2. 中国气象科学研究院灾害天气重点实验室, 北京 100081
双线偏振多普勒雷达通过交替发射或同时发射水平和垂直偏振波, 并接收两个偏振方向回波信号的方法, 不仅在水平方向能得到常规多普勒雷达的参数水平反射率(Z), 径向速度(V), 速度谱宽(SW), 另外, 还能根据不同收发模式两个通道返回的信息得到差分信息, 如差分反射率(ZDR)、退偏振比(LDR)、差分传播相位(ΦDP)、差分相移率(KDP)及相关系数(ρhv)等参数。近年来, 其在雨滴谱计算(Ulbrich et al, 2016)、降水估测(魏庆等, 2016)、冰雹识别(Balakrishnan et al, 2010)、零度层亮带识别(Ryzhkov et al, 1998)、水凝物识别(杨通晓等, 2017)中有着很好的应用。
尽管双偏振雷达目前应用越来越广泛, 但也对资料质量提出了更高的要求。影响双线偏振雷达探测率的因素包括:两个通道天线、发射功率、接收机的一致性; 旋转关节影响; 周边建筑和地形影响等。目前, 由于我国城市发展迅速, 雷达站周围建筑物越来越密集, 越来越高, 因而雷达不可避免的会被近地物等影响。地物回波作为非降水回波, 会影响雷达反演降水强度的精确度, 吴欢等(2014)利用Z和ZDR在空间上的不连续, 变化梯度较大的特点来识别地物回波, 并且在识别的地物处用体扫资料建立Z的垂直廓线进行订正。除地物外, 保护雷达免受雷击的避雷针、周围金属护栏及天线罩连接关节等也对资料质量有影响。Gourley et al(2006)研究发现天线周围若有矩形金属物体则会在此物体的一定范围内使ZDR值增大。吴林林等(2015)也发现天线周围尖端金属物体的遮挡物易造成ZDR正的偏差。同样, 若机内水平和垂直接收通道的增益不一致, 也会在雷达内部产生的接收机噪声的影响, 其在低信噪比(SNR)下, 测量偏振参量产生的误差。Schuur et al(2004)在JOPLE实验得出, 若SNR > 10 dB, 则非气象回波在纯雨中的比例是小于1 %的, 但若SNR阈值只是大于5 dB, 则估测降雨率的误差接近5 %。Zrnić et al(2006)也提出两个接收机通道内存在不相等的增益而产生的不同幅度的电磁噪声, 是随时间可变的温度的函数, 仅当水平和垂直通道的温度漂移能好的控制以后, 则不会对ZDR有影响。杜牧云等(2011, 2013)使用车载C波段双线偏振雷达资料分析降水回波的偏振参量与SNR的关系, 得到距雷达3 km以内的偏振参量不稳定, ZDR和ρhv在SNR小于15 dB时受噪声影响较大从而资料不可用等结论。此外, 还包括旋转关节或俯仰关节异常对差分偏振参量的影响。Dennis et al(2014)发现旋转接头沿方位角或仰角的传动损失, 会产生水平和垂直极化通道的相位差转变和幅度的变化, 会影响到差分信号。另外, 降水的影响也不可忽略, 如衰减、波束不均匀充塞等影响。Chandrasekar et al(1993)发现在雷达分辨体积内均匀充塞, 且无交叉波束的反射率梯度时, 可以得到较高精度的偏振参量, 否则两个波束形状上的微小差异都将使测量值产生巨大误差。
由于X波段具有空间分辨率高, 探测弱回波能力强等优点, 我国现如今在积极的将多普勒CINRAD雷达网全面升级为双偏振雷达网的同时, 也努力发展X波段双线偏振雷达网, 与S和C波段雷达功能互补, 以提高当地精细化临近预报能力。从2015年起北京市气象局和广东佛山市气象局都开始建设X波段双偏振雷达网并投入科研和业务应用, 在随后两年的汛期中发现X波段雷达还存在一系列问题, 其数据质量有进一步的提升空间。由于地物、避雷针、旋转及俯仰关节和机内系统稳定性的影响, 导致ZDR弱回波降雨时系统误差不近似为零, 且随径向和方位变化较大, 因而并不能达到测量所需要的0. 1~0. 2 dB的精度要求(Bringi et al, 1983; Brunkow et al, 2000; Ryzhkov et al, 2005; Zrnić et al, 2010), 因此, 本文使用了北京市和佛山市共5部X波段双偏振雷达在2016年5—8月收集的基数据, 利用偏振参量在弱降雨过程中性质均一、随时空变化缓慢的特征, 将较长时间的观测结果沿径向或方位累积, 统计各个参量的变化规律, 分析旋转关节、避雷针及其其他因素影响双偏振参量测量精度的问题, 并给以质控。
