雷達拼圖射線狀雜波抑制算法及其應用

福建省氣象信息中心 袁 偉 高 攀 鄭玉蘭

雷達拼圖射線狀雜波抑制算法及其應用

福建省氣象信息中心 袁 偉 高 攀 鄭玉蘭

從雷達產品拼圖中出現的射線狀雜波出發，研究其產生的機理與特征，并在大量統計分析的基礎上，建立相應的射線狀雜波篩選、去偽存真和逐點抑制的檢驗模型，同時對模型中用到的檢驗參數進行了分析與論證。該文設計的射線狀雜波篩選游程算法，可以有效定位雷達產品數據中的射線狀雜波，應用強相關性檢驗算法和T-值檢驗算法進一步得到更加可靠的射線狀雜波數據，最后設計格點平移窗口對射線狀雜波數據進行逐點抑制。三個步驟的抑制算法過程實施后，能夠改善雷達拼圖效果，在射線狀雜波對天氣過程判斷造成的干擾有一定的抑制作用。

雷達拼圖 射線狀雜波 檢驗模型 游程算法 強相關性檢驗

多普勒天氣雷達在短臨、臺風、暴雨等天氣過程預報中起的作用已越來越重要。其觀測產品數據、小時累計降水產品、基本反射率、組合反射率、回波頂高、基本速度等十幾個直接產品和幾十種衍生產品已應用到不同場合下天氣預報預測中[1]。與此同時，在雷達觀測數據的質量控制研究方面，國內外也做了大量的技術研究與應用[2-5]，并取得了非常有價值的成效，由于雷達產品因種類繁多、應用廣泛，仍存在部分沒有質控或質控算法未普及到的地方，給實際預報預警判斷上會帶來一定的困擾。

雷達基本反射率、組合反射率產品是雷達最基本的產品，常以一定區域范圍內多部雷達進行拼圖的形式展示出來，在降水動態監測預警中直觀、形象，對預報員而言，有很強的既視感，如圖1所示。

圖1 基本反射率多部雷達拼圖實況

雷達拼圖產品在實際應用中，時有一些射線狀的雜波出現，對預報員準確判讀產生了一定干擾影響，同時也存在回波圖像遮擋等問題。本文將對雷達拼圖中出現的射線狀雜波進行研究，并提出相應的抑制方案和實現過程，試圖最大可能的還原真實回波圖像。

1 雷達拼圖中射線狀雜波抑制概述

分析雷達拼圖產品中出現射線狀雷達回波的數據，可以發現它有幾個特點：（1） 常常以一根或多根孤立的線段存在，而周邊沒有回波。（2）線段出現在掃描線的末端居多。（3）線段上的回波強度一般不強，且大部分在中間值左右。（4）同一掃描線上，除該線段外，沒有更長的其他線段。

當多部雷達進行產品拼圖時，單站的射線狀雜波可能會遮蓋周邊雷達探測的有效數據，造成不必要的誤判，而且這類射線本身沒有實際上的天氣現象含義，但其往往與真實的降水回波疊加在一起，容易造成人工識別上的困擾。因此抑制這類非天氣過程引起的射線狀雜波，有一定的研究價值和意義。

根據上述特點，本文將追溯到拼圖產品來源的單站雷達產品，展開相應的技術分析，試圖建立一個較為客觀的射線刻畫模型，遵循用模型算法定位射線，然后加以抑制，從而達成拼圖產品中剔除射線的研究目標。

2 射線狀雜波抑制算法

由于雷達拼圖的數據來自雷達單站產品，通過研究單站雷達產品的特征，采用射線狀雜波篩選、偽射線狀雜波剔除、相鄰射線狀雜波抑制、基準射線狀雜波抑制等措施，最終實現去偽存真、有效抑制射線狀雜波的算法。

下面的研究將以單站雷達基本反射率19號產品為例進行分析論證,其回波強度量化后從0～15分為16個等級，值越大表示回波越強，這里我們稱之為能量值。

2.1 射線狀雜波篩選

單站雷達產品數據上射線狀雜波的特征，主要體現在：孤立的一條射線，射線上回波較強，周邊回波非常弱（量化后一般為零），射線長短不一，粗細不均等。根據這些特點，設計回波游程統計，相對集中的能量判決算法，初步過濾出射線狀雜波。

