多普勒雷達與L波段雷達垂直風廓線對比分析

祁凱 吳林林 張慶奎

(1 安徽省阜陽市氣象局，安徽 阜陽 236000；2 安徽省人工影響天氣辦公室，合肥 230000)

引 言

多普勒天氣雷達能夠測量其探測范圍內任意點相對于雷達的徑向速度，通過速度方位顯示(Velocity Azimuth Display，VAD)算法[1-4]可以計算出風的垂直廓線(Vertical Wind Profile，VWP)，由于算法的固有誤差和多普勒雷達探測的自身局限，如果少于25個數據點時或者均方根誤差超過5 m·s-1時，就沒有測風數據，所以VWP產品的可靠性和適用范圍仍是一個值得研究的課題[5-6]。

L波段雷達通過跟蹤自由上升探空氣球攜帶的探空儀，測得每秒鐘探空儀相對雷達的仰角、方位和斜距，然后根據氣球在某時段內的位置變化，計算出相應大氣層中的平均風向風速[7]；而多普勒雷達VAD風測量的是以雷達為中心半徑30 km左右的平均風[8]，且時間經過一定的平滑處理，測風原理不同會使兩者之間產生測風偏差。由于長期以來業務上以探空測風作為高空風的標準[9]，因此依據L波段雷達測風檢驗與多普勒雷達VAD方法反演風之間的差距，對比分析兩者測風的系統偏差。楊梅等[10]利用2002—2005年4—6月37次多普勒雷達風廓線資料與探空資料進行相關性分析，得出兩者具有較好的相關性。黃祖輝等[11]以一次天氣過程為例分析多普勒雷達與L波段雷達的測風誤差，討論了誤差的來源。裴麗絲等[12]利用2004—2007年的天氣雷達風廓線資料和利用其他探空站通過多項式插值法計算得到本地探空資料進行相關性分析。薛雙青等[13]利用15個相近的雷達站與探空站2009年6月的資料進行偏差分析，得到風向偏差為23.0%，風速偏差為51.6%。以上分析的測風數據樣本都較少，或通過插值計算出測風數據，也僅進行了相關性和偏差分析，對兩者測風數據差異的系統性分析依然不夠。本文采用2012—2017年阜陽多普勒雷達與L波段雷達風廓線資料進行相關性和誤差分析，將兩者測風數據在不同高度、不同天氣過程、不同速度區間和不同季節的方法進行對比，分析誤差原因，檢驗多普勒雷達與L波段雷達測風的系統性偏差。

1 測風資料的選取與匹配

1.1 多普勒雷達和L波段雷達站點選取

為了保證檢驗資料可靠性，站點選取盡量滿足相同位置、相同時間、相同高度的原則[13]。相同位置：本研究選擇的資料來源于阜陽國家高空氣象觀測站和阜陽多普勒雷達站，兩者相距8 km，間距小于30 km。相同時間：阜陽高空站每天觀測時間為07時15分(北京時，下同)和19時15分，而多普勒雷達的資料每6 min一組數據，將對比測風數據采用靠近法進行匹配時，兩者在同一測風高度的時間盡量保持一致(時間差閾值后面作具體分析)。相同高度：阜陽L波段雷達天線海拔高度為44 m，阜陽多普勒雷達天線的海拔高度為67 m，高度差較小。綜上所述，選取阜陽探空站和多普勒雷達站基本滿足對比要求。

1.2 測風資料的匹配

通過探空業務數據處理軟件導出阜陽高空氣象觀測站2012—2017年測風秒數據，包含全部對比高度層的測風數據和對應測風時間(精確到秒)。對阜陽S波段多普勒雷達2012—2017年VWP原始風廓線數據讀取，獲取在固定高度層(30層)的風向風速數據。將獲取的多普勒雷達VWP數據在某一高度上(0.3～15.2 km)的風向風速與L波段雷達測得同一高度的風向風速按時間因子匹配。由于多普勒雷達數據為每6 min一組，兩者同一高度的測風時間不能完全一致；測風數據匹配的規則按照時間差小于設定的閾值，從表1可以看出不同時間差匹配的數據對樣本數量影響較大，對分析結果影響較小，故這里選擇的匹配時間差閾值為3 min，在不影響對比結果的情況下可以獲得更多的對比樣本。

