S波段雙偏振雷達和X波段相控陣天氣雷達中氣旋識別結果對比*

蘇永彥 劉黎平

1 中國氣象科學研究院災害天氣國家重點實驗室，北京 100081

2 中國氣象局公共氣象服務中心，北京 100081

提 要： 為了比較S波段雙偏振雷達資料和X波段相控陣天氣雷達資料識別中氣旋的差異，結合X波段相控陣天氣雷達(XPAR)和S波段雙偏振天氣雷達(SPOL)及地面觀測資料，對比分析了2019年4月19日發生在廣州的一次中小尺度天氣過程，結果顯示：使用的識別算法可以正確識別出中氣旋；XPAR的高時空分辨率數據可以彌補SPOL仰角層不足的缺陷，觀測到更加完整的中氣旋垂直結構，識別結果中的參數也比SPOL更加細致，更精準地揭示了中氣旋的短時演變。研究結果表明XPAR對于強天氣回波的觀測識別性能相比SPOL具有持續時間更長、垂直結構更加精細、正負速度對差值更大、隨整個天氣過程演變更加細致等優勢，有利于對中小尺度天氣系統的快速發展、演變開展細致深入的研究。

引 言

強對流天氣中的暴雨、冰雹、強風、龍卷等中小尺度天氣系統是產生局地氣象災害的主要原因。中尺度氣旋是中小尺度強對流系統的重要組成部分，是雷暴尺度的渦旋，帶有中氣旋的對流風暴具有很高概率產生龍卷、冰雹、雷暴大風和短時強降水等強對流天氣，因此中氣旋的出現是強對流天氣即將發生的明顯信號和主要預警指標。如果能提前精準識別中氣旋，便能在很大程度上減少人民生命財產的損失。

我國新一代天氣雷達(CINRAD)采用的業務觀測模式一般為VCP21模式，掃描周期較長(6 min)，仰角層較為不足(9層仰角且分布不均)，導致其垂直分辨率不足，對中氣旋識別、參數定量估計和快速演變探測能力有待進一步提高。雙偏振天氣雷達采用發射水平和垂直偏振的電磁波來對粒子相態進行識別及對降水率進行準確的定量估測。相控陣天氣雷達則通過提高雷達觀測數據的時空分辨率來提高觀測性能，目前已經被逐步運用到實際業務之中，是可能廣泛應用的下一代天氣雷達技術。

早在2002年，相控陣雷達技術就被美國國家雷達技術委員會推薦為未來取代美國WSR-88D系統的技術，2006年美國聯邦氣象工作辦公室的工作報告也推薦可同時服務于天氣過程監測、空管和飛機跟蹤的相控陣天氣雷達技術(Weber et al，2007)。為了分析相控陣天氣雷達的這些優勢，評估其應用價值，同時，為進一步發展替代WSR-88D的技術，美國建立了國家氣象雷達試驗平臺，將退役的宙斯盾(SPY-1)相控陣雷達進行改造，建立了兩維相掃體制的相控陣天氣雷達系統，安裝在俄克拉何馬州的諾曼市，并進行了觀測試驗(Weadon et al, 2009)。2016年美國國家強風暴實驗室(NSSL)工作人員對一次使用WSR-88D雷達探測龍卷風的數據進行處理分析，發現該雷達能夠正確識別出龍卷風中的渦旋特征，但當中氣旋距離雷達較遠時，WSR-88D識別結果誤差較大，甚至識別不出渦旋特征(Steve, 2016)，垂直結構特征也不明顯。同年日本研究人員使用單極化相控陣雷達對千葉市一次降水過程進行探測，觀測到了明顯的垂直風切變并且含有明顯的垂直發展回波(Kashiwayanagi et al，2016)。日本研究人員在2018年還利用X波段相控陣天氣雷達對東京市一次強對流天氣中含有的中氣旋進行了三維分析，通過三維快速掃描揭示了中氣旋的空間結構及快速發展過程(Shimamura et al，2019)。通過與WSR-88D雷達探測結果進行對比，相控陣天氣雷達能夠更好和更準確地探測快速變化的天氣系統，對于強對流過程的分析和預警非常有用。除此之外，美國還討論了在相控陣天線上實現雙偏振技術，制定了實現氣象和導航等多任務功能(MPAR)的相控陣雷達可行性方案及性能指標。同時，美國的協同適應性大氣遙感觀測計劃(collaborative adaptive sensing of the atmosphere，CASA)也采用了“相控陣小雷達”，以提高低空探測能力。美國計劃在2025年完成對目前機械掃描多普勒天氣雷達的替換。

