1 引言

雷达波束部分遮挡是雷达定量降水估测 (Quantitative Precipitation Estimation, QPE) 的重要误差源 (Zawadzki, 1984; Dinku et al, 2003; Germann and Joss, 2003; Krajewski et al, 2010)。针对雷达波束部分遮挡问题, 实施适当的数据处理方案, 提高雷达观测资料和降水估测数据场的连续性, 降低部分遮挡对雷达QPE算法精度的影响, 对地面实况降水信息的监测和预报工作而言, 具有较强的实践意义。

在雷达观测资料质量控制 (刘黎平等, 2007; 江源等, 2009; 庄薇等, 2012, 2013) 的基础上, 中国气象科学研究院灾害重点实验室进行了雷达三维组网拼图算法及QPE算法的研究 (肖艳娇和刘黎平, 2006; 王红艳等, 2009; Wang et al, 2012)。一方面, 由于受到雷达波束部分遮挡的影响, 会造成雷达组网拼图数据场的不连续效应。虽然针对这个问题提出的基于雷达回波概率特征的部分遮挡识别算法, 可以有效识别得到单部雷达特定高度层的部分遮挡区域, 采用先剔除雷达部分遮挡回波, 然后通过再组网拼图的方式, 可以订正部分遮挡造成不连续效应 (勾亚彬等, 2015a), 但这种方法在不同天气过程中的适用性仍然需要进一步评估和验证。另一方面, 基于雷达组网拼图的QPE算法在2012年期间于杭州市气象局得到了业务化应用 (勾亚彬等, 2014)。算法区别于先计算单部雷达QPE, 然后再组网拼图的方案 (Tabary, 2007; 高晓荣等, 2012), 采用先组网拼图再降水估测的方案, 联合地面雨量计观测资料, 采用动态Z-R关系法实时反演地面1小时降水量, 最后结合最优插值法进行局部校准订正 (李建通等, 2005)。虽然针对不同降水类型并存, 提出了基于云团的Z-R关系拟合方案 (勾亚彬等, 2015b), 对算法的Z-R关系拟合环节进行了优化更新, 但部分遮挡对Z-R关系拟合以及最优插值校准方案的影响, 以及基于订正部分遮挡回波后的雷达组网拼图数据, 是否可以有效改善雷达QPE数据场的精度, 均有待进一步评估和验证。为了解决以上两个方面的问题, 本文选择4次不同的大范围降水过程, 分别使用部分遮挡回波订正前后的雷达组网拼图数据, 分别评估和分析基于云团的分组Z-R关系反演得到的雷达QPE数据场, 以及最优插值校准订正后的雷达QPE数据场, 以验证部分遮挡订正方案在不同天气过程中的适用性, 特别是该方案在提高雷达组网拼图质量和提高雷达QPE算法精度方面的有效性。

2 方法与数据 2.1 部分遮挡区域识别及处理方案

利用浙江省的杭州、宁波、舟山、温州、金华、衢州, 安徽省的黄山以及江西省的上饶, 共计8部新一代天气雷达的观测资料进行组网拼图, 时间分辨率为6 min。金华、衢州和上饶雷达的部分遮挡较为严重, 因此, 首先采用基于雷达回波概率特征的方法 (勾亚彬等, 2015a), 设置雷达回波阈值 (20 dBZ), 连续检测2012年5-10月金华、衢州和上饶这3部雷达43911、41891、41263个3 km高度层CAPPI数据。如图 1所示, 根据雷达回波大于20 dBZ的概率, 可以将3部雷达3 km高度层CAPPI区域划分为不同遮挡性质的格点区域, 即: (1) 完全遮挡的探测区域:理想情况下, 雷达在地物之后探到回波的概率恒为零。考虑到插值算法 (肖艳娇等, 2006) 对数据资料的影响, 靠近部分遮挡区域较近的格点内的概率会稍大于零。(2) 无遮挡影响的探测区域:将降水视作概率事件, 因而每一个格点监测到较强雷达回波的概率依赖于随机发生的天气过程, 且服从高斯分布。(3) 部分遮挡的探测区域:介于雷达完全遮挡区域和无遮挡影响的区域之间。相比完全遮挡区域, 这个区域内出现雷达回波的概率偏大; 相比无遮挡影响的区域, 这个区域内出现雷达回波的概率偏小。由于雷达波束阻挡系数受到大气状态演变的影响, 这个区域内格点的雷达回波概率往往呈现缓慢变化的特征:即靠近无遮挡影响区域时, 格点内雷达回波概率偏大; 靠近完全遮挡区域时, 格点对应的雷达回波概率偏小。

