数据的中国近海低空波导特征研究
- DUCT CHARACTERISTICS OVER THE CHINA SEAS BASED ON ECMWF REANALYSIS DATA
- 海洋与湖沼, 52(1): 86-96
- Oceanologia et Limnologia Sinica, 52(1): 86-96.
- http://dx.doi.org/10.11693/hyhz20200500139
文章历史
-
收稿日期:2020-05-11
收修改稿日期:2020-08-28
2. 江苏海洋大学 海洋遥感大数据应用中心 连云港 222005;
3. 中国电波传播研究所 电波环境特性及模块化技术重点实验室 青岛 266107
2. Ocean Remote Sensing Big Data Applications Center, Jiangsu Ocean University, Lianyungang 222005, China;
3. National Key Laboratory of Electromagnetic Environment, China Research Institute of Rodiowave Propagation, Shandong, Qingdao 266107, China
随着国家海洋强国战略的逐步落实, 海上通讯和雷达探测也越来越受到关注, 其中影响其性能的一个重要环境因素是大气波导。在适当的频率和入射角情况下, 大气波导环境将捕获大部分微波能量(Burk et al, 1989; Atkinson et al, 2006), 使探测、通信等系统出现了一些异常的传播特征, 如雷达超视距传播(Battan, 1973; 杨坤德等, 2009)和探测盲区(焦林等, 2004, 闫西荡等, 2020)等, 从而产生错误的目标估计(Moszkowicz et al, 1994; Haack et al, 2001)等。因此美国海军20世纪90年代开发了高级折射效应预测系统AREPS (Advanced Refractive Effects Prediction System), 澳大利亚设计了对流层折射效应预测系统TREPS (Troposphere Refractive Effects Prediction System)等系统用于海上舰船电磁波传播的评估, 英国、法国等国家海军也均装备了类似系统(董庆生, 2009)。这些雷达探测、通信等评估应用系统迫切需要海洋环境的支撑, 需要精确考虑大气折射环境的影响。
大气波导是由湿度随高度锐减或者温度随高度递增而形成的, 或者两者同时发生(蔺发军等, 2005)而形成的一种大气层结。不同海区呈现出不同的大气波导环境特性(Craig et al, 1995; Babin, 1996; Brooks et al, 1999; Bech et al, 2000; 刘成国等, 2002; Von Engeln et al, 2003, 2004; 蔺发军等, 2005; Mentes et al, 2007; 唐海川等, 2008; 成印河等, 2012, 2013; Ding et al, 2013; Murthy et al, 2013; Zhao et al, 2013; Cheng et al, 2015, 2016; 李晓东等, 2017; 郝晓静等, 2018), 如欧洲上空表面波导发生概率为20%(Craig et al, 1995), 地中海海域为85%(Bech et al, 2000), 而伊斯坦布尔海域夏季比较高为31%(Mentes et al, 2007)。每个海域都有其独特的波导特征。国内大气波导统计也做过部分工作, 相对集中在东南沿海(刘成国等, 2002; Ding et al, 2013)和南海(成印河等, 2012, 2013; Zhao et al, 2013)。这些工作大多集中利用少量探空数据或再分析数据研究某些局部海域波导特征。
在波导气候学方面, Von Engeln等(2003, 2004)基于6 a的旧版本ECMWF (European Center for Medium Range Weather Forecast)再分析数据分析了全球大气波导不同季节和时刻的气候学特征。Yang等(2016)和Shi等(2015)对南海蒸发波导进行了气候特征统计, 那么中国近海其他大气波导具有怎样的气候学特征, 如月变化特征。陈莉等(2009)利用2 a的NCEP-FNL (National Centers for Environmental Prediction FiNaL, NCEP-FNL)再分析数据, 结合中尺度天气数值模式MM5 (Fifth-Generation Penn State/NCAR Mesoscale Model, MM5)的前置处理模块插值分析了中国近海大气波导特征, 指出中国近海波导具有明显的季节变化特征。作为波导气候学研究, 2 a的数据不能充分挖掘出中国近海的大气波导时空分布特征, 同时受所用数据垂直分辨率限制。目前ECMWF能够提供垂向上60层的再分析数据, 为大气波导研究提供了数据支持。因此, 本文拟采用30 a空间分辨率为0.25°×0.25°的ECMWF再分析数据开展中国近海低空大气波导特征研究。