2 使用数据和资料分析方法使用北京4部、佛山1部在2015年起布网的同一型号X波段双线偏振多谱勒天气雷达在2016年7—8月(北京)和5月(佛山)观测的基数据资料(所用资料时间为北京时), 雷达主要技术参数详见表 1, 主要降雨过程时间和体扫数量详见表 2, 站点经纬度分别为116. 35°E, 40. 17°N(北京昌平站, BJXCP)、116. 19°E, 39. 69°N(北京房山站, BJXFS)、116. 62°E, 40. 13°N(北京顺义站, BJXSY)、116. 75°E, 39. 85°N(北京通州站, BJXTZ)及113. 01°E, 23. 14°N(广东佛山站, GDXFS)。选取北京、佛山范围较大的弱降水数据进行统计分析, 由于弱降水过程中偏振参量性质均一、随时空变化较缓慢特征, 将较长时间的观测结果沿径向或方位累积去分析各个参量的变化规律, 从而得到影响我国双偏振参量测量精度的原因, 以及给出相应质控方法。文中所用时间为北京时。
为了尽量避免选取的气象目标本身双线偏振雷达观测量的变化, 分析数据选取标准如下: (1)尽量保证气象目标的ZDR≈0 dB。考虑到雨滴长短轴比随着水平尺度的增大而增加, ZDR的变化范围较大。只有小雨的形状才接近于球形, ZDR接近于0。为此, 统计时主要选取Z在10~20 dBZ区间内的观测值作为小雨的标准, SNR必须大于20 dB, 以避免弱信号下接收机两个通道不一致导致的误差(Hu et al, 2012)。(2)尽量避免衰减对数据的影响。X波段的衰减较为严重, 选取时将经初始差分传播相位订正的ΦDP限制在10°以下(0°~10°), 以确保统计时所取的Z和ZDR来自于距离雷达最近的衰减程度较轻的小雨区(Sugier et al, 2006)。Bringi et al(1990)得到X波段的Z和ZDR的衰减率都与KDP有近似的线性关系, 并对此关系进行了转换建立了ΦDP的变化量与Z衰减量[式(1)]和ZDR衰减量[式(2)]之间的关系式, 其中ΔZ和ΔZDR分别为水平反射率雨区衰减量(单位: dBz)和差分反射率的雨区衰减量(单位: dB), α和β分别是Z和ZDR的衰减系数[单位: dB·(°)-1)]。经Matrosov et al(2002)在外场实验得到α=0. 22 dB·(°)-1, β=0. 033 dB·(°)-1, 为了确保衰减影响不大, 同时具有足够多的统计量, 由此系数代入式(1)和(2)得到小雨区经初始差分传播相位订正的ΦDP < 10°时, Z的衰减 < 2. 2 dBZ, 而ZDR的衰减 < 0. 33 dB。(3)避免非降水回波的影响。晴空回波、地物回波和生物回波等也常常位于10~20 dBZ的区间(江源, 2013), 为了避免杂波的影响, 将ρhv限制为0. 95以上(Balakrishnan et al, 1990), 经初始差分传播相位订正的ΦDP标准差SD(ΦDP)限制为10°以下(0°~10°)。
$ \Delta Z=\alpha * \Delta \mathit{\Phi}_{\mathrm{DP}}(\mathrm{dBZ}), $ | (1) |
$ \Delta Z_{\mathrm{DR}}=\beta * \Delta \mathit{\Phi}_{\mathrm{DP}}(\mathrm{dB}). $ | (2) |
通过上述步骤可以较为严格筛选出ZDR接近于0 dB的小雨回波。其余参量的统计方法与ZDR类似, 不同的是统计Z时去掉了该参量对应的限制条件, 统计ρhv只需满足小雨条件, 因而只保留SNR和ρhv, 最终所有的筛选结果均沿径向或方位累积, 得到该参量随径向或方位变化的廓线图, 能够反映误差的分布情况。特别说明的是, 高仰角下探测的融化物也会干扰统计结果, 筛选时根据当日的探空结果逐库计算高度, 将所选数据限制在融化层以下(Gourley et al, 2006)1 km的高度。同时, 统计初始差分相位ΦDP(0)沿方位累积, 本文采用肖艳姣等(2012)提出的方法计算ΦDP(0)。
3 影响偏振参量精确度的因素分析 3.1 地物影响通过长时间观察各站ρhv的PPI发现偏振参量在低仰角上受地物影响较大, 因而选取BJXFS站2016年7月15日00 : 00—03 : 00共46次大范围弱回波数据做简单的地物识别和地物对偏振参量的影响分析。首先为了识别地物, 对这些数据中ρhv值进行对应仰角、对应径向及对应库上的累积, 然后根据地物的ρhv值低于0. 90, 而降水在0. 90以上特征进行二值化处理, 最终得到离雷达站15 km以内低层仰角(1. 5°)和中层仰角(4. 3°)的ρhv和地物识别的PPI(图 1)。