基于雙線偏振多普勒雷達(dá)識(shí)別地物回波

曹 楊，蘇德斌，周筠王君，徐文靜

(1.成都信息工程學(xué)院大氣科學(xué)學(xué)院，四川成都610225;2.北京市氣象局，北京100089)

0 引言

隨著電子及計(jì)算機(jī)技術(shù)的發(fā)展，多普勒天氣雷達(dá)已成為降水、風(fēng)及雷暴等大氣現(xiàn)象不可或缺的重要手段，被廣泛應(yīng)用于天氣監(jiān)測(cè)和氣象科學(xué)研究[1－2]。雷達(dá)在探測(cè)降水目標(biāo)的同時(shí)，也受到非降水目標(biāo)的影響，產(chǎn)生非降水回波信號(hào)，嚴(yán)重影響其業(yè)務(wù)應(yīng)用，特別是在定量降水估測(cè)、數(shù)值模式預(yù)報(bào)、臨近預(yù)報(bào)等雷達(dá)數(shù)據(jù)的定量應(yīng)用中。非降水回波主要分為3類(lèi):大氣中的昆蟲(chóng)、鳥(niǎo)、蝙蝠、谷殼等產(chǎn)生的生物回波;來(lái)自像建筑物、山峰、樹(shù)木等固定目標(biāo)的地物雜波(Normally-Propagated ground clutter);由于被觀測(cè)區(qū)域大氣溫度和濕度發(fā)生變化，雷達(dá)波束折向地面引起的異常傳播的地物雜波，稱(chēng)為超折射回波(Anomalous Propagation ground clutter)[3]。

為此，國(guó)內(nèi)外學(xué)者進(jìn)行廣泛的研究，如Steiner，ea ta[3]及Zhang[4]建立決策樹(shù)方法識(shí)別超折射回波。Kessinger[5]在Steiner等的研究基礎(chǔ)上，設(shè)計(jì)一種基于模糊邏輯算法的雷達(dá)回波分類(lèi)方法，區(qū)別降水回波和非降水回波。隨后，Berenguer等[6]及 Cho and Lee[7]對(duì) Kessinger的算法進(jìn)行改進(jìn)。劉黎平[8]基于 Kessinger 2003年提出的模糊邏輯算法，提出分步識(shí)別超折射地物回波，該算法能有效識(shí)別超折射地物回波，減少了地物回波的漏判和降水回波的誤判。隨后，江源[9]，莊薇等[10]對(duì)劉黎平的算法進(jìn)行改進(jìn)。但是當(dāng)超折射回波與降水回波混合時(shí)，常規(guī)多普勒天氣雷達(dá)識(shí)別效果始終較差。

近年，雙線偏振雷達(dá)已成為天氣雷達(dá)發(fā)展的重要方向，新一代雙線偏振多普勒天氣雷達(dá)不僅能提供回波強(qiáng)度、徑向速度和速度譜寬等常規(guī)參量，同時(shí)還能提供多種偏振參量，提供更多的雜波特征，這些偏振參量的應(yīng)用為非降水回波的識(shí)別及去除提供了有效的技術(shù)手段[11]。早在20世紀(jì)90年代，Ryzhkov等[12]就發(fā)現(xiàn)非降水回波的雙線偏振參數(shù)ZDR和ΦDP的空間變率比降水回波大，而交叉相關(guān)系數(shù)(ρHV)通常比降水回波低。Gourley et al[13]，及Hubbert等[14]根據(jù)各類(lèi)回波特征加入偏振參量，對(duì)模糊邏輯算法進(jìn)行改進(jìn)。準(zhǔn)確有效的定量降水估測(cè)依賴(lài)于好的雷達(dá)數(shù)據(jù)質(zhì)量[15－16]，因此發(fā)展利用偏振參量識(shí)別和濾除非降水回波，有效提高雷達(dá)數(shù)據(jù)質(zhì)量非常必要，國(guó)內(nèi)對(duì)這方面的研究較少。

