科尔沁边界层风廓线雷达探测性能评估

舒海龙，马洪波，姚中道，苏雄达，刘菲儿

（1.63968部队，吉林 白城137001；2.吉林省气象台，吉林 长春130062；3.63863部队，吉林 白城137001；4.63853部队，吉林 白城137001）

无人值守气象探测站是大气探测业务的发展方向，风廓线雷达以微波遥感的方式连续探测某一区域三维大气风场，是高空风连续探测的有效手段。科尔沁草原位于大兴安岭背风坡，属温带草原性气候，风廓线雷达的部署弥补了周边定时高空探测站稀少的问题，产品的有效利用将使该地区预报水平有新的提高。

从20世纪60—80年代国内外就开始利用风廓线雷达对高空风进行实时探测，此后关于风廓线雷达数据的评估等研究工作相继开展[1-2]。在对数据获取率的评估当中南方的测站数据获取率较高。何婧等[3]对2012—2016年南京市江宁区边界层风廓线雷达风场资料质量的评估表明四季大部分资料获取率达80%以上；董保举等[4]对云南大理风廓线资料总的数据获取率进行了统计，数据获取率＞80%。由于风廓线雷达的探测机理的原因导致数据获取率随着高度的升高而降低[5]。卢维忠等[6]依据雷达方程分析了影响风廓线雷达最大探测高度的因素，其中大气环境因素是导致最大探测高度变化的重要因素。万蓉等[7]分析得知风廓线雷达资料的样本数随着高度增加而减少；董保举等[8]发现风廓线雷达在对流层低层以及边界层的探测能力要远远大于高层；吕博等[9]发现聊城风廓线雷达夏季有效探测高度可达6 300 m、冬季仅为1 100 m左右，同时还发现大气环境的湿度条件和水平风速、风向标准差的波动是影响测风质量评估的重要因素。同时，许多学者利用不同地点、不同时间段的风廓线数据与传统气球探空进行了比较，发现风廓线雷达与气球探空资料有较好的一致性[10-19]。

以往利用风廓线与气球探空对比研究采用的多为定时观测资料（如08、20时等），这种对比的代表性是有限的；也有研究采用短时的加密气球探空数据，这也只能代表这段时间的特征。本文利用2 a科尔沁边界层风廓线雷达探测数据，对该风廓线雷达的数据获取率及数据缺测影响因素进行了研究，同时以随机时刻的气球探空数据为样本对风廓线雷达与常规高空探测风的相关性等进行分析，希望更全面地了解风廓线雷达的探测性能，为更好地利用科尔沁边界层风廓线雷达数据提供有益的参考。

1 数据与方法

1.1 数据选取

风廓线数据采用科尔沁草原2016—2017年CFL20G-UHF型固定式边界层风廓线雷达逐6 min观测资料。数据的时间单位均为北京时间，测站海拔198 m。雷达设计探测高度3 000 m，实际探测高度可达4 000 m。数据输出以100 m分层，从100～4 000 m共41层。

气球探空数据为距风廓线雷达站500 m左右的高空探测雷达获取，共获得气球探空数据737组，其中633组3 000 m以下以100 m分层、3 000～4 000 m以200 m分层。根据探空气球的升速，上升到10 km高度大约需要25 min，为了尽可能保证风廓线雷达与探空测风采样的一致[20-21]，将风廓线雷达测风数据进行30 min平均，同时将常规高空探测数据处理成与风廓线雷达采样高度一致的数据进行对比[22]。

文中春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为当年12月—次年2月。

1.2 数据处理

风廓线雷达数据的处理包括：（1）剔除缺测数据和乱码；（2）将风速、风向分解为u分量（纬向风，向东为正）和v分量（经向风，向北为正）；（3）根据气球探空数据查找对应时刻的风廓线数据，将该时刻前2次后3次6 min平均的u、v分量做平均，生成30 min的平均风场资料；（4）剔除一段时间内无变化的数据。

气球探空数据的处理包括：（1）剔除缺测数据和乱码；（2）将风速、风向分解为u、v分量；（3）利用高空探测软件将气球探空风数据处理成与风廓线雷达数据相同的高度。

2 风廓线雷达探测数据获取率分析

2.1 数据总体缺测率

图1为2016年1月—2017年12月科尔沁边界层风廓线雷达每6 min一次探测的廓线缺测率日变化。图中每一点为一次探测的缺测率（即：数据缺测层数/总层数），填色代表该时次探测廓线的整层上的数据缺测率；灰色代表该条廓线缺测率为0%，数据完整；红色代表该条廓线缺测率为100%，数据不可用；白色代表设备没有开机。由于在设备改造后测试阶段（2016年1月—2017年3月）的反演算法问题，导致该阶段数据缺测率较高，特别是2016年1—5月数据缺测率大部分在80%以上，2016年10月—2017年2月数据缺测率降低到40%左右，2017年3月之后数据缺测率明显降低、完整性较好。