图 1(a)和(c)中反映出在降雨回波中ρhv值较高且随空间连续变化, 说明降水粒子的密度和尺寸是连续变化的, 相邻粒子大小和密度相差不大。但是地物回波的ρhv值很低, 在空间上变化不连续, 与周围降水回波差异往往很大。分析地物识别PPI发现图 1(b)~(d)中表现为随仰角升高, 地物回波面积逐渐减小或消失, 此符合地物的特征。与图 2(a)的北京市高程图进行比较发现, BJXFS的西北部有山脉、北部有较高的建筑物, 观察到的BJXFS站地物回波识别PPI中地物区域与北京市高程图中建筑物群能较好的对应。同时, 能从高程图中得到BJXCP的北部和西部有山脉、而南部则有较高的建筑群, BJXSY的北部有山脉, 西部有较高的建筑群, 以及BJXTZ四周存在较低的建筑群。
为了分析地物对偏振参量的影响, 结合BJXFS的地物识别PPI观察到的53°方位角处的地物特征, 用未设条件的径向累积的方法分别做出图 2(b~e)中1. 5°仰角、53°径向Z、KDP、ρhv、ΦDP及ZDR随距离变化的廓线图。图 2中离雷达分别为4~7. 5 km, 9. 5~15. 5 km和17. 5~18. 5 km的三段距离, 代表图 2(a)中在BJXFS站的53°方位角、离站25 km内的地物。从图 2中观察发现这些距离段内的偏振参量Z, ρhv, ZDR和ΦDP一致出现偏离平均值的波动现象, 其中ρhv, ZDR和ΦDP波动较大, 而Z次之, 但KDP却不明显, 说明ρhv, ZDR和ΦDP对地物更敏感, Z次之, 而KDP则较小。从地物影响范围而言, 受地物影响的偏振参量中Z比其它偏振参量影响范围小, 仅在5 km和12 km为中心的1. 5 km直径范围内受地物影响较大, 而其他偏振参量在矩形虚线框内都被地物影响。从地物对各偏振参量的影响程度而言, 受地物影响的Z和ΦDP值不稳定, 在地物处偏离平均值上下跳变, 而ρhv和ZDR则往低值区域跳变, ρhv在矩形虚线框内普遍低于0. 85, ZDR普遍低于负1 dB。说明低仰角时ZDR及ρhv普遍受到建筑物及山脉等地物的衰减, 衰减程度与电磁波受到遮挡的程度有关, 这种变化符合地物回波对偏振量影响的规律(吴林林等, 2015; Edward et al, 2000), 因而在做下面分析时必须将地物影响去除。
3.2 避雷针影响长时间观察各站ZDR的PPI后, 发现BJXFS站在30°~60°, 120°~150°, 210°~240°和300°~330°的方位内ZDR值始终比周围方位偏大, 而ρhv的PPI上也在这些方位内比周围方位偏小。由实地观察发现这些方位中心或中心附近均有避雷针, 为了分析避雷针对偏振参量的影响, 同时让分析结果具备足够的代表性, 选取BJXFS站在2016年7—8月间的1224次(共82 h)的成熟阶段的大范围弱降水数据(表 2), 用筛选小雨时沿方位累积的方法, 做出图 3(a~e)中偏振参量Z、ρhv、ZDR、KDP和ΦDP(0)从0. 5°~19. 5°仰角随方位变化的廓线图。
图 3(a)中Z在不受避雷针影响的方位角内(非矩形虚线框内)其值随方位平稳变化, 这与层状云降水粒子性质均一、随时空变化缓慢的特征相符合。但在受避雷针影响方位内(各矩形虚线框表示30°~60°, 120°~150°, 210°~240°和300°~330°的方位) 3. 3°仰角以上出现减小, 经计算得到BJXFS矩形虚线框的中心位置(即避雷针所处方位)处各层仰角上Z值达到最低, 其值偏离对应仰角的平均值的幅度为1~2 dBZ间, 根据谭涌波等(2014)的研究, 当电晕离子聚集在金属尖端附近, 会影响附近的空间电荷层分布, 导致尖端处电场强度减小, 从而使得避雷针影响方位内Z值减小。同样, 图 3(b)中矩形虚线框内ρhv的变化趋势也减小, ρhv值在避雷针方向上达到最低值, 其值偏离对应仰角平均值的幅度在0. 006~0. 007。
在图 3(c)中观察到ZDR在矩形虚线框内表现为增加, 在0. 5°仰角以上时相同方位处幅值近似相等, 这是由于避雷针杆对双偏振雷达发射的垂直偏振波衰减要大于水平偏振波, 这与Gourley et al(2006)研究一致, 经计算, 四根避雷针影响方位内峰值点方位角分别为46°, 137°, 227°和315°, 峰值区的影响方位角个数分别为27°, 27°, 29°和31°, 各峰值的偏离平均水平的幅度分别为1. 3, 1. 4, 1. 4, 和1. 3 dB。同样, 图 3(d)中ΦDP(0)在0. 5°仰角以上时, 在一些避雷针影响方位内出现不稳定的细微的跳变, 经计算波动大小最大不超过3°, 判断此天线旁边的避雷针也会对ΦDP(0)产生微小的影响。而图 3(e)中观察到3. 4°仰角以上时KDP值随方位平稳变化, 说明避雷针对KDP值不会有影响, 这与Zrnić (1996)研究发现KDP不会受地物影响结果一致。此外, 使用了小雨时沿方位累积方法, 分析了BJXSY、BJXCP、BJXTZ及GDXFS站4部雷达各偏振参量随方位变化廓线后也得出一致的结论。同时, 发现各部雷达站上不同避雷针对偏振参量的影响程度会各不相同, 这也与避雷针的材料、直径和长度有一定关系(李祥超等, 2015)。
