风廓线雷达水平风数据质量控制

基于九龙站风廓线雷达实时水平风数据制定了水平风数据的质量控制方法，首先求取中位数水平风场，其次构建实际观测风场和中位数风场的差值序列，然后求取差值序列的均方差，再根据差值均方差得到质控判别式，最后试验求取质控判别式中的质控阈值。通过对九龙站2017年风廓线雷达水平风数据质量控制发现，实测风向数据有2044185个，25721个没有通过质控，未通过质控的风向数据占总观测的比例是1.258%，风向数据在近地层通过质控的数据最多，随高度增加通过质控的数据量有所下降。实测风速数据有2044185个，18296个没有通过质控，未通过质控的风速数据占总观测的比例是0.895%，风速数据在2000～4000 m出错的最少，近地层次之，4500～7000 m出错的数据最多。质控后风廓线雷达和探空观测风数据的均方根误差减小，相关系数增加，风向数据质量在500～7000 m提升明显，风速数据在1500～8000 m之间提升明显。     

利用中位数方法对风廓线雷达数据质量控制的研究

风廓线雷达的测风原理是假定风场是均匀的,而在实际探测中往往会出现不满足均匀风场的假定情况(特别是在有降水系统影响情况下),进而影响雷达测风精度。采用求取中位数法对风廓线雷达观测资料进行质量控制,并结合气球探空资料,对比分析质量控制效果。结果显示:(1) 受风廓线雷达的探测原理以及系统灵敏度的影响,当大气较干时,雷达的探测高度较低,当相对湿度增加时,探测高度随之增大;(2) 在晴空条件下,求取中位数法得到的结果以及雷达原始探测结果相对于气球探空观测到的结果随高度变化的趋势一致,误差较小,利用求取中位数法得到的结果对原始结果有一定的改善效果;(3) 当有降水发生时,求取中位数法得到的结果以及雷达原始探测结果相对于探空资料误差增大,但利用中位数法得到的结果相对于原始探测资料有明显的改善;(4) 相比于低层和高层的误差分布,1～2 km高度上利用中位数方法所得到的风向、风速误差最小,对数据质量的改善效果最好。      

结合毫米波雷达提取降水条件下风廓线雷达大气垂直速度的研究

风廓线雷达主要是利用大气湍流对电磁波的散射作用,在晴空条件下对大气风场等进行探测。在降水天气下,风廓线雷达能同时接收到大气湍流回波和雨滴的散射回波信号,其探测到的回波功率谱中降水信号谱和大气湍流信号谱叠加在一起,使得大气的运动被雨滴的运动信息所掩盖,给后续的大气风场反演带来误差。而毫米波云雷达在降水天气下仅能探测到云雨粒子的回波而无法探测到大气湍流回波,基于这一差异结合毫米波云雷达资料对风廓线雷达功率谱数据进行订正,剔除其中的降水回波信息,进而获取正确的大气运动垂直速度。通过一次典型弱降水天气过程的雷达资料对该方法进行了可行性验证,并将计算得出的大气垂直速度与传统双峰法提取的大气运动垂直速度及原始风廓线雷达垂直速度进行了对比分析,显示在弱降水天气下该方法能有效消除降水对风廓线雷达垂直速度测量的影响,提高弱降水天气下测速准确率,并且在湍流谱极其微弱的情况下该方法也能准确地获取到大气运动垂直速度信息。但是云雷达回波在降水时会有衰减,虽然是弱降水也会导致在高层距离库上的订正效果变差,故目前只适用于弱降水时低距库处的降水订正。      

