Ka波段毫米波云雷达数据质量控制方法

第３５卷第６期　红外与毫米波学报　Ｖｏ１．３５，Ｎｏ．６　２０１６年１２月　Ｊ．Ｉｎｆｒａｒｅｄ　Ｍｉｌｌｉｍ．Ｗａｖｅｓ　Ｄｅｃｅｍｂｅｒ，２０１６　文章编号：１００１—９０１４（２０１６）０６—０７４８—１０　ＤＯＩ：１０．１　１９７２／ｊ．ｉｓｓｎ．１００１—９０１４．２０１６．０６．０１８　Ｋａ波段毫米波云雷达数据质量控制方法　郑佳锋　，　刘黎平　，　曾正茂　４，　谢晓林　，　武静雅　，　冯　凯　（１．中国气象科学研究院灾害性天气国家重点实验室，北京１０００８１；　２．南京信息工程大学中国气象局气溶胶一云一降水重点开放实验室，江苏南京２１００４４；　３．成都信息工程大学大气科学学院，四川成都６１００２５；　４．成都信息工程大学电子工程学院，四川成都６１００２５；　５．四川省气象探测数据中心，四川成都６１００７２；　６．中国航天科工集团第二研究院第二十三所，北京１００８５４）　摘要：针对国内首部固态、多观测模式体制的Ｋａ波段毫米波云雷达观测资料，提出速度模糊、噪点．径向干扰杂波　和悬浮物杂波的质量控制方法，并对方法效果进行了检验和分析．结果表明，该方法具有很好的成功率和稳定性，　１５个云过程检验的退模糊成功率都达到１００％；能准确判断出速度模糊和类型并纠正平均多普勒速度和谱宽；能　较好地滤除噪点和径向干扰杂波，并对缺测进行补值；能较好去除低空悬浮物杂波，同时保留小尺度的云．　关键词：Ｋａ波段毫米波云雷达；数据质量控制；速度退模糊　中图分类号：Ｐ４１　文献标识码：Ａ　Ｋａ－ｂａｎｄ　ｍｉｌｌｉｍｅｔｅｒ　ｗａｖｅ　ｃｌｏｕｄ　ｒａｄａｒ　ｄａｔａ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ　ＺＨＥＮＧ　Ｊｉａ　Ｆｅｎｇ　，　，ＬＩＵ　Ｌｉ．Ｐｉｎｇ　，ＺＥＮＧ　Ｚｈｅｎｇ—Ｍａｏ　，ＸＩＥ　Ｘｉａｏ．Ｌｉｎ　，ＷＵ　Ｊｉｎｇ．Ｙａ　，ＦＥＮＧ　Ｋａｉ　（１．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｓｅｖｅｒｅ　Ｗｅａｔｈｅｒ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｓｃｉｅｎｃｅ，Ｂｅｉｊｉｎｇ　１０００８　１，Ｃｈｉｎａ；　２．Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｆｏｒ　Ａｅｒｏｓｏｌ—Ｃｌｏｕｄ—Ｐｒｅｃｉｐｉｔｉｏｎ　ｏｆ　Ｃｈｉｎａ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ａｄｉｍｉｎｉｓｔｒａｔｉｏｎ，　Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ　２１００４４，Ｃｈｉｎａ；　３．Ｓｃｈｏｏｌ　ｏｆ　Ａｔｍｏｓｐｈｅｒｉｃ　Ｓｃｉｅｎｃｅｓ，Ｃｈｅｎｇｄｕ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ　６１００２５，Ｃｈｉｎａ；　４．