由于使用地物雜波濾波器對(duì)北京市氣象局C波段雙線偏振多普勒天氣雷達(dá)數(shù)據(jù)有很大的負(fù)面影響，因此該雷達(dá)所有數(shù)據(jù)均為使用地物雜波濾波器，因此研究雷達(dá)數(shù)據(jù)地物雜波后處理方法是非常有必要的。在此基礎(chǔ)之上，分析了北京市氣象局C波段雙線偏振多普勒天氣雷達(dá)的降水回波和地物回波特征，在劉黎平的模糊邏輯算法基礎(chǔ)上選擇容易區(qū)分降水回波和地物回波的特征量，加入偏振參數(shù)構(gòu)成偏振模糊邏輯算法，與劉黎平的常規(guī)模糊邏輯算法進(jìn)行對(duì)比，并選擇個(gè)例對(duì)識(shí)別效果進(jìn)行分析。

1 雷達(dá)概況

北京市氣象局C波段雙線偏振多普勒天氣雷達(dá)是SCRXD-02MP型雷達(dá)系統(tǒng)，采用“雙發(fā)雙收”體制，是中國(guó)自行研制的首部C波段固定式“雙發(fā)雙收”體制雙線偏振天氣雷達(dá)，位于東經(jīng)116°17'25″和北緯39°56'42″。該雷達(dá)與單偏振多普勒天氣雷達(dá)相比，還提供差分反射率因子ZDR、差分傳播相位ΦDP、差分傳播相移率KDP、零滯后相關(guān)系數(shù)ρHV和線性退偏振比LDP等觀測(cè)信息，其中KDP參數(shù)數(shù)據(jù)質(zhì)量較非常差，不可用。雷達(dá)系統(tǒng)的主要性能指標(biāo)如表1所示。

表1 雷達(dá)系統(tǒng)主要性能指標(biāo)

該雷達(dá)于2011年12月完成“雙發(fā)雙收”體制雙偏振功能改造，2011年12月1日雷達(dá)開(kāi)始持續(xù)拷機(jī)觀測(cè)，12月2日北京出現(xiàn)初雪天氣，獲取降雪觀測(cè)資料。2012年開(kāi)始對(duì)設(shè)備進(jìn)行調(diào)試，4～9月C波段雷達(dá)開(kāi)展了汛期強(qiáng)對(duì)流天氣觀測(cè)并保存?zhèn)€例數(shù)據(jù)，并采用“721特大暴雨”的個(gè)例數(shù)據(jù)對(duì)雙偏振參數(shù)進(jìn)行初步分析，至11月底基本完成設(shè)備的調(diào)試工作。隨后開(kāi)展降水粒子相態(tài)識(shí)別的研究，并取得一定的成果。

2 回波特征分析及識(shí)別方法

2.1 回波特征分析

圖1 雷達(dá)參數(shù)PPI平面圖(0.5°仰角)

研究發(fā)現(xiàn)，地物回波除了具有徑向速度接近零、反射率空間變率或梯度較大、回波頂高較低等特征，地物回波的差分反射率和差分傳播相移的波動(dòng)性較大，差分反射率和差分傳播相移的紋理特征值也較大，而零相關(guān)系數(shù)一般低于0.8。應(yīng)用偏振參數(shù)識(shí)別地物回波比只利用常規(guī)參數(shù)識(shí)別效果更好，不僅能識(shí)別與降水回波分離的地物回波，對(duì)混合時(shí)的識(shí)別效果也較好，而且不會(huì)造成較遠(yuǎn)處小雨的丟失。

圖1為北京市氣象局C波段雙線偏振多普勒天氣雷達(dá)2012年7月21日15時(shí)01分(北京時(shí)間)(下同)觀測(cè)到的0.5°仰角的PPI(Plan Position Indicating)圖。雷達(dá)位于圓心，最大觀測(cè)距離為150km，距離圈間隔30km，射線間隔為30°。黑色圓圈部分即為超折射地物回波，從圖中可以看到，超折射地物回波的反射率值大于50dBz，比周?chē)夭黠@偏大很多;徑向速度在零附近，速度譜寬較小，接近于零;差分反射率因子明顯偏大或偏小，成正負(fù)間隔，變化較大;差分傳播相移的波動(dòng)幅度也較大，完全不同于降水回波，與許多學(xué)者的研究結(jié)果比較一致。雖然大部分地物回波的零滯后相關(guān)系數(shù)都小于0.9(一般認(rèn)為降水回波大于0.9)，但仍然有部分大于0.9，與降水回波的區(qū)分不明顯，并且一些降水回波區(qū)域反而小于0.9，因此文中ρHV不參與識(shí)別。