风廓线雷达与天气雷达风廓线数据的融合及应用

风廓线雷达与多普勒天气雷达风廓线产品均可以获取高时间分辨率的高空风信息,但两种遥感测风的探测原理及时空代表性不同。在对风廓线雷达进行质量控制处理、剔除降水粒子空间不均匀分布对数据可信度影响之后,根据风廓线雷达与天气雷达风廓线数据探测原理差异,进行不同时间代表性的风廓线数据的空间匹配试验,确定与天气雷达风廓线数据进行融合的风廓线雷达数据最优时间分辨率,结果为1 h。利用2015年7月北京南郊观象台的探空、风廓线雷达、天气雷达测风数据进行三种高空风的一致性比对,结果表明三种测风数据具有较好的一致性,均方根误差分别为2.3和2.5 m·s~(-1);60、30以及6 min不同时间代表性风廓线雷达数据与天气雷达风廓线数据之间的均方根误差分别为2.6、2.8及3.1 m·s~(-1),60 min数据的融合效果最佳,低空尤其明显。利用广东省2014年5月的风廓线雷达观测网以及天气雷达网风廓线数据进行了高空风场的融合分析试验,融合分析场提供了更为丰富的高空中尺度水平风场信息,低空的涡旋更加明显。     

风廓线雷达对降水相态变化的观测分析

利用北京延庆风廓线雷达资料对2012年11月3日地面由降雨转为降雪的过程进行宏观和微观结构分析。结果显示:风廓线雷达的强度和速度产品能够很好地监测、诊断降雨到降雪相态变化的持续时间。降雨发生前,风廓线雷达反射率、信噪比、谱宽等因子均表现为不连续特征;地面降雨发生时,800~1000 m高度上出现明显的反射亮带;随着亮带的消失,地面降雨转变为降雪。地面降雨阶段,回波功率密度谱图呈现分层结构,1300 m以上表现为固态粒子特征,700 m以下为液态粒子,分层的高度与温度存在密切的关系,一般在274~275 K的环境内为融化层,融化层功率谱密度变化最为明显。另外,北京近3年层状云降水条件下.降雨和降雪阶段的垂直径向速度和信噪比数据统计表明,降雨发生时径向速度的范围一般在3~6 m·s~(-1)之间,信噪比在15~25 dB;而降雪发生时垂直径向速度值较小,在0~1.5 m·s~(-1),信噪比在3~15 dB之间。     

风廓线雷达探测降水过程的初步研究

为利用风廓线雷达 (WPR) 开展降水研究, 分析了2006年8月25-26日北京延庆WPR探测降水个例。降水前高空出现持续时间长达10h以上的水平风垂直切变; 在信噪比 (SNR) 时间序列资料中出现比较清晰的SNR极值层, SNR极值层所处高度与水平风垂直切变高度相吻合。降水期间及前后, 水平风探测高度明显增高2km以上。随地面降水的临近, 下降速度所处高度逐渐降低, 从高空一直延伸到低空, 持续时间长达10h。资料分析表明:国产WPR可以在降水天气工作, 其探测资料能及时反映大尺度流场的变化。通过WPR提供的功率谱密度、SNR、水平速度、垂直速度等多种资料, 可从多种角度了解降水过程; 特别是WPR可以同时探测垂直气流速度、粒子落速及其高度分布, 进而可以估计降水粒子尺度谱及其高度分布, 便于开展更深层次的降水物理过程研究。     

稳定性降水融化层在风廓线雷达资料中的特征

针对风廓线雷达探测降水的需要,通过理论分析和个例验证,从垂直速度、信噪比和谱宽3方面初步总结了稳定性降水融化层在风廓线雷达资料中的特征.结果表明:垂直速度从融化层上方向下递增,融化层内变化最快,在融化层下方达到最大;信噪比和谱宽在融化层内分别形成一个"亮带",谱宽"亮带"的高度略高于垂直速度最大值的高度,略低于信噪比"...     

