基于R语言的风廓线雷达产品数据简单处理
风廓线雷达通用数据格式
附件：风廓线雷达通用数据格式（V1.2）2007年9月目录1. 文件名编码规则 (3)1.1 原始数据文件 (3)1.2 产品数据文件 (3)2．功率谱数据文件 (4)3. 径向数据文件 (4)3.1 文件组成单位 (4)3.2 文件框架 (4)3.3 文件结构 (6)4. 实时的采样高度上的产品数据文件 (10)4.1 文件组成单位 (10)4.2 文件框架 (10)4.3 文件结构 (10)5. 半小时平均的采样高度上的产品数据文件 (12)5.1 文件组成单位 (12)5.2 文件框架 (12)5.3 文件结构 (12)6. 一小时平均的采样高度数据文件 (13)6.1 文件组成单位 (13)6.2 文件框架 (13)6.3 文件结构 (13)附件一功率谱数据格式 (15)1. 文件名编码规则根据实际需求，建议使用长文件名命名法，对各类文件名进行约定。
文件名中的观测时间均为观测结束时间。
1.1 原始数据文件原始数据文件包括功率谱数据文件、瞬时径向谱数据文件，对于原始数据文件，建议每次观测生成一个文件，文件名具体命名方法如下：Z_RADR_I _IIiii_yyyyMMddhhmmss_O_WPRD_雷达型号_数据类型.TTT 其中：Z：国内交换文件；RADR：表示雷达资料；I：表示后面的IIiii为风廓线雷达站的区站号；IIiii：区站号（按地面气象站的区站号）；yyyy：观测时间(年) (20**—)；MM：观测时间(月) (01—12)；dd：观测时间(日) (01—31)；hh：观测时间(时) (00—23)；mm：观测时间(分) (00—59)；ss：观测时间(秒) (00—59)；O：表示观测数据；WPRD：表示风廓线雷达资料；雷达型号：见表1；数据类型：功率谱数据文件用FFT表示；径向数据文件用RAD表示；TTT：当TTT = BIN时，表示二进制文件；当TTT = TXT时，表示文件格式为ASCII。
风廓线雷达数据处理过程及产品质量控制介绍
第３期㊀气象水文海洋仪器㊀㊀N o ．３２０１８年９月㊀M e t e o r o l o g i c a l ,H y d r o l o gi c a l a n d M a r i n e I n s t r u m e n t s ㊀㊀S e p．２０１８收稿日期:２０１７Ｇ１２Ｇ１１．作者简介:杜言霞(１９８３),男,硕士,工程师．主要从事大气探测技术保障工作．风廓线雷达数据处理过程及产品质量控制介绍杜言霞,陈州川,吴勇凯,温继昌(泉州市气象局,泉州３６２０００)摘㊀要:文章介绍了雷达信号处理步骤㊁数据处理过程以及产品质量控制的方法,利用福建风廓线雷达的观测数据进一步做了验证,与自动气象站实际观测数据相对比,结果表明:经过去除地物杂波处理后的产品质量得到了有效改善,从而提高了风廓线雷达产品的准确性和可靠性,为二次产品的开发打下良好的数据质控基础.关键词:风廓线雷达;地物杂波;数据处理;质量控制中图分类号:P [４１５．２]㊀㊀文献标识码:A㊀㊀文章编号:１００６Ｇ００９X (２０１８)０３Ｇ０００４Ｇ０５I n t r o d u c t i o n f o rw i n d p r o f i l e r r a d a r d a t a p r o c e s s i n ga n d p r o d u c t q u a l i t y co n t r o l D uY a n x i a ,C h e nZ h o u c h u a n ,W uY o n g k a i ,W e n J i c h a n g(Q u a n z h o uM e t e o r o l o gi c a lB u r e a u ,Q u a n z h o u ３６２０００)A b s t r a c t :T h i s p a p e r i n t r o d u c e s t h e r a d a r s i g n a l p r o c e s s i n g s t e p s ,d a t a p r o c e s s i n g a n d p r o d u c t q u a l i t yc o n t r o lm e t h od s ．Af u r t he r v a l i d a t i o nw a sm a d e b y u s i n gt h e o b s e r v e d d a t a f r o m w i n d p r o f i l e r r a d a r i n F u j i a n ．C o m pa r e dw i t h t h e a c t u a l ob s e r v a t i o nd a t ao f a u t o m a t i cw e a t h e r s t a t i o n ,t h e r e s u l t s s h o wt h a t t h e p r o d uc t q u a l i t y h a s b e e ne f f e c t i v e l y i m p r o v ed a f te r t h e r e m o v a l ofg r o u n d c l u t t e r ,whi c h i m p r o v e d t h ea c c u r a c y a n dr e l i a b i l i t y o f w i n d p r o f i l e rr a d a r p r o d u c t sa n dl a i da g o o d d a t a q u a l i t y co n t r o l f o u n d a t i o n f o r t h e s e c o n d a r yp r o d u c t d e v e l o pm e n t ．K e y wo r d s :w i n d p r o f i l e r r a d a r ;g r o u n d c l u t t e r ;d a t a p r o c e s s i n g ;q u a l i t y c o n t r o l ０㊀引㊀言风廓线雷达是以大气湍流作为探测目标,在近地层,其微弱的回波信号很容易受到地物杂波干扰,由于湍流回波本身很弱,常被淹没在较强的地物杂波之中,导致回波信号功率谱难以提取,同时在峰值检测上,强地物杂波往往造成气象目标的误判,从而影响风场反演产品的准确度.因此,在实际业务中需要对雷达数据进行合理的质量控制.１㊀信号处理步骤风廓线雷达接收的回波信号包括大气湍流的后向散射回波㊁系统噪声回波及地物等影响的杂波.