基于數值天氣預報模式的機載氣象雷達降雨目標極化特性仿真

劉　夏　韓雁飛　李　?！”R曉光　吳仁彪

(中國民航大學天津市智能信號與圖像處理重點實驗室　天津　300300)

基于數值天氣預報模式的機載氣象雷達降雨目標極化特性仿真

劉夏韓雁飛*李海盧曉光吳仁彪

(中國民航大學天津市智能信號與圖像處理重點實驗室天津300300)

帶有極化信息的氣象目標仿真是雙極化多普勒天氣雷達的理論研究和設計應用的基礎。目前，機載雙極化氣象雷達的理論研究正處于發展階段，為了給機載雙極化氣象雷達的技術研究提供數據來源，該文提出了一種基于數值天氣預報模式的機載氣象雷達降雨目標極化特性仿真方法。該方法利用數值天氣預報模式獲得溫度、粒子濃度、混合比等降雨目標的氣象參數，從而實現氣象場景的建模與仿真。在分析降雨目標微物理特性的基礎上，計算降雨目標的電磁散射矩陣，從而實現降雨目標的極化特性仿真。不同微物理特性參數下的仿真結果表明：該方法可實現降雨目標的氣象建模，與實測數據的對比分析可知，該方法的雙極化仿真結果有效、可靠。

機載氣象雷達；極化特性；微物理特性；降雨目標建模；數值天氣預報模式

引用格式：劉夏, 韓雁飛, 李海, 等.基于數值天氣預報模式的機載氣象雷達降雨目標極化特性仿真[J].雷達學報, 2016, 5(2): 190–199.DOI: 10.12000/JR16048.

Reference format: Liu Xia, Han Yanfei, Li Hai, et al..Polarization characteristics simulation of airborne weather radar rainfall target based on numerical weather prediction[J].Journal of Radars, 2016, 5(2): 190–199.DOI: 10.12000/JR16048.

1　引言

隨著民用航空技術的不斷發展，機載氣象雷達技術的應用極大地提高了氣象預報的實時性和準確性，為民航飛機的安全運行提供了可靠的保障。一般認為，雷達反射率越高的區域越危險。實際上，只有會造成飛機結冰和存在湍流的高反射率區域才是危險的[1]。目前的機載氣象雷達仍然是單極化體制，尚不具備降水類型區分功能，飛行員只能采取繞行的方式避開雷達指示的高反射率區域。2012年美國國家公務航空協會(NBAA, National Business Aviation Association)召開的年會上，Collins航電市場部主管Craig Peterson指出氣象雷達新功能可借助多極化工作模式、電子掃描天線和新的信號處理算法等實現[2]。機載氣象雷達的主要生產廠商柯林斯公司(Collins)和霍尼韋爾公司(Honeywell)等也已經開始了相應技術的開發。2012年Collins申請了適用于機載氣象雷達系統的雙極化天線的專利[3]。借助多極化技術增強機載氣象雷達的目標檢測能力，實現精細的降水分類(諸如冰雹、雨、雪)與危險級別判斷[4–6]，必將是機載氣象雷達未來的發展方向，這將對保障飛行安全和進一步降低由天氣引起的航班延誤具有重要意義。

目前，氣象目標極化仿真主要通過數值天氣預報模式(Numerical Weather Prediction, NWP)輸出原始氣象數據，在該數據的基礎上構建氣象目標的微物理特性(粒子的軸向分布，粒徑分布和雨滴譜等)，最后通過電磁散射計算獲得氣象目標的雙極化信息。1965年，Waterman等人[7]提出了一種計算非球形顆粒光散射的計算方法，稱為T矩陣法，該方法采用積分方程求解一個有界，封閉面包裹的目標散射場，根據其散射體表面的邊界條件以及入射場、散射場和面場關系得到T矩陣的解。T矩陣法是目前計算橢球形粒子電磁散射特性的常用方法。1996年，Yee提出了有限差分時域法[8](Finite Difference Time Domain method, FDTD)，該方法廣泛地應用于求解包括冰晶粒子、雪晶等目標的電磁散射特性。除上述方法，電磁散射計算的方法還包括：分離變量法(Separation of Variables Method, SVM)，點匹配法(Point Matching Method, PMM)，離散偶極子近似法(Discrete Dipole Approximation, DDA)和矩量法(Method of Moments, MoM)等[9]，但隨著算法的精確度越來越高，也帶來了運算耗時過長的問題，而考慮到氣象場景計算本身含有大量的粒子，采用T矩陣法進行氣象領域的研究工作是目前較為常用的方法。

