改进的精细分辨率雷达探测强对流效果评估

王睿，伍志方, ，林青，张阿思，陈超，王明筠，孙召平，邢飞，侯中阳

(1.广东省气象台(南海海洋气象预报中心)，广东 广州 510641；2.中国气象局广州热带海洋气象研究所/区域数值天气预报重点实验室，广东 广州 510641；3.南京大学大气科学学院，江苏 南京 210023；4.北京敏视达雷达有限公司，北京 100080；5.江门市气象局，广东 江门 529000)

1 引 言

天气雷达在灾害性天气的监测、识别和预警方面，发挥着不可替代的作用。目前我国已建成一定规模的天气雷达网，组网雷达主要包括S 波段和C 波段雷达。随着多普勒天气雷达技术的快速发展，天气雷达探测能力有了很大的提高[1]，刘黎平等[2]分析了国内外雷达遥感新技术的发展现状，总结了我国在双多普勒雷达、双基地多普勒雷达、双线偏振雷达、相控阵雷达、激光雷达在灾害性天气的热力、动力和微物理中尺度结构探测中的应用研究，指出新的雷达遥感方法和技术的发展，将为中尺度天气过程的监测和研究提供时空分辨率更高、观测参量更多的资料。

引发强对流天气的中小尺度系统局地性强，生消迅速，是产生局地气象灾害的重要原因[3-5]。随着探测手段发展，对这种灾害性天气过程的实时监测手段愈加丰富[6]。为加强中小尺度强天气监测能力，广东省在2014 年通过珠澳合作的国内首部业务S 波段双偏振天气雷达投入运行，并于2015—2018 年陆续开展了对省内8部单偏振雷达的双偏振升级改造[7]。新一代多普勒天气雷达现阶段采用的扫描方式比较固定，常用的VCP21 模式，一个体扫周期为6 分钟，距离分辨率为250 m，方位分辨率为1.0 °，最大探测距离为460 km。这种扫描方式所提供的雷达资料可以用于台风、暴雨等天气过程的监测，在雷达风场反演及其资料同化应用中也取得了一些有价值的研究成果[8-9]。但是，这种扫描方式在时空分辨率上并不能满足对发展过程迅速的中小尺度天气系统的研究、预报和预警[10-11]，特别是针对中气旋和龙卷这种中小尺度的对流系统，由于其尺度小、持续时间短、发生概率低等特点，对龙卷的监测、预报预警一直以来都是灾害天气领域的难点[12-13]。文献[14-19]基于龙卷的多普勒雷达回波特征探讨了龙卷的临近预警，指出径向速度场是龙卷监测预警的主要依据。但是现有雷达1.0 °×250 m 的空间分辨率对于观测和预警龙卷特征其精度仍然不够，需要更高精度的雷达观测来提升预警能力。

天气雷达观测产品的使用是预报员进行临近预报，特别是对流天气临近预报所依赖的主要手段。根据多年来对天气雷达观测资料应用的经验总结，天气雷达数据需要更高时空分辨率、更高质量的观测数据来支持短时临近预报的观测和应用需要。因此，在现有天气雷达的基础上，通过局部技术改进[20]，提高雷达数据的空间分辨率和时间分辨率，能够获得更即时的、更高精度的雷达观测资料和气象产品[21]，用于指导区域天气分析和天气预报业务。

深圳竹子林站雷达和杭州下沙站雷达分别在2018 年和2019 年通过技术改进，增加了精细分辨率数据，为了检验改造后的雷达精细分辨率数据在监测和识别中小尺度天气系统中的应用效果，本研究选取了几次典型的强对流天气过程，对比分析精细分辨率数据与原始分辨率数据的观测结果，评估精细分辨率数据的改进效果。

2 数据资料

2.1 数据资料

本研究主要用到的数据资料包括深圳竹子林站雷达改进后的精细分辨率数据和原始分辨率数据中的雷达反射率因子和径向速度数据，杭州下沙双偏振雷达改进后精细分辨率数据和原始分辨率数据雷达反射率因子和径向速度数据，以及相关系数、差分反射率因子等偏振量数据，另外还用自动站雨量数据作为实况资料对比精细分辨率数据和原始分辨率数据进行定量降水估测的参考。

