基于气候统计特征的雷达回波质控方法

利用北京南郊S波段雷达2011—2016年的观测资料,从雷达气候统计的角度,利用不同强度回波发生频率的统计特征及其空间分布特征,对雷达地物杂波和波束遮挡的识别与订正方法进行研究。结果表明:①利用雷达回波出现频率特征,可以很好地识别雷达近中心地物杂波和受地形高度影响的地物杂波特征;同时还可以直观地识别出雷达波束遮挡区域以及遮挡程度。北京南郊雷达地物杂波主要分布在近雷达中心和北京西部、西北部的山前地区,地物杂波主要集中在0.5°仰角和1.5°仰角层上。雷达波束遮挡主要集中在由高大建筑引起遮挡的东南方位向和由于地形引起波束遮挡的西西北方位向,波束遮挡主要集中在0.5°仰角层。②采用局部可变区域平均垂直廓线方法利用高仰角回波订正低仰角回波,能有效订正地物杂波,并保留回波的局部特征。对于波束遮挡区域的回波填补,也能够较好地保持上下层仰角回波之间的连续性,同时兼顾了回波不均性分布等特性。③基于雷达气候特征进行地物杂波识别和波束遮挡识别,无需依照先验知识,相比于传统方法能更好地反映本地雷达回波真实情况,且具有方法简单、可快速复用、本地适用性强等优点。     

基于模板匹配法的长乐雷达强超折射回波识别

我国有许多新一代天气雷达架设在高山上,由于海拔高度较高,加上地球曲率的影响,在使用VCP11/VCP21模式探测时,造成较大的探测盲区,对低层降水回波的探测能力严重不足。长乐新一代天气雷达经过调整观测模式后,采用负仰角扫描有利于中小尺度灾害性天气系统的监测和预警,但同时会带来地物回波增强、海浪回波及超折射等负面效应。基于此,通过大量个例统计并分析长乐雷达在特定大气条件下的强超折射回波特征,借助模式识别理论提出了一个新方法"模板匹配法"识别强超折射回波。利用大量强超折射回波数据的检验和分析,结果表明该方法能够在不影响负仰角扫描模式下有效滤除长乐雷达的强超折射回波。目前该方法正在试运行,即将应用到中国新一代天气雷达建设业务软件系统开发ROSE项目中。     

C波段多普勒天气雷达地物识别方法

地物回波对雷达数据应用会造成负面影响,是影响定量降水估测等产品精度的重要因素,识别并剔除地物回波是雷达基数据质量控制的一个重要内容。该文在现有S波段雷达地物识别方法的基础上,使用长治、哈尔滨两部CINRAD/CC雷达2011年观测数据,对C波段雷达地物回波特征进行分析,改进识别参量的隶属函数,建立适合C波段多普勒天气雷达的地物识别方法 (MCC方法),并对该方法进行效果检验。结果表明:S波段及C波段雷达地物回波与回波强度有关的参量分布较为相近,与降水回波的参量分布有明显区别;S波段雷达地物识别方法中与回波强度有关的参量可用于C波段雷达地物的识别,与速度有关的参量中仅中值速度可用于C波段雷达。通过统计分析与个例分析,相对于现有S波段雷达识别方法,MCC方法可显著提高C波段雷达地物回波的识别正确率,并可减少层状云降水回波的误判。     

南昌双偏振天气雷达地物杂波抑制效果分析

为评估南昌CINRAD/SAD双偏振天气雷达对地物杂波的抑制效果,使用2019年6—10月南昌单偏振雷达基数据和2022年同期南昌双偏振雷达基数据,对比分析了不同仰角和晴、雨条件下单、双偏振天气雷达反射率频率。结果表明：单、双偏振雷达在0.5°仰角因周边山区地形、建筑物遮挡的影响,在西北方向和东南方向存在明显的数据缺失。升级为双偏振雷达后,在各个仰角上周围反射率高频区的范围明显减小,雷达能有效消除雷达站点周边杂波的影响。晴天时,双偏振雷达对晴空杂波的过滤效果极佳;雨天时,双偏振雷达对南昌周边及梅岭山区的回波进行了弱化处理,可以有效减少地形回波、非气象回波的干扰。双偏振天气雷达产品差分相移率和相关系数能较清楚地辨别出虚假回波,可更好地用于确定降水粒子的信息。     