1 数据与方法 1.1 数据ECMWF提供了多种再分析和预报数据, 本文选取了经纬度为(0—41.25°N, 103.5°—128.25°E)范围内的1988—2017年ERA-Interim (ERA-I)再分析数据。该数据空间分辨率为0.25°×0.25°, 每天具有世界时0时、6时、12时、18时4个时次。垂向上, 将固定地面气压1013.25 hPa到高空0.1 hPa分成间隔不等的60层, 分布在0—7 km的空间上, 其高度和气压的对应关系可查阅欧洲中尺度预报中心的归档报告(Berrisford et al, 2011)。该数据在低层分辨率较高, 0、200、500、1000、1500 m附近分辨率分别为10、100、150、200和300 m。因此针对低空大气波导研究, 本文选取海面以上3500 m之内较低的19层数据包括温度、比湿、模式高度和气压, 统计分析大气波导特征。
为了验证ERA-I再分析数据识别大气波导参数的准确性, 我们利用1998年南海季风实验期间多个站点和2006—2012年多个南海开放航次的GPS (Global Position System)探空数据作了对比分析。具体数据情况见表 1, 该数据主要包括温度、气压、相对湿度、露点温度、风速、风向和海拔高度等, 试验期间每天观测4次, 为当地时间2时、8时、14时和20时。南海季风实验期间为固定站点观测, 其他为走航观测。所有数据经过质量控制, 标准参考成印河等(2012)的文献, 经过处理后得到1522个数据(图 1)用于ERA-I再分析数据刻画大气波导参数的评估。
观测站点 | 观测时间 | 数量(个) |
东沙站 | 1998.05.02—06.24 | 105 |
南沙站 | 1998.05.05—06.18 | 74 |
香港站 | 1998.05.01—08.31 | 210 |
科学1号 | 1998.05.02—06.24 | 151 |
实验3号 | 1998.05.06—06.23 | 152 |
走航观测 | 2006.09.08—09.28 | 41 |
2006.10.26—12.16 | 27 | |
2007.03.14—03.23 | 27 | |
2007.06.02—06.20 | 50 | |
2007.08.13—09.27 | 41 | |
2008.05.16—05.20 | 15 | |
2008.06.29—07.14 | 29 | |
2008.08.16—09.04 | 62 | |
2009.06.09—07.05 | 41 | |
2009.09.01—09.19 | 55 | |
2010.04.14—05.19 | 53 | |
2010.09.02—09.20 | 57 | |
2010.10.26—12.10 | 39 | |
2011.04.02—04.06, 05.10—05.13 | 39 | |
2012.02.25—04.19 | 20 | |
2012.06.17—07.03 | 34 | |
2012.08.09—09.06 | 70 | |
2012.09.05—09.22 | 65 | |
2012.09.09—10.26 | 65 | |
合计 | 1522 |
1.2 处理方法
大气波导研究主要是分析大气折射率变化。300 MHz—300 GHz范围的电磁波在标准大气中, 正常大气折射率是随距离海面高度增加而减小的。考虑地面曲率时, 常采用修正大气折射率表征大气折射状态, 是关于大气压、温度、水汽压的函数(成印河等, 2012),
式中, M为每层的修正大气折射率, 是无量纲单位, 其数值通常称为M单位, P为每层的大气压(hPa), e代表每层的水汽压(hPa), T为每层的大气温度(K), z为海拔高度(m)。在ERA-I再分析数据中, 水汽压利用同层的比湿获得(Rogers et al, 1989),
其中q为每层比湿(kg/kg), ε为常数0.622。GPS高空探测数据中, 水汽压利用相对湿度和气温计算水汽压(Cheng et al, 2016),
E为温度T(K)时饱和水汽压(hPa), RH为相对湿度(%)。当修正折射率梯度为负值时, 发生大气波导即,
按照大气折射率廓线形状和所在高度大气波导可分为3种(图 2):简单表面波导、有基础层的表面波导和悬空波导(Turton et al, 1988)。简单表面波导和有基础层的表面波导波导底高都为0 m, 本文统一归为表面波导。廓线如果存在多个陷获层称为复合波导, 本文只统计距离海面最近的低层波导, 因此按照表面波导和悬空波导进行统计。
