雷达回波中的降水量杂波识别技术研究

摘要：本文主要从地物杂波与降水回波的回波特征中，利用基数据提取出来的反射率因子及其方位和径向上的坐标来计算特征量沿径向的变化程度SPIN 、径向速度的平均值MDVE、回波强度的纹理TDBZ、沿径向方向的变号SIGN，并对这些特征量利用隶属函数进行模糊化处理，从而得到判读地物回波和气象回波的判据，达到提出地物杂波的目的。文中主要根据西南区域雷达的数據进行分析，发现算法对于地物杂波的剔除有一定的效果，识别的结果初步合理，但还需要进一步的验证效果并对算法进行进一步的改进。

关键词：模糊逻辑；地物杂波；雷达回波反射率；隶属函数

中图分类号： P415 文献标识码： A DOI编号： 10.14025/j.cnki.jlny.2018.08.058

为了提高雷达数据的可靠性，科研人员做了很多努力和研究，利用地物杂波的特点来寻求一种有效的识别去除算法。刘黎平等人在分布式超折射地物回波对气象雷达产生的影响问题上，提出了利用模糊逻辑对其识别的算法，利用了地物杂波区别于降水回波的物理量识别地物杂波，同时也进行了改进和效果检验，表明该算法对地物回波有明显的识别作用[1-2]。何彩芬等建立了一种多维线性杂波识别算法，该算法在150km以内，能够有效地过滤非气象回波，并且保留基本完整的降水回波，使得后续分析的降水数据较为准确和完整[3]。邵伟等建立了一种基于小波变换的杂波识别过滤技术，利用小波分析技术对各个区域进行小波分解，并且在后续的试验中证明了该算法对于地物杂波的识别过滤有一定的改善作用，运用相关理论不断优化提出的基于小波变换的算法[4]。M. Gabella 和R. Notarpietro提出了一种基于纹理的去除地物杂波的技术，其优点是容易实现并且在晴天和降水模式下都可以运用，除了与多普勒雷达得到的径向速度数据结合，也可以与其他可用的雷达回波信息结合使用[5]。F. Silvestro认为，从雷达散射体积中获得的降雨率以及其他的参数受到强烈的地物回波及超折射回波的影响，在处理这些非气象回波时，结合以往的识别算法，提出了新的去除算法，该算法充分利用了多普勒信息、双偏振信息以及雷达反射率的垂直分布特性，达到了更好的识别气象回波和非气象回波的效果，目前该算法已经运用于C波段的雷达中，展现了识别地物杂波的效果[6]。

目前，对地物杂波的识别主要是研究在去除地物杂波的时候，如何准确地保留气象回波以及对晴空回波的识别，这也是为了能够提高雷达回波数据整体的可靠性。本文主要是为了运用地物杂波的回波特点以及由此衍生出的特征量的大小特点来对杂波进行识别，并寻求一个比较有效的识别算法，对目前已存在的识别算法进行部分的修改和检验。

1识别算法

目前，使用的雷达基数据主要分为三种，即CINRAD CB/SA/SB这三种，本文使用的为CINRAD SA的基数据，在熟悉相关雷达基数据格式的前提下，利用程序达到对所需数据的提取和分析，主要提取的数据有径向速度、反射率、方位角、仰角、反射率的距离库数，以及体扫模式等要素。将每个点当作一个二维的矩阵（i，j）进行循环计算，利用相关公式计算这几个特征量，得出较为完整的特征量的计算结果，在其中有些计算过程中需要自己设置阈值，根据现有的雷达数据以及结论，可以参考有些阈值的设置，并根据已有的阈值再做适当的调整，也需要考虑其他因素。因此，在这个过程中需要不断尝试不同的阈值，以此寻求一个最佳的判断阈值。在模糊逻辑模糊化的过程中，最重要的就是对每个特征量设置各自合适的隶属函数，以达到模糊化处理的效果。

本文采用的模糊逻辑算法就是利用模糊逻辑对所求得的特征量进行模糊化来达到0～1区间内的有效判据，这是一种模糊逻辑，是可以用来综合评价受多种因素影响的有效的多因素决策方法。它的优势在于结果不是绝对的正确或错误，而是利用模糊的概念去判断，由此来得出判据的大小以及结果的有效性。

在特征量的权重分配上，初始时将特征量的权重设置为相同的，而在试验过程中可以发现，有些特征量在判别地物杂波和气象回波上的区别度不大，例如SING，在计算SIGN的时候可以发现，与TDBZ和SPIN不同的是，在数值上地物杂波的TDBZ和SPIN明显比气象回波要大，但SIGN两者却相差不大，从整体上看对于区别地物杂波和气象回波的作用不大，因此SIGN可以不参与地物杂波识别的过程。

在回波距离的问题上，可以分为两个阶段，一是150km以内的回波识别阈值，二是150km以外的识别阈值。在本文中，首先假设在150km以内的判断阈值为0.4，在150km以外的回波距离出的判断阈值为0.6，这样提高了识别的效果。目前也有研究人员采用了线性阈值的方法，即将阈值大小与离雷达站的距离线性化，运用一次线性关系对距离雷达站不同距离处的回波点进行有区别性的阈值选择。

2算法识别效果分析

图1（左）是2017年1月1日西南区域雷达探测的一次0.5度仰角的PPI雷达回波图，从图中可以看出，在雷达站的周围没有明显的降水回波，基本为弱回波区域，但明显在雷达站25km的范围内有约35dBZ的回波，主要分布在雷达站四周，而且较为分散，相比于降水回波，连续性较差，所以可以基本判定这些回波为要剔除的地物杂波，之后便利用建立的模糊逻辑算法，判断测算这些回波点的回波反射率特征量的判据是否大于所设置的阈值。若大于阈值，则认为是地物杂波使其回波dBZ为0。