2.2 精细分辨率雷达数据

深圳竹子林雷达和杭州下沙雷达本来都是常规业务雷达，体扫时间都是6 分钟，探测分辨率为1.0 °×250 m，本研究称为原始雷达模式，输出的数据为原始模式数据。

为了探测和分析强对流风暴的精细化特征，深圳竹子林站天气雷达（CINRAD/SA 型号）和杭州下沙站雷达分别于2018 年和2019 年进行了精细化和智能化探测的技术改造[20]，将探测分辨率从1.0 °×250 m 分别提高到0.5 °×125 m（深圳）和0.5 °×62.5 m（杭州），体扫时间由6 分钟缩短到4分钟，本文称为精细分辨率雷达模式，输出的雷达数据称为精细分辨率数据。改进前后主要技术指标对比见表1。

表1 深圳和杭州天气雷达精细化改进前后技术指标对比

2.3 改进的精细化和智能化雷达探测技术

原多普勒天气雷达在精细化和智能化技术改进后，其技术指标和功能仍然满足（部分高于）中国气象局天气雷达的相关设备和建设技术规范。

2.3.1 提高距离分辨率技术

改进后雷达系统支持四脉宽，并优化匹配滤波器，雷达系统增加2 个脉冲宽度，实现更精细的125 m和62.5 m距离分辨率。

2.3.2 提高方位分辨率技术

利用径向重组技术和数据加窗处理代替传统平均权重方式[20]，在不改动雷达硬件前提下将雷达数据方位分辨率提高至0.5 °。径向重组技术主要是通过修改信号处理过程中使用的角度表来实现，角度表是用来定义时间序列数据流的相干处理间隔。

2.3.3 自适应体扫探测技术

①自适应体扫。

针对强对流设计体扫模式，科学选取仰角数量和角度以获取精细的强对流垂直结构；设计每层仰角雷达反射率因子和径向速度的发射波形和脉冲样本量，保证观测质量同时提高扫描速度；自动识别晴空、层云主导或对流主导，并自动切换至相应的体扫模式。

②自动体扫终止。

自动体扫终止技术的基本思想是当高仰角扫描中没有明显雷达回波时终止当前的体积扫描。即一旦某个仰角扫描高于对流主体顶部时，由于继续更高仰角并不能提供更多有效信息，因此立即终止当前体积扫描并开始新的体积扫描。此技术的主要作用在于当较高仰角没有明显有效数据信息时，能够明显缩短体积扫描所需要的时间，也提高了低层扫描的更新频率。

2.3.4 快速扫描技术

①天线方位转速适当加快，优化扫描参数。

4 分钟体扫，方位转速最高约25 °/s（小于36 °/s指标）。

②PRF 从1 014 Hz 提 高 到1 300 Hz，提 高30%，补偿采样样本数PRF 提高，将S 波段的最大不模糊速度从27 m/s提高到34 m/s。

③采用Staggered PRT 技术解决中间仰角速度退模糊问题。

脉间变化交替发射不同PRF 的脉冲，解二次回波和速度模糊。

④体扫设计。

改进后的精细分辨率雷达针对不同的天气类型，应采用合适的探测模式。雷达一般运行在晴空模式和降水模式，体扫配置与业务VCP31 和VCP21 相同，在强对流风暴进入230 km 范围内时（具体判断条件可设置），自动切换到强降水模式，运行4 分钟体扫VCP25，风暴减弱或者运动出230 km范围外雷达自动切换到降水模式。

3 天气雷达改进后精细分辨率数据和原始分辨率数据的探测效果对比

本研究分别选取了短时强降水过程、雷雨大风和龙卷过程来分析深圳竹子林站雷达和杭州下沙站雷达精细分辨率数据和原始分辨率数据的雷达反射率因子、雷达定量降水估测以及龙卷特征的识别效果的改进情况。

3.1 雷达反射率因子及其定量降水估测对比分析

2019年6月9 —14日，广东省出现了多日大范围强降水，过程的最大小时降水量出现在6 月11日的凌晨03—04 时（北京时间，下同），为54.8 mm，其中G731 站点雨量和风速随时间变化如图1。11 日这次过程主要是西南季风上岸的暖区降水为主，这次过程主要有降水时间长、雨量大、分布不均匀的特点，降水较大的区域主要集中在沿海地区。深圳竹子林站雷达作为新观测模式的试验雷达，捕捉到了本次过程。在此挑选观测范围内出现最大降水和最大阵风时间段的精细分辨率和原始分辨率数据进行对比分析。