2011年，Li等人[10]采用先進的區域預報系統(The Advanced Regional Prediction System, ARPS)仿真得到氣象目標的微物理特性，利用T矩陣法模擬了1977年5月20日的超級單體風暴極化信息；同年，Lupidi等人[11]通過天氣預報模式(Weather Research Forecast, WRF)對2010年3月8日一次嚴重的冬季風暴的極化特性進行了仿真，該仿真結果適用于地基天氣雷達；Clotilde Augros[12]于2013年采用中尺度非靜力模式(The Non-Hydrostatic Mesoscale Atmospheric Model, Meso-NH)對2012年9月24日的“弓狀回波”進行地基氣象雷達極化仿真，并通過真實地基極化雷達回波數據對仿真參數進行校正；Lischi等人[13]在2014年通過WRF輸出的氣象數據實現了混合氣象目標在地基氣象雷達系統的極化參數仿真。

綜上，為開展雙極化多普勒天氣雷達的理論研究和設計應用，提供帶有極化信息的氣象目標仿真顯得尤為重要。目前，機載雙極化氣象雷達的理論研究正處于發展階段，為了給機載雙極化氣象雷達的技術研究提供數據來源，本文提出了一種基于數值天氣預報模式的機載氣象雷達降雨目標極化特性仿真方法。該方法利用數值天氣預報模式可獲得溫度、粒子濃度、混合比等降雨目標的氣象參數，從而實現氣象場景的建模與仿真。在分析降雨目標微物理特性的基礎上，利用T矩陣法計算降雨目標的電磁散射矩陣，從而實現降雨目標的極化特性仿真。不同微物理特性參數下的仿真結果表明：該方法可實現降雨目標的氣象建模，與實測數據對比分析，該方法的雙極化仿真結果有效、可靠。

2　數值天氣預報模式

數值天氣預報模式是一門綜合性應用科學，其也可簡稱為數值預報模式。常用的數值預報模式的業務產品包括WRF、ARPS、Meso-NH、第5代中尺度數值模式(Mesoscale Model version 5, MM5)和區域大氣模式系統(Region Atmosphere Model System, RAMS)等。其中，WRF模式是由美國環境預測中心(National Centers for Environmental Prediction, NCEP)和美國國家大氣研究中心(National Center for Atmospheric Research, NCAR)等科研機構和相關大學共同參與、研發的新一代中尺度數值天氣預報系統。該模式著重考慮1～10 km的水平網格，結合先進的數值方法和資料同化技術，是從云尺度到天氣尺度等不同尺度的重要天氣特征預報精度工具。WRF模式采用改進的物理方案，同時具有多重嵌套和方便定位不同地理位置的能力。本文利用WRF模式實現降雨目標的場景建模。

WRF模式分為供研究使用的ARW(The Advanced Research WRF)模式和供業務使用的NMM(The Non-hydrostatic Mesoscale Model)模式。WRF模式主要由3部分組成：模式預處理、主模式和模式產品后處理。本文選用ARW3.6版本，該模式不僅可以用于真實天氣的個案模擬，也可以用于理想天氣環境的個例研究。WRF模式的物理過程包含了大氣的水平渦動擴散、垂直渦動擴散，積云對流參數化方案、云物理方案，太陽短波輻射和大氣長波輻射方案等，其水平分辨率、垂直層次、積分區域及各種物理過程等均可根據需求進行調整。WRF模式的基本配置方案，如表1所示。