中國也開展了對于相控陣和雙偏振雷達技術的研究。2007年，中國氣象科學研究院與中國電子科技集團公司第十四研究所等單位合作，攻克了軍用相控陣雷達向相控陣天氣雷達轉化的關鍵技術，成功研制了一部S波段相控陣天氣雷達原理樣機(張志強和劉黎平，2011)，獲得了部分資料，并開展了相控陣天氣雷達方面的研究，證明了相控陣天氣雷達技術的可行性。2009年，中國氣象科學研究院災害天氣國家重點實驗室與安徽四創電子股份有限公司合作，研發專門應用于快速變化的中尺度對流系統的車載X波段相控陣天氣雷達系統。2014年，中國氣象科學研究院的研究人員研究了相控陣天氣雷達的測試和定標方法，并利用該雷達與C波段雙線偏振雷達于2013年4—6月在廣東省江門市鶴山站進行了對比觀測試驗，以檢驗該雷達觀測模式及其對快速變化的對流云演變過程的觀測能力。廣州、佛山、珠海等地也布設了X波段相控陣天氣雷達網，進行強對流的觀測。2016年中國氣象科學研究院的研究人員利用X波段相控陣天氣雷達(XPAR)和S波段雙偏振天氣雷達(SPOL)對華南一次強對流過程進行了分析，XPAR獲取了時空分辨率遠高于SPOL的觀測資料，可以彌補SPOL仰角層不足的缺陷，觀測到了超級單體完整的垂直結構，可更精確地描述超級單體的短時演變，但衰減較為嚴重，難以觀測到10 dBz以下的回波(于明慧等，2019)。2019年9月在江蘇高郵安裝了國內第一部C波段相控陣天氣雷達。

在中氣旋識別方面的進展，大致分為三個階段：第一階段，即Donaldson(1970)提出的使用徑向速度的方位切變值和垂直伸展厚度值作為中氣旋識別判據，閾值為徑向速度方位切變值≥5×10-3s-1，其伸展厚度大于3 km；第二階段，即1977年NSSL研究人員提出的使用與距雷達距離有關的徑向速度方位切變閾值和厚度閾值識別中氣旋，數值為在距雷達230 km；以內方位切變值≥5×10-3s-1，其伸展厚度大于3 km；在230 km以外切變值≥1×10-3s-1，無厚度要求(JDOP, 1979)，此后，針對中氣旋的研究一直使用該識別判據；第三階段，即1987年NSSL研究人員在多普勒/閃電試驗中首次提出的，其使用旋轉速度代替方位切變值作為判據(Forsyth et al, 1989)。Andra(1997)根據美國俄克拉何馬中部伴有強雹和龍卷的中氣旋進行統計給出了距雷達不同距離圈上觀測到的旋轉速度和中氣旋強度的關系，將中氣旋判據進行了細化，其分成了弱切變、弱中氣旋、中等強度中氣旋、強中氣旋四個區域，并沿用至今。

近年來國內也提出了許多中氣旋識別方法。2001年，胡明寶等(2003)利用多普勒天氣雷達徑向速度圖識別中氣旋的方法設計了自動識別軟件，個例測試表明：該方法識別出的中尺度氣旋與反射率因子圖上出現的鉤狀回波相對應，用徑向速度圖進行不同高度之間的驗證性識別可降低報錯率。陶嵐(2006)研究了以蘭金模式(Rankin)為基礎的中氣旋三維識別技術，即通過在不同仰角的徑向速度圖上尋找、提取三維特征信息，進而與中氣旋的切變和時空連續性三條判據進行比對，去掉不符合條件的偽中氣旋，最后再使用NSSL的算法進行后期的驗證。2010年，廣東工業大學和廣州中心氣象臺提出了一種基于浸水模擬改進算法的中氣旋自動識別方法。該方法利用應用數學形態學和標記來實現圖像分割，得到符合特征要求的廣義極值區域，進而在徑向速度灰度圖中得到符合基本屬性特征的凸峰和凹谷區，并利用兩者關系檢測中氣旋(潘運紅等，2010)。2017年，天津大學提出了一種基于速度對結構檢測的中氣旋識別方法，該方法利用圖像樹形結構分析方法，用樹的節點對應一片同強度區域，用邊代表不同強度區域間的重疊關系，先在雷達的徑向速度場中尋找速度極值區域，包括速度極大值區域和速度極小值區域，然后通過匹配的方式獲取渦旋的速度對結構。該方法直接從檢測單仰角徑向速度圖中的二維正負速度對結構入手，避免了因一維切變段檢測造成的誤報問題，為速度對結構中的兩個極值區域設計樹形數據結構，既可將中氣旋的蘭金條件隱含于其中，又有效避免了環境風的影響(侯謹毅和王萍，2017)。

為了進一步分析SPOL和XPAR探測強對流的能力，本文以兩種雷達觀測數據對中氣旋識別結果進行定量對比，以進一步提高對中小尺度氣旋系統的監測預警能力。

1 資料來源和方法

本文使用的觀測設備如下：(1)架設在廣州白云區帽峰山森林公園的XPAR，可獲取最大掃描范圍42 km的徑向速度數據及12層仰角的垂直結構。(2)位于廣州番禺區的SPOL，可掃描230 km半徑的回波強度以及偏振數據，且衰減極低。其中SPOL為廣東省氣象局業務雷達，按業務規定需定期進行周維護和月維護，且S波段雷達幾乎無衰減，因此數據較為可靠；XPAR為廣州4部組網相控陣天氣雷達中的一部，已完成定標并投入使用，且雷達本身使用了自適應約束的衰減訂正方法，因此無需進行重復的衰減訂正，數據也相對可靠(程元慧等，2020)。識別中氣旋最主要是運用徑向速度，雷達探測徑向速度主要依據多普勒頻移原理，在雷達得到較好標定，雷達頻率穩定性得到保障的前提下，一般可以達到較好的探測精度。圖1給出了兩部雷達的相對位置。

