天氣雷達定量估測降水研究進展

谷軍霞 師春香 潘旸

（國家氣象信息中心，北京 100081）

0　引言

在高時空分辨率降水產品研制中，天氣雷達探測資料以其特有的優勢變得舉足輕重。自上世紀末起，隨著計算機技術、存儲技術、通信設施及數字化天氣雷達技術的發展，使得利用計算機處理海量天氣雷達探測資料成為可能，美國[1-2]、法國[3-4]、德國、澳大利亞等國家先后研制并發展了多種雷達定量估測降水（Quantitative Precipitation Estimation，QPE）業務產品。目前，雷達QPE業務產品的空間分辨率可達到數百米至1 km，時間分辨率達到分鐘—小時。近期，美國等發達國家還開展了雷達QPE產品重處理項目，研制時間上均一的長序列、高質量、高時空分辨率的降水產品。

我國于20世紀初開始雷達QPE產品研發，研制出全國或區域組網的多種雷達QPE產品[5-8]。自2013年底起，中國氣象局氣象探測中心的“天氣雷達基數據拼圖系統” 可實時生成全國組網的、1 km/h分辨率的雷達QPE產品。

本文分別介紹了業務應用的國內外雷達QPE研制技術及產品進展，分析比較了國內外產品的不同。在此基礎上，概述了我國雷達QPE產品重處理的研究計劃。

1　國外雷達QPE業務產品研究進展

1.1　發展概況

表1列出了國外主要雷達QPE業務產品及相應關鍵研制技術。從雷達QPE業務產品的時空屬性來看，其分辨率已達到1 km、分鐘級，空間覆蓋一般為局地組網，序列長度最長的為美國StageII產品，已達20多年。從雷達QPE技術發展來看，反射率垂直廓線（Vertical Pro file of Re flectivity，VPR）訂正、降水類型分類、雙偏振量質量控制（Dual-Polarization Radar Quality Control，dpQC）、雙偏振量降水估計、雨量計偏差訂正等新方法已在業務產品研制應用。

近年來，國際上多個國家進行了多普勒天氣雷達的雙偏振技術升級。如，2013年4月，美國氣象局（NWS）完成了122部雷達站的雙偏振升級，2014年，美國聯邦航空管理局（FAA）和美國國防部（DOD）的37部雷達也完成了雙偏振升級。德國、法國等歐洲國家也正在進行雙偏振雷達升級工作。利用雙偏振量，可以提高對粒子類型的識別能力，從而提高區別非天氣目標與雨、雪、冰雹等天氣現象能力[9]，并提高雷達定量降水估測的精度。目前，利用雙偏振數據的進行質量控制及降水率估測成為一個重要的發展方向。

表1　國外主要雷達QPE業務產品及研制技術列表Table 1 Comparison of QPE products and methods among abroad countries

1.2　美國MRMS系統的雷達QPE產品

Q3產品是美國最新業務化的MRMS系統研制的雷達QPE產品，下文以此為代表，詳細介紹國際上雷達QPE業務產品研制的先進技術。

MRMS系統由NSSL研制，并于2014年在NWS業務化運行[2,24]。MRMS系統中雷達QPE產品制作的輸入數據包括：約180部雷達基數據、RAP模式數據、約10000站HADS地面雨量計數據、PRISM[28]氣候背景場數據等；輸出降水產品包括：基于雷達QPE（Q3RAD）產品、基于雨量計QPE（Q3Gauge）產品、雨量計偏差訂正后雷達QPE（Q3GC）產品、雨量計和降水氣候場融合山區降水（Q3MM）產品等4類。其關鍵技術包括：無縫混合掃描反射率生成、降水類型分類、降水率估測、地面雨量計訂正技術等。

1）無縫混合掃描反射率生成技術

混合掃描反射率（Hybrid Scan Reflectivity，HSR）指最低有效仰角（未被嚴重遮擋最低仰角）的反射率，是雷達定量估測降水的基礎[10]。MRMS系統無縫混合掃描反射率（Seamless HSR，SHSR）是根據地形對雷達波束的阻擋選擇最低有效仰角而生成的，并進行了無縫處理，以解決高空間分辨率下的波束縫隙問題，同時進行了雷達反射率因子質量控制去除非氣象回波，并利用波速阻擋補償、垂直廓線訂正方法提高回波的均一性，詳見表2。