1.3 ERA-I再分析数据刻画大气波导特征评估为了评价ERA-I再分析数据的分析大气波导的能力, 我们参考Von Engeln等(2004)方法, 与GPS探空数据获得的大气波导特征参数做了对比分析。在该方法中, 由于ERA-I再分析数据和GPS探空数据获得的修正大气折射率分辨率不同, 不能直接进行比较, 因此将GPS探空数据按照脉冲平均(Boxcar averaging)技术进行平滑后将两种数据插值到同一分辨率上, 对比分析各种大气波导参数。该技术是一种信号平滑方法, 假定少部分相邻的点的平均比单独一个观测点数据更准确些, 例如3个点脉冲平均技术, 第1个点平均值为原始第1、2和3个点平均, 第2点平均值为4、5和6三个点的平均值, 依次类推。本文中是求取在高度上的平均值, 采用的脉冲长度是指高度上固定长度, 有多少观测点落在求取平均点前后0.5倍脉冲长度内点计算平均值, 观测数据点数不固定。该技术将平滑掉一些厚度较薄的大气波导事件, 脉冲长度越大, ERA-I再分析数据符合GPS探空数据的程度越好, 但波导事件数量越少。
为了获得较多的大气波导事件, 用于波导参数统计比较, 本文采用脉冲长度为50 m平均平滑处理GPS探空数据后再与ERA-I再分析数据进行匹配。GPS探空数据经过质量控制后, 获得1522个匹配好的数据组。之后两种数据获得的修正大气折射率分别进行20 m间隔的线性插值后开展大气波导特征参数比较研究。匹配过程中以探空站点为中心, 寻找距离最近和时间最接近的格点ERA-I再分析数据。在匹配的ERA-I再分析数据中, 有170个廓线发生了大气波导, 其中与探空对应的为91时次, 占比53.5%。即ERA-I再分析数据能够识别出的半数以上的大气波导事件。波导底高、厚度和强度的对比关系见图 3。
从图 3可知, ERA-I再分析数据获得的低空大气波导高度相对较好, 与探空数据符合最好, 斜率为0.96, 接近于1, 平均误差为114 m, 表明ERA-I再分析数据获得大气波导高度相对较低。关于波导厚度和强度, 两者斜率相近不到0.5, 这与Von Engeln(2004)的在大西洋的结果相似。同时我们给出了波导厚度和强度的平均误差, 分别为-12 m和4.4, 表明ERA-I再分析数据统计结果波导厚度偏厚, 而强度偏小。这与探空数据的分辨率密切相关, 我们用的探空数据是高分辨率探空数据, 其时间分辨率为1—2 s, 垂直距离在30 m左右。数据分辨率直接决定了再分析数据描述大气波导特征参数的高低, 在Von Engeln等(2003, 2004)用大西洋探空数据对比分析了ECMWF再分析数据, GPS探空数据在垂向上经过不同脉冲长度的平滑可得到的海洋大气边界层高度与再分析数据得到的接近, 因此ECMWF再分析数据可以用来捕捉刻画低空大气波导特征。由于大气模式准确度和分辨率的原因, 尽管ECMWF提供的ERA-I再分析数据捕捉到部分大气波导事件, 描述的波导特征参数也存在一些误差, 但在长时间序列中, 能够表征某些区域的波导气候学特征。世界气象组织指出气候一般为周期30 a平均的天气状态统计描述(世界气象组织, 2017)。因此本文选取了30 a的ERA-I再分析数据分析中国近海的低空波导时空分布特征。
2 中国近海低空大气波导特征 2.1 中国近海整体大气波导概率月变化中国近海大气波导整体发生概率为22.0%, 其中悬空波导和表面波导比例分别为62%和38%。由于不同区域大气波导具有不同的时空发生规律, 因此本文给出了中国近海月平均大气波导月变化情况(图 4)。从图 4中可知大气波导发生概率随月份变化, 从1—12月呈现双峰结构, 4月达到最高, 其次是8月, 12月最不容易发生, 波导发生概率为最低为16%。悬空波导的比率始终高于表面波导, 与整体月平均概率变化一致, 均为双峰结构分布; 但在12月中表面波导一直在10%以下, 表面波导和悬空波导比例相当为8%左右。从季节分布上(春: 3—5月, 夏: 6—8月, 秋: 9—11月, 冬: 12—2月), 春季中国近海最容易发生大气波导, 尤其是悬空波导, 其次是夏、秋季节, 冬季最不容易发生大气波导, 这与陈莉等(2009)研究结果稍有不同, 夏季发生最多, 春季次之, 这与所用的再分析数据垂直分辨率有关。
由于中国近海范围广泛, 横跨温带、亚热带、热带等气候区, 因此各个海域具有不同的大气波导的特征。本文根据37°N、31°N、23°N纬线将中国近海分隔为渤海海域、黄海海域、东海海域和南海及邻近海域四大海域, 按照区域海洋统计低空大气波导发生情况。图 5给出了中国近海四大海域30 a平均大气波导概率、底高、厚度和强度月变化。
