超大城市综合气象观测试验之测风激光雷达数据评估

张志坚，张静，伍光胜，高瑞泉

(1.广州市突发事件预警信息发布中心，广东 广州 511430；2.广州市气象台，广东 广州 511430；3.深圳市国家气候观象台，广东 深圳 518040)

1 引 言

随着城市化的发展，人口和经济向超大城市聚集，超大城市人类活动对气候的影响显著增强，城市发展带来气象环境结构变化，致使气象灾害频发，灾害性天气对大城市的影响有连锁效应和放大效应[1-4]。在此背景下中国气象局提出了超大城市综合气象观测试验，为研究超大规模城市的气候特征而开展精细化大城市综合气象监测。2019年5月，广州超大城市综合气象观测试验增强观测正式启动，目的是在典型天气过程获取温、湿、风、水凝物、气溶胶垂直分布资料，揭示大城市的大气垂直结构特征以及超大城市及城市群对气象环境、尤其是大气边界层的影响。观测试验中垂直风廓线要素观测使用WindPrint S4000相干多普勒测风激光雷达，但该型号测风激光雷达在华南气候条件下的探测性能和数据准确性尚不清楚，需要进行对比验证和评估分析。

测风激光雷达从初始研究至投入行业应用先后经历了三个阶段[5-7]。第一阶段是1970—1990年，测风激光雷达主要是采用10μm波段CO2激光器，具有波速稳定、输出功率大等优点，但设备体积大、价格高。Huffaker等[8-9]于1970年建立了第一台连续相干测风激光雷达并可以测量距离为35 m处的径向风速。Schwiesow等[10]于1981年使用机载激光雷达观测海上龙卷风并获取了径向风速廓线分布资料。第二阶段是1990—2000年，该阶段的测风激光雷达主要是采用2μm波段固体激光器，优点是光束质量好、寿命长，但因其功耗高和波段的水汽吸收大等缺点，行业推广应用受限。美国CTI公司[11]于1992年研制出2μm二极管泵浦全固化相干多普勒激光测风雷达WindTracer并实现远距离测风，经改良后在航空行业应用。第三阶段是2000年以后，测风激光雷达多采用光纤激光器，具有稳定性强、光束质量好、体积小、功耗低等优点，测风激光雷达发展和应用水平取得较大提升。英国Nature Power公司[12]研发出全光纤连续激光多普勒测风雷达(ZephIR)，可用于低空风廓线观测。国内外相关学者和单位在测风激光雷达发展过程中做了大量的研究工作。国内从事相干多普勒测风激光雷达研究的单位有中国科学院上海光学精密机械研究所[13]、中国海洋大学[14-15]、中国科学技术大学[16-18]、哈尔滨工业大学[19-20]等。

在测风雷达观测资料应用评估方面，冯力天等[21]利用自行研制的1.55μm全光纤测风激光雷达系统与测风塔上55 m和100 m高度的超声波风速仪进行对比试验，试验结果显示测风激光雷达的测量精度高、结果稳定可靠。中国科学院大气物理研究所与法国Leosphere公司[22]于2007年在北京的325 m气象塔试验场内联合开展Windcube型测风激光雷达外场试验，试验结果表明测风激光雷达与气象塔6个高度层的风杯风速仪两者的风向风速一致性好。

研究参考已有测风激光雷达[21-23]、风廓线雷达[24-28]等观测资料对比评估方法，对测风激光雷达的探测性能和资料进行分析，为超大城市综合气象观测试验后期总结及设备科学组网提供参考依据。

2 资料及方法

2.1 观测资料

观测试验中所用的相干多普勒测风激光雷达由山东青岛华航环境科技有限责任公司生产，雷达基于激光信号和气溶胶粒子相互作用产生的多普勒频移效应测量气溶胶粒子的运动速度和方向，从而反演大气的风场信息。测风激光雷达主要观测参数和技术指标如表1所示，激光波长为1 550 nm，50 m以下为探测盲区，单脉冲能量大于等于100μJ。设备观测距离分辨率为30 m，径向数据更新速率为0.25 Hz，扫描方式为DBS风廓线模式。可以看出，测风激光雷达具有探测灵敏度高、探测时间及空间精度高等优势。