在分析了北京4部和佛山1部雷达后得出, (1)每根避雷针对偏振参量的影响范围近似一致, 均在以避雷针为中心的±15°方位以内, 在此影响方位内除0. 5°仰角以外各层ZDR值近似相等, 但ρhv和Z值在各层却不相等。(2)受避雷针影响的偏振参量偏离平均值的幅度近似固定, 在避雷针方位上达到最大, 其中在此方位ZDR增大0. 4~1. 5 dB、Z减小1~2 dBZ、ρhv减小 < 0. 01, 以及ΦDP(0)不稳定波动 < 5°, 而对KDP几乎没影响。(3)每根避雷针的影响程度不相等, 一般来说, 若某根避雷针影响范围内ZDR峰值较大, 则此影响范围内的其余偏振参量峰(谷)的绝对值相比其他避雷针也表现为较大。表 3中详细的列出了5部雷达上4根避雷针对偏振参量的影响。
除此之外, 由于筛选条件及雷达周围复杂的地物环境限制, 不可避免的在筛选时无法去除所有地物, 因而地物在低层仰角依然有很大影响, 图 3中一些偏振参量随方位在3. 4°及以下仰角上依然随方位不平稳有跳变, 127°~137°方位内存在水平尺度较大的物体遮挡使0. 5°~3. 3°仰角处Z、ZDR及ΦDP(0)值增大, KDP出现 < 1 (°)·km-1正值跳变。
3.3 旋转关节或俯仰关节的影响根据以上对避雷针影响的分析, 在去除避雷针影响的方位后, 发现ZDR值在其余方位的依旧变化不平稳, 且整体不近似为0 dB, 同时相同方位上各仰角层的ZDR值也不相等。为了说明旋转及俯仰关节对ZDR的影响, 本节使用北京四部X波段双线偏振雷达在2016年7—8月间不同时期观测的大范围弱降水资料, 其中选取BJXCP站共623体扫(42 h)、BJXTZ站共290体扫(20 h)、BJXSY站共678体扫(46 h)和BJXFS站共1224体扫(82 h)。首先, 尽量去除地物的影响。发现BJXFS站在低层仰角(0. 5°~2. 4°)上的一些方位内存在地物遮挡会使ZDR跳变, 因而为了统一各雷达站的仰角, 只统计分析3. 4°以上仰角的ZDR值。其次, 去除避雷针的影响。根据避雷针使ZDR值随方位表现出先递增后递减的特征, 经计算后, 剔除避雷针影响的方位角, 最后, 分别得到图 4(a~d)中BJXCP、BJXTZ、BJXSY和BJXFS在非避雷针影响方位内ZDR随方位的变化情况。图中各站均表现为随仰角抬高ZDR值逐渐降低的趋势, 这主要分为两个原因, 一是在同一气象目标下Bringi et al(2001)提出随仰角逐渐抬高到90°时, ZDR值随仰角的抬升而减小, 并趋近于零的结论, 二是仰角不同观测的气象目标本身不一致而导致的误差, 这是因为如果不同仰角下气象目标及选取小雨点数量的不一致, 则各层统计的ZDR值大小也会有差异。四部X波段雷达ZDR值在非避雷针影响的方位具体表现为, 从水平方向上, ZDR值随方位变化不平稳其原因是多方面的, 因为旋转关节异常、水平和垂直发射功率不匹配、以及两接收机通道内的增益不一致产生的电磁噪声等都会是造成ZDR变化不平稳的原因之一(魏洪峰等, 2008)。从垂直方向上, 四站均表现出3. 3°~8. 0°仰角时ZDR值较集中, 而达到9. 9°或14. 6°仰角及以上时, 一些方位随着仰角的升高ZDR值减小并偏离整体水平(蓝线)。然而, BJXTZ站却表现出与(a、c和d)不同的两层结构[图 3(b)], 一层为3. 3°~8. 0°的低层结构, 另一层为9. 9°~19. 5°的高层结构, 低层的ZDR大于高层接近0. 6 dB的值, 分析发现使用的BJXTZ降雨数据是北京市同一时期内降雨覆盖范围足够大的基数据(表 2), 能确定4站是同一片降雨回波出现的概率较大, 但BJXTZ站却出现了差异明显的两层ZDR结构, 猜测可能是因为俯仰关节的异常或损坏影响造成的差异。除此之外, ZDR随方位的变化廓线并未在小雨时的零值线上, 而是整体大于0 dBz, 这跟雷达系统的未标定好有一定关系。