图1 风廓线雷达每条数据缺测率日变化

2.2 数据缺测率的垂直分布和季节对比

由图2中可知，风廓线雷达的数据获取率随高度的增加先增大后减小。3 000 m以下获取率随高度先增大后减小，除春季外各季节数据获取率都在60%以上。300～3 000 m平均数据获取率＞75%，300～2 600 m平均数据获取率在80%以上，到3 500 m以上数据获取率开始迅速减小。300～700 m各层数据获取率相近，冬季获取率略大，秋季获取率略小。700 m以上夏季获取率最大，冬季数据获取率最小，700～3 500 m夏季数据获取率＞90%，700～3 000 m冬季数据获取率＞60%。综合2 a数据，设备在冬春两季3 000 m以下数据完整性较强，夏秋两季3 600 m以上数据完整性较强。

图2 风廓线雷达各季节数据获取率

2.3 数据缺测率日变化

从风廓线雷达各层数据获取率日变化图（图3）中可以看出，数据获取率随高度的增加先增大后减小。3 500 m以下数据获取率都在50%以上，数据获取率随高度增加逐渐减小；3 600 m以上数据缺测率迅速减小。各层中600～3 500 m获取率日变化较为明显，呈现出一种日出后获取率低、午后高的趋势。获取率最小值一般出现在06—08时、最大值出现在16时左右。主要是由于风廓线雷达探测主要依靠大气中的湍流运动导致的折射率在时间上和空间上不均匀分布。大气折射率起伏越大，湍流运动越剧烈则回波信号越强，雷达作用距离就越大。由大气折射率方程可知，大气折射指数随着气温的增加、气压和水汽压的减小而减小，随着气温的减小、气压和水汽压的增加而增加。随着太阳辐射的增加，地表温度上升，地面向上辐射增大，边界层气温的升高，大气中的湍流活动加强，使得雷达的数据获取率增加[6]。

图3 风廓线雷达数据获取率日变化

2.4 数据获取率相关因素分析

为了探讨风廓线雷达数据缺测的相关因素，利用风廓线雷达和气球探空数据进行了风廓线雷达数据获取率与常规探测气象要素之间的相关性分析（图4）。通过计算相对湿度、风速与数据获取率之间的相关系数，发现两个要素与数据获取率没有显著的相关性。

利用相对湿度求取比湿，分析比湿与数据获取率之间的相关性，计算得出的相关系数均已通过0.01的显著性检验。从图4可知，2 800 m以下比湿与数据获取率的相关系数都在0.35以上，2 500～2 900 m二者相关系数＞0.4，3 000 m以上二者相关系数逐渐减小。同时，3 000 m以下数据获取率与气温的相关系数维持在0.45左右，3 000 m以上二者相关系数逐渐减小（图3，图4）。

图4 风廓线雷达各层数据获取率与比湿和气温的相关性

从以上分析看出，数据获取率的大小与比湿和气温具有一定的相关性。同时，对数据获取率的大小与相对湿度和风速的相关性进行了分析，并没有发现显著的相关性。

将风廓线雷达数据按季节分组，然后将气球探空数据中的气温按照对应风廓线雷达数据获取和缺测进行分组，利用箱线图（图5）分析各季节数据获取与否同气温的关系。在箱线图中，箱子中间的条线代表了数据的中位数，箱子的上下底分别是数据的上四分位数和下四分位数，这意味着箱体包含了50%的数据。因此，箱子的高度在一定程度上反映了数据的波动程度。上下边缘则代表了该组数据的最大值和最小值，箱子外部的一些点可以理解为数据中的“异常值”。

由图5可知，各种情况中气温分布较为均匀，各季节中数据已获取的比缺测的气温中位数都高；春季和秋季气温变化较大，数据已获取比缺测的整体气温明显偏高，且数据离散程度较大；冬季和夏季气温变化较小，数据获取比缺测的整体气温偏高不明显，但数据离散程度相对数据缺测的情况较小。

图5 风廓线雷达各季节数据获取率与气温的关系

3 风廓线雷达与气球探空数据对比分析

3.1 高空风场总体对比

图6是气球探空数据与对应的风廓线雷达u、v分量对比的散点分布，对比的数据个数为15 669对。其中，u分量的相关系数为0.37、v分量的相关系数为0.69。图中u分量风正值比例占优，反映了本地边界层纬向风以偏西风为主的特点。分别对u、v分量进行一阶拟合（图中灰色直线），拟合线斜率分别为0.52、0.83，且与y=x的交点接近原点。拟合分析表明风廓线雷达探测数据对u、v分量的反演特征与常规高空探测并不是一致的，在负值区（即东风和南风分量）比常规高空探测大，在正值区（即西风和北风分量）比常规高空探测小。

