PyCWR与PyCINRAD计算HCL产品的差异

气象学家

发布于 2026-03-25 17:28:43

790

水凝物粒子分类产品HCL产品的计算是雷达定量估测降水中一个重要的步骤。在计算HCL产品时，PyCWR和PyCINRAD所采用的方法有所不同。 PyCWR进行水凝物分类时，依据的是双偏振雷达基数据和温度廓线，PyCINRAD只依据了双偏振雷达基数据。以下是基于同样的双偏振雷达基数据文件应用两个工具库计算水凝物分类产品的效果对比。

1.PyCWR计算HCL产品

（1）导入所需的库和模块。

from pycwr.io import read_auto
from pycwr.retrieve.HID import fhc_HCL
import matplotlib.pyplot as plt
import numpy as np
from pycwr.draw.RadarPlot import plot_xy, add_rings
import pandas as pd

# 设置全局字体为SimHei，支持图像中使用中文标签
import matplotlib as mpl
mpl.rcParams['font.family'] = 'SimHei'
# 解决负号显示问题
mpl.rcParams['axes.unicode_minus'] = False

（2）设置所需的双偏振雷达基数据和温度廓线文件路径，并分别进行读取。

这里雷达基数据文件用的是PYCWR官方手册上给出的示例文件。

file = r"D/NUIST.20150627.002438.AR2.bz2" # 基数据
file_t = r"D:/20150627.csv" # 温度廓线
# 分别读取雷达基数据和温度廓线文件
NRadar = read_auto(file)
temp = pd.read_csv(file_t, index_col=0, header=None, names=['temp'])

（3）指定提取双偏振雷达基数据文件第3层（2.4°仰角）数据。在该层CC大于0.9的格点，提取对应的R、ZDR、KDP和CC的值。

num = 2
R = np.where(NRadar.fields[num].CC>0.9, NRadar.fields[num].dBZ, 
    np.nan)
KDP = np.where(NRadar.fields[num].CC>0.9, NRadar.fields[num].KDP,
    np.nan)
ZDR = np.where(NRadar.fields[num].CC>0.9, NRadar.fields[num].ZDR,
    np.nan)
CC = np.where(NRadar.fields[num].CC>0.9, NRadar.fields[num].CC, 
    np.nan)

（4）利用温度廓线数据，对第3层雷达仰角所在高度进行温度插值，得到该层各格点温度。

temp_2d = np.interp(NRadar.fields[num].z.values/1000., temp.index,
    temp['temp']) # 温度插值
R[:,0] = np.nan

（5）利用相关基本数据产品和温度计算水凝物分类结果。

hcl = fhc_HCL(dBZ=R, KDP=KDP, ZDR=ZDR, CC = CC, T=temp_2d)

（6）设定表达水凝物分类结果的色标刻度和色标刻度标签，并对分类结果进行图像绘制。

ticks = np.arange(1, 11, 1)
ticklabels = ['Drizzle', 'Rain', 'Ice Crystals', 'Dry Snow', 
   'Wet Snow', 'Vertical Ice',  'LD Graupel', 'HD Graupel', 'Hail', 
   'Big Drops']
fig, ax = plt.subplots()
plot_xy(ax, NRadar.fields[num].x, NRadar.fields[num].y, hcl,
    cmap="CN_hcl", bounds=np.arange(0.5,10.6,1),
    cbar_ticks=ticks, cbar_ticklabels=ticklabels)
add_rings(ax=ax, rings=[0, 50, 100, 150]) # 增加等径向距离圈
ax.set_xlim([-150, 150])
ax.set_ylim([-150, 150])
ax.set_xlabel("东西向雷达径向距离/km", fontsize=12)
ax.set_ylabel("南北向雷达径向距离/km", fontsize=12)
ax.set_title("2.4度仰角水凝物粒子分类", fontsize=14)
plt.show()

2.PyCINRAD计算HCL产品

（1）导入所需的库和模块。

import cinrad
from cinrad.visualize import PPI
import matplotlib.colors as colors

（2）读取双偏振雷达基数据文件，提取第3层（2.4°仰角）的基本数据产品计算水凝物分类结果

file = r"D:/NUIST.20150627.002438.AR2.bz2"
f = cinrad.io.read_auto(file)
# 使用第3个仰角的基本数据产品
ref = f.get_data(2, 150, "REF")  
zdr = f.get_data(2, 150, "ZDR")
rho = f.get_data(2, 150, "RHO")
kdp = f.get_data(2, 150, "KDP")
# 下方“band”参数需要根据雷达电磁波波段，手动输入S/C/X
HCL = cinrad.calc.hydro_class(ref, zdr, rho, kdp, band="S")

（3）根据自定义色标进行HCL产品图像绘制。

hid_colors = ['LightBlue', 'MediumBlue', 'DarkOrange', 'LightPink',
   'Cyan', 'DarkGray', 'Lime', 'Yellow', 'Red', 'Fuchsia']
hcl_cmap = colors.ListedColormap(hid_colors)
fig = PPI(HCL, add_city_names=True, dpi=600, 
    style="white",cmap=hcl_cmap, nlabel=10)
# 绘制150 km处等径向距离圈
fig.plot_range_rings(150, color='black', linewidth=1.0) 
#每隔50 km绘制一个等径向距离圈，直到绘制到150 km处停止
for i in [50,100,150]:
     fig.plot_range_rings(i, color='black', linewidth=1.0)
plt.show()