为了分析北京和广东佛山雷达参量随时间变化的稳定性, 分别使用BJXFS站在2016年7月14日19 : 00至15日04 : 36(共145次体扫, 整4分一次体扫)数据和GDXFS站2016年5月20日10 : 13—17 : 16(共117次体扫, 3. 65 min一次的体扫)数据, 研究非避雷针影响径向上ZDR、ΦDP(0)及50 km处灵敏度随时间的变化关系, 从而对比不同雷达机内稳定性差异。图 5(a~c)分别为BJXFS和GDXFS站50 km处的灵敏度、96°方位角处各层ZDR及各层ΦDP(0)随时间变化廓线图。从ΦDP(0)随时间变化得出, BJXFS的各层仰角的ΦDP(0)随时间基本保持水平, 变化无规律且范围在5°以内, 而GDXFS站的各层仰角的ΦDP(0)随时间变化表现为三角波, 其周期一般为3个体扫时间, 变化范围在10°以内。从ZDR随时间变化得出, BJXFS站各层仰角上的ZDR值较集中, 而GDXFS站各层仰角上ZDR值较分散。从50 km灵敏度随时间变化得出, BJXFS和GDXFS的灵敏度随时间的变化正常, 其中BJXFS站灵敏度平均值为18 dBZ, 变化范围为17~19 dBZ, 而GDXFS站灵敏度平均值为16 dBZ, 变化范围为15. 5~17 dBZ。分析其他非避雷针影响方位角也发现类似规律, 对北京市BJXCP、BJXSY及BJXTZ站基数据处理后得出上述参量随时间变化规律与BJXFS类似, 说明GDXFS站数据机内稳定度较差。
针对避雷针影响的质控, 首先, 使用BJXFS站7月15日00 : 24—01 : 24(16个体扫)数据沿方位累积得到偏振参量ZDR及ρhv随方位的订正曲线, 再订正当日01 : 28单个体扫。先由订正曲线统计ZDR及ρhv受避雷针影响方位角, 计算这些方位角内各层仰角上ZDR及ρhv值与平均水平的差值, 对所订正的偏振参量在对应方位上的所有库上加上或减去差值, 使曲线随方位达到平稳变化, 即分别得到了经过避雷针订正后的ZDR及ρhv。本节订正体扫选取14. 5°仰角的ZDR[图 6(b)]及ρhv[图 6(d)]进行分析, 图 6(a)原始ZDR的PPI中受避雷针影响方位(黑色扇形虚线框)内ZDR值(> 1. 5 dB)大于相邻的其他方位(< 1. 5 dB), 而经过订正后ZDR值在这些方位内减小(< 1. 5 dB)。同时, 图 6(c)原始ρhv的PPI中受避雷针影响方位(黑色扇形虚线框)内ρhv值(< 0. 99)小于相邻的其他方位(> 0. 99), 而订正后图 6(d)黑色扇形虚线框内ρhv增大(> 0. 99)。因此, 偏振参量在避雷针订正后有效的减少了被避雷针影响而增强的ZDR回波和减弱的ρhv的回波, 使得PPI更加自然连续。
使用避雷针订正的体扫数据, 在对此数据做避雷针质控后得到14. 5°仰角上ZDR的PPI[图 7(b)], 通过PPI发现订正后的ZDR值的空间分布依然不连续, 在一些方位角内依然较强, 达到0. 5 dB及以上, 并且融化层界限也不明显与同一时刻相同仰角的Z的PPI[图 7(a)]有明显差异。图 7(a)中显示降雨过程依然为弱回波降雨(Z < 35 dBZ), 并且能清晰的区分出15 km处的融化层。同时, 对比了其他仰角层以及此订正数据前后一段时间体扫的PPI也出现避雷针订正后ZDR依然较强的现象, 因而得出经过避雷针订正后的雷达资料质量依然较差结论, 研究发现这与旋转和俯仰关节的异常有关。分析了此次体扫前不同时间段[0. 5 h(8个)、1 h(16个)、2 h(31个)、3 h(46个)、4 h(61个)及5 h(76个)]沿方位累积的廓线图(文中未列出), 发现在避雷针质控后ZDR值不为零且随方位不平稳变化, 而且受旋转和俯仰关节异常影响的方位内ZDR随着累积时间的不同, 这些方位及不同仰角上的ZDR值也会变化, 因而为了保证订正的有效性, 需要求在各径向上统计到足够多的小雨库的数量来做订正, 发现1 h累积后得到的廓线图毛刺减少, 并且订正结果较理想, 因而本节使用订正体扫前1 h累积的ZDR随方位变化曲线进行订正。在避雷针影响订正的基础上, 得到避雷针订正后ZDR随方位变化曲线, 利用曲线上各层仰角沿水平方向变化的ZDR值对逐个径向库订正, 最后得到弱回波降雨时ZDR≈0的数据。图 7(c)为图 7(b)订正后的14. 5°仰角的ZDR的PPI, 与图 7(a)和(b)比较发现图 7(c)中强ZDR(> 0. 5 dB)回波消失, 且此时融化层界限较明显, 同时, 在图 7(a)中Z的PPI中较强的回波(> 30 dBZ)的区域在图 7(c)中ZDR的PPI上得到了保留。