图6 风廓线雷达水平风与气球探空数据散点

风廓线与高空探测水平风的各层相关性随高度的升高呈先增大后减小的趋势（图7）。200 m以下二者相关系数＜0.2。随着高度的增加，到1 000 m左右相关系数达到最大值，u分量相关系数最大值为0.83（900 m），v分量相关系数最大值为0.92（1 100 m）。u分量相关系数在400～1 900 m＞0.4，500～1 300 m＞0.6；其中3 000、3 900和4 000 m高度上相关系数未通过0.01显著性检验。v分量相关系数在400～3 800 m＞0.4，500～3 400 m＞0.6，700～2 300 m＞0.8。

图7 风廓线雷达水平风与气球探空数据相关性

3.2 按风速分组对比分析

为了对比不同水平风速条件下风廓线雷达与常规高空探测之间的差异，按照常规高空探测的水平风速进行风速分段分析。将气球探空数据按水平风速分为＜5 m/s、5～10 m/s、10～15 m/s和15 m/s以上4个风速段，4个风速段的样本数随着风速的增大而减少。在各风速段中u分量的相关系数都在0.3以下，15 m/s以上的u分量未通过0.01显著性检验；而各风速段中v分量的相关系数都在0.3以上，v分量15 m/s以上的相关系数达到0.79。u分量随着风速增大整体相关系数呈下降趋势，v分量随着风速增大整体相关系数呈增大趋势（图8）。

图8 风廓线雷达水平风与气球探空数据相关性按风速分组对比

3.3 按季节分组数据对比分析

为了对比不同季节风廓线雷达与常规高空探测之间的相关程度，按季节对二者相关性进行了分析，4个季节中春季样本数最多，冬季样本数最少。u、v分量的相关系数从春季到冬季呈下降趋势。春季u、v分量相关系数分别为0.72和0.81，冬季u、v分量相关系数分别为0.1和0.3，所有相关性都通过了0.01显著性检验。同时，v分量的相关系数在各个季节都高于u分量（图9）。

图9 风廓线雷达水平风与气球探空数据相关性按季节分组对比

为了对比不同季节风廓线雷达与常规高空探测之间的差异，对各个季节风廓线雷达与常规高空探测平均风速的平均偏差、偏差标准差及平均垂直廓线进行了分析。由图10可知，春季风廓线雷达平均风速随高度的变化与气球探空风速的一致性较好，在1 000～3700 m，两者的平均偏差接近于0，两者偏差的标准差在900～1 800 m高度上都＜3 m/s；夏季风廓线雷达平均风速整体比气球探空偏大，两者平均偏差在400～2 400 m为2 m/s左右，偏差的标准差在500～3 000 m高度上基本都＜4 m/s；秋季风廓线雷达平均风速与气球探空平均风速在400～1 100 m高度上一致性较好，1 100 m以上风廓线测风比气球探空风速随高度变大；冬季风廓线雷达平均风速与气球探空平均风速差别较大，200 m以下及1 000 m以上平均风速风廓线雷达都比气球探空大。除春季外，各季节风廓线平均风速都比气球探空大，春季二者一致性最好；夏秋季300 m以下二者相差较大，风廓线平均风速都比气球探空整体偏大；冬季二者一致性较差。

图10 风廓线雷达水平风与气球探空数据各季节平均偏差与偏差标准差对比

4 结论

利用2 a科尔沁边界层风廓线雷达探测资料和700余组气球探空数据对风廓线雷达的数据获取率及高空风探测性能进行了评估对比。

（1）发现风廓线雷达全年平均数据获取率随高度的增加先增大后减小，3 000 m以下全年平均数据获取率都在60%以上，其中夏季获取率最大，冬季最小。数据获取率存在日出后数据缺测率高，午后缺测率低的变化趋势。各层数据获取率与气温的相关系数为0.45左右、与比湿的相关系数为0.35左右。数据已获取的比缺测的数据对应的气球探空气温普遍偏高。

（2）对比风廓线与常规高空探测数据发现，二者v分量的相关系数大于u分量。400～1 900 m，u分量相关系数为0.4以上，500～3 400 m，v分量相关系数为0.6以上。风廓线雷达与气球探空数据相关系数中，u分量相关系数随风速的增大而减小，u分量相关系数＜0.3；v分量随风速的增大而增大，v分量相关系数＞0.35。从春季到冬季u、v分量相关系数都呈减小趋势，春季u、v分量相关系数＞0.7，冬季u分量相关系数＜0.2，v分量相关系数＞0.3。各个季节中春季风速平均偏差最小、冬季最大。