風廓線雷達測風資料對比分析及問題探討*
——以翔安風廓線雷達為例

汪學淵 曾瑾瑜 汪勝寶

(1.福建省大氣探測技術保障中心,福建 福州 350007; 2.福建省氣象臺,福建 福州 350001;3.福建省武夷山市氣象局，福建 南平 353200)

風廓線雷達可以連續獲得大氣垂直分布的水平風廓線，是增強災害性天氣監測能力和提高短時數值預報模式質量的重要手段。然而，由于受探測能力限制，易受雜波干擾，受晴、雨和溫度、壓力、濕度影響顯著等因素，也導致風廓線雷達觀測數據的穩定性、準確性有待提高，要解決風廓線雷達測風數據的業務應用問題，必須對風廓線雷達觀測數據存在的問題進行研究。目前，國內不少學者開展關于風廓線雷達和L波段探空資料的對比研究，孫旭映等指出地面至高空200m范圍內，風廓線儀探測的風向、風速與氣球探測值有一定偏差，而200m以上具有很好的相關性，但在風廓線雷達的最大探測高度處偏差很大[1]。曲巧娜等利用兩種雷達的測風數據進行相關、誤差及有效樣本比率分析，總結出兩種雷達水平風速顯著正相關，當水平風相差≤20°時，有效樣本比率基本在70%以上[2]。吳蕾等對風廓線雷達在不同高度、不同時次、不同風速條件下的探測準確性進行了分析，結果表明二者測風結果有較好的一致性，u，v分量的標準差在2.3 m/s左右[3]。王棟成研究了兩種雷達長時間序列在有降雨和無降雨時段兩者的風向、風速總體一致性較好，相關性較高，并具有較好可比性和互補性的結論[4]。汪學淵等對風廓線雷達測風能力進行了評估，總結出了風廓線雷達與探空雷達之間的測風偏差，兩者具有較好的一致性[5]。前人已經做了大量的風廓線雷達和探空雷達對比分析，重點分析了兩種雷達探測風場的差異程度，評估了風廓線雷達資料的準確性和差異性，但是對兩種雷達資料處理各不相同，僅僅是簡單介紹。由于兩種雷達的探測原理不同，生成的風場資料格式不同，存在嚴重的時空差異，對于兩種風場資料的處理如何才能在時間和空間上很好的匹配，是對比過程中一個重要環節，不同處理方式往往會得到不同的對比結果，那么分析的結論會有所偏差。本文將重點分析風廓線雷達和L波段探空雷達風場資料的優化處理方法，并給出對比結果，通過對比分析總結風廓線雷達測風資料存在的問題，為風廓線雷達資料的業務應用以及質量控制提供重要參考[6]。

1 資料來源和數據處理

一般來講，風廓線雷達測風和氣球探空測風的取樣空間是不同的。風廓線雷達獲得的是固定在雷達上方所有高度層上取樣空間的平均廓線，其獲取一組廓線的時間為6 min左右，取樣空間在低/高模式的分辨率為120/240 m，探測高度一般在6～8 km；而探空的測量是在不同時間和不同地點進行的，探空氣球上升到10 km所需要的時間一般約為15min，同時也會飄離到氣球釋放點10km以外。因此，風廓線雷達和氣球探空測到風場有時間和空間上的差異。根據風廓線雷達和氣球探空的探測原理，如表1所示，期望在大氣較為均勻時，氣球探空和風廓線雷達測風能夠有較好的一致性。雖然風廓線雷達和探空在測量原理上有很大的時空差異，但是由于探空是目前高空風探測的標準，用探空與風廓線雷達作對比可以獲得風廓線雷達測風數據的特性。

表1 風廓線雷達與L波段探空雷達測風技術參數對比

福建省目前已建設18部風廓線雷達，其中2部CFL-03型邊界層風廓線雷達，16部CFL-06低對流層風廓線雷達，但是離風廓線雷達最近理想距離的探空站點為廈門探空站，與之相對應的是翔安風廓線雷達站，翔安站點在廈門探空站的東北方位，他們之間的直線距離為25km，廈門常年吹西風，氣球放出后，往往是朝著翔安站點方向漂移，因此兩部雷達在空間上是有對比條件的。探空數據采用2016年5月到2017年4月的數據，探空站一天僅探測兩次(07∶15、19∶15)，全年總共730組數據，剔除一些質量不好的數據，晴天得到607組，降雨得到93組。探空數據的提取利用L波段高空氣象探測系統數據處理軟件，提取等間隔高度(30m)上的要素值，換言之，數據處理軟件會自動計算出每隔30m的風場數據，之所以選擇30 m，首先是高度分辨率高，再者與風廓線雷達高度分辨率120/240m相匹配，4個30m剛好與120m的空間匹配，8個30m剛好與240m的空間匹配，這樣減少了兩者之間的垂直空間誤差。在時間上的匹配，兩者不可能做到完全時間上的匹配，這是兩者探測方式不同所決定的，只能折中處理，風廓線雷達的時間分辨率6min一組，最大探測高度為9000 m，探空雷達一次連續探測高度一萬米的時間大概是25min，CFL-06型風廓線雷達風場探測高度主要集中在6 km左右，有天氣過程時會到1萬m高度，氣球升到6 km的時間大概在15min左右，因此選取放球后10min左右所對應的風廓線數據前后共三組廓線數據進行平均的風場數據(假定在這20min的時間范圍內水平風場均勻一致)。