2 測風數據對比

2.1 未剔除與剔除較大偏差測風對比

當兩者風向方位角區間越過0°時，會出現風向差值絕對值大于180°的情況，會嚴重影響統計結果(例如風向分別為359°和1°的差值為358°，與實際2°的差值差距較大)，故在匹配時作剔除處理[12]，其剔除率為3.2%。通過上述方法匹配的測風數據對還存在一些較大偏差的離群值，Weber，et al[14]、吳蕾等[15]、王棟成等[16]在測風對比中將誤差閾值確定為“三倍標準差”，將大于三倍標準差的測風數據作剔除處理。由于獲取的L波段雷達測風資料是未經過氣象資料業務系統質控的原始探空數據，其測風數據會由于雷達旁瓣跟蹤、探空儀回答信號弱、頻率失諧、電磁干擾和雷達故障等多種原因引起測風斜距不能正常跟蹤[17]，導致部分測風數據會出現較大偏差和疑誤數據；并且獲取的多普勒雷達測風數據是通過PUP軟件回放雷達原始基數據得到的垂直風廓線產品，其中包含非線性風場、速度模糊數據、基數據含有超折射回波和噪聲干擾等數據，會導致垂直風廓線產品出現較大誤差，這些較大偏差和疑誤數據不能反映多普勒雷達和L波段雷達測風的系統誤差，故在匹配兩者風向、風速時，將差值大于三倍標準差的測風數據作剔除處理，下文中沒有標注未剔除的圖表默認為剔除的測風對比。經過剔除后分別獲得有效風向、風速對比數據為15 513對，其剔除率為3.58%。經計算剔除部分的測風數據，其風向標準差為97.07°，風速標準差為10.59 m·s-1，多普勒雷達風速平均值為6.36 m·s-1，L波段雷達風速平均值為10.55 m·s-1。

將未剔除和剔除大于三倍標準差的測風數據分別繪制散點密度如圖1所示，剔除后風向、風速相關系數分別從0.95和0.90提高到0.97和0.94；風向、風速平均差分別由15.78°和2.23 m·s-1降低到13.15°和2.03 m·s-1，風向和風速標準差分別從27.05°和3.34 m·s-1降低到19.5°和2.65 m·s-1；平均差和標準差明顯降低是由于剔除了較大誤差的測風數據，剔除后得到的差值主要是由于兩者測風原理不同和測量誤差造成的。

圖1 (a、b)未剔除三倍標準差和(c、d)剔除三倍標準差風向和風速散點密度:(a、c)風向(單位: °);(b、d)風速(單位: m·s-1)

2.2 按高度變化測風對比

由圖2a可以看出，兩者風向標準差在7 km以下隨高度增加呈降低趨勢，在7 km左右標準差最小，8 km以上有小幅度增加趨勢。主要原因是由于大氣高層比近地層較為穩定均勻，隨著高度升高和風速增大，L波段雷達測風精度也會降低[18](表2)，并且隨著探空氣球的水平漂移距離增大(華東地區探空氣球上升高度達到12 km左右時水平漂移距離在冬季會超過30 km)[19]，導致兩者測風采樣時空差異增大，故在8 km以上風向標準差增大。如圖2b所示，風速標準差隨著高度的增高呈增大趨勢，主要是由于隨著高度的增高風速值增大，L波段雷達的測風誤差增大，并且隨著探空氣球水平漂移距離增大，兩者測風采樣時空差異也增大，導致其標準差增大；風速標準差在10 km以下均值為2.58 m·s-1，10 km以上均值為3.41 m·s-1。

圖2 (a)風向和(b)風速標準差隨高度變化(風向單位: °; 風速單位: m·s-1)

表2 L波段雷達測風精度

如圖3a所示，風速差值隨高度增加呈遞增趨勢，總體風速差值平均為2.21 m·s-1。風速相對偏差在8 km以下呈遞減趨勢，8 km以上呈遞增趨勢，在8 km左右差值最低，總體風速相對偏差平均為24.48%。由圖3b可知，風向具有較好的相關性，風向相關系數均較高且隨高度變化幅度較小，其均值為0.97。風速相關系數隨高度增加基本呈增大趨勢，相關系數除近地面偏低以外，其他高度相關系數均較高，均值為0.94。主要原因是近地面受中小尺度擾動或下墊面影響較大，多普勒雷達VAD算法計算的平均風與實際風存在較大誤差[20-21]，導致近地面風速相關系數偏低。