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｅｎｇｄｕ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ　６１００２５，Ｃｈｉｎａ；　５．Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｏｂｓｅｒｖａｔｉｏｎ　Ｄａｔａ　Ｃｅｎｔｅｒ　ｏｆ　Ｓｉｃｈｕａｎ　Ｐｒｏｖｉｎｃｅ，Ｃｈｅｎｇｄｕ　６１００７２，Ｃｈｉｎａ；　６．Ｔｈｅ　２３　Ｉｎｓｔｉｔｕｄｅ　ｏｆ　Ｓｅｃｏｎｄ　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｈｉｎａ　Ａｅｒｏｓｐａｃｅ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｉｎｄｕｓｔｒｙ　Ｇｒｏｕｐ，Ｂｅｉｊｉｎｇ　１００８５４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｄａｔａ　ｑｕａｌｉｔｙ　ｏｆ　Ｋａ　ｂａｎｄ　ｍｉｌｌｉｍｅｔｅｒ　ｗａｖｅ　ｃｌｏｕｄ　ｒａｄａｒ，ａ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ　ｍｅｔｈｏｄ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｐｒｏｂｌｅｍｓ　ｒｅｌａｔｅｄ　ｔｏ　ｖｅｌｏｃｉｔｙ　ａｌｉａｓｉｎｇ，ｎｏｉｓｙ　ｅｃｈｏ，ｄａｔａ　ｍｉｓｓｉｎｇ　ａｎｄ　ｐｌａｎｋｔｏｎ　ｃｏｎｔａｍｉｎａｔｉｏｎ　ｉｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ｍｅｔｈｏｄ　ｗａｓ　ｖｅｒｉｆｉｅｄ　ｂｙ　ｓｅｖｅｒａｌ　ｃａｓｅｓ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｖｅｌｏｃｉｔｙ　ｄｅａｌｉａｓｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｒａｄａｒ　Ｄｏｐｐｌｅｒ　ｓｐｅｃｔｒａ　ｐｒｏｃｅｓｓｉｎｇ　ｉｓ　ｅｆｆｅｃｔｉｖｅ　ｗｉｔｈ　ｈｉｇｈ　ｓｕｃｃｅｓｓ　ｒａｔｅ　ａｎｄ　ｓｔａｂｉｌｉｔｙ．Ｓｕｃｃｅｓｓ　ｒａｔｅｓ　ｏｆ　１５　ｃａｓｅｓ　ｒｅａｃｈ　１００％．Ｉｔ　ｃａｎ　ａｌｓｏ　ｆｉｎｄ　ｏｕｔ　ｔｈｅ　ｆｕｚｚｙ　ｔｙｐｅ　ａｎｄ　ｃｏｒｒｅｃｔ　ｒａｄｉａｌ　ｖｅｌｏｃｉｔｙ　ａｎｄ　ｓｐｅｃｔｒｕｍ　ｗｉｄｔｈ．Ｗｉｔｈ　ｔｈｉｓ　ｍｅｔｈｏｄ，ｎｏｉｓｙ　ｃｌｕｔｔｅｒ　ａｒｅ　ｆｉｌｔｅｒｅｄ　ｖａｌｉｄｌｙ　ａｎｄ　ｍｉｓｓｉｎｇ　ｄａｔａ　ｃａｎ　ｂｅ　ｆｉｌｌｉｎｇ　ｗｅｌ１．