張 林 李 峰 吳 蕾 孫康遠

1)(中國氣象局氣象探測中心，北京 100081)2)(南京氣象科技創(chuàng)新研究院 中國氣象局交通氣象重點開放實驗室，南京 210041)

引 言

20世紀90年代我國開展大規(guī)模多普勒天氣雷達建設，已形成針對不同尺度災害性天氣監(jiān)測的天氣雷達業(yè)務網(wǎng)，并在防災減災中發(fā)揮重要作用。目前，我國已建成由236部S波段和C波段天氣雷達構成的世界最大雷達監(jiān)測網(wǎng)，且逐步升級S波段雙偏振雷達，并在沿海部分站點試用相控陣天氣雷達[1-2]。多普勒天氣雷達產(chǎn)品已應用于數(shù)值預報業(yè)務[3]，明顯改善6 h預報降水的強度和落區(qū)，有效提高模式分辨率[4-5]。多普勒天氣雷達產(chǎn)品的廣泛應用得益于雷達數(shù)據(jù)的質量控制，包括對地物/超折射雜波、徑向電磁干擾雜波、晴空回波、海浪回波和速度場資料處理等質量控制方法[6-16]。多普勒天氣雷達通常采用基于模糊邏輯的質量控制方法，變量包括反射率因子、速度和譜寬，該方法可過濾絕大多數(shù)非降水回波的影響[17-18]，但對晴空大氣條件下的非降水回波過濾效果不佳，特別是鳥類、昆蟲遷徙高峰季節(jié)的生物回波，生物回波與層狀云降水或降雪回波混雜時更難區(qū)分[19]，晴空回波也屬于非降水氣象回波，可影響雷達定量估測降水和短時臨近預報的準確性。

2013年，美國更新升級了具有雙偏振功能的天氣雷達[20]，至今已完成全網(wǎng)158部S波段WSR-88D雙偏振雷達技術升級和業(yè)務應用。雙偏振雷達技術升級為數(shù)據(jù)質量控制、水凝物分類和定量估測降水帶來革新式的變化，是研究降水微物理過程的重要探測設備[21]，能提供多個包含雨滴譜信息的偏振量，能更好地表述降水的微物理特征，不再根據(jù)傳統(tǒng)的Z-R關系從反射率因子中獲取雨強。雙偏振雷達定量估測降水依據(jù)雨強與偏振量的關系，提高了定量降水估測的精度，均方根誤差從單偏振雷達的35%下降到10%～15%[22-24]。這是因為雙偏振量提供了更精準的雨滴譜信息，具有更好的數(shù)據(jù)質量和更少的雜波污染，能區(qū)分不同降水類型，實現(xiàn)多種估測關系的綜合應用。雙偏振雷達技術降低了傳統(tǒng)Z-R關系受大雨滴或融化冰雹的影響水平反射率因子Zh明顯偏高，很大程度上減小了近距離降水估測誤差。

關于雙偏振雷達數(shù)據(jù)質量控制算法的研究，美國強風暴實驗室(NSSL)研發(fā)了基于偏振參量和環(huán)境數(shù)據(jù)的回波分類算法，并應用于美國實時業(yè)務雷達組網(wǎng)定量估測降水系統(tǒng)(MRMS QPE)，HSS(Heidke skill score)評分高達0.83[25]。Park等[26]發(fā)展了基于模糊邏輯算法的WSR-88D水凝物分類算法(hydrometeor classification algorithm,HCA)，使用6個雷達觀測量作為輸入，輸出10個分類，不僅包括地物、生物等非降水回波，還有雨、雪及冰雹等水凝物相態(tài)的分類。HCA算法得到改進和發(fā)展，包括存在衰減時的回波分類方法(針對C波段和X波段雷達)、三體散射回波識別與分類、雷達數(shù)據(jù)的質量改善等[27-28]。Bukovcic等[29]使用貝葉斯分類方法區(qū)分對流和層狀云降水。Jiang等[30]基于模糊邏輯算法分別統(tǒng)計分析美國業(yè)務運行的KICT雙偏振雷達鳥類和昆蟲回波，形成鳥類回波識別算法。朱軼明等[31]分析上海南匯WSR-88D雙偏振雷達生物回波識別算法，張林等[32]利用上海南匯S波段WSR-88D雷達數(shù)據(jù)，設計非降水回波識別算法。在理想狀態(tài)下，降水回波相關系數(shù)接近1，差分反射率約為0。