2.2 回波識(shí)別方法

針對(duì)北京市氣象局C波段雙線偏振多普勒雷達(dá)觀測(cè)數(shù)據(jù)特征，采用模糊邏輯算法識(shí)別地物雜波。在計(jì)算各參數(shù)之前，首先對(duì)數(shù)據(jù)資料進(jìn)行簡(jiǎn)單預(yù)處理:

(1)徑向排序:雷達(dá)在固定仰角沿徑向進(jìn)行360度掃描取樣，每一個(gè)PPI平面的徑向個(gè)數(shù)不同，每一個(gè)平面的起始方位角也不固定，因此對(duì)最低3層仰角數(shù)據(jù)進(jìn)行處理。由于該雷達(dá)分辨率較高，按0.6度為一個(gè)間隔進(jìn)行排序，滿(mǎn)足每個(gè)PPI平面都是600個(gè)徑向。

(2)濾除孤立點(diǎn)回波:在PPI平面上，移動(dòng)一個(gè)5×5(25個(gè)點(diǎn))的窗口，如果該窗口中心點(diǎn)周?chē)挠行c(diǎn)個(gè)數(shù)與總個(gè)數(shù)的比值少于某一閾值(一般取為55%)時(shí)，認(rèn)為該中心點(diǎn)為無(wú)效值，作為孤立回波去除。公式如下:

其中Zi，j為(i，j)距離庫(kù)上的反射率因子，spval為無(wú)效觀測(cè)值，NZ為有效觀測(cè)點(diǎn)個(gè)數(shù)，Pi，j為窗口中有效點(diǎn)個(gè)數(shù)與總個(gè)數(shù)的百分比。

圖2 基于模糊邏輯的地物回波識(shí)別算法流程圖

選用北京市氣象局C波段雙線偏振多普勒雷達(dá)2012年4月19日觀測(cè)到的晴好天氣低仰角(第1～2個(gè)仰角)數(shù)據(jù)和2012年7月21日到22日降雨天氣的高仰角(第5～7個(gè)仰角)數(shù)據(jù)作為地物回波和降水回波資料，統(tǒng)計(jì)劉黎平的7個(gè)特征參數(shù)以及偏振參數(shù)ZDR、ΦDP的水平紋理特征等9個(gè)物理量的分布概率。發(fā)現(xiàn)降水回波和地物回波的反射率垂直變化、沿徑向方向的變號(hào)和徑向速度的方差的概率分布相差不大，重疊區(qū)域較多，因此這些參量不作為新算法的輸入?yún)?shù)。選擇從回波強(qiáng)度中提取的反射率水平紋理TDBZ、徑向的庫(kù)間變化程度SPIN和徑向速度區(qū)域平均值MDVE、速度譜寬的區(qū)域平均值MDSW，以及偏振參數(shù)ZDR、ΦDP的水平紋理特征等6個(gè)物理量作為偏振模糊邏輯算法的輸入?yún)?shù)。圖3為6個(gè)參量的概率分布圖，對(duì)地物回波和降水回波的各參量的分布特征進(jìn)行分析:

(1)由于地物回波形狀多變，分布不均勻，其水平反射率紋理特征明顯大于降水回波，且分布范圍較大，從0到80均有分布，降水回波主要集中在0到20范圍內(nèi);地物回波徑向的距離庫(kù)間變化程度也較大，主要分布在大于50%的區(qū)域，明顯大于降水回波;

(2)地物一般是靜止的，地物回波的徑向速度和速度譜寬分布在零附近，降水回波的徑向速度均勻分布在正負(fù)最大不模糊速度之間，速度譜寬一般較大;