表1　WRF模式的基本配置方案Tab.1　The basic configuration of WRF model

3　基于微物理特性的極化特性仿真

雨滴的尺度大小、形狀分布、軸比特性、空間取向和譜分布等微物理特性是揭示降雨物理本質的重要特征參量，其與雷達回波的相互關系是氣象雷達定量估計降雨強度的基礎。本文在分析降雨目標微物理特性的基礎上，利用T矩陣法計算降雨目標的電磁散射矩陣，從而實現降雨目標的極化特性仿真。機載雙極化氣象雷達探測降雨目標的原理示意圖，如圖1所示。

3.1微物理特性分析

降雨目標的微物理特性主要由目標的軸比特性，軸向分布和粒子濃度分布決定。軸比特性主要描述單個氣象微粒的體積與其形態的關系，軸向分布用于描述大量氣象微粒在下落過程中的主軸方向分布，而粒子濃度分布則用于描述氣象場景中大量宏觀粒子不同體積的數量分布情況。

圖1　機載雙極化氣象雷達探測降雨目標的原理示意圖Fig.1　The schematic diagram of rainfall detection with airborne dual polarization weather radar

(1)軸比特性

雨滴在下落過程中并非為常見的橢球體形態。在下落過程中，雨滴受到空氣阻力及自身表面張力的影響，會產生一定程度的扭曲，只有直徑很小的雨滴會成為球體形態。隨著雨滴體積的增大，其形態逐漸從球體變化到近似扁橢球體的形態。本文用等體積球體直徑來表示雨滴的等效體積。為了便于計算，一般情況下，把雨滴的不規則形狀等效為橢球體，用橢球體的長軸和短軸對其形態進行描述。1999年，Andsager等人[14]通過觀測中到大雨滴在下落中的振動情況來擬合軸比函數；2001年，Zhang等人[15]在對極化雷達的變量估計中開始考慮雨滴軸向對電磁散射的影響，在計算中加入了軸比函數進行仿真計算；同年，Keenan等人[16]研究軸比函數，雨滴譜分布對5 cm極化雷達的影響；2002年，Brandes等人[17]則考慮軸比函數對極化雷達的變量估計的影響；2007年，美國科羅拉多州立大學的Thurai M等人[18]通過實際觀測采用了分段擬合雨滴的軸比函數來表示雨滴的形態與等體積球直徑的關系。上述軸比函數的分布情況，如圖2所示。

圖2表示不同的軸比函數分布情況，除了Keenan的軸比函數在大雨滴的估計值偏高以外，其它軸比函數分布均比較接近。本文采用Thurai M等人提出的軸比函數，其采用分段函數擬合的形式，對不同體積的雨滴采用不同方式擬合，提高了雨滴軸比的精確性。其表達式如下：

圖2　軸比函數分布示意圖Fig.2　The axis ratio function distribution

式中，D表示等體積球體直徑，b/a表示扁橢球體的短軸與長軸之比。通過對實際雨滴的觀察，通過軸比函數將雨滴的體積與其形態關系一一對應，更利于為后續的極化雷達提供雨滴形態的研究數據。

(2)軸向分布

雨滴數據獲取主要通過2維視頻雨滴計量儀(2D Video Distrometer, 2DVD)的觀測獲得，在完全穩定的空氣條件下，雨滴下落的主軸傾角基本不發生改變。在實際情況中，雨滴下落的主軸方向會受到空氣擾動的影響。統計數據表明，雨滴在下落過程中其主軸傾角服從高斯分布，表達式如下：

(3)雨滴譜函數

一般的降雨過程中包含很多不同直徑大小的雨滴，為了描述降雨中雨滴數量和雨滴大小的統計特性，常用雨滴譜函數描述其分布的統計特性。常見的雨滴譜函數有M-P分布和 Gamma 分布等。MP分布是Gamma分布的特殊形式，采用Gamma分布擬合雨滴譜，能靈活地描述不同場景下的雨滴分布的特征[10]，其表達式如下：