在频域中,湍流回波功率谱表现为在均匀噪声谱之上的气象信号谱峰,以及地物杂波谱峰.地物杂波是由于雷达附近的静止目标对天线旁瓣的散射造成的,在频域上位于零频附近,谱宽比湍流信号谱较窄,湍流回波和地物杂波信号的功率谱特征在整个频域范围内都呈近似高斯分布谱,第３期杜言霞,等:风廓线雷达数据处理过程及产品质量控制介绍系统噪声功率频谱呈均匀分布[１].雷达脉冲产生的多普勒频移量也相对较小,微弱的气象信号容易淹没在杂波之中,要将有用的回波信号从繁多的杂波中识别㊁分离出来,就需要采用合理的信号处理和数据处理方案.为了能在弱信噪比条件下具备良好的信号捕获能力,风廓线雷达需要对接收到的回波信号进行时域平均㊁谱变换㊁频域平均等步骤的信号处理,处理过程如图１所示.图１㊀风廓线雷达的信号处理过程相干积累也称作时域平均,是一个循环延时累加的过程,同时也是一个对信号时域平均滤波的过程.在加法器中,１次输入的信号与经历延迟电路延迟的后续输入信号相加,得到的信号与通过延迟电路后续的新信号再相加,连续进行M 次循环累加,最终得到输出信号.因为输入的气象回波信号是相干的,而噪声信号特征是非相干性,经过M次积分后,信号电压幅度提高了M 倍,噪声电压幅度提高M,信号与噪声的功率比得到了M倍的改善,使得气象信号得以显露,增强了风廓线雷达微弱信号的提取能力.继相干积累后,为了从信号的时间序列中提取功率谱矩参数信息,需要对时域信号进行谱变换处理,得到频域信号.通过快速傅里叶变换(F F T)方法对数据采取频域变换,具体方法采用帕赛法尔(P a r s e v a l)等式:ʏɕ－ɕ[s(t)]２d t＝ʏɕ－ɕ[F(f)]２d f(１)s(f)＝F(f)２(２)其中F(f)为时域信号s(t)经傅里叶变换后的频谱函数,s(f)为功率谱密度函数,体现了信号能量在频率谱上的分布状况.通过F F T处理得到的功率谱密度函数可以直观地获取回波功率及噪声电平等谱矩参量.气象信号是独立的,具有较强的起伏特性,为了使其平稳,减小脉动性,需要对若干次F F T后得到的功率谱密度数据进行平均,这个过程称为谱平均.平均N个信号功率谱数据,信号噪声比将会提高N倍.对N次功率谱密度求取均值后,采取归一化处理,获取功率谱密度数据以及功率谱矩参数.单个距离库的功率谱密度函数如图２所示,与点目标的回波信号有所不同,气象回波信号功率谱大体呈现高斯分布的离散谱函数,具有一定的谱宽分布.在得到稳定的功率谱密度函数后,可进行各谱矩参数以及信噪比的计算.图２中标出的是各谱矩参数的含义,P r为回波信号功率, f d为平均多普勒频移,W f为多普勒谱宽.图２㊀谱矩参数含义２㊀数据处理过程及质量控制介绍按照信号处理的步骤,回波信号经过相干积累㊁F F T㊁谱平均之后,接下来就是功率谱矩参量估计.在实际工程中,需要对功率谱数据进一步处理得到高精度㊁高可信度的径向速度㊁谱宽㊁信噪比等.具体的数据处理质控算法流程如图３所示.图３㊀风廓线雷达数据处理流程２．１㊀滤波平滑风廓线雷达的探测目标为大气湍流,回波信号十分微弱,晴空条件下的S N R比较低,信号容易受到部分窄而强的噪声干扰,不利于信号谱峰识别.采用谱滤波平滑后,会部分消除干扰信号和噪声的影响,更有利于气象信号的识别和提取.E b e r h a r d(１９８７)指出当信噪比较低的时候,通过谱滤波平滑可以获得更准确的信号谱峰.５气象水文海洋仪器S e p．２０１８滑动平均的方法,具体是将１个距离库下的功率谱密度数值的每１点记为x [１]~x [m ],滤波过后的数据为X [１]~X [m ],选取滑动平均窗口为N ,m 为谱变换数,采用如下公式进行滤波.x [i ]＝(x [i ]＋x [i ＋１]＋ x [N ＋i －１])N,i ＝１, ,m(３)㊀㊀图４(上)为滤波前的谱数据,存在脉冲干扰和椒盐噪声的影响,且在一些距离库上,噪声信号功率明显强于有用信号功率,会导致信号谱峰识别和谱矩估计误差.图４(下)是采用了窗口大小为５的滑动平均后的结果,脉冲干扰信号明显得到抑制,且功率谱形状得到明显改善,有用信号识别能力得到增强.图４㊀滤波前后功率谱图２．２㊀估计平均噪声电平在后续的风廓线雷达功率谱矩估计中,首先将大气湍流信号谱从信号与噪声的混合谱中分离出来,否则会造成谱矩估计的较大偏差(G o s s a r da n dS t r a u c h ,１９８３),从而影响到谱宽㊁信噪比㊁C ２n 等参数计算的准确性[２].因此,需要对噪声电平准确估计.目前国内外主要有以下几种方法来求取噪声电平:１)噪声客观分析法此方法利用高斯白噪声谱的统计特性,应用谱序列的方差是其期望的平方,来计算噪声电平[３].算法复杂度较高,但在国内外风廓线雷达中得到广泛应用.２)分段法根据系统噪声服从自由度为２N s p/k 的中心χ２分布的特点将频谱分为k 段,对每一段数据取平均,得到k 个平均值,取最小平均值作为整个谱的平均噪声功率.文章使用了该方法且选取最佳分段数k ＝１６(经验值)[４].该方法比噪声客观分析法易于实现,能够更合理地用于工程实现中.２．３㊀地物杂波的抑制地物杂波的形成是由于地物目标或天线旁瓣反射造成的,理想中的地物杂波目标是静止的,其回波谱特点是峰值在多普勒零频,并具有较强的回波强度.在现实情况中,地杂波信号可能会随风发生移动或者源自其他移动的物体,存在多普勒运动并且零频附近有一定的杂波谱宽分布.B a r t h 等人[５](１９９４)研究发现,晴空条件下,地物杂波信号一般位于零频附近５根谱线内,较强的地物杂波的谱表现为零频附近的７~１１根谱线内.风廓线雷达数据处理过程中重要的一个环节是地物杂波的识别和去除,能否有效抑制地物杂波直接关系到风谱信息的精确提取.一般采用风廓线雷达固定窗地杂波抑制算法去除,通过选取以零频对称的N 个点,在其端点做平均或连线处理.该方法的基本思想是选取以零频为中心两边共N 个点,将这N 个点的第１个点和最后１个点的平均值来代替这N 个点的值.图５(上)为处理前的某高度距离库上功率谱图,其地物杂波明显且功率强,大气信号明显遭到抑制;图５(下)为经过１１点连线法处理过后的同时刻功率谱密度数据,可见地物杂波得到很好的抑制,而大气湍流信号明显显现.数据采自福建德化风廓线雷达２０１６Ｇ０３Ｇ０４T １０:０５.图５㊀地杂波抑制前后功率谱图２．４㊀谱矩估计经过信号处理㊁数据处理及功率谱密度数据６第３期杜言霞,等:风廓线雷达数据处理过程及产品质量控制介绍质量控制以后,接下来是计算信号谱的谱矩.谱矩估计是计算各个距离库的信号谱密度数据的零阶矩(M０)㊁一阶原点矩(M１)和二阶中心矩(M２),分别对应回波功率㊁径向速度以及速度谱宽,计算公式如下,推算关系如图６所示.M０＝ðK i＝１P i,(４)M１＝ðK i＝１v i P i,(５) M２＝ðK i＝１P i v２i,ω＝２M０－M１M０æèçöø÷２(６)图６㊀基数据和谱矩参数推算关系功率谱密度函数估算的信噪比S N R(s)的计算公式:S N R(s)＝１０l o gðh i＝１P i P N(７)其中P i为第i点功率谱密度,求和范围是信号谱宽所占的频率范围;P N为分段法计算的平均噪声功率.