边界层风廓线雷达对登陆台风观测适用性评估

严嘉明 赵兵科 张 帅 林立旻 汤 杰*

1)(中国气象局上海台风研究所，上海 200030) 2)(福建省灾害天气重点实验室，福州 350001)

引 言

风廓线雷达具备全天候无人值守，可24 h连续提供测站上空高时空分辨率、连续且实时性好的大气水平风场、垂直气流、大气折射率结构常数等气象要素随高度分布的能力[1-3]。20世纪80年代，美国通过对风廓线雷达理论20年的研究逐步趋于成熟，并采用404 MHz风廓线雷达[4]建立数十部对流层风廓线雷达组成的试验网，随着风廓线雷达技术日趋成熟，已成为商业化产品，数据在多个领域得到运用，包括民用气象、机场天气监测、数值预报[5]，还广泛应用于军事领域。日本自行研制了天线波束指向灵活的风廓线雷达，并从2000年开始在全国范围内进行风廓线雷达的组网探测。我国对于风廓线雷达技术的研制工作开始于20世纪80年代。

台风作为自然界中最常见的自然灾害，每年都给世界各地的沿海地区造成大量的财产损失以及人员伤亡，因此台风近地面风场结构的精确观测格外重要，目前近地面观测手段较缺乏，主要依靠探空气球、风速计、测风塔等被动式观测工具，且各有局限性，如探空气球依靠人力无法进行连续观测，风速计为单点近地面观测，风塔虽然能够提供剖面数据，但受高度限制等因素制约也仅能提供较少层数据，且机动性差、维护成本高。因此目前亟需能提供连续观测且机动性高的风场观测设备，风廓线雷达可很好地满足这些需求。关于风廓线雷达数据质量的相关研究已有学者进行探讨。Weber等[6]利用美国科罗拉多州机场的探空与同站的超高频风廓线雷达进行采样，通过每日两次历时两年的数据对比发现，两者测得的水平风速标准差为2.5 m·s-1，造成误差的主要原因是不同天气系统中风的变化；万蓉等[7]对贵州省威宁市黑山观测站风廓线雷达数据与加密探空进行对比分析，定义两者风向偏差在20°以内或风速偏差在3 m·s-1范围内的样本为有效样本，通过不同条件下获得的样本比率分析风廓线雷达数据质量；孙康远等[8]利用风廓线雷达反演大气比湿廓线与探空进行对比，结果发现反演的结果与探空比湿廓线呈现相同的变化趋势。王欣等[9]对风廓线仪探测数据与同步探空仪数据进行对比，验证风廓线仪数据的可信度,并应用风廓线数据分析梅雨锋期间中尺度降水的对流特征和相关问题，发现大气风廓线仪对水平风的垂直结构有较强的探测能力,能够实时监测中尺度降水期间风的垂直切变和对流特征,有助于提高临近天气预报的精度,准确预报降水；邓闯等[10]对风廓线雷达的测风精度进行评估发现影响低层数据质量精度的主要原因是地面风速较小、杂波干扰较多，大气返回信号较弱、信噪比较小是高空测风精度的主要影响因子，研究还发现对流性降水云过境时，波束空间内降水粒子及环境大气运动分布有明显的非均匀性；Shapiro等[11]利用美国科罗拉多的风廓线雷达网对锋面和喷流进行观测，通过观测数据判断喷流维持的时间以及喷流在空间上的厚度、喷流核通过的时间以及风切变层的厚度变化；何平等[12]利用风廓线雷达提供的功率谱密度、信噪比、水平速度、垂直速度等多种数据从多角度对降水个例进行研究发现，风廓线雷达可以同时探测垂直气流速度、粒子落速及其高度分布，进而可以估计降水粒子尺度谱及其高度分布，便于开展更深层次的降水物理过程研究。Wuertz等[13]对降水效应对超高频风廓线雷达测风的影响进行分析，结果发现测风精度降低很大程度由不同天线波束上水平降水不均匀引起。

