基于標準差分析法的S波段雙偏振雷達數據質量評估

謝曉林,胡 迪,鄭 偉,彭 濤,景號然

(1.四川省氣象探測數據中心,四川 成都 610072;2.高原與盆地暴雨旱澇災害四川省重點實驗室,四川 成都 610072;3.四川省氣象臺,四川 成都 610072)

0 引言

成都CINRAD/SAD新一代天氣雷達自2022年2月1日正式投入業務運行以來,性能穩定,雷達數據在短臨預報、人工影響天氣等方面發揮了重要作用。根據中國氣象局要求,成都雷達先后完成了出廠測試、安裝后測試和業務準入測試,3次測試結果都完全滿足測試大綱的性能指標要求。

雷達調試完成后,雷達性能在短時間內的變化很小,上述3次測試都僅依靠24～48 h的考機數據來判斷雷達的正常與否,如要評估分析雷達數據質量情況,應采用長時間序列的數據來分析[1-3]。成都雷達作為四川省首批雙偏振新一代天氣雷達,研究其數據質量情況,特別是雙偏振參量(差分反射率Zdr、差分相移Φdp、差分相移率Kdp、相關系數CC等)的數據質量,是保證成都新一代天氣雷達完成雙偏振升級后充分發揮優勢和效益的重要環節[4-6]。

標準差分析法是一種有效的雷達數據質量評估方法。李思騰等[7]利用標準差分析了X波段雙偏振天氣雷達在一次降水個例過程中的偏振參量標準差分布情況,通過徑向數據與前后3個距離庫的值進行標準差計算,得到X波段天氣雷達標準差的計算方法。X波段天氣雷達距離庫多為75 m,3個距離庫為225 m,然而新一代天氣雷達距離庫長多為250～300 m,如采用該方法計算徑向數據前后3個距離庫長之間的標準差,空間尺度增大到750 m以上,當天氣過程變化較大時,實際回波的正常變化也會導致標準差變大。針對該問題,本文設計了一種適用于S波段雙偏振天氣雷達數據質量的標準差評估方法,最大限度地降低了空間尺度帶來的標準差增量。通過統計長時間序列天氣雷達的觀測數據,得到成都CINRAD/SAD新一代天氣雷達的數據質量結果,以期能對雷達數據在天氣預報、人工影響天氣中的應用和利用雷達數據開展定量估測降水、雨滴譜反演和粒子相態識別等方面的研究工作提供參考依據。

1 雷達與數據

成都雷達站建于成都市東南側的龍泉山脈上,此處地勢高于成都平原海拔,雷達能覆蓋整個成都市區,并能觀測到主要天氣過程來向方向的回波。成都市地形復雜,北屬龍門山脈,西屬邛崍山脈,與阿壩州相連,東南側有龍泉山脈,與內江市接壤,南靠樂山市,西南側與雅安市交接。龍泉山脈由東北向西南傾斜,龍門山脈和邛崍山由東北繞向西南,分別縱貫成都市的東西兩側。

本文統計分析了2022年2—10月成都CINRAD/SAD型雷達基數據的數據質量,利用適用于S波段天氣雷達的標準差分析法對所有降水數據進行定量評估,得到了成都雷達數據質量的評估結果。

2 標準差評估方法

統計天氣雷達基數據標準差,可以了解雷達數據的波動情況。在雷達參數性能一切正常的情況下,基數據標準差應該符合一定的理論分布,允許氣象回波數據存在理論標準差,正常的基數據標準差分布應該大部分小于或等于標準差理論值。所以計算雷達參量標準差的理論值是標準差分析法評估天氣雷達數據質量的第一步。

圖1 成都CINRAD/SAD新一代天氣雷達位置

得到標準差理論值后,再通過標準差算法計算雷達基數據的水平極化反射率因子Zh、差分反射率Zdr、差分相移Φdp和相關系數CC實際標準差,與理論公式得到的標準差相比較,統計4種物理量數據的標準差超差情況,以反映雷達數據質量的好壞。文章算法僅適用于天氣雷達物理量參數,暫不統計徑向速度V和速度譜寬W的數據質量問題。另外,由于偏振參量差分相移率Kdp是由Φdp直接計算得到,Kdp的數據質量可參考Φdp的評估結果。

2.1 標準差理論值計算

利用標準差統計分析法對天氣雷達的Zh、Zdr、Φdp和CC物理量數據進行定量評估,是分析雙偏振天氣雷達數據質量的有效方法。GUIFU ZHANG[8]給出了計算Zh、Zdr、Φdp和CC標準差理論值的公式,認為當雷達硬件參數正常時,氣象目標觀測參數的標準差應符合一定理論分布,可以通過雷達觀測數據的標準差分布來定量判斷雷達數據質量是否正常。Zh、Zdr、CC和Φdp的標準差理論值公式如下:

(1)

式中,SDZh、SDZdr、SDCC和SDΦdp分別表示Zh、Zdr、CC和Φdp標準差理論值,Mi表示獨立樣本數,其計算公式如下:

(2)

可見,整理得到的Zh、Zdr、CC和Φdp標準差理論值僅與σv和CC有關,其余參數在雷達觀測數據中皆為固定值。σv(單位:m·s-1)表示大氣湍流速度,PRF(單位:Hz)表示脈沖重復頻率,成都雷達1～2層仰角的PRF為322 Hz。λ(單位:cm)表示雷達波長,如成都雷達波長為10.42 cm。M(單位:個)表示雷達脈沖采樣個數,成都雷達脈沖采樣個數M為32個。