圖1 SPOL和XPAR的相對位置Fig.1 Relative position of SPOL and XPAR

XPAR性能主要指標見表1，本次外場試驗期間，XPAR獲取一個樣本(即雷達對所有仰角掃描完畢，獲得該時刻所有仰角層的徑向數據，以下統稱一次體掃)所需時間為1.5 min，掃描后可得到均勻分布的12層仰角掃描資料，能夠獲得最均衡的時空分辨率。表1還同時列出了SPOL的相關參數，其中SPOL采用常規拋物面天線，以VCP21的觀測模式進行觀測。

表1 XPAR和SPOL的主要技術參數Table 1 Main technical parameters of XPAR and SPOL

理論上，XPAR時空分辨率越高，能觀測到的中氣旋內部結構應當更加精細，觀測到的中氣旋生命史時間應當更長，識別的中氣旋正負速度對差值應當更大，但由于XPAR波長較短，因此與SPOL相比,XPAR衰減更嚴重且容易發生速度模糊。

表2給出了雨強對兩個波段雷達的衰減情況，由表可知在反射率因子超過55 dBz時，X波段雷達衰減極為嚴重，而S波段雷達衰減很少。且由廠家提供的技術手冊可知，距離雷達10 km處，最小可測回波強度是10 dBz，若可測信號低于該數值，雷達將無法探測到有用信號。因此雖然XPAR的數據已經經過衰減訂正，但如果在回波距雷達過遠，或回波強度很弱的情況下，回波本身已經衰減至觀測不到，那么也就無法進行衰減訂正了，這是不可避免的。

表2 不同雨強條件下X與S波段雷達的衰減Table 2 Attenuation of X-band and S-band radars under different rain intensities

在進行本文所做工作之前，使用該算法對廣州市SPOL的2016年數據進行識別，并將識別結果與業務雷達中氣旋識別算法識別結果進行對比，識別結果基本吻合，算法運行穩定，因此使用該算法進行本文所述工作。

2 識別結果對比

由于XPAR的時空分辨率要高于SPOL，理論上在相同時間、相同區域內XPAR對于中氣旋的識別數量要多于SPOL，即大部分處于XPAR探測范圍內的SPOL識別結果也同樣能被XPAR識別出。因此本文的思路是先在SPOL雷達數據上尋找距離合適的中氣旋識別結果，進行地理坐標換算后與相近時間的XPAR識別結果相比對，若處于換算后位置的比對結果符合中氣旋標準(正負速度對差值大于20 m·s-1，垂直厚度大于3 km，持續時間大于等于2個體掃)，則將兩個結果判斷為同一中氣旋，再對兩部雷達識別參數進行對比分析。

圖2給出了SPOL 3.29°和XPAR 2.70°分別在2019年4月19日03:42:01—03:54:00和03:41:20 —03:53:38的共計6個時刻的徑向速度PPI圖。在色標選擇上，XPAR探測最大不模糊徑向速度為32 m·s-1，SPOL探測最大不模糊徑向速度為30 m·s-1，但由于兩部雷達的徑向速度輸出參數中最大速度大多處于20～26 m·s-1，因此為方便對比，本文XPAR和SPOL選用同一色標。

從圖2可以看出，本次中小尺度天氣過程自西向東發展，并且在該時間段內兩部雷達識別出兩個中氣旋個例A和B。為了方便對比相近時間兩部雷達的徑向速度PPI圖，圖2并未給出識別出兩個中氣旋的所有時刻的速度圖，文章后半部分將會展示所有時刻的中氣旋對比圖。 對于中氣旋個例A來說，SPOL最初在03:42:01(圖2a)識別出黑圈所標出的距雷達33 km的該中氣旋個例，直到03:54:00(圖2c)最后一次識別出距雷達40 km處的該中氣旋個例；而XPAR在03:41:20(圖2d)時刻第一次識別出該中氣旋個例，距雷達36 km，03:55:10為最后一次識別出該中氣旋的時刻，距雷達18 km。對于中氣旋個例B來說，SPOL最初在03:54:00(圖2c)識別出距雷達56 km的該中氣旋個例，直到04:00:01時刻最后一次識別出距雷達54 km的該中氣旋個例；XPAR雷達在03:53:38(圖2f)時刻第一次識別出該中氣旋個例，距雷達31 km，04:02:51為最后一次識別出該中氣旋的時刻，距雷達25 km。

2.1 生命史差異

由圖2及前文所述，SPOL識別中氣旋A的時間段為03:42:01—03:54:00，歷經11 min 59 s(即3個體掃)；XPAR識別中氣旋A的時間段為03:41:20—03:55:10，歷經13 min 50 s(即9個體掃)。從起始時刻和結束時刻可以看出，XPAR識別的該中氣旋個例的起始時刻比SPOL早41 s，在SPOL上一個體掃數據時刻后，結束時刻比SPOL晚1 min 10 s，在SPOL下一個體掃數據時刻前，而SPOL在03:36:00和04:00:00時刻均未識別出該位置存在中氣旋。