风廓线雷达的返回信号是在频域的功率谱密度中得到,信号的功率谱和噪声功率谱之比,记为S N R.当S N R大于１时认为信号能从功率谱密度中识别出来.信号的真实大气信噪比还需经过信号处理得到订正及信号谱宽的谱线修正,计算公式如下:S N R＝S N R(s)－１０l o g M－１０l o g F＋１０l o g B－５l o g N(８)其中,M是相干积累次数;N是谱平均数;F是谱变换次数;B是信号谱宽的谱线数.２．５㊀一致性平均一致性平均方法作为风廓线雷达数据处理的经典处理方法,它可有效去除和周边距离库数据存在较大差值的数据,得出合理的平均数值.算法中需要确定和设置３个参量分别为[６]:一致性窗口门限㊁一致性窗口范围以及平均时间.对于每个垂直高度层,根据平均时间,获取平均时间内的N个样本数据,对其进行一致性检验:将这N个数中的每一个数与其N－１个数进行比较,设定１个一致性窗口门限值,若参与比较的样本数据差值在窗口门限值内,则将该数值放在对应的样本集合中.接着比较这些数据集合所包含的数据的数目,将其中最大数目的集合拿出来做一致性平均.若样本内的数目个数少于一致性窗口门限值,则需剔除数据.一致性平均值作为此高度库上的平均值.２．６㊀水平风的合成在经过以上处理之后,得到５个波束径向速度可信值,即可将其用于水平风的合成.计算原理参考相关文献[７].图７为２０１６Ｇ０３Ｇ０４福建德化自动站地面１０m i n水平风速的观测数据,图８为福建德化风廓线雷达２０１６Ｇ０３Ｇ０４T１２:００~１６:００未进行地物杂波去除处理得到的风羽图,由图可见２k m以下的风速仅约为４m/s,５００m以下的风速多在２m/s以下,与近地面实测风速相比,风速偏小.图９为经过地物杂波去除处理得到的风羽图,与图８相比可见,地物杂波抑制效果较为理想,风速大小更接近地面实际观测数据.图７㊀地面１０m i n水平风速７气象水文海洋仪器S e p．２０１８图８㊀未经过地物杂波去除处理得到的风羽图图９㊀经过地物杂波去除处理得到的风羽图３㊀结束语文章在分析风廓线雷达回波信号和地物杂波特征的基础上,详细介绍了雷达信号处理步骤㊁数据处理过程以及产品质量控制的方法,最后利用福建德化风廓线雷达的观测数据进一步做了验证,与自动站实际观测数据相对比,结果表明:经过地物杂波去除处理后的产品质量得到了有效改善,从而提高了风廓线雷达产品的准确性和可靠性,为二次产品的开发打下良好的数据质控基础.参考文献:[１]王莎,阮征,葛润生．风廓线雷达探测大气返回信号谱的仿真模拟[J ]．应用气象学报,２０１２,２３(０１):２１Ｇ２２．[２]B R OWN I N G K A．R a d a ro b s e r v a t i o n so fc l e a ra i ra n d c l o u d s [J ]．Q u a r t e r l y J o u r n a l o f t h eR o y a lM e t e Ｇo r o l o g i c a l S o c i e t y ,２０１０,１１０(４６３):２８３Ｇ２８４．[３]朱斌,高仲辉．风廓线雷达探测系统中的谱数据处理[J ]．现代雷达,２００３,２５(１１):２１Ｇ２３,２７．[４]邓闯,阮征,魏鸣,等．风廓线雷达测风精度评估[J ]．应用气象学报,２０１２,２３(０５):５２３Ｇ５３３．[５]B A R T H M F ,C HA DW I C K RB ,K AM PD W V D．D a t a p r o c e s s i n g a l g o r i t h m su s e db y N O A As w i n d pr o f i l e rd e m o n s t r a t i o n n e t w o r k [J ]．A n n a l e s G e o Ｇp h ys i c a e ,１９９４,１２(６):５１８Ｇ５２８．[６]胡明宝,郑国光,肖文建．风廓线雷达数据获取率的统计分析[J ]．现代雷达,２００８,３０(１０):１４Ｇ１６．[７]胡明宝．风廓线雷达数据处理与应用研究[D ]．南京:南京信息工程大学,２０１２．８。
基于R语言的风廓线雷达产品数据简单处理
测 站 观 测 的风 廓 线 雷达 资 料 有 两 种 数
同化和数据 后处理 等 。 因此 开 展 风 廓 线 雷
达 的处 理 十 分 必 要 ［ 】 】 。 现 有的 气象 数据 处 理一 般使 用Ｆ ｏ ｒ ｔ ｒ ａ ｎ ， ｃ 等高级 编程语言 。 虽 然 有 着处 理 速 度 快 ， 计 算 结 果 可 靠等 优 点 。 但是其使用并不便 ：
■ｉ ｎｄ Ｐ ｒ０ ｆ ｉ ｌｅ ｔｔ ｄ ｉ ｆ ｆ ｃ ｒｅ ｎｔ ｔ ｉ ｍ＂
Ｒ语 台可能需 要不 同的编译 系统等 。 所 以 本 文 风 廓 线雷 达 资 料 ， 我们 可 以 利 用Ｒ语 言 对 其 为 实 时 的采 样 高 度 上的 产 品 数据 文 件 。
２ ０ １ ４ ０ ４ ２ ６ ０ ０ （ Ｕ Ｔ Ｃ ）
平均 的采样高度 上的 、 一 小 时 平 均 的 采 样
需 要掌握 编程语法 和算法 ， 不 同计 算 机 平 针 对 风 廓 线 雷 达 资料 ， 使用Ｒ 语 言来 对 其 进
本 文所 处 理 资 料 本 在 不 同 操 作 系统 间 可 以 任 意 使 用 。 针 对 高 度 上 的 产 品 数 据 文 件 。 对 雷 达 进行 简要 的数 据处 理 ， 统计分析 ， 然 后 利 用 言 也 能 读 取 处 理 二 进 制 格 式 文 件 ，
】 ： 原 始数 据 和 产 品 数 据 。 其 中 原 始 数 据 载相 应模 块 后 能 迅 速 地 完 成 数据 处 理 等 工 据 作； （ ３ ） 图形 显 示 ： 可 以利 用 Ｒ语 言 处 理 数据 为 二 进制 格式 ， 主 要 包 含 功 率谱 数 据 文 件 ，
０ ０ ０ ∞ 口 ０ ０ ｏ ０ ０ ０ ０ ０ ０ ０ ０ ＿ １ ０
基于数据产品的风廓线雷达故障识别
例 ，并 对 其 进 行 了 分 类 • 分 析 了 数 据 产 品 产 生 异 常 的 原 因 ；基 于 数 据 产 品 异 常 ，总 结 出 识 别 与 分 析 风 廓 线 雷 达 故 障
的 经 验 方 法 及 排 查 流 程 。有 利 于 提 高 省 级 、台 站 业 务 人 员 识 别 风 廊 线 雷 达 异 常 数 据 产 品 的 能 力 ，有 效 保 障 数 据 的
