CINRAD/SAD双偏振雷达非降水回波识别技术

张 林 李 峰 吴 蕾 孙康远

1)(中国气象局气象探测中心，北京 100081)2)(南京气象科技创新研究院 中国气象局交通气象重点开放实验室，南京 210041)

引 言

20世纪90年代我国开展大规模多普勒天气雷达建设，已形成针对不同尺度灾害性天气监测的天气雷达业务网，并在防灾减灾中发挥重要作用。目前，我国已建成由236部S波段和C波段天气雷达构成的世界最大雷达监测网，且逐步升级S波段双偏振雷达，并在沿海部分站点试用相控阵天气雷达[1-2]。多普勒天气雷达产品已应用于数值预报业务[3]，明显改善6 h预报降水的强度和落区，有效提高模式分辨率[4-5]。多普勒天气雷达产品的广泛应用得益于雷达数据的质量控制，包括对地物/超折射杂波、径向电磁干扰杂波、晴空回波、海浪回波和速度场资料处理等质量控制方法[6-16]。多普勒天气雷达通常采用基于模糊逻辑的质量控制方法，变量包括反射率因子、速度和谱宽，该方法可过滤绝大多数非降水回波的影响[17-18]，但对晴空大气条件下的非降水回波过滤效果不佳，特别是鸟类、昆虫迁徙高峰季节的生物回波，生物回波与层状云降水或降雪回波混杂时更难区分[19]，晴空回波也属于非降水气象回波，可影响雷达定量估测降水和短时临近预报的准确性。

2013年，美国更新升级了具有双偏振功能的天气雷达[20]，至今已完成全网158部S波段WSR-88D双偏振雷达技术升级和业务应用。双偏振雷达技术升级为数据质量控制、水凝物分类和定量估测降水带来革新式的变化，是研究降水微物理过程的重要探测设备[21]，能提供多个包含雨滴谱信息的偏振量，能更好地表述降水的微物理特征，不再根据传统的Z-R关系从反射率因子中获取雨强。双偏振雷达定量估测降水依据雨强与偏振量的关系，提高了定量降水估测的精度，均方根误差从单偏振雷达的35%下降到10%～15%[22-24]。这是因为双偏振量提供了更精准的雨滴谱信息，具有更好的数据质量和更少的杂波污染，能区分不同降水类型，实现多种估测关系的综合应用。双偏振雷达技术降低了传统Z-R关系受大雨滴或融化冰雹的影响水平反射率因子Zh明显偏高，很大程度上减小了近距离降水估测误差。

关于双偏振雷达数据质量控制算法的研究，美国强风暴实验室(NSSL)研发了基于偏振参量和环境数据的回波分类算法，并应用于美国实时业务雷达组网定量估测降水系统(MRMS QPE)，HSS(Heidke skill score)评分高达0.83[25]。Park等[26]发展了基于模糊逻辑算法的WSR-88D水凝物分类算法(hydrometeor classification algorithm,HCA)，使用6个雷达观测量作为输入，输出10个分类，不仅包括地物、生物等非降水回波，还有雨、雪及冰雹等水凝物相态的分类。HCA算法得到改进和发展，包括存在衰减时的回波分类方法(针对C波段和X波段雷达)、三体散射回波识别与分类、雷达数据的质量改善等[27-28]。Bukovcic等[29]使用贝叶斯分类方法区分对流和层状云降水。Jiang等[30]基于模糊逻辑算法分别统计分析美国业务运行的KICT双偏振雷达鸟类和昆虫回波，形成鸟类回波识别算法。朱轶明等[31]分析上海南汇WSR-88D双偏振雷达生物回波识别算法，张林等[32]利用上海南汇S波段WSR-88D雷达数据，设计非降水回波识别算法。在理想状态下，降水回波相关系数接近1，差分反射率约为0。

截至2021年底，我国已完成70余部S波段CINRAD/SAD双偏振雷达业务化升级和运行。预计到2025年，全国将有超过100部双偏振雷达在业务上运行。本文以张林等[32]设计的上海南汇S波段WSR-88D非降水回波识别算法为基础，利用国内CINRAD/SAD双偏振雷达数据开展算法试验、测试，并对算法模块进行适应性改进，形成一套完整的CINRAD/SAD双偏振雷达数据质量控制算法，该算法已应用于中国气象局气象探测中心与南京气象科技创新研究院联合开发的多波段天气雷达组网融合处理软件。

