2012 年北京MST 雷达（香河站）大气水平风场数据集

田玉芳，陈泽，吕达仁

1. 中国科学院大气物理研究所中层大气和全球环境探测重点实验室（LAGEO），北京 100029

2. 中国科学院大气物理研究所香河大气综合观测试验站，河北香河 065400

3. 中国科学院大学，北京 100049

引 言

大气风场是表征大气平均运动状态的重要参量。尤其高时间分辨率的大气风场廓线数据可揭示大气动力特征及变化，提高数值天气预报准确性，在研究天气系统生消演变、污染物传输、大气波动特征以及大气上下层之间的动力耦合等方面均有重要作用。

可获取大气风场垂直分布的探测手段主要有无线电探空、激光雷达、流星雷达、中频雷达以及各类大气探测雷达，如MST（Mesosphere Stratosphere and Troposphere）雷达、ST（Stratosphere and Troposphere）雷达以及风廓线雷达等。各类大气探测雷达探测原理相似，采用的无线电波长不同，适用于不同高度大气层的探测。功能强大的MST 雷达工作在甚高频（VHF）频段，可对对流层-下平流层以及中间层-低热层大气风场进行高时空分辨率的全天时探测。

自1974 年国际第一部MST 雷达建成以来[1]，MST 雷达技术在大气风场探测，大气动力特征与过程研究中发挥了非常重要的作用。由于MST 雷达占地面积大，建设与运行费用高，目前国际上在运行的MST 雷达数量有限，包括PANSY、MAARSY、MU radar、EAR、Gadanki MST radar、UK NERC MST radar 等。我国于1980 年代中期研制成功第一部VHF-ST 雷达，可对对流层-下平流层大气风场、湍流等进行探测。自1993 开始陆续获取了多种探测结果[2-4]。近年来我国雷达技术得到迅速发展，在国家重大科技基础设施子午工程项目的支持下，北京MST 雷达与武汉MST 雷达于2011年成功建设，代表我国在MST 雷达探测方面技术的发展，同时也为大气动力特征与过程研究及相关应用等提供宝贵的数据。

北京MST 雷达由中国科学院大气物理研究所建设，位于中国科学院大气物理研究所香河大气综合观测试验站（39.75°N, 116.96°E）。观测站始建于1973 年，为适应大气物理科学研究与应用发展的需求而建立，对大气物理、化学、动力等多要素开展综合观测，也是中国科学院日地空间环境观测网络站之一。

北京MST 雷达占地10 000 m2，天线阵由576 个三单元八木天线组成。雷达工作频率为50 MHz±1 MHz，有低、中、高3 种探测模式，本数据集包含2012 年中模式探测的3-25 km 高度范围内水平风速、风向数据，探测时间间隔为30 分钟，雷达具体的参数详见Tian 和Lu[5]。国内学者应用北京MST 雷达数据已开展了大气风场、波动、对流层顶高度等方面的研究[5-11]。

1 数据采集和处理方法

1.1 雷达探测原理

MST 雷达应用相控阵以及数字波束合成技术，依次发射东西南北垂直5 个波束，当雷达发射的电磁波遇到大气折射指数不规则体（湍流活动导致大气温度、湿度等的脉动使得大气折射指数发生变化）产生湍流散射，散射气团随风移动，通过接收各波束的散射回波来合成得到大气风场信息。此外，MST 雷达的回波机制还包括镜面反射和热散射，分别主要在对流层顶区以及中间层-低热层起作用[12]。北京MST 雷达天线阵及雷达探测原理示意图见图1。

图1 北京MST 雷达天线阵及探测原理示意图[13]

1.2 信号处理

大气回波信号由雷达天线接收经馈线传输至收发组件接收端，经滤波放大后传输至模数转换器采样，再由数字波束合成分系统进行波束合成，经信号处理机进行脉冲压缩、时域积累（相干积累）、去偏移滤波、加窗处理、快速傅里叶变换（FFT）谱分析、杂波抑制、频域积累（谱平均）最后得到功率谱密度数据，供下一步进行数据处理，得到大气参数信息。

