基于風廓線雷達的預報輔助系統算法設計及實現

李昌昊 鄒德龍 陳賢軍 梁曉京

摘? 要：文章介紹了基于南寧機場風廓線雷達的預報輔助系統的二次產品模塊及相關算法，并對系統各模塊的實現方法進行簡要描述。本系統基于Javascript+html5框架，采用B/S結構模式，以網頁形式顯示水平風速的垂直切變空間分布、最大探測高度、水平風速等值線、垂直風速等值線以及水平風速風羽圖等五個模塊的產品。本系統界面簡潔友好，各類產品列表清晰直觀，告警功能可有效提高使用者工作效率。此外，本系統可為專業氣象用戶預測強對流天氣發生、發展及結束提供有力的氣象依據，具有較好的應用前景。

關鍵詞：風廓線雷達;預報輔助系統;算法設計

中圖分類號：P49? ? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）29-0031-04

Abstract： This paper introduces the secondary product module and related algorithm of the forecast assistant system based on the wind profiler radar （WPR） in Nanning Airport ， and briefly describes the realization methods of each module of the system. The system is based on JavaScript + HTML5 framework， and adopts B/S structure mode to display the products of five modules， including vertical shear spatial distribution of horizontal wind speed， maximum detection height， horizontal wind speed contour， vertical wind speed contour and horizontal wind plume map， in the form of web page. The interface of the system is simple and friendly， the list of various products is clear and intuitive， and the alarm function can effectively improve the work efficiency of users. In addition， the system can provide a strong meteorological basis for professional meteorological users to predict the occurrence， development and end of severe convective weather， and has a good application prospect.

Keywords： wind profiler radar （WPR）; forecast assistant system; algorithm design

引言

風廓線雷達誕生于20世紀80年代，其利用多普勒效應，可以連續獲得測站上空高時空分辨率的水平風廓線、垂直速度、大氣折射率結構常數等信息，對提升中小尺度災害性天氣監測能力、提高短期數值天氣預報模式質量、實現對重大災害性天氣全天候監測及提高災害性天氣預報監測預警的時效性和準確率可起到促進作用。

上世紀七十年代末期，美國海洋大氣局（NOAA）在科羅拉多建造了一臺VHF（50MHz）的多普勒雷達，1980年成功通過該雷達測量對流層風廓線。幾年后，NOAA在該地區建立了一個由五部風廓線雷達組成的小型觀測網，該網絡有效改善了中尺度短時臨近預報、短期預報等。日本的風廓線雷達研究始于1985年，現已組建風廓線雷達業務網。1987年，歐洲也組建了風廓線雷達網。從1992年開始，美國國家天氣局在其中部地區布設的風廓線雷達示范網開始運行。

從“七五”以來，我國一直積極開展風廓線雷達方面的研究及建設。直至今日，中國氣象局所屬部門已布設四十余部風廓線雷達，用于業務試點、科研及應急觀測。中國氣象局編制了《風廓線雷達布局方案（2011-2015年）》，風廓線雷達觀測網的大規模組建已經啟動。國內航空氣象人員也利用風廓線雷達數據開展了大量相關研究工作。

2017年以來，民航廣西空管分局開始裝備風廓線雷達用于探測機場跑道附近區域上空的風溫數據。由于該雷達二次產品較為匱乏，僅提供風羽圖、風向和風速廓線圖等基本產品，因此我局氣象臺預報室成立了科技項目組，使用風廓線雷達資料開發低空風切變告警模塊、最大探測高度及風場等值線等產品，共同組成預報輔助系統，以期進一步提高風廓線雷達在災害性天氣（短時強對流及其伴隨的低空風切變）臨近預報和預警方面的能力。

1 資料及模塊設計

南寧機場風廓線雷達為CLC-11-D型固定式邊界層風廓線雷達，主要技術指標為：最高探測高度≥3km，最低探測高度100m;信號形式有四種低模式和三種高模式，低模式相對應的高度分辨率分別為30m，60m，120m和240m，高模式對應的高度分辨率分別為60m，120m和240m;徑向速度分辨率≤0.2m/s，5波束指向時間分辨率≤5min;水平風速測量范圍±60m/s，垂直風速測量范圍±20m/s，風速測量精度≤1.5m/s，風向測量精度≤10°。由于本項目包含最大探測高度這一產品，因此采用高模式掃描資料，時間分辨率6分鐘。

