风廓线雷达自身对比精度分析

利用GLC-24型风廓线雷达的5波束观测数据,分析了在晴空和降水条件下风廓线雷达探测的准确性,得出结论如下:在晴空条件下大气均匀稳定、垂直速度很小,风廓线雷达测量水平风的准确性高;在均匀性降水条件下,虽然垂直速度很大,但大气在风廓线雷达5波束探测的水平范围内均匀,风廓线雷达测量水平风的准确性也较好;在非均匀性降水条件下,大气在风廓线雷达探测的水平范围内不均匀,不符合风廓线雷达计算水平风的假设条件,需要进一步改进算法,减少计算误差。     

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。     

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。     

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。     

两种垂直风廓线的对比及应用Ⅱ:不同降水条件下风廓线特征

利用2013年重庆多普勒天气雷达(SA)和风廓线雷达(TWP8-L)观测的垂直风廓线数据,对晴空、弱降水、一般性降水和强降水四种不同天气条件下垂直风廓线特征及其演变情况进行了分析。结果表明:(1)风廓线雷达的探测高度随降水增加逐渐增加;(2)晴空天气条件下,边界层(1 km以下)风向存在明显的日变化,夜间以偏东气流为主,白天以偏南气流为主,高空(3 km以上)为一致的偏西气流,风速较小;(3)弱降水天气条件下,边界层风向以偏东气流为主,相对较为杂乱,高空与晴空一致,中高层(1~3 km)以偏南气流为主;(4)一般性降水天气条件下,低层与弱降水较一致,而高空出现较一致的西南气流,有利于水汽输送,同时垂直切变具有较好的单一方向性,较有利于对流的发展和维持;(5)强降水天气条件下,风廓线雷达和多普勒雷达观测的垂直风廓线较为一致。降水前期风向随高度的增加逐渐由偏东气流转为偏西气流,有利于对流的触发;降水期间风切变具有很好的单一方向性并在中低层出现低空急流区,有利于对流系统的维持,同时西南气流厚度加深,也有利于水汽的输送;降水结束期风速减小,中低层风向也逐渐转为偏北气流,对流系统逐渐消亡。     

不同降水强度下风廓线雷达谱矩特征与测风准确性分析

本文讨论了风廓线雷达不同降水强度下的谱矩参数特征,并分析了不同降水强度下的风廓线雷达测风准确性,结果表明,风廓线雷达在毛毛雨(0~1mm/h)和小雨(1.1~2.5mm/h)时各波束测得的垂直速度一致性较好,对称波束分别测得的两组UV分量的差别较小,即风廓线雷达在毛毛雨和小雨这两个降水等级下测得的水平风可信度较高;而在中雨(2.6~8mm/h)和大到暴雨(>8.1mm/h)时各波束测得的垂直速度一致性较差,对称波束分别测得的两组UV分量差别偏大,即风廓线雷达在中雨和大到暴雨这两个降水等级下测得的水平风可信度较低,研究将为后续工作中对风廓线雷达降水数据的质量控制提供理论依据。      

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。     

非线性VAD反演低层风廓线拟合阶数优化方法

结合理论和SoWMEX试验 (西南气流试验,Southwest Monsoon Experiment) 的连续多普勒天气雷达观测资料和广东省阳江雷达资料, 对非线性速度方位显示 (非线性VAD) 方法反演低层低于2 km垂直风廓线精度和能力进行定量分析。结果表明:非线性VAD基本能反演出低层风廓线在空间和时间上的演变。但当雷达径向速度数据在方位存在较大的连续性缺测、体积扫描仰角较少时,因传统非线性VAD采用的速度方位显示 (VAD) 方法拟合阶数和垂直拟合阶数过高,反演的低层风廓线会存在较大误差,造成不合理高风速区和风廓线不连续。通过实际观测资料统计分析反演参数对非线性VAD的影响,提出基于连续性数据缺测间隔和不同仰角的多少的VAD和垂直拟合阶数动态调整方法。同锋面降水和台风降水两典型个例的实际探空比对显示,调整后的非线性VAD显著改进低层风廓线反演精度,反演的风廓线结构和变化与实况相符,反演平均误差小于2 m·s-1。     