评CTL-88B型天气雷达地物回波抑制器

引言 省台装备CTL-88B型天气雷达后,发现地物回波严重,影响业务观测,厂方于1995年2月份来台解决,加装了地物回波抑制器,结果发现近距离不仅地物回波被抑制,降水回波也被抑制掉了,本文讨论一下这个原因,并对地物回波抑制提出展望。 1 地物回波 所谓地物回波,是指雷达发射的电磁波遇到地面障碍物(如山、树木,建筑物等)发生反射而接收到的回波。由于雷达没有自动选择目标的能力,所以雷达开机时,不仅仅只收到我们所期望的降水回波,同时也把地物回波接收进来。正常观测时,雷达天线仰角低,本站周围地形又比较复杂,遮挡物多,因而地物回波严重,干扰了对近距离降水回波的监测。     

基于支持向量机的雷达地物回波识别研究

多普勒天气雷达探测过程中的非气象因子会显著影响雷达资料的定量化应用,在雷达基数据的应用前需对雷达资料进行抑制地物杂波、去距离折叠和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机（Support Vector Machine,SVM）识别雷达地物杂波的方法,2013年6-8月对安庆和常州两地的CINRAD/SA雷达观测资料进行雷达地物回波识别,并将其与运用人工神经网络（Artificial Neural Networks,ANNs）识别的结果进行对比,结果表明支持向量机方法能够取得更好的效果。在地物、降水回波总样本识别和地物回波识别方面更为有效;降水回波的误判方面,神经网络略优于支持向量机,但两者差异不大,都将降水回波的误判率控制在了一个较小的范围内;另外支持向量机方法较之神经网络方法对于训练样本数目的依赖性较小,在训练样本较少时,支持向量机方法仍能保持有效的识别效果。     

多普勒天气雷达地物回波特征及其识别方法改进

非气象因子会在雷达探测时对雷达资料造成污染,并导致雷达数据的质量问题,在雷达数据应用之前必须对被污染的距离库进行识别和处理。该文在现有基于模糊逻辑识别地物回波工作的基础上,发展适合于我国CINRAD/SA的地物回波识别方法,采用北京和天津雷达2005,2006年夏季部分时段体扫资料,同时对反射率因子和径向速度以及速度谱宽进行处理,得到不同回波的各种特征, 并对各种回波特征进行分析; 考虑到隶属函数的确定是地物识别准确率的关键, 运用CSI (critical success index)评判标准确定了模糊逻辑超折射地物回波识别的最佳线性梯形隶属函数;通过识别效果分析说明该方法在识别超折射地物回波中的作用。结果表明:运用改进后的模糊逻辑法可以更好地识别地物回波, 特别是那些超折射地物回波; 与原方法相比, 改进后的方法有效减少了对降水回波的误判。     

基于回波遮挡订正的西安对流天气雷达气候特征分析

基于2014—2019年4—9月西安多普勒雷达数据,在对因地形或高大建筑所造成的反射率遮挡区域进行修订的基础上,研究西安地区对流天气的雷达气候学特征。结果表明：（1）西安雷达在低仰角受到地形和高大建筑的严重遮挡,即在雷达05°仰角的西安东部、西南部及西北部方位与15°仰角的西安偏南部方位存在因地形因素遮挡造成的大范围反射率缺失现象,和因雷达站周边高大建筑等非地形因素导致的个别方位角上反射率因子缺失现象。本文通过交叉方位角插值法和高仰角反射率因子填补方法对遮挡区域进行修订并形成完整反射率因子数据,然后利用对流回波识别方法识别出对流回波。（2）西安雷达对流回波气候统计结果显示,2015年对流天气发生频次最多;2017年对流天气持续时间更长、强度更强,多发区主要为陕北南部至关中北部及关中南部至秦岭北麓;7—8月为对流天气高峰时段,其中7月下旬和8月上旬出现频次最多;日变化特征显示14—23时对流天气活动频繁,23时后活动频次迅速减少。     