由图 5可知, 中国近海由北向南大气波导发生概率逐渐降低, 渤海和黄海概率相近约为28%, 其次东海为27%, 南海发生波导最小为20%, 见图 5a。从图 5a中可以看出, 各个海域大气波导发生概率随月份变化不同, 南北差异明显。渤海与黄海呈现“M”状分布, 5月和9月最高, 超过42%; 1月最低, 低于5%。东海和南海及邻近海域年变化呈现开口向下的抛物线状分布, 先升高后降低, 起伏较大, 7月最高为41%, 1月最低10%。南海及邻近海域由于处于热带, 终年气候较稳定, 全年发生概率走势平稳, 4月最高为27%, 其他时间在17%—26%之间。渤海、黄海、东海均在10月后波导概率显著降低, 与陈莉(2009)统计结果相吻合。从图 4中看出中国近海整体在4月概率最高, 结合图 5a可推测主要是由中国北部黄、渤海贡献的。
由图 5b—d可以发现, 渤海海域的大气波导底高、厚度和强度随着月份均呈现出先升后降的变化趋势; 其底高和厚度也是四大海域中最低的, 5月到10月底高在50 m以上, 厚度在80 m以上, 强度保持在5—8, 变化幅度均较小, 这是由于渤海海域发生波导类型单一, 多为表面波导见图 7。全年中黄海海域波导底高5月最低为60 m, 但厚度和强度较强, 分别为165 m和10;从5月到9月底高和厚度都具有增加的趋势, 波导强度一直稳定在6以上。全年中东海和南海及邻近海域的底高、厚度和强度变化比较相似, 均有双峰状分布, 但顶峰时间不同, 东海和南海及邻近海域的底高3月最高, 分别为284 m和316 m, 第二个高峰东海在秋季10月而南海及邻近海域在11月, 夏季8、9月为最低; 两海域的波导厚度5月为最高值220 m以上, 强度3月最大, 在6以上; 强度和厚度的第二个高峰均在9月, 最小均在冬季12月和1月。
2.2 中国近海大气波导时空分布特征为了进一步分析中国近海低空的大气波导时空分布特征, 我们分别统计了低空30 a平均的大气波导概率、悬空波导占比、底高、厚度和强度的空间分布月变化情况。
2.2.1 低空大气波导概率时空分布从图 6看出, 中国近海大气波导高概率区域变化明显, 渤海、黄海北部、东海中部、南海中部及北部湾海域为波导高发区, 1年中有一半的时间发生低空大气波导, 都超过30%。渤海、黄海、东海北部在4—10月始终保持在35%以上, 而南海在1—5月发生较多。南海东南侧海域则全年概率偏低, 始终在20%以下, 中北部发生概率月变化比较明显, 与王海斌等(2019)研究结果一致。从季节分布上, 大气波导整体南北差异明显, 尤其在冬季, 渤海、黄海和东海概率基本在20%以下, 这可能由于冬季风暴发密切相关, 大陆冷高压经过, 近海面的风剪切引起垂向混合, 相对湿度较低的大气无明显湿度锐减层结, 不易发生大气波导。春季为过渡时间, 南北概率差明显降低; 夏、秋季节, 渤海、黄海和东海比较容易发生大气波导, 其他海域较低。
2.2.2 悬空波导比例时空分布由于不同大气波导类型(图 2), 其波导特征参数也不一样。本文只统计了距离海面最近的大气波导, 如上文所述的表面波导和悬空波导两种, 只要了解一种大气波导类型比例, 剩余的即是另外一种波导类型。因此, 我们给出了中国近海悬空波导所占比例空间分布月变化图(图 7), 据此可以了解哪一种波导主导该海域。
从图 7可知, 低空大气波导类型随着月份、季节变化分别主导不同海域。整体上, 中国近海主导波导类型为悬空波导, 靠近沿岸陆地、岛屿附近海域悬空波导比例较低, 在30%以下, 这表明该海域表面波导占主导, 如台湾岛附近海域整年表面波导较高, 在60%以上。表面波导这种分布特征极可能与风场和海陆分布密切相关。季节和区域分布上, 冬季的12—2月中, 中国东部整个海域悬空波导发生较少, 表面波导发生较多, 并且动态发生变化。如表面波导主导的渤海海域及北部黄海, 从上年12—5月往南发展, 直到长江口海域, 自6月以后主导波导类型区域发生改变, 悬空波导逐步区域向北扩散, 表面波导逐步收缩至黄海海域。除台湾海峡, 中南半岛沿岸区域外, 大部分南海及东海的低空波导类型都是悬空波导。波导类型的变化亦预示着大气波导底高的变化:表面波导控制海域波导底高较低, 悬空波导控制海域波导底高较高, 具体见图 8。
2.2.3 波导底高的时空分布由图 8可知, 渤海海域全年大气底高均在200 m以下, 变化较小, 这是由于表面波导一直是该海域的主导类型, 占比在50%以上。黄、东海北部海域大气波导底高从3—5月也一直较低在200 m以下, 6月以后波导底高从南向北具有抬升趋势。而南海大部分海域低空波导底高在200 m以上, 6月和7月份达到最高在600 m以上。研究发现, 大陆沿岸海域如大陆东侧、南海南部沿岸海域和岛屿西侧海域如台湾岛和吕宋岛西侧等波导底高较低, 都在200 m以下, 其他海域较高。在区域分布上, 中国近海大气波导层结高度南方高, 北方低, 靠近大陆沿岸东侧海域、岛屿西侧海域低, 外海较高在300 m以上; 从季节分布上, 春、夏两季中国近海南部低空波导相对较高300 m以上, 北部较低200 m以下; 冬、秋相对较冷的季节, 除了渤海、大陆沿岸、岛屿外, 中国近海大气波导底高较高且分布较均匀, 都在300 m以上。这种区域分布与风场的转换具有密切关系, 需要开展进一步研究。
