上海组网风廓线雷达数据质量评估

利用2014年6月美国国家环境预报中心(NCEP)的全球模式分析资料,对上海及周边地区组网的七部边界层风廓线雷达的水平测风数据进行了初步分析和比较。由于NCEP全球模式分析资料并未使用上海13:15加密观测探空秒间隔数据,首先用该数据对NCEP分析资料的准确性和代表性进行了检验。结果表明,两者平均偏差与均方根误差均较小,故认为NCEP分析资料可用于客观检验上海及周边地区组网的七部边界层风廓线雷达的水平测风数据。对比分析风廓线雷达与NCEP分析资料表明总体上,风廓线雷达与NCEP分析资料的平均风场风速偏差为-0.14 m·s~(-1),均方根误差为2.72 m·s~(-1),风向偏差为-4.28°。上海组网风廓线雷达测风资料质量与探空观测水平接近,有较高的可用性。     

上海组网边界层风廓线雷达与宝山二次雷达测风数据比较分析

文章利用上海边界层风廓线雷达网中3台分别布设在松江泖港和嘉定F1赛车场的TWP3型风廓线雷达以及嘉定外岗的LAP3000型风廓线雷达,在2010年初冬和2011年盛夏各一个月时段的连续原始测风数据,逐个与上海宝山GFE(L)-1型二次探空雷达在相同时段中的原始测风数据进行了对比分析研究.并且还将同布设在嘉定地区的两台不同型号的风廓线雷达进行了测风数据的互比分析.在基本稳定的天气条件下,嘉定F1赛车场、松江泖港以及嘉定外岗风廓线雷达各自与宝山GFE(L)-1型二次雷达探空测风数据进行对比分析的匹配样本数依次是6733、7350和7013对,其在盛夏时段对比统计的各层风速的平均标准差分别是3.34、3.37和4.03m·s-1,在初冬时段则为3.22、3.22和3.42m·s-1.参与互比分析的F1赛车场TWP3型风廓线雷达和外岗LAP3000型风廓线雷达之间的匹配样本数是71981对,其在盛夏时段互比统计的风速平均标准差是3.63 m·s-1,在初冬时段为4.12 m·s-1.有统计曲线表明,本研究中两台TWP3型风廓线雷达与宝山GFE(L)-1型二次雷达探空测风的误差均为2～4 m·s-1,其比对精度明显优于嘉定外岗的LAP3000型风廓线雷达.文章还提出了风廓线雷达的“有效探测高度”新概念.     

云雷达回波强度谱密度定标及云内大气垂直运动速度反演试验

云内大气垂直运动在云动力和微物理过程中扮演了重要角色,云雷达功率谱数据是其反演的有效数据,但前提必需对谱线的回波强度进行准确定标,其中噪声电平的计算是关键步骤。本文首先提出了一种云雷达功率谱的模拟方法,利用模拟数据定量评估了三种噪声电平计算方法的准确性,对实测谱线回波强度进行了定标。基于以上方法,采用小粒子示踪法反演了2014年6月广东阳江对流云和层状云内的大气垂直运动速度,并提出了假定数浓度和直径下的谱线回波强度临界阈值,利用该阈值对反演结果进行定量检验。结果表明:(1)利用云雷达的高斯白噪声特征和云信号满足高斯分布特征,结合实测数据统计得到的涨落程度,可以模拟出给定谱参数的功率谱,模拟数据与实测十分相近,可作为功率谱定量研究的有效数据源。(2)三种噪声电平计算方法中,分段法的准确性和稳定性最好,最大速度法受噪声起伏的影响,客观法计算结果偏高,当谱宽和多普勒速度较大时客观法和最大速度法误差会达到很大。(3)谱线回波强度临界阈值的检验结果表明,该对流云内所有示踪谱线的回波强度均远小于临界阈值,云内100%距离库为被反演,反演结果可靠;该层状云内,除了少数距离库,大部分示踪谱线的回波强度在临界阈值以下,云内96.23%距离库可被反演,反演结果可靠。     

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。     

降水时风廓线雷达风场反演效果评估

风廓线雷达（wind profile radar,WPR）因具有高时空分辨率特点,成为当前短时临近预报的重要参考工具。降水时WPR同时接收大气湍流回波和降水粒子散射回波,现有技术不能有效分离叠加在一起的湍流信号和降水信号,导致降水期间风廓线雷达反演的风场数据严重缺失或失真。根据风廓线雷达探测技术原理及降水天气的功率谱特点,提出了降水天气时风廓线雷达湍流信号提取方法（WPR-HW）,并选取2015—2018年天津10次降水过程对WPR-HW方法进行模式检验及个例效果评估。结果表明:WPR-HW方法对改善降水期间风廓线雷达风场数据缺失问题效果明显,在选取的10次降水过程中,目前通用的风廓线雷达风场反演方法（WIND）风场数据平均缺失率为25.4%,WPR-HW方法未出现风场数据缺失现象;WPR-HW方法较WIND方法反演风场数据可信度有显著提高,反演数据与再分析数据的风速均方根误差由WIND方法的2.3 m·s-1降至WPR-HW方法的1.6 m·s-1,风向均方根误差由WIND方法的45°降至WPR-HW方法的22°,从而验证WPR-HW方法在降水期间适用。     