(3)差分反射率和差分傳播相移的分布特征比較一致，地物回波分布范圍比較廣，降水回波主要集中在零附近，分布特征明顯不同。

圖3 地物回波和降水回波各特征參數(shù)的概率分布圖

因此使用這6個(gè)參數(shù)應(yīng)該能有效區(qū)分降水回波和地物回波?；谀：壿嫷牡匚锘夭ㄗR(shí)別算法流程圖如圖2所示。TDBZ、TZDR、TΦDP、SPIN的表達(dá)式如下:

其中，i，j是方位和距離的序號(hào)，NA、NR表示定義的方位和距離計(jì)算范圍，Zthresh為距離庫(kù)間強(qiáng)度變化的閾值，一般取2～5dBz，文中取3dBz。

根據(jù)這些輸入?yún)?shù)的概率分布，給出了各個(gè)參數(shù)的隸屬函數(shù)(圖4)，其中常規(guī)參量的隸屬函數(shù)采用梯形折線表示，偏振參量采用不對(duì)稱(chēng)梯形函數(shù)表示。采用等權(quán)重求和法得到隸屬函數(shù)值，即各輸入?yún)?shù)的權(quán)重均采用1，與給定的閾值(0.5)比較，大于該閾值就認(rèn)為是地物回波。通過(guò)檢查本層徑向速度和上一層放射率強(qiáng)度值，對(duì)識(shí)別為地物回波的距離庫(kù)進(jìn)一步確認(rèn)，誤判為地物的距離庫(kù)采用處理前的上層反射率值代替，減少了對(duì)降水回波的誤判。確定為地物回波的距離庫(kù)標(biāo)記為無(wú)效值去除，僅保留降水信息用于進(jìn)一步應(yīng)用。

3 識(shí)別效果分析

圖4 地物回波識(shí)別各特征參數(shù)的隸屬函數(shù)

2012年7月21日10時(shí)至7月22日06時(shí)，北京市出現(xiàn)歷史罕見(jiàn)強(qiáng)降雨過(guò)程，大部分地區(qū)出現(xiàn)了大暴雨到特大暴雨天氣過(guò)程。這次強(qiáng)降雨過(guò)程雨量大、強(qiáng)降水持續(xù)時(shí)間長(zhǎng)、影響范圍廣、社會(huì)關(guān)注度高。對(duì)該雷達(dá)2012年7月22日02時(shí)57分在北京地區(qū)觀測(cè)的地物回波識(shí)別效果進(jìn)行分析，圖5給出第二層(1.5°仰角)PPI的原始回波強(qiáng)度圖(5a)，采用劉黎平的常規(guī)模糊邏輯算法識(shí)別地物回波的回波強(qiáng)度圖(5b)，以及利用加入偏振參量的偏振模糊邏輯算法識(shí)別后的回波強(qiáng)度圖(5c)。圖5(a)中橢圓部分即為地物雜波，從圖5(b)、(c)可以看到，常規(guī)模糊邏輯算法和加入偏振參量的模糊邏輯算法均能有效識(shí)別大部分地物回波，特別是西北方向和西方回波強(qiáng)度比較大的地物回波，地物回波識(shí)別面積基本相同。但是，采用常規(guī)模糊邏輯識(shí)別方法，有一小部分徑向速度不為零的地物回波(圖5b灰色方框部分)未能識(shí)別，而零速度降水區(qū)(圖5b空方框部分)又被誤判為地物回波。2種算法均不能很好識(shí)別雷達(dá)周?chē)鷱?qiáng)度較弱的地物回波。采用加入偏振參量的模糊邏輯識(shí)別算法，零速度降水區(qū)被誤判為地物回波的情況明顯改善。