2）降水類型分類技術

MRMS系統中，利用來自模式的環境變量（地表溫度、濕球溫度、結冰層的高度）、強天氣產品（-10℃的反射率、VIL、冰雹最大期望尺寸）、無縫混合掃描反射率、AVPR、暖雨概率等多源數據，基于決策樹方法將降水分為7類。分類技術流程見圖1，其關鍵算法包括熱帶氣旋檢測[23]、暖雨概率計算[16]等。輸出的降水類型場每2 min更新一次。

3）降水率估測技術及Q3RAD產品

天氣雷達間接測量降水率，需由Z-R經驗公式將反射率因子（Z）反演為降水率（R）。不同類型降水粒子相態、大小不同，對雷達波散射能力不同，所以應采用不同Z-R關系式。MRMS系統中根據降水類型場，采用相應Z-R關系計算瞬時降水率[2]，降水率場每2 min更新一次。表3為MRMS系統除熱帶氣旋類降水外其他降水類型的Z-R計算公式。熱帶氣旋類降水的Z-R關系式與暖雨概率值[16]、空間位置、季節等因素相關。

表2　MRMS的SHSR算法步驟表Table 2 Algorithm of SHSR in MRMS

圖1　MRMS的地表降水分類技術流程圖[2]Fig. 1 Precipitation classification analysis in MRMS[2]

表3　MRMS系統的Z-R關系式（除熱帶氣旋類降水）Table 3 The Z-R equations in MEMS (except tropical rain)

Q3RAD為小時累積降水量場產品，由前60 min得到的降水率場積分而得，每2 min更新一次。在Q3RAD產品中，去除了小于0.01 in的降水，以降低小降水的空報率。

4）雙偏振量的降水估測

目前，雖然MRMS業務系統中的降水率估測還未使用雙偏振量，但利用差分反射率因子比差分相位比衰減因子A[37-38]等雙偏振量進行降水率估測的算法已進行了多年的研究。R－ZDR關系在某些區域呈現出降水估測的優勢[2]，但R－ZDR關系對雷達標定的偏差比較敏感；KDP和R對雷達標定偏差及由于波速阻擋造成的偏差不敏感，但對于不同降水類型的估測性能不穩定[2]。因此，MRMS系統計劃在業務系統中集成多種雙偏振雷達QPE算法（表4）。

5）局地雨量計訂正技術及Q3GC產品

由于Z-R經驗公式的準確性、雷達掃描與地面降水的差別等問題，使得雷達QPE產品與地面觀測降水之間存在偏差，一般使用地面雨量計進行訂正。MRMS系統利用質控后HADS雨量計小時降水量訂正Q3RAD產品[22]。首先，將CONUS分成多個子區域，在每個子區域，利用IDW（Inverse Distance Weighting）方法[39]進行雨量計訂正，參數通過交叉檢驗方法選擇。之后，將各子區域訂正后的雷達QPE合并，得到局部偏差訂正的Q3GC（Local Gauge Bias Corrected Radar QPE）產品。Q3GC產品每小時更新一次，時效滯后約1.5 h。

6）山區降水產品生成技術及Q3MM產品

山區的地形遮擋影響了雷達QPE產品質量。為解決這一問題，MRMS提出Mountain Mapper方法[21]。利用質控后的站點雨量計小時降水量和氣候降水背景月值數據生成西部山區QPE產品，稱為Q3MM（Mountain Mapper QPE）產品。

7）雨量計插值降水產品生成技術及Q3Gauge產品

小時雨量計插值降水產品（Q3Gauge）使用質控后的HADS雨量站數據，利用IDW插值方法而生成。

8）產品初步評估

以雨—冰雹—雪社區協作網（CoCoRaHS，http://www.cocorahs.org/）[40]的雨量計日降水量作為參考真值，Chen等[41]評估比較了四種雷達QPE產品的質量（表5），評估時間段為2014年全年，空間范圍為CONUS。Stage Ⅱ和Stage Ⅳ為美國天氣局早期業務化的雷達定量估測降水產品，輸入數據源包括雷達、雨量計、衛星和人工（質控），產品的空間分辨率為4 km。此外，Stage Ⅳ產品由各區域進行了人工質控，其數據源可能包括CoCoRaHS，所以評估結果可能不獨立。