圖3 (a)風速差值和相對偏差與(b)風向、風速相關系數隨高度變化

2.3 測風對比差值分布

風向和風速差值直方分布(圖4)表明，多普勒雷達與L波段雷達的風向、風速差值分布基本呈正態分布，風向和風速差值分布與正態分布的擬合度分別達到97%和94%。多普勒雷達與L波段雷達風向風速總體差值平均分別為-0.48°和-0.72 m·s-1，總體上多普勒雷達風速小于L波段雷達，其中風向差值91%集中在-30°～30°，風速差值90%集中在-4～4 m·s-1。

圖4 (a)風向和(b)風速差值分布直方分布

2.4 按風速分組測風對比

將測風按風速大小分成4組分別計算兩者相關系數、平均差和標準差，如表3所示。風向相關系數在風速大于30 m·s-1時偏低，其他速度區間均較高；風向平均差和標準差隨風速增大顯著減小。風速相關系數隨著風速增加相關系數呈增大趨勢；風速平均差隨速度增加也呈增大趨勢，風速標準差在小于10 m·s-1時最低，其他速度區間均偏高。

表3 按風速分組多普勒雷達與L波段雷達測風對比

2.5 按降水與非降水分組測風對比

依據阜陽國家基本氣象站2012—2017年每日累積小時降水量(基本氣象站與多普勒雷達站直線距離500 m)，將匹配的測風數據分為降水和非降水時段分別進行對比。由表4可知，風向、風速相關系數在非降水期間略有降低；風向在降水期間的平均差和標準差比非降水期間分別偏低21.7%和19.3%；風速在降水期間的平均差和標準差比非降水期間的分別偏低16.3%和16.4%。

表4 按降水與非降水分組測風對比

2.6 按季節分組測風對比

將剔除和未剔除大于三倍標準差的測風數據季節分布如圖5所示，可見，風向和風速的四季相關系數均較高，其變化趨勢不明顯，剔除較大偏差數據后風向和風速相關系數略有增加。風向標準差在春、冬季較低，在夏、秋季較高，在剔除大于三倍標準差數據后總體風向標準差平均減少7.55°；風速標準差在夏季最低，剔除大于三倍標準差數據后總體風速標準差平均減少0.59 m·s-1。

圖5 按季節分組測風對比:(a)風向相關系數;(b)風速相關系數;(c)風向標準差(單位: °);(d)風速標準差(單位: m·s-1)

3 結論

(1)為了更真實的反應多普勒雷達與L波段雷達的系統偏差，不受疑誤和較大偏差數據的影響，將差值大于三倍標準差的測風數據剔除后，得到多普勒雷達與L波段雷達風向、風速相關系數分別為0.97和0.94，平均差分別為13.15°和2.03 m·s-1，標準差分別為19.5°和2.65 m·s-1。其中相關系數優于楊梅等[10](風向風速相關系數分別為0.74和0.75)、裴麗絲等[12](風向風速相關系數分別為0.787和0.788)和薛雙青等[13](風速相關系數0.61)的計算結果。

(2)風向標準差在7 km以下呈遞減趨勢，8 km以上有小幅增加趨勢。風速標準差隨高度增高呈增大趨勢，風速差值隨高度增加呈遞增趨勢，總體風速差值平均為2.21 m·s-1。風速相對偏差在8 km以呈遞減趨勢，8 km以上呈遞增趨勢，在8 km左右達到最低，總體風速平均相對偏差為24.48%，低于薛雙青等[13]計算的15個站點總體風速平均相對偏差51.6%和阜陽單站相對偏差36.2%；其中風速差值隨高度變化趨勢與裴麗絲等[12]計算結果基本一致。

(3)多普勒雷達與L波段雷達的風向與風速總體差值平均分別為-0.48°和-0.72 m·s-1總體上多普勒雷達風速小于L波段雷達，與薛雙青等[13]分析結果一致。

(4)風向平均差和標準差隨風速增大顯著減??；風速平均差隨速度增加呈增大趨勢，風速標準差在小于10 m·s-1時最低為2.36 m·s-1，其他速度區間均偏高。

(5)多普勒雷達VAD風廓線數據在降水期間的測風偏差小于非降水。風向在降水期間的平均差和標準差比非降水分別偏低21.7%和19.3%；風速在降水期間的平均差和標準差比非降水期間的分別偏低16.3%和16.4%。