SA天气雷达径向速度“杂散”特征分析

陈艳

（成都信息工程学院 电子工程学院，四川 成都 610225）

目前多普勒天气雷达以线性水平极化方式为主，主要用于探测云和降水。SA天气雷达作为多普勒天气雷达中的一种，除了可以获取降水粒子的回波强度外，还可以利用多普勒效应获取降水粒子的平均径向速度和速度谱宽的信息，进而可推断降水云体的风速分布、风场结构特征、垂直气流速度等。相对常规天气雷达，多普勒天气雷达可以获取更多的气象信息，但也带来了问题。在使用SA天气雷达平均径向速度资料时，发现速度资料中常常存在缺测、奇异值点或奇异值块等问题，我们称之为“杂散”，“杂散”破坏了径向速度资料的连续性，降低了径向速度资料的质量，进而影响数值同化与预报[1]，因此有必要对径向速度中的“杂散”特征进行分析，为后续处理“杂散”提供依据。

文中选取不同地方的SA天气雷达采集到的不同天气过程下的反射率和平均径向速度资料，通过选择5个参量，并对参量进行了统计分析，以分析径向速度资料中的“杂散”特征。

1 方法介绍

杂散在速度场[2]中的表现形式主要有3种：1）正负速度相互交叠，即相邻距离库或方位间的速度差异大；2）一大片连续的速度区域中，出现几个速度相对较小或相对较大的点，即奇异值点；3）一大片正（负）速度区域中镶嵌着一些小面积的或离散的负（正）速度回波。基于“杂散”的以上表现形式，我们可以根据径向速度分布的空间连续性来对此进行分析和判别。

1.1 数据预处理

对于SA天气雷达，一个径向中，反射率距离库长为1 km，最大距离库数为460，速度距离库长为250 m，最大距离库数为920。由于反射率和径向速度数据存储格式的差异，本文只对距离范围在230 km内的数据进行了统计分析，在分析之前，为了使径向速度和反射率具有相同的库长，需将库长为250 m的径向速度数据转换为库长为1 km的径向速度，转换方法是将同一径向相邻4个距离库的径向速度数据求平均，用平均值来代替库长为1 km的距离库的径向速度值，此时，一个径向中，径向速度库长为1 km，最多包含的距离库数为230。

1.2 参量选取

本文基于SA天气雷达探测到的反射率和平均径向速度资料，选取了5个参量进行统计分析，以下将详细介绍这5个参量。

1）相邻距离库的信噪比差

信噪比[3]是回波功率和雷达接收机噪声功率的比值。仰美霖[4]等人指出信噪比与速度模糊[5]存在一定的关系，并推导出了SA天气雷达的信噪比公式：

其中，Z为反射率值，R为离雷达的距离。

仰美霖指出，速度模糊的误差范围σv为：

其中，C′是与雷达波长、采样间隔相关的物理量。信噪比SNR越小，σv越大，发生速度模糊的可能性越大，相应地，退速度模糊处理的准确率就会越低。

文中在仰美霖研究的基础上，探讨相邻距离库的信噪比差与速度“杂散”的关系。Δσv表示相邻距离库间速度模糊范围重叠的大小，若重叠范围越小，表示两个σv越接近，相邻距离库的径向速度则同为模糊或同为不模糊数据的可能性越大，速度差异越小，“杂散”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，认为相邻距离库的回波强度基本不变，进而相邻距离库的信噪比值基本一样，则 ΔSNRi，j越小，Δσvi，j越小，相邻距离库的径向速度差异越小，速度“杂散”的可能性越小。

2）相邻距离库的径向速度差

径向速度反映了目标物朝向或远离雷达的速度，在雷达图中常表现为一片连续的区域。相邻距离库的径向速度差可以反映相邻距离库间的速度是否存在大的切变，若差值太大，则该两个距离库中存在奇异值的可能性就越大，反之，则表明两个距离库中速度相当，速度连续的可能性越大。