选取BJXFS站2016年7月14日19 : 00至15日04 : 00 (136次)体扫数据, 通过对各层仰角下未受避雷针影响的180°方位角进行每半小时(8个体扫)的径向累积, 从而对此径向做出订正前及订正后ZDR值随时间的变化来评价订正效果。图 8中订正前ZDR值平均值为0. 6 dB, ZDR值变化范围也较大0~1 dB。而订正后, 小雨时ZDR值明显减小, 与0. 1~0. 2 dB的理论值更加靠近, 变化范围缩小为-0. 4~0. 2 dB。对比订正前第11时次突起的ZDR值在订正后也变缓, 说明订正后对数据质量有一定改善。此外, 也对其他径向进行上述方法评估也得出与此径向相同的结论。
自2015年起为了提高北京和佛山两地的精细化临近预报能力, 北京市气象局在昌平、房山、顺义及通州和佛山市气象局都开始建设X波段双偏振雷达网。但在随后两年的汛期观测中发现, X波段双偏振雷达还存在一系列的问题, 其数据质量有进一步的提升空间。本文利用偏振参量在弱降雨过程中性质均一、随时空分布均匀的特征, 将较长时间的观测结果沿径向或方位累积, 统计了参量Z, ρhv, ZDR, KDP及ΦDP的变化规律, 从而分析了地物、避雷针和旋转及俯仰关节等对双偏振参量测量精度的问题, 并提出对应的质量控制方法, 得出以下结论:
(1) 受地物影响导致Z和ΦDP值不稳定, 在地物处偏离平均值上下跳变, 而ρhv及ZDR则往低值区域跳变, 其中ρhv在地物处小于0. 85, ZDR低于负1 dB。根据降雨与地物ρhv的不同, 可通过设0. 9的阈值, 将ρhv的长时间累积能有效的识别地物回波。
(2) 各避雷针对偏振参量(ZDR、Z和ρhv)的影响范围是近似一致的, 一般是以避雷针为中心的±15°方位以内。其中ZDR值除0. 5°仰角以外在同一方位上近似相等, 而Z值和ρhv值不相等, 但在影响范围内都表现为以避雷针为中心的先增大后减小(或先减小后增大)的趋势。避雷针影响使偏振参量偏离平均水平的幅度是近似固定的, 在避雷针方向上达到最大, 其中在避雷针方位上ZDR增大0. 4~1. 5 dB、Z减小1~2 dBZ、ρhv减小 < 0. 01、ΦDP(0)不稳定波动 < 5°, 而对KDP几乎没影响。
(3) 雷达旋转及俯仰关节也是影响资料质量的重要因素, 其中旋转关节异常会使ZDR在水平方向上不平稳变化, 而俯仰关节异常会使ZDR在高、低仰角差别很大。通过对一段时间ZDR沿方位的累积得到各层仰角ZDR变化曲线, 此曲线能实现ZDR系统误差标定。同时, 评估订正前、后ZDR随时间变化取得一定的效果。
(4) 在长时间的观测中, ΦDP(0)、ZDR及灵敏度会随时间出现波动, 得出BJXFS雷达内部性能要比GDXFS较好。
同时, 也注意到此方法对大范围弱回波的层状云降雨比较适用, 而对小范围生消变化快的强对流性降雨过程适用性较差, 原因可能是并非在雷达上空降水以及偏振参量随时间变化快等特征仍然难以克服。因此, 进一步发展资料质量分析是很有必要的。
Balakrishnan N, Zrnić D S. 2010. Estimation of rain and hail rates in mixed-phase precipitation[J]. Journal of the Atmospheric Sciences, 47(5): 565–583.
|
|
Balakrishnan N, Zrnić D S. 1990. Use of polarization to characterize precipitation and discriminate large hail[J]. Journal of the Atmospheric Sciences, 47(13): 1525–1540.
DOI:10.1175/1520-0469(1990)047<1525:UOPTCP>2.0.CO;2 |
|
Bringi V N, Seliga T, Cherry S M. 1983. Statistical properties of the dual polarization differential reflectivity (ZDR) radar signal[J]. IEEE Trans On Geoscience and Remote Sensing, GE-21(2): 215–220.
DOI:10.1109/TGRS.1983.350491 |
|