表4　主要雙偏振雷達降水估測算法比較Table 4 Polarimetric radar QPE methods

表5　四種雷達QPE產品的輸入數據源及時空分辨率比較[41]Table 5 Input data and temporal-spatial resolutions for four radar QPE products

這四種雷達QPE產品的平均絕對誤差時間序列曲線見圖2，由此圖可見：

圖2　美國雷達QPE產品的平均絕對誤差時間序列圖[2]Fig. 2 Variation of the mean-absolute-errors of four QPE products in USA [2]

表6　美國兩代雷達QPE產品算法比較Table 6 Two generations of radar QPE methods in USA

② 冷季，Q3GC的日降水量產品質量與Stage IV產品相近；暖季，Q3GC的日降水量產品的平均絕對誤差要高于Stage IV。

另外，與CoCoRaHS相比，MRMS系統雷達QPE產品在夏季表現為高估。一方面可能是對流降水誤判為熱帶氣旋；另一方面可能是在風速較高時，地面雨量計對降水測量不準確。

2　國內雷達QPE業務產品研展

2.1　發展概述

20世紀90年代中期，中國氣象局正式將全相干多普勒天氣雷達作為新一代天氣雷達列入氣象業務探測系統的發展規劃，計劃布設S 波段和C 波段多普勒天氣雷達，構建國家新一代天氣雷達站網。截至2016年底已經完成了全國233部新一代天氣雷達建設。

2005年，隨著中國氣象局寬帶網（CMAnet）的建設開通，新一代天氣雷達站的基數據和產品數據開始由雷達站傳輸至國家氣象信息中心并存檔。之后，國內開展了天氣雷達組網產品研發工作，研制出多種雷達定量估測降水產品。如氣象探測中心“天氣雷達基數據拼圖系統”的全國組網MQPE產品、災害天氣短時臨近預報系統（Severe Weather Automatically Nowcast System，SWAN）的區域組網QPE產品、部分省局研制的區域組網QPE產品（表7）。

表7　國內主要雷達QPE業務產品列表Table 7 Domestic operational QPE products and methods

國內雷達QPE業務產品研制方面普遍采用Z-R關系估測降水率，并由地面降水進行偏差訂正。產品空間分辨率達到1 km、時間分辨率達到1 h，區域組網的產品時間分辨率可達到分鐘級。但產品序列長度普遍較短，且輸入數據源比較單一。

香港天文臺2005年業務試運行“激流”系統（Rainstorm Analysis And Prediction Integrated DataProcessing System， RAPIDS）[42-44]利用高頻雨量計資料動態校正Z-I關系來估測雷達降水，并實現了雷達外推臨近預報和數值預報的定量降水預報融合，利用相位訂正技術修正模式預報雨帶的位置，并根據實況觀測的雨量調整模式的降水強度，提高了0～6 h的定量降水預報效果。北京城市氣象研究所引起了RAPIDS系統框架，并進一步發展了對數值模式定量降水預報所進行的強度和相位修正[45]。

在雷達QPE技術研究方面，波束阻擋[46-47]、融化層及反射率垂直廓線訂正[48]、降水類型分類Z-R關系[49-51]、利用雙偏振量估測降水[52-54]等技術方法已取得一系列研究成果。另外，針對國內天氣雷達的特殊問題，如C波段雨區衰減[55]、青藏高原復雜地形[56]、雷達標定不均一[57]也開展了相應的研究。隨著我國雙偏振雷達升級，以及這些先進方法魯棒性、穩定性的不斷提高和向業務轉換，將有助于進一步提高國內雷達QPE業務產品的精度。

尹愛群握著妻子的手機，看了又看，希望能找出希望，哪怕一點點。妻子的手機里保存了關于丈夫尹愛群的四個方面的內容：1.尹愛群和揚揚赤身裸體在車內嘿咻的場面。2.尹愛群和揚揚的Q Q聊天記錄，里面互稱老公老婆。3.尹愛群為楊楊所購樓房的相關票據。4.保險柜內塞滿現金的圖片。