針對單站雷達產品，每條掃描線上，統計游程：

其中N為掃描距離數；ri為掃描線上第i個掃描距離的回波值；n0、n1分別為掃描線上回波值為0和非0時的連續統計計數；Y[n0]、Y[n1]分別為統計連續回波為0和非0出現的距離數長度計數。p為連續能量計數器，MP =8為能量中值，P為連續非0距離數的回波能量累加和。

記游程Y[n0]最大值所對應的距離長度為Md0。記游程Y[n1]最大值所對應的距離長度為Md1，此時相應的能量為P[Md1]。記游程Y[n1]第二大值所對應的距離長度為d1。

則滿足如下條件的掃描線可定為疑似射線狀雜波：

(1)Md1/N >0.5，有回波的最大距離長度超過總長度的一半以上。

(2)P[Md1] < 1，能量值控制在一般回波強度范圍內，即要求不出現特別強的回波。

或

(1)（Md0+ Md1）/N > 0.8，有回波值和無回波值的距離長度之和占據大部分掃描線。

(2)P[Md1] < 1能量值控制在一般回波強度范圍內，即要求不出現特別強的回波。

(3)d1/ Md1 < 0.5，有回波的第二長度的距離數不超過有回波的最大距離長度一半。

上述判決條件是基于2017年2月份中15000個文件（總計5788562條掃描線）的數據統計分析情況而定。設定幾個中值進行比較，統計結果見表1～表3。

表1 有回波的最大距離長度與總長度占比分析

表2 有回波值和無回波值的距離長度之和與總長度占比分析

表3 有回波值的第二距離數與第一距離數比率分析

統計表中的偏好系數為：估算射線數（樣本比率乘以疑似文件數）與疑似射線的比值，其值越大表明篩選效果越好。綜合表1～3結果分析，在篩選射線狀雜波時，為盡可能的選入存在射線狀雜波的數據（偏好系數相差不大的情況下，選稍小比率或占比），可選取如下門限參數：①有回波的最大距離長度與總長度占比=0.5；②有回波值和無回波值的距離長度之和與總長度占比=0.8；③有回波值的第二距離數與第一距離數比率=0.5。

2.2 偽射線狀雜波剔除

經過射線狀雜波篩選預處理后，大部分射線狀雜波文件能夠選入，但仍然存在部分偽射像雜波，需要進一步進行剔除過濾，盡管會錯過不少真實射線狀雜波的選入，但可以確保極大概率剩下真實的射線狀雜波。

根據單站產品數據文件分析，射線狀雜波的周邊能量值一般不超過1。設計基于當前射線狀雜波掃描線為基準，統計與周邊掃描線的相關性,如強相關性、T-值分布等[6]，進行進一步濾除。

以當前射線狀雜波所在掃描線為基準(稱為：基準線)，按掃描方位角前后設定相關統計窗口(窗口內的掃描線稱為：窗口線)，窗口數記為W。

（1）強相關性統計。

用來做兩條掃描線的相關性檢測。強相關系數越大，表明兩者之間的相似性越強。

計算基準線與窗口線的強相關系數：

其中xi為基準線上的射線狀雜波段的數據，m為該雜波段數據的長度（即點數），為該段數據的均值。yki為第k個窗口線上的對應基準線掃描距的數據，為相應的均值。

這樣得到W個強相關系數Sk。

（2）T-值檢測。

用來做兩條掃描線的顯著性差異檢測，T-值越大，表明兩者之間的關系越小。

這樣得到W個T-值系數kT。

根據上述統計分析得到的兩種檢測標準，我們用于檢測基準線是否為符合一定檢測水平的射線狀雜波，另一方面可以識別窗口線是否可以歸類到射線狀雜波。

檢驗水平門限值的選定統計如圖2、圖3所示。圖2中，橫軸為強相關系數門限范圍[0-1]，按0.1刻度放大10倍，縱軸為符合檢測標準的射線數，總共統計6757條疑似射線數，實際射線數7條。可見s0取值越大，檢測門檻就越低，當s0=1時，有970條通過檢測。s0取值越小，檢測門檻越高，當s0=0時，疑似射線全部排除。