未订正雷达波束遮挡回波之前, 联合多部雷达的格点化观测资料, 某高度层格点坐标 (k, l) 上的雷达反射率因子可参照式 (1) 计算。格点坐标 (k, l) 上假定第m个雷达受到部分遮挡效应的影响。剔除第m部雷达的受部分遮挡影响的回波, 式 (1) 演变为式 (2), 即仅使用周边无遮挡的雷达回波进行组网拼图, 这相当于采用剔除部分遮挡雷达回波的方式进行部分遮挡订正。

$ \begin{align} & {{Z}_{\text{old}}}(k,~l)=\frac{\sum\limits_{i=1}^{N}{{{w}_{i}}(k,~l)}{{Z}_{i}}(k,~l)}{\sum\limits_{i=1}^{N}{{{w}_{i}}(k,~l)}}=\frac{{{w}_{m}}(k,~l){{Z}_{m}}(k,~l)}{\sum\limits_{i=1}^{N}{{{w}_{i}}(k,~l)}}\sum Ni=1{{w}_{i}}(k,~l)\text{ } \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ +\frac{\sum\limits_{i=1,\text{ }i\ne m}^{N}{{{w}_{i}}(k,~l){{Z}_{i}}(k,~l)}}{\sum\limits_{i=1}^{N}{{{w}_{i}}(k,~l)}}, \\ \end{align} $

(1)

$ {Z_{{\rm{new}}}}(k,l) = \frac{{\sum\limits_{i = 1,{\rm{ }}i \ne m}^N {{w_i}(k,l){Z_i}(k,l)} }}{{\sum\limits_{i = 1,{\rm{ }}i \ne m}^N {{w_i}(k,l)} }}, $

(2)

式中: Z_old(k, l) 和Z_new(k, l) 分别是格点坐标 (k, l) 上订正部分遮挡回波前后的雷达组网拼图数据; Z_i(k, l) 为第i部雷达格点坐标 (k, l) 的反射率因子; w_i(k, l) 为根据格点坐标 (k, l) 与第i部雷达之间的斜距, 以反距离方式确定的加权因子。

为了评估部分遮挡雷达—雨量计联合定量降水估测算法的影响, 联合杭州、宁波、衢州、金华、温州、舟山、上饶、黄山8部天气雷达观测资料组网拼图的过程中, 将图 1中3部雷达的部分遮挡区域识别结果作为先验知识, 采用先剔除部分遮挡回波, 然后再组网拼图, 从而分别计算得到两种雷达组网拼图数据, 即剔除部分遮挡回波之前和之后的雷达组网拼图数据。同时, 将原先的雷达组网拼图数据, 按照是否受到部分遮挡效应的影响, 划分雷达波束遮挡区域和无遮挡影响的数据区域, 以及这两种数据区域构成的总数据区域, 然后通过定性对比剔除部分遮挡回波前后的雷达组网拼图数据, 以及使用雨量计定量对比雷达估测雨量的方式, 说明这种部分遮挡回波处理方案的有效性。

首先, 参照雷达回波概率特征的方法, 统计单部雷达的不同仰角的不同径向距离库的完全遮挡和部分遮挡信息, 然后将这些信息直接集成在单部雷达的格点化处理算法中, 使得无需识别单部雷达每个高度层上的遮挡信息, 从而简化了波束部分遮挡识别算法和雷达组网拼图算法的应用。但为了方便验证, 本文仍然使用上述3个站点3 km高度层的部分遮挡识别结果。

2.2 雷达和雨量计联合降水估测算法

本文的雷达—雨量计联合降水估测算法采用了先组网拼图, 再降水估测的方案 (勾亚彬等, 2014)。在业务应用过程中, 算法先根据不同雷达的体扫资料, 构建雷达三维组网拼图数据, 然后根据混合扫描策略 (肖艳娇等, 2008), 采用自下而上的方式, 首先构建得到一个降水估测使用的组网反射率因子数据场。但为了对前面的部分遮挡识别结果进行分析和验证, 仅使用3 km高度层的雷达组网拼图数据作为降水估测反射率因子数据场。具体地算法首先采用基于云团的Z-R关系拟合方案 (勾亚彬等, 2015b), 参照云团识别的段识别方法 (王改利等, 2010; 杨吉等, 2012), 将雷达组网反射率因子数据场划分为不同的云团, 然后将每个云团内部的回波按回波强弱, 进一步化为不同的数据分组, 最后在每一个云团的数据分组内, 将最小化式 (3) 为目标 (张培昌等, 2000), 使用最优化方法拟合与该数据分组对应的最优Z-R关系, 不同云团的不同分组使用不同Z-R关系反演雷达瞬时雨强。