2.2　天氣雷達基數據拼圖系統的雷達 QPE產品

中國氣象局氣象探測中心研發的“天氣雷達基數據拼圖系統”輸入數據為雷達基數據和雨量計數據，輸出OHP（單部雷達的一小時降水）、 MQPE（全國組網定量估測降水）等單站或組網產品。系統整體數據流程為：雷達基數據和地面雨量數據推送到數據服務器，雨量計數據導入數據庫供降水校正使用；之后，雷達基數據通過網絡下載到各服務器進行單站產品生成；最后，單站產品生成后上傳到組網服務器進行拼圖，生成拼圖產品。

該系統降水產品生成的關鍵技術包括：反射率因子質量控制、混合掃描反射率生成、降水率估測、雨量計校準等（圖3）。反射率質控算法主要來自ROSE項目，主要質控處理包括：超折射回波消除（地物）、電磁徑向干擾消除、海浪回波消除、晴空回波消除、孤立點回波消除、故障異?；夭ㄏ▓A餅、扇面）?；旌蠏呙璺瓷渎蕜t是取最低4個仰角層按距離組合得到，未采用地形阻擋信息[58]。每部雷達實時統計四個季節Z-R關系，由Z-R關系將反射率轉換為降水率。同時，用各時次地面雨量數據進行集成校正，采用的校正算法包括：平均值法、卡爾曼濾波和最優化插值法。組網MQPE產品由時段內1 h降水累加得到，目前提供1 h、3 h、6 h、12 h和24 h的降水估測。

圖3　天氣雷達基數據拼圖系統中雷達降水產品生成流程示意圖Fig. 3 Sketch map of radar QPE in China

2.3　SWAN系統的雷達QPE產品

中國氣象局2008年組織國家氣象中心、廣東、湖北、安徽等地聯合研制SWAN 系統，建立了全國通用的短時臨近預報業務平臺[6]，可生成質量控制后的三維雷達組網產品、定量降水估測產品等。

SWAN系統中雷達定量估測降水關鍵技術包括：雷達體掃資料的質量控制技術[59]、基于地形的混合掃描填充技術[60]、雷達和雨量計實時同步積分結合降水估計技術[61]。

雷達體掃資料質量控制技術主要包括數據預處理、孤立噪聲回波過濾、超折射回波抑制。數據預處理將原始雷達資料轉換為統一數據結構。孤立噪聲回波過濾包括雙向搜索、回波特征量過濾法。超折射回波抑制采用了模糊邏輯方法。

混合掃描反射率生成采用了基于地形方法。首先，利用高分辨地形數據、雷達位置信息、雷達波束高斯分布模式和標準大氣情況下波束傳播路徑，計算雷達波束阻擋率；之后，根據波束阻擋率閾值得到不受地形阻擋的最小掃描仰角在同一平面上的投影，即混合掃描仰角；然后，根據混合掃描仰角，利用標準大氣情況下的雷達測高公式計算等射束高度，把來自雷達網中各雷達的等射束高度進行拼接得到等射束高度拼圖，其中在雷達重疊覆蓋區，取最小的等射束高度；最后，利用新一代天氣雷達網三維拼圖反射率因子數據以及等射束高度拼圖數據，得到混合掃描反射率因子。

降水率估測采用實時擬合Z-R經驗公式方法[62]，即Smith等[61]提出的雷達和雨量計實時同步積分結合的RASIM方法（Radar-Gauge Synchronous Integration Method）。這種方法的特點是在一定區域內各站點的雨量計測量降水總量和雷達估算降水的總量相等。