伊犁河谷初冬降水条件下风廓线雷达评估分析

对伊犁河谷地区初冬降水条件下风廓线雷达资料评估其数据获取率并与探空资料进行对比分析,定义两者风向偏差在10°以内或风速偏差在1 m/s范围的样本为有效样本,分别用E_v和E_d表示风速有效样本比率(风速有效样本数/总样本数)和风向有效样本比率(风向有效样本数/总样本数)。结果显示:超过80%数据获取率的高度,降雨时为3000 m,降雪时达到预设2000 m;降雪时E_v和E_d均比无降水时高,且降雪量大小与风廓线的探测高度呈正相关,降雪量大小对E_d有明显影响,对E_v无明显影响;比较不同高度数据,降雪时0～3 km范围的E_v和E_d值均比无降水时高30%左右,无降水时3～5 km范围的E_d接近100%。     

风廓线雷达数据质量影响因子及处理算法

风廓线雷达系统误差和探测数据时空代表性影响风的数据质量。针对五波束探测风廓线雷达,提出雷达系统误差检测方法并分析风的空间不均匀分布和时间代表性对风数据质量的影响。在此基础上,通过比较4组三波束计算的两组水平风u,v分量离差进行风的空间均匀性判别,并比较了一致性平均和数学平均两种时间代表性处理算法间的测风精度差异。利用广东风廓线雷达站网2014年3—5月10部雷达数据进行方法应用和评估。结果表明：稳定大气条件下,3种型号雷达 (LC,PB,PA) 的有效数据高度分别达到3,6 km和10 km的雷达系统功能设计需求。经空间均匀性检验与时间一致性平均处理的风数据在降水期间质量优于业务雷达数据,3—5月10部雷达获取的两组u,v分量离差标准差约为1 m·s-1,表明经过空间一致性检验和时间一致性平均处理后的数据质量较好。     

风廓线雷达资料质量控制及其同化应用

为更好地同化风廓线雷达观测资料开展了相应的质量控制与同化应用研究。针对2013年5月广东地区13部风廓线雷达的观测数据,采用经验正交函数(EOF) 分析方法对其进行质量控制。相比原始观测,经过质量控制的风场提高(降低)了来自时空大(小)尺度的贡献,较好地滤除了小尺度高频脉动,也较好地保留了大尺度平均状态与局地中小尺度系统的共同影响,并且更加接近ECMWF再分析场。此外,还对质量控制后的数据进行了垂直稀疏化。分别计算了质量控制前、后风廓线雷达观测与NCEP 6 h预报场的差值,对比差值的特征发现,经过质量控制的数据的观测增量更好地满足了高斯分布与无偏假设。针对一个实际天气个例,基于GRAPES 3D-Var同化系统,分析了质量控制后的风廓线雷达资料对模式分析与预报的影响。试验表明,在循环同化过程中加入风廓线雷达资料可以更好地描述模式初始场低层风场的特征,从而对强降水的位置与强度做出更好的预报。针对2013年5月的批量试验表明,同化风廓线雷达资料使短期降水预报有明显的改善。     

降水过程的风廓线雷达资料特征统计分析

利用宜春TWP3型边界层风廓线雷达2012年观测资料,统计分析了50次降水过程的风廓线雷达资料特征。从水平风向风速、垂直速度、折射率常数Cn2、径向速度、速度谱宽和信噪比SNR这六个参数分析得到:降水过程各指标呈现各自不同且与降水强度息息相关的变化特征,降水前探测高度升高、垂直速度由负转正和1km以下信噪比达到20d B可作为是否产生降雨的预示,,低空西南急流、冷暖平流的垂直方向交替变化以及Cn2达到-16m-2/3可作为中等以上量级降水的参考指标,对于短时强对流性降水,信噪比大于50d B以及出现大于4m·s-1的向下垂直速度可作为重要指示。对于弱降水过程,本文从风廓线特征方面给出预报指示特征,为降水预报准确率的提高提供新的参考。     