其中 ΔVj相邻距离库的径向速度差，Vi，j表示第 i个径向、第j个距离库的平均径向速度。

3）相邻方位的径向速度差

相邻方位的径向速度差可以反映相邻两个径向间的速度是否存在大的切变，若差值太大，则该两个距离库中存在奇异值的可能性就越大，速度“杂散”的可能性越大。

其中ΔVi相邻方位的径向速度差，ΔVi，j表示第i个径向、第j个距离库的平均径向速度。

4）速度沿径向的纹理

为了反映速度的局地差异，引入了纹理这一概念，本文定义的速度沿径向的纹理是该距离库的速度与以该速度为中心的同一径向上的5个点的速度的平均值的差值，反映了径向速度沿径向的变化，若纹理值越大，则速度“杂散”的可能性越大，反之，则速度在径向上更连续。

同一径向相邻五个距离库的速度的平均值为：

则某一距离库的速度沿径向的纹理为：

5）速度沿方位的纹理

速度沿方位的纹理是该距离库的速度与以该速度为中心的相邻4个径向上同一距离库的速度的平均值的差值，反映了速度的局地差异沿方位的变化，差值越大，则“杂散”的可能性越大。

某一距离库相邻5个径向的速度的平均值为：

则某一距离库的速度沿方位的纹理为：

1.3 统计方法

本文选用的统计方法借鉴了梁海河等[6]提出的k-邻域频数法，首先确定一个范围，然后将这个范围平均分为几个数据段，统计每个径向的数据落在某一数据段的频数及其占该径向参与统计数据的比例，最后给出整个统计范围内的数据落在不同数据段的平均频数及所占比例。

根据计算的参量结果，文中选取的信噪比差值的范围为（-20 dB，20 dB），间隔为 5 dB，选取与速度相关的参量的统计范围为（-50 ms-1，50 ms-1），间隔为 10 m/s。

2 实例分析

对于SA天气雷达，一个径向中，反射率距离库长为1 km，最大距离库数为460，速度距离库长为250 m，最大距离库数为920。由于反射率和径向速度数据存储格式的差异，本文只对距离范围在230 km内的数据进行了统计分析。

实例1，选取2013年8月 4日北京雷达站（SA）于 22：54采集到的仰角层资料，可以看出速度存在明显的“杂散”情况（图 1（b）的东南区域）。 如图 1 中的（a）、（b），图（c）是根据式（1）计算出的信噪比，图（d）是相邻距离库的速度差。

图1 北京站2013年8月4日22:54，0.4°仰角雷达资料图Fig.1 0.4°elevation radar data collected at 22:54，August 4， 2013 from Beijing station

对比图 1（b）和图 1（c）可以看出，在信噪比较小的回波区域，径向速度图中的“杂散”情况更加严重，这与仰美霖得到的结论一致，但是，在东南方向信噪比较大的区域，也存在明显的“杂散”情况。为此，本文继续探讨了相邻距离库的信噪比差与速度“杂散”的关系。根据上节介绍的统计方法，得到以下结果。

从表1与表2可以看出，选取的相邻距离库的信噪比差值主要集中于（－5 dB，5 dB）的范围内，占86.4%，而与径向速度相关的 4 个量主要集中于（－10 ms－1，10 ms－1）的范围内，除了Texi占78%外，其余3个量位于该范围的比例均大于80%，最大的达到85%。5个参量的变化趋势基本一致。从原始速度图中可以看出，径向速度中大部分区域为连续的，有小部分存在“杂散”的情况，从图（d）中可以看出，在速度“杂散”的相应位置处，其值更大，为此，位于（－10 ms－1，10 ms－1）范围外的数据“杂散”的可能性更大。同样地认为相邻距离库的信噪比差值位于（－5 dB，5 dB）范围外的数据“杂散”的可能性更大。

表1 相邻距离库的信噪比差值位于不同数据段的频数所占比例Tab.1 The proportion of SNR difference of adjacent bins located in different segments