1 算法流程设计

1.1 偏振参量特征统计

2016年上海南汇WSR-88D双偏振雷达进入业务运行。张林等[32]采用相关系数、水平反射率因子和差分反射率3个测量变量，研究设计非降水回波识别算法，形成1套WSR-88D双偏振雷达数据质量控制流程。

本文主要分析的数据来自2019—2020年江苏、广东地区升级布网的CINRAD/SAD双偏振雷达，该雷达由北京敏视达雷达有限公司生产。首先，根据专家经验并结合地面降水数据确定降水回波和非降水回波，分别随机抽取降水和非降水回波点各1000个，计算相关系数、差分反射率在降水回波和非降水回波上的统计特征，结果如图1所示。降水回波的相关系数为0.9～1，差分反射率为0～2.5 dB；非降水回波的相关系数和差分反射率均为杂乱分布，相关系数为0.1～1，差分反射率为-7.5～7.5 dB。

图1 降水回波与非降水回波的相关系数和差分反射率(a)降水回波相关系数，(b)非降水回波相关系数，(c)降水回波差分反射率，(d)非降水回波差分反射率

1.2 算法模块适应性改进

张林等[32]在研究S波段WSR-88D非降水回波识别方法中指出,降水和非降水回波的区别不仅体现在相关系数上，两者相关系数水平纹理也明显不同。降水回波相关系数大、分布均匀、纹理特征小，而非降水回波相关系数小、分布杂乱、纹理特征大。

图2为2019年9月3日01:30:19(北京时，下同)徐州CINRAD/SAD双偏振雷达水平反射率因子、相关系数、差分反射率、差分传播相位。该观测个例为夏秋季节夜晚的大面积晴空回波，图3为该个例经过S波段WSR-88D非降水回波识别算法后的结果。由图3可见，距雷达站东侧50～200 km范围的晴空回波未能正确识别，因为这部分晴空回波的相关系数较大且相关系数水平纹理值相对较小，两者均与降水回波的特征较为相似。通过客观评估，该个例非降水回波识别率仅为68.6%。

图2 2019年9月3日01:30:19徐州CINRAD/SAD双偏振雷达观测特征参量(相邻距离圈间隔50 km，下同)

图3 WSR-88D算法对图2个例的识别

(1)

式(1)中,Zdr(i,j)和Zdr(i,j+1)分别代表(i,j)和(i,j+1)像素点的差分反射率观测值，NA和NR分别代表径向和距离库上的窗口长度，可取为5×5。

图4为相关系数水平纹理、差分反射率水平纹理在降水回波和非降水回波上的统计特征。由图4可见，与相关系数水平纹理类似，差分反射率水平纹理在降水回波上分布较均匀，而在非降水回波上分布杂乱。非降水回波纹理的杂乱特征在相关系数水平纹理和差分反射率水平纹理上均有所体现。

图4 降水回波与非降水回波的相关系数和差分反射率的水平纹理特征 (a)降水回波相关系数纹理，(b)非降水回波相关系数纹理，(c)降水回波差分反射率纹理，(d)非降水回波差分反射率纹理

以上表明：差分反射率纹理特征也是区分降水回波和非降水回波的有效特征量。在CINRAD/SAD型号雷达中，除利用ZH，ρhv(相关系数)和Zdr特征参量外，还需要联合相关系数水平纹理特征和差分反射率纹理特征对降水回波和非降水回波进行分类，以提高识别准确率。图5为经过算法模块的适应性调整后，形成的国产CINRAD/SAD双偏振雷达非降水回波识别算法流程,水平反射率因子、差分反射率和相关系数为3个输入物理量。其中，相关系数描述水平和垂直极化回波信号变化的相似度，为算法中最重要的特征参量；差分反射率描述水平偏振反射率和垂直偏振反射率之比，在算法模块适应性改进中增加了差分反射率纹理特征，因此差分反射率在该算法中的作用至关重要；水平反射率因子辅助判断降水和非降水信息，并在降水回波空洞填补中发挥作用。算法流程中，冰雹和非均一波束充塞现象的相关系数通常低于0.95，这是由于当波束照射体内存在冰雹或对流单体时，若对流单体未被1°波束充满，则易发生非均一波束充塞现象，且距离越远，随着雷达波束的展宽作用，非均一波束充塞现象越明显，相关系数越小[32]。相关系数和差分反射率测量值的误差对算法识别率影响较大。图6为算法对大面积晴空回波的质量控制效果，经客观评估，非降水回波识别准确率为96.8%，相比算法模块适应性改进前提高了28.2%。该算法不仅可以成功识别大面积晴空回波，而且可以将降水回波损失率控制在较低水平。