目前关于风廓线雷达在台风环境下适用性的相关研究较少，Liao等[14]利用风廓线雷达对台风天兔(1319)的边界层演变特征进行研究，利用两组不同时间段的风廓线雷达和探空数据进行对比，并通过位温的变化估算混合层的厚度，指出不同方法定义的边界层高度不同，最后发现登陆前边界层高度可达2100 m以上，随着台风登陆边界层高度迅速下降；汪学渊等[15]对台风苏拉(1209)登陆过程中获得的风廓线雷达数据进行初步分析，结果证明风廓线雷达数据的特征与实际天气特征一致；李利孝等[16]利用2座风观测塔和1部台风廓线雷达对强台风黑格比(0814)的实测结果，研究其近地层和边界层风剖面特征；May[17]将安装在塞班岛的50 MHz风廓线雷达小时平均数据与120组探空数据对比后发现，10 km高度以下风速均方根误差为2.3 m·s-1，且风速偏差与风速大小和降水无关；May等[18]利用风廓线雷达对热带风暴Flo在通过塞班岛附近115 km内时进行分析，细致解释了该热带风暴的环流以及降水结构。Yan等[19]分析风廓线雷达在台风环流中的数据质量，但结果并不完整，特别是对于不同降水条件下风廓线雷达观测质量未进行仔细评估。

本文在前期初步工作的基础上，重点关注风廓线雷达对于登陆台风边界层诊断的适用性，包括可能导致风速风向误差的原因分析等。与董德保等[20]从雷达工作原理及风的计算公式出发不同，本文从外界客观因素出发，以期为风廓线雷达在台风等强对流天气中的应用提供支撑。

1 数据来源及对比方法

本文使用的数据为中国气象局上海台风研究所在外场观测试验中采集到的凤凰(1416)、灿鸿(1509)、尼伯特(1601)、莫兰蒂(1614)、鲇鱼(1617)以及利奇马(1909)6个台风合计34组同点风廓线雷达、GPS(Global Positioning System，全球定位系统)气球探空以及雨滴谱仪数据，台风路径及对应观测点见图1，数据采集时间详见表1，时间均为世界时，下同。

表1 风廓线雷达以及探空数据采集时间

图1 台风凤凰(1416)、台风灿鸿(1509)、台风尼伯特(1601)、台风莫兰蒂(1614)、台风鲇鱼(1617)及台风利奇马(1909)路径图(五边形为对台风凤凰及台风灿鸿进行观测时所在的位置，叉号为对台风利奇马进行观测时所在位置，菱形为对台风莫兰蒂进行观测时所在位置，五角星为对台风尼伯特以及台风鲇鱼进行观测时所在的位置)

对比风场数据分别通过北京爱尔达电子设备有限公司生产的Airda 3000型机动式边界层风廓线雷达以及Vaisala MW41探空系统观测得到。Airda 3000采用5波束探测模式，时间分辨率为5 min，最高可观测到4700 m高度的风场，垂直分辨率为50 m，可以连续获得水平风速、垂直速度、信噪比、径向速度等多种气象参数。此型风廓线雷达大多以固定方式应用于各地监测边界层结构研究[21]。探空系统由探空仪和地面设备组成，采样频率为2 s，可连续获得温度、压力、湿度、风速、风向等大气参数，探测高度由气球爆炸高度决定，探空可帮助了解边界层内的情况[22-23]。但需要指出的是，利用风廓线雷达和探空测风进行对比会遇到两者测风采样空间不同的问题，风廓线雷达是对雷达上方高度层的风进行采样，5 min获得一组风廓线数据；而气球探空则会随风飘移，是在不同时间、不同地点测风，且为瞬时数据，相同的高度，探空气球可能已飘到距离施放点几千米甚至是几十千米的地点。因此，风廓线雷达和探空观测的是不同时间以及不同地点的风，两者存在差异。但根据风廓线雷达和气球探空的探测原理，当大气较为均匀时,即在半小时内和几十千米范围内风没有很大变化时，探空和风廓线雷达测风有较好一致性，虽然台风的大风环境会进一步加大探空在水平方向上的飘移，加大两者间的观测偏差，但本文主要针对边界层内(小于3000 m)，且台风作为中尺度系统，水平覆盖面为300～1500 km，即使内部存在各种不连续流体，但是在同一流体且一定距离范围内风不会有明显变化，为此对探空升至3000 m时距离施放点的水平距离进行估算，探空气球上升的平均速度大约为5～10 m·s-1，上升至3000 m高度大约需要300～600 s；另外考虑台风环境下的风速，且各台风风速不同，本文所观测台风的平均风速约为20 m·s-1，即探空气球(不考虑风向变化的情况下)在到达3000 m高度时距离施放点大约为6～12 km。从图2可以看到，3000 m高度时，探空气球基本位于距离施放点15 km内的范围，与理论估算的结果相当。风廓线雷达的时间分辨率为5 min，在这5 min内风廓线雷达上方的大气以20 m·s-1的速度流动，时间(300 s)与平均风速(20 m·s-1)乘积为6 km，具体根据实际风速而改变，如台风利奇马(1909)的风速更大。因此对于在台风边界层高度的风速观测，探空气球在移动路径上采集的瞬时风速和风廓线雷达在固定端探测的平均风速可以进行对比；探空作为目前高空风探测的参考标准，尤其是对台风这种强综合观测环境下的天气尺度系统进行探测，很难有更准确的直接探测手段能与风廓线雷达进行准确地比对和校验，尽管风廓线雷达和探空的测量原理差别很大，但是利用探空与风廓线雷达对比可以获得二者测风的系统偏差。