圖2 2019年4月19日SPOL 3.29°(a,b,c)和XPAR 2.70°(d,e,f)分別在時刻相近的兩時間段內的中氣旋識別結果徑向速度PPI圖(黑色圓圈內為該中氣旋個例區域，下同)Fig.2 The radial velocity PPI of SPOL at 3.29° elevation angle (a, b, c) and XPAR at 2.70° elevation angle (d, e, f) in two similar time periods on 19 April 2019(The black circle is the mesocyclone area， the same below)

對于中氣旋B，SPOL識別該中氣旋時間段為03:54:00—04:00:01，歷經6 min 1 s(即2個體掃)；XPAR識別該中氣旋時間段為03:53:38—04:02:51，歷經9 min 13 s(即7個體掃)。從起始時刻和結束時刻可以看出，XPAR識別的該中氣旋個例的起始時間比SPOL早22 s，也恰好在SPOL上一個體掃數據時刻后，結束時刻比SPOL晚2 min 50 s，在下一個體掃數據時刻前，而SPOL在03:48:00和04:06:01 時刻均未識別出該位置存在中氣旋。

因此，XPAR由于具有較高的時間分辨率，其探測到的中氣旋發展的生命史更為完整。

2.2 中氣旋參數差異

2.2.1 徑向速度特征

理論上來說，與背景風場相同的方向會存在速度模糊的情況，導致虛假的中氣旋識別，但通過查看本文所述中氣旋個例輸出的徑向速度值文本文件發現，徑向速度最大值均小于雷達的最大不模糊速度，而從徑向速度圖中也未看出明顯的速度模糊區域，因此未做退速度模糊處理。由于XPAR和SPOL數據時刻不重疊，因此本文選取了相對接近且三維渦旋內部的二維特征較多的時刻進行對比，即對于中氣旋個例A，SPOL選取2019年4月19日的03:42:01—03:54:00，XPAR選取19日的03:41:20 —03:55:10，選取時間段兩部雷達初始和結束時間相差1 min 10 s(XPAR延后一個體掃)，其中SPOL經過3個體掃，XPAR經過10個體掃；對于中氣旋個例B，SPOL選取2019年4月19日的03:54:00—04:00:01，XPAR選取19日的03:53:38—04:02:51，其中SPOL經過2個體掃，XPAR經過7個體掃； SPOL和XPAR在中氣旋個例A和B分別對應時間段識別結果及主要參數對比如圖3和圖4所示。

圖3 2019年4月19日03:42:01—03:54:00 SPOL和03:41:20—03:55:10 XPAR觀測中氣旋個例A的徑向速度極值差和對應時刻的垂直厚度隨時間的變化Fig.3 The difference between extreme values of radial velocity and vertical thickness at corresponding time of mesocyclone Case A by SPOL from 03:42:01 BT to 03:54:00 BT 19 April 2019, and by XPAR from 03:41:20 BT to 03:55:10 BT 19 April 2019

由于兩部雷達所處海拔高度不同，而SPOL的3.29° 仰角識別出的中氣旋所在位置經過坐標換算后并無XPAR仰角對應，因此選取相鄰兩個大仰角(2.70°，4.49°)數據進行對比分析，又由于在所選時間段內2.70°仰角的二維特征識別結果多于4.49°，為了更詳細地分析兩部雷達的差異，因而著重對比2.70°。

圖3和圖4給出了兩部雷達分別在被選取的時間段內識別該中氣旋的徑向速度極值差和垂直厚度隨時間變化情況，其中圖3由于03:53:38時刻XPAR未在該層仰角識別出二維中氣旋，因此圖中未給出該時刻的徑向速度極值差。由圖3和圖4可以看出，在絕大多數時刻，XPAR得益于更高的時空分辨率，識別的中氣旋最大最小徑向速度差值和垂直厚度數值均比SPOL大，并且從徑向速度差值變化可以看出，XPAR可以更清晰地顯示正負速度對差值和中氣旋垂直延展厚度隨時間細微的變化情況，例如圖3所示中氣旋個例A的03:41:20—03:47:29 期間XPAR識別中氣旋個例A識別正負速度對差值從52.6 m·s-1變為52.2 m·s-1，而SPOL識別該中氣旋個例正負速度對差值均為47 m·s-1，無變化，03:47:29—03:55:10期間XPAR識別該中氣旋個例正負速度對差值經歷了先減小、再增大、再減小的過程，甚至在03:50:33 時刻減小至SPOL的直線下方，而SPOL識別結果僅減小了很小的數值。圖4所示中氣旋個例B同理。由于識別正負速度對差值是現有中氣旋識別算法中的第一步，也是非常重要的一個環節，因此，XPAR相比于SPOL在識別正負速度上的優勢也能從一定程度上反映出識別中氣旋的優勢。