表1 WindPrint S4000型相干多普勒测风激光雷达主要观测参数

广东深圳气象梯度观测塔[29]位于深圳市宝安区石岩综合气象观测基地，塔高356 m，是亚洲第一高的桅杆结构，其中机械风观测有13个梯度层。能见度资料来源于广州市番禺区广州市气象监测中心观测基地，仪器型号为Belfort Model 6000，属于前向散射式能见度仪。

选取2019年5—10月、2019年12月—2020年6月期间的观测试验资料对广州市气象监测中心观测基地的测风激光雷达的探测能力进行分析，资料时间分辨率为1 min；降水和能见度资料的时间分辨率均为5 min，测风激光雷达、能见度仪和雨量传感器相互间的距离均不超过30 m。选取2019年11月6日—12月9日测风激光雷达和深圳气象梯度塔(两者距离不超过50 m)对比观测的资料进行数据质量评估，选取了50 m、100 m、150 m、200 m、250 m、300 m和350 m共7个高度层，资料时间分辨率为1 min。

2.2 数据处理

为更好对测风激光雷达资料进行评估，引入绝对误差(式(1))、相对误差(式(2))、标准差(式(3))、相关系数(式(4))、数据获取率(式(5))等统计量。粗大误差样本的剔除方法采用莱因达准则[30](式(6))，将绝对误差大于三倍标准差的样本剔除。

式中，εi为样本绝对误差；X i为测风激光雷达样本值；Y i为参考仪器样本值。

式中，μ为相对误差。

式中，δ为绝对误差标准差。

式中，r为皮尔逊相关系数。

式中，E为数据获取率，C为资料实到次数，Ctotal为资料应到次数。

3 探测能力分析

3.1 最大有效探测高度分析

选取晴天(2019年8月7日08:00—18:00)(北京时间，下同)、阴天(2020年2月25日06:00—16:00)、降水(2019年6月10日12:00—22:00)和有雾(2020年3月21日00:30—11:30)的个例，绘制逐半小时平均风廓线产品(图1)。晴天条件下探测高度最高，阴天条件下探测高度受到一定影响，出现降水时探测高度迅速下降至0.25 km以下，有雾条件下探测高度也明显受限。

图1 晴天(a)、阴天(b)、降水(c)、雾天(d)下的测风激光雷达半小时风廓线产品

按晴天(云量小于20%)、阴天(云量大于80%)、降水、雾天四种不同天气现象对测风激光雷达逐时次最大有效探测高度进行统计分析(图2)。晴天条件下测风激光雷达的平均最大有效探测高度为1.174 km，最大有效探测高度分布在0.85～1.60 km的样本比例为79.93%。与晴天条件相比，阴天条件下最大有效探测高度小于1 km的样本比例增加了35.92%，平均最大有效探测高度为0.889 km，比晴天条件下的平均最大有效探测高度小0.285 km。降水条件下，小于0.6 km的最大有效探测高度样本占比为91.29%，最大有效探测高度在0.05～0.30 km的样本比例为63.8%，平均最大有效探测高度为0.323 km，降水条件下最大有效探测高度急剧下降。与其他三种条件相比，有雾条件下的平均最大有效探测高度最小，平均最大有效探测高度只有0.209 km，且最大有效探测高度样本集中分布在0.05～0.30 km高度区间，占比为88.81%。

