基于标准差分析法的S波段双偏振雷达数据质量评估

文章针对S波段双偏振天气雷达设计了一种改良的标准差分析方法,用以评估雷达数据质量,通过评估2022年2月-10月成都雷达基数据的数据质量,得到了如下结果：（1）对于正常雷达数据,改良的标准差计算方法与原始方法能得到相同趋势的标准差分布结果,计算异常雷达数据的标准差时,能得到更优的标准差分布结果。（2）成都雷达Zh数据质量存在较大波动,标准差低于SDZh标准值的比例仅43.67%。（3）成都雷达Zdr和CC数据质量较好,标准差低于SDZdr和SDCC标准值的比例分别为84.09%和87.10%,φdp的数据波动较大,标准差低于SDφdp上限的比例仅34.54%。     

基于SRTM天气雷达净空环境评估算法误差分析

采用航天飞机雷达地形测绘使命(SRTM)高程数据对天气雷达净空环境进行评估,可有效提高雷达选址评估效率。利用人工测量数据和SRTM数据进行天气雷达净空环境评估对比试验,结果表明基于该数据的天气雷达净空环境评估算法总体与人工测量方法具有较好的一致性。采用方位矫正和距离矫正算法后,基于该数据的天气雷达净空环境评估算法精度明显提高。     

复杂地形背景下双偏振雷达数据质量评估方法

针对四川省复杂地形和雷达型号多样的特征,设计了一种以长时间序列统计单/双偏振天气雷达数据质量的评估方法,算法定性评估了天气雷达数据是否存在空回波、电磁干扰和地物干扰的问题,定量评估了雷达Zh(水平极化反射率因子)、Z_(dr)(差分反射率)、CC(相关系数)、Фdp(差分相移)和G_(C)(地物回波系数)的数据质量。通过评估2022年5—9月四川省12部新一代天气雷达基数据的数据质量,得到了如下结果:(1)同频电磁干扰严重影响四川省天气雷达数据质量,超过74%的宜宾和广元站数据存在电磁干扰回波;宜宾和乐山雷达站出现了较多空回波数据;超过77.91%的广元雷达站数据存在风电场地物回波干扰。(2)雷达性能正常时,地物回波系数G_(C)的均值变化不大,G_(C)系数的标准差可以有效反应出雷达数据问题,特别对空回波数据问题比较敏感。(3)四川省12部天气雷达Zh标准差总体较小,绵阳和宜宾站较优,乐山站较差。(4)四川省3部双偏振天气雷达的Z_(dr)和CC数据质量较好,?dp的数据波动较大。     

基于优化模糊逻辑的双线偏振天气雷达地物杂波识别算法研究

针对双线偏振雷达偏振参量能在回波识别中提供更多特征的优势,在常规多普勒天气雷达模糊逻辑算法的基础上,引入偏振参量实现地物杂波识别,由此根据雷达数据中地物和降水回波各自的回波特性,选择6个区别最明显的特征参量,建立了特征参量的统计分布概率,并运用CSI评判标准给出了地物杂波识别的最优化隶属函数;利用2020年攀枝花市新架设的X波段全固态双线偏振雷达观测个例,对比了传统的与改进后的模糊逻辑算法识别效果,结果引入偏振参量的模糊逻辑算法能更好地识别降水和地物混合位置的地物回波,同时改善了径向速度为零区域被误判为地物回波的问题。     

云微物理参数的地基探测反演研究综述

单独利用云雷达反演液态含水量(LWC)廓线,由于降水粒子与冰相粒子的影响,反演结果误差较大。单独利用微波辐射计反演LWC廓线,由于无法得到云的垂直结构,结果也不理想。在云雷达联合微波辐射计反演暖云LWC廓线方法的基础上,根据回波强度区分云滴粒子与降水粒子,根据温度区分云滴粒子与冰相粒子,建立粒子分布模型,提出了利用云雷达回波强度数据与微波辐射计液态水路径数据(LWP)联合反演混合性降水层云LWC廓线的算法,基于2014年6月6日与7日两次混合性层云降水个例,联合反演LWC廓线,分析了该联合反演算法的稳定性和合理性,结论如下：(1)与直接用单一Z-LWC经验关系的方法相比,根据联合反演算法,剔除回波强度中的冰相粒子信息,区分云滴粒子和降水粒子,并采用不同Z-LWC经验关系的方法更加合理。(2)影响联合反演算法的7个参数(非降水粒子Z-LWC经验关系的系数a₁与b₁等)中,降水粒子Z-LWC经验关系系数a₂与b₂的改变对联合反演算法结果影响稍大,偏差在20%~30%左右,而其他参数的改变对结果的影响很小,偏差小于5%,联合反演算法的稳定性较好。(3)联合反演得到的LWC廓线与微波辐射计输出的LWC廓线相比,廓线分布更为合理。