圖5給出了03:42:01—03:54:00的SPOL的3.29°仰角觀測到的中氣旋個例A在徑向速度圖上的特征以及相應時刻中氣旋中心方位的垂直剖面。

圖5 2019年4月19日03:42:01(a,d), 03:48:00(b,e)和03:54:00(c,f) SPOL 3.29°仰角觀測中氣旋個例A的徑向速度(a,b,c)和對應時刻的中心方位垂直剖面(d,e,f)(圖5a～5c的黑色虛線方向為中氣旋特征中心方位的徑向方向，圖5d～5f的黑色虛線標注即為中氣旋特征中心距雷達的距離，下同)Fig.5 Radial velocity (a, b, c) and vertical section of center azimuth at corresponding time (d, e, f) of mesocyclone Case A observed by SPOL at 3.29° elevation at 03:42:01 BT (a, d), 03:48:00 BT (b, e) and 03:54:00 BT (c, f) 19 April 2019(The black dotted lines in Figs.5a-5c are the radial direction of the feature center of the mesocyclone, and the black dotted lines in Figs.5d-5f are the distance from the feature center of the mesocyclone to the radar, the same below)

其中圖5a～5c的黑色虛線方向為中氣旋特征中心方位的徑向方向，需要注意的是，本文所述的特征中心方位均表示的是算法判斷該被標記為二維中氣旋的特征區域內由每個模式矢量動量加權所得的中心方位，和最大最小方位的中間值有所不同的是，該方位理論上來說是該特征區域強度最強，切向方向旋轉速度最大的位置，因此不一定在特征區域方位的正中間，下文同理。圖5d～5f的黑色虛線標注即為中氣旋算法識別中氣旋特征中心位置距雷達的距離。

由圖5可以清晰地分辨出三個時刻明顯的正負速度區域，且該區域隨時間推移由西向東發展的過程，與算法識別結果吻合，因此SPOL可以較為直觀地展現出中氣旋的隨時間的變化，但由于SPOL一個體掃時間較長(約6 min)，因此從識別結果上來說無法給出更精細的中氣旋參數變化，從圖中也無法更加細致地分辨出整個渦旋在當前仰角內部的發展。垂直結構方面，可以看出由于仰角層分布不均，在中高層仰角有大量空白區域的存在，因此SPOL對于中氣旋垂直結構的探測并不十分清晰，對于整個中氣旋發展過程中相鄰時刻各層仰角速度值的轉變也較為突兀。再加上該算法所計算的中氣旋中心為二維中氣旋中所有模式矢量加權平均的結果，因此受其垂直分辨率的限制，較難對三維中氣旋進行垂直結構的研究。

圖6給出了03:41:20—03:55:10期間XPAR的2.70°仰角觀測到的和SPOL相同的中氣旋個例A在徑向速度圖上的特征以及相應時刻中氣旋中心方位的垂直剖面。需要注意的是在03:53:38時刻，由于該特征內模式矢量數不足的原因，2.70°仰角識別該區域為二維風切變，未將其判斷為二維中氣旋，但對整個三維渦旋的中氣旋判定沒有影響，因此本文沒有給出03:53:38的XPAR的徑向速度及垂直剖面。

圖6 2019年4月19日03:41:20—03:55:10 XPAR的2.70°仰角觀測中氣旋個例A的徑向速度(a～e，k～n)和對應時刻的中心方位垂直剖面(f～j，o～r)Fig.6 Radial velocity (a-e, k-n) and vertical section of center azimuth at corresponding time (f-j, o-r) of mesocyclone Case A observed by XPAR at 2.70° elevation from 03:41:20 BT to 03:55:10 BT 19 April 2019

由圖6可以清晰地分辨出9個時刻明顯的正負速度區域，并隨時間由西南向東北偏東方向發展，與算法識別結果吻合，因此XPAR可以較為直觀地展現出中氣旋的隨時間的變化情況，圖6a～6e，6k～6n的黑色虛線方向即為中氣旋特征中心方位的徑向方向；圖6f～6j，6o～6r的黑色虛線標注即為中氣旋算法識別中氣旋中心位置的距離。可以看出由于XPAR仰角層分布較為均勻，因此從圖中能夠較為清晰地看出中氣旋中心區域徑向速度的垂直結構變化，即從低層仰角正速度居多，逐漸向中層仰角正速度居多的轉變。

圖7和圖8分別給出了中氣旋個例B持續時間內兩部雷達識別的徑向速度和對應時刻中心方位垂直剖面。相比于中氣旋個例A的識別差異，圖7和圖8所示中氣旋個例B的兩部雷達識別結果差異更為明顯，由于該中氣旋僅覆蓋了SPOL的兩個體掃，因此對于該中氣旋的發展情況更加難以分辨，在垂直剖面圖中僅能分辨出大體上數值的變化，而從XPAR的垂直結構圖中，雖然整個二維特征區域(臨近黑色虛線)的速度值變化并不那么明顯，但整個天氣過程對于該區域的影響依舊非常清晰。

圖7 2019年4月19日03:54:00(a,c)和04:00:01(b,d) SPOL的3.29°的仰角觀測中氣旋個例B的徑向速度(a,b)和對應時刻的中心方位垂直剖面(c,d)Fig.7 Radial velocity (a, b) and vertical section of center azimuth at corresponding time (c, d) of mesocyclone Case B observed by SPOL at 3.29° elevation at 03:54:00 BT (a, c) and 04:00:01 BT (b, d) 19 April 2019