1.3 数据处理

数据处理过程通过对功率谱密度数据进行预处理、噪声电平估算、目标回波识别、谱矩估算，将各波束得到的径向速度进行合成来得到大气风场数据。图2 为雷达数据处理过程流程图，相关处理步骤如下：

图2 MST 雷达数据处理流程图

（1）预处理

在处理功率谱密度数据之前，先进行零频去直流以及三点平滑处理。由于地杂波等影响，雷达功率谱密度图中零频处会出现异常高值，取零频左右各两点的功率谱密度均值代替零频原有值，之后再对功率谱密度数据进行三点平滑处理，可部分消除地杂波、脉冲噪声的影响，提高信噪比与谱峰识别能力。图3 给出2012 年1 月4 日01:40（世界时）北京MST 雷达西波束探测12 km 高度处原始及经过预处理后的功率谱密度图。

图3 北京MST 雷达一次探测原始及经过预处理后的功率谱密度图

（2）噪声电平估算

采用分段平均法来快速估算噪声电平值。该方法基于噪声服从自由度为2N/k的χ2分布的假设，将某个距离库上FFT 点数为N 的功率谱密度数据分为k 段，计算每一段的均值，将最小均值作为该距离库的噪声电平值，实际使用时通常选取k=8[14]。图3 在功率谱密度图中给出了应用分段平均法（八段）处理得到的噪声电平值，信号在该值之上。这种方法算法复杂度低，计算速度快，易于实现。

（3）目标回波识别

MST雷达的探测目标为大气折射指数不规则体，也即大气湍涡。其作为大气风场探测的示踪物，由于大气风场具有时空连续性，使得MST 雷达可以探测到这种时空连续性的特征。MST 雷达的回波功率谱密度满足高斯分布特征，目标信号在功率谱密度图中为功率最大、峰值最大、谱宽最大的峰区。

找出每一个距离库功率谱密度数据中的所有信号，即高于噪声电平的数据段。计算各信号段频移点上的功率谱数据之和，该值最大者被认为是准目标回波。再基于目标信号的时空连续性（上下距离库及相邻时次，目标回波对应的中心频移变化是连续的）以及对称波束目标回波中心频移对称性（南北波束、东西波束在假设大气水平风场均匀时，对称波束在同高度距离库上所测得的径向速度具有对称性）来确定目标回波。图4 为2012 年1 月4 日01:40（世界时）北京MST 雷达东西、南北波束分别在4 个距离库高度的功率谱密度图及目标回波识别结果，可见通过以上方法可排除干扰信号，确定目标回波。

图4 北京MST 雷达东西、南北波束功率谱密度图及目标回波识别结果（加粗曲线）

（4）谱矩估算

对于每个波束、每个距离库的功率谱数据，计算信号功率谱的0 阶矩、一阶矩和二阶矩，计算公式如下[15]：

零阶距，即目标回波功率，对目标回波部分的功率谱密度Si积分：

其中，M0是目标回波功率，N为目标回波的总FFT 点数，Si是第i个点的功率谱密度。

一阶矩，即多普勒频移:

其中fi为第i个点的频率。

二阶中心矩，即多普勒频移谱宽:

多普勒频移f与多普勒速度vr存在以下关系：

其中λ为雷达波长。

因此可以将多普勒频移与多普勒频移谱宽换算成多普勒速度与速度谱宽。

某距离库的最大多普勒速度为：

其中，M为相干积累数，fr为脉冲重复频率。

（5）风场合成

对于五波束探测的MST 雷达，根据径向速度计算出水平风的经向与纬向分量，再进行合成，具体计算公式如下所示：

其中，Vri是指第i波束的径向速度，E/S/W/N/Z分别指东、南、西、北与垂直波束。θ为斜波束的天顶角，u、v与ω分别是纬向风、经向风与垂直速度。

1.4 数据传输与发布

北京MST 雷达探测数据生成后实时传输到子午工程数据中心进行发布。

2 数据样本描述

数据集为MST 雷达中模式探测的实时采样高度上的产品数据。数据文件由文件头和数据项组成。第一行为文件头，依次为观测的年、月、日、小时、分钟、台站代码以及设备号。第二行开始为数据项。数据项按照高度先后顺序，由每个高度的观测值连续排列组成，观测值包含高度、水平风向、水平风速、垂直速度以及大气折射率结构常数Cn2这5 个变量。本文只介绍水平风速与水平风向数据。