风廓线雷达垂直径向速度应用初探

利用北京风廓线雷达五波束探测中的垂直波束资料,进行了垂直速度在预报中的应用研究。通过对垂直速度的分级显示,配合地面气象记录,对不同的天气个例进行分析,结果表明:平稳晴空的天气风廓线雷达所测量的垂直速度很小,基本上在±1m·s~(-1)范围内;而有降水时,风廓线雷达所测得边界层的垂直速度基本上都是朝向地面的,不同相态降水粒子的垂直下落速度有明显的差别。分析表明风廓线雷达垂直速度的探测对研究晴空大气的垂直运动、判断降水粒子相态和降水预报有应用价值。     

夏季不同天气条件下风廓线雷达探测精度分析

利用2016年6—8月沈阳地区TWP8-L型风廓线雷达观测资料,判断大气的均匀性,计算风廓线雷达的探测精度,并与探空气球的观测资料进行对比分析,得到晴空和不同降水条件下的风廓线雷达探测精度随高度的变化情况。研究结果表明,1000m高度以下风廓线雷达的探测精度较高。在无降水和均匀降水条件下,风廓线雷达的水平探测范围内大气均匀稳定,东西波束和南北波束测得的径向风对称性较好,(U_W-U_E)和(V_S-V_N)的平均差和标准差值较小;与GTS1型探空仪风速精度相差小于2.9m/s,两者相关性较好,风廓线雷达探测水平风的准确性较高。在探测范围不均匀的降水条件下,大气在风廓线雷达的水平探测范围内不均匀,东西波束和南北波束测得的径向风的对称性较差,垂直速度变化差异较大;U_W-U_E和V_S-V_N平均差和标准差值较大;与GTS1型探空仪风速精度相差大于2.0m/s,两者相关性较差,风廓线雷达探测水平风的准确性较低,需要进一步改进算法,改善数据质量,提高探测性能。     

基于K means聚类分析的风廓线雷达降水数据判别方法

在降水环境下,风廓线雷达获得的多普勒信息主要是降水质点运动的结果,从而对大气风场的计算造成很大误差,因此,判断雷达回波信号是否受到降水干扰是很有必要的.采用一种基于K-means聚类算法思想的集合分析法对晴空和降水条件下的数据进行了聚类分析,得到随信噪比变化的垂直速度阈值,再根据该速度阈值对风廓线雷达数据是否受到降水干扰进行判别.采用此方法对南京边界层风廓线雷达2011年8-12月及2012年3-4月的部分观测数据进行了计算分析,结果表明,该方法可在不同的高度区分晴空和降水数据,能有效判别回波信号是否受到降水干扰.     

风廓线雷达风场资料质量控制初探

基于2016年2月和8月江西宜春风廓线雷达探测水平风场数据,分别利用扩展经验正交函数(EOF)分析重构法和高斯滤波法对其进行质量控制。结果发现,相比原始观测风场,EOF分析重构法和高斯滤波法均能有效过滤风廓线雷达原始风场的高频脉动。两种方法对比分析发现,对于空间尺度的瞬时扰动,EOF分析重构法质控效果优于高斯滤波法;对于时间尺度的瞬时扰动,高斯滤波法质控效果优于EOF方法。     

风廓线雷达估测雨滴谱参数

文章提出两种风廓线雷达资料估测雨滴谱的方法。①利用五波束风廓线雷达，通过连续方程求得各层垂直空气运动速度，根据垂直指向波束测出的功率谱导出雨滴谱；②假定雨滴谱为г分布，根据垂直指向的多普勒雷达测得的回波强度、径向速度、多普勒谱宽求得雨滴谱的三个参数。文章进行了实例计算，比较了两种方法的计算结果，并且讨论了Z-M关系的不确定性。     

风廓线雷达简介

风廓线雷达包括边界层风廓线雷达、对流层风廓线雷达、可移动风廓线雷达等系列产品 ,在气象、军事、航空、航天及全球变化研究等方面具有广泛的用途。其中边界层风廓线雷达在大气边界层空气质量、中尺度天气预报、垂直风切变、湍流、尾涡流研究等方面发挥着很好的作用 ,特别是在对飞行有严重影响的低空风切变、下击暴流的研究方面 ,目前还没有其它可替代的探测产品。边界层风廓线雷达是多普勒雷达的一个分支 ,它能可靠地提供从近地面到高空约 3公里高度处连续的实时水平风分量、垂直风分量、水平风分量垂直剖面图以及从近地面到高空约 1 5公…     