綜合圖3～圖8可以看出，由于兩部雷達時空分辨率的差異，XPAR對于二維中氣旋的追蹤性能更為優秀，可以清晰地看到西南方向負速度區域與東北方向正速度區域融合的過程，并且從識別結果(圓圈標記)中可以看到二維中氣旋在整個單層仰角中的發展情況，與識別結果相符合。在垂直結構方面，XPAR也能清晰地分辨出隨著時間推移該中氣旋從低層正速度居多逐轉變為中層居多的狀態，而SPOL垂直剖面圖并未展示出這一點，這從算法輸出中的XPAR 2.70°仰角正負速度差值、SPOL 3.29°仰角正負速度差值也可以看出。因此，得益于更加均勻的仰角層分布，XPAR對于中氣旋垂直結構方面的識別性能要更為優秀。

圖8 2019年4月19日03:53:38—04:02:51 XPAR的2.70°的仰角觀測中氣旋個例B的徑向速度(a～d，i～k)和對應時刻的中心方位垂直剖面(e～h，l～n)Fig.8 Radial velocity (a-d, i-k) and vertical section of center azimuth at corresponding time (e-h, l-n) of mesocyclone Case B observed by XPAR at 2.70° elevation from 03:53:00 BT to 04:02:51 BT 19 April 2019

算法輸出結果方面，在識別中氣旋地理高度相近的兩層仰角(SPOL 3.29°，XPAR 2.70°)，XPAR識別的絕大部分正負速度差值比SPOL要大，垂直延展性方面，XPAR識別的垂直延展厚度均大于SPOL，與預期結果相吻合。

2.2.2 回波強度特征

為了從多方面驗證本算法識別的準確性及兩部雷達識別結果的差異，本文對中氣旋個例A和B的CAPPI反射率進行了分析，對比了兩中氣旋個例分別在兩種雷達上的回波結構。

圖9給出了SPOL 3.29°仰角03:42:01—03:54:00 三個時刻的中氣旋個例A的CAPPI反射率圖和XPAR 2.70°仰角03:41:20—03:55:10中相近三個時刻的中氣旋個例A的CAPPI反射率圖，其中黑色圓圈為前文所述中氣旋個例A的位置。圖10給出了SPOL 3.29°仰角03:54:00和04:00:01兩個時刻的中氣旋個例B的CAPPI反射率和XPAR 2.70°仰角03:53:38和04:01:18中相近兩個時刻的中氣旋個例B的CAPPI反射率圖，其中黑色圓圈為前文所述中氣旋個例B的位置。色標選擇方面，為了方便對比相同中氣旋個例在兩部雷達上回波結構的一致性，同時對比說明兩部雷達的衰減差異，本文選用同一色標。

由圖9和圖10可以清晰地看出，在CAPPI圖上兩部雷達識別的兩個中氣旋回波強度相近，且回波結構大致相同。從圖9的9a～9c中可以大致看出整個天氣過程自西向東的發展情況，但較難對回波內部的強度進行分析。相比于SPOL的觀測結果，從圖9d～9f中可以清晰看出XPAR識別該中氣旋從最初所處的回波區域與鄰近區域融合并逐步由西南向東北偏東方向發展，以及中氣旋內部的回波強度變化情況，圖10同理。但是由于XPAR的波長較短，導致衰減較為嚴重，難以觀測到15 dBz以下的弱回波。垂直結構方面，XPAR的回波強度垂直結構可以清晰地看出在整個時間段內回波強度的垂直結構變化情況(強度中心逐漸從底層向高層移動)，而SPOL的垂直結構圖則未展現出這一點。

圖9 2019年4月19日03:42:01(a,g), 03:48:00(b,h)和03:54:00(c,i) SPOL(a～c,g～i)，以及03:41:20(d,j), 03:47:29(e,k)和03:55:10(f,l) XPAR(d～f,j～l)觀測中氣旋個例A的CAPPI反射率(a～f)及對應兩部雷達該時刻的垂直剖面(g～l)Fig.9 The CAPPI reflectivity (a-f) of mesocyclone Case A and the vertical section of the two radars at that time (g-l) observed by SPOL (a-c, g-i), by XPAR (d-f, j-l) at 03:41:20 BT (d, j), 03:47:29 BT (e, k) and 03:55:10 BT (f, l) at 03:42:01 BT (a, g), 03:48:00 BT (b, h) and 03:54:00 BT (c, i) 19 April 2019

圖10 2019年4月19日03:54:00(a,c)和04:00:01(b,d) SPOL的3.29°的仰角觀測中氣旋個例B的CAPPI反射率(a,b)以及03:53:38(e,g)和04:01:18(f,h) XPAR的2.70°仰角觀測中氣旋個例B的CAPPI反射率(e,f)及對應兩部雷達該時刻的垂直剖面(c,d: SPOL；g,h: XPAR)Fig.10 The CAPPI reflectivity (a, b) of mesocyclone Case B observed by SPOL at 3.29° elevation angle at 03:54:00 BT (a, c) and 04:00:01 BT (b, d) and the CAPPI reflectivity (e, f) of the mesocyclone Case B observed by XPAR at 2.70° elevation angle at 03:53:38 BT (e, g) and 04:01:18 BT (f, h) 19 April 2019 and the vertical section of the two radars at that time (c, d: SPOL; g, h: XPAR)

