风廓线雷达与L波段探空雷达测风资料的对比

为了探讨风廓线雷达资料的可用性,对2013年9月—2015年10月青岛站和济南站的风廓线雷达与L波段探空雷达测风数据进行相关、误差及有效样本比率分析。结果表明:(1)济南站和青岛站绝大多数高度层00:00和12:00风廓线雷达与L波段探空雷达的水平风速显著正相关,通过α=0.05及以上信度检验;(2)济南站00:00和12:00,晴天1.5 km以上及雨天0.64 km以上大多高度层风廓线雷达的水平风速比L波段探空雷达偏小约2 m·s~(-1),且当风廓线雷达与L波段探空雷达水平风向差≤20°时,有效样本比率基本在70%以上,资料质量很高;(3)青岛站00:00和12:00,6.48 km以下大多高度层风廓线雷达探测的水平风速比L波段探空雷达偏小2~4 m·s~(-1),水平风速资料可用,但当2部雷达风向差≤20°时,有效样本比率仅为20%,海陆风及2种仪器的布设距离是水平风向差异的主要原因。     

新一代雷达风廓线与探空风廓线资料相关分析

利用南昌新一代多普勒天气雷达获取的2002～2005年37次（共计614组样本）完整风廓线资料，与同期探空风廓线进行相关分析。结果表明：探空风廓线与雷达风廓线之间具有比较好的相关性。风向相关系数R≥0．6次数占总数78％，其中R≥0．8次数占总数60％。风速相关系数R≥0．6次数占总数81％，其中R≥0．8次数占总数57％。随着高度增加，探空风向与雷达风向的相关度明显降低，风速的相关变化不大。     

乌鲁木齐风廓线雷达探测能力评估

利用乌鲁木齐市2011年12月—2013年3月CFL-03风廓线雷达的风探测数据与同期的常规探空数据,对风廓线雷达探测数据的可靠性和探测能力给予了评估。结果表明,受乌鲁木齐四季不同的气候背景影响,风廓线雷达的数据获取率在夏季最高,在冬季最低,80%的数据获取率等值线在夏季、冬季各自达到的高度分别为4500 m和1980 m;240 m以下风廓线雷达探测的风速误差较大,240 m以上风廓线雷达四季探测的风速普遍小于实况,误差在-1~0 m/s之间的出现频率最高,介于28.8%~31.8%,且最大频率在四季出现的高度有所差异,总体来看夏季风速误差相对较小;风向误差总体在-22.5°~0°之间的出现频率最高,且随着高度增加频率增加;风廓线雷达对风速的探测能力优于风向,二者与实况的相关系数各自为0.9左右和0.6~0.8;通过对长时间序列的风速、风向资料的比较,说明风廓线雷达能够较为准确地反映冬季天气过程的演变,且能够较为精细地刻画夏季短时强降水天气过程中高低空气流的变化特点。在综合考虑低空地物回波、探测盲区因素以及高空气球探空飘移等多种因素影响的情况下,可见风廓线雷达对乌鲁木齐大气环境和天气过程拥有较可靠的监测能力。     

不同天气条件下微波辐射计和风廓线雷达探测数据误差特征分析

为探讨微波辐射计和风廓线雷达探测数据的准确性和可用性,利用天津全运会期间获取的GPS探空资料,分析不同天气条件下微波辐射计探测温湿度、风廓线雷达测风的误差特征。结果表明：晴天、云天和雨天条件下,微波辐射计反演低空温度廓线效果均较好,反演高空温度廓线误差较大,云天条件下,反演的整层温度廓线与探空实测值相关性最优;3种天气条件下,微波辐射计反演相对湿度廓线的误差均较大,与探空实测值的相关性也较差;晴天和云天条件下,风廓线雷达探测风向、风速的误差均较小,雨天风廓线雷达测风效果较差;晴天和云天条件下1750 m以上,雨天3000 m以上,风廓线雷达探测风速数据与探空实测值相关性较好,低空探测风速与探空相关性较差;3500 m以下,3种天气条件下风廓线雷达探测风向与探空实测值相关性较差,3500 m以上相关性较好,数值在0.6—1.0之间波动变化。     

多普勒雷达VAD风廓线资料的质量评估

将2004—2007年浙江省温州多普勒雷达VAD风廓线和相邻洪家探空站同期经修正的探空风廓线资料进行对比统计,分析了两者之间的差异和相关性;对不同高度层以及三种不同降水系统中(大面积连续性降水、阵性降水、热带气旋降水)VAD反演方法的精度进行了研究,并分析误差来源。结果表明,VAD方法反演的风廓线与探空廓线之间具有较高的相关性。VAD方法对大面积连续性降水的风向和风速的反演质量最好,其次是热带气旋降水。风向、风速偏差最大的均为阵性降水。      