图2 晴天(a)、阴天(b)、降水(c)、雾天(d)下的测风激光雷达最大有效探测高度频率分布图

由于测风激光雷达使用1 550 nm波长的激光作为发射信号，该波长属于红外波段，水对这一波段的光有强吸收作用，在雾天或者降水条件下，空中的降水粒子、雾的细微水滴会吸收激光波束能量造成信号衰减；此外，测风激光雷达信号发射光窗上会形成水膜吸收部分发射信号能量，因此雾和降水现象致使测风激光雷达最大有效探测高度急剧下降。

分析5 min雨强大小与平均最大有效探测高度(按雨强大小对最大有效探测高度做平均处理)、雾天能见度大小与最大有效探测高度的关系(图3)。降水条件下，最大有效探测高度迅速下降至0.5 km以下，5 min雨强与平均最大有效探测高度呈负相关关系，雨强每增加1 mm/(5 min)，平均最大有效探测高度下降0.028 km。雾天的能见度则与最大有效探测高度呈正相关关系，能见度每增加1 km，最大有效探测高度上升0.028 km。

图3 5 min雨强(a)、能见度(b)与最大有效探测高度关系

对阴天条件下激光云高仪在不同日期同一时次观测的最低云层进行云底高度和云顶高度平均统计，统计的分布数据如图4所示，云层主要分布在离地面0.35～1.60 km高度，平均云底高度为0.713 km，平均云顶高为1.011 km，平均云层厚度为0.298 km。由于阴天条件下云量比较多，最低云层的垂直高度分布区间与测风雷达可探测高度区间重合度大，云层含有大量的小水滴，液态水会吸收雷达激光信号部分波束能量，削弱激光信号对云层穿透能力，使得探测高度下降。

图4 阴天条件下最低云层平均高度随时间分布图

3.2 数据获取率统计

为定量评估测风激光雷达观测资料的获取情况，按不同天气现象对不同探测高度的数据获取率进行统计分析(图5)。晴天条件下，数据获取率超过90%的探测高度区间在0.052～0.800 km，数据获取率在0.8～1.6 km高度快速下降，2 km高度处的数据获取率仅有1.43%。阴天条件下，数据获取率超过90%的探测区间分布在0.05～0.39 km，0.54～0.90 km高度的数据获取率下降最快。降雨和有雾条件下，数据获取率超过90%的最大高度均下降至0.13 km，且数据获取率均在0.13～0.52 km高度快速下降，有雾条件下数据获取率随高度下降速度比降水条件下快，有雾和降水条件下0.52 km处的数据获取率分别为0.63%、9.66%。

图5 不同天气现象下测风激光雷达数据获取率随高度分布

4 资料对比分析

4.1 汇总对比

图6是深圳气象梯度观测塔和测风激光雷达的风速、风向对比散点图，剔除异常样本前，风速和风向数据均有310 248组，测风激光雷达和气象梯度塔的风速、风向相关系数分别为0.95和0.96，两者观测结果的相关性较好；风速、风向的线性拟合判定系数R2分别为0.91和0.92，说明两种设备观测结果在回归直线附近分布密集。

图6 剔除异常样本前风速(a)、风向(b)散点图

风速平均绝对误差为0.64 m/s，绝对误差标准差为0.59 m/s，平均相对误差为28.57%；风向平均绝对误差为12.67°，绝对误差标准差为19.49°，平均相对误差为29.71%(表2)。

表2 剔除异常样本前风速和风向误差对比

从图6b可见，风向对比散点在测风雷达风向值为180°附近出现聚集现象，形成一条明显的风向偏离带，统计分析发现，该现象主要发生在风速较小时段，梯度塔的风向标启动受限，风向变化不规则。选取2019年11月23日300 m高度的气象梯度塔和测风雷达的测风资料个例，绘制出风向、风速散点时序图(图7)可以看出，17—21时气象梯度塔观测到的风向变化不连续、随机性大，大部分时次风速小于0.5 m/s；而测风雷达观测的风向为持续偏南风，观测的风速值在3～5 m/s。由于两种测风设备的测风原理不同，接近静风时，风向风速可对比性差，可将风速较小时段的观测样本看作异常样本。