风廓线雷达估算大气返回信号功率方法研究

基于风廓线雷达大气返回信号功率谱中噪声电平的估算方法,统计分析了北京延庆对流层风廓线雷达（CFL-08）2006年10～12月的探测数据。对该频段风廓线雷达环境噪声的空间和时间变化进行了分析,观测期间环境噪声在5km以下随高度递减,10月的平均环境噪声大于11月、12月的平均分布。给出目前风廓线雷达用信噪比估算大气返回信号功率的两种方法,并对两种方法进行了环境噪声的剔除,经过修正后的大气返回信号功率输出结果趋于一致。     

风廓线雷达探测降水云体中雨滴谱的试验研究

对风廓线雷达探测降水时出现的双峰型功率谱密度分布的回波,进行大气返回信号和降水返回信号的剥离,由大气返回信号求出环境大气的垂直运动,导出降水质点下降末速度的功率谱密度分布,进而求出云体中的雨滴谱分布。对两次降水进行了雨滴谱反演试验,提取了不同高度上30多份雨滴谱分布,雨滴谱分布基本上呈现出指数分布形式。指数拟合后求出雨滴谱的浓度参数N0由几百到几千m-3mm-1,尺度参数λ为3.8～4.5 mm-1。试验中,还由反演的雨滴谱估算出云中含水量,得出降水云体中含水量随高度的分布,与附近多普勒天气雷达观测进行了比较。风廓线雷达与多普勒天气雷达探测到的回波强度随高度分布基本一致,云中含水量估算的均值基本相同,而风廓线雷达由雨滴谱估算出的含水量随高度分布可以反映出雨滴谱变化的影响,随高度分布更为精细。     

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。     

风廓线雷达资料对华南区域模式预报的影响

设计基于GRAPES_Meso的不同试验模拟2014年3月28日-4月8日的广东前汛期降水过程,评估风廓线资料对同化和预报的影响。对资料同化后分析增量的分析表明:相比同化时仅使用自动气象站资料,风廓线雷达资料对1000 hPa到850 hPa纬向风增量均有贡献,在850 hPa,700 hPa高度以上贡献迅速减小。应用3个试验的预报结果计算探空站、风廓线雷达站预报值与观测值的11 d均方根误差发现,同化加入风廓线雷达资料对各预报要素的改善在850 hPa高度最明显,其中风速预报误差显著降低,为0.7 m·s-1。此外,风廓线雷达资料对700 hPa风速预报有一定改善,而在925 hPa高度模拟效果反而降低。通过对2014年3月30日12:00（世界时）的个例分析发现,同化加入风廓线雷达资料的风速预报均方根误差在大雨级别以上的降水落区更大,其原因还有待于进一步研究。     

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。     

Comparison of Beijing MST Radar and Radiosonde Horizontal Wind Measurements

To determine the performance and data accuracy of the 50 MHz Beijing Mesosphere–Stratosphere–Troposphere(MST)radar,comparisons of radar measured horizontal winds in the height range 3–25 km with radiosonde observations were made during 2012.A total of 427 profiles and 15 210 data pairs were compared.There was very good agreement between the two types of measurement.Standard deviations of difference(mean difference)for wind direction,wind speed,zonal wind and meridional wind were 24.86?(0.77?),3.37(-0.44),3.33(-0.32)and 3.58(-0.25)m s~(~(-1)),respectively.The annual standard deviations of differences for wind speed were within 2.5–3 m s~(-1)at all heights apart from 10–15 km,the area of strong winds,where the values were 3–4 m s~(-1).The relatively larger differences were mainly due to wind field variations in height regions with larger wind speeds,stronger wind shear and the quasi-zero wind layer.A lower MST radar SNR and a lower percentage of data pairs compared will also result in larger inconsistencies.Importantly,this study found that differences between the MST radar and radiosonde observations did not simply increase when balloon drift resulted in an increase in the real-time distance between the two instruments,but also depended on spatiotemporal structures and their respective positions in the contemporary synoptic systems.In this sense,the MST radar was shown to be a unique observation facility for atmospheric dynamics studies,as well as an operational meteorological observation system with a high temporal and vertical resolution.     