正 常 采 集 与 上 传 ，从 而 为 预 报 服 务 提 供 更 准 确 的 探 测 数 据 。
关 键 词 风 廊 线 雷 达 ；数 据 产 品 异 常 ；识 别 ；故障分析
中 图 分 类 号 ：P 4 1 5 . 2 , T N 9 5 7
1)01： j 1 0 . 1 9 5 1 7 / . 1 6 7 1 - 6 3 4 5 . 2 0 1 8 0 6 7 9
文 献 标 识 码 ：A
引言
风廓线雷达是通过向高空发射不同方向的电磁 波 束 . 利 用 大 气 湍 流 对 电 磁 波 的 散 射 作 用 ，通过测量 湍 流 径 向 速 度 来 反 演 大 气 风 场 的 新 型 遥 感 设 备 ，由 于 湍 流 运 动 是 风 廓 线 雷 达 回 波 产 生 的 根 本 原 因 ，这 就决定了其回波信号是一种微弱且伴随多种杂波的 随 机信 号 [1< 。风 廓 线 雷 达 可 以 全 天 候 不 间 断 地 提 供 大 气 水 平 风 场 、垂 直 气 流 等 气 象 要 素 ，具有较高的 时 空 分 辨 率 ，随 着 风廓 线 雷 达 不 断 布 网 建 设 , 应 用 也 越来越广.相关学者利用风廓线雷达资料开展雷达 探 测 精 度 分 析 、雾 霾 天 气 过 程 分 析 、多相态天气过程 分析以及数值预报模式模拟。
风廓线雷达测量性能分析
风廓线雷达测量性能分析胡明宝;张鹏【摘要】从雷达探测理论出发,结合工作实践,从理论上计算了对流层风廓线雷达的探测高度范围、时空分辨率和测量误差,对数据获取率等方面的测量性能进行了分析.结果表明:通过对风廓线雷达的工作波形和工作模式进行恰当设计,对流层风廓线雷达的测量性能可以达到:最大探测高度12 km以上,最小探测高度150 m,高度分辨率75 m,时间分辨率10 min,风速准确率1 m/s,风向准确率10°,数据获取率不小于80%.分析结论可供风廓线雷达区域布网工作参考.%Depend on the working principles of wind profiling radar and application practice, the sounding altitude, spatial and temporal resolution, and measurement errors of the tropospheric wind profiling radar are calculated, and the data availability is analyzed. The results show: through selecting suitable operating waveforms and modes, the radar detection altitude can range from 150 to 12000 meters, and height resolution can be up to 75 m, temporal resolution to 10 minute, wind speed accuracy to 1 m/s, wind direction to 10°, and data availability to over 80％. The conclusions can be used as references for the regional networking of wind profiling radar.【期刊名称】《气象科技》【年(卷),期】2011(039)003【总页数】5页(P315-319)【关键词】风廓线雷达;测量性能;探测高度;分辨率;测量误差【作者】胡明宝;张鹏【作者单位】解放军理工大学气象学院,南京211101;南京气象雷达开放实验室,南京210008;解放军理工大学气象学院,南京211101;南京气象雷达开放实验室,南京210008【正文语种】中文风廓线雷达是一种新型的无球高空气象遥感探测设备,它可以全天24 h不间断提供大气水平风场、垂直气流、大气折射率结构常数等气象要素随高度的分布和随时间的变化,具有很高的时间和空间分辩力,已经广泛应用于航空航天、水文水利、大气监测和天气预报等方面[1]。
风廓线雷达论文：基于时—频分析的风廓线雷达信号处理研究
风廓线雷达论文：基于时—频分析的风廓线雷达信号处理研究【中文摘要】风廓线雷达主要是利用大气湍流对电磁波的散射作用对大气风场等物理量进行探测的遥感设备,它的探测对象主要是晴空大气,可以提供大气风场、湍流场、风切变状况等气象要素信息,具有时空分辨率高、精度高等特点,已经广泛应用于大气探测、航空航天等领域。
目前国内风廓线雷达在硬件方面已达到国外的先进水平,但在信号处理、谱矩估计及数据质量控制方面与国外差距较大。
因此开展风廓线雷达信号处理算法和应用的研究具有十分重要的意义。
本文首先分析了国内外风廓线雷达的发展及研究现状,并通过查阅大量文献,对风廓线雷达典型干扰源如地物杂波、间歇杂波等信号的特征作了归纳和总结。
接着,介绍了基于快速Fourier变换(FFT)的经典风廓线雷达信号处理方法,并列举目前具有代表性的各类改进算法,分析它们在应用中存在的不足。
时-频分析已广泛的用于处理非平稳信号。
时-频分析中分数阶Fourier变换(FRFT)具有能够使间歇杂波(Chirp信号)在分数阶Fourier域能量聚集的特性,在此基础上,本文提出了基于FRFT的杂波抑制方法,给出了具体的算法推导过程及实现流程。
针对两个代表性的仿真风廓线雷达回波信号,其中包括出现单个间歇杂波的回波信号以及出现两个间歇杂波的回波信号,对该算法进行验证。
将该算法与经典方法进行对比,表明该方法杂波抑制效果明显。
最后通过信杂比改善因子对该算法性能进行分析,得出杂波抑制后的信杂比较杂波抑制前的信杂比有较大提高,且杂波抑制前后信杂比成近似线性关系。
在验证FRFT能够较好地抑制风廓线雷达间歇杂波的基础上,考虑到FRFT检测杂波的计算量较大,利用间歇杂波Zak变换的时-频分布特点,提出基于Zak变换和FRFT相结合的间歇杂波抑制方法。
文中给出了具体的算法实现流程。
通过仿真表明该算法与经典方法相比,杂波抑制效果明显；与FRFT方法相比,将杂波检测二维搜索问题变为一维搜索问题,计算量大大减少。
风廓线雷达数据质量影响因子及处理算法
文章标题：风廓线雷达数据质量影响因子及处理算法一、概述风廓线雷达是一种常用的气象观测设备，能够提供大气垂直结构的风速、风向、温度、湿度等信息。
然而，在实际应用中，风廓线雷达数据的质量受到多种因素的影响，如地面杂散回波、多次反射、多普勒展宽等。
准确地评估和处理风廓线雷达数据质量是至关重要的。
