新一代天气雷达速度退模糊算法

新一代天气雷达速度退模糊算法

熊兴隆;赵静;蒋立辉

【摘要】Velocity dealiasing algorithm has an important influence on later data assimilation and short-term weather forecast for China new generation weather radar． An improved algorithm based on combined shear detection and across-shaped multi-scale window is proposed, solving false velocity dealiasing problems in isolated echo region and high shear region． Firstly, the new data preprocessing

method ″MDV″( minimum distance velocity) is used to optimize the data． Secondly, compare the shear threshold with the difference value that between the radial velocity value and the reference velocity value, according to the comparison result, velocity dealiasing starts in the azimuth direction and then in the radial direction． Then, isolated echoes away from the radar use the reference velocity value found from a cross-shaped multi-scale window． The velocity dealiasing algorithm is tested many times by the extreme weather radar radial velocity of S-band China new generation weather radar．The result shows that, the new algorithm′s accuracy is better than WSR-88D′s, in case with high shear and isolated echo.%速度退模糊算法对新一代天气雷达后期数据同化及短时临近预报具有重要影响.针对在高切变和孤立回波情况下速度退模糊出现错误的问题,提出了基于联合切变检测和十字形多尺度窗口的速度退模糊改进算法.首先,采用MDV(mininum distance velocity, MDV)数据预处理方法进行全局数据优化.其次,将当前速度库和参考库的差值与切变阈值相比较,根据对比结果,分别进行切向和径向的退模糊.然后,

在远离雷达的孤立回波区域,建立一种十字形多尺度窗口,实现参考库的确定,进而完成全方位的速度退模糊.使用我国新一代天气雷达(CINRAD-SA)在极端天气情况下的实测数据对该算法进行了多次验证.结果表明,在高切变和孤立回波情况下,该算法的速度退模糊准确率较高,优于新一代天气雷达中运行的WSR-88D速度退模糊算法.

【期刊名称】《科学技术与工程》

【年(卷),期】2017(017)018

【总页数】7页(P175-181)

【关键词】速度退模糊;新一代天气雷达;多尺度窗口;参考库;速度库

【作者】熊兴隆;赵静;蒋立辉

【作者单位】中国民航大学天津市智能信号与图像处理重点实验室,天津 300300;中国民航大学天津市智能信号与图像处理重点实验室,天津 300300;民航气象技术研究所,天津 300300

【正文语种】中文

【中图分类】P412.2

新一代天气雷达具有高时空分辨率，不仅能够探测晴空模式下的风场信息，还能对降水模式下的风场和强度进行有效探测[1,2]。由于天气雷达脉冲重复频率fPRF及波长λ性能参数的限制，使得天气雷达具有最大探测速度(即最大不模糊速

度)VN=λfPRF/4。当径向速度超过天气雷达的最大探测速度时，就会出现速度模糊现象。速度的模糊问题影响了新一代天气雷达后期数据同化及短时临近预报[3—6]的准确性和可靠性，因此研究速度退模糊算法具有十分重要的意义。

近年来，针对新一代天气雷达速度退模糊的问题，国内外相关学者开展了大量的研究工作，发展了多种算法。1977年Ray等[7]提出沿一维径向进行速度退模糊算法，但若整片回波区域模糊则退模糊会出现错误。2002年梁海河等[8]提出“双径向-双切向”的速度退模糊算法，以人机交互的方法来确定参考库，需要处理大量

业务数据时效率较低。2006年Zhang[9]提出二维多途径速度退模糊算法，在弱

风区寻找初始径向进行全方位退模糊，虽然提高了算法的准确性和可靠性，但该算法在孤立回波情况下退模糊效果不理想。2009年蔡亲波等[10]在Zhang Jian算

法的基础上作出改进，正确的保留了切变区，但在孤立回波区域存在大范围无回波数据和距离折叠时，存在退模糊失败的问题。2013年董文雪等[11]使用GRAPES-RUC系统获取参考风的方式进行速度退模糊，但系统的分析场资料时空分辨率低，在小尺度情况下不能提供准确的参考风。2015年庄庭[12]提出的双脉冲重复频率

技术一定程度上提高了数据质量，但是对天气雷达整个系统性的要求较高,而且在

极端天气情况下也会出现速度模糊。

针对在高切变和孤立回波情况下速度退模糊出现错误的问题，提出了基于联合切变检测和十字形多尺度窗口的速度退模糊改进算法。算法的优点在于：① 速度退模

糊前，采用新的数据预处理方法“MDV”，检测和剔除数据中存在的噪声，并处

理数据的缺测问题。② 进行切变检测时，当前速度库和参考库的差值与切变阈值

相比较，根据对比结果，先切向后径向的顺序进行退模糊。③ 在参考数据较少的

孤立回波区域，建立十字形多尺度窗口寻找参考库进行速度退模糊。④ 对速度色

标进行了细致的划分，更加直观、便捷的观测速度的大小。

本文于Zhang[9]提出的二维多途径速度退模糊算法基础上作出改进，对高切变和孤立回波情况下的模糊数据进行处理。速度退模糊前先对原始数据进行标识，无效数据(无回波数据)标识为0，有效数据标识为1，退模糊后的正确数据标识为2。

改进后的算法主要分为五个步骤。