表2 与径向速度相关的4个参量位于不同数据段的频数所占比例Tab.2 The proportion of four parameters related to the radial velocity located in different segments

实例2，选取2013年12月16日广州站于8:00采集到0.5 度仰角层资料，如图 2 中的（a）、（b），可以看出速度存在明显的“杂散”情况（图 2（b）中的北方与西方区域），图（c）是根据式（1）计算出的信噪比，图（d）相邻距离库的速度差。

对比图 2（b）和图 2（c）可以看出，在信噪比较小的地方，速度“杂散”更加严重，对比图 2（b）和图 2（d）可以看出，在速度“杂散”的位置，速度差值越大，与例1一致。计算选取的参量值，利用统计方法对5个参量进行统计，得到了以下结果。

图2 广州站（SA）2013年12月16日8:00， 仰角雷达资料图Fig.2 0.5°elevation radar data collected at 8:00，December 16，2013 from Guangzhou station

表3 与径向速度相关的4个参量位于不同数据段的频数所占比例Tab.3 The proportion of four parameters related to the radial velocity located in different segments

表4 相邻距离库的信噪比差值位于不同数据段的频数所占比例Tab.4 The proportion of SNR difference of adjacent bins located in different segments

从表3和表4可以看出，相邻距离库的信噪比差值有90.3%位于（－5，5）的范围内，与径向速度相关的4个参量主要位于（－10，10）的范围内，除占 78%外，其余 3个量位于该范围的比例均大于80%，最大的占87%。5个参量的变化趋势基本一致，与实例1的统计结果基本一致。不仅进一步说明了分析方法的适应性，也说明了“杂散”的一般特征。

3 结束语

本文基于SA天气雷达反射率与速度资料，选择了5个参量进行计算，并借鉴k－领域频数法对计算结果进行了统计分析，得到了以下结论：

1）相邻距离库的信噪比差值与径向速度的“杂散”存在一定的对应关系，当差值越小，速度差异越小，“杂散”的可能性越小。统计结果显示信噪比差值主要位于（－5 dB，5 dB）范围内，占到85%以上。当差值位于（－5 dB，5 dB）范围之内时，认为相应距离库的速度相对连续，反之，速度“杂散”的可能性更大；

2）对比两个实例中的图（b）和图（d）均可以看出径向速度存在“杂散”时，相邻距离库的速度差值更大，因此，可用速度差值来表征速度“杂散”的情况，同理，其他3个参量也可以用以表征“杂散”特点。与速度相关的4个参量主要集中于（-10 m/s，10 m/s）的范围内，除了速度沿方位的纹理所占比例小于80%（但也大于75%）外，其余3个参量所占比例均大于80%，最大的占到87%。当值位于该范围时，该区域速度局地差异小，相对连续，反之，则该区域的径向速度局地差异大，速度“杂散”的可能性大。

本文对“杂散”的特征进行了初步分析，为“杂散”识别与处理提供了理论依据，但还存在不完善的地方，从研究中可以看出，虽然速度存在“杂散”时，对应位置的参量值更大，但也存在速度资料连续的地方，参量值也出现了较大的情况，因此，后期可对统计参量的选取进行改进。

[1]盛春岩，薛德强，雷霆，等.雷达资料同化与提高模式水平分辨率对短时预报影响的数值对比试验[J].气象学报，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]李红斌，胡志群，张家伟，等.多普勒天气雷达速度场特征及在人工增雨中的应用[J].气象科学，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，王国玉，杨英科.雷达信噪比的测量与计算[J].电子对抗技术，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，刘黎平.新一代天气雷达径向速度质量分析[C]//第28届中国气象学会年会——S1第四届气象综合探测技术研讨会，中国，2011:327-341.

[5]杨明，王改利，刘黎平，等.二维多途径多普勒雷达退速度模糊算法的改进及效果分析[J].气象，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，张沛源，葛润生.多普勒天气雷达风场退模糊方法的研究[J].应用气象学报，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.