SA天氣雷達徑向速度“雜散”特征分析

陳艷

（成都信息工程學院 電子工程學院，四川 成都 610225）

目前多普勒天氣雷達以線性水平極化方式為主，主要用于探測云和降水。SA天氣雷達作為多普勒天氣雷達中的一種，除了可以獲取降水粒子的回波強度外，還可以利用多普勒效應獲取降水粒子的平均徑向速度和速度譜寬的信息，進而可推斷降水云體的風速分布、風場結構特征、垂直氣流速度等。相對常規天氣雷達，多普勒天氣雷達可以獲取更多的氣象信息，但也帶來了問題。在使用SA天氣雷達平均徑向速度資料時，發現速度資料中常常存在缺測、奇異值點或奇異值塊等問題，我們稱之為“雜散”，“雜散”破壞了徑向速度資料的連續性，降低了徑向速度資料的質量，進而影響數值同化與預報[1]，因此有必要對徑向速度中的“雜散”特征進行分析，為后續處理“雜散”提供依據。

文中選取不同地方的SA天氣雷達采集到的不同天氣過程下的反射率和平均徑向速度資料，通過選擇5個參量，并對參量進行了統計分析，以分析徑向速度資料中的“雜散”特征。

1 方法介紹

雜散在速度場[2]中的表現形式主要有3種：1）正負速度相互交疊，即相鄰距離庫或方位間的速度差異大；2）一大片連續的速度區域中，出現幾個速度相對較小或相對較大的點，即奇異值點；3）一大片正（負）速度區域中鑲嵌著一些小面積的或離散的負（正）速度回波?；凇半s散”的以上表現形式，我們可以根據徑向速度分布的空間連續性來對此進行分析和判別。

1.1 數據預處理

對于SA天氣雷達，一個徑向中，反射率距離庫長為1 km，最大距離庫數為460，速度距離庫長為250 m，最大距離庫數為920。由于反射率和徑向速度數據存儲格式的差異，本文只對距離范圍在230 km內的數據進行了統計分析，在分析之前，為了使徑向速度和反射率具有相同的庫長，需將庫長為250 m的徑向速度數據轉換為庫長為1 km的徑向速度，轉換方法是將同一徑向相鄰4個距離庫的徑向速度數據求平均，用平均值來代替庫長為1 km的距離庫的徑向速度值，此時，一個徑向中，徑向速度庫長為1 km，最多包含的距離庫數為230。

1.2 參量選取

本文基于SA天氣雷達探測到的反射率和平均徑向速度資料，選取了5個參量進行統計分析，以下將詳細介紹這5個參量。

1）相鄰距離庫的信噪比差

信噪比[3]是回波功率和雷達接收機噪聲功率的比值。仰美霖[4]等人指出信噪比與速度模糊[5]存在一定的關系，并推導出了SA天氣雷達的信噪比公式：

其中，Z為反射率值，R為離雷達的距離。

仰美霖指出，速度模糊的誤差范圍σv為：

其中，C′是與雷達波長、采樣間隔相關的物理量。信噪比SNR越小，σv越大，發生速度模糊的可能性越大，相應地，退速度模糊處理的準確率就會越低。

文中在仰美霖研究的基礎上，探討相鄰距離庫的信噪比差與速度“雜散”的關系。Δσv表示相鄰距離庫間速度模糊范圍重疊的大小，若重疊范圍越小，表示兩個σv越接近，相鄰距離庫的徑向速度則同為模糊或同為不模糊數據的可能性越大，速度差異越小，“雜散”的可能性越小。

式（3）中，ΔSNRi，j=SNRi，j+1-SNRi，j。 在一大片降水回波中，認為相鄰距離庫的回波強度基本不變，進而相鄰距離庫的信噪比值基本一樣，則 ΔSNRi，j越小，Δσvi，j越小，相鄰距離庫的徑向速度差異越小，速度“雜散”的可能性越小。

2）相鄰距離庫的徑向速度差

徑向速度反映了目標物朝向或遠離雷達的速度，在雷達圖中常表現為一片連續的區域。相鄰距離庫的徑向速度差可以反映相鄰距離庫間的速度是否存在大的切變，若差值太大，則該兩個距離庫中存在奇異值的可能性就越大，反之，則表明兩個距離庫中速度相當，速度連續的可能性越大。