风廓线雷达产品数据置信度研究

随着风廓线雷达技术的发展,高空风探测参量越来越多,数据精度不断提高,探测能力得到了极大提升。评估风廓线雷达数据置信度是风廓线雷达应用中需要解决的重要问题。本文基于径向数据和风场合成两个阶段,在风廓线雷达数据反演过程中形成数据置信度算法,并引入噪声电平。同时,利用南京同站址风廓线雷达和探空1 a的资料进行匹配比对,对置信度算法性能进行评估,结果表明该置信度算法可行。将置信度算法植入风廓线雷达数据处理软件中,能实时输出含置信度的风廓线雷达产品数据,有利于预报人员合理使用置信度较高的风廓线雷达产品数据。对于置信度较差的产品数据进行分析,可有助于及时发现雷达的潜在故障。     

不同季节天气条件下风廓线雷达测风精度分析

采用建瓯风廓线雷达(CFL-06)观测资料,分析不同季节天气条件下风廓线雷达的测风精度,同时还选取了永安风廓线雷达(CFL-03)数据进行了对比分析。结果表明,四个季节在探测高度低于4 km时,获得的对称波束水平风分量差值的平均值很小,且小于0.5m·s~(-1),标准差值也比较一致,且小于10 m·s~(-1),探测精度均较好。当探测高度超过4 km后,春、冬两季对称波束水平风分量差值的平均值和标准差值开始增大,在7.1 km高度平均值和标准差值达到最大,分别为9 m·s~(-1)和28 m·s~(-1),夏、秋两季探测精度高于春、冬两季的。在探测高度低于4 km时,不同季节4种方法计算的垂直速度基本一致,以春季大气最为均匀,其次是冬季的,夏、秋两季的最差。在探测高度超过5 km后,春、冬两季4种方法计算的垂直速度偏差增加较快,最大分别为0.9 m·s~(-1)和1.0 m·s~(-1),夏季4种方法计算的垂直速度偏差较小。夏、冬季水平风向和风速测量精度优于春、秋两季的,秋季测量精度最低,水平风速标准差值在0.0～1.5 m·s~(-1)和水平风向标准差值在0～15°范围内所占比例分别只有51.6%和54.0%。总的来说,风向和风速测量精度普遍不高,需要进一步改进算法,减少计算误差,提高探测性能。     

两种面向数值同化的风廓线雷达资料质量控制方法比较分析北大核心

本文利用2018年2月2—11日福建9部CFL-06风廓线雷达小时风场与ECMWF模式背景再分析资料观测增量数据,首先制定了基于迭代加权最小协方差行列式(IRMCD)和双权重标准差(BSD)方法在处理观测增量数据时获得最优参数的判定指标峰偏值KS,然后对两种方法在处理风场离群值的性能和特性上展开比较分析。结果表明:总体上来说,两种方法在判定风廓线雷达风场数据的离群值都具有良好的效果,但是从波形指标、统计指标、概率密度分布、Q-Q图上看IRMCD比BSD方法能判定更多的离群值,各项指标都更接近于正态分布;从散点分布上看,IRMCD方法获得的非离群值的分布近似“椭圆形”特征,BSD方法获得的非离群值分布近似“方形”特征,同时BSD方法在判定离群值的“方形”四个角中存在一定量的误判,这是由各自机理所决定的,IRMCD方法能够同时处理二维向量并具有防止假阳性误判的机制,而BSD方法在处理二维向量时只能分别进行判定离群值;在风羽图的分析中也能看出IRMCD方法能够有效剔除与实际大气不合理的高低空风。因此,IRMCD方法更适合应用于循环数值同化的风廓线雷达水平风质量控制。