二、风廓线雷达数据质量影响因子1. 地面杂散回波地面杂散回波是指雷达发射的微波信号被地面物体反射后返回接收天线，导致回波信号混杂在大气回波信号中。
地面杂散回波会使雷达观测到的大气风场信息出现偏差，影响数据的准确性。
2. 多次反射多次反射是指雷达信号在大气中经历多次反射后返回接收天线，造成回波信号的增强和衰减。
多次反射会导致雷达接收到的信号强度波动较大，影响数据的稳定性和一致性。
3. 多普勒展宽多普勒展宽是指大气中的气泡、涡旋等不均匀结构引起的雷达回波频谱展宽现象。
多普勒展宽会导致雷达观测到的风速存在模糊性，降低数据的精度和分辨率。
4. 其他因素除了以上因素外，天气条件、雷达接收系统的灵敏度、气象条件的变化等也会对风廓线雷达数据的质量产生影响。
三、风廓线雷达数据质量处理算法1. 地面杂散回波去除算法针对地面杂散回波的影响，可以采用多普勒滤波技术和地物特征识别算法进行去除，以提高数据的准确性。
2. 多次反射校正算法针对多次反射引起的信号增强和衰减，可以采用信号退化模型和多次反射校正算法进行修正，以保证数据的稳定性和一致性。
3. 多普勒展宽补偿算法针对多普勒展宽引起的风速模糊性，可以采用动态多普勒展宽补偿算法进行修正，提高数据的精度和分辨率。
4. 数据质量评估和后处理在数据处理过程中，应建立完善的数据质量评估体系，对处理后的数据进行全面、深入的评估，以保证数据的可靠性和有效性。
四、个人观点和总结风廓线雷达数据的质量受多种因素的影响，因此在实际应用中需要综合考虑各种影响因子，并采取相应的处理算法来提高数据的质量和可靠性。
风廓线雷达数据处理与应用研究
风廓线雷达数据处理与应用研究风廓线雷达数据处理与应用研究摘要：风廓线雷达是一种常用于探测大气中风场结构和变化的仪器，广泛应用于气象、航空、环境科学等领域。
本文主要探讨了风廓线雷达数据的处理方法及其在实际应用中的研究进展。
首先介绍了风廓线雷达的基本工作原理和数据获取方式，然后详细讨论了雷达数据处理的流程和常用方法。
接着，分别介绍了风廓线雷达的应用于天气预报、空气质量监测、气候研究等方面，探讨了其在这些领域中的具体应用和作用。
最后，对目前风廓线雷达数据处理与应用研究的不足进行了总结，并展望了未来的发展方向。
一、引言近年来，随着大气科学研究的迅猛发展，风廓线雷达作为一种能够实时、连续观测大气风场的先进仪器，得到了广泛的应用。
风廓线雷达可以提供垂直方向上大气风场的信息，对于理解大气中的动力学过程、天气变化和气候演变等具有重要意义。
二、风廓线雷达的基本原理和数据获取风廓线雷达是一种主动型雷达，利用发射的微波信号与大气中的散射体进行相互作用，通过接收散射回波来获取散射体的运动信息。
风廓线雷达的基本原理是多普勒效应，即监测散射回波的频率变化来推测散射体的运动状态。
三、风廓线雷达数据处理方法风廓线雷达数据处理的目的是从原始雷达回波中提取有用的风场等信息，并将其转化为可视化的形式。
常用的风廓线雷达数据处理方法主要包括数据质量控制、多普勒频谱分析、风场反演和数据可视化等步骤。
四、风廓线雷达在天气预报中的应用风廓线雷达在天气预报中的应用主要体现在对切变线、对流云和飑线等天气现象的监测和预警上。
通过监测大气中的风场变化，可以及时发现和跟踪可能发展成破坏性天气事件的特征。
五、风廓线雷达在空气质量监测中的应用风廓线雷达在空气质量监测中的应用主要体现在对大气污染物传输过程的研究上。
通过监测大气中的风场和污染物浓度分布，可以评估不同污染源的影响程度和扩散途径，为制定有效的空气质量改善策略提供科学依据。
六、风廓线雷达在气候研究中的应用风廓线雷达在气候研究中的应用主要集中在对大气环流、季节变化和气候异常等方面的探索。
r语言数据处理流程
r语言数据处理流程
R语言数据处理流程主要包括以下几个核心步骤：
1. 导入数据：使用`read.csv()`等函数读取CSV、Excel等格式的外部数据，或从数据库导入。
2. 数据探索：运用`head()`, `tail()`, `str()`, `summary()`等功能查看数据前几行、结构、摘要统计信息。
3. 数据清洗：通过`na.omit()`去除缺失值，`duplicated()`识别并移除重复项，以及处理异常值。
4. 数据转换：利用`as.*()`系列函数转换数据类型，`factor()`创建分类变量，`mutate()`进行新变量创建与转换。
5. 数据规整：采用`tidyverse`中的`gather()`、`spread()`或`pivot_*()`实现数据重塑，使之更适合分析。
6. 统计分析：执行描述性统计、相关性分析、回归分析等，使用`cor()`, `t.test()`, `lm()`等函数。
7. 数据可视化：借助`ggplot2`或其他绘图包制作图表以洞察数据特征和关系。
8. 结果导出：使用`write.csv()`等函数将处理后的数据或分析结果保存为文件。
基于微机的风廓线雷达实时信号处理机
基于微机的风廓线雷达实时信号处理机A real-time digital processor of wind profile radar based on microcomputer卜祥元 安建平 王勇摘要:实时信号处理机是风廓线雷达组成中一个至关重要设备，其性能指标直接影响到风廓线雷达探测精度、探测距离和时间分辨率等系统指标。
本文介绍了一种基于DDC加微型计算机架构的风廓线雷达实时信号处理机设计与实现方案，试验证明其能够完全满足风廓线雷达实时信号处理的要求，而且更加符合软件无线电理想架构，具有较强的可扩展能力。
关键词：信号处理，风廓线雷达，DSP，微机中图分类号: TH765.9 文献标识码：AAbstract: The real-time digital processor is the key part of the wind profile radar and its factors have direct effects on the measurement velocity and precision. The scheme of the real-time digital processor based on DDC and Microcomputer is discussed in the paper. It turns out that this scheme with a SDR structure can fully fit the needs of the profile radar system and has extensible ability.Key words signal process,wind profile radar, DSP, Microcomputer1. 引言风廓线雷达是上世纪八十年代中期发展起来的遥感测风技术，与传统测风手段相比，具有高实时性和高精度的特点，目前已在气象、航天航空等领域得到了广泛的应用。