其中 ΔVj相鄰距離庫的徑向速度差，Vi，j表示第 i個徑向、第j個距離庫的平均徑向速度。

3）相鄰方位的徑向速度差

相鄰方位的徑向速度差可以反映相鄰兩個徑向間的速度是否存在大的切變，若差值太大，則該兩個距離庫中存在奇異值的可能性就越大，速度“雜散”的可能性越大。

其中ΔVi相鄰方位的徑向速度差，ΔVi，j表示第i個徑向、第j個距離庫的平均徑向速度。

4）速度沿徑向的紋理

為了反映速度的局地差異，引入了紋理這一概念，本文定義的速度沿徑向的紋理是該距離庫的速度與以該速度為中心的同一徑向上的5個點的速度的平均值的差值，反映了徑向速度沿徑向的變化，若紋理值越大，則速度“雜散”的可能性越大，反之，則速度在徑向上更連續。

同一徑向相鄰五個距離庫的速度的平均值為：

則某一距離庫的速度沿徑向的紋理為：

5）速度沿方位的紋理

速度沿方位的紋理是該距離庫的速度與以該速度為中心的相鄰4個徑向上同一距離庫的速度的平均值的差值，反映了速度的局地差異沿方位的變化，差值越大，則“雜散”的可能性越大。

某一距離庫相鄰5個徑向的速度的平均值為：

則某一距離庫的速度沿方位的紋理為：

1.3 統計方法

本文選用的統計方法借鑒了梁海河等[6]提出的k-鄰域頻數法，首先確定一個范圍，然后將這個范圍平均分為幾個數據段，統計每個徑向的數據落在某一數據段的頻數及其占該徑向參與統計數據的比例，最后給出整個統計范圍內的數據落在不同數據段的平均頻數及所占比例。

根據計算的參量結果，文中選取的信噪比差值的范圍為（-20 dB，20 dB），間隔為 5 dB，選取與速度相關的參量的統計范圍為（-50 ms-1，50 ms-1），間隔為 10 m/s。

2 實例分析

對于SA天氣雷達，一個徑向中，反射率距離庫長為1 km，最大距離庫數為460，速度距離庫長為250 m，最大距離庫數為920。由于反射率和徑向速度數據存儲格式的差異，本文只對距離范圍在230 km內的數據進行了統計分析。

實例1，選取2013年8月 4日北京雷達站（SA）于 22：54采集到的仰角層資料，可以看出速度存在明顯的“雜散”情況（圖 1（b）的東南區域）。 如圖 1 中的（a）、（b），圖（c）是根據式（1）計算出的信噪比，圖（d）是相鄰距離庫的速度差。

圖1 北京站2013年8月4日22:54，0.4°仰角雷達資料圖Fig.1 0.4°elevation radar data collected at 22:54，August 4， 2013 from Beijing station

對比圖 1（b）和圖 1（c）可以看出，在信噪比較小的回波區域，徑向速度圖中的“雜散”情況更加嚴重，這與仰美霖得到的結論一致，但是，在東南方向信噪比較大的區域，也存在明顯的“雜散”情況。為此，本文繼續探討了相鄰距離庫的信噪比差與速度“雜散”的關系。根據上節介紹的統計方法，得到以下結果。

從表1與表2可以看出，選取的相鄰距離庫的信噪比差值主要集中于（－5 dB，5 dB）的范圍內，占86.4%，而與徑向速度相關的 4 個量主要集中于（－10 ms－1，10 ms－1）的范圍內，除了Texi占78%外，其余3個量位于該范圍的比例均大于80%，最大的達到85%。5個參量的變化趨勢基本一致。從原始速度圖中可以看出，徑向速度中大部分區域為連續的，有小部分存在“雜散”的情況，從圖（d）中可以看出，在速度“雜散”的相應位置處，其值更大，為此，位于（－10 ms－1，10 ms－1）范圍外的數據“雜散”的可能性更大。同樣地認為相鄰距離庫的信噪比差值位于（－5 dB，5 dB）范圍外的數據“雜散”的可能性更大。

表1 相鄰距離庫的信噪比差值位于不同數據段的頻數所占比例Tab.1 The proportion of SNR difference of adjacent bins located in different segments

表2 與徑向速度相關的4個參量位于不同數據段的頻數所占比例Tab.2 The proportion of four parameters related to the radial velocity located in different segments

實例2，選取2013年12月16日廣州站于8:00采集到0.5 度仰角層資料，如圖 2 中的（a）、（b），可以看出速度存在明顯的“雜散”情況（圖 2（b）中的北方與西方區域），圖（c）是根據式（1）計算出的信噪比，圖（d）相鄰距離庫的速度差。

對比圖 2（b）和圖 2（c）可以看出，在信噪比較小的地方，速度“雜散”更加嚴重，對比圖 2（b）和圖 2（d）可以看出，在速度“雜散”的位置，速度差值越大，與例1一致。計算選取的參量值，利用統計方法對5個參量進行統計，得到了以下結果。