Bringi V N, Chandrasekar V, Balakrishnan N, et al. 1990. an examination of propagation effects in rainfall on radar measurements at microwave frequencies[J]. Journal of Atmospheric and Oceanic Technology, 7(7): 829–840.
|
|
Bringi V N, Chandrasekar V. 2001. Polarimetric Doppler weather radar:Principles and applications[M]. London: Cambridge University Press.
|
|
Brunkow D, Bringi V N, Kennedy P C, et al. 2000. A description of the CSU-CHILL national radar facility[J]. Journal of Atmospheric and Oceanic Technology, 17: 1596–1608.
DOI:10.1175/1520-0426(2000)017<1596:ADOTCC>2.0.CO;2 |
|
Chandrasekar V, Keeler R J. 1993. Antenna pattern analysis and measurements for multiparameter radars[J]. Journal of Atmospheric and Oceanic Technology, 10(3): 674–683.
|
|
Dennis V, Maurizio S, Marco G, 2014.Absolute dual-polarization radar calibration: temperature dependence and stability with focus on antenna-mounted receivers and noise source generated reference signal[C]//ERAD 2014-The Eighth European Conference on Radar in Meteorology and Hydrology, Garmisch-Partenkirchen, Germany.
|
|
Edward A B, 2000.Dual polarization radar fundamentals and algorithm prospects[M/OL].https://www.roc.noaa.gov/WSR88D/PublicDocs/AppsDocs/algorithm00.pdf.[2017-12-02]
|
|
Gourley J J, Tabary P, Jacques P D C. 2006. Data quality of the Meteo-France C-band polarimetric radar[J]. Journal of Atmospheric and Oceanic Technology, 23: 1340–1356.
DOI:10.1175/JTECH1912.1 |
|
Hu Z Q, Liu L P, Wang L R. 2012. A quality assurance procedure and evaluation of rainfall estimates for C-Band polarimetric radar[J]. Advances in Atmospheric Sciences, 29(1): 144–156.
|
|
Matrosov S Y, Clark K A, Martner B E, et al. 2002. X-band polarimetric radar measurements of rainfall[J]. Journal of Applied Meteorology and Climatology, 41(9): 941–952.
DOI:10.1175/1520-0450(2002)041<0941:XBPRMO>2.0.CO;2 |
|
Ryzhkov A V, Zrnić D S. 1998. Discrimination between rain and snow with a polarimetric radar[J]. Journal of Applied Meteorology and Climatology, 37(10): 1228–1240.