式中，D表示等體積球體直徑；μ表示形狀因子，該參數決定雨滴譜的分布形狀；N0表示截距參數，其表達式如下：

式中，Γ表示gamma函數；Nt表示粒子數，Λ表示斜率參量，其表達式如下：

式中，ρa表示空氣密度，單位為kg·m–3; ρw表示降雨密度，單位為kg·m–3。q表示水汽混合比，單位為g/kg。上式中ρa, q和Nt均由WRF輸出數據獲得。

由于不同地區，不同時間的降雨過程具有不同的雨滴譜分布，故通過調整Gamma分布中的截距參數N0，斜率參量Λ和形狀因子μ來擬合不同地區的降雨特點，是目前作為氣象目標研究的主要方法之一。其中，截距參數N0和斜率參量Λ由WRF輸出的氣象參數計算獲得，形狀因子μ一般根據降雨過程的不同選取不同的經驗值，因此需要對不同的形狀因子μ進行討論分析。

3.2降雨目標的極化特性仿真

本文首先通過WRF預處理系統(The WRF Pre-processing System, WPS)對WRF初始數據進行仿真場景的選取和區域嵌套設置，預處理后的數據經由天氣預報模式WRF進行氣象場景建模與仿真。利用WRF產生的氣象目標數據構建降雨目標的微物理特性，通過T矩陣法計算降雨目標的電磁散射矩陣，從而實現降雨目標的極化特性仿真。本文方法的仿真流程圖，如圖3所示。

圖3　本文方法的仿真流程圖Fig.3　The simulation flow chart of the proposed method

極化特性參數是目前通過雷達參數對氣象目標反演研究的主要參數，其中包括了水平反射率因子Zh，垂直反射率因子Zv，差分反射率因子Zdr和差分傳播相移率Kdp等。其中，差分傳播相移率則用于比較接收水平和垂直電磁波上的相位關系[20]。

(1)雷達反射率因子

雷達反射率因子是用于描述氣象目標降雨強度大小的一個重要參數，該參數用于表征降雨目標反射電磁波的能力。一般情況下，降雨強度越強，雷達接收目標的回波功率越強，反射率因子也越大。不同極化方向下的反射率因子Zij可以表示為：

利用水平反射率因子和垂直反射率因子可計算得到差分反射率因子，其數值大小主要受粒子形態和介電常數兩種因素共同決定。當氣象目標均為降雨粒子時，由于介電常數相同，差分反射率因子與粒子軸比一一對應。隨著雨滴體積的增大，雨滴逐漸由圓球體扭曲為扁橢球形態。因此差分反射率因子不僅可以用于表征粒子形態，還可以用來表征粒子的體積，其表達式為：

式中，Zhh為水平反射率因子，Zvv為垂直反射率因子。Zdr的取值隨著雨滴扁平程度的加劇而增加，扁平程度與雨滴大小有關，所以可由Zdr判斷雨滴的形態和雨滴的大小。當觀測的氣象目標為體積較小的球形雨滴時，Zdr的數值接近于0，另一方面，在實際觀測中，由冰雹和霰的翻滾作用而造成了Zhh和Zvv的平均值接近，也會使Zdr的數值趨近于0。因此差分反射率因子Zdr可以作為區別冰雹和霰存在的輔助工具。

(2)差分傳播相移率

由于降雨粒子并非正規球體，前向散射會因入射方向的不同產生不同的散射特性，所以在極化方向上會產生不同的相位差，且該相位差會隨著電磁波在降雨區域傳播的距離增加而變化。一般情況下，在降雨較強的區域，相位差積累較大，在降雨強度較小的區域，積累較小[21]。由于雷達是通過目標反射到雷達的電磁波來偵測相位差，因此雷達探測到的總相位差稱為差分傳播相移φdp，則定義差分傳播相移率Kdp(或稱為比差分相位)為φdp隨距離r的變化率，即：