對比數據的選擇完全采用人工來挑選和剔除，對存在嚴重數據質量缺陷或者可用數據低的，予以舍棄，最后生成總數據有33671對，其中晴天數據有28996對，降雨數據有4675對。對比的方式主要有：在降雨和無降雨天氣情況各高度層風場絕對差值的均值和標準差；按誤差范圍統計風場的絕對差值分布；按風速分類的風場絕對差值的均值和標準差，以直觀的方式統計風廓線雷達與L波段探空雷達風場的差異。

2 所有測風數據的對比分析

2.1 降雨和無降雨天氣情況分類對比

之所以分為降雨和無降雨天氣進行風向、風速的對比，是由風廓線雷達自身的探測機理所決定的。在晴空天氣下，風廓線雷達探測的對象是大氣湍流，雷達接收到的回波是大氣湍流造成的折射率分布不均勻而產生的后向散射能量；在降雨的情況下，對于L波段風廓線雷達探測對象發生了變化，由于L波段電磁波對降水粒子更加敏感，因此探測的對象主要是降水粒子，而雷達接收到的回波是降水粒子的后向散射能量，所觀測到的是降水粒子隨風移動的風場。吳蕾[3]和鄧闖[7]研究表明，風廓線雷達在有無降水天氣下，其探測精度有明顯的差異，因此有必要分為降雨和無降雨天氣進行對比，以考察在不同天氣條件下雷達的探測精度。圖1(a)和圖1(c)為晴天風向、風速絕對差值的均值和標準差隨高度的分布，以藍色曲線表示，從圖中可以看出，根據誤差的分布情況，風向、風速在低空(500 m以下)和高空(8000 m以上)都存在誤差加大的情況，低空誤差大是因為風廓線雷達低空數據容易受到雜波的干擾，高空誤差大是因為雷達接收的回波信號十分微弱，存在信號識別錯誤的情況，以致誤差加大。晴空風向的誤差均值穩定在10°～20°之間，風速的誤差均值穩定在1～2m/s之間，誤差變化比較平緩。

圖1(b)和圖1(d)為降雨風向、風速絕對差值的均值和標準差隨高度的分布，以紅色曲線表示，從圖中可以看出，根據誤差的分布情況，風向、風速相對晴天誤差明顯加大，風向的誤差均值穩定在10°～30°之間，風速的誤差均值穩定在2～3m/s，誤差變化波動比較大。誤差大主要集中在低空2000m以下，其主要原因在于降雨時五波束探測空間一致性差，即降雨粒子的不均勻分布所引起的，特別是對流性降雨過程，雷達生成的風場出現大量錯誤的風場觀測值，同時也能看出高空的誤差明顯比低空的誤差小，是由于在降雨天氣下高空4000m以上存在大量分布均勻的冰晶顆粒隨風移動，雷達五波束探測空間一致性好，生成的風場更加接近實際值。圖1(e)和圖1(f)分別為風向、風速差值的均值在不同天氣下的變化情況，主要為了反映降雨和晴天風向、風速誤差的對比，從圖中可以看出，降雨帶來的誤差總體明顯大于晴空。

(a)晴天風向差值的均值和標準差隨高度分布

2.2 按誤差范圍統計風場的絕對差值分布

對風速、風向差值按誤差范圍分布進行統計，主要是觀察風廓線雷達風場誤差在不同誤差范圍的比例情況，把風速誤差分為(0～1.0m/s、1.0～2.0m/s、2.0～3.0m/s、3.0～4.0m/s、4.0m/s以上)5個檔次，把風向誤差分為(0～10°、10°～20°、20°～30°、30°～40°、40°以上)5個檔次。如圖2和圖3所示，風速誤差在0～2m/s所占樣本比例晴天為74.9%，降雨占55.5%；風向誤差范圍在0°～20°所占樣本比例晴天為82.6%，降雨占75.4%；可以看出，降雨降低了風廓線雷達資料的準確性和可用性。從以往的總結來看，主要原因是強對流天氣和雨滴的空間分布不均勻性引起的，風廓線雷達五波束中東西向或南北向波束水平距離從低空到高空可達100米到幾千米，降雨在空間上的不均勻分布違背了風廓線雷達要求的局地均勻各向同性的原則，因此預報員在使用風場資料時，應該慎重考慮在強降雨過程所生成風場資料的可靠性。

