X 波段相控阵天气雷达数据质量控制研究

李岩松，孔龙时，魏艳强，齐涛，特韦塔

（1.北京无线电测量研究所，北京 100864；2.中国气象局气象探测中心，北京 100081；3.西仰光科技大学，仰光11082）

2019 年年初至2020 年8 月，应北京人影办要求，北京无线电测量研究所生产了X 波段相控阵天气雷达，并在张家口进行气象保障试验。设备架设地点位于张家口市东花园镇大队院中，海拔50 m，与北京市区雷达高度接近。

这次试验持续时间为20 个月，覆盖了北京整个冬天、春天、夏天，设备运行稳定，获取到了北京当年所有天气过程。

X 波段相控阵双偏振天气雷达是北京无线电测量研究所自主研制的相控阵天气雷达[1-4]，雷达采用全固态发射接收模块[5]，工作稳定可靠。天线采用双偏振体制，可以有效获取多种双偏振参数[6-7]，扩充雷达二次产品类型。雷达在站点长期运行，经受了多次突然断电、低温、降雪、高温、降水等过程的考验，全程运行稳定，获得了人影办用户的肯定。

1 主要问题及解决方法

这次试验中，在分析降水过程时（这次采用2020年7 月2 日的数据），画出了差分传播相移[8]ΦDP分布散点图，如图1 所示，可以看出，ΦDP分布区间较广，数值跨度较大，数据连续性较低，整体数据质量不高。抽取画出其中一个单径向ΦDP曲线（如图2 所示）后可以看出，在近距离库，ΦDP数值明显属于异常值，推测为信号处理将近距离杂波统一放入计算中，导致ΦDP数据质量降低。

图1 ΦDP 散点图

图2 ΦDP 单径向廓线图

通过分析数据，可以找到当前信号处理输出ΦDP所面临的几个问题：

1）在低仰角的雷达近距离库，ΦDP数据没有进行质量控制，有部分明显为杂波的数据没有得到很好的剔除。

2）在径向数据中，存在少量明显有较大偏差的数据没有剔除，导致局部ΦDP曲线抖动较大。

针对以上问题，该文提出了数据质量控制算法，重新计算雷达ΦDP数据，主要方法为：

1）根据雷达数据间的关联关系，加入针对ΦDP的数据质量控制，剔除明显为地杂波的ΦDP数据，保留可反映降水的ΦDP数据。

2）根据ΦDP自身的物理特性，提出ΦDP的平滑算法，剔除局部变化较大的ΦDP数值，使整体ΦDP变化更加平滑。

2 ΦDP 数据质量控制方法步骤

2.1 ΦDP 的定义以及物理意义

双极化参量ΦDP定义为垂直通道相位与水平通道相位的差值，主要是因为水平极化电磁波与垂直极化电磁波在空间行进，在经过小的非球形的液滴时，垂直极化的相位变化与水平极化相位变化速度不同，而ΦDP主要刻画两个通道在同一位置相位的差值。根据实际降水过程，当天气雷达发射的双极化波经过标准圆形液滴时，ΦDP值不会有任何变化，而当液滴不是标准圆形液滴时（较多天气过程中液滴为椭球形），ΦDP会出现逐渐增加的情况。ΦDP是一个累积量，当经过降水过程区域时，ΦDP逐渐增加，而增加的速度与降水区域中液滴的椭球形态相关，一般情况下，强度越强的降水，ΦDP的增加速度也会提升。

根据ΦDP的特点，可以看出ΦDP本身属于一个较平滑的逐渐递增量，而当遇到地杂波等非气象目标时，ΦDP则会出现不规则的抖动且偏离正常值较大的情况。

2.2 ΦDP 数据中地杂波数据无效数据剔除

根据定义，地杂波处[9-11]的ΦDP没有参考价值，可以利用相关系数[12-13]以及谱宽[14]的关系对地杂波数据进行剔除。

首先设置门限：

RhoHV＞0.9；W=0。

根据相关系数的特性，在降水区域，雷达获取到的相关系数数值一般均在0.95 以上，而杂波由于没有相关性，相关系数一般较低，因此设置相关系数门限为0.9。

根据谱宽特性，一般降水区域，由于内部降水颗粒受局部上升气流等因素的影响，速度整体呈现一定程度的不一致性，导致谱宽一般不为0，而地杂波由于无任何内部运动，谱宽一般为0。

根据以上两个雷达参量，可以给出联合的地杂波判决门限，即当谱宽W=0 且相关系数RhoHV＜0.9时，判决同一位置所测到的数据为地杂波，对对应位置的ΦDP进行剔除操作。

2.3 ΦDP 数据平滑流程

根据2.1 节所述，在穿过降水或其他气象过程时，ΦDP是一个逐渐增加的量，而实际中，由于收到其他非气象目标、雷达系统噪声或偶然误差的影响，ΦDP的数值可能会出现小幅度的抖动。