式中，r表示雷達距離氣象目標的距離。在瑞麗散射的近似條件下，差分傳播相移率可以表示為[21]：

式中，K0表示自由空間傳播常數，Shh和Svv表示散射矩陣中的元素。

4　仿真結果對比分析

在UTC時間2015年6月16日至21日期間，熱帶風暴“比爾”經過美國德克薩斯州東部和俄克拉荷馬州最后抵達大西洋。該熱帶風暴具有典型的熱帶氣旋特征，并伴有大面積降雨，是降雨目標仿真較為合適的研究對象。約在UTC時間2015年6月17日15:00左右，熱帶風暴“比爾”正處于美國地基氣象雷達(編號KWFS，緯度32°34′19.20″北，經度97°18′7.20″西)附近。為模擬本次的熱帶風暴降雨特性，選取仿真時間范圍為UTC時間2015年6月17日0:00至23:59, WRF初始數據選取每日4次的1°×1°全球再分析資料(Final Operational Global Analysis, FNL)，該數據由美國國家環境預測中心(NCEP)和國家大氣研究中心(NCAR)提供。

4.1基于WRF模式的降雨目標建模及仿真結果

仿真中心區域經緯度為32.78°N, –96.80°E, 物理方案采用Milbrandt 2-mom，該方案可以產生極化仿真需要的水汽混合比和粒子數濃度等參數。采用地面加密觀測資料對當天發生于美國的熱帶風暴“比爾”進行仿真，并采用2層嵌套網格進行建模。設置母網格分辨率為15000 m×15000 m，子網格分辨率為5000 m×5000 m，垂直方向上按氣壓分為27層。WRF嵌套結構示意圖，如圖4所示。

圖4中綠色實線表示母網格仿真區域，紅色虛線表示子網格仿真區域，線條右側標注表示仿真區域的緯度?；赪RF模式的降雨目標建模通過初始數據得到母網格的粗精度數據，在該數據的基礎上利用子網格進行模擬仿真。為了保證數據的輸出精度，采用子網格的輸出數據作為研究對象。基于WRF模式的降雨目標建模結果，如圖5所示。

圖4　WRF嵌套結構示意圖Fig.4　The schematic diagram of WRF nested structure

圖5表示基于WRF模式的降雨目標建模結果。圖5(a)表示水汽混合比，圖5(b)表示粒子濃度。如圖5(a)所示，WRF輸出的水汽混合比，用于描述仿真場景中空氣的含水量，單位為g/kg。從圖中可以看出，在該時刻熱帶風暴在中心處產生渦旋，在渦旋中心及左側區域含水量較大，最高時含水量達到了1.71 g/kg。如圖5(b)所示，該圖表示降雨粒子濃度分布，在渦旋附近，降雨粒子濃度較大。對比圖5(a)和圖5(b)相同區域，區域1實線部分處于熱帶風暴核心區附近，水汽混合比數值較高而粒子濃度也相對較高，符合熱帶風暴中心區域分布特征；區域2虛線部分處于熱帶風暴漩渦邊緣，水汽混合比相對中心區域有較為明顯的降低，但粒子濃度并沒有減小。通過對比圖5(a)和圖5(b)可以初步判斷WRF仿真熱帶風暴基本符合熱帶氣旋特性，可用于極化特性計算與分析。

圖5　基于WRF模式的降雨目標建模結果Fig.5　The modeling results of precipitation target based on WRF model

4.2不同軸向分布對極化參數計算的影響

一般情況下，軸向分布符合高斯型分布。為了分析軸向分布對極化參數計算的影響，選取WRF仿真中風暴核心區域附近網格位置為(32, 118, 12)的數據，設定形狀因子μ為0，信號波長λ為3.33 cm(X波段)，分別選取高斯分布的標準差為1, 5, 10, 15和20進行極化參數計算，不同標準差下極化參數的仿真結果，如表2所示。