DOI:10.1175/1520-0450(1998)037<1228:DBRASW>2.0.CO;2 |
|
Ryzhkov A V, Giangrande S E, Melnikov V M, et al. 2005. Calibration Issues of Dual-Polarization Radar Measurements[J]. Journal of Atmospheric and Oceanic Technology, 22(8): 1138–1155.
DOI:10.1175/JTECH1772.1 |
|
Sugier J, Tabary P, 2006.ERAD 2006 Proceedings of Evaluation of dual polarization technology at C-band for operational weather radars as part of the EUMETNET OPERA programme[M/OL].http://pdfs.semanticscholar.org/69d6/557e23adcfd55f841171559dc90996f38a42.pdf.[2017-12-02]
|
|
Schuur T J, Ryzhkov A V, Heinselman P L, et al, 2004.The joint polarization experiment-A summary of dual-polarization WSR-88D radar data collection and analysis[C]//20th International Conference on Interactive Information and Processing Systems (ⅡPS) for Meteorology Oceanography and Hydrology, Seattle, Washington State.
|
|
Ulbrich C W, Atlas D. 2016. Assessment of the contribution of differential polarization to improved rainfall measurements[J]. Radio Science, 19(1): 49–57.
|
|
Zrnić D S, Ryzhkov A V. 1996. Advantages of rain measurements using specific differential phase[J]. Journal of Atmospheric and Oceanic Technology, 13(2): 454–464.
DOI:10.1175/1520-0426(1996)013<0454:AORMUS>2.0.CO;2 |
|
Zrnić D S, Melnikov V M, Carter J K. 2006. Calibrating differential reflectivity on the WSR-88D[J]. Journal of Atmospheric and Oceanic Technology, 23(7): 944–951.
DOI:10.1175/JTECH1893.1 |
|
Zrnić D S, Doviak R, Zhang G F, et al. 2010. Bias in Differential Reflectivity Due to Cross Coupling Through the Radiation Patterns of Polarimetric Weather Radars[J]. Journal of Atmospheric and Oceanic Technology, 27(10): 1624–1637.
DOI:10.1175/2010JTECHA1350.1 |
|
杜牧云, 刘黎平, 胡志群, 等. 2011. C波段双线偏振多普勒雷达资料质量分析[J]. 暴雨灾害, 30(4): 328–334.
DOI:10.3969/j.issn.1004-9045.2011.04.007 |
|
杜牧云, 刘黎平, 胡志群, 等. 2013. 双线偏振多普勒雷达资料质量的定量评估[J]. 气象学报, 71(4): 754–768.
|
|
江源, 2013.天气雷达观测资料质量控制方法研究及其应用[D].北京, 中国气象科学研究院, 1-153.
|
|
李祥超, 周中山, 陈则煌, 等. 2015. 避雷针对天气雷达回波影响的研究[J]. 南京信息工程大学学报(自然科学版), 7(5): 414–421.
|
|
谭涌波, 朱俊儒, 李祥超, 等. 2014. 孤立金属尖端的电晕触发阈值[J]. 应用气象学报, 25(3): 339–346.
DOI:10.3969/j.issn.1001-7313.2014.03.011 |
|
魏庆, 胡志群, 刘黎平, 等. 2016. C波段偏振雷达数据预处理及在降水估计中的应用[J]. 高原气象, 35(1): 231–243.
DOI:10.7522/j.issn.1000-0534.2014.00131 |
|
吴欢, 黄兴友. 2014. X波段双偏振雷达回波强度衰减和地物回波识别订正[J]. 气象科学, 34(1): 32–38.
|
|
吴林林, 刘黎平, 袁野, 等. 2015. C波段车载双偏振雷达ZDR资料处理方法研究[J]. 高原气象, 34(1): 279–287.
DOI:10.7522/j.issn.1000-0534.2013.00102 |
|
魏洪峰, 薛震刚. 2008. 双偏振多普勒天气雷达差分反射率因子的测量误差[J]. 气象科技, 36(2): 223–227.
DOI:10.3969/j.issn.1671-6345.2008.02.020 |
|
肖艳姣, 王斌, 陈晓辉, 等. 2012. 移动X波段双线偏振多普勒天气雷达差分相位数据质量控制[J]. 高原气象, 31(1): 223–230.
|
|
杨通晓, 袁招洪. 2017. 多波段双偏振天气雷达识别降水类型的模拟研究[J]. 高原气象, 36(1): 241–255.
DOI:10.7522/j.issn.1000-0534.2016.00016 |
2. State Key Laboratory of Severe Weather(LaSW), Chinese Academy of Meteorological Sciences, Beijing 100081, China