圖2 S-檢驗水平門限值統計圖

圖3中，橫軸為T-值門限范圍[0-10]，按0.5刻度放大2倍，縱軸為符合檢測標準的射線數，總共統計6757條疑似射線數，實際射線數7條。可見t0取值越大，檢測門檻就越高，t0≥4，疑似射線全部排除；t0取值越小，檢測門檻越低，當t0=0時，有2326條通過檢測。

圖3 T-檢驗水平門限值統計圖

綜合實際射線數，以及上述兩種檢測門限的趨勢，取s0=0.2，t0=3.0，可以大概率剔除偽射線狀雜波。

同理統計分析后，我們取s1=0.6，t0=7.0，可以顯著判定相鄰的窗口線是否屬于射線狀雜波。

2.3 雜波抑制的逐點判決方法

對于一個單站雷達產品文件，通過上文所提供的算法計算后，可以大概率找到射線狀雜波回波掃描線。如前所述，我們可以定位出射線狀雜波的位置和長度，為盡量避免可能有用的回波數據，采用逐點判決。

假設xi（i=1,m）為基準線上的雜波點能量值，以xi為中心點，設定一個7×7的網格窗口，如果窗口內的（除中心點）點yijk的平均值低于中心點到一定閾值時，則將該中心點能量值置為0。移動窗口遍歷基準線上的m個雜波點，從而實現雜波的抑制：

Pi越小，表明剔除中心點的可能性越大。

實驗表明，一般取0.5作為Pi的判別閾值。當Pi<0.5時，中心點可剔除（能量值置為0），否則我們保留該點數據。

3 實際應用效果

上述算法應用到實際雷達拼圖處理中，有效地對射線狀雜波進行了抑制，在減少了一些射線狀回波對短臨預報的干擾方面有一定作用（圖4，圖5）。此外，該方法還能抑制2016年9月出現的一次“餅圖”現象（圖6）。

圖4 射線狀回波抑制前后對比實況1

圖5 射線狀回波抑制前后對比實況2

圖6 一次抑制“餅圖”現象的前后對比

4 結論

射線狀雜波的抑制想法主要來源于工作中發現諸類現象不少，且或多或少在短臨預報、氣象服務等方面存在一定的影響，目前也確實沒有完全能夠抑制的方法，基于盡量發現，準確抑制的想法，經過大量數據分析及實驗驗證，試圖尋找一些技術方法來達成該目標。

目前設計的抑制算法能有效識別并剔除射線狀雜波。但算法在實際應用過程中，還存在一些難以定位的射線狀雜波，現有的做法是不對其進行抑制處理。此外對這些射線雜波，經過分析，如果一些檢驗標準放寬些，可以很容易尋找到，但同時也會帶來負面影響，導致一些非射線狀的雜波被誤判，因此算法還有很大的改進空間，如設計更多的檢驗算法，設計更靈活、能自適應的檢驗標準，引入其他氣象觀測數據作為參照等等。

此外，本算法適用于射線狀雜波的抑制，也為對于地物回波、鳥群干擾等非天氣現象回波方面的研究提供了一種參考思路，即從數據自身出發，研究其特征與非天氣現象回波的關聯性，從而提出一些假設檢驗標準。

[1] 俞小鼎,姚秀萍, 熊廷南, 等. 多普勒天氣雷達原理與業務應用[M]. 北京：氣象出版社, 2006.

[2] 陳媛, 陳江民, 王紫陽, 等. 天氣雷達反射率基數據質量控制的幾種算法[J].天氣與減災研究, 2007,30(3): 48-51.

[3] 馬中元.CINRAD雷達數據質量控制方法初探[J]. 氣象. 2010,36(8): 134-141.

[4] Waldteufel P，Corbin H. On the analysis of single-doppler radar data[J]. Journal of Applied Meteorology, 1979, 18(4):532-542.

[5] Meng Z. Methods for improving data quality for WSR-98D weather radar[J]. Meteorological Science & Technology, 2006, 34(21): 85-89.

[6] 梁之舜,鄧集賢, 楊維權. 概率論與數理統計[M].北京: 高等教育出版社,1992.