基于标准差分析法的S波段双偏振雷达数据质量评估

谢晓林,胡 迪,郑 伟,彭 涛,景号然

(1.四川省气象探测数据中心,四川 成都 610072;2.高原与盆地暴雨旱涝灾害四川省重点实验室,四川 成都 610072;3.四川省气象台,四川 成都 610072)

0 引言

成都CINRAD/SAD新一代天气雷达自2022年2月1日正式投入业务运行以来,性能稳定,雷达数据在短临预报、人工影响天气等方面发挥了重要作用。根据中国气象局要求,成都雷达先后完成了出厂测试、安装后测试和业务准入测试,3次测试结果都完全满足测试大纲的性能指标要求。

雷达调试完成后,雷达性能在短时间内的变化很小,上述3次测试都仅依靠24～48 h的考机数据来判断雷达的正常与否,如要评估分析雷达数据质量情况,应采用长时间序列的数据来分析[1-3]。成都雷达作为四川省首批双偏振新一代天气雷达,研究其数据质量情况,特别是双偏振参量(差分反射率Zdr、差分相移Φdp、差分相移率Kdp、相关系数CC等)的数据质量,是保证成都新一代天气雷达完成双偏振升级后充分发挥优势和效益的重要环节[4-6]。

标准差分析法是一种有效的雷达数据质量评估方法。李思腾等[7]利用标准差分析了X波段双偏振天气雷达在一次降水个例过程中的偏振参量标准差分布情况,通过径向数据与前后3个距离库的值进行标准差计算,得到X波段天气雷达标准差的计算方法。X波段天气雷达距离库多为75 m,3个距离库为225 m,然而新一代天气雷达距离库长多为250～300 m,如采用该方法计算径向数据前后3个距离库长之间的标准差,空间尺度增大到750 m以上,当天气过程变化较大时,实际回波的正常变化也会导致标准差变大。针对该问题,本文设计了一种适用于S波段双偏振天气雷达数据质量的标准差评估方法,最大限度地降低了空间尺度带来的标准差增量。通过统计长时间序列天气雷达的观测数据,得到成都CINRAD/SAD新一代天气雷达的数据质量结果,以期能对雷达数据在天气预报、人工影响天气中的应用和利用雷达数据开展定量估测降水、雨滴谱反演和粒子相态识别等方面的研究工作提供参考依据。

1 雷达与数据

成都雷达站建于成都市东南侧的龙泉山脉上,此处地势高于成都平原海拔,雷达能覆盖整个成都市区,并能观测到主要天气过程来向方向的回波。成都市地形复杂,北属龙门山脉,西属邛崃山脉,与阿坝州相连,东南侧有龙泉山脉,与内江市接壤,南靠乐山市,西南侧与雅安市交接。龙泉山脉由东北向西南倾斜,龙门山脉和邛崃山由东北绕向西南,分别纵贯成都市的东西两侧。

本文统计分析了2022年2—10月成都CINRAD/SAD型雷达基数据的数据质量,利用适用于S波段天气雷达的标准差分析法对所有降水数据进行定量评估,得到了成都雷达数据质量的评估结果。

2 标准差评估方法

统计天气雷达基数据标准差,可以了解雷达数据的波动情况。在雷达参数性能一切正常的情况下,基数据标准差应该符合一定的理论分布,允许气象回波数据存在理论标准差,正常的基数据标准差分布应该大部分小于或等于标准差理论值。所以计算雷达参量标准差的理论值是标准差分析法评估天气雷达数据质量的第一步。

图1 成都CINRAD/SAD新一代天气雷达位置

得到标准差理论值后,再通过标准差算法计算雷达基数据的水平极化反射率因子Zh、差分反射率Zdr、差分相移Φdp和相关系数CC实际标准差,与理论公式得到的标准差相比较,统计4种物理量数据的标准差超差情况,以反映雷达数据质量的好坏。文章算法仅适用于天气雷达物理量参数,暂不统计径向速度V和速度谱宽W的数据质量问题。另外,由于偏振参量差分相移率Kdp是由Φdp直接计算得到,Kdp的数据质量可参考Φdp的评估结果。

2.1 标准差理论值计算

利用标准差统计分析法对天气雷达的Zh、Zdr、Φdp和CC物理量数据进行定量评估,是分析双偏振天气雷达数据质量的有效方法。GUIFU ZHANG[8]给出了计算Zh、Zdr、Φdp和CC标准差理论值的公式,认为当雷达硬件参数正常时,气象目标观测参数的标准差应符合一定理论分布,可以通过雷达观测数据的标准差分布来定量判断雷达数据质量是否正常。Zh、Zdr、CC和Φdp的标准差理论值公式如下:

(1)

式中,SDZh、SDZdr、SDCC和SDΦdp分别表示Zh、Zdr、CC和Φdp标准差理论值,Mi表示独立样本数,其计算公式如下:

(2)

可见,整理得到的Zh、Zdr、CC和Φdp标准差理论值仅与σv和CC有关,其余参数在雷达观测数据中皆为固定值。σv(单位:m·s-1)表示大气湍流速度,PRF(单位:Hz)表示脉冲重复频率,成都雷达1～2层仰角的PRF为322 Hz。λ(单位:cm)表示雷达波长,如成都雷达波长为10.42 cm。M(单位:个)表示雷达脉冲采样个数,成都雷达脉冲采样个数M为32个。