数据样例如图5 所示，文件名为“XHT_MST01_DWM_L21_STP_20120201001010.dat”，数据项目格式如表1 所示。图6 给出了数据廓线样例图。

图5 北京MST 雷达中模式产品数据样例

表1 北京MST 雷达中模式产品数据项格式

图6 北京MST 雷达201203082310 探测的水平风向、风速廓线图

图7 MST 雷达与探空测得的水平风速ws, 水平风向wd, 纬向风u 和经向风v 在各高度上季节、年平均的相关系数、差值以及差值的标准差廓线图[5]

3 数据质量控制和评估

由于MST 雷达的探测目标主要是大气湍涡，回波信号弱，易受到杂波干扰。在经过信号处理、数据处理之后，仍然会出现个别异常值点。因此在使用数据之前，需要做质量控制。可采用3 倍标准差准则来剔除异常值点，保证风场数据的时空连续性。对于MST 雷达探测的每条廓线，先做5 点中心平均，将得到的廓线作为参考廓线，计算原始廓线与参考廓线的差值。如果差值在Av±3σ（Av和σ分别为差值数据的平均值以及标准差）范围之外，则其对应的点被识别为异常值而去掉[5]。

Tian 和Lu[5]将北京MST 雷达2012 年全年3-25 km 水平风速、风向与北京探空数据做比对分析，共427 组对比廓线，15 210 组对比点。廓线个例对比结果显示二者有很好的一致性。进一步的统计结果表明水平风速、风向的相关系数分别为0.97、0.92，平均差值分别为-0.44 m/s、0.77°，平均绝对差值分别为2.51 m/s、12.02°，均方根误差分别为2.28 m/s 与21.78°，相对偏差分别为7%与2%。图7 给出MST 雷达与探空测得的水平风速、风向、纬向风、经向风在各高度上季节、年平均的相关系数、差值以及差值的标准差分布廓线图[5]。全年平均来看，各高度上水平风速平均差值在-2～2 m/s之间。表明MST 雷达与探空探测的水平风有很好的一致性，MST 雷达数据可靠。

MST 雷达系统复杂，发射功率大，且全天时连续工作。为了保证雷达可长期运行，在雷达运行初期间歇性停机调整雷达状态，因此数据非完全连续。

4 数据使用方法和建议

本数据集可以用来开展对流层-下平流层大气动力特征与过程等方面的研究。

本数据集是雷达观测的产品数据，使用前建议根据研究、应用需求做质量控制剔除异常值点。由于雷达发射功率所限，18 km 以上数据获取率与可靠性下降，建议使用时需谨慎。对数据连续性有要求时，需先查看雷达数据获取的时间信息。

致 谢

本数据得到了国家重大科技基础设施子午工程项目资助，并得到了国家科技基础条件平台-国家空间科学数据中心（http://www.nssdc.ac.cn）的大力支持和帮助。感谢中国科学院大气物理研究所香河大气综合观测试验站工作人员等对北京MST 雷达运维所做的工作。

数据作者分工职责

田玉芳（1989—），女，山西朔州人，博士，博士后，研究方向为全大气层（边界层、对流层-平流层、中间层-低热层）动力特征、过程及大气层之间垂直耦合研究。主要应用大气雷达如MST 雷达、ST雷达、风廓线雷达等开展研究。主要承担工作：数据处理及质量检验。

陈泽（1993—），男，湖北大冶人，硕士，研究方向为基于MST 雷达的中层大气特征与过程研究。主要承担工作为：数据处理。

吕达仁（1940—），男，江苏常熟人，硕士，研究员，研究方向为大气物理、地球大气系统遥感原理与技术研究、日地物理及地球系统过程研究等。主要承担工作：数据质量检验。