2.1降水情况下地物杂波识别效果

分析这次的地物杂波效果，主要是建立在存在降水回波的前提下，降水模式本文采用VCP11模式，主要地物杂波的回波强度为40dBZ。在这种降水情况下的地物杂波识别与没有降水的时候有很大的区别，因为地物回波主要特点是分布比较分散，为孤立的回波点，主要分布在雷达站四周，当抬高仰角之后会逐渐消失，所以在高度上，地物杂波的回波顶相比于降水回波要小，一般以3km为界限，当出现降水回波的时候，高于3km回波顶的上层回波可以认为是正常的降水回波，低于3km的回波且小于模糊逻辑算法所设置的阈值的回波点可以认为是地物杂波点，并剔除该点的回波反射率来达到地物杂波识别额度效果。所以在识别江水情况下的地物杂波识别时，需要判别此回波点是否为地物杂波点，可以通过回波高度来基本判定，避免降水回波被剔除掉，影响回波图的后续使用。在降水天气情况下，雷达电磁波在传播过程中必定会受到一部分衰减，若是在研究例如X波段等短波长的雷达地物杂波识别时，需要考虑电磁波在传播过程中的衰减问题，此次研究的雷达基数据为SA雷达，因此在处理中衰减可以暂时忽略。

通过实例分析可以看出，有效的杂波抑制和去除技术能显著改善雷达的基数据，以及经过后处理而得出的导出产品的质量和可靠性，对于提高短时的降水预报有重要作用，在降水预报的时候去除杂波产生回波的影响，对降水强度的预估和实时预报的准确性有很大作用和影响，因此地物杂波识别技术在降水回波区域的应用是十分必要的，而且目前主要是针对降水区域地物杂波的识别技术，旨在研究如何有效地识别地物杂波和降水回波，尽量避免降水回波的意外剔除的损失。

2.2回波空洞的填补技术

因为地物杂波去除技术留下来的“回波空洞”问题，对于后续的雷达回波图的使用以及导出产品的质量产生了重大影响，因此如何填补回波空洞是绝对有必要的。如果是无降水回波出现的情况，此时的回波图上基本为非降水的弱回波，地物杂波的显示是很明显的，因此去除地物杂波之后利用上层回波的反射率来进行填补，在一定程度上改善了因空洞而产生的影响。对于回波空洞的填补主要是针对于存在降水回波的情况下，需要判断回波空洞出现的区域是否出现了降水，这种问题可以通过回波顶高来判断，高于3km且上层回波为降水回波的可以基本判定为降水区域。对回波空洞的填补主要是利用上层回波的反射率来进行填补工作，如果某个区域的下层为地物杂波剔除后形成的回波空洞，而上层则为受地物影响较小或者基本无地物杂波的降水回波，则可以利用上层的降水回波进行填补。回波空洞有效填补之后，能使得某些被误认为地物杂波的降水回波得以重新显示，被误判的回波区域面积能够有效减小，也能使地物杂波识别技术更加完善，得到的结果也更有质量和可靠性。

分析这次雷达地物杂波识别技术，可以看出结合了纯地物回波和降水情况下的地物杂波识别效果。从图2中可以看出基本沿西南—东北走向为分界线，左侧基本无降水，而右侧明显出现了连续性降水。在此次地物杂波识别中，掺杂了前两个实例的特点，可以看出在分界线的左侧，很明显雷达站周围的地物被剔除了，基本没有残留的地物回波，而在分界线的右侧，在存在降水的情况下，去除地物杂波之后，某些降水回波也被認为是地物杂波而被剔除，一些弱降水回波也就没有显示出来，形成了与图1相似的回波空洞，在利用高层回波下拉的方式后，可以得出初步填补之后的回波图。

3结论

本文针对地物杂波的特性以及有关的特征量进行的地物杂波识别算法的建立，主要根据雷达基数据提取的回波强度和径向速度，速度谱宽等参数，计算了相关特征量，然后进行模糊化处理，设置判断阈值达到去除地物杂波的作用，得出了以下结论：

地物杂波的存在对于雷达基数据以及其导出产品有严重影响，因此，雷达回波中的地物杂波识别技术是提高产品质量的重要手段。

模糊逻辑算法能够在一定程度上识别地物杂波和气象回波，但需要进一步改进，例如对于回波空洞的出现该如何进行填补使得回波更加的完整。目前，使用的回波填补工作是利用仰角的回波中基本没有地物杂波出现的回波反射率进行填补工作，这项工作使得去除地物杂波之后的雷达反射率PPI图更加的完整。

参考文献

[1]刘黎平，吴林林，杨引明.基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析[J].气象学报，2007，65（02）：252-260.

[2]庄薇，刘黎平，余燕群，等.雷达地物回波模糊逻辑识别法的改进及效果检验[J].气象学报，2012，70（03）：576-584.

[3]何彩芬，黄旋旋，丁烨毅，等.宁波非气象雷达回波的人工智能识别及滤波[J].应用气象学报，2007，18（06）：856-864.

[4]邵伟，程浩，刘国庆.基于小波变换的雷达信号地杂波滤除[J].计算机工程与设计，2012，33（02）：793-797.

[5]Gabella M， Notarpietro R. Ground clutter characterization and elimination in mountainous terrain[C].Radar Meteorology. Radar Meteorology （ERAD）， 2002：91-99.

[6] Silvestro F， Rebora N， Ferraris L， et al. Clutter and rainfall discrimination by means of doppler-polarimetric measurements and vertical reflectivity profile analysis[J]. Advances in Geosciences， 2005，2（03）：201-231.

作者简介：黎霖，本科学历，助理工程师，研究方向：大气探测及雷达机务保障。