风廓线雷达数据处理与应用研究
风廓线雷达数据处理与应用研究风廓线雷达数据处理与应用研究一、引言风廓线雷达是一种用于探测大气中风场特征的高分辨、全天候雷达系统。
它利用探测得到的散射信号和多普勒频移信息，可以获取大气中不同高度上的风速和风向数据。
这些数据对于气象、航空、气候等领域的研究和应用具有重要意义。
风廓线雷达数据的处理和分析是利用这一技术的关键环节，本文将对风廓线雷达数据的处理方法和应用进行研究和探讨。
二、风廓线雷达数据处理方法1. 数据获取风廓线雷达通过发射微波信号，利用散射回波量测来自大气中不同高度上的信号强度。
这些回波信号被接收到雷达天线，并通过模拟/数字转换等方式将其转化为数字信号保存。
获取的原始数据包括频率、强度和多普勒频移信息。
2. 数据预处理原始数据存在一定的噪声和杂波，需要进行滤波和去噪处理。
滤波可以选择不同的算法，如中值滤波、卡尔曼滤波等。
去噪处理可以采用傅立叶变换、小波变换等频域方法，也可以利用滑动窗口平均、差分算法等时域方法。
3. 数据分析数据分析主要包括信号处理、多普勒频移解算和风分析。
信号处理包括雷达图像生成和分析，可以利用滤波、插值等算法对散射回波信号进行处理和可视化展示。
多普勒频移解算是指通过多普勒频移信息计算出风速和风向，可以利用傅立叶变换、互相关等方法进行解算。
风分析是利用解算得到的风速和风向数据，对大气运动、风场结构等进行分析和研究。
三、风廓线雷达数据应用研究1. 气象学应用风廓线雷达可以提供大气中不同高度上的风场特征，对于气象学研究有着重要意义。
可以通过分析风廓线数据，探测大气中的气旋、锋面等天气系统；研究大气运动对降水、气温等气象要素的影响；监测大气层结、对流发展等气象过程；识别大气中的边界层和湍流等。
2. 航空航天应用风廓线雷达可以提供精确的风速和风向数据，在航空和航天领域有着广泛的应用。
利用风廓线雷达可以监测低空风场，为飞机起降、航迹规划等提供重要参考信息；可以预测复杂气象条件下的空气动力学影响，提高航空器的飞行安全性；可以研究风切变等对飞行的影响，改善飞行操纵性能。
中国气象局风廓线雷达通用数据格式(V1.2)
风廓线雷达通用数据格式（V1.2）2007年9月目录1. 文件名编码规则 (3)1.1 原始数据文件 (3)1.2 产品数据文件 (3)2．功率谱数据文件 (4)3. 径向数据文件 (4)3.1 文件组成单位 (4)3.2 文件框架 (4)3.3 文件结构 (6)4. 实时的采样高度上的产品数据文件 (10)4.1 文件组成单位 (10)4.2 文件框架 (10)4.3 文件结构 (10)5. 半小时平均的采样高度上的产品数据文件 (12)5.1 文件组成单位 (12)5.2 文件框架 (12)5.3 文件结构 (12)6. 一小时平均的采样高度数据文件 (13)6.1 文件组成单位 (13)6.2 文件框架 (13)6.3 文件结构 (13)附件一功率谱数据格式 (15)1. 文件名编码规则根据实际需求，建议使用长文件名命名法，对各类文件名进行约定。
文件名中的观测时间均为观测结束时间。
1.1 原始数据文件原始数据文件包括功率谱数据文件、瞬时径向谱数据文件，对于原始数据文件，建议每次观测生成一个文件，文件名具体命名方法如下：Z_RADR_I _IIiii_yyyyMMddhhmmss_O_WPRD_雷达型号_数据类型.TTT 其中：Z：国内交换文件；RADR：表示雷达资料；I：表示后面的IIiii为风廓线雷达站的区站号；IIiii：区站号（按地面气象站的区站号）；yyyy：观测时间(年) (20**—)；MM：观测时间(月) (01—12)；dd：观测时间(日) (01—31)；hh：观测时间(时) (00—23)；mm：观测时间(分) (00—59)；ss：观测时间(秒) (00—59)；O：表示观测数据；WPRD：表示风廓线雷达资料；雷达型号：见表1；数据类型：功率谱数据文件用FFT表示；径向数据文件用RAD表示；TTT：当TTT = BIN时，表示二进制文件；当TTT = TXT时，表示文件格式为ASCII。
r语言数据框标准化处理
r语言数据框标准化处理在R 语言中，你可以使用不同的方法对数据框进行标准化处理。
标准化是一种常见的数据预处理步骤，可以使数据的分布具有零均值和单位方差。
以下是一些常见的标准化方法：1. Z-Score 标准化：Z-Score 标准化将数据的每个值转换为与其均值的偏差（标准差的倍数）。
在R 中，你可以使用内置的scale函数来实现：# 假设df 是你的数据框df_standardized <- scale(df)2. Min-Max 标准化：Min-Max 标准化将数据缩放到指定的范围，通常是[0, 1]。
在R 中，你可以使用以下方式：# 假设df 是你的数据框df_standardized <- scale(df, center = FALSE, scale = apply(df, 2, max) - apply(df, 2, min))3. 小数定标标准化：小数定标标准化将数据除以某个基数的幂，通常是10 的幂。
例如，将数据除以10 的最大次幂。
在R 中，你可以使用以下方式：# 假设df 是你的数据框df_standardized <- df / 10^ceiling(log10(max(abs(df))))4. 范数标准化：范数标准化将数据缩放到单位范数（向量的长度为1）。
在R 中，你可以使用以下方式：# 假设df 是你的数据框df_standardized <- df / sqrt(rowSums(df^2))选择标准化方法取决于你的数据和问题的性质。
在实际应用中，你可能需要根据数据的分布和标准化后的效果来选择最合适的方法。
风廓线雷达数据质量控制方法综述
风廓线雷达数据质量控制方法综述作者：陈珊谢倩来源：《科学与财富》2015年第36期摘要：风廓线雷达是一种以大气湍流为主要探测对象的晴空测风雷达。
其回波是一种典型的弱信号，具有起伏涨落明显、谱宽较宽并伴有多种杂波等特点，因此开展风廓线雷达数据质量控制对于提高数据质量与应用具有十分重要的意义。
本文以风廓线雷达的功率谱数据为基础，从数据处理流程出发，总结了目前国内外对于提高风廓线雷达数据质量的现有主流算法，为我国即将大规模布设的风廓线雷达网数据质量控制提供参考。
关键词：风廓线雷达；质量控制；算法1 引言风廓线雷达主要以晴空大气作为探测对象，利用大气湍流对电磁波的散射作用进行大气风场等要素的探测。
它的回波信号是微弱且具有明显起伏涨落、谱宽较宽并伴有多种杂波的随机信号[19]。
风廓线雷达接收机对回波信号的处理包括信号处理过程和数据处理过程。
风廓线雷达回波信号经过信号处理单元之后，得到以距离库为单元的回波功率谱数据。