2.3 二維特征識別數量差異

如前所述，SPOL和XPAR分別在03:42:01—03:54:00和03:41:20—03:55:10識別出了同一渦旋，由于在單層仰角內被標記為二維中氣旋的特征數量會直接影響該特征隸屬的三維渦旋是否被標記為三維中氣旋，且由于中氣旋個例B持續時間較短，內部的二維特征數量較少，因此圖11給出了中氣旋個例A在XPAR 03:47:29時刻和SPOL 03:48:00 時刻兩部雷達識別出所有屬于該三維中氣旋個例的被標記為二維中氣旋的特征的徑向速度圖。由于中氣旋個例A在兩部雷達當前仰角所含的特征數量較多，距離較為接近，且不是二維中氣旋的特征在算法中僅起到了區分三維風切變和非相關切變的作用，對三維中氣旋的判斷并無影響，因此為了避免混淆，圖11僅圈出了該時刻被標記為二維中氣旋的特征。

為了方便對比，本文在圖11a的三個特征上標注序號1～3，圖11b的三個特征上標注序號4～6。經過地理坐標換算，序號1和4，序號2和6分別是同一個特征，其中圖11b中4號特征在圖中可以發現可能是由于速度模糊問題被誤判，但從圖11a的1號特征中并未觀察到明顯的速度模糊情況，因此在應對速度模糊問題方面兩部雷達識別結果也能進行一定程度上的互補。對于被XPAR識別的3號特征，經過中間值查詢，發現在SPOL識別結果中由于內部能夠形成模式矢量的速度對太少，沒有被歸結為能夠形成中氣旋的特征。對于被SPOL識別的5號特征，經過中間值查詢，發現在XPAR識別結果中由于其特征內部所含的模式矢量相距過遠，且由于5號中氣旋在XPAR上對應位置離雷達距離較遠，因此衰減較為嚴重，再加上回波面積較大導致有些弱回波觀測不到，因此未被判斷為有效特征。

圖11 2019年4月19日XPAR(a)和SPOL(b)分別在03:47:29與03:48:00時刻識別出三維中氣旋個例A中所有二維中氣旋的徑向速度(黑色圓圈為二維中氣旋區域)Fig.11 All 2D mesocyclone radial velocity maps identified by XPAR (a) and SPOL (b) in 3D mesocyclone Case A at 03:47:29 BT (XPAR) and 03:48:00 BT (SPOL) 19 April 2019(The black circle is the 2D-mesocyclone area)

總體來說，兩部雷達識別的同一中氣旋個例內特征數基本相同，但由于水平分辨率差異(SPOL徑向距離庫大)，導致有些正負速度對未被識別。而XPAR由于波長小，因此強回波的衰減較為嚴重，導致有些稍弱的回波觀測不到，直接影響了中氣旋的識別性能。

3 退速度模糊

首先，由前文所述，XPAR速度模糊問題較為嚴重，而速度模糊會導致虛假的中氣旋識別，因此如何處理速度模糊問題是改善中氣旋識別結果的一個重要部分。前文所述中氣旋個例皆是正確識別的中氣旋，虛假中氣旋分析及處理方法僅存在于本節所述內容。

本文最初的想法是依次對所有徑向庫上的速度從近到遠做退速度模糊，即尋找同一徑向上相鄰速度跳變過大的區域(正負速度差值大于50 m·s-1)，然后在該徑向上將該區域的第一個速度假設為正確的徑向速度，將后一速度加上或減去前一速度與最大不模糊速度(XPAR最大不模糊速度為32 m·s-1)之間的差值，再將后一速度更正為得到的新速度，以此類推。處理后的效果如圖12所示。

由圖12可見，SPOL退模糊效果較好，含有速度模糊情況的橙色區域基本更正為了深藍色區域，但在圖12c和12d中，XPAR由于數據質量等原因，存在很多極小的空白區域(無效徑向速度)，這些空白區域影響了該退模糊方法的進行，導致無法進行有效的速度退模糊。

圖12 SPOL(a,b)和XPAR(c,d)經過簡易退模糊前(a,c)、后(b,d)效果對比Fig.12 Effect comparisons of SPOL (a, b) and XPAR (c, d) before (a, c) and after (b, d) simple deblurring

由于研發一種適應相控陣天氣雷達的退模糊算法較為復雜，因此本節從中氣旋識別算法邏輯本身入手，將可能由于速度模糊導致的虛假中氣旋標記出來，后期由人工進行判斷。由前文可知，在算法中存在一個被標記為二維中氣旋的特征和被標記為二維風切變的特征這一概念。而對于三維渦旋來說，若同一渦旋內只要存在大于等于2個二維中氣旋，則該渦旋被判定為三維中氣旋；若同一渦旋內存在一個二維中氣旋，另存在大于等于1個二維風切變，則該渦旋被判定為三維風切變；若同一渦旋內二維中氣旋和二維風切變總數為1，則被判定為非相關切變。由此可知，同一渦旋內二維中氣旋的數量直接決定了該渦旋是否為三維中氣旋。因此，本文從單個被標記為三維中氣旋中的所有二維中氣旋入手，若一個二維中氣旋中最大最小速度均超過±26 m·s-1，且一個三維渦旋中符合該條件的二維中氣旋數量占總數的50%以上，且覆蓋仰角層數也占50%以上，就把該三維中氣旋標記為可能由于速度模糊識別的錯誤中氣旋，再由人工進行判定。圖13 和圖14分別給出了兩個時間段以驗證該方法的有效性。