4.3不同形狀因子下的極化特性仿真結果

根據霍尼韋爾公司RDR-4B型機載氣象雷達在氣象方式下的工作參數，選取脈沖重復頻率為380 Hz，波束寬度為3°，掃描角度±45°。為考慮形狀因子μ對降雨目標雨滴譜的分布影響，本文選取不同的形狀因子μ來描述降雨目標的雨滴譜函數，并計算其對應的極化參數。不同形狀因子下的水平反射率因子，差分反射率因子和差分傳播相移率的仿真結果，如圖6–圖8所示。與美國國家氣候數據中心(National Climatic Data Center, NCDC)的實測雷達數據的對比分析表明，本文方法的雙極化仿真結果有效、可靠。

計算不同形狀因子下的水平反射率因子Zh，差分反射率因子Zdr和差分傳播相移率Kdp，其數值變化范圍如表3所示。

表2　不同標準差下的極化參數仿真結果Tab.2　The results of polarization parameters under different standard deviation

表3　仿真極化參數輸出范圍Tab.3　Polarization simulation parameters range

圖6(a)–圖6(c)分別表示形狀因子μ=0, 1, 2時，水平反射率因子的分布情況，圖6(d)表示地基氣象雷達探測到的水平反射率因子的分布情況。同理，圖7(a)–圖7(c)分別表示形狀因子μ=0, 1, 2時，差分反射率因子的分布情況，圖7(d)表示地基氣象雷達探測到的差分反射率因子的分布情況。圖8(a)–圖8(c)分別表示形狀因子μ=0, 1, 2時，差分傳播相移率的分布情況，圖8(d)表示地基氣象雷達探測到的差分傳播相移率的分布情況。

圖6　不同形狀因子下的水平反射率因子對比結果Fig.6　The results of horizontal reflectivity factor in different shape factors

如圖6(a)–圖6(c)所示，飛機正前方450～500 km左右(白色方框標注區域)為熱帶風暴的核心區域。對比不同的形狀因子的仿真結果可知，當μ=0時，水平反射率因子回波能量最高，μ=1次之，μ=2最低。對比表3中不同形狀因子下Zh的取值范圍，可以看出，隨著μ的增大，降雨的回波強度逐漸減小。從同一區域地基雷達的實際數據可以看出，熱帶風暴在圖中標注區域的反射率因子最大值約為40 dB，說明當形狀因子μ=0時，仿真結果與真實情況較為接近。

同理，對比圖7中不同形狀因子下的差分反射率因子仿真結果可知，在熱帶風暴的核心區域(白色方框標注區域)，差分反射率因子較大，說明這里存在有尺寸較大的扁橢圓形態雨滴，周圍則以小橢球雨滴為主。從表3中的統計數據可以看出，差分反射率因子在μ=0時其值達到了1，這說明該區域雨滴粒徑較大，雨滴扭曲較為嚴重。隨著μ值的增大，差分反射率因子的值逐漸減小。當μ=2時，差分反射率因子最大值僅為0.51。對比真實地基氣象雷達輸出的差分反射率因子可以看出，當形狀因子μ=0時，仿真結果比較接近真實情況。

不同形狀因子下差分傳播相移率的對比結果，如圖8所示。在差分傳播相移率較高的區域表明該地區降雨較強，隨著μ值的增大，差分傳播相移率隨之減小。對比真實地基氣象雷達數據的輸出數據可知，當形狀因子μ=0時，仿真結果與真實情況較為接近。雖然相對于實測數據，仿真結果的取值偏小，但其整體分布情況仍符合熱帶風暴的形態規律。

圖7　不同形狀因子下的差分反射率因子對比結果Fig.7　The results of differential reflectivity factor in different shape factors

5　結論

帶有極化信息的氣象目標仿真是雙極化多普勒天氣雷達的理論研究和設計應用的基礎。目前，機載雙極化氣象雷達的理論研究正處于發展階段，為了給機載雙極化氣象雷達的技術研究提供數據來源，本文提出了一種基于數值天氣預報模式的機載氣象雷達降雨目標極化特性仿真方法。以全球再分析資料的實測數據作為氣象目標建模的初始數據，通過WRF數值預報模式模擬了一次熱帶風暴的發生過程。改變雨滴譜的形狀因子來調整降雨目標的微物理特性，并利用T矩陣法計算氣象目標的電磁特性，從而實現降雨目標的極化特性仿真。不同微物理特性參數下的仿真結果表明：該方法可實現降雨目標的氣象建模，與實測數據對比分析，該方法的雙極化仿真結果有效、可靠。