Ｔｈｅ　ｐｌａｎｋｔｏｎ　ｅｃｈｏｅｓ　ｃａｎ　ａｌｍｏｓｔ　ｂｅ　ｒｅｍｏｖｅｄ　ｃｌｅａｒｌｙ　ｗｈｉｌｅ　ｔｈｅ　ｓｍａｌｌ　ｓｃａｌｅ　ｃｌｏｕｄ　ｃａｎ　ｂｅ　ｒｅｍａｉｎｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：Ｋａ—ｂａｎｄ　ｍｉｌｌｉｍｅｔｅｒ　ｗａｖｅ　ｃｌｏｕｄ　ｒａｄａｒ，ｄａｔａ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ，ｖｅｌｏｃｉｔｙ　ｄｅａｌｉａｓｉｎｇ　ＰＡＣＳ．９２．６０．Ｔａ　收稿日期：２０１５．１０．１０，修回日期：２０１６－０４－０１　Ｒｅｃｅｉｖｅｄ　ｄａｔｅ：２０１５－１０—１０，ｒｅｖｉｓｅｄ　ｄａｔｅ：２０１６－０４—０１　基金项目：国家自然科学基金（４１１７５０３８，９１３３７１０３），９７３项目（２０１２ＣＢ４１７２０２），第三次青藏高原大气科学试验项目（ＧＹＨＹ２０１４０６００１），江苏　省普通高校研究生科研创新计划项目（ＫＹＬＸ＿０８３９）　Ｆｏｕｎｄａｔｉｏｎ　ｉｔｅｍｓ：Ｓｕｐｐｏｓｅｄ　ｂｙ　Ｎａｔｉｏｎａｌ　Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　ｏｆ　Ｃｈｉｎａ（４１　１７５０３８，９１３３７１０３），９７３　Ｓｕｂｐｒｏｊｅｃｔ　ｏｆ　Ｃｈｉｎａ（２０１２ＣＢ４１７２０２），　ｔｈｅ　３ｒｄ　Ｔｉｂｅｔａｎ　Ｐｌａｔｅａｕ　Ａｔｍｏｓｐｈｅｒｉｃ　Ｓｃｉｅｎｃｅ　Ｅｘｐｅｒｉｍｅｎｔ　Ｐｒ￣ｅｅｔ（ＧＹＨＹ２０１４０６００１），ａｎｄ　Ｊｉａｎｇｓｕ　Ｐｒｏｖｉｎｃｅ　Ｏｒｄｉｎａｒｙ　Ｕｎｉｖｅｒｓｉｔｙ　Ｇｒａｄｕａｔｅ　Ｓｔｕｄｅｎｔ　Ｓｃｉｅｎ—　ｔｉｉｆｃ　Ｒｅｓｅａｒｃｈ　Ｉｎｎｏｖａｔｉｏｎ　Ｐｍｉｅｅｔｓ　ｆ　ＫＹＩ』ｘ　０８３９、　作者简介（Ｂｉｏｇｒａｐｈｙ）：郑佳锋（１９８８－），男，博士，主要研究领域为气象雷达．Ｅ－ｍａｉｌ：ｊｉａｆｅｎｇ＿ｚｈｅｎｇ＠１６３．ｃｏｎ　６期　郑佳锋等：Ｋａ波段毫米波云雷达数据质量控制方法　７４９　引言　近３０年来，毫米波云雷达以其灵敏度高、资料　分辨率高和长时间连续观测等优势，逐渐成为云观　测的主要仪器．目前，毫米波云雷达主要有波长８　ｍｍ的Ｋａ波段和３　ｍｍ的ｗ波段．Ｋａ波段主要以　地基或车载为平台，特点是功率较大、硬件成熟，它　复杂，单昆虫回波的功率谱就有９种不同的形　态¨】　．Ｇｔｉｒｓｄｏｒｆ等统计了无云条件下边界层内的悬　浮物回波，结果表明，主观上以回波强度Ｚ＜一１０ｄＢＺ　和退偏振比ＬＤＲ＞－２０ｄＢ为阈值基本可以滤除悬浮　物回波　引．　近年来，我国也逐步开展毫米波云雷达的研制　和观测．２０１３年，中国气象科学研究院联合中国航　天科工集团第２３所研制出了一部最新的Ｋａ波段毫　米波云雷达，它是国内第一部固态、多观测模式体制　不仅能够探测各种云类，同时对弱降水也有一定的　探测能力．