由圖13可以看出，圖13b中黑色圓圈標注部分被識別為二維中氣旋，且存在速度模糊情況，因此算法將該中氣旋標記為可能由于速度模糊識別的錯誤中氣旋。經人工核查發現，該時刻的前后兩相鄰時刻并未識別出二維中氣旋，因此確定該時刻是由速度模糊引起的虛假三維中氣旋識別。

圖13 2019年4月19日XPAR識別出可能由于速度模糊導致的虛假二維中氣旋(b)及其前后相鄰兩時刻(a,c)的徑向速度Fig.13 The false two-dimensional mesocyclone identified by XPAR (b) and its related factors probably caused by velocity ambiguity radial velocity diagram of two adjacent moments (a, c) on 19 April 2019

由圖14可以看出，圖14b中左側黑圈部分存在速度模糊情況，且后一時刻(圖14c)左側黑圈部分也有速度模糊情況發生，因此算法將該中氣旋標記為可能由于速度模糊識別的錯誤中氣旋。但經人工核查發現，該時刻及前后兩個相鄰時刻均含有不存在速度模糊區域的正確識別的二維中氣旋，因此雖然該二維特征被誤判為二維中氣旋，但并不影響三維中氣旋的判斷結果。

圖14 同圖13，但為不同時刻Fig.14 Same as Fig.13, but at different times

4 結 論

利用S波段雙偏振雷達、X波段相控陣雷達及其地面觀測數據、美國中氣旋探測算法，分析了2019年4月19日發生在廣州的一次中小尺度天氣。對兩部雷達識別出的兩個三維中氣旋個例的識別結果進行了對比，并從徑向速度和反射率兩部分進行了驗證。結果表明：

(1)該算法能較為有效地識別出中小尺度天氣過程中的正負速度對，并通過兩步篩選(動量/切變閾值、距離閾值)得到具有典型中氣旋參量的特征，并對特征進行三維(垂直距離)判定，最后得到中氣旋、三維切變、非相關切變。

(2)由于時間分辨率的差異，理論上XPAR識別中氣旋的生命史要長于SPOL。從中氣旋生成時間來看，XPAR識別中氣旋的生成時刻要早于SPOL，且該時刻處于SPOL識別的生成時刻的6 min 內；但從消亡時間來看，XPAR識別該中氣旋消亡時間要晚于SPOL，且該時刻處于SPOL識別的消亡時間之后的6 min內，因此該結果是合理的。

(3)SPOL可以較為直觀地展現出中氣旋的隨時間的變化情況，但由于其一個體掃時間較長(約6 min)，因此無法更加精細地探測到整個渦旋的發展情況。且由于仰角層分布不均，導致對于中氣旋垂直結構的探測并不清晰，再加上該算法計算的中氣旋中心為二維中氣旋中所有特征向量加權平均的結果，因此受其垂直分辨率的限制，較難對三維渦旋中存在的中氣旋進行垂直結構的研究。并且由于SPOL庫長較長(250 m)，導致有些正負速度對未被識別，并且識別出的正負速度差值較小，影響了對中氣旋的識別性能。

(4)XPAR可以直觀地展現出中氣旋的隨時間的變化情況，且由于XPAR一個體掃時間較短(約1.5 min)，使得對于中氣旋的追蹤性能更為優秀，可以清晰地分辨出中氣旋的發展狀況。并且由于XPAR仰角層分布較為均勻，因此從圖中能夠較為清晰地看出中氣旋中心區域的垂直結構，識別出的中氣旋垂直延展厚度也較SPOL更高，同時識別的正負速度對差值也更大。但由于XPAR波長較短，因此衰減較為嚴重，在回波面積大、強度強的情況下，對弱回波的觀測效果還存在不足，難以觀測到15 dBz以下的弱回波。

(5)對于同一個三維渦旋內，XPAR和SPOL識別的二維特征個數大致相同，結果從速度圖和輸出參數上來看也較為合理。但由于文中SPOL庫長較長，而XPAR則衰減較為嚴重，兩部雷達識別的中氣旋結果可能無法做到嚴格一一對應，因此若是能夠將兩部雷達的中氣旋識別結果合理結合，對于未來中氣旋識別及強對流天氣的預報可以提供更好的幫助。

(6)總體上，雖然XPAR衰減較為嚴重，但因其掃描速度較快，識別的中氣旋內部結構變化較為清晰，而SPOL雖然衰減很小，但其掃描速度遠慢于XPAR，因此對于中氣旋的快速發展變化及其識別研究XPAR有明顯優勢。對于各類強天氣過程、云和降水物理的研究，衰減很小且能提供偏振參量的S波段雙偏振雷達具有明顯而獨特的優勢，今后的研究中將考慮如何更好地將偏振參量應用起來。