圖8　不同形狀因子下的差分傳播相移率對比結果Fig.8　The results of differential propagation phase in different shape factors

[1]Lupidi A, Moscardini C, Garzelli A, et al..Polarimetry applied to avionic weather radar: improvement on meteorological phenomena detection and classification[C].2011 Tyrrhenian International Workshop on Digital Communications-Enhanced Surveillance of Aircraft and Vehicles (TIWDC/ESAV), Capri, 2011: 73–77.

[2]Craig Peterson.Weather radar: the Next 10 Years[OL].http://www.ral.ucar.edu/general/fpaw2012/Presentations/ Peterson.pdf, 2012.

[3]Woodell D L, West J B, Elsallal W A, et al..Weather radar system and method using dual polarization antenna[P].US, 008098189B1, 2012.

[4]Bunch B P and Christianson P.System and method to identify regions of airspace having ice crystals using an onboard weather radar system[P].US, 20130234884A1, 2013.

[5]Khatwa R and Mathan S.Enhanced alerting of characteristic weather hazards[P].US, 008395541B2, 2013.

[6]Ratan K and Dave P.Methods and systems for presenting weather hazard information on an in-trial procedures display[P].EP, 2354805A1, 2011.

[7]Waterman P C.Matrix formulation of electromagnetic scattering[J].Proceedings of the IEEE, 1965, 53(8): 805–812.

[8]Yee K S.Numerical solution of initial boundary value problems involving Maxwell’s equations in isotropic media[J].IEEE Transactions on Antennas and Propagaction, 1966, 14(3): 302–307.

[9]許麗生, 陳洪濱, 丁繼烈, 等.非球形粒子光散射計算研究的進展綜述[J].地球科學進展, 2014, 29(8): 903–912.Xu Li-sheng, Chen Hong-bin, Ding Ji-lie, et al..Summary of non-spherical particles in progress calculation of light scattering[J].Advances in Earth Science, 2014, 29(8): 903–912.

[10]Li Z Z, Zhang Y, Zhang G, et al..A microphysics-based simulator for advanced airborne weather radar development[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(4): 1356–1373.

[11]Lupidi A, Moscardini C, Berizzi F, et al..Simulation of X-band polarimetric weather radar returns based on the Weather Research and Forecast Model[C].2011 IEEE Radar Conference (RADAR), Kansas, 2011: 734–739.

[12]Augros C, Caumont O, Ducrocq V, et al..Development and validation of a full polarimetric radar simulator[C].36 th Conference on Radar Meteorology, Breckenridge, 2013: 387.

[13]Lischi S, Lupidi A, Martorella M, et al..Advanced polarimetric Doppler weather radar simulator[C].IEEE 2014 15th International Radar Symposium (IRS), Gdansk, 2014: 1–6.

[14]Andsager K, Beard K V, and Laird N F.Laboratory measurements of axis ratios for large raindrops[J].Journal of the Atmospheric Sciences, 1999, 56(15): 2673–2683.

[15]Zhang G, Vivekanandan J, and Brandes E.A method for estimating rain rate and drop size distribution from polarimetric radar measurements[J].IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(4): 830–841.

[16]Keenan T D, Carey L D, Zrnic D S, et al..Sensitivity of 5-cm wavelength polarimetric radar variables to raindrop axial ratio and drop size distribution[J].Journal of Applied Meteorology, 2001, 40(3): 526–545.

[17]Brandes E A, Zhang G, and Vivekanandan J.Experiments in rainfall estimation with a polarimetric radar in a subtropical environment[J].Journal of Applied Meteorology, 2002, 41(6): 674–685.