西昌发射场L波段雷达、风廓线雷达与GPS测风对比分析

对西昌发射场L波段雷达、风廓线雷达和GPS测风数据进行对比分析,对不同季节、不同风速条件、不同高度下的风向和风速数据进行相关性分析,结果表明:发射场干季风速数据相关性较高,风向数据相关性较低,雨季风速数据相关性较低,风向数据相关性较高;随风速变大,L波段雷达和GPS测风的数据相关性越来越高,二者与风廓线雷达测风数据的相关性明显变低;在各高度层风向相关性均较高,在低层风速相关性较低,在中高层风速相关性较高。      

不同台风降水强度下风廓线雷达适用性

以2019年8月在浙江舟山对1909号超强台风“利奇马”的移动观测试验为基础,利用同一地点释放的9次GPS探空气球,对比了风廓线雷达和多普勒激光测风雷达与GPS探空的吻合程度,并利用车载雨滴谱仪对风廓线雷达在不同台风降水强度下的适用性进行了研究。结果表明,在100~300 m高度范围内激光测风雷达观测风速比风廓线雷达更准确。由水平风速对比结果可知,风廓线雷达在3~4 km高度范围内偏差最小(3.59 m/s),相关性最高(0.86),而在1 km高度下偏差最大(6.39 m/s),相关性最低(0.54);在中雨及大雨条件下适用性最差,最大风速偏差约为18 m/s。由水平风向对比结果可知,风廓线雷达与GPS探空总体上吻合较好,相关系数均大于0.85,均方根偏差均小于11 °。另外,降水强度对风廓线雷达的风向观测影响较小,风向偏差随降水强度的变化总体趋于平稳,基本分布在-20 °~20 °之间。      

测风激光雷达与风廓线雷达的探测性能评估及数据融合

测风激光雷达和风廓线雷达作为L波段探空测风的有效补充,均可以提供高时空分辨率的大气风场信息,然而由于工作原理和适用条件存在明显差异,在探测性能上各有优缺点,单一设备的探测数据已不能满足精细化预报的要求。本研究使用2020年1—5月北京南郊观象台的L波段探空资料对同址观测的测风激光雷达和风廓线雷达进行了数据质量评估,结果表明测风激光雷达与探空的一致性较高,U、V分量的相关系数分别为0.97和0.98,均方根误差分别为1.1和0.95 m·s-1,然而在2 km以上数据获取率较低且偏差较大;风廓线雷达与探空相比,U、V分量的相关系数分别为0.94和0.93,均方根误差分别为2.94和2.91 m·s-1,风廓线雷达的探测距离虽然更远,但在0.5 km以下和6 km以上的测量偏差较大。考虑到两种测风雷达在不同探测高度上的性能优缺点,提出分段曲面拟合法对两者的水平风资料进行融合处理,并选取个例对融合效果进行验证,结果表明,融合后的风廓线与融合前相比,风向和风速的一致性均得到明显提升。     

名山站探空资料与风廓线雷达资料的对比分析

应用四川省名山站2015~2017年6月21日~7月31日每日四个时次的西南涡加密探空资料与风廓线雷达资料,对比分析了在对流层低层风探测上两种资料的差异。结果表明:名山站风廓线雷达资料有效探测高度约为4200m;风廓线雷达和探空测得的风场廓线形状总体接近,两者的风速偏差较小,仅在个别层次和时次偏差大,风速的偏差大小与风廓线风速大小存在正相关关系,除少数情况外风廓线雷达测得的风速均大于探空;两者风向差值随高度的变化规律与风速相反,在中高层较小,低层较大;除01:15时次的500m高度外,其余时次自低层到高层两者观测到的主风向均由偏东北风变为偏西南风,一致性较好;U风和V风散点分布主要沿对角线呈棒槌型,V风质量优于U风,19:15这一时次的风廓线雷达探测U风相对探空资料存在明显系统性正偏差;风廓线雷达探测高度受降水影响较大,在07:15和13:15时次有降水时其探测高度明显高于无降水时。      