通過深入學習相關的風廓線雷達理論及前人的研究后，項目組決定在預報輔助系統中設定水平風速的垂直切變空間分布、最大探測高度、水平風速等值線、垂直風速等值線以及水平風速風羽圖等五個模塊。

2 算法設計

針對設定的模塊，項目組研究并確定了各模塊的核心算法，以下是各類算法的簡要介紹。

2.1 垂直風切變

首先，根據垂直風切變計算公式，計算得到各高度層之間的垂直風切變值，再按照國際民航組織第五次航空會議上制定的不同風切變強度等級，將其歸類到各等級下，并對中度及以上強度的風切變設定告警提示。具體等級劃分如表1（q為風切變值，單位：s-1）：

其中qj為風廓線雷達第j層與第（j+1）層之間的垂直風切變值，V為風速，Z為高度值，風切變值為單位厚度氣層內風矢量的變化值。由于是矢量，因此計算時需考慮風向的作用，用向量差進行計算，公式如下：

其中θ為相鄰兩層間的風向差，當風向差小于10°時使用風速標量計算風切變值;當風向差大于10°，且風速大于5m/s時使用向量計算風切變值。

2.2 最大探測高度

最大探測高度是指在一定檢測概率前提下風廓線雷達的最遠觀測距離。在不同天氣條件下，大氣中水平風和垂直風的空間分布不均會對風廓線雷達的探測產生影響。當對流天氣系統過境時，大氣中水汽含量及云滴粒子尺度及濃度會產生明顯增大，相應產生的水氣壓脈動及電磁波后向散射信號也隨之增強，而大氣折射率結構常數與其呈正相關，因此將導致雷達探測高度的增加。因此，這一產品能夠為預報對流天氣起止提供重要參考。計算最大探測高度的方法為：讀取風廓線雷達風場數據，設定函數判斷風速或風向列數據值是否為缺測，若連續五個高度層資料缺測，則判定雷達達到探測上限，此時輸出缺測起始層前一層的高度值作為該時次的雷達最大探測高度。以此類推，得到最大探測高度隨時間的變化情況。

2.3 風場等值線

此處均值指半小時及一小時的風場平均值。風場包含風速、風向兩類資料，因此需分別進行均值計算，其中風速平均對風速數據進行算術平均即可，對風向數據而言，由于涉及跨360°的問題，則需采用矢量平均法，具體算法如下：

以半小時平均為例，將需要平均的風向按單位長度投影到X 軸和Y 軸方向上，再對這些風向在X軸和Y軸上的投影分別求平均值得到Xave和Yave，最后將Xave和Yave矢量求和，并考慮風速影響，得到平均風向。具體公式如下：

式中Vi 為第i個風速值，arctan函數的值域為（-90°，90°），所求的風向范圍為（0°，360°），所以需要根據所處的象限對Dave進行如下處理：

為便于觀察分析，在得到實時及風場均值產品后，以等值線填色方式顯示，具體方法如下：

使用JavaScript語言調用CONREC子程序，修改代碼以適用本場風廓線雷達風場數據，對風速時空分布格點進行輪廓繪制，描述數據表面和要繪制的輪廓級別（具體數值，水平風速和垂直風速的設置不同），計算出構成輪廓曲線的線段，然后在預設的網頁畫布上繪制這些線段，并在不同級別線段間填充顏色，達到可視化效果。

3 系統實現

3.1 系統拓撲

如圖1所示，預報輔助系統后臺程序使用FTP的方式從風廓線服務器調取數據。系統采用Web工作方式，根據客戶端HTTP請求，從預報輔助系統本地文件夾中獲取數據，實現HTTP響應將該數據返回客戶端。客戶端得到數據后，使用腳本程序生成該系統各類模塊產品，將產品可視化，并根據設定閾值進行風切變告警。

3.2 系統模塊實現方法

3.2.1 原始數據解析

風廓線雷達產品每個采樣高度記錄一條數據，原始數據格式如圖2所示。第一列：采樣高度，5個字節，單位m;第二列：水平風向，5個字節，單位°;第三列：水平風速，5個字節，單位m/s;第四列：垂直風速，6個字節，單位m/s;第五列：水平風速可信度，3個字節，單位%;第六列：垂直風速可信度，單位%;第七列：大氣折射率結構常數CN2，8個字節，單位dB。