基于多普勒天气雷达的两种垂直风廓线反演方法的对比分析

利用2010年阳江高精度探空仪国际比对试验中观测的探空测风资料、CINRAD-SA型多普勒天气雷达体扫资料及基于PUP-VAD方法反演的垂直风廓线产品资料,使用三种不同复杂程度的分层VVP方法(VVP1、VVP2和VVP3)反演了阳江雷达站上空的垂直风廓线,以探空测风为参考,以平均风向、风速均方差和相关系数作为评估因子,将雷达站周围降水回波分布分为较均匀和不均匀两种情况,对比分析了基于分层VVP方法和PUP-VAD方法反演的垂直风廓线。结果表明,相比PUPVAD方法,分层VVP方法都能提供更实用、质量更好的垂直风廓线,特别是在雷达周围降水回波分布不太均匀的情况下。主要原因是在某一高度,相比PUP-VAD方法只分析某仰角某距离圈上的径向速度资料来说,分层VVP方法是通过对该高度层10~100 km范围内的所有有效径向速度资料进行多元线性回归来求解该高度层的平均水平风向、风速,受资料覆盖率的影响程度要小于PUP-VAD方法。     

风廓线雷达估测降水云中大气垂直速度的一种方法

利用UHF频段风廓线雷达垂直波束探测降水云时返回信号功率谱中可能同时出现的大气垂直运动谱和降水粒子谱的双峰谱现象,对北京延庆445 MHz风廓线雷达(CFL-08)在2009 2011年降水期间的垂直波束探测数据进行了双峰谱识别,获取的双峰谱数据经过处理,可得到降水返回信号回波强度ZR和静止大气降水下降的平均速度WT数据。采用最小二乘法拟合ZR和WT,发现两者函数关系与返回信号所在高度有关:WT=3.75H-0.085Z0.006H+0.066R,为降水时垂直指向的多普勒雷达获取降水中大气垂直平均运动速度VA提供了有效的方法。     

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.     

一次多相态天气过程的风廓线雷达探测资料特征分析

利用国产对流层Ⅱ型风廓线雷达资料对2012年3月17日北京地区经历的雾霾雨雪多相态天气过程进行了诊断分析,结果表明风廓线雷达探测产品能够很好地判别上述天气的发展转变过程,可以揭示降水过程的细节变化。雾霾维持时,风廓线雷达一般能够探测到非常弱的水平风和大气垂直运动,大气折射率参数很小,而近地面层信噪比则表现出较强的信号,高度一般在850 hPa以下,其上层大气的信噪比很弱,表现为晴空状态,上下对比度非常明显。同时,风廓线频谱高度图表现为无降水特征。降水发生前,对流层的信噪比会明显增强,风廓线雷达垂直波束的径向速度V_r首先在中高层出现正值,反映出下沉运动的不断增强现象,同时其他两对对称波束V_r不再维持对称形态。降水发生时,5个波束V_r自地面向上均转变为正值,且最大速度一般位于近地面层,同时最大V_r也不集中在垂直波束,反映了降雨过程中存在着风的影响。此时,谱宽一般稳定维持在1~2 m·s~(-1)。当降水发生相态转变时,谱宽会有明显的减小,信噪比增强,频谱图中V_r有所减弱,这种变化通常发生在整个边界层到对流层。降水结束时,上述现象成相反变化,谱宽增加,信噪比减弱,5个波束V_r呈对称形态。     

降水条件下风廓线雷达数据质量分析及处理

风廓线雷达是当前获取大气三维风场信息的有效途径,但受其本身探测原理的约束,降水时的观测数据(尤其是边界层风廓线雷达的观测数据)将受到较大影响。为提高降水时边界层风廓线雷达数据的可信度,依据五波束探测和三波束探测原理,结合风廓线雷达功率谱再分析,建立了风廓线雷达数据筛选、填补的重处理方法,通过选取不同降水强度下的从化、潮州、阳江三个边界层风廓线雷达站的观测数据,开展了基于该方法的数据质量评估。研究结果指出:降水时虽能提高风廓线雷达的数据获取率,但风场数据质量并不一定较好(尤其是在特大暴雨时数据质量较差);经过数据重处理后,风廓线雷达的有效数据获取率得到提高,且内陆站点提升的幅度超过沿海站点;降水对2 km以下的观测数据影响较小,对于2 km以上的数据,若降水只是对部分高度造成数据缺失,则经过重处理后数据质量仍可以保持较好,但若连续多个高度数据缺失,则经过数据重处理后也不能较好地提高数据质量。     