典型的如：美国大气辐射测量计划　（ＡＲＭ）的ＭＭＣＲ云雷达、英国雷丁大学的Ｒａｂｅｌａｉｓ　云雷达、德国气象观测台的ＭＩＲＡ３６云雷达和中国　的ＨＭＢＱ云雷达¨引．ｗ波段主要以机载、船载和星　载为平台，特点是硬件体积小、灵敏度更高．在探测　弱云方面更具优势，但功率较低，对厚云的穿透能力　比Ｋａ波段弱，另外衰减也较为严重．典型的如：美　国ＮＡＳＡ的ＣＲＳ雷达和日本通信实验室的ＳＰＩＤＥＲ　云雷达、美国ＮＯＡＡ的船载云雷达和ＮＡＳＡ的星载　云雷达ＣｌｏｕｄＳａｔ　Ｊ．　在技术层面上，毫米波云雷达受电子器件和信　号处理发展的影响很大．近年来，固态器件和多观测　模式的云雷达成为一个发展方向．固态器件使整个　雷达系统的稳定性和长时间观测能力有了很大提　高．但由于功率较低，通常利用不同雷达参数和信号　处理，设计出不同的观测模式来满足各种云类的探　测．典型的如ＡＲＭ计划的ＭＭＣＲ雷达，它采用边界　层、卷云、降水、普通和极化五种模式来连续观　测　．虽然多观测模式可以有效提高雷达的探测能　力．但对于每个模式而言，雷达性能指标（灵敏度、　探测范围、测度范围和分辨率等）仍是一个折衷问　题．因此，面对自然界种类繁多、复杂多变的云类，每　种模式的数据都难免存在着一些质量问题，其中最　常见的包括速度模糊、噪点．径向干扰杂波和非气象　杂波．速度模糊是由于目标物速度过大而超出雷达　测速范围引起，它可导致雷达计算的平均速度和谱　宽产生偏差．在天气雷达中，很多学者通过算法对径　向速度进行退模糊处理．而对于垂直观测的云雷达，　更合理的方法应该从功率谱资料人手，如Ｋｏｌｌｉａｓ等　从功率谱中识别出云信号，并将信号的谱峰移至功　率谱中间，再将模糊信号进行移位恢复　ｊ．雷达噪　点－径向干扰杂波是由鸟虫和雷达硬件引起，也与数　据处理有关．噪点．径向干扰杂波可利用滤波的方法　来滤除　．云雷达观测到的非气象杂波主要是低　空的悬浮物回波，它们通常是大气中的雾霾、灰尘、　花粉和昆虫等．研究表明，悬浮物回波的功率谱十分　的云雷达．于２０１４—２０１５年，该雷达在我国华南地区　（广东阳江）和青藏高原（西藏那曲）上进行了长时　间的观测试验，积累了大量珍贵资料　州Ｊ．固态、多　观测模式体制的毫米波云雷达数据质量控制在国内　尚未开展研究，它又是资料后续应用和进一步研究　的重要基础，因此具有重要的意义．本文针对雷达资　料中的速度模糊、噪点．径向干扰杂波和悬浮物杂波　提出质量控制方法，并利用实例对方法的效果进行　检验和分析．　１仪器和资料　该雷达是一部脉冲多普勒体制的双极化Ｋａ　波段云雷达，采用固态发射机，具有长时间连续观　测能力．雷达天线直径为２　ｍ，工作时朝向天顶，增　益高达５４　ｄＢ，水平和垂直波宽均为０．３１。（５　ｋｍ　的水平展宽仅为１３．５　ｍ）．雷达工作频率为３３．４　ＧＨｚ（波长为８．９７　ｍｍ），峰值功率大于１　１０　Ｗ，脉　冲重复频率为８３３３　Ｈｚ，动态范围为７５　ｄＢ．设计了　三种模式来满足不同云类的观测，包括边界层模　式（ＢＬ）、卷云模式（ＣＩ）和降水模式（ＰＲ），主要参　数如表１所示．