3　國內外雷達QPE業務產品比較分析

由上述調研可見，我國和美國雷達QPE產品研制技術及產品都有所不同，比較結果見表8。從質量控制方法來看，美國Q3產品采用雙偏振變量進行非降水回波去除，可基本消除天氣雷達的超折射回波、飛機/昆蟲/船只/鳥回波、海浪回波、噪聲回波、電磁干擾回波等。我國天氣雷達未實現雙偏振技術升級，無法利用雙偏振量在質量控制、相態識別及定量估測降水方面的優勢，與美國等發達國家相比存在一定差距。從混合掃描生成技術來看，美國Q3產品中采用基于地形和無縫處理結合方法，并進行融化層檢測和垂直廓線訂正。我國SWAN系統中采用基于地形方法，而天氣雷達基數據拼圖系統則采用較傳統的基于距離方法。從降水率的估測方法來看，這幾種雷達QPE產品都采用了Z-R關系方法。美國StageII及我國QPE產品都是每部雷達設置一個Z-R關系。美國Q3產品則采用了不同方法，即根據降水類型自動選擇Z-R關系。雖然降水類型分布具有局域性的特點，美國的降水類型和我國不同，但降水粒子對雷達波散射的原理是相同的，美國Q3中降水分類的思想對于我國QPE產品研制還是具有借鑒意義的。從輸入數據源來看，我國雷達QPE業務產品研制的輸入數據源較單一，未引入模式數據、氣候數據等。從產品的時空屬性來看，美國Q3產品實現了2 min更新，我國雷達QPE產品時間分辨率為1 h。

表8　國內外業務雷達QPE研制技術及產品比較Table 8 Comparison of radar QPE products and methods in China with that abroad

從整體來看，我國業務應用的雷達QPE算法與美國NCEP的StageII算法較為接近，與國際先進方法相比，在質量控制、融化層處理、降水類型分類、多源資料融合等方向需進一步改進。而一些研究中雷達QPE先進技術，如：融化層及反射率垂直廓線訂正、降水類型分類Z-R關系、雙偏振量降水估測、C波段雨區衰減、青藏高原復雜地形、雷達標定不均一也急需等的研究業務轉化。隨著我國雙偏振雷達升級，以及這些先進方法魯棒性、穩定性的不斷提高和向業務轉換，將有助于進一步提高國內雷達QPE業務產品的精度。

4　我國雷達QPE產品重處理研究計劃

除了實時雷達QPE業務產品之外，美國還啟動了雷達定量估測降水重處理項目（NEXRAD reanalysis），以期為中小尺度氣候分析和氣候檢測研究提供一套長序列、高時空分辨率、高精度的降水產品。該項目使用美國新一代QPE技術（Q2/Q3技術），重處理1996年至今約300 TB雷達基數據。與雷達QPE實時產品生成系統相比，雷達降水重處理系統可利用長期數據進行質量控制，同時可以使用更多數據源進行融合，提高產品質量。在美國雷達重處理預研項目中，就利用長序列數據進行平均場偏差訂正，降低不同雷達間不一致性問題，并利用局地偏差訂正技術解決由于波束遮擋、異常傳播、零度層亮帶等引起的局部偏差問題，最后利用自適應優化參數的融合技術將地面降水與雷達估測降水進行融合[63]。

目前，我國還沒有時間上均一的長序列、全國組網的雷達QPE歷史產品。研制長序列、高時空分辨率、全國組網的雷達QPE產品對于我國中小尺度的氣候分析以及高時空分辨率數值天氣預報偏差訂正及檢驗評估是非常必要的，也是國家氣象科技創新工程“氣象資料質量控制及多源數據融合與再分析”攻關任務的一項重要研發任務。

我國雷達QPE產品重處理研究內容主要包括：收集整理長序列的天氣雷達基數據，對各種格式的基數據[64]進行統一數據結構處理；基于國內現有的單部雷達QPE生成技術，利用長序列的雷達數據、地面觀測數據和衛星資料，重點解決單部雷達定量估測降水局部偏差問題；最終研制我國長序列高精度的雷達定量估測降水歷史產品數據集（2008年起，1 km/h分辨率），生成技術接近美國StageII業務產品。

5　結語

鑒于國際研發先進經驗，在高時空分辨率降水產品研制中，雷達探測資料極為重要。本文主要從業務應用的雷達QPE研制技術和產品兩方面，對近年國內外有關進展進行了歸納和綜述。從雷達QPE業務產品的研制技術發展來看，雨量計偏差訂正、融化層檢測與反射率垂直廓線訂正、降水類型分類、雙偏振量質量控制、雙偏振量降水估計等新方法已業務應用。從雷達QPE業務產品發展來看，產品空間分辨率已達到1 km甚至數百米，時間分辨率達到分鐘級。從國內外的雷達QPE對比來看，我國雷達QPE產品研制方法與美國StageII算法較為接近，與美國最新業務化Q3產品研制方法相比還有較大不同。研發時間上均一的長序列、高時空分辨率雷達QPE重處理產品也是雷達QPE產品發展的一個趨勢。綜合考慮國內現有系統基礎和國際先進算法等因素，預期了我國QPE產品重處理的研制方法。