风廓线雷达反演大气比湿廓线的初步试验

基于湍流散射理论,运用边界层风廓线雷达 (WPR) 联合RASS (Radio Acoustic Sounding System), GPS/PWV (Global Position System/Precipitable Water Vapor) 进行全遥感系统的大气比湿廓线反演试验,并对影响因子进行分析。利用2011年8—9月云南大理综合探测试验数据的反演结果与探空数据进行比较分析,结果表明:WPR联合探空的温度廓线和起始边界比湿 (q₀) 反演大气比湿廓线,与探空大气比湿廓线相比具有相同的变化趋势,标准差为0.84 g·kg-1,误差随高度增加呈递增趋势;WPR联合RASS, GPS/PWV数据反演大气比湿廓线,与探空大气比湿廓线的标准差为0.85 g·kg-1。参加反演的数据中,折射指数结构常数C_n2与谱宽σ_turb2对反演影响最大,反演算法中大气折射指数梯度M符号的判断对反演精度也有较大影响。     

可业务化运行的L波段探空系统高空风改进算法

为进一步挖掘L波段高空气象探测业务系统原始资料潜力、优化改进现行测风业务算法,本文基于新疆博湖东岸L波段系统机动站累积的两年探空原始资料,提出了可业务化运行的高空风改进算法。该算法首先对雷达原始秒点坐标进行严格的质量控制,采用低通滤波、加权最小二乘法、线性补缺等方法去除探空仪摆动、雷达测量误差等对秒点坐标造成的扰动;然后采用逐秒点坐标滑动计算矢量平均风,通过与同球施放的GPS探空做比对分析得出,在全程使用50-60s计算时间窗口或前50分钟使用30-40s时间窗口、50分钟以后使用50-60s时间窗口条件下,雷达矢量平均风廓线与GPS矢量平均风廓线吻合较好;规定高度层风和固定垂直分辨率高度层风采用查找表方法确定,其结果不仅能在风场结构上与现行业务算法一致,同时能呈现出明显的风层脉动信息。     

基于极大似然算法的风廓线雷达谱矩估计

在风廓线雷达谱数据处理中,雷达低层取样体积探测的谱数据通常出现地物杂波、间歇性杂波、地磁杂波与大气回波谱混杂交叠的情况。为了有效抑制和去除杂波干扰,并且提高风廓线雷达探测范围和测量精度,必须对大气回波谱的谱矩进行有效的估计。通过对风廓线雷达多普勒回波功率谱分析,提出基于极大似然算法估计雷达回波谱谱数据的方法,并且进行了实际数据仿真分析,通过与常规方法进行对比分析,验证了算法的可行性和有效性,在低层取样体积谱矩估计得到了显著的改善。     

风廓线雷达探测大气返回信号谱的仿真模拟

利用2008年1—9月北京延庆地区对流层CFL-08风廓线雷达和2009年7—12月广东东莞地区边界层CFL-03风廓线雷达晴空大气探测资料,对大气返回信号功率谱密度分布及雷达系统噪声幅度统计特征进行分析。基于大气返回信号的谱分布符合高斯分布的统计结果,采用高斯模型对大气返回信号谱进行模拟;雷达系统噪声是白噪声,其谱线幅度的统计特征呈高斯分布,在此基础上,通过生成高斯分布随机函数对雷达探测输出信号进行信号谱分布的仿真模拟,并采用雷达探测信号的谱参数对仿真模拟进行检验,效果较好。该文应用仿真模拟的数据,对风廓线雷达信息处理方法及其处理精度进行了初步试验和分析。     

北斗探空系统研发及其测风性能初步分析

高空气象观测是综合气象观测系统的重要组成部分,对天气预报、气候变化等业务科研具有重要的作用。基于北斗卫星导航系统研发了北斗探空仪及地面接收系统,目前试验样机生产已初步完成。北斗探空仪可采取单北斗、单GPS、北斗与GPS混合定位测风等3种测风模式,试验结果表明:北斗探空仪采用混合定位测速方式测风与GPS标准探空仪相比, 北向速度标准差为0.05 m·s-1,平均偏差为-0.05 m·s-1; 东向速度标准偏差为0.03 m·s-1, 平均偏差为-0.01 m·s-1; 高度标准偏差为6.88 m,平均偏差为7.48 m。北斗探空仪测风性能与GPS探空仪相当。     

Atmospheric profile retrieval with AIRS data and validation at the ARM CART site

The physical retrieval algorithm of atmospheric temperature and moisture distribution from the Atmospheric InfraRed Sounder （AIRS） radiances is presented. The retrieval algorithm is applied to AIRS clear-sky radiance measurements. The algorithm employs a statistical retrieval followed by a subsequent nonlinear physical retrieval. The regression coefficients for the statistical retrieval are derived from a dataset of global radiosonde observations （RAOBs） comprising atmospheric temperature, moisture, and ozone profiles. Evaluation of the retrieved profiles is performed by a comparison with RAOBs from the Atmospheric Radiation Measurement （ARM） Program Cloud And Radiation Testbed （CART） in Oklahoma, U. S. A.. Comparisons show that the physically-based AIRS retrievals agree with the RAOBs from the ARM CART site with a Root Mean Square Error （RMSE） of 1K on average for temperature profiles above 850 hPa, and approximately 10% on average for relative humidity profiles. With its improved spectral resolution, AIRS depicts more detailed structure than the current Geostationary Operational Environmental Satellite （GOES） sounder when comparing AIRS sounding retrievals with the operational GOES sounding products.