截至2021年底，我國已完成70余部S波段CINRAD/SAD雙偏振雷達業(yè)務化升級和運行。預計到2025年，全國將有超過100部雙偏振雷達在業(yè)務上運行。本文以張林等[32]設計的上海南匯S波段WSR-88D非降水回波識別算法為基礎，利用國內CINRAD/SAD雙偏振雷達數(shù)據(jù)開展算法試驗、測試，并對算法模塊進行適應性改進，形成一套完整的CINRAD/SAD雙偏振雷達數(shù)據(jù)質量控制算法，該算法已應用于中國氣象局氣象探測中心與南京氣象科技創(chuàng)新研究院聯(lián)合開發(fā)的多波段天氣雷達組網(wǎng)融合處理軟件。

1 算法流程設計

1.1 偏振參量特征統(tǒng)計

2016年上海南匯WSR-88D雙偏振雷達進入業(yè)務運行。張林等[32]采用相關系數(shù)、水平反射率因子和差分反射率3個測量變量，研究設計非降水回波識別算法，形成1套WSR-88D雙偏振雷達數(shù)據(jù)質量控制流程。

本文主要分析的數(shù)據(jù)來自2019—2020年江蘇、廣東地區(qū)升級布網(wǎng)的CINRAD/SAD雙偏振雷達，該雷達由北京敏視達雷達有限公司生產(chǎn)。首先，根據(jù)專家經(jīng)驗并結合地面降水數(shù)據(jù)確定降水回波和非降水回波，分別隨機抽取降水和非降水回波點各1000個，計算相關系數(shù)、差分反射率在降水回波和非降水回波上的統(tǒng)計特征，結果如圖1所示。降水回波的相關系數(shù)為0.9～1，差分反射率為0～2.5 dB；非降水回波的相關系數(shù)和差分反射率均為雜亂分布，相關系數(shù)為0.1～1，差分反射率為-7.5～7.5 dB。

圖1 降水回波與非降水回波的相關系數(shù)和差分反射率(a)降水回波相關系數(shù)，(b)非降水回波相關系數(shù)，(c)降水回波差分反射率，(d)非降水回波差分反射率

1.2 算法模塊適應性改進

張林等[32]在研究S波段WSR-88D非降水回波識別方法中指出,降水和非降水回波的區(qū)別不僅體現(xiàn)在相關系數(shù)上，兩者相關系數(shù)水平紋理也明顯不同。降水回波相關系數(shù)大、分布均勻、紋理特征小，而非降水回波相關系數(shù)小、分布雜亂、紋理特征大。

圖2為2019年9月3日01:30:19(北京時，下同)徐州CINRAD/SAD雙偏振雷達水平反射率因子、相關系數(shù)、差分反射率、差分傳播相位。該觀測個例為夏秋季節(jié)夜晚的大面積晴空回波，圖3為該個例經(jīng)過S波段WSR-88D非降水回波識別算法后的結果。由圖3可見，距雷達站東側50～200 km范圍的晴空回波未能正確識別，因為這部分晴空回波的相關系數(shù)較大且相關系數(shù)水平紋理值相對較小，兩者均與降水回波的特征較為相似。通過客觀評估，該個例非降水回波識別率僅為68.6%。

圖2 2019年9月3日01:30:19徐州CINRAD/SAD雙偏振雷達觀測特征參量(相鄰距離圈間隔50 km，下同)

圖3 WSR-88D算法對圖2個例的識別

(1)

式(1)中,Zdr(i,j)和Zdr(i,j+1)分別代表(i,j)和(i,j+1)像素點的差分反射率觀測值，NA和NR分別代表徑向和距離庫上的窗口長度，可取為5×5。

圖4為相關系數(shù)水平紋理、差分反射率水平紋理在降水回波和非降水回波上的統(tǒng)計特征。由圖4可見，與相關系數(shù)水平紋理類似，差分反射率水平紋理在降水回波上分布較均勻，而在非降水回波上分布雜亂。非降水回波紋理的雜亂特征在相關系數(shù)水平紋理和差分反射率水平紋理上均有所體現(xiàn)。