[18]Thurai M, Huang G J, Bringi V N, et al..Drop shapes, model comparisons, and calculations of polarimetric radar parameters in rain[J].Journal of Atmospheric and Oceanic Technology, 2007, 24(6): 1019–1032.

[19]Leinonen J.High-level interface to T-matrix scattering calculations: architecture, capabilities and limitations[J].Optics Eexpress, 2014, 22(2): 1655–1660.

[20]Bringi V N and Chandrasekar V.Polarimetric Doppler Weather Radar: Principles and Applications[M].Cambridge University Press, 2001: 161–210.

[21]Jameson A R and Mueller E A.Estimation of propagationdifferential phase shift from sequential orthogonal linear polarization radar measurements[J].Journal of Atmospheric and Oceanic Technology, 1985, 2(2): 133–137.

劉夏(1989–)，男，陜西西安人，中國民航大學電子信息與自動化學院碩士研究生，主要研究方向為機載氣象雷達回波信號仿真。

E-mail: qwe14789cn@gmail.com

韓雁飛(1987–)，女，新疆烏魯木齊人，中國民航大學電子信息與自動化學院講師，碩士，主要研究方向為機載氣象雷達信號處理、低空風切變檢測。

E-mail: yfhan@cauc.edu.cn

李海(1976–)，男，天津人，中國民航大學電子信息與自動化學院副教授，碩士生導師，主要研究方向為干涉合成孔徑雷達信號處理、空時自適應信號處理。

E-mail: lihai1976@sina.com

盧曉光(1983–)，男，山西忻州人，中國民航大學電子信息與自動化學院講師，博士，主要研究方向為機載氣象雷達信號處理。

E-mail: xglu@cauc.edu.cn

吳仁彪(1966–)，男，湖北省武漢市人，中國民航大學教授，博士生導師，IEEE高級會員，民航特聘專家，主要研究方向為自適應信號處理、高分辨率雷達成像與自動目標識別、民航無線電干擾檢測與自適應抑制、民航遙感信息處理與應用。

E-mail: rbwu@cauc.edu.cn

Polarization Characteristics Simulation of Airborne Weather Radar Rainfall Target Based on Numerical Weather Prediction

Liu XiaHan YanfeiLi HaiLu XiaoguangWu Renbiao
(Tianjin Key Laboratory for Advanced Signal Processing, Civil Aviation University of China, Tianjin 300300, China)

Meteorological target simulation using polarization information is the foundation of the theoretical research and design application of dual-polarization Doppler weather radar.Currently, the theoretical research of airborne dual-polarization weather radar is in the development stage.To provide high-fidelity simulation data required for airborne dual-polarization weather radar detection technology, in this study, a simulation method of the polarization characteristics of rainfall determined using airborne weather radar based on numerical weather prediction is proposed.The numerical weather prediction model is used to realize the modeling and simulation of meteorological scenarios and provide information on meteorological parameters such as temperature, particle concentration, and mixing ratio of rainfall.In the analysis of the microphysical properties of rainfall, the electromagnetic scattering matrix is calculated and the simulation of the polarization characteristics of rainfall is achieved.The simulation results for different microphysical property parameters have led to the establishment of a high-fidelity rainfall model and demonstrated (via comparison with the real radar data)that the simulation of polarization characteristics using the proposed method is effective and reliable.

Airborne weather radar; Polarization characteristics; Microphysical characteristics; Rainfall target modeling; Numerical Weather Prediction (NWP)

TN959.4

A

2095-283X(2016)02-0190-10

10.12000/JR16048

2016-03-01；改回日期：2016-04-12；網絡出版：2016-04-25

韓雁飛yfhan@cauc.edu.cn

國家自然科學基金(61471365, 61231017, U1533110)，中央高?；究蒲袠I務費資助項目(3122015B002)

Foundation Items: The National Natural Science Foundation of China (61471365, 61231017, U1533110), Fundamental Research Funds for the Central Universities (3122015B002)