图5 CINRAD/SAD双偏振雷达观测非降水回波识别算法流程

图6 质量控制前后大面积晴空回波

2 算法检验评估

根据建立的国产CINRAD/SAD双偏振雷达数据质量控制算法流程，对算法进行检验和评估。国产CINRAD/SAD双偏振雷达反射率因子、差分反射率及相关系数等数据库长为250 m，方位间隔为1°，由于差分反射率和相关系数均反映了水平和垂直观测数据的相关性，对于远距离处的弱回波，可能存在弱的反射率因子值，但无差分反射率和相关系数观测值。因此，算法针对远距离处的弱回波存在一定损失，在评估数据中均有反映。

首先，整理2019—2020年5—10月江苏和广东升级的15部CINRAD/SAD双偏振雷达数据，利用中国气象局气象灾害管理系统中的灾情直报信息及网络舆情，结合雷达回波识别专家经验对数据分类，包括冰雹、融化层、台风降水、对流云及层状云降水、地物/超折射杂波、电磁干扰杂波及晴空回波等。采用客观评估进行检验，CINRAD/SAD双偏振雷达非降水回波识别算法准确识别非降水回波的点数占非降水回波总点数的百分比为非降水回波识别准确率，识别算法误判为非降水回波的降水回波点数占降水回波总点数的百分比为降水回波的误判率[32]。

2.1 冰雹和融化层个例识别效果检验

图7为2019年8月1日13:35徐州CINRAD/SAD双偏振雷达观测冰雹和融化层质量控制前后的反射率因子，红色圈为冰雹、蓝色圈为融化层。质量控制前存在冰雹、融化层和地物、晴空等回波，经过非降水回波识别算法处理后，除雷达站附近存在少量未被识别的杂波外，其余非降水回波均被有效滤除，且冰雹和融化层均作为降水回波得到保留。经客观评估，该个例的非降水回波识别准确率为96.5%，降水回波误判率为1.2%。

图7 2019年8月1日13:35徐州CINRAD/SAD双偏振雷达观测冰雹及融化层质量控制前后的反射率因子

2.2 台风降水个例识别效果检验

图8为2019年8月11日00:05盐城CINRAD/SAD双偏振雷达观测台风降水质量控制前后的反射率因子。对于台风降水过程，可认为所有回波均为降水回波。经非降水回波识别算法处理后，降水回波结构被完整保留。经客观评估，降水回波的误判率为1.8%。

图8 2019年8月11日00:05盐城CINRAD/SAD双偏振雷达观测台风降水质量控制前后的反射率因子

2.3 地物、超折射、电磁干扰个例识别效果检验

图9为2019年7月30日23:03盐城CINRAD/SAD双偏振雷达观测的地物、超折射和电磁干扰杂波质量控制前后的反射率因子。质量控制前的反射率因子图像中存在地物杂波、超折射回波和干扰杂波等，经过非降水回波识别算法处理后，除了距离雷达站东南方向100 km处存在未被准确识别的非降水回波，其余非降水回波多数被识别，降水回波被完整保留。经客观评估，该个例非降水回波识别准确率为95.7%，降水回波误判率为2.2%。

图9 2019年7月30日23:03盐城CINRAD/SAD双偏振雷达观测地物、超折射、干扰杂波质量控制前后的反射率因子

2.4 大面积晴空回波个例识别效果检验

图10为2019年9月2日03:36徐州CINRAD/SAD双偏振雷达观测降水、大面积晴空回波质量控制前后的反射率因子。质量控制前的反射率因子图像中雷达站200 km范围内存在大面积晴空回波，距离雷达站东南方向150～250 km及西北方向150～200 km存在降水回波。经过非降水回波识别算法处理后，多数晴空回波(非降水)被过滤，但仍有一些晴空回波(红色圈标注)被当做降水保留，降水回波几乎均被保留。经客观评估，该个例的非降水回波识别准确率为90.9%，降水回波误判率为2.0%。