$ \delta = {\rm{min}}\sum\limits_{i = 1}^n {\left[ {{{({G_i} - {R_i})}^2} + \left| {{G_i} - {R_i}} \right|} \right]} , $

(3)

式中: G_i为雨量计观测雨量; R_i为瞬时雨强。在拟合Z-R关系的过程中, 将两者的单位统一为mm·h^-1。

在得到每个时次的雷达瞬时数据场后, 先参照式 (4) 采用逐点的时间线性平均累积方案 (伍静等, 2010; 李建通等, 2005), 构建雷达1 h降水估测初始场, 然后参照式 (5) 采用最优插值方案 (李建通等, 2000), 结合地面雨量计1 h观测雨量, 对雷达1 h降水估测初始场进行校准订正, 得到最终的雷达QPE数据场。

$ R_{\left( {i,{\rm{ }}j} \right)}^r = \sum\limits_{l = 1}^n {\frac{{\left( {R_{\left( {i,{\rm{ }}j} \right)}^l + R_{\left( {i,{\rm{ }}j} \right)}^{l + 1}} \right)}}{2}} , $

(4)

$ R_{\left( {i,{\rm{ }}j} \right)}^a = R_{\left( {i,{\rm{ }}j} \right)}^r + \sum\limits_{k = i}^N {{P_k}\left( {R_k^r - R_k^g} \right)} , $

(5)

式中: R(i, j)^l为格点坐标 (i, j) 上的雷达瞬时雨强; R_{(i, j)}^r为格点坐标 (i, j) 上累积得到的雷达估测雨量; R_{(i, j)}^a为格点坐标 (i, j) 上最优插值校准后的雷达估测雨量; R_k^g为该格点周围第k个雨量计的观测雨量; R_k^r为周围第k个雨量计对应的估测雨量; P_k为周围雨量计在均方差最小意义下的权重系数。

2.3 雨量计数据及评估对比方法

所用覆盖浙江省的2047个雨量计的历史观测资料, 时间分辨率为1 min。同时, 为了方便Z-R关系的拟合, 首先将雨量计观测资料处理成每6 min的累计值, 然后再与各时次的雷达组网拼图观测资料相匹配。为了说明数据评估结果的客观性, 将覆盖浙江省的2047个雨量计站点均匀划分成两个部分 (图 2), 将红色标识的雨量计共计1029个, 作为数据集Ⅰ, 蓝色标识的站点共计1018个, 作为数据集Ⅱ。在联合雷达和雨量计观测资料计算地面降水信息的过程中, 仅一半雨量计用作Z-R关系拟合并参与最优插值校准, 另一半雨量计仅用作降水估测评估。同时, 如图 2绿色阴影部分所示, 位于雷达部分遮挡区域内的雨量计共计155个, 无遮挡影响数据区域的数据共计1892个。

采用雷达QPE算法和剔除部分遮挡回波之前和之后的雷达组网拼图数据, 可以分别计算得到未订正部分遮挡前后的雷达QPE数据场。在计算和评估雷达估测雨量的过程中, 数据集Ⅰ和Ⅱ相互独立, 分别循环使用两个数据集的雨量计观测雨量分别进行Z-R关系拟合、最优插值校准和降水估测评估。因而, 可以分别计算得到两种不同的降水估测评估结果。

在评估部分遮挡对Z-R关系拟合以及最优插值订正的过程中, 部分遮挡区域内的155个雨量计同时参加了这两个算法环节的计算。在后期评估验证的过程中, 根据数据集Ⅰ和Ⅱ循环评估结果, 提取部分遮挡区域内155个雨量计的观测雨量和估测雨量数据对, 可以分别在部分遮挡区域、无遮挡区域和总的数据区域内, 计算出基于两种不同组网拼图数据的降水估测评估结果。由于这两种雷达QPE场的计算和评估过程中, 仅雷达观测资料不同, 因而可以有效检验部分遮挡回波对Z-R关系拟合和最优插值校准两个算法环节的影响。