图2 3000 m高度探空气球与观测点(极点)相对位置

另外，在WMO第8届阳江国际探空比对评估报告中对探空测风以及风廓线雷达测风能力的差异进行评估，该评估主要参考探空数据分析风廓线雷达测风的性能和能力，利用多种探空仪与参与测试的风廓线雷达进行对比，结果显示当探测高度在3000 m以下时，风廓线雷达与L波段雷达测风和风廓线与探空测风的平均误差、标准差分别为1.3 m·s-1，2.0 m·s-1和1.4 m·s-1,1.9 m·s-1，水平相当，探测性能总体较好，但在近地层和3000 m以上偏差较大，近地层偏差较大可能是受地物影响，在3000 m以上偏差较大是由于获取的信号较弱，难以获得准确的风数据。报告还指出风廓线雷达能够在台风接近期间提供连续的表面风场数据，以及在大部分无降水的情况下提供风廓线信息，该评估报告表明风廓线雷达观测数据的正确性以及可靠性，为后续研究提供了强有力的研究基础[24]。

本文使用的雨滴谱仪是PARSIVEL 激光雨滴谱仪，将其原始输出数据处理生成降水强度数据[25]以对不同降水环境下风廓线雷达测风数据质量进行评估。

2 结果分析

2.1 水平风速评估

由于目前缺乏台风天气条件下风廓线雷达观测风速风向误差评估的相关研究，因此本文旨在对台风试验期间风廓线雷达所采集的风场数据进行适用性评估，定量化确定在台风强风强降水系统内，边界层风廓线的可用性和适用性。

对6次台风外场观测试验中采集到的34组数据进行误差分析，定义当每组数据获取率高于80% 且标准差小于等于4 m·s-1时，该时次风廓线雷达的观测数据质量为好，并以相关系数及均方根误差作为检验方式。34组数据中有4组数据缺测，其余30组数据的水平风速的平均标准差为3.64 m·s-1，平均误差为4.67 m·s-1，其中24组数据达到0.01的显著性水平，2组达到0.1的显著性水平，4组呈负相关且未达到0.1的显著性水平。图3为30组数据的对比结果分布，有19组数据的对比结果较好，均集中在图3右下角标准差小于4且相关系数大于0.5的区域。

图3 风廓线雷达与探空在不同高度上的水平风速对比

这19组较好数据的特征为250 m高度以下两廓线重合度低。分别从19组评估结果较好的数据中挑选不同台风的4组数据(图4)，这4组数据都在250 m高度以下有两廓线不重合，且探空的风速小于风廓线雷达探测的风速。究其原因一方面是因为在台风环流相对强风的环境下，探空气球由施放那一刻的静止状态到能有效侦测环境风的状态需要经过加速度的过程；另一方面，台风环境下受大风影响探空气球的飘移比常规情况偏大，也会加大两者的观测偏差。另外，这4组数据的比湿廓线随高度无剧烈变化，均在零线附近振荡。图4中r为相关系数，dst为标准差，rmse为均方根误差。

图4 风廓线雷达与探空水平风速对比

为了证明250 m左右的高度较为合理，根据19组对比结果较好的数据特征，发现两廓线在第1次相交前重合度较低，第1次相交后则两廓线重合度变高，因此将第1次交点的高度作为区分数据质量好坏的分界高度，并对19组数据的第1次相交高度进行统计(图5)。图5可以发现两廓线第1次相交的平均高度在290 m，与估计的250 m接近。

图5 两廓线第1次相交的高度(虚线为平均相交高度)