ＢＬ主要用于低空边界层云、雾等目　标的探测，采用较多的相干积累来提高灵敏度，但　测速范围较低．ｃＩ主要用于中、高空云的探测，采　用脉冲压缩处理技术，探测高度和灵敏度最高，但　低空盲区较大．ＰＲ主要用于降水探测，针对目标　物回波强和垂直运动大的特点，采用窄脉冲和较　多次的非相干积累，以增强对强回波的探测能力，　另外，测速范围最大．雷达的观测资料包括反射率　因子、径向速度、谱宽、退偏振比和功率谱，资料的　空间分辨率为３０　ｍ，距离库数为５１０个，时间分辨　率为８．８　Ｓ．功率谱资料通过快速傅里叶变换　（ＦＦＴ）得到，它反映了雷达探测体积内不同粒子的　功率随多普勒速度分布情况．ＦＦＴ的采样点数为　２５６点．当目标远离雷达移动时为负速度（上升），　靠近雷达移动视为正速度（下沉）．　７５０　表１　云雷达三种观测模式主要参数　Ｔａｂｌｅ　１　Ｍａｊｏｒ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｔｈｒｅｅ　ｍｏｄｅｓ　红外与毫米波学报　３５卷　的处理方式有所差别．天气雷达速度模糊由环境风　场引起（水平风为主），粒子群的运动速度可视为一　个目标物处理，因此可通过一定算法直接对雷达径　向速度进行退模糊．而垂直探测的云雷达，速度模糊　由粒子落速和上升气流引起，更多表现出的是部分　信号模糊，因此粒子群不能视为一个目标处理．合理　的方法应该从回波的功率谱进行处理．该Ｋａ波段　毫米波雷达三种探测模式中，ＰＲ的最大可测速度为　±１８．５４　ｍ／ｓ，不会发生速度模糊；ＣＩ有可能出现速　度模糊，但仅表现为速度的部分折叠；而ＢＬ最有可　能出现速度模糊，不仅表现为部分折叠，甚至出现全　２质量控制方法　２．１速度退模糊　对于毫米波云雷达，速度模糊与体扫天气雷达　部折叠的情况．尽管雷达不同云类使用不同模式的　数据，但更多情况是三种模式数据联合使用，因此对　ＣＩ和ＢＬ数据进行速度退模糊十分必要．本文速度　退模糊的方法和步骤如图ｌ所示．　Ｄｏｐｐｌｅｒ　Ｖｅｌｏｃｉｔｙ　发生速度模糊的功率谱　左侧信号模糊的纠正结果（下沉引起）　右侧信号模糊的纠正结果（上升引起）　粒子下落引起　Ｄｏｐｐｌｅｒ　Ｖｅｌｏｃｉｔｙ　最科判断后的结果　图１　功率谱退速度模糊的步骤和示意图　Ｆｉｇ．１　Ｓｔｅｐｓ　ａｎｄ　ｓｃｈｅｍａｔｉｃ　ｆｏｒ　ｓｐｅｃｔｒａ　ｖｅｌｏｃｉｔｙ　ｄｅａｌｉａｓｉｎｇ　６期　郑佳锋等：Ｋａ波段毫米波云雷达数据质量控制方法　７５１　在功率谱退模糊前，首先要计算噪声电平并识　别云信号．噪声电平的计算方法采用Ｍｏｎｉｑｕｅ等提　出的分段法　”Ｊ．云信号识别的方法是：首先标记　出谱中所有高出噪声电平的连续数据段，再对每段　的谱线数和信噪比进行判断．若谱线数不少于３根　且信噪比高于ＳＮＲ　ｉ　¨　，则认为是云信号并记录下　左右端点和谱峰位置．ＳＮＲ　ｉ　是最小可测信号的信　噪比，ＢＬ和ＣＩ模式分别为．１３．７ｄＢ和．１５ｄＢ．ＭＶ廓　线为退模糊前计算的各个距离库平均多普勒速度．　如式（１）所示，ｓｉ为云信号（ｄＢｍ），Ｐ　为噪声电平　（ｄＢｍ），　和　为信号左右端点的多普勒速度　（ｍｓ　）．　