圖4 降水回波與非降水回波的相關系數(shù)和差分反射率的水平紋理特征 (a)降水回波相關系數(shù)紋理，(b)非降水回波相關系數(shù)紋理，(c)降水回波差分反射率紋理，(d)非降水回波差分反射率紋理

以上表明：差分反射率紋理特征也是區(qū)分降水回波和非降水回波的有效特征量。在CINRAD/SAD型號雷達中，除利用ZH，ρhv(相關系數(shù))和Zdr特征參量外，還需要聯(lián)合相關系數(shù)水平紋理特征和差分反射率紋理特征對降水回波和非降水回波進行分類，以提高識別準確率。圖5為經(jīng)過算法模塊的適應性調整后，形成的國產(chǎn)CINRAD/SAD雙偏振雷達非降水回波識別算法流程,水平反射率因子、差分反射率和相關系數(shù)為3個輸入物理量。其中，相關系數(shù)描述水平和垂直極化回波信號變化的相似度，為算法中最重要的特征參量；差分反射率描述水平偏振反射率和垂直偏振反射率之比，在算法模塊適應性改進中增加了差分反射率紋理特征，因此差分反射率在該算法中的作用至關重要；水平反射率因子輔助判斷降水和非降水信息，并在降水回波空洞填補中發(fā)揮作用。算法流程中，冰雹和非均一波束充塞現(xiàn)象的相關系數(shù)通常低于0.95，這是由于當波束照射體內存在冰雹或對流單體時，若對流單體未被1°波束充滿，則易發(fā)生非均一波束充塞現(xiàn)象，且距離越遠，隨著雷達波束的展寬作用，非均一波束充塞現(xiàn)象越明顯，相關系數(shù)越小[32]。相關系數(shù)和差分反射率測量值的誤差對算法識別率影響較大。圖6為算法對大面積晴空回波的質量控制效果，經(jīng)客觀評估，非降水回波識別準確率為96.8%，相比算法模塊適應性改進前提高了28.2%。該算法不僅可以成功識別大面積晴空回波，而且可以將降水回波損失率控制在較低水平。

圖5 CINRAD/SAD雙偏振雷達觀測非降水回波識別算法流程

圖6 質量控制前后大面積晴空回波

2 算法檢驗評估

根據(jù)建立的國產(chǎn)CINRAD/SAD雙偏振雷達數(shù)據(jù)質量控制算法流程，對算法進行檢驗和評估。國產(chǎn)CINRAD/SAD雙偏振雷達反射率因子、差分反射率及相關系數(shù)等數(shù)據(jù)庫長為250 m，方位間隔為1°，由于差分反射率和相關系數(shù)均反映了水平和垂直觀測數(shù)據(jù)的相關性，對于遠距離處的弱回波，可能存在弱的反射率因子值，但無差分反射率和相關系數(shù)觀測值。因此，算法針對遠距離處的弱回波存在一定損失，在評估數(shù)據(jù)中均有反映。

首先，整理2019—2020年5—10月江蘇和廣東升級的15部CINRAD/SAD雙偏振雷達數(shù)據(jù)，利用中國氣象局氣象災害管理系統(tǒng)中的災情直報信息及網(wǎng)絡輿情，結合雷達回波識別專家經(jīng)驗對數(shù)據(jù)分類，包括冰雹、融化層、臺風降水、對流云及層狀云降水、地物/超折射雜波、電磁干擾雜波及晴空回波等。采用客觀評估進行檢驗，CINRAD/SAD雙偏振雷達非降水回波識別算法準確識別非降水回波的點數(shù)占非降水回波總點數(shù)的百分比為非降水回波識別準確率，識別算法誤判為非降水回波的降水回波點數(shù)占降水回波總點數(shù)的百分比為降水回波的誤判率[32]。

2.1 冰雹和融化層個例識別效果檢驗

圖7為2019年8月1日13:35徐州CINRAD/SAD雙偏振雷達觀測冰雹和融化層質量控制前后的反射率因子，紅色圈為冰雹、藍色圈為融化層。質量控制前存在冰雹、融化層和地物、晴空等回波，經(jīng)過非降水回波識別算法處理后，除雷達站附近存在少量未被識別的雜波外，其余非降水回波均被有效濾除，且冰雹和融化層均作為降水回波得到保留。經(jīng)客觀評估，該個例的非降水回波識別準確率為96.5%，降水回波誤判率為1.2%。