乌鲁木齐风廓线雷达的探测能力评估

利用2011年12月~2013年3月CFL－03型风廓线雷达在乌鲁木齐市的风探测数据与同期的常规探空数据开展了比对分析,从而对风廓线雷达探测数据的可靠性和探测能力给予了评估。结果表明,受乌鲁木齐四季不同的气候背景影响,CFL－03型风廓线雷达的数据获取率在夏季最高,在冬季最低,80%的数据获取率等值线夏季、冬季各自达到的高度分别为4500m和1980m;受低空地物回波、探测盲区等因素影响,240m以下风廓线雷达探测的风速误差较大,240m以上风廓线雷达四季探测的风速普遍小于实况,误差在-1~0m/s之间的出现频率最高,介于28.8%~31.8%,且在四季最大频率出现的高度有所差异,总体来看夏季风速误差相对较小;风向误差总体在-22.5°~0°之间的出现频率最高,且随着高度增加频率增加;风廓线雷达风速的探测能力优于风向,二者与实况的相关系数各自为0.9左右和0.6~0.8;通过长时间序列的风速、风向资料的比较,说明CFL－03型风廓线雷达能够较为准确地反映冬季天气过程的演变,且能够较为精细地刻画夏季短时强降水天气过程中高低空气流的变化特点。在综合考虑低空地物回波、探测盲区因素以及高空气球探空飘移等多种因素影响的情况下,可见CFL－03型风廓线雷达对乌鲁木齐大气环境和天气过程拥有较可靠的监测能力。     

风廓线雷达与多普勒天气雷达风矢产品对比及相关分析

利用成都地区2010年8月和北京沙河地区2011年7—8月风廓线雷达以及多普勒天气雷达的风廓线探测资料,结合对应时段的天气现象相关记录,通过对比分析得到以下结论:①弱降水条件下,在300~2100m高度内,风廓线雷达与多普勒天气雷达探测具有很好的相关性,风向相关系数平均值为0.596,风速相关系数平均值为0.736,在做预报时两者可以同时应用,互为补充;②强降水天气条件下,风廓线雷达与多普勒天气雷达探测的风向、风速变化趋势基本一致,特别是在300~2100m之间各个高度上风向、风速相关性较好,风向相关系数平均值为0.573,风速相关系数为0.508,且风廓线雷达比多普勒天气雷达探测到的各层风向、风速变化更为详细、直观;③阴天条件下风廓线雷达与多普勒天气雷达的风向、风速相关性低层比高层好;④晴天条件下,风廓线雷达更适合用于预报和监测天气。     

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。     

边界层风廓线雷达测风精度分析

利用CLC-11-D型边界层风廓线雷达的5波束观测数据,对比分析了晴空、稳定性降水和对流性降水等不同类型气象条件下边界层风廓线雷达测风的准确性,并对2016年3月1日—2017年2月28日共计7300时次的晴空观测资料进行了测风质量评估,得出结论如下:在晴空条件下大气均匀稳定,水平风速和风向测量精度要优于稳定性降水和对流性降水天气,降水出现前后环境大气扰动较大是导致稳定性降水和对流性降水天气下测风精度较差的原因;150 m以下近地层高度的测风质量较差,与地杂波干扰较强有关;夏季有效探测高度最高可达6300 m左右,春秋季有效探测高度比较接近,分别为2000 m和2500 m左右,冬季有效探测高度最低,仅为1100 m左右;4个季节测风质量评估达标高度分别为900、4000、2200 m和1100 m,大气环境的湿度条件和水平风速、风向标准差的波动是影响测风质量评估的重要因素。     

Spectrum Analysis of Wind Profiling Radar Measurements

Unlike previous studies on wind turbulence spectrum in the planetary boundary layer, this investigation focuses on high-altitude （1-5 km） wind energy spectrum and turbulence spectrum under various weather conditions. A fast Fourier transform （FFT） is used to calculate the wind energy and turbulence spectrum density at high altitudes （1-5 km） based on wind profiling radar （WPR） measurements. The turbulence spectrum under stable weather conditions at high altitudes is expressed in powers within a frequency range of 2 × 10-5-10-3 s-1, and the slope b is between -0.82 and -1.04, indicating that the turbulence is in the transition from the energetic area to the inertial sub-range. The features of strong weather are reflected less obviously in the wind energy spectrum than in the turbulence spectrum, with peaks showing up at different heights in the latter spectrum. Cold windy weather appears over a period of 1.5 days in the turbulence spectrum. Wide-range rainstorms exhibit two or three peaks in the spectrum over a period of 15-20 h, while in severe convective weather conditions, there are two peaks at 13 and 9 h. The results indicate that spectrum analysis of wind profiling radar measurements can be used as a supplemental and helpful method for weather analysis.     