除了雷达波束的部分遮挡外, 雷达QPE算法还受到诸如0 ℃层亮带、雷达标定等因素的影响, 而且部分遮挡通常在较长期累积过程中, 才会对雷达QPE算法表现出强烈的负面效应。因而, 为了排除0 ℃层亮带环节的潜在误差, 并未选择典型的层状云降水过程, 而是选择了4次大范围的覆盖浙江省全省的降水过程。这4次天气过程案例的时间段分别为2012年6月22日06:00(北京时, 下同) 至6月22日12:00(案例1); 2012年8月7日20:00至8日02:00(案例2); 2013年4月29日13:0-019:00(案例3); 2013年6月6日18:00至7日00:00(案例4)。结合这些天气过程, 分别以比率偏差E_BIASi、平均绝对误差E_MAi、均方根差E_RMSi和相关系数E_CCi(公式 (6)~(9)) 作为评估指标, 对雷达和雨量计联合降水估测算法评估, 评估和分析Z-R关系反演和最优插值校准得到的雷达6 h估测雨量。

$ {E_{{\rm{BIAS}}i}} = \frac{{\overline {{r_i}} }}{{\overline {{g_i}} }}, $

(6)

$ {E_{{\rm{MA}}i}} = \frac{1}{n}\sum\limits_j^n {\left| {{g_{i,{\rm{ }}j}} - {r_{i,{\rm{ }}j}}} \right|} , $

(7)

$ {E_{{\rm{RMS}}i}} = \sqrt {\frac{1}{n}\sum\limits_j^n {{{\left| {{g_{i,{\rm{ }}j}} - {r_{i,{\rm{ }}j}}} \right|}^2}} } , $

(8)

$ {E_{{\rm{CC}}i}} = \frac{{\sum\limits_j^n {\left( {{g_{i,j}} - \overline {{g_i}} } \right)\left( {{r_{i,j}} - \overline {{r_i}} } \right)} }}{{\sqrt {\sum\limits_j^n {{{\left( {{g_{i,j}} - \overline {{g_i}} } \right)}^2}{{\left( {{r_{i,j}} - \overline {{r_i}} } \right)}^2}} } }}. $

(9)

3 效果评估 3.1 雷达组网拼图数据对比

根据图 1识别得到的金华、衢州和上饶雷达的部分遮挡区域识别结果, 采用先剔除单部雷达部分遮挡回波, 再组网拼图的数据处理方案, 可以降低波束部分遮挡对组网拼图的影响。图 3给出了4次案例联合黄山、衢州、金华、上饶、杭州、宁波、舟山和温州8部天气雷达, 对比剔除部分遮挡回波前后的雷达组网拼图数据。在图 3a、c、e、g中红色箭头指向的条带状数据区域, 明显受到金华、衢州和上饶雷达波束部分遮挡效应的影响, 从而导致雷达组网拼图数据的强烈不连续; 相应地, 图 3b、d、f、h中金华、衢州和上饶雷达的部分遮挡区域内, 原先的条带状不连续完全消失, 新的雷达组网拼图数据表现出明显的连续性。

同时, 也可以采用定量的方式对比部分遮挡区域内的雷达组网拼图数据。设置雷达回波阈值为10 dBZ, 对4次案例在金华、衢州和上饶雷达的部分遮挡区域内, 分别统计剔除部分遮挡回波之前和之后的雷达回波, 可以得到回波平均值散点分布 (图 4):相比未剔除部分遮挡回波的雷达组网拼图数据, 剔除雷达部分遮挡回波, 然后使用周边雷达的无遮挡雷达观测资料进行订正, 在4次案例中分别使部分遮挡区域内的雷达回波平均增强了7. 7, 7. 7, 6. 6, 6. 5 dBZ。

综上所述, 特别是图 3雷达回波空间分布对比和图 4部分遮挡区域内雷达回波的定量对比均表明, 应用金华、衢州和上饶雷达部分遮挡区域识别结果, 先剔除部分遮挡回波再组网拼图处理方案, 在不同天气过程中均可以有效提高雷达组网拼图数据的连续性, 增强部分遮挡区域内的雷达回波, 这在不同天气过程中具有良好的适用性。