2.2.4 波导厚度和强度时空分布已有的研究表明大气波导厚度和强度具有较强的相关性, 本文计算了两者每月的相关系数见表 2, 除去6月和7月相对系数较低(接近0.6)外, 其他月份都超过0.6以上, 整年相关系数为0.75, 因此中国近海低空波导厚度和强度具有相似变化趋势(图 9)。
月份 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 整体 |
相关系数 | 0.85 | 0.90 | 0.90 | 0.78 | 0.66 | 0.58 | 0.59 | 0.64 | 0.75 | 0.77 | 0.74 | 0.77 | 0.75 |
中国近海的低空波导厚度和强度分布具有明显的季节变化, 波导强度较厚的区域波导强度较大, 见图 9。除台湾岛及邻近海域, 大气波导厚度从上年12—5月从北到南逐渐变厚, 由厚度100 m以下的渤海海域逐步扩展到南海西部350 m, 强度从2逐渐变强至10, 其中北部黄、东海海域的厚度5月增加较大为12。6月之后, 除渤海海域外, 北部低空波导厚度逐渐变厚, 发展为350 m以上, 而南部, 尤其是南海及邻近海域, 逐渐变薄为200 m左右, 形成北厚南低分布格局。强度具有相似的分布特征, 渤海、黄海、东海海域6月之后强度一直加强, 长江口附近海域达12, 而长江口以南及南海等海域波导强度一直保持较弱状态, 6以下, 直到秋季11月才有变强的趋势, 北方海域开始减弱。从季节变化上, 中国近海大气波导厚度和强度分布呈现出明显季节震荡, 冬、春季节波导厚度南高北低, 波导强度南强北弱, 而夏、秋季节则相反, 波导厚度南薄北厚, 波导强度南弱北强态势, 这与图 5c、d指示的结果一致。
3 结论利用多年的GPS探空数据评估了ECMWF提供的ERA-I再分析数据刻画大气波导特征参数的准确性, 结果与Von Engeln等(2004)在大西洋评估结果一致。从与GPS探空数据比较中可以保守地推测本文基于ERA-I再分析数据给出的大气波导发生概率偏低, 波导厚度偏厚, 强度偏小, 层结高度偏高。尽管ERA-I再分析数据刻画大气波导特征不准确, 但对于观测数据稀少的海上, 利用再分析数据研究其规律也是最有效的手段和方式。本文经过统计分析得到了中国近海低空大气波导环境特征。
中国近海总体的大气波导概率为22%, 60%以上为悬空波导类型; 在月变化上, 除了南海及其邻近海域波导发生概率保持相对稳定外, 其他海域在相对较暖的5—10月发生概率较高, 较易发生大气波导, 上年的11—3月较冷季节发生概率较低, 不易发生大气波导; 底高、厚度则呈现出相反变化趋势, 5—10月底高较低、厚度较大。在季节变化上, 春季最高, 其次是夏、秋季节, 冬季最低。
中国近海低空大气波导概率、波导类型、厚度和强度具有明显的月变化, 低空大气波导发生概率在上年12—5月份随着月份变化逐渐增大, 之后随月份具有降低的趋势, 其中北方渤海、黄海、东海及邻近海域发展变化较大, 南方变化较小。中国近海大气波导层结高度南方高, 北方低, 靠近大陆沿岸海域和岛屿西侧海域低, 远海较高, 这与主导该海域波导类型密切相关。波导厚度和强度均呈现出明显半年期震荡趋势, 冬、春季节波导厚度具有北低南高, 强度南强北弱分布特征, 夏、秋季节则相反, 具有南薄北厚, 强度南弱北强地理分布特征。
该研究可以充实中国电波传播环境数据库, 为评估该海域电磁波传播及通讯、探测设备的使用等提供环境支撑。由于ERA-I再分析数据垂向分辨率导致低空大气波导特征描述不准确, 我们以后将采用更高分辨率的再分析数据开展相关研究。另外, 中国近海横跨多个气候带, 受到冬、夏季风、海洋下垫面的海温等因素的影响, 其形成机制需要进一步开展研究。
王海斌, 张利军, 王红光. 2019. 南海海区低空大气波导气候学分析. 电波科学学报, 34(5): 633-642 |
世界气象组织, 2017. WMO气候平均值计算指南(WMO-No. 1203).瑞士, 日内瓦: 世界气象组织, https://library.wmo.int/doc_num.php?explnum_id=4170
|
成印河, 周生启, 王东晓, 等. 2013. 夏季风爆发对南海南北部低空大气波导的影响. 热带海洋学报, 32(3): 1-8 DOI:10.3969/j.issn.1009-5470.2013.03.001 |
成印河, 赵振维, 张玉生. 2012. 季风期间南海低空大气波导统计分析. 电波科学学报, 27(2): 268-274 |
刘成国, 黄际英, 江长荫. 2002. 东南沿海对流层大气波导结构的出现规律. 电波科学学报, 17(5): 509-513 DOI:10.3969/j.issn.1005-0388.2002.05.016 |
焦林, 张永刚. 2004. 雷达电磁波盲区的评估方法研究. 舰船科学技术, 24(6): 47-50 |
闫西荡, 杨坤德. 2020. 蒸发波导环境下风浪对电磁波传播影响的数值模拟研究. 海洋与湖沼, 51(1): 13-19 |