基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析

超折射地物是影响雷达定量探测降水和其他产品的重要因素,文中使用合肥、广州、温州、天津的SA多普勒雷达和上海的WSR-88D资料分析了混合性暴雨降水、对流性降水、地物回波的回波强度、径向速度、速度谱宽的取值范围、水平垂直变化及其地物回波与地形海拔高度的关系等特征,并确定了模糊逻辑识别超折射地物的隶属函数。在Kessinger方法基础上,考虑到雷达径向速度的距离模糊问题和地物回波与方位的关系,提出了基于模糊逻辑的分步式地物回波识别方法,通过调整已被严格标准识别为地物和非地物的邻近区域回波点的判据,来减小地物的漏判和降水回波的误判。利用降水回波、地物回波的个例资料分析了回波强度、径向速度和速度谱宽资料在识别地物回波中的贡献,分析了分步方法对地物回波识别效果的改善。结果表明:该方法能较好识别地物回波和降水回波,径向速度和速度谱宽资料在地物识别中作用明显,利用分步方法明显改善了在速度模糊区暴雨过程对流云团被误判为地物的概率。     

利用低仰角扫描改进高山雷达低层回波探测能力浅析

应用昆明高山新一代天气雷达探测大范围暴雨个例的0.仰角资料,与我国高山雷达目前采用最低仰角为0.5°扫描模式(VCP11或VCP21)的回波分布情况进行了对比分析.结果表明:在雷达警戒区域,0°较0.5°仰角能更早地发现过程的降水云系;0°或负仰角能明显提高高山雷达远距离回波探测效果;低仰角(文中指低于0.5°仰角)可弥补常规业务扫描模式下高山雷达探测低层回波能力不足的问题.对另一次文山雷达对冰雹过程的探测分析,可见低仰角扫描模式对强对流天气也能获得较好的低层探测效果.又通过实验获得云南另外4部高山雷达的0°仰角及负仰角睛空资料,分析了高山雷达晴空资料的0°及负仰角低层回波资料质量.发现受周围山脉影响,不同高山雷达最佳探测低仰角是不同的,实际业务工作中应根据当地地形的具体情况选取恰当的低仰角.     

CINRAD/SAD双偏振雷达非降水回波识别技术

双偏振雷达观测特征参量（如相关系数、差分反射率等）能有效抑制地物、超折射、电磁干扰、海浪和晴空等非降水回波。在上海南汇WSR-88D双偏振雷达非降水回波识别算法基础上,对我国升级布网且纳入业务运行的CINRAD/SAD双偏振雷达数据进行算法测试、算法模块适应性改进,利用江苏、广东的双偏振雷达观测冰雹、融化层、台风降水及各种杂波个例进行算法检验评估,并在组网拼图中展示质量控制效果。结果表明:总体上算法对非降水回波的识别准确率达到95.2%,降水回波的误判率为2.6%。但对夏秋季节夜晚的大面积晴空回波算法识别准确率低于90%,有待尝试利用深度学习方法改进。     

长沙机场阵列天气雷达地物识别算法

地物杂波是影响雷达产品准确性的重要因素。该文提出了一种改进的基于模糊逻辑的阵列天气雷达地物识别算法。在Kessinger模糊逻辑基础上,加入回波强度时间变化量（time variability of reflectivity factor,T_VR）参数,利用收集到的雷达数据统计出各输入参数的概率分布,确定隶属函数;分析T_VR参数对地物识别算法的贡献,并在不同天气情况下进行识别算法有效性验证。试验结果表明:加入T_VR参数,长沙机场阵列天气雷达地物识别准确率最大可提高4%,降水识别误判率最多可降低2%。该文提出的地物杂波识别算法,无降水时,地物识别准确率达96%;有降水时,地物识别准确率达92%;降水回波误判为地物杂波的误判率约为10%,能较好地区分降水回波和地物杂波。     

