基于R语言的风廓线雷达产品数据简单处理

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