从风速看，台风凤凰(1416)影响期间的7组数据两廓线高度重合，相关系数几乎均高于0.5，均方根误差和标准差结果相近且均小于4 m·s-1。值得注意的是2014年9月22日08：00(图6),相关系数虽仅为0.163，但两廓线重合度非常高且标准差及均方根误差分别仅为2.612 m·s-1和2.578 m·s-1，因此相关系数可以用于确认数据质量，但无法作为第一评判标准，标准差或者均方根误差更合理，这也是本文将均方根误差设定为风廓线雷达观测数据质量阈值的原因。另外，7组数据均呈现250 m高度以下两廓线重合度低的共同特征。从蓝色比湿廓线的变化特征看，去趋势后的比湿廓线在零值线附近振荡且振幅较小，如图6中2014年9月22日08：00。

台风灿鸿(1509)影响期间仅有两个时次的风速对比结果较好，两廓线重合度高，且相关系数都高于0.9，标准差及均方根误差均小于4，但也存在250 m高度以下重合度低的特征，其余3个时次的对比结果均不理想，标准差及均方根误差都很大，且对比结果较好时比湿廓线在零值线附近小幅振荡，而当对比结果较差时，比湿廓线振幅增加。从两廓线重合度看，2015年7月11日06：00(图6)的对比结果最差，比湿廓线的振荡幅度最大，因此推测风廓线雷达观测数据质量的好坏可能与台风内部湿度的变化有关。

图6 风廓线雷达与探空的水平风速对比

2016年在尼伯特(1601)、莫兰蒂(1614)和鲇鱼(1617)3个台风影响下测得的10组数据中有4组风廓线雷达数据缺失严重，经确认是风廓线雷达在观测期间出现故障所致，由于缺测数据的时间并未与数据正常采集的时间交替发生，因此认为故障发生前的观测数据并未受到影响，可以使用。剩余6组中有4组风速对比结果较好，比湿廓线也均在零线附近振荡。图6中2016年7月9日00:50和2016年9月27日20:05为结果较差的2组，其中00：50的比湿廓线振幅较大，与先前分析的共同特征相似，而20：05的比湿廓线无类似的大振幅特征，这可能是由于在1500 m高度以上存在风速不连续区，即大气不均匀区域，根据探空气球漂移的特性，该时次两者观测的可能并非同一均匀流体。另外，结果较好的4组数据中有2组(图6中2016年7月9日02:55和2016年9月27日17:10)出现标准差与均方根误差相差过大，分别为2.722 m·s-1与6.363 m·s-1以及1.79 m·s-1与5.583 m·s-1，两组数据的标准差与均方根误差大约相差4，该特征也反应在两廓线的重合度上，可以看到这两个时间点的两廓线虽趋势相近，但风速相差约5 m·s-1；其余结果较好的数据的标准差与均方根误差相近且两廓线重合度高，因此均方根误差可以帮助进一步在结果较好的数据中筛选出相对较差的数据。

台风利奇马(1909)影响下共观测得到12组数据，其中有7组结果较好，其余5组结果较差，在较差的5组中有4个时次相连。根据中国气象局提供的相关资讯，利奇马登陆时间为2019年8月9日17:45前后，对比结果较差且连续的4个时次均发生在台风即将登陆前以及登陆时刻左右。由于浙江、福建一带多以丘陵山地地形为主，因此风廓线雷达观测结果变差是否和台风接近陆地时低层环流结构受到地形破坏有关值得进一步研究。

为了进一步确认250 m高度以下数据是否影响整体数据质量，由于风廓线雷达的垂直分辨率为50 m，将风速对比结果较好的19组数据中250 m高度以下的观测数据剔除后发现大部分风廓线雷达与探空数据之间的相关性变得更高，标准差变得更小，其平均标准差由原来的2.2 m·s-1下降到1.9 m·s-1(图7)，比Weber等[6]利用美国科罗拉多州机场的探空与同站址的超高频风廓线雷达2年测风数据对比分析后提出的两者所测水平风速标准差为2.5 m·s-1更好。虽然本文结果是通过只选取结果较好的数据得到的，但一定程度上表明风廓线雷达可以在台风环境下使用。标准差的减小也证实250 m高度以下的数据确实影响数据整体质量，因此在后续研究中应将该高度层以下的数据剔除后或利用更为有效的观测手段(如激光测风雷达)将低层数据进行替换补充后使用。

图7 风廓线雷达与探空在剔除250 m高度以下数据前后水平风速的对比

综上所述，造成风速数据较差的原因可能与台风中大气湿度的分布、台风内局部扰动导致在雷达探测波束内风不均匀、台风受地形影响低层环流结构被破坏有关，250 m高度以下的数据确实影响数据整体质量。