分析該區(qū)域各參數(shù)徑向的距離廓線圖發(fā)現(xiàn)，出現(xiàn)這種誤判的原因主要是降水回波的移動(dòng)速度較慢，徑向速度接近于零，速度譜寬也較小(圖6a、6b)，常規(guī)的模糊邏輯算法主要依靠強(qiáng)度因子和速度相關(guān)參數(shù)進(jìn)行判斷，很容易將這部分降水回波誤判為地物回波。分析零速度降水區(qū)徑向的差分反射率因子和差分傳播相移的距離廓線圖(圖6c、6d)，發(fā)現(xiàn)在常規(guī)識(shí)別算法中被誤判為地物回波的“空洞”區(qū)域的差分反射率因子和差分傳播相移波動(dòng)較小，具有降水回波特性。加入偏振參量的模糊邏輯算法很好地解決了過(guò)度識(shí)別零速度降水區(qū)的問(wèn)題，對(duì)地物回波識(shí)別效果有了較好的改善。從圖5(c)可以看到，去除加入偏振參量的模糊邏輯算法識(shí)別出來(lái)的地物回波后，很好地保留了降水回波信息。

圖5 2012年7月22日02時(shí)57分1.5°仰角(第二層)回波強(qiáng)度地物識(shí)別PPI

圖6 圖4(b)中72°方位角“空洞”區(qū)域各參數(shù)的距離廓線圖

從圖5可以看到，降水回波與地物回波分離時(shí)，偏振模糊邏輯方法的識(shí)別和去除效果較好。圖7為一個(gè)降水回波與地物回波混合時(shí)的個(gè)例，為北京時(shí)間2012年7月21日15時(shí)12分1.5°仰角(第二層)回波強(qiáng)度PPI圖。可以看到，當(dāng)降水回波與地物回波混合時(shí)，兩種方法均能很好識(shí)別和去除地物回波，但是采用常規(guī)模糊邏輯方法同樣存在零速度區(qū)降水回波被誤判無(wú)地物回波的問(wèn)題，離雷達(dá)較遠(yuǎn)處這種現(xiàn)象更加明顯(圖7b方框部分)。

因此，加入偏振參量的模糊邏輯算法能有效識(shí)別并去除地物雜波，并較好地保留降水回波信息。

圖7 2012年7月21日15時(shí)12分1.5°仰角(第二層)回波強(qiáng)度地物識(shí)別PPI

4 結(jié)論

采用北京市氣象局C波段雙線偏振多普勒天氣雷達(dá)觀測(cè)數(shù)據(jù)，對(duì)劉黎平識(shí)別地物回波的模糊邏輯算法進(jìn)行改進(jìn)，根據(jù)反射率因子、徑向速度、速度譜寬、差分反射率和差分傳播相移、零滯后相關(guān)系數(shù)等資料，對(duì)地物回波特征進(jìn)行討論，并根據(jù)其特征統(tǒng)計(jì)分析了識(shí)別地物回波的6個(gè)物理量，提出加入偏振參數(shù)的偏振模糊邏輯算法識(shí)別地物回波，并與劉黎平的常規(guī)模糊邏輯識(shí)別算法的識(shí)別效果進(jìn)行比較，結(jié)果表明:

(1)降水回波和地物回波的TDBZ、SPIN、MDVE和MDSW4個(gè)參量的概率分布有明顯區(qū)別，而GDBZ、SIGN和SDVE相差不大，因此只選前面4個(gè)參數(shù)作為新算法的輸入?yún)?shù)。地物回波的ZDR和ΦDP的波動(dòng)幅度較大，不同于降水回波，雖然大部分地物回波的零滯后相關(guān)系數(shù)小于0.9，但仍然有部分大于0.9，并且有些降水回波區(qū)域反而小于0.9，ρHV不參與識(shí)別。因此選擇 TDBZ、SPIN、MDVE、MDSW、TZDR和 TΦDP6 個(gè)參數(shù)作為新算法的輸入?yún)?shù)。

(2)該算法能有效識(shí)別地物回波，特別是強(qiáng)度較強(qiáng)的地物回波，并且很好地解決了過(guò)度識(shí)別零速度降水區(qū)的問(wèn)題，對(duì)地物回波識(shí)別效果有了較好的改善。