文章数据质量定量评估方法主要针对有天气过程的数据,降水回波的CC一般在0.9～0.99之间,假定大气湍流速度σv在0.5～10 m·s-1之间,即可得到标准差理论值的上限,计算得成都雷达0.5°仰角Zh、Zdr、CC和Φdp标准差理论值上限[9-10],详见表1。

表1 成都SAD雷达Zh、Zdr、Φdp和CC标准差理论值

2.2 标准差实际值

原始的标准差实际值计算方法通过径向数据与前后3个距离库的值进行标准差计算,在计算S波段天气雷达数据时,空间尺度达到了750 m以上,当天气过程变化较大时,实际回波的正常变化也会导致标准差变大。针对该问题,本文根据S波段双偏振新一代天气雷达距离库长的实际情况,改良了标准差的计算方法,采用计算径向数据周围1个距离库范围内的8个数据得到标准差,这样可以最大限度地保持参与标准差计算的数据之间的相关性,减小由于实际天气变化而带来的标准差增量,示意见图2。

图2 改良的标准差计算方法示意图

根据上述条件,得到标准差的计算公式如下:

(3)

3 标准差计算方法改良效果

文章通过对比改良前后标准差计算方法对正常回波数据和异常回波数据的统计结果,验证改良后算法对S波段天气雷达标准差计算的合理性。

2022年9月7日20时31分成都天气雷达站观测到一次降水过程,以此基数据作为正常回波数据,图3a给出了改良前后算法计算得到的Zdr标准差对比分布图,图中虚线表示SDZdr标准值的位置。可见,对于正常回波数据而言,标准差算法改良前后得到的分布结果趋势相近,改良后算法计算的标准差稍大一些,标准差算法改良前后得到的分布结果低于SDZdr标准值的占比分别为82.84%和81.38%。

图3 算法改良前后计算正常(a)、异常(b)回波数据的标准差对比图

2022年5月5日08时33分成都雷达回波出现严重干扰,以此基数据作为异常回波数据,图3b给出了标准差算法改良前后计算得到的Zdr标准差对比分布图。可见,改良前后得到的结果趋势差异明显,原算法得到的标准差分布在小值区域,低于SDZdr标准值的占比为97.24%,并未反映出数据异常情况;改良后的标准差算法得到了较大的结果,低于SDZdr标准值的占比仅为10.66%,反映出了异常回波较差的数据质量。

4 评估结果

4.1 Zh评估结果

根据本文改进后的天气雷达标准差算法,统计分析2022年2—10月成都CINRAD/SAD新一代天气雷达基数据的数据质量,图4a给出了成都雷达反射率因子Zh标准差分布结果,统计样本量超过80万。另外,根据表1的标准差理论值结果,成都雷达的SDZh标准值为1.89 dBz,如图4a中虚线所示。可见,成都雷达Zh标准差低于SDZh标准值上限的比例不大,仅为43.67%,反映出Zh的数据质量较差,Zh数据存在较大波动。

图4 成都雷达Zh(a)、Zdr(b)、Φdp(c)、CC(d)标准差分布图

4.2 Zdr标准差评估

根据表1得到的结果,成都差分反射率因子标准差SDZdr上限为1.46,图4b给出了成都雷达Zdr标准差的分布情况,成都雷达Zdr标准差总体都小于1.46 dB,图中虚线表示SDZdr的位置,Zdr标准差低于SDZdr上限的比例为84.09%,可以认为Zdr数据的波动性较小。

4.3 Φdp标准差评估

根据表1得到的结果,成都雷达差分相移标准差SDΦdp上限为3.14°,图4c给出了成都雷达Φdp标准差的分布情况,成都雷达的Φdp标准差总体都大于3.14°,图中虚线表示SDΦdp的位置,Φdp标准差低于SDΦdp上限的比例为34.54%,Φdp数据的波动性较大。

较低的比例反映出Φdp数据的稳定性较差,因此需要定期对Φdp数据进行定量校准。利用Φdp数据参与进行雷达定量降水估测(QPE)时,Φdp数据自己的波动可能会导致估测结果的偏差变大[11]。

4.4 CC标准差评估

成都雷达相关系数CC的标准差SDCC上限为0.07,图4d给出了成都雷达CC标准差的分布情况,CC标准差总体都小于0.07,图中虚线表示SDCC的位置,低于SDCC上限的比例为87.10%,CC数据的波动性很小,标准差为0的占比也较高。

5 结论与讨论

文章针对S波段双偏振天气雷达设计了一种改良的标准差分析方法,用以评估雷达数据质量。该算法在保障计算准确性的前提下,减少了算法的空间随机性,也能反映出异常回波数据的数据质量情况,通过评估2022年2—10月成都雷达基数据Zh、Zdr、CC和Φdp的数据质量,得到了如下结果:

(1)改良的标准差计算方法在计算正常雷达数据时,能得到与原始方法相同趋势的标准差分布结果,而在计算异常雷达数据的标准差时,能得到较大的标准差结果。

(2)成都雷达Zh存在较大波动,标准差低于SDZh标准值的比例仅43.67%。

(3)成都雷达Zdr和CC数据质量较好,标准差低于SDZdr和SDCC标准值的比例分别为84.09%和87.10%,Φdp的数据波动较大,标准差低于SDΦdp上限的比例仅34.54%。