圖2 廣州站（SA）2013年12月16日8:00， 仰角雷達資料圖Fig.2 0.5°elevation radar data collected at 8:00，December 16，2013 from Guangzhou station

表3 與徑向速度相關的4個參量位于不同數據段的頻數所占比例Tab.3 The proportion of four parameters related to the radial velocity located in different segments

表4 相鄰距離庫的信噪比差值位于不同數據段的頻數所占比例Tab.4 The proportion of SNR difference of adjacent bins located in different segments

從表3和表4可以看出，相鄰距離庫的信噪比差值有90.3%位于（－5，5）的范圍內，與徑向速度相關的4個參量主要位于（－10，10）的范圍內，除占 78%外，其余 3個量位于該范圍的比例均大于80%，最大的占87%。5個參量的變化趨勢基本一致，與實例1的統計結果基本一致。不僅進一步說明了分析方法的適應性，也說明了“雜散”的一般特征。

3 結束語

本文基于SA天氣雷達反射率與速度資料，選擇了5個參量進行計算，并借鑒k－領域頻數法對計算結果進行了統計分析，得到了以下結論：

1）相鄰距離庫的信噪比差值與徑向速度的“雜散”存在一定的對應關系，當差值越小，速度差異越小，“雜散”的可能性越小。統計結果顯示信噪比差值主要位于（－5 dB，5 dB）范圍內，占到85%以上。當差值位于（－5 dB，5 dB）范圍之內時，認為相應距離庫的速度相對連續，反之，速度“雜散”的可能性更大；

2）對比兩個實例中的圖（b）和圖（d）均可以看出徑向速度存在“雜散”時，相鄰距離庫的速度差值更大，因此，可用速度差值來表征速度“雜散”的情況，同理，其他3個參量也可以用以表征“雜散”特點。與速度相關的4個參量主要集中于（-10 m/s，10 m/s）的范圍內，除了速度沿方位的紋理所占比例小于80%（但也大于75%）外，其余3個參量所占比例均大于80%，最大的占到87%。當值位于該范圍時，該區域速度局地差異小，相對連續，反之，則該區域的徑向速度局地差異大，速度“雜散”的可能性大。

本文對“雜散”的特征進行了初步分析，為“雜散”識別與處理提供了理論依據，但還存在不完善的地方，從研究中可以看出，雖然速度存在“雜散”時，對應位置的參量值更大，但也存在速度資料連續的地方，參量值也出現了較大的情況，因此，后期可對統計參量的選取進行改進。

[1]盛春巖，薛德強，雷霆，等.雷達資料同化與提高模式水平分辨率對短時預報影響的數值對比試驗[J].氣象學報，2006（3）:293-307+405.SHENG Chun-yan，XIE De-qiang，LEI Ting，et al.Comparative experiments between effects of Doppler radar data assimilation and inceasing horizontal resolution on short-range prediction[J].Journal of Applied Meteorology，2006（3）:293-307+405.

[2]李紅斌，胡志群，張家偉，等.多普勒天氣雷達速度場特征及在人工增雨中的應用[J].氣象科學，2009（4）:4564-4568.LI Hong-bing，HU Zhi-qun，ZHANG Jia-wei，et al.Analyses of radar radial velocity and application in precipitation enhancement operation[J].Meteorological Science and Technology，2009（4）:4564-4568.

[3]李宏，王國玉，楊英科.雷達信噪比的測量與計算[J].電子對抗技術，2002（2）:3-6.LI Hong，WANG Guo-yu，YANG Ying-ke.Measing and calculating radar SNR[J].Electronic Information Warfare Technology，2002（2）:3-6.

[4]仰美霖，劉黎平.新一代天氣雷達徑向速度質量分析[C]//第28屆中國氣象學會年會——S1第四屆氣象綜合探測技術研討會，中國，2011:327-341.

[5]楊明，王改利，劉黎平，等.二維多途徑多普勒雷達退速度模糊算法的改進及效果分析[J].氣象，2013（5）:616-622.YANG Ming，WANG Gai-li，LIU Li-ping，et al.Improvement of automated 2D multi-pass dopplerradar velocity dealiasingalgorithm and its effect analysis[J].Meteorological Monthly，2013（5）:616-622.

[6]梁海河，張沛源，葛潤生.多普勒天氣雷達風場退模糊方法的研究[J].應用氣象學報，2002（5）：591-599，643-644.LIANG Hai-he，ZHANG Pei-yuan，GE Run-sheng.Study of data processing of wind fields from Doppler radar[J].Journal of Applied Meteorology，2002（5）:591-599，643-644.