圖2 風速差值不同范圍按比例分布

圖3 風向差值不同范圍按比例分布

為了說明時空匹配的重要性，在這里進行了未時空匹配的風速和風向差值按誤差范圍統計，未時空匹配是指風廓線雷達和L波段探空雷達在指定高度上風場的直接對比，如圖4和圖5所示，同樣把風速誤差分為如上所述5個檔次，把風向誤差分為如上所述5個檔次。未時空匹配的風速誤差在0～1m/s所占樣本比例晴天為39.58%，降雨占27.74%，分別比時空匹配的風速誤差晴天低了7.75%，降雨低了3.83%；未時空匹配的風向誤差范圍在0～10°所占樣本比例晴天為55.87%，降雨占51.85%，分別比時空匹配的風向誤差晴天低了5.47%，降雨低了0.78%；說明未進行時空匹配對在誤差范圍為0～1.0m/s和0～10°的數據影響很大，嚴重影響了數據的對比分析，降低了風廓線雷達風場資料評估的準確性，因此進行時空匹配是兩種雷達探測數據對比評估一項重要的措施。

圖4 未匹配風速差值不同范圍按比例分布

圖5 未匹配風向差值不同范圍按比例分布

2.3 按風速分組測風數據對比

為了獲得不同大氣風速條件下風廓線雷達與L波段探空雷達風向和風速對比差異分布情況，將所有晴空數據按照L波段探空雷達測得的水平風速進行分組，分為0～5m/s、5～10m/s、10～15m/s、15～20m/s、20m/s，統計結果如圖6所示。從圖6可以看出，風向的誤差均值分別為27.64°、10.06°、6.59°、5.82°、5.44°，說明風速越小的情況下，風向的誤差越大，0～5m/s范圍的風向誤差嚴重偏高；而圖7中風速的誤差均值分別為1.29m/s、1.45m/s、1.54m/s、1.56m/s、1.75m/s，雖然風速的誤差是隨著風速的增大而緩慢增加，但是從相對風速(即誤差均值和風速的比值)的角度來看，風速的誤差是風速越小，相對誤差越大；因此在風速比較小(5m/s以下)的情況下，根據風場的計算原理，較小的風速必定對應較小徑向速度，那么在風廓線雷達功率譜上徑向速度就更加靠近零頻位置，而零頻位置往往容易受到地物雜波的干擾，造成信號和地物雜波混疊在一起或者由于地物雜波信號太強以致于湍流信號被淹沒完全無法識別，使得徑向速度識別錯誤或者識別精度降低，所以必須利用信號處理算法提高零頻附近大氣回波信號識別和雷達地物雜波抑制水平。因此，在應用風速比較小的數據時應該特別注意，特別是應用在數值模式中，應用前有必要進行質量控制，質量控制的方法多種多樣，主要有三個方面：利用風廓線雷達自身精度特性，利用模式背景與風廓線雷達風場誤差的統計特性，利用算法對風廓線雷達生成風場的各個階段分步質量控制，本文不再詳細敘述。

圖6 按風速分類的風向差值的均值和標準差

圖7 按風速分類的風速差值的均值和標準差

3 結論

本文利用風廓線雷達與L波段探空雷達一年的風場資料，對二者探測結果進行對比，考慮到風廓線雷達和L波段探空雷達之間測風原理和數據格式的不同，對二者數據進行時間和空間上的匹配，通過降雨和無降雨天氣分類、誤差范圍分布和風速分組方式的風場對比，揭示風廓線雷達測風數據存在的問題，結論如下：

采用時空匹配方法進行兩種雷達風場誤差的對比分析，風廓線雷達測風資料的影響主要有以下兩個方面：一方面，風廓線雷達自身探測能力的影響，晴空下風廓線雷達在低空和高空風場的誤差較大，其主要原因是低空地物雜波干擾和高空湍流回波信號較弱，特別是低空風速比較小的情況下，其誤差特性尤其明顯；另一方面，風廓線雷達自身探測機制的影響，雷達探測空間風場違背局地均勻各向同性的原則都會產生較大的風場誤差，尤其在強降雨或者對流性降雨過程，其誤差特性尤其明顯。因此，在應用風廓線雷達風場資料時應根據以上存在的問題上進行質量控制，以反映真實的大氣風場。