数据处理单元的基本任务是对功率谱数据进行再处理，生成基础数据产品包括回波功率、径向速度、速度谱宽和信噪比，对基础数据经过进一步处理得到水平风、折射率结构常数C2n等基本数据产品。
数据处理单元的另一项基本任务是数据质量控制，这一任务对于处理错误数据并进行修正，提高数据的有效性，具有重要的意义。
本文根据风廓线雷达数据处理的基本流程，介绍了数据处理的基本方法以及数据处理过程中的质量控制算法。
数据处理流程及各阶段主要质量控制方法。
2.1功率谱密度数据处理及质量控制2.1.1 地杂波抑制在多普勒谱零频附近的谱峰是由天线旁瓣或地物目标的反射造成的。
理论上的地物杂波目标是静止的，固定杂波的功率谱密度只在一条谱线上并且可用直流去除的算法滤掉。
实际上因地物杂波目标可能会随风或其他原因移动而引起多普勒频移导致杂波谱分布在直流附近的一些点上，则认为强的地物杂波信号是零频附近的7-13根谱线[1]。
因其具有较强的回波功率，需对其加以抑制使得淹没于其中的大气湍流信号得以显现。
新一代风廓线雷达产品终端使用简介
新一代风廓线雷达产品终端使用简介作者：潘旭光迟淑芹哈艳丽于长华高永臻夏润芳来源：《科技视界》 2013年第24期潘旭光1 迟淑芹2 哈艳丽2 于长华1 高永臻1 夏润芳1(1.蓬莱市气象局，山东蓬莱 265600；2.烟台市气象局，山东烟台 264000)０引言风廓线雷达是新一代遥测风的探测仪器，可以连续测得雷达上空几分钟、几十米间距高时空分辨率的风资料，弥补常规高空风探测中时空密度稀疏的缺点，为天气预报、预警提供探测资料。
蓬莱风廓线雷达是CLC-11-D型固定式边界层风廓线雷达，由南京恩瑞特实业有限公司制造的新一代风廓线雷达，目前，山东省已经布设三部同类型雷达，随着未来雷达布网的趋势，雷达软件越来越受到关注，本文主要介绍产品终端程序的使用方法，也就是使用者最关心的程序，虽然产品自带软件说明书，但比较繁琐，本文言简意赅的介绍了软件的使用方法，以方便使用者尽快上手使用软件，提高工作效率。
1 运行程序前的设置双击运行产品终端可执行文件，点击菜单栏中“选项”选项，在弹出的列表中点击“路径设置”，弹出图1界面，对前四项各项进行路径设置，设置完毕后，如图1所示，在E盘下将自动建立Data文件夹，在其下建立FFT、Origin、Product、Txt文件夹，分别用来存放雷达实时原始数据、雷达历史原始数据、雷达产品文件、雷达文本数据。
最后三项是用于雷达台站FTP上传使用，在这里不做详细介绍。
点击“确定”按钮，至此运行程序前的准备工作完成。
2 数据产品图调用介绍双击运行产品终端可执行文件，点击菜单栏中“文件”选项，在下拉菜单中点击第一项“实时更新”，等待雷达运行三个周期（约18分钟）后可显示数据产品图，注意：如果没有点击“实时更新”，数据将不进行自动更新。
点击菜单栏中的“查看”选项，在下拉菜单中点击“时序图”可显示雷达产品时间序列图，如图2是风羽随时间变化的序列图。
横坐标表示时间（程序所在电脑时间），纵坐标代表高度，右边色标卡表示风速大小，程序大约每5分钟更新一组数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于R语言的风廓线雷达产品数据简单处理摘要：风廓线雷达产品数据在气象上应用广泛，对其产品数据资料的分析、处理和可视化十分重要。
本文利用免费的开源软件R语言，对雷达资料产品数据进行批量读取、计算和绘图。
展示了R语言在处理风廓线雷达资料的特点：简洁、易学。
关键词：R语言风廓线雷达产品数据风廓线图风廓线雷达作为中小尺度天气系统有效的探测工具,能够24小时不间断的提供:水平风向、风速、垂直气流等气象要素随高度的分布,是进行边界层和高空气象探测的重要设备,能对现有的气象观测进行补充。
其观测资料在气象上应用广泛:对高影响天气的监测和预警；对灾害天气系统的天气学分析；用于数值预报中的观测资料同化和数据后处理等。
因此开展风廓线雷达的处理十分必要[1～4]。
现有的气象数据处理一般使用Fortran,C等高级编程语言。
虽然有着处理速度快,计算结果可靠等优点。
但是其使用并不便:需要掌握编程语法和算法,不同计算机平台可能需要不同的编译系统等。
所以本文针对风廓线雷达资料,使用R语言来对其进行简单处理。
R语言的全称:为统计计算和图形展示而设计的一种编程语言和统计环境。
目前有一个R核心开发团队对其进行定期维护和更新[5]。
其主要的特点在于:(1)完全免费:可以在其官方网站()下载到完整的安装包并免费使用；(2)开源软件:R语言源代码完全公开,任何人均能提供各种数据处理模块,下载相应模块后能迅速地完成数据处理等工作；(3)图形显示:可以利用R语言处理数据后,直接获取各种统计分析图形；(4)多平台使用:R语言可以在Windows、mac、Unix 这些操作系统上安装,不需要重复编译,其脚本在不同操作系统间可以任意使用。
针对风廓线雷达资料,我们可以利用R语言对其进行简要的数据处理,统计分析,然后利用图形显示系统得到各种分析图片。
本文将在第二部分介绍R语言读取和储存风廓线雷达产品数据资料；文章第三部分对资料进行简要处理,最后会利用R语言的图形显示功能作图。
1 雷达产品数据的读取测站观测的风廓线雷达资料有两种数据[6]:原始数据和产品数据。
其中原始数据为二进制格式,主要包含功率谱数据文件,瞬时径向谱数据文件。
产品数据文件为文本格式,包括实时的采样高度上的、半小时平均的采样高度上的、一小时平均的采样高度上的产品数据文件。
本文所处理资料为实时的采样高度上的产品数据文件。
R语言也能读取处理二进制格式文件,对雷达原始数据资料的处理会在以后的工作中进行。
1.1 单个产品数据的读取R语言有许多函数能够直接从文本文件中读取数据,比较常用的有:read.table(),read.csv(),read.fwf()。
其中和Fortran比较接近的是read.fwf(),可以指定读取数据的长度和格式。
于Fortran不同的是,R语言在读取数据的时候,不用先给定数据类型,程序会直接读取数据,并存储到一个数据框(data.frame)里。
例如针对本文要处理的雷达产品数据,可以直接使用read.table()命令读取产品数据:raw_data<-read.table(fname,fill=TRUE)其中raw_data为一个数据框(data.frame),用于储存我们需要处理的雷达产品数据,fname 为要读取的雷达数据文件名字；“header＝FALSE”表示该实体数据中没有数据说明头文件；由于本文要处理的雷达产品数据不是规则的表格形式,所以需要使用参数:“fill＝TRUE”,来自动填满不是数据表格的部分。
产品数据文件的前三行为测站基本参数,最后一行为结束行,中间部分为实际数据,包含:采样高度,水平风向,水平风速,垂直风速,水平方向可信度,垂直方向可信度,Cn2。