基于优化模糊逻辑的双线偏振天气雷达地物杂波识别算法研究

针对双线偏振雷达偏振参量能在回波识别中提供更多特征的优势，在常规多普勒天气雷达模糊逻辑算法的基础上，引入偏振参量实现地物杂波识别，由此根据雷达数据中地物和降水回波各自的回波特性，选择6个区别最明显的特征参量，建立了特征参量的统计分布概率，并运用CSI评判标准给出了地物杂波识别的最优化隶属函数；利用2020年攀枝花市新架设的X波段全固态双线偏振雷达观测个例，对比了传统的与改进后的模糊逻辑算法识别效果，结果引入偏振参量的模糊逻辑算法能更好地识别降水和地物混合位置的地物回波，同时改善了径向速度为零区域被误判为地物回波的问题。      

X波段双偏振雷达相态识别与拼图的关键技术

X波段双偏振雷达具有时空分辨率高、易于布网的特点,但散射特性差异和衰减影响使现有S波段雷达的相态识别和拼图算法不适用于X波段双偏振雷达。该文针对X波段相态识别及拼图产品的关键技术开展研究,提出基于准垂直剖面的融化层识别方法、基于数据质量的置信度阈值调整方法、基于统计的隶属函数参数改进方法和基于衰减程度的拼图融合方法。通过对比改进后可有效提升水凝物相态识别结果的可靠性和多雷达拼图结果的合理性。在2016年汛期北京典型个例中,融合后的X波段雷达网与当地S波段业务雷达相比能够提供更精细的回波结构和水凝物相态分布,有效缓解S波段雷达在近处探测能力降低的问题,识别的降雹区与地面观测相符。     

多普勒天气雷达产品在人工增雨效果检验中的应用

利用湖南省境内的多普勒天气雷达探测资料,结合湖南省中小尺度地面降雨量资料,对催化作业前后日标云与对比云的多普勒天气雷达参数(回波顶高、最大反射率因子、垂直积分液态水含量、回波面积等)的变化特征进行对比分析.结果表明,催化后,目标云体雷达回波参数值均增大,约20～30 min后都能达到最强,而对比云增大率比目标云要小;作...     

闪电定位资料应用于雷暴天气监测与诊断的个例分析

以厦门１９９６年初雷天气的多普勒雷达探测为例，分析了闪电定位对探测初生雷暴，识别雷雨和降雨回波，判断雷暴降水库，移动，变化所起的作用。     

基于雷达回波强度面积谱识别降水云类型

基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积（回波强度不小于40 dBZ的回波面积）占总回波面积百分比和基本降水回波面积（回波强度不小于20 dBZ的回波面积）占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。     

基于决策树算法的鄂东地区冰雹识别技术北大核心CSCD

冰雹是对流性天气常见的灾害之一,雷达是识别冰雹强有利的工具,为克服现有方法主观性强、特征量阈值不明确以及虚警率高的不足,探究机器学习算法用于冰雹识别的可行性,基于决策树算法利用2015年1月1日—2021年12月31日鄂东地区冰雹灾情资料、武汉多普勒天气雷达以及探空资料,将湿球温度高度引入冰雹识别因子中,并根据命中率、虚警率和临界成功指数定量评估其识别能力。结果表明:仅包含回波强度的决策树(强度决策树)和包含回波强度和湿球温度高度的决策树(强度-高度决策树)均能有效识别冰雹,强度-高度决策树较强度决策树的命中率和临界成功指数均小幅提高,且虚警率明显降低;强度决策树识别冰雹的关键因子为组合反射率因子,底层多为0.5°和1.5°仰角反射率因子,强度-高度决策树的关键因子为0.5°仰角反射率因子,底层多为风暴的整体强度属性;个例分析显示强度-高度决策树减少了湿球0℃层高度较高时的虚警次数,展现出良好的应用前景。