图1 G1721自动站雨量和风速随时间的变化 横坐标为时间，纵坐标依次为风速（m/s）和降水量（mm）。

在雷达反射率因子图（图2）上看出，3 点42分，雷达回波开始影响到G1721 站点（黑色圆圈），原始的SA 雷达数据和精细分辨率数据回波最大值均达到了50 dBZ 以上，而且由于精细分辨率雷达数据空间分辨率更高，其显示的雷达反射率因子像素点更为密集，图像分辨率更高，可以展示回波内部更多精细结构。另外，为了研究精细分辨率雷达数据相较于原始分辨率数据对强降水的探测能力，本研究通过对精细分辨率和原始分辨率数据通过定量降水估测来分析精细分辨率数据对强降水过程的探测能力是否有所改进。

图2 竹子林站雷达0.5 °仰角15时30分（a、d）、15时42分（b、e）和15时54分（c、f）原始分辨率数据（a～c）和精细分辨率数据（d～f）的雷达反射率因子 黑色圆圈为G1721站点位置。

在前期的研究成果中，基于2018 年2DVD 观测构建了华南的定量降水估计算子（R(ZH)=0.015 8Z0.74H），本次研究利用6 月11 日全天共234个体扫1.5 °仰角数据计算精细分辨率数据和原始分辨率数据对暖区暴雨的定量降水估计结果，并选取距离自动站最近的库进行误差分析，其中标准差和相关系数的计算公式如下：

计算结果中，精细分辨率数据的标准差（RMSE）比原始分辨率数据减少了0.33，相关系数（CC）提高了0.03。从图3 中可以看到，在20～40 mm/h 区间内，原始分辨率数据中样本的离散度更大，精细分辨率数据的数据更集中在对角线附近，40～60 mm/h 样本比较少，原始分辨率数据中显著低估的样本在精细分辨率数据中略有减少，精细分辨率数据中两个大于60 mm/h 的样本也更加接近中线略有高估。

图3 6月11日深圳雷达1.5 ° 仰角原始分辨率数据（a）和精细分辨率数据（b）与自动站小时雨强散点图其中RE为相对误差，RMSE为标准差，CC为相关系数（其中a=0.02为公式中0.015 8保留2位小数的结果，实际值为a=0.015 8）。

本文分别对精细分辨率数据和原始分辨率数据进行定量降水估测的值与自动站的降水作为地面实况雨量进行对比分析，选取自动站雨量和自动站附近3×3 格点的QPE 数据的平均值进行对比分析，即一个自动站实况的雨量数据和附近9个格点的QPE 数据的平均值进行匹配对比。图4 为所有站点QPE 和雨量站的平均比值统计，蓝色为高估，红色为低估，圆圈大小代表实际雨强大小。本次过程中，雷达的西侧主要以QPE高估为主，东侧QPE 为低估。所有低估样本中，雨强大的低估比值较大，这种低估主要原因如下。（1）衰减影响。即使是S 波段雷达，在观测强降水的时候，会不可避免地受到强降水衰减的影响[22]；（2）雨滴浓度影响。不同的降水过程，雨滴浓度有所不同，而固定的Z-R关系式是雷达QPE 误差的重要来源之一。研究表明，华南的暖区降水过程有较高浓度的小粒子，尤其是在强降水的地方，而QPE会严重低估这种类型的强降水（降雨量＞50 mm）[23]。虽然无法避免对雨强较大的降水的低估，但对比精细分辨率数据（图4a）和原始分辨率数据（图4b），可以看到精细分辨率数据红色圆圈和蓝色圆圈相对于原始分辨率数据更少，精细分辨率数据定量降水估测高估（红色）的站点数有79 个，少于原始分辨率数据高估的站点数88 个，而且从红色方框内可以看到精细分辨率数据的红色和蓝色圆圈颜色都比原始分辨率数据的圆圈颜色较浅，说明精细分辨率数据计算的QPE值相对于原始分辨率数据计算的QPE更接近自动站的雨量值。精细分辨率数据对于降水的估测要略好于原始分辨率数据，但相比自动站的实际雨量仍有不同程度的高估和低估。

图4 6月11日各站点原始分辨率数据（a）和精细分辨率数据（b）的计算的QPE与自动站小时雨强的平均比值彩色填色为高估或低估比值的数值，圆圈大小代表自动站雨强实际大小。