为了便于资料处理,将实体数据单独储存到一个名为r_data的新数据框中: r_data<-raw_data[4:(length(raw_data[,1])-1),]其中使用“length(raw_data[,1])”函数判断raw_datpr_data<-lapply(r_data,as.numeric)r_data<-as.data.frame(r_data)先使用函数“lapply”和“as.character”把每列元素转换为字符型,再使用as.numeric转换为数值型,最后再用as.data.frame把r_data转换成一个数据框。
从这些处理过程中不难看出,R语言能十分方便的利用“lapply”函数实现整列(整行)的数据处理,相应的apply类函数还有许多,从而省去了程序中的循环语句编写；而且R的数据类型使用十分灵活,能够方便的将其转换为不同的数据类型,类似的函数还有as.matrix,as.logical等。
R在使用as.numeric时,会自动将无法转换成数值的字符,转换成R的缺测值(NA),本数据中的“//////”在经过转换后全部转换为了“NA”。
“NA”在R语言中可以参与计算,也可以使用一个简单的函数将数据中的“NA”去除。
例如针对本文中的数据: m_data<-r_data[complete.cases(r_data),]其中complete.case函数能够获取数据中不含缺测的所有列,进而赋值后的数据框m_data中剔除了r_data的缺测值。
1.2 批量数据文件的读取通过1.1中几个简单的语句即可完成单个雷达产品数据读取和初始化,而在业务运行中,雷达产品数据肯定是大批量的生成,也需要程序脚本具有批处理功能。
我们将1.1中单个文件的雷达产品数据处理过程,整合成一个R 语言函数readradar:readradar <- function(dir,fname){… …}readradar只需要给定路径和文件名,即可读取雷达产品数据资料并去除缺测值。
函数最后返还一个数据框,其中包含该文件中所有非缺测产品数据。
给定所有需要处理的路径和文件名后,即可完成资料的批处理。
而R语言能够十分便利的获取文件名,因为其能通过脚本语言进入当前运行的操作系统。
简单的说,R语言能够在程序内部完成操作系统的文件、文件夹处理、安装包的安装等。
例如可以直接使用file.create(create.dir)函数直接在R语言中生成新的文件(文件夹)等。
本文只需要R语言读取要处理的文件名:fname<-list.files(path=“./Qingdao/”fname中存储了所有“./Qingdao”下的雷达数据文件名。
通过循环即可完成雷达数据的批量读取:for (i in 1:length(fname)) {m_data<-readradar(dir,fname[i])}别的批量处理过程(资料简要处理,雷达风廓线图等)和读取类似,只需要加入循环即可。
2 雷达资料的简要处理和画图第二节中给出了R语言对雷达产品数据文件的批读取。
R语言最为实用的优点在于其计算和画图功能。
2.1 雷达风廓线的简要计算为了便于处理资料。
我们利用names函数将m_data数据框的每一列分别命名:names(m_data)<-c(“hgt”,”h_dir”,”h_speed”,”w_speed”,”h_rel”,”w_rel”,”cn2”)每一列表示对应的资料的采样高度,水平风向,水平风速,垂直风速,水平方向可信度,垂直方向可信度,Cn2。
水平风的u分量计算如下:m_data$u <- m_data$h_speed * cos((270 - m_data$h_dir)* pi/180)其中pi为R语言中自带的圆周率的取值3.141593。
而计算出来的u风速可以直接存储到数据框m_data的新的一列中。
同理可以计算出水平风速的v分量:m_data$v <- m_data$h_speed * sin((270 - m_data$h_dir)* pi/180)上述计算过程可以看出,R语言中数据框的计算处理十分方便,不需要使用循环语句计算不同高度上的u/v分量,而且计算结果可以直接作为数据框新的一列存到原数据框中。
而R语言除了基本的计算外,还能使用内部函数做各种复杂数学计算,例如矩阵的求逆、线性回归分析、抽样分布、显著性试验等。
如果R语言自带的函数已经不能解决当前数学问题,还能上网搜索下载对应函数包。
2.2 雷达风廓线图R语言主要有三种绘图函数:高级、低级和交互式。
通过调用高级绘图函数,能在R语言中直接绘制各种统计图；低级绘图函数能够对现有的图进行修改；交互式绘图能够让用户直接利用鼠标修改图形。
大量的内置函数让绘图变得十分的简易。
例如本文需要的u风场随高度变化图可以通过以下函数实现:plot(m_data$u,m_data$hgt)在plot函数中增加各种参数,能够优化所绘图形。
例如本文中使用如下命令获取风廓线图:plot(m_data$u,m_data$hgt,type=“b”,main=title,xlim=c(-20,20),ylim=c(0,5000),xlab=“风速(m/s)”,ylab=“采样高度(m)”,pch=16,col=2)其中tpye=“b”表示曲线为点画线；main为主标题；xlim和ylim 表示横纵坐标取值范围；xlab、ylab表示横、纵坐标标题；pch=16表示点为实心圆圈,col=12表示颜色为红色。
通过使用低级绘图命令如points、lines等,可以在刚画的u风场廓线后增加v风场廓线:points(m_data$v,m_data$hgt)lines(m_data$v,m_data$hgt)图例则可以用lengend函数添加:legend(“topleft”,pch=c(16,17),col=c(2,19),lty=c(1,1),legend=c(“u”,”v”),bty=“n”)R语言还能使用par函数对图片进行设置,例如本文中使用如下函数将2014年4月26日每隔3小时的风廓线显示到同一图片中: par(mfrow=c(2,4),mar=c(5, 4, 4, 2) + 0.1,oma=c(0.1,0.1,0.4,0.1))其中mfrow=c(2,4)表示图片分割为两行四列,参数mar和oma指定了图片的间距。
将上述命令和第二节的数据读取函数整合到一个R脚本中,运行脚本即可得到如图1风廓线图。
R语言的绘图函数很多,除了文中绘制风廓线图外还能绘制:直方图、散点图、饼图等。
在安装绘图包后还能绘制3D图等。
其绘图功能,能满足大部分气象资料统计分析的出图需求。
3 结语和讨论免费的开源软件R语言,能够用于数据分析和图形显示。