2.2 水平风向评估

为了研究台风对风廓线雷达风向数据质量的影响，类似风速对比，将34组数据的风向与探空风向进行对比，其中以台风利奇马(1909)影响下测得的数据对比结果最好。

台风凤凰(1416)的风向对比结果较风速对比结果差，7组数据风向均有明显偏差，但两廓线具有相同趋势，推测造成该误差的原因是风廓线雷达初始标定的问题，可通过后期数据处理解决。

台风灿鸿(1509)的风向对比结果与风速对比一致，风速对比结果较好则风向对比结果也为好，风速对比结果较差则风向对比结果也较差。台风尼伯特(1601)、莫兰蒂(1614)以及鲇鱼(1617)的风向对比结果整体和风速对比一致。值得注意的是图8中两个时次风向变化，某高度区间风向的不连续也会反映在同时间点风速的变化上。

图8 台风鲇鱼(1617)的风向与风速的变化

台风利奇马(1909)的风向对比显示两廓线重合度非常高，经过比较，风廓线雷达观测风向和探空观测风向在所有高度层的平均风向误差约为10°，几乎一致，即风向优于风速，同时也存在风向不连续反映在风速变化上。12组数据中18:20 的对比结果最差，该时次风速的对比结果也最差。

2.3 观测点相对台风中心位置与风廓线数据质量关系

图9为观测点与台风中心的相对位置，可以发现对比结果较差的时次几乎都发生在台风中心距离观测点200 km以外的范围，但对比结果较好的时次在空间分布上无明显规律，不同距离位置均有分布，但当台风中心距离观测点200 km以内时，风廓线雷达观测数据质量较好的比率较高，如图仅有一个时次的对比结果较差，其余结果均满足风廓线雷达风速观测数据质量为好的条件。

图9 观测点与台风中心相对位置(a)及其离散程度随距离的分布(b)

2.4 降水与数据质量关系

研究发现风廓线雷达在降水条件下的数据质量会受到影响，尤其是边界层风廓线雷达[26-27]，且在降水期间水平不均匀和垂直不均匀程度高于晴空条件下，影响测风质量[28]。但针对台风影响下的强降水环境中风廓线雷达数据质量与降水之间的关系鲜见报道，因此本文利用通过雨滴谱仪原始数据计算得到的降水强度进行分析。根据中国气象局的降水等级划分，换算为降水强度(单位：mm·h-1)后可分为小雨((0,0.42))、中雨([0.42,1.042))、大雨([1.042,2.08))、暴雨([2.08,4.2))、大暴雨([4.2,10.42))以及特大暴雨(不小于10.42)。

图10为不同台风影响期间的降水序列，虚线分别代表与探空气球施放时间相应的风廓线雷达数据。根据之前风速的对比结果可知台风凤凰(1416)的7组风廓线雷达数据和探空数据对比结果相当优异，从降水强度看，这7组风廓线雷达数据分别采集于无雨、小雨、中雨、暴雨、大暴雨以及特大暴雨期间，涵盖所有降水情况，有趣的是对比结果最为优异的两组数据分别发生在大暴雨以及特大暴雨的情况下，可见风廓线雷达且是边界层风廓线雷达在强降水环境下采集的水平风数据质量并未像前人研究中所提到的会受降水影响。台风灿鸿(1509)影响下的降水数据只涵盖2015年7月10日 23:00的1个时次,该时间点的降水强度为6 mm·h-1，即大暴雨，对照前面的分析可以发现该时次的风速风向对比结果也非常优异。