通过对比分析，可以发现基于精细分辨率数据的QPE估测值更接近自动站观测的实况降水数据，其高估和低估均比原始分辨率数据要少，可以得出精细分辨率数据的QPE 值效果更好，降水估测值相对更可靠。

3.2 雷暴大风过程对比分析

在2019年6月9—14日的过程中，除了出现大范围的降水，多地还出现了明显的雷暴大风天气。其中，11日下午出现了一次大风和雷雨过程，并被深圳竹子林站雷达观测到。大风主要出现在珠江三角洲沿海，其中最大阵风为22.2 m/s，该站点录得小时降水为33.3 mm。

从图5 可以看到，15 时35 分开始风速突然增大，降水也逐渐变大，从50 分起大风迅速增加到9级，达到22.2 m/s，之后随着强雷雨云团的移出，风速迅速减小。

图5 自动站G2051风速和降水量随时间的变化图 横坐标为时间（每15分钟间隔），纵坐标依次为风速（m/s）和降水量（mm）。

从速度图的对比看出，精细分辨率数据的速度绝对值略大于原始分辨率数据，从图6b 和6e 对比，G2051 站点上空东南侧的原始分辨率数据探测到的最大风速有15～20 m/s，在分辨率更高的精细分辨率雷达数据径向速度图上最大速度的区域出现了几个20 m/s 以上的速度点，而在原始分辨率数据的图上几乎很难分辨到大于20 m/s的速度点。更高的空间分辨率使得精细分辨率雷达在识别雷暴大风方面有更好的效果。

图6 竹子林雷达0.5 °仰角15时30分（a、d）、15时42分（b、e）和15时54分（c、f）原始分辨率数据（a～c）和精细分辨率数据（d～f）的风暴相对速度产品 红色圆圈为G2051站点位置。

此外，从风暴单体识别产品（图7～图8）来看，精细分辨率数据从15 时开始识别出风暴，捕捉到回波顶升高，最大回波高度降低的趋势，识别的风暴产品持续到15 时42 分以后，并且追踪到雷暴消散为止，而原始分辨率数据在同一对流云团15 时12分开始才识别出了风暴。精细分辨率数据比原始分辨率数据提前了12分钟识别出风暴单体。而且精细分辨率数据识别出的对流风暴的顶高达到13.8 km，而原始分辨率数据识别的风暴顶高是12.5 km。

图7 竹子林原始分辨率数据15:12识别出风暴单体（a），精细分辨率数据15:00识别出风暴单体（b）

图8 精细分辨率数据15:42识别的风暴单体产品（a）和精细分辨率数据识别的对流单体A0的时间演变图（b）

综上所述，可以看出精细分辨率数据在识别大风个例时，其识别的相对径向速度相比于普通SA 雷达识别的更为精细，像素点更多，在更多的径向速度点中可能会出现更大的径向速度点，辐合辐散和速度极值也更明显，而且精细分辨率数据能够比原始分辨率数据提前更久、更准确地识别与追踪对流单体。

3.3 龙卷过程对比分析

3.3.1 2021年6月1日珠海水龙卷过程

2021 年6 月1 日，龙舟水期间，珠三角地区及珠江口附近海面出现大范围强降水过程，并伴随局地的雷暴大风天气。其中6 月1 日下午13 时左右，澳门附近海面，珠海港珠澳大桥附近出现水龙卷。

13—14 时，澳门附近海面的自动站测得最大风速达到20 m/s，且风向有明显的气旋性环流的弯曲。深圳雷达的精细分辨率数据和原始分辨率数据均记录到了这次水龙卷过程。

从雷达回波的演变图上（图9）可以看出，在澳门和珠海东侧的海面上，有较强的对流云团生成，且缓慢地向东北方向移动发展。可以看到精细分辨率数据和原始分辨率数据的1.5 °仰角反射率图强度基本相似，都达到了55～60 dBZ，但是由于精细分辨率数据更高的空间分辨率，其显示的较大的回波强度像素点也更多，强回波的结构更清晰。而且可以看到，在13 时09 分澳门东侧海面上的回波强度，精细分辨率数据的最大值要比原始分辨率数据数值更大，精细分辨率的雷达可以探测到更为精细的强回波。这里考虑精细分辨率雷达数据的空间分辨率相对更高，可能在雷达反射率因子图上显示出更加精细的，普通雷达由于空间分辨率较低而无法显示出的更大的回波数值点，当然雷达采样结果本身也有一定的波动性，所以空间分辨率的提高是否可以使精细分辨率雷达探测到一些较大数值的点，仍需要更多的个例和样本进行验证。