李晓东, 盛立芳, 邱静怡, 等. 2017. 西太平洋中南部冬季悬空波导统计分析及成因初探. 海洋气象学报, 37(2): 51-56 |
杨坤德, 马远良, 史阳. 2009. 西太平洋蒸发波导的时空统计规律研究. 物理学报, 58(10): 7339-7350 |
陈莉, 高山红, 康士峰, 等. 2009. 中国近海大气波导的时空特征分析. 电波科学学报, 24(4): 702-708 DOI:10.3969/j.issn.1005-0388.2009.04.023 |
郝晓静, 李清亮, 郭立新, 等. 2018. 北极大气波导时空分布研究. 极地研究, 30(4): 349-359 |
唐海川, 王华, 李云波. 2008. 黄海部分海域大气波导分布规律及其成因. 海洋技术, 27(1): 115-117, 128 DOI:10.3969/j.issn.1003-2029.2008.01.030 |
董庆生. 2009. 电波与信息化. 北京: 航空工业出版社, 18
|
蔺发军, 刘成国, 成思. 2005. 海上大气波导的统计分析. 电波科学学报, 20(1): 64-68 DOI:10.3969/j.issn.1005-0388.2005.01.014 |
Atkinson B W, Zhu M, 2006. Coastal effects on radar propagation in atmospheric ducting conditions. Meteor Appl, 13(1): 53-62 DOI:10.1017/S1350482705001970 |
Babin S M, 1996. Surface duct height distributions for Wallops Island, Virginia, 1985-1994. J Appl Meteor, 35(1): 86-93 DOI:10.1175/1520-0450(1996)035<0086:SDHDFW>2.0.CO;2 |
Battan L J, 1973. Radar Observation of the Atmosphere. Chicago: University of Chicago Press, 324
|
Bech J, Sairouni A, Codina B et al, 2000. Weather radar anaprop conditions at a Mediterranean coastal site. Phys Chem Earth Part B Hydrol Oceans Atmos, 25(10-12): 829-832 DOI:10.1016/S1464-1909(00)00110-6 |
Berrisford P, Dee D P, Poli P et al, 2011. The ERA-Interim archive version 2.0. https://www.ecmwf.int/en/elibrary/8174-era-interim-archive-version-20
|
Brooks I M, Goroch A K, Rogers D P, 1999. Observations of strong surface radar ducts over the Persian Gulf. J Appl Meteor, 38(9): 1293-1310 DOI:10.1175/1520-0450(1999)038<1293:OOSSRD>2.0.CO;2 |
Burk S D, Thompson T W, 1989. A vertically nested regional numerical weather prediction model with second-order closure physics. Mon Wea Rev, 117(11): 2305-2324 DOI:10.1175/1520-0493(1989)117<2305:AVNRNW>2.0.CO;2 |
Cheng Y H, Zhou S Q, Wang D X et al, 2015. Statistical characteristics of the surface ducts over the South China Sea from GPS radiosonde data. Acta Oceanol Sin, 34(11): 63-70 DOI:10.1007/s13131-015-0749-x |
Cheng Y H, Zhou S Q, Wang D X et al, 2016. Observed characteristics of atmospheric ducts over the South China Sea in autumn. Chin J Oceanol Limnol, 34(3): 619-628 DOI:10.1007/s00343-016-4275-2 |