针对ΦDP径向数据出现的抖动情况，提出了径向方向上的平滑滤波算法[15]，利用滤波算法平滑ΦDP径向方向上的变化，同时剔除可能出现的幅度变化较大的ΦDP数值。

在平滑时，为了不影响ΦDP本身的物理性质，参考2.1 节所述，ΦDP在经过强度数据较高的区域时，上升情况明显，而在经过强度数据一般的区域时，上升情况放缓，因此设定以强度数据为依据的动态平滑窗。

针对强度数据从弱到中等的ΦDP数据回波（≤40 dBz），选取较长的滑动窗（设定滑动窗距离为6 km），而对于强度数据较强区域的ΦDP数据回波，设定较短的滑动窗（设定滑动窗距离为3 km）。

具体平滑流程如下：

1）选取对应长度的ΦDP数据，并计算数据的平均值。

2）当窗内的某一数据偏离平均值大于10°时，认为该数据有明显偏差，属于抖动异常值，需剔除。

3）向后移动数据窗，再次进行步骤2）。

2.4 滤波算法的选取

该文选用的滤波算法为中值滤波算法，算法的主要原理：利用一个奇数的滑动窗，将滑动窗的中心点的数值用滑动窗中数值的中值代替，达到平滑滤波的目的，该滤波算法是一种非线性的滤波技术，可以很好地匹配ΦDP参数的物理特点。

利用2.3 节所述依据强度数据（Z）的滑动窗动态选取方法，具体滤波算法步骤如下：

1）在径向数据方向上，选取对应长度的ΦDP数据，并对窗内的数据进行排序，形成新数组I。

2）找到滑动窗数据中中间位置的数值，将该数值替换为新数组I中间位置的数值。

3）向后移动数据窗，再次进行步骤2），直至到达径向数据末尾。

3 算法应用及仿真结果

3.1 地杂波剔除处理

根据2.2 节提出的地杂波剔除算法，对2020 年7 月2 日11：25 分的体扫第一层数据进行仿真。

从图3 中第一层体扫强度可以看出，雷达300°～360°方向上有地杂波，而240°～300°方向上有降水回波，而ΦDP数值均显示所有区域，容易造成数据质量较差。

图3 第一层体扫强度

利用2.2 节提到的相关系数及谱宽门限，将地杂波数据进行剔除，得到的图像如图4 所示。

图4 剔除地杂波及其他杂波后的ΦDP 图像

从图4 可以看到，雷达近区的杂波有了明显改善。

3.2 数据平滑

根据2.3节提出的数据平滑算法，针对第2节同一径向数据，利用Matlab同样对2020年7月2日11：25分体扫第一层数据进行仿真，得到的结果如图5 所示。

图5 270°方向径向ΦDP 滤波后廓线

对比图2、图5 可以看出，经过平滑滤波后，径向上ΦDP有波动值的情况得到了明显改善，大范围抖动的ΦDP被滤除，ΦDP数值基本处于同一个区间，数据质量可信，通过径向数据滤除统计，86%的地杂波数据被滤除。

3.3 中值滤波

根据2.4 节给出的ΦDP平滑滤波滑动窗滤波算法，对平滑后的数据进行中值滤波。这次选取2020年7月2日11：25分体扫第六层数据进行仿真，如图6-10 所示。

图6 第六层强度数据

图7 第六层滤波前ΦDP 数据

根据图6 可以看出，第六层（高仰角）数据中，地杂波影响有了明显降低，数据主要反映了降水过程，大部分ΦDP数据均应处于合理范围内，对比图6、图8 可以看出，在降水区域（强度＞20 dBz），经过滤波算法后，数据很好地保留了ΦDP数据，经过计算统计，无效数据滤除率高于82%。对比图9、图10 可以看出，经过滤波后，数据抖动情况有了很好的改善，数据质量有了很大提高。

图8 第六层滤波后ΦDP 数据

图9 第六层全部ΦDP 数据滤波前散点图

图10 第六层全部ΦDP 数据滤波后散点图

4 结论

文中讨论了X 波段相控阵天气雷达在降水过程中ΦDP数据质量改善的问题，通过研究ΦDP数据的物理意义，利用相关系数以及谱宽等物理量，剔除了部分地杂波引起的ΦDP数值偏差问题。同时根据ΦDP自身的物理特性，提出数据的平滑算法以及中值滤波算法，更加有效地提高了ΦDP的数据质量，同时利用仿真验证了滤波算法的效果，地杂波滤除率大于或等于85%，而无效数据滤除率大于或等于80%，ΦDP整体数据质量有明显提升。

该文滤波采用的平滑滤波算法为中值滤波算法，后期应引入更好、更高效的滤波[16]和拟合算法，提升数据平滑效率。同时根据数据分析出现的穿过雨区的ΦDP随距离逐渐减小的问题，需要检查雷达设备信号处理算法符号，保证后期ΦDP数据的正确性。