图10 2019年9月2日03:36 徐州CINRAD/SAD双偏振雷达观测降水与大面积晴空混杂回波质量控制前后的反射率因子

2.5 算法评估

表1是CINRAD/SAD双偏振雷达观测非降水回波识别算法的多种个例客观评估结果。个例评估表明：降水回波误判率较低，非降水回波识别准确率波动较大，且与非降水回波个例类型有关。为了更精准地评估，本文又随机抽取100个降水个例和100个各类杂波个例。同样根据专家经验识别和自动气象站雨量验证，共抽取由6589665个非降水回波点和6386896个降水回波点组成检验数据，通过CINRAD/SAD双偏振雷达非降水回波识别算法处理后，非降水回波的识别准确率达到95.2%，降水回波的误判率为2.6%。

表1 多种个例质量控制客观评估表

但值得注意的是，针对某些站的大面积晴空个例，本文算法的识别率可能低于90%，后续可尝试借助深度学习建模训练的方法进行改进，即对大面积晴空回波和降水回波在一张图中进行人工标记(如晴空回波标记为0，降水回波标记为1，为像素级标记样本)，再经过深层神经网络模型训练直至收敛，可更精准地识别大面积降水回波。

3 算法在组网拼图中的应用

中国气象局气象探测中心与南京气象科技创新研究院联合开发的多波段天气雷达组网融合处理软件，具有对组网区域多种型号天气雷达进行数据解析、质量控制、坐标转换及组网拼图等功能。组网拼图流程为6步：①数据处理，②质量控制，③坐标转换，④单站经纬网格数据处理，⑤组网经纬网格数据处理,⑥组网拼图生成。其中,第3步是将单站极坐标数据转换为笛卡尔坐标系的过程，单站笛卡尔坐标数据生成后即可生成单站图像；第4步是将单站极坐标数据处理为单站经纬网格数据[33]；第5步是将单站等经纬网格数据合成组网等经纬网格数据；第6步是将组网等经纬网格数据进行墨卡托投影，即可生成组网拼图图像。

图11为2020年6月12日14:00江苏高邮龙卷过程中6部CINRAD/SAD双偏振雷达质量控制前后的组网拼图。质量控制前的图像是将6部单站雷达观测的反射率因子进行组网拼图，质量控制后的图像是将6部单站雷达反射率因子经过非降水回波识别算法处理后进行组网拼图。对比可见，CINRAD/SAD双偏振雷达非降水回波识别算法在组网拼图系统中的应用成功滤除了地物、晴空等非降水回波，且极大程度上控制了降水回波的损失率，有利于追踪强对流、龙卷等灾害性天气，为双偏振雷达降水分类、灾害性天气产品算法及组网定量估测降水业务研究等奠定了基础。

图11 2020年6月12日14:00江苏高邮龙卷过程6部CINRAD/SAD双偏振雷达组网拼图

双偏振雷达不仅在数据质量控制上能很好地区分降水和非降水回波，且在降水相态分类、降水估测等方面均具有多普勒天气雷达不可比拟的优势，我国正在加快推进国产CINRAD/SAD双偏振雷达的升级进度，未来会有更多的双偏振雷达纳入业务应用，该算法可在业务上开展更多的个例检验，并作为单独的算法模块嵌入组网拼图实时业务中。

4 结 论

本文通过分析国产CINRAD/SAD双偏振雷达观测的相关系数、差分反射率特征，在上海南汇WSR-88D非降水回波识别算法的基础上，增加了算法模块的适应性改进，最终形成国产CINRAD/SAD双偏振雷达数据质量控制算法流程，利用2019—2020年江苏和广东15部CINRAD/SAD双偏振雷达观测数据对算法进行检验评估。结论如下：

1)在国产CINRAD/SAD双偏振雷达中，降水回波的相关系数多为0.9～1，差分反射率多为0～2.5 dB。非降水回波的相关系数为0.1～1，差分反射率为-7.5～7.5 dB。相关系数和差分反射率因子在降水回波和非降水回波的分类上具有非常重要的作用。

2)相比WSR-88D质量控制算法，国产CINRAD/SAD双偏振雷达数据质量控制算法中增加了对算法模块的适应性改进，利用相关系数水平纹理和差分反射率水平纹理特征对降水回波和非降水回波进行分类。

3)利用2019年江苏和广东15部双偏振雷达资料，对CINRAD/SAD双偏振雷达数据质量控制算法进行客观评估，表明该算法能识别90%以上的非降水回波，且对降水回波的损失可控制在5%以内。但算法对于夏秋季节夜晚的大面积晴空回波的识别准确率低于90%，有待尝试利用深度学习的方法改进。