Craig K H, Hayton T G, 1995. Climatic mapping of refractivity parameters from radiosonde data. In: Proceeding Conference 567 on Propagation Assessment in Coastal Environments, Bremerhaven. Germany: AGARD-NATO, 43-1-43-14
|
Ding J L, Fei J F, Huang X G et al, 2013. Observational occurrence of tropical cyclone ducts from GPS dropsonde data. J Appl Meteor Climatol, 52(5): 1221-1236 DOI:10.1175/JAMC-D-11-0256.1 |
Haack T, Burk S D, 2001. Summertime marine refractivity conditions along coastal California. J Appl Meteor, 40(4): 673-687 |
Mentes Ş, Kaymaz Z, 2007. Investigation of Surface Duct Conditions over Istanbul, Turkey. J Appl Meteor Climatol, 46(3): 318-337 |
Moszkowicz S, Ciach G J, Krajewski W F, 1994. Statistical detection of anomalous propagation in radar reflectivity patterns. J Atmos Oceanic Technol, 11(4): 1026-1034 |
Murthy N R K, Rao S V B, 2013. Study on the occurrence of duct and super-refraction over Indian region. Int J Cur Res Rev (IJCRR), 5(12): 12-20 |
Rogers R. R, Yau M. K, 1989. A Short Course in Cloud Physics. 3d ed. Pergamon Press, 293 pp
|
Shi Y, Yang K D, Yang Y X et al, 2015. A new evaporation duct climatology over the South China Sea. J Meteor Res, 29(5): 764-778 |
Turton J D, Bennetts D A, Farmer S F G, 1988. An introduction to radio ducting. Meteor Mag, (117): 245-254 |
Von Engeln A, Nedoluha G, Teixeira J, 2003. An analysis of the frequency and distribution of ducting events in simulated radio occultation measurements based on ECMWF fields. J Geophys Res Atmos, 108(D21): 4669 DOI:10.1029/2002JD003170 |
Von Engeln A, Teixeira J, 2004. A ducting climatology derived from the European Centre for Medium-Range Weather Forecasts global analysis fields. J Geophys Res Atmos, 109(D18): D18104 DOI:10.1029/2003JD004380 |
Yang K D, Zhang Q, Shi Y et al, 2016. On analyzing space-time distribution of evaporation duct height over the global ocean. Acta Oceanol Sin, 35(7): 20-29 |
Zhao X F, Wang D X, Huang S X et al, 2013. Statistical estimations of atmospheric duct over the South China Sea and the tropical eastern Indian Ocean. Chin Sci Bull, 58(23): 2794-2797 |