圖7 2019年8月1日13:35徐州CINRAD/SAD雙偏振雷達觀測冰雹及融化層質量控制前后的反射率因子

2.2 臺風降水個例識別效果檢驗

圖8為2019年8月11日00:05鹽城CINRAD/SAD雙偏振雷達觀測臺風降水質量控制前后的反射率因子。對于臺風降水過程，可認為所有回波均為降水回波。經(jīng)非降水回波識別算法處理后，降水回波結構被完整保留。經(jīng)客觀評估，降水回波的誤判率為1.8%。

圖8 2019年8月11日00:05鹽城CINRAD/SAD雙偏振雷達觀測臺風降水質量控制前后的反射率因子

2.3 地物、超折射、電磁干擾個例識別效果檢驗

圖9為2019年7月30日23:03鹽城CINRAD/SAD雙偏振雷達觀測的地物、超折射和電磁干擾雜波質量控制前后的反射率因子。質量控制前的反射率因子圖像中存在地物雜波、超折射回波和干擾雜波等，經(jīng)過非降水回波識別算法處理后，除了距離雷達站東南方向100 km處存在未被準確識別的非降水回波，其余非降水回波多數(shù)被識別，降水回波被完整保留。經(jīng)客觀評估，該個例非降水回波識別準確率為95.7%，降水回波誤判率為2.2%。

圖9 2019年7月30日23:03鹽城CINRAD/SAD雙偏振雷達觀測地物、超折射、干擾雜波質量控制前后的反射率因子

2.4 大面積晴空回波個例識別效果檢驗

圖10為2019年9月2日03:36徐州CINRAD/SAD雙偏振雷達觀測降水、大面積晴空回波質量控制前后的反射率因子。質量控制前的反射率因子圖像中雷達站200 km范圍內存在大面積晴空回波，距離雷達站東南方向150～250 km及西北方向150～200 km存在降水回波。經(jīng)過非降水回波識別算法處理后，多數(shù)晴空回波(非降水)被過濾，但仍有一些晴空回波(紅色圈標注)被當做降水保留，降水回波幾乎均被保留。經(jīng)客觀評估，該個例的非降水回波識別準確率為90.9%，降水回波誤判率為2.0%。

圖10 2019年9月2日03:36 徐州CINRAD/SAD雙偏振雷達觀測降水與大面積晴空混雜回波質量控制前后的反射率因子

2.5 算法評估

表1是CINRAD/SAD雙偏振雷達觀測非降水回波識別算法的多種個例客觀評估結果。個例評估表明：降水回波誤判率較低，非降水回波識別準確率波動較大，且與非降水回波個例類型有關。為了更精準地評估，本文又隨機抽取100個降水個例和100個各類雜波個例。同樣根據(jù)專家經(jīng)驗識別和自動氣象站雨量驗證，共抽取由6589665個非降水回波點和6386896個降水回波點組成檢驗數(shù)據(jù)，通過CINRAD/SAD雙偏振雷達非降水回波識別算法處理后，非降水回波的識別準確率達到95.2%，降水回波的誤判率為2.6%。

表1 多種個例質量控制客觀評估表

但值得注意的是，針對某些站的大面積晴空個例，本文算法的識別率可能低于90%，后續(xù)可嘗試借助深度學習建模訓練的方法進行改進，即對大面積晴空回波和降水回波在一張圖中進行人工標記(如晴空回波標記為0，降水回波標記為1，為像素級標記樣本)，再經(jīng)過深層神經(jīng)網(wǎng)絡模型訓練直至收斂，可更精準地識別大面積降水回波。