文章數據質量定量評估方法主要針對有天氣過程的數據,降水回波的CC一般在0.9～0.99之間,假定大氣湍流速度σv在0.5～10 m·s-1之間,即可得到標準差理論值的上限,計算得成都雷達0.5°仰角Zh、Zdr、CC和Φdp標準差理論值上限[9-10],詳見表1。

表1 成都SAD雷達Zh、Zdr、Φdp和CC標準差理論值

2.2 標準差實際值

原始的標準差實際值計算方法通過徑向數據與前后3個距離庫的值進行標準差計算,在計算S波段天氣雷達數據時,空間尺度達到了750 m以上,當天氣過程變化較大時,實際回波的正常變化也會導致標準差變大。針對該問題,本文根據S波段雙偏振新一代天氣雷達距離庫長的實際情況,改良了標準差的計算方法,采用計算徑向數據周圍1個距離庫范圍內的8個數據得到標準差,這樣可以最大限度地保持參與標準差計算的數據之間的相關性,減小由于實際天氣變化而帶來的標準差增量,示意見圖2。

圖2 改良的標準差計算方法示意圖

根據上述條件,得到標準差的計算公式如下:

(3)

3 標準差計算方法改良效果

文章通過對比改良前后標準差計算方法對正?；夭〝祿彤惓；夭〝祿慕y計結果,驗證改良后算法對S波段天氣雷達標準差計算的合理性。

2022年9月7日20時31分成都天氣雷達站觀測到一次降水過程,以此基數據作為正常回波數據,圖3a給出了改良前后算法計算得到的Zdr標準差對比分布圖,圖中虛線表示SDZdr標準值的位置?？梢?對于正常回波數據而言,標準差算法改良前后得到的分布結果趨勢相近,改良后算法計算的標準差稍大一些,標準差算法改良前后得到的分布結果低于SDZdr標準值的占比分別為82.84%和81.38%。

圖3 算法改良前后計算正常(a)、異常(b)回波數據的標準差對比圖

2022年5月5日08時33分成都雷達回波出現嚴重干擾,以此基數據作為異?；夭〝祿?圖3b給出了標準差算法改良前后計算得到的Zdr標準差對比分布圖。可見,改良前后得到的結果趨勢差異明顯,原算法得到的標準差分布在小值區域,低于SDZdr標準值的占比為97.24%,并未反映出數據異常情況;改良后的標準差算法得到了較大的結果,低于SDZdr標準值的占比僅為10.66%,反映出了異常回波較差的數據質量。

4 評估結果

4.1 Zh評估結果

根據本文改進后的天氣雷達標準差算法,統計分析2022年2—10月成都CINRAD/SAD新一代天氣雷達基數據的數據質量,圖4a給出了成都雷達反射率因子Zh標準差分布結果,統計樣本量超過80萬。另外,根據表1的標準差理論值結果,成都雷達的SDZh標準值為1.89 dBz,如圖4a中虛線所示?？梢?成都雷達Zh標準差低于SDZh標準值上限的比例不大,僅為43.67%,反映出Zh的數據質量較差,Zh數據存在較大波動。

圖4 成都雷達Zh(a)、Zdr(b)、Φdp(c)、CC(d)標準差分布圖

4.2 Zdr標準差評估

根據表1得到的結果,成都差分反射率因子標準差SDZdr上限為1.46,圖4b給出了成都雷達Zdr標準差的分布情況,成都雷達Zdr標準差總體都小于1.46 dB,圖中虛線表示SDZdr的位置,Zdr標準差低于SDZdr上限的比例為84.09%,可以認為Zdr數據的波動性較小。

4.3 Φdp標準差評估

根據表1得到的結果,成都雷達差分相移標準差SDΦdp上限為3.14°,圖4c給出了成都雷達Φdp標準差的分布情況,成都雷達的Φdp標準差總體都大于3.14°,圖中虛線表示SDΦdp的位置,Φdp標準差低于SDΦdp上限的比例為34.54%,Φdp數據的波動性較大。

較低的比例反映出Φdp數據的穩定性較差,因此需要定期對Φdp數據進行定量校準。利用Φdp數據參與進行雷達定量降水估測(QPE)時,Φdp數據自己的波動可能會導致估測結果的偏差變大[11]。

4.4 CC標準差評估

成都雷達相關系數CC的標準差SDCC上限為0.07,圖4d給出了成都雷達CC標準差的分布情況,CC標準差總體都小于0.07,圖中虛線表示SDCC的位置,低于SDCC上限的比例為87.10%,CC數據的波動性很小,標準差為0的占比也較高。

5 結論與討論

文章針對S波段雙偏振天氣雷達設計了一種改良的標準差分析方法,用以評估雷達數據質量。該算法在保障計算準確性的前提下,減少了算法的空間隨機性,也能反映出異常回波數據的數據質量情況,通過評估2022年2—10月成都雷達基數據Zh、Zdr、CC和Φdp的數據質量,得到了如下結果:

(1)改良的標準差計算方法在計算正常雷達數據時,能得到與原始方法相同趨勢的標準差分布結果,而在計算異常雷達數據的標準差時,能得到較大的標準差結果。

(2)成都雷達Zh存在較大波動,標準差低于SDZh標準值的比例僅43.67%。

(3)成都雷達Zdr和CC數據質量較好,標準差低于SDZdr和SDCC標準值的比例分別為84.09%和87.10%,Φdp的數據波動較大,標準差低于SDΦdp上限的比例僅34.54%。