从对应的低层风暴相对径向速度图（图10）上可以看到，在强回波对应的区域，相对径向速度有明显的速度对，并形成气旋式的切变，从13 时05分开始，风暴相对径向速度逐渐增大，气旋性的速度对更加明显，最大相对径向速度绝对值差达到20 m/s 以上，和实况观测到的海上龙卷出现的时间和位置相对应。而且精细分辨率雷达数据由于其空间分辨率更高，显示速度对的数据点更多，所以速度对更为明显，速度对里的结构也比原始雷达数据更加清晰。且在精细分辨率雷达数据里可以看到有一两个比原始分辨率数据更大的速度值的点，这里考虑原始雷达数据空间分辨率只有1.0 °×250 m，无法分辨出比较精细的数值较大的点，而精细分辨率数据的精度更高，那些由于原始雷达空间分辨率过低而被淹没的较大的像素点可能分辨出来，这个结论仍需更多个例来验证。

图10 同图9，但为0.5 °仰角风暴相对径向速度

精细分辨率数据和原始分辨率数据均在13时02分识别出风暴，并在13时09分识别出龙卷特征（TVS）和实况观测到的海上龙卷时间相符。

13 时09 分，从径向速度图（图11）上可以看到，从低到高均能看到明显的速度对，并且随着仰角的增大，高度上升，速度对也更加明显。在2.4 °仰角正负速度达到最大，特别是在精细分辨率数据上，识别出的负的径向速度达到20 m/s以上，正径向速度达到10 m/s 以上，甚至有一个像素点达到27 m/s，虽然这个最大径向速度的数据准确性还有待考证，但精细分辨率数据探测的径向速度数值也明显大于原始分辨率数据，其速度对也更加明显。

图11 13时09分0.5 °（a、d）、1.5 °（b、e）和2.4 °（c、f）仰角原始分辨率数据（a～c）和精细分辨率数据（d～f）径向速度图

精细分辨率数据对强天气的识别相对于原始分辨率数据有一定的改进作用，由于其空间和时间分辨率更高，可以看到对流云团更精细的结构，以及对流云团回波中比较精细的大值区域，使得强对流云团的识别更准确。特别是对雷暴大风的识别改进更为明显，有时可以提前一到两个时次识别出雷暴云团，为雷暴大风的监测和预警提供更多的提前量和准确性，但对强降水云团的识别改进效果并不明显。

3.3.2 2021年5月14日苏州龙卷

针对杭州精细分辨率数据的对龙卷探测的改进效果如何，本研究选取了2021 年5 月14 日晚19时左右的龙卷过程进行研究对比。

从0.5 °仰角的雷达回波图（图12）上可以看出，5月14日晚19时左右，强对流回波单体发展迅速，且在对流单体的西南侧发展出明显的钩状回波。对比杭州雷达精细分辨率数据和杭州雷达原始分辨率数据可以看出，精细分辨率数据的钩状回波更加明显，入流也更加清晰，且精细分辨率数据的回波强度最大值达到64.5 dBZ，而原始分辨率数据的回波最大值只有62.0 dBZ。

图12 18时56分（a、c）和19时01分（b、d）原始分辨率数据（a、b）和精细分辨率数据（c、d）0.5 °仰角雷达反射率因子图黑色实线为图14的剖面位置。

从径向速度上（图13）可以看到有明显的速度对，有气旋性辐合特征，在精细分辨率数据速度图上可以看出，最大正径向速度达到20 m/s以上，而在原始分辨率数据上，最大径向速度只有不到20 m/s，风暴相对速度也有相似的特征。在精细分辨率雷达数据上看到的中气旋速度对更加明显，速度对的结构也更清晰，更多的像素点组成的速度对可以显示更为精细的中气旋结构，也可以显示出大速度值中更大的径向速度点，而原始分辨率数据由于分辨率较低，探测到的速度对只有一两个像素，无法显示出速度对的精细结构。由于改进后杭州雷达相较于改进后的深圳雷达精细分辨率数据的水平分辨率更高，杭州雷达精细分辨率数据对速度对的探测更加精细，中气旋的结构更清晰，对龙卷这种小尺度的观测效果更好。