[1]Lin Y, Mitchell K E. The NCEP Stage II/IV hourly precipitation analyses: development and applications. 19th Conference on Hydrology, American Meteorological Society, 2005.

[2]Zhang J, Howard K, Langston C, et al. Multi-Radar Multi-Sensor(MRMS) quantitative precipitation estimation: Initial operating capabilities. Bulletin of the American Meteorological Society, 2016,97(4): 621–638.

[3]Tabary P. The new French operational radar rainfall product. Part I:Methodology. Weather and Forecasting, 2007,22: 393-408.

[4]Figueras i Ventura J, Tabary P. The new French operational polarimetric radar rainfall rate product. Journal of Applied Meteorology and Climatology, 2013, 52(8): 1817-1835.

[5]劉曉陽, 楊洪平, 李建通, 等. 新一代天氣雷達定量降水估測集成系統. 氣象, 2010, 36(4): 90-95.

[6]Feng YR. Introduction to SWAN system and its application. 26th Conference on Interactive Information and Processing Systems(IIPS) for Meteorology, Oceanography, and Hydrology, 2010.

[7]黃勇, 胡雯, 何永健, 等. 多部雷達聯合估算淮河流域降水. 氣象科學, 2010, 30(2): 268-273.

[8]王葉紅. 定量降水估計(QPE)和短期定量降水預報(QPF). 中國科技成果, 2014(16): 76-78.

[9]張鵬銳. 美國下一代多普勒天氣雷達網雙極化技術升級情況簡介. 氣象科技合作動態, 2014(2): 30-32.

[10]Fulton R, Breidenbach J, Seo D J, et al. The WSR-88D rainfall algorithm. Weather and Forecasting, 1997, 13: 377–395.

[11]Kitzmiller D, Miller D, Fulton R, et al. Radar and multisensor precipitation estimation techniques in national weather service hydrologic operations. Journal of Hydrologic Engineering, 2013,18(2): 133–142.

[12]Kondragunta C, Kitzmiller D, Seo D J, et al. Objective integration of satellite, rain gauge, and radar precipitation estimates in the multisensor precipitation estimator algorithm. 19th Hydrology Conf, American Meteorological Society, 2005.

[13]Seo D J, Breidenbach J, Johnson E. Real-time estimation of mean field bias in radar rainfall data. Journal of Hydrology, 1999,223(3–4): 131–147.

[14]Seo D J. Real-time estimation of rainfall fields using rain gauge data under fractional coverage conditions. Journal of Hydrology,1998, 208(1–2): 25–36.

[15] Doviak R J, Zrni? D S. Doppler radar and weather observations.Courier Dover Publications, 1993.

[16]Grams H M, Jian Zhang J, Elmore K L. Automated identi fication of enhanced rainfall rates using the near-storm environment for radar precipitation estimates. Journal of Hydrometeorology, 2014,15(3): 1238–1254.

[17]Lakshmanan V, Christopher C, Krause J, et al. Quality control of weather radar data using polarimetric variables. Journal of Atmospheric and Oceanic Technology, 2014, 31: 1234–1249.

[18]Qi Y C, Zhang J, Zhang P F. A real-time automated convective and stratiform precipitation segregation algorithm in native radar coordinates. Quarterly Journal of the Royal Meteorological Society,2013: 2233-2240.

[19]Tang L, Zhang J, Langston C, et al. A physically based precipitation–nonprecipitation radar echo classifier using polarimetric and environmental data in a real-time national system.Weather and Forecasting, 2014, 29(5): 1106-1119.

[20]Tang L, Zhang J, Qi Y, et al. Non-standard blockage mitigation for national radar QPE products. The 36th Conf on Radar Meteorology, American Meteorological Society, 2013.