3.2 部分遮挡区域内雷达QPE数据场评估与分析

部分遮挡在雷达组网拼图上造成的条带状不连续, 会进一步造成雷达QPE数据场的不连续, 这严重地影响到部分遮挡区域内的雷达QPE数据场的连续性和精度。

首先, 对比剔除部分遮挡前后的雷达QPE数据场的连续性, 以说明剔除部分遮挡回波的必要性。基于云团分组Z-R关系拟合方案, 使用剔除部分遮挡回波之前的雷达组网拼图数据, 反演得到的4个不同时次的6 h雷达QPE数据场 (图 5a、c、e、g), 雷达波束遮挡导致雷达QPE数据场出现了严重的数据不连续效应; 相应地, 使用剔除部分遮挡回波之后的雷达组网拼图数据, 反演得到的4个不同时次的6 h雷达QPE数据场 (图 5b、d、f、h), 对应的雷达6 h QPE数据场的连续性明显得到改善, 这表明使用剔除部分遮挡回波的订正方案, 可以有效地改善因部分遮挡造成的雷达QPE数据场的不连续效应。

在部分遮挡区域内, 还可以使用雨量计6 h观测雨量对雷达估测雨量进行定量对比。在金华、衢州和上饶雷达部分遮挡影响的区域内共计有155个雨量计站点, 由于所用4次案例覆盖范围都比较大, 大部分站点的雨量计在这些过程中均可以观测到较大的降水量。

根据数据集Ⅰ和Ⅱ循环评估的结果, 将部分遮挡区域内155个雨量计站点的雨量计6 h观测雨量和雷达6 h估测雨量数据对分隔提取出来, 在部分遮挡区域内可以得到降水估测效果评估对比结果 (图 6)。

在图 6a、c、e、g中的部分遮挡区域内, 基于原雷达组网拼图数据的6 h雷达QPE的评估结果, E_BIAS明显偏低, 说明雷达估测雨量出现了严重的低估; E_MA相对较大, 说明雷达6 h估测雨量的局部误差较大, E_RMS相对较大, 说明雷达6 h估测雨量与雨量计6 h观测雨量之间的离散程度偏大; E_CC相对较小, 说明雷达估测雨量与地面雨量计观测资料之间的相关性较差。

在图 6b、d、f、h中的部分遮挡区域内, 基于新雷达组网拼图数据的6 h雷达QPE的评估结果中, E_BIAS均更加接近于1, 说明新的雷达6 h估测雨量对应的面雨量误差更小; 其他各项误差中, E_MA比原先的结果分别降低了66. 4%、39%、37. 2%和37. 6%; E_RMS分别降低了61. 1%、48. 7%、32. 6%和28. 2%; E_CC分别提高了10. 2%、45%、3. 3%和13. 9%。这说明基于新的雷达组网拼图数据, 提高雷达QPE数据场连续性的同时, 有效地降低了因部分遮挡造成的降水估测误差。

3.3 其他区域内的雷达QPE数据场评估与分析

下面主要对无遮挡影响的数据区域和总的数据区域内的雷达估测雨量进行评估和分析, 以说明部分遮挡对Z-R关系拟合和最优插值校准的影响。由于这两种数据区域内, 雷达QPE数据场的空间分布差异并不是很大, 所以以下部分仅分析三种不同数据区域的评估结果。

采用雨量计数据集Ⅰ和Ⅱ, 循环反演和评估基于云团的分组Z-R关系拟合方案得到的雷达6 h QPE数据场, 以及进一步最优插值校准的雷达6 h QPE数据场。具体地, 将无遮挡影响的数据区域内的1892个雨量计观测资料分隔出来, 可以得到无遮挡影响数据区域的雷达6 h降水估测评估结果; 将数据集Ⅰ和Ⅱ的评估结果汇总起来, 就可以得到总的数据区域内的雷达6 h降水估测评估结果。三种不同性质数据区域中, Z-R关系拟合环节和和最优插值校准环节的降水估测评估结果 (表 1、2), 部分遮挡区域内155个雨量计的降水估测结果也列在其中。

相比原先未订正部分遮挡的雷达组网拼图资料的降水估测结果, 使用新的订正部分遮挡后的雷达组网拼图数据, 不仅可以使部分遮挡区域内的降水估测评估结果得到明显改善, 而且无遮挡影响数据区域和总数据区域内的雷达QPE评估结果也有所改善。对无遮挡数据区域和总的数据区域而言, 在4次案例中, 使用原先的雷达组网拼图数据, 相应的雷达QPE的E_BIAS和E_CC均相对更小, 且E_MA和E_RMS均相对更大; 使用新的组网拼图数据后, 相应的雷达QPE的E_BIAS和E_CC均略微提高, 同时E_MA和E_RMS略微降低。这意味着使用新的组网拼图数据, 在无遮挡数据区域和总的数据区域内, 雷达QPE精度也得到了有效改善。