风廓线雷达大气风场观测误差分析

依据风廓线雷达工作原理和风的计算公式,分析影响大气风场观测误差的主要因素,重点分析了雷达回波SNR对风的观测精度影响和GPS探空对比试验。结果表明:①风速观测精度主要取决于波束倾角、雷达技术参数和大气折射率结构常数C2n的垂直分布;风速及风速观测精度越大,风向观测精度越大。②在同种观测模式下,波束倾角与C2n越大,风场观测精度越高。③同一观测模式的SNR越大,风速观测误差越小;不同模式间的大气风场观测精度相差较大。④对比试验的风速风向相关性较好,但相对偏差较大,尤其低空更为明显。     

河北地区边界层内不同高度风速变化特征

为了研究城市化进程对风速变化的影响,利用1971-2006年河北省境内邢台、张家口和乐亭3个探空站高空风观测资料和对应地面站风观测资料,统计分析了边界层内距地面10m、300m、600m、900m 4个高度的长期风速变化特征,比较了不同高度风速变化趋势的异同.分析结果表明:3站年和季节平均风速随着距地面高度的增加而变大,但最大的风速垂直递增率出现在从10m到300m之间;各站各高度层月平均风速具有明显的季节变化特征,春季风速最大,夏季较小;在近36年里,3站平均的地面(10m高)年和季节平均风速变化存在显著的减少趋势,300m以上各高度层平均风速一般也降低,但远没有地面明显;不同高度平均风速变化趋势的差异可能主要是由城市化以及台站附近观测环境的改变引起的,这使得地面风速明显减弱;但地面以上各层平均风速同样存在一定减弱现象,说明背景大气环流的变化也是地面风速下降的原因之一.     

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。     

风廓线雷达测风精度评估

采用风廓线雷达5波束探测模式的数据对测风精度进行评估分析,用垂直波束和其中两个相邻倾斜波束的探测数据构成一对计算因子,通过对同一距离高度上的4对计算因子进行误差分析,评估风廓线雷达的测风精度,得到水平风在垂直指向连续高度上的精度。对北京延庆CFL-08风廓线雷达2010年3,6,9,12月4个典型代表月份逐日连续探测资料进行了处理分析,结果表明:该雷达满足风速误差不大于1.5 m·s-1、风向误差不大于10°探测精度要求的最大探测高度6月、9月为8 km,3月、12月为6 km,基本符合该雷达探测高度的设计要求。信噪比、大气风场的不均匀性是影响雷达测风精度的主要因素:信噪比影响了高空的测风精度,-15 dB可以作为判断雷达测风可信数据最大探测高度的阈值;晴空大气出现的风场不均匀性对风廓线雷达的测风精度影响不大,降水出现时环境风场不均匀性造成水平风向、风速的测量误差较大,不能满足测风精度要求,特别是对流性降水发生前的1~2 h,水平风向、风速的方差增长迅速,可以作为强降水出现的预警指标。     

济南边界层风廓线雷达与L波段雷达大风探空测风对比

基于相同站点的济南边界层风廓线雷达(WPR)和L波段雷达大风探空测风(以下简称LW)资料,采用相关、拟合、廓线分析等方法,系统地对比两者大风(≥10.8 m·s~(-1))数据的各统计特征、相关性、时空变化规律的异同。结果表明:(1)两者u分量、v分量、风向、风速的相关系数分别为0.973、0.965、0.994、0.665,标准偏差分别为2.04 m·s~(-1)、2.88 m·s~(-1)、10.82°、2.53 m·s~(-1),大风数据相关性总体较高,且相关系数风向优于风速的、降水样本优于非降水的,表明WPR观测大风数据可信、降水期间WPR水平大风数据可以使用。(2)两者大风风向、风速基本一致,但在低层差异较高层的大,尤其是340 m及以下高度层更显著,降水、非降水、全部样本在2980、1900、2740 m以下WPR风向值均略小于LW,而在1300、2740、1660 m以下WPR风速值均略大于LW。(3)两者资料互补性总体较好,大风风向、风速、v分量差值随高度变化符合对数律递增或递减规律,但u分量需分段拟合;在进行回归方程求算和资料互补时,应考虑差异随高度等的变化。     

Galion激光测风雷达探测性能分析

Galion激光雷达是应用第二代技术的激光雷达设备，具备对全天空、全角度的扫描能力，目前是市场上唯一的三维扫描设备。本文利用深圳356 m梯度塔与锡林浩特100 m梯度塔的观测数据分析了Galion激光雷达的探测性能，并得出以下结论：PPI模式下，深圳激光雷达与测风塔测得风速相关系数为0.85，风向相关系数为0.9；锡林浩特激光雷达与测风塔测得风速相关系数为0.9，风向相关系数为0.95；此外，雷达在各个角度探测的结果相关性都较好，说明激光雷达在PPI模式下具有很好的探测性能。