[21]Schaake J, Henkel A, Cong S. Application of PRISM climatologies for hydrologic modeling and forecasting in the western U.S.Preprints. 18th Conf on Hydrology, American Meteorological Society, 2004.

[22]Ware E C. Corrections to radar-estimated precipitation using observed rain gauge data. M.S. thesis, Cornell University, 2005.

[23]Xu X, Howard K, Zhang J. An automated radar technique for the identification of tropical precipitation. Journal of Hydrometeorology, 2008, 9: 885–902.

[24]Zhang J, Howard K, Langston C, et al. National Mosaic and Multi-Sensor QPE (NMQ) system: Description, results, and future plans. Bulletin of the American Meteorological Society, 2011, 92:1321–1338.

[25]Zhang J, Qi Y. A real-time algorithm for the correction of bright band effects in radar-derived QPE. Journal of Hydrometeorology,2010, 11: 1157–1171.

[26]Zhang J, Qi Y C, Kingsmill D, et al. Radar-based quantitative precipitation estimation for the cool season in complex terrain:Case studies from the NOAA hydrometeorology testbed. Journal of Hydrometeorology, 2012, 13(6): 1836-1854.

[27]Zhang J, Qi Y, Langston C, et al. Radar Quality Index (RQI) – a combined measure for beam blockage and VPR effects in a national network. Weather Radar and Hydrology, 2012, 351: 388-393.

[28]Daly C, Neilson R P, Phillips D L. A statistical-topographic model for mapping climatological precipitation for mountainous terrain.Journal of Applied Meteorology, 1994, 33: 140-158.

[29]O'Bannon. Using a 'terrain-based' hybrid scan to improve WSR-88D precipitation estimates. 28th Conf on Radar Meteorology,American Meteorological Society, 1997.

[30]Steven V. Vasiloff. AWIPS local application for visualizing WSR-88D PPS hybrid scan bin heights. Interactive Symposium on AWIPS, 2002.

[31]Giangrande S E, Ryzhkov A V. Estimation of rainfall based on the results of polarimetric echo classi fication. J Appl Meteor Climatol,2008, 47: 2445–2462.

[32]Bringi V N, Chandrasekar V. Polarimetric Doppler weather radar:Principles and applications. Cambridge University Press, 2001.

[33]Ryzhkov A V, Schuur T J, Burgess B W,et al. The Joint Polarization Experiment polarimetric rainfall measurements and hydrometeor classi fication. Bull Amer Meteor Soc, 2005, 86: 809–824.

[34]Matrosov S Y. Evaluating polarimetric X-band radar rainfall estimators during HMT. J Atmos Oceanic Technol, 2009, 27: 122–134.

[35]Wang Y, Chandrasekar V. Quantitative precipitation estimation in the CASA X-band dual-polarization radar network. J Atmos Oceanic Technol, 2010, 27: 1665–1676.

[36]Lim S, Cifelli R, Chandrasekar V, et al. Precipitation classi fication and quanti fication using X-band dual-polarization weather radar:Application in the Hydrometeorology Testbed. J Atmos Oceanic Technol, 2013, 30: 2108 – 2120.

[37]Ryzhkov Z, Diederich M, Zhang P, et al. Potential utilization of specific attenuation for rainfall estimation, mitigation of partial beam blockage, and radar networking. Journal of Atmospheric and Oceanic Technology, 2014, 31: 599-619.

[38]Wang Y, Zhang P, Ryzhkov A, et al. Utilization of specific attenuation for tropical rainfall estimation in complex terrain. J Hydrometeor, 2013, 15, 2250–2266.

[39]Simanton J R, Osborn H B. Reciprocaldistance estimate of point rainfall. Journal of the Hydraulics Division, 1980, 106: 1242–1246.

[40]Cifelli R, Doesken N, Kennedy P, et al. The community collaborative rain, hail, and snow network: Informal education for scientists and citizens. Bulletin of the American Meteorological Society, 2005, 86: 1069–1077.

[41]Chen S, Gourley J J, Hong Y, et al. Evaluation and uncertainty estimation of NOAA/NSSL next generation national mosaic QPE (Q2) over the Continental United States. Journal of Hydrometeorology, 2013, 14 (4): 1308–1322.