沿图12 的黑色实线对19 时01 分的原始分辨率数据和精细分辨率数据做雷达反射率因子和径向速度做剖面（图14），在原始分辨率数据和精细分辨率的雷达反射率因子图上，都可以看出回波的大值区从左侧往右，有明显的从底层往高层的抬升，左侧的回波基本上接近雷达可探测的底部，离地面很近，说明此处强的回波中心已经接近地面，对流云团已经触地，是明显的龙卷的特征，配合径向速度的剖面图，可以看出在左侧有明显的速度对，有气旋性辐合。对比原始分辨率数据和精细分辨率数据，可以看到在左边向下延伸的回波大值区中，精细分辨率数据探测到的反射率最大值更大，探测到更多大于60 dBZ回波强度的点。

图14 沿图12黑色实线做19时01分的原始分辨率数据（a、b）和精细分辨率数据（c、d）的雷达反射率因子和径向速度剖面图

杭州下沙站雷达是S 波段双偏振雷达，而此次改进后的精细分辨率数据同样也是双偏振雷达，这使得杭州雷达的精细分辨率数据可以看到雷雨云团内部更精细的构造和微物理结构。

通过偏振量参数来分析对比此次精细分辨率数据和原始分辨率数据对此次龙卷过程的观测，以检验精细分辨率数据双偏振参数的探测龙卷的效果。

从偏振量参数看，在中气旋的中心，相关系数（CC）有明显的小值区，说明气旋的中心的物质性质不一致，有非气象回波的杂质卷入，差分反射率（ZDR）也有明显的低值区，这些都是明显的龙卷碎片特征（TDS）[24]。TDS 特征是指异常小的差分反射率（ZDR）和低的相关系数（CC）[25]，这是因为龙卷所致的碎片尺寸较大、处于米散射区且有随机取向的原因[24]。从图15c、15d 看出精细分辨率数据上CC 和ZDR的小值区更明显，小值区内的结构也更加清晰，可以明显地区分中气旋中心的小值区和回波边界的杂波区，观测到的龙卷的特征也更清晰明显。

图15 18时56分原始分辨率数据（a、b）和精细分辨率（c、d）雷达数据0.5 °仰角相关系数（CC）图（a、c）和差分反射率因子（ZDR，c、d）

4 小 结

利用深圳和杭州雷达改进后的精细分辨率数据与原始分辨率数据，对不同类型强对流天气过程中两种数据的反射率、径向速度和双偏振量等进行了对比分析，精细分辨率雷达数据由于其空间分辨率和时间分辨率的提升，对强对流天气特别是小尺度的强对流天气的观测和预警能力均有一定的提升。

（1）利用精细分辨率雷达数据进行定量降水估计的精度与原始分辨率数据相当或略有提升，与雷达反射率因子直接对比评估结果一致，表明精细数据本身的可靠性以及定量应用的可行性。

（2）精细分辨率数据在雷暴大风中，可识别出原始雷达数据由于分辨率过低而识别不出的更大的相对径向速度，辐合辐散和速度极值也更明显，观测的大风速区也更加精细更清晰，可提前且更长久、更准确地客观识别和追踪对流单体。

（3）精细分辨率雷达数据能够获取更为清晰的超级单体结构以及龙卷涡旋特征和龙卷碎片特征等，少数个例的精细数据能够提前识别到中气旋和TVS 等特征，为此类强天气的提前预警提供了很好的条件。

（4）对比不同精细分辨率雷达数据，空间分辨率更高的数据对中小尺度的强对流天气系统的观测效果改进更明显，在业务使用中的提升作用也更大。

当然，雷达改进后的精细分辨率数据对探测不同类型的强天气的改进效果仍有一些问题需要进一步探讨，比如雷达精细分辨率数据的定量降水估测对不同类型的降水过程估测效果是否有所不同？以及在识别中气旋和TVS 特征时，精细分辨率数据相对于原始分辨率数据在不同过程的识别提前量能改进多少？另外，在精细分辨率雷达的雷达反射率因子和径向速度图中出现一些比原始雷达数据中更大的数值点，出现这种现象究竟是精细分辨率雷达由于空间分辨率提升而识别出原始雷达由于分辨率过低而被掩盖掉了，还是由于雷达采样本身造成的不同？这些问题会在后续的研究中进一步分析。