3 算法在組網(wǎng)拼圖中的應用

中國氣象局氣象探測中心與南京氣象科技創(chuàng)新研究院聯(lián)合開發(fā)的多波段天氣雷達組網(wǎng)融合處理軟件，具有對組網(wǎng)區(qū)域多種型號天氣雷達進行數(shù)據(jù)解析、質量控制、坐標轉換及組網(wǎng)拼圖等功能。組網(wǎng)拼圖流程為6步：①數(shù)據(jù)處理，②質量控制，③坐標轉換，④單站經(jīng)緯網(wǎng)格數(shù)據(jù)處理，⑤組網(wǎng)經(jīng)緯網(wǎng)格數(shù)據(jù)處理,⑥組網(wǎng)拼圖生成。其中,第3步是將單站極坐標數(shù)據(jù)轉換為笛卡爾坐標系的過程，單站笛卡爾坐標數(shù)據(jù)生成后即可生成單站圖像；第4步是將單站極坐標數(shù)據(jù)處理為單站經(jīng)緯網(wǎng)格數(shù)據(jù)[33]；第5步是將單站等經(jīng)緯網(wǎng)格數(shù)據(jù)合成組網(wǎng)等經(jīng)緯網(wǎng)格數(shù)據(jù)；第6步是將組網(wǎng)等經(jīng)緯網(wǎng)格數(shù)據(jù)進行墨卡托投影，即可生成組網(wǎng)拼圖圖像。

圖11為2020年6月12日14:00江蘇高郵龍卷過程中6部CINRAD/SAD雙偏振雷達質量控制前后的組網(wǎng)拼圖。質量控制前的圖像是將6部單站雷達觀測的反射率因子進行組網(wǎng)拼圖，質量控制后的圖像是將6部單站雷達反射率因子經(jīng)過非降水回波識別算法處理后進行組網(wǎng)拼圖。對比可見，CINRAD/SAD雙偏振雷達非降水回波識別算法在組網(wǎng)拼圖系統(tǒng)中的應用成功濾除了地物、晴空等非降水回波，且極大程度上控制了降水回波的損失率，有利于追蹤強對流、龍卷等災害性天氣，為雙偏振雷達降水分類、災害性天氣產(chǎn)品算法及組網(wǎng)定量估測降水業(yè)務研究等奠定了基礎。

圖11 2020年6月12日14:00江蘇高郵龍卷過程6部CINRAD/SAD雙偏振雷達組網(wǎng)拼圖

雙偏振雷達不僅在數(shù)據(jù)質量控制上能很好地區(qū)分降水和非降水回波，且在降水相態(tài)分類、降水估測等方面均具有多普勒天氣雷達不可比擬的優(yōu)勢，我國正在加快推進國產(chǎn)CINRAD/SAD雙偏振雷達的升級進度，未來會有更多的雙偏振雷達納入業(yè)務應用，該算法可在業(yè)務上開展更多的個例檢驗，并作為單獨的算法模塊嵌入組網(wǎng)拼圖實時業(yè)務中。

4 結 論

本文通過分析國產(chǎn)CINRAD/SAD雙偏振雷達觀測的相關系數(shù)、差分反射率特征，在上海南匯WSR-88D非降水回波識別算法的基礎上，增加了算法模塊的適應性改進，最終形成國產(chǎn)CINRAD/SAD雙偏振雷達數(shù)據(jù)質量控制算法流程，利用2019—2020年江蘇和廣東15部CINRAD/SAD雙偏振雷達觀測數(shù)據(jù)對算法進行檢驗評估。結論如下：

1)在國產(chǎn)CINRAD/SAD雙偏振雷達中，降水回波的相關系數(shù)多為0.9～1，差分反射率多為0～2.5 dB。非降水回波的相關系數(shù)為0.1～1，差分反射率為-7.5～7.5 dB。相關系數(shù)和差分反射率因子在降水回波和非降水回波的分類上具有非常重要的作用。

2)相比WSR-88D質量控制算法，國產(chǎn)CINRAD/SAD雙偏振雷達數(shù)據(jù)質量控制算法中增加了對算法模塊的適應性改進，利用相關系數(shù)水平紋理和差分反射率水平紋理特征對降水回波和非降水回波進行分類。

3)利用2019年江蘇和廣東15部雙偏振雷達資料，對CINRAD/SAD雙偏振雷達數(shù)據(jù)質量控制算法進行客觀評估，表明該算法能識別90%以上的非降水回波，且對降水回波的損失可控制在5%以內。但算法對于夏秋季節(jié)夜晚的大面積晴空回波的識別準確率低于90%，有待嘗試利用深度學習的方法改進。