在雷达雨量计联合降水估计地面6 h降水量的过程中, 除了雷达组网拼图数据不同之外, Z-R关系拟合和最优插值校准环节均使用完全相同的算法参数和处理步骤。因而可以确定表 1、2中两种雷达小时QPE数据场的评估差异, 源自于部分遮挡区域内的雷达回波, 由此导致的误差在Z-R关系拟合和最插值校准环节均有所体现。

根据式 (3), 在Z-R关系拟合环节, 虽然雨量计观测资料固定不变, 但部分遮挡会导致一部分雷达反射率因子相对偏小。对于基于云团的Z-R关系拟合方案, Z-R关系的拟合与局部识别得到的云团有关, 云团中受部分遮挡影响的雷达回波必然影响到Z-R关系的正常拟合, 导致拟合得到的Z-R关系与最优Z-R关系之间的偏离, 从而导致使用未订正部分遮挡的雷达组网拼图数据, 会导致的降水估测误差较大。

根据式 (5), 使用最优插值校准雷达QPE数据场的过程中, 校准的结果与雷达估测雨量和雨量计观测资料之间的差异有关。基于未订正部分遮挡的雷达组网拼图数据, 部分遮挡区域内的雷达估测雨量与雨量计观测雨量之间的差异也相对较大, 这必然影响到最优插值后的雷达6 h降水估测数据场的精度。

仅就剔除部分遮挡回波的新雷达组网拼图数据而言, 在表 1、2中的不同数据区域内各项误差评估结果趋于一致。这种一致性源于剔除部分遮挡回波后, 既提高了雷达组网拼图的质量, 又降低了部分遮挡回波对Z-R关系拟合和最优插值校准的影响, 从而改善了雷达QPE算法的精度。

4 结论

以4次大范围降水过程为例, 结合浙江省和周边的多部新一代天气雷达、覆盖浙江省的逐分钟雨量计观测资料并联合金华、衢州和上饶3个站点的部分遮挡区域识别结果, 分析了剔除部分遮挡回波的订正方案在不同类型天气过程中的有效性, 评估和验证了部分遮挡对基于雷达组网拼图的QPE算法的影响, 得到如下主要结论:

(1) 部分遮挡区域内的雷达组网拼图数据定性和定量对比均表明, 结合基于雷达回波概率特征的部分遮挡识别结果, 先剔除部分遮挡回波, 再组网拼图的数据处理方案, 可以有效去除部分遮挡在雷达组网拼图和雷达QPE数据场的条带状回波, 增强两种数据场的连续性, 在不同天气过程中均具有较好的算法适用性。

(2) 部分遮挡区域内的雷达QPE评估对比表明, 部分遮挡订正后的雷达组网拼图反演得到的降水估测结果, 明显优于部分遮挡订正前的降水估测结果, 新估计得到的雷达估测面雨量, 与地面雨量计观测雨量, 具有更好的线性关系, 同时具有较小的降水估测局部误差, 雷达估测雨量和地面雨量计观测雨量之间的相关性也相对较高。

(3) 无遮挡区域和总的数据区域内的雷达QPE评估对比表明, 部分遮挡区域内的雷达回波同样会降低这两个区域的雷达QPE的精度; 订正部分遮挡区域内的雷达回波后, 可以提高Z-R关系拟合环节和最优插值校准环节的有效性, 进而改善无遮挡区域和总的数据区域内的雷达QPE的精度。

鉴于较低高度层的雷达组网拼图资料的探测范围有限, 但较高高度层雷达回波易受到0 ℃层亮带的影响, 目前研究了联合雷达反射率因子廓线和较高层的雷达组网回波观测资料, 外推较低高度层的雷达回波的数据处理方案。但在此之前, 较高高度层的雷达观测资料的质量问题显得至关重要。因此, 本文对雷达部分遮挡区域识别算法的应用和验证, 以及剔除部分遮挡回波的订正方案的评估和对比分析, 有利于下一步工作的继续展开。新的垂直外推得到的雷达观测资料是否可以提高基于雷达组网拼图的QPE算法的精度, 则有待未来工作的进一步评估和验证。