图7 高度300 m的风向(a)、风速(b)时序散点图

剔除(按莱因达准则)异常样本后的风速、风向数据分别有303 446、303 313组，分别占原样本数的97.80%和97.76%(图8)，风速、风向相关系数分别提升至0.97、0.99，风速、风向的线性拟合判定系数R2分别为0.93、0.98。

图8 剔除异常样本后风速(a)、风向(b)散点图

风速平均绝对误差变为0.54 m/s，绝对误差标准差为0.41 m/s，平均相对误差变为17.46%，风速相对误差下降了11.11%。风向平均绝对误差变为9.95°，绝对误差标准差为8.60°，平均相对误差变为25.55%，风向相对误差下降了4.16%(表3)。

表3 剔除异常样本后的风速和风向误差对比

4.2 不同高度对比

图9是测风雷达和气象梯度塔不同高度层的风速对比散点图，两者观测的风速在各个高度层的相关性均较好，50 m、100 m、150 m、200 m、250 m、300 m和350 m高度层的风速相关系数分别为0.93、0.94、0.95、0.95、0.95、0.95和0.96。

图9 高度50 m(a)、100 m(b)、150 m(c)、200 m(d)、250 m(e)、300 m(f)、350 m(g)上的风速散点图

各高度层的风速误差对比见表4，50～350 m高度层的样本数分别为44 335组、44 413组、44 406组、44 401组、44 246组、44 231组和44 216组，平均绝对误差在0.60～0.71 m/s，绝对误差标准差在0.56～0.62 m/s，平均相对误差最大、最小值为33.92%、24.52%，分别处于250 m和350 m高度层。

表4 不同高度的风速误差对比

测风雷达和气象梯度塔不同高度层的风向对比散点图(图10)，两者风向相关性也较好，50 m、100 m、150 m、200 m、250 m、300 m和350 m高度的风向相关系数分别为0.97、0.96、0.95、0.96、0.95、0.95和0.96，测风激光雷达和气象梯度塔的风向散点也在测风雷达风向值为180°附近出现风向偏离带现象，200 m及以上高度层风向偏离带现象更明显。

图10 高度50 m(a)、100 m(b)、150 m(c)、200 m(d)、250 m(e)、300 m(f)、350 m(g)上的风向散点图

不同高度层的风向误差对比见表5，平均绝对误差范围为10.98～14.56°，平均绝对误差最小的是350 m层，最大的是150 m层。绝对误差标准差范围为18.11～22.80°，标准差最大的是50 m，最小的是150 m。平均相对误差最大、最小值分别为34.86%、23.89%，分别为100 m和350 m。

表5 不同高度的风向偏差对比

4.3 不同风速值对比

以深圳气象梯度观测塔的风速值s作为参考，分0≤s＜4 m/s、4 m/s≤s＜8 m/s、8 m/s≤s＜12 m/s和s≥12 m/s共四个组别，样本量分别有148 155组、136 674组、24 575组和844组(表6)，其相关系数分别为0.70、0.86、0.85和0.61，组别s≥12 m/s的相关性最小。平均绝对误差随着风速增大而增大，四个组别的平均绝对误差分别为0.61 m/s、0.63 m/s、0.89 m/s和1.07 m/s。平均相对误差则随风速增大而减小，组别0≤s＜4 m/s的平均相对误差最大，为47.65%，组别s≥12 m/s的平均相对误差最小，为8.50%。组别0≤s＜4 m/s绝对误差标准差最大，为0.66 m/s，最小的是组别s≥12 m/s，为0.43 m/s。