基于径向功率谱的风廓线雷达错误风数据处理

选取上海市世博园区站、金山站和嘉定F1赛车场站3个风廓线雷达站2012年3月7日凌晨一次降水过程生成的错误水平风场数据,通过对比该时段高、低模式扫描实时径向功率谱数据,指出在降水初期风廓线雷达软件质量控制出现错误的原因,并重新识别错误时段的功率谱,反演水平风场数据。分析表明:在降水初期由于风廓线雷达各波束探测的数据在空间上不一致,易导致雷达软件采用的质量控制算法并不能全部识别和消除降水对数据的干扰,从而出现偏差。基于风廓线雷达高时空分辨率径向功率谱数据的分析处理方法可有效验证雷达软件质量控制算法,且经过该方法反演后的水平风场更为合理。     

一次降雨过程风廓线雷达特征

为应用风廓线雷达监测降水天气,通过对2006年南京地区一次春季降雨过程的边界层风廓线雷达探测数据和自动站雨量数据进行对比分析和相关性统计,研究了降水发生、维持和消亡期间风廓线雷达资料的变化特征,分析风廓线雷达垂直速度、速度谱宽与降雨强度之间的相关性。结果表明：当降雨临近时,风廓线雷达水平风廓线上的空洞逐渐消失,当降雨结束时空洞再次出现,且伴随着低空急流的出现降水明显增强。随着降雨的发生,风廓线雷达产品的垂直速度、速度谱宽和折射率结构常数值均明显增大。整个降水期间,550 m高度层以下的垂直速度与降水量存在显著线性负相关,450-950 m高度层之间的速度谱宽与降水量存在显著线性正相关,可见垂直速度、速度谱宽的变化与降水强度关系密切;当垂直负速度变小或速度谱宽变大时,降水增强的可能性增大。研究结果揭示了风廓线雷达垂直速度、速度谱宽与降雨强度之间的内在联系,可为风廓线雷达应用于降雨天气的监测。     

一次降雨过程风廓线雷达回波特征

为应用风廓线雷达监测降水天气,通过对2006年南京地区一次春季降雨过程的边界层风廓线雷达探测数据与自动站雨量数据进行对比分析和相关性统计,研究降水发生、维持和消亡期间风廓线雷达资料的变化特征,分析风廓线雷达垂直速度、速度谱宽与降雨强度之间的相关性。结果表明：当降雨临近时,风廓线雷达水平风廓线上的空洞逐渐消失,当降雨结束时空洞再次出现,且伴随着低空急流的出现降水明显增强。随着降雨的发生,风廓线雷达产品的垂直速度、速度谱宽和折射率结构常数值均明显增大。整个降水期间,550 m高度层以下的垂直速度与降水量存在显著线性负相关,450—950 m高度层之间的速度谱宽与降水量存在显著线性正相关,可见垂直速度、速度谱宽的变化与降水强度关系密切;当垂直负速度变小或速度谱宽变大时,降水增强的可能性增大。研究结果揭示了风廓线雷达垂直速度、速度谱宽与降雨强度之间的内在联系,可为风廓线雷达应用于降雨天气监测提供参考。     

结合风廓线雷达的毫米波衰减特性初步研究

使用中国气象局大气探测综合试验基地35 GHz毫米波云雷达和L波段风廓线雷达2016年5月1日-7月31日在降水条件下的观测数据,根据不同观测模式下两部雷达得到的数据,计算在一定高度区间内不同下落速度的降水粒子反射率因子变化量,初步分析不同下落速度的降水粒子对毫米波衰减的影响。结果表明:在持续时间较长的层状云降水且降水粒子在雷达观测范围内均匀分布条件下,毫米波衰减与降水粒子下落速度呈近似线性关系,且毫米波经过的路径长度越长,衰减越大;毫米波在经过1110~2430 m,1110~3510 m的高度区间时,下落速度处于3.5~7.5 m·s-1之间的降水粒子对毫米波的衰减作用导致毫米波云雷达所测的等效反射率因子分别减小约1~7 dB和2~11 dB。     

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。