图10 不同台风影响下观测点降水强度变化的时间序列

台风尼伯特(1601)影响期间雨滴谱仪因故障未能获取降水数据，因此本节不对其影响下的结果进行分析。在台风莫兰蒂(1614)影响下两组数据分别采集自暴雨以及无雨的情况，从风速对比结果看，同样是发生于暴雨下的结果优异，而在无雨情况下出现数据丢失。台风鲇鱼(1617)影响下两组较好的风廓线雷达数据分别观测于无雨以及大暴雨的情况下。台风利奇马(1909)影响期间的11组数据中2019年8月9日09:10的风速对比结果最好，甚至是34组数据中结果最好的，相关系数高达0.97，标准差为34组数据中最小，仅为0.723 m·s-1，均方根误差同样也最小，为0.724 m·s-1，但是该时次数据获取时降水强度为6.8 mm·h-1，属于大暴雨的情况。数据质量较差的情况较为频繁地发生在无雨或者小雨的情况下，在无雨的情况下风速对比结果也有较好时次，因此无明显规律。实际上登陆台风云系不均匀，降水往往不连续，因此可以推断位于台风边界层内不同区域时，环境也会存在差异,大雨条件下，观测点往往位于台风内核区域或者台风较对称完整或者处于较大尺度的雨带内，空气湿度往往处于饱和状态，大气比较均匀，有利于风廓线雷达探测精度的提高，相关研究指出当风廓线雷达在均匀降水的环境下，测风准确度较好。小到中雨的条件下，观测点往往位于台风外围或者台风中较为零散云系系统下，此时的降水可能是非均匀降水，因此可能导致大气在风廓线雷达探测的水平范围内不均匀，这不符合风廓线雷达计算水平风的假设条件[29]。

图11为数据可用性与降水强度之间的关系。从图11a可以发现可用性高的数据分布在不同的降水强度下，且半成发生在大雨及以上条件下；可用性较差的数据多集中在大雨条件以下，图11b也很好地验证了该结果。由于风廓线雷达是通过大气湍流对电磁波折射产生的多普勒效应从而实现测风，降水时雨滴产生的散射贡献显著，因此风廓线雷达得到的是湍流功率谱和降水功率谱的总和，本文仅对产品数据进行评估，并未深入谱数据进行分析，所以认为该边界层风廓线雷达的产品数据质量较为可靠，可在台风的强对流强降水环境中实现测风。

图11 风廓线雷达数据可用性与降水强度之关系

综上所述，通过对台风降水与风廓线雷达观测数据质量之间关系的研究发现,两者之间无明显关系，而在强降水过程中采集到的数据质量表现更好，可用性更高，在弱降水甚至无降水的情况下出现数据可用性较差数据的频率较高，其原因可能与降水的均匀性有关，后续研究应深入谱数据对该结果进行论证。

3 结论与讨论

长期以来，包括台风在内的强对流天气系统的边界层结构及演变特征是气象观测和研究的难点和热点问题，一直备受关注[30-33]。由于台风内部狂风暴雨对观测的干扰，风廓线雷达在台风内部观测的适用性存在较大不确定性，基于中国气象局上海台风研究所2014—2019年开展的野外台风试验，重点比较34组同时同点的探空和边界层风廓线观测数据，得到以下初步结论：

1)将风廓线雷达与探空数据对比并进行水平风速误差分析，30组有效数据平均误差为4.67 m·s-1，平均标准差为3.64 m·s-1，其中19组数据对比结果较好，均有250 m高度以下两廓线重合度低、250 m高度以上重合度高的特征。将250 m高度以下数据剔除后发现标准差由2.2 m·s-1减小至1.9 m·s-1，证实250 m高度以下数据会对整体数据的精度产生影响，有必要在使用前剔除。

2)造成水平风速对比结果较差的原因可能是台风中大气湿度的分布、台风内局部扰动导致在雷达探测波束内风不均匀，由于风廓线雷达的观测基于均匀大气，因此可在一定程度上描述台风内部结构的不均匀性；另外由于浙江福建沿海多属丘陵地形，台风受地形影响低层环流结构被破坏也可能造成水平风速对比结果较差。

3)当台风中心位置距离观测点200 km以内时，风廓线雷达观测数据质量较好的比例更大。同时并未发现风廓线雷达数据质量与降水之间存在明显相关，质量较好的数据存在于不同强度的降水条件下。

本文着重对台风影响下的风廓线雷达数据质量进行分析，给出测风精度的评估结果，并对可能影响数据质量的原因进行基本描述与推论，初步可以认为Airda 3000机动式边界层风廓线雷达的产品数据质量较为可靠，可在台风的强对流强降水环境中实现测风，但其误差特性以及观测极限仍然有待与更多的观测数据进行对比。另外，本文指出的风廓线雷达250 m高度以下数据质量不佳的解决办法，后续可尝试使用低空数据(250 m高度以下)质量较好的激光测风雷达和本文发现的风廓线雷达数据(250 m高度以上)进行合成，合成后观测廓线可能使基于现有多源手段诊断台风边界层风场结构的能力得到进一步提升。

需要指出的是本文是建立在有限的几个台风观测个例基础上进行的初步研究，得到的结论还存在较大不确定性，今后需采集更多数据进行更深入分析。