表6 不同风速值范围的误差分析

4.4 不同风向值对比

根据深圳气象梯度观测塔的风向观测值d分北 风(d≥337．5°，0≤d＜22．5°)、东北风(22．5°≤d＜67．5°)、东风(67．5°≤d＜112．5°)、东南风(112．5°≤d＜157．5°)、南风(157．5°≤d＜202．5°)、西南风(202．5°≤d＜247．5°)、西风(247．5°≤d＜292．5°)和西北风(292．5°≤d＜337．5°)共8个方位风，8个方位风的样本分别有52 703组、149 635组、37 584组、42 182组、8 661组、12 008组、3 604组和3 871组。相关系数分布如图11a所示，北风的相关性最好，相关系数为0.99；西北风、西风和南风三个方位的相关性最差，相关系数分别为0.13、0.19和0.18，由于对比观测试验期间主导风向为北风，西北风、西风和南风三个方位的样本较少，且试验期间三个方位观测的风速小导致风向变化不规则、偏差较大，相关系数需进一步评估分析。平均绝对误差(图11b)和绝对误差标准差(图11c)的分布相类似，北风、东北风的平均绝对误差、绝对误差标准差相对较小，平均绝对误差分别为8.22°、10.99°，绝对误差标准差分别为11.32°、10.2°；南风、西北风的平均绝对误差、绝对误差标准差相对较大，平均绝对误差分别为38.69°、33.42°，绝对误差标准差分别为56.64°、47.91°。平均相对误差较小的是西南风、西风和东南风，分别为7.38%、9.05%和9.62%，平均相对误差较大的是东北风和南风，分别为27.71%和21.47%。

图11 不同风向范围的相关系数(a)、平均绝对误差(b)、绝对误差标准差(c)、平均相对误差(d)分布图

5 结论与讨论

研究分析了测风雷达在不同天气条件下的最大探测高度、数据获取率，得出其在不同天气条件下探测性能的表现，进而按汇总、不同高度、不同观测值范围与深圳气象梯度观测塔不同观测高度的测风资料进行对比，探讨测风雷达观测结果的准确性，从而为超大城市垂直测风设备布网建设提供参考依据。

(1)晴天、阴天、降水和雾天条件下的平均最大探测高度分别为1.174 km、0.889 km、0.323 km和0.209 km，降水和雾天条件下的平均最大探测高度只有晴天条件的0.27倍和0.18倍；数据获取率随高度下降速度最快的是雾天条件，其次分别是降水、阴天和晴天条件，雨天和雾天条件对测风雷达垂直探测影响最大。

(2)测风雷达与气象梯度塔的测风结果一致性较好，剔除异常样本后的风速、风向相关系数分别为0.96和0.99，风速、风向平均绝对误差分别为0.54 m/s和9.95°，平均相对误差分别为17.46%、25.55%。

(3)测风雷达与气象梯度塔在不同高度层测风结果相关性也较好，不同高度层的风速、风向相关系数均大于等于0.93，风速绝对误差的标准差不超过0.81 m/s，风向标准差不超过25.28°。

测风激光雷达具有超高时空分辨率、测量精准度高等优势，可有效弥补垂直风廓线雷达探测盲区以及风廓线雷达低层测风结果偏差大、精度不高等不足，但测风激光雷达最大有效探测高度和数据有效率受降雨和雾影响较大，探测能力受到一定限制，因此，测风激光雷达和垂直风廓线雷达联合探测可发挥各自优势。此外，测风激光雷达设备体积小、便携性好，可用于对低空风场有特定需求的大型体育赛事、文艺演出、烟火晚会等重大活动现场及其他用途的风场监测。

本研究仅对测风激光雷达350 m以下的观测资料进行了对比分析，350 m以上的测风结果准确性尚未分析，需联合其他参考资料进行评估。由于测风激光雷达与深圳气象梯度观测塔开展对比观测时为冬季，天气状况平稳、主导风向单一、对比观测时间段不长等因素导致分析结果存在一定的局限性。因此，本研究所得出的结论尚不全面，上述存在的问题还需采用更多的综合对比和验证手段进行深入研究。再者，测风激光雷达在强对流、台风等灾害性天气过程的测风数据准确性也值得深入分析。