[42]LI P W, Lai E S T. Short-range quantitative precipitation forecasting in Hong Kong. Journal of Hydrology, 2004, 288:189-209.

[43]Li P W, Wong W K, Lai E S T. RAPIDS—A new rainstorm nowcasting system in Hong Kong. WMO/WWRP International Symposium on Nowcasting and Very-short-range Forecasting, 5-9 September 2005 Toulouse, France.

[44]LI P W, Wong W K, Cheung P, et al. An overview of nowcasting development, applications, and services in the Hong Kong observatory. J Meteor Res, 2014, 28(5): 859-876.

[45]程叢蘭, 陳明軒, 王建捷, 等. 基于雷達外推臨近預報和中尺度數值預報融合技術的短時定量降水預報試驗.氣象學報, 2013,71(3): 397-415.

[46]楊瀧, 劉黎平, 王紅艷. 利用反射率因子垂直廓線填補雷達波束遮擋區的方法研究. 氣象科技, 2015 , 43(5): 788-793.

[47]勾亞彬, 汪章維, 劉黎平, 等．雷達波束部分遮擋識別應用及效果評估. 高原氣象, 2017, 36(1): 229-240．

[48]戚友存. 通過VPR訂正技術提高雷達定量降水估計能力. 南京信息工程大學博士學位論文, 2011.

[49]勾亞彬, 劉黎平, 王丹, 等．基于云團的分組Z-R關系擬合方案及效果評估. 暴雨災害, 2015, 34(1): 1-8．

[50]楊杰, 劉黎平, 趙城城, 等. 雷達估測對流性降水的誤差空間分布及Z-R關系的優化. 高原氣象, 2015, 34(6): 1785-1796.

[51]勾亞彬, 劉黎平, 楊杰, 等. 基于雷達組網拼圖的定量降水估測算法業務應用及效果評估. 氣象學報, 2014, 72(4): 731-748

[52]唐順仙, 呂達仁, 何建新, 等. 天氣雷達技術研究進展及其在我國天氣探測中的應用. 遙感技術與應用, 2017, 32(1): 1-13.

[53]劉黎平, 錢永甫, 王致君．雙線偏振雷達測雨效果的對比分析．大氣科學, 1996, 20(5): 613-619.

[54]劉黎平, 葛潤生, 張沛源．雙線偏振多普勒天氣雷達遙測降水強度和液態含水量的方法和精度研究．大氣科學, 2002, 26(5):709-719.

[55]劉黎平, 徐寶祥．雙線偏振雷達雨區衰減訂正問題的模擬計算與討論．高原氣象, 1992, 11(3): 235-240.

[56]莊薇, 劉黎平, 王改利, 等．青藏高原復雜地形區雷達估測降水方法研究. 高原氣象, 2013, 32(5): 1224-1235.

[57]朱藝青. CINRAD/SA天氣雷達與TRMM PR探測數據的一致性對比研究. 南京信息工程大學碩士學位論文.2016.

[58]王紅艷, 劉黎平. 新一代天氣雷達降水估算的區域覆蓋能力評估. 高原氣象, 2015, 34(6): 1772-1784.

[59]吳濤, 萬玉發, 沃偉鋒, 等. SWAN系統中雷達反射率因子質量控制算法及其應用. 氣象科技，2013, 41(5): 809-817.

[60]肖艷姣, 劉黎平, 楊洪平. 基于天氣雷達網三維拼圖的混合反射率因子生成技術. 氣象學報, 2008, 66(3): 470-473.

[61]Smith P L, Joss J. Use of a fixed exponent in “adjustable”Z-R relationships. Preprints, 28th Conf. on Radar Meteorology,American Meteorological Society, 1997.

[62]王玨, 冷亮, 吳濤. SWAN系統中QPE產品的應用評估. 氣象科技, 2015, 43(3): 380-386.

[63]Nelson B R, Seo D J, Kim D. Multisensor precipitation reanalysis.Journal of Hydrometeorology, 2010, 11: 666-682.

[64]楚志剛, 銀燕, 顧松山. 新一代天氣雷達基數據文件格式自動識別方法研究. 計算機與現代化, 2013(7): 180-184.