使用腳本程序對原始數據進行解析，分列讀取各高度層數據，篩選出可信度100%的數據，將其重新寫入數組，得到“采樣高度”、“水平風向”、“水平風速”、“垂直風速”等四類數據，再根據確定的算法對新數據進行相關計算，最終得到風切變Q值分布、最大探測高度、風速等值線和風羽圖等模塊的數據源，為下一步可視化做準備。

3.2.2 產品可視化實現方法

（1）風切變Q值分布模塊

讀取“采樣高度”、“水平風向”、“水平風速”數組中的數據，根據垂直風切變計算公式計算各個高度層之間的風切變Q值，并寫入新的數組，按照確定的垂直風切變等級，將各閾值內的Q值定義為五種不同顏色。根據采樣高度、水平風速及Q值，操作CANVAS元素繪制風切變Q值散點分布圖，效果如圖3所示。其中圓圈半徑可反映水平風速大小，半徑越大則表示該高度層的水平風速越大。最后，制作插件，當出現中度及以上強度的風切變時，使用該插件進行彈窗和聲音告警。此外，本模塊還具有歷史數據查詢功能，并能夠實現一鍵查詢過去6小時各高度層的垂直風切變情況。

（2）最大探測高度模塊

讀取“采樣高度”、“水平風向”、“水平風速”、“垂直風速”數組中的數據，根據算法遍歷“水平風向”、“水平風速”、“垂直風速”三類數據，若任意一類數據出現連續五個高度層資料缺測，則輸出缺測起始層前一層的高度值并寫入新的數組，操作CANVAS元素繪制最大探測高度時間變化圖，如圖4所示。同樣，本模塊具備歷史數據查詢功能。此外，通過均值計算能夠得到半小時及一小時的最大探測高度產品。

（3）風速等值線模塊

讀取“采樣高度”、“水平風速”、“垂直風速”數組中的數據，調用CONREC子程序對數組進行換算，得到風場時空分布矩陣數組，操作SVG元素繪制水平風速、垂直風速等值線圖，如圖5所示。本模塊也可查詢歷史數據，并包含半小時及一小時產品。

（4）風羽圖模塊

讀取“采樣高度”、“水平風向”、“水平風速”數組中的數據，操作SVG元素繪制南寧機場風廓線雷達風羽圖。為便于用戶日常使用，將橫坐標時間軸標識按時間先后順序由左至右標記（原廠軟件為由右至左）。本模塊也具備查詢歷史數據查詢功能，進行風向風速的均值計算后，可顯示半小時及一小時產品。

4 結束語

（1）本系統基于Javascript+html5框架，采用B/S結構模式，使用者僅需在瀏覽器上登錄系統，就可以查看相關產品，后臺服務器采用故障轉移集群模式，可保證系統不間斷運行，可靠性較強。

（2）本系統是對南寧機場風廓線雷達產品的二次開發，其中包含水平風速的垂直切變空間分布、最大探測高度、水平風速等值線、垂直風速等值線以及風羽圖等五個模塊。系統界面簡潔友好，各類產品列表清晰直觀，有較好的視覺體驗，彈窗及音效告警可有效提高使用者工作效率，具有較好的應用前景。

（3）對于氣象專業用戶而言，垂直風切變分布、最大探測高度及垂直風速等值線等產品可為其預測強對流（雷雨大風）天氣發生、發展及結束提供有力的氣象依據。

參考文獻：

[1]馮彥華.白云機場低空風切變的時空特點及其大氣環流形勢分析[J].廣東氣象，2004（4）：5-6.

[2]黃奕銘，區志中.廣州新白云機場低空風切變的變化特征及其影響[J].廣東氣象，2006（4）：34-37.

[3]何文，沈舉鵬，賴誠，等.基于風廓線雷達的低空風切變特征及其對航空影響分析[J].江西科學，2015（4）：541-545.

[4]劉瑞婷，阮征，魏鳴，等.風的空間不均勻分布對風廓線雷達數據質量影響研究[J].熱帶氣象學報，2016，32（2）：229-236.

[5]阮征，何平，葛潤生.風廓線雷達對大氣折射率結構常數的探測研究[J].大氣科學，2008，32（1）：133-140.

[6]楊波，魏東.二次開發風廓線探測資料及其在天氣預報中的應用[J].氣象科技，2010，38（4）：413-417.

[7]王令，王國榮，古月，等.風廓線雷達垂直徑向速度應用初探[J].氣象，2014，40（3）：290-296.