(3)同時(shí)，發(fā)現(xiàn)偏振識(shí)別算法對(duì)雷達(dá)周?chē)鷱?qiáng)度較弱的地物回波的識(shí)別效果與常規(guī)算法差別不大，均不能很好識(shí)別。對(duì)于結(jié)果的判定仍然采用人工判讀的方法，評(píng)價(jià)結(jié)果沒(méi)有定量化的檢驗(yàn)，無(wú)法評(píng)價(jià)算法的好壞。而且，現(xiàn)在的質(zhì)量控制方法只依靠雷達(dá)數(shù)據(jù)自身，應(yīng)該進(jìn)一步發(fā)展綜合利用衛(wèi)星、地面雨量站資料和雷達(dá)資料。

致謝:感謝北京市氣象局氣象科技研發(fā)專(zhuān)項(xiàng)資助項(xiàng)目(2013BMBKYZX04)對(duì)本文的資助

[1] Joss J，et al.The application of radar-gauge comparisons to operational precipitation profile corrections[J]，J.Appl.Meteor.，1995，34:2612－2630.

[2] Rosenfeld D.Classification of rain regimes by the three-dimensional proper ties of reflectivity fields[J].J.Appl.Meteor.，1995，34:198－211.

[3] Steiner M，Smith J.Use of three-dimensional reflectivity structure for automated detection and removal of nonprecipitating echoes in radar data[J].Atmos Ocea Tech，2002，5:673－686.

[4] Zhang J，Wang S，Clarke B.Wsr-88d reflectivity quality control using horizontal and vertical reflectivity structure[C].11thconference on aviation，range and aerospace meteorology.Hyannis，2004，54.

[5] Kessinger C，Ellis S，Van Andel J.The radar echo classifier:A fuzzy logic algorithm for the WSR-88D[C].3rdconference on artificial applications to the environmental science.AMS Long Beach，CA，2003.

[6] Berenguer M，Torres S D，et al.A Fuzzy Logic Technique for Identifying Nonprecipitating Echoes in Radar Scans[C].JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY，2006，23:1157－1180.

[7] Cho Y H，Lee G W.Identification and Removal of Ground Echoes and Anomalous Propagation Using the Characteristics of Radar Echoes[C].JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY，2006，23:1206－1222.

[8] 劉黎平，吳林林，楊引明.基于模糊邏輯的分步式超折射地物回波識(shí)別方法的建立和效果分析[J].氣象學(xué)報(bào)，2007，65(2):252－260.

[9] 江源，劉黎平，莊薇.多普勒天氣雷達(dá)地物回波特征及其識(shí)別方法改進(jìn)[J].應(yīng)用氣象學(xué)報(bào)，2009，20(2):203－213.

[10] 莊薇，劉黎平，余燕群，等.雷達(dá)地物回波模糊邏輯識(shí)別算法的改進(jìn)及效果檢驗(yàn)[J].氣象學(xué)報(bào)，2012，70(3):576－584.

[11] 曹俊武，劉黎平，葛潤(rùn)生.模糊邏輯法在雙線偏振雷達(dá)識(shí)別降水粒子相態(tài)中的研究[J].大氣科學(xué)，2005，29(5):827－836.

[12] Ryzhkov A V，D S Zrnic.Polarimetric rainfall estimation in the presence of anomalous propagation[J].J.Atmos.Oceanic Technol.，1998，15:1320－1330.

[13] Gourley J J，Tabary P.A Fuzzy Logic Algorithm for the Separation of Precipitating from Non precipitating Echoes Using Polarimetric Radar Observations[R].2007.

[14] Hubbert J C，Dixon M，Ellis S M.Weather Radar Ground Clutter.Part II:Real-Time Identification and Filtering[R].2009.

[15] 毛紫陽(yáng)，段崇雯，成禮智，等.模糊特征在天氣雷達(dá)反射率基數(shù)據(jù)質(zhì)量控制中的應(yīng)用[J].模糊系統(tǒng)與數(shù)學(xué)，2006，20(6):136－142.

[16] 王建林.雙線偏振多普勒雷達(dá)定量探測(cè)降水強(qiáng)度方法的研究[D].北京:中國(guó)氣象科學(xué)研究院，2005:1－67.