ＭＶ：　模糊判断：大气中的垂直风场变化通常有一定　的过渡性，尤其是对于垂直分辨率高达３０　ｍ的云雷　达资料，即使粒子运动速度或大气运动速度有较大　的正负转变，在雷达平均多普勒速度的廓线（ＭＶ）　上，从上到下也会呈现连续性的变化．普查这部雷达　观测资料发现，云顶位置不会出现速度模糊，因此从　云顶往下，速度从一开始的不模糊，逐渐到出现部分　折叠，最后到全部折叠．根据速度模糊前后的变化，　算法从云顶往下逐渐检测每个距离库，首先判断是　否发生部分折叠．发生部分折叠的特征是云信号被　分为两部分，分别分隔在功率谱的两侧，因此，信号　的左右端点位置可以作为判断部分折叠的标记．若　检测到右段信号的右端点达到了＋　且有左段信　号的左端点达到了一　…则说明信号发生了部分　折叠．反之，继续判断它和上方最近库的速度差异，　若差异不太大（＜　，　为速度差异阈值，实际中设　置为　～１．５Ｖｍ　），则说明该距离库没有发生模　糊；若速度差异较大（≥　），则说明是发生了完全　折叠．　部分折叠速度退模糊：若功率谱中模糊是部分　折叠，则功率谱的云信号被分为两段，分别位于功率　谱两侧．对于两段信号，由于模糊类型（指上升或者　下沉引起的两类模糊）未知，因此算法尝试性地将　左段信号平移至右段信号之后和将右段信号平移至　左段之前，得到两组新的功率谱Ｓｖ—ｄｏｗｎ（ｉ）和ｓＶ—　ｕｐ（ｉ）．Ｓｖ—ｄｏｗｎ（ｉ）和ｓｖ—ｕｐ（ｉ）分别代表模糊类型　为落速过大和上升气流过强两种纠正情况，利用它　们计算可得到平均多普勒速度　。　和　。．　。　和　中有一个是正确纠正后的平均多普勒速度，因此　将它们与径向上方第一个有效库的速度　。。　。进行　对比（从云顶往下迭代保证了被参照的　。。　不发生　模糊或已被纠正），若　…与Ｉ／ｕ。…较接近，则认为　。　为纠正后的平均多普勒速度ｌ，ｃ…　而Ｓｖ—ｄｏｗｎ　（ｉ）为纠正后的功率谱，利用它进一步计算出纠正后　的谱宽　…　速度模糊应该由粒子落速引起的．若　与Ｉ，ｕ　较接近，则认为　为纠正后的平均多普　勒速度　…，而ｓｖ—ｕｐ（ｉ）为纠正后的功率谱，继续　计算出纠正后的谱宽　。…　，速度模糊应该为强上　升气流引起．　完全折叠速度退模糊：信号发生完全折叠时，功　率谱中信号真实的速度和实际速度差两倍的最大可　测速度，然而我们也不知道模糊是偏向正速度还是　负速度，因此算法也尝试性地将功率谱分别偏移十　２Ｖｍ　和一２ｒｍ　得到新的功率谱Ｓｖ—ｄｏｗｎ（ｉ）和ｓｖ—ｕｐ　（ｉ），两种纠正后的功率谱含义如上文所述．接下来　处理方法与部分折叠一致，即利用它们计算得到的　…和　与径向上方第一个有效库的速度　。进　行对比，若Ｉ，ｄ。　和　。。　。较接近，则认为　。　为纠正　后的平均多普勒速度　。…，利用Ｓｖ—ｄｏｗｎ（ｉ）进一　步计算出纠正后的谱宽　。…，速度模糊由粒子落　速过快引起．反之，若　与　。较接近，则类似处　理，说明速度模糊由强上升气流引起．　整体而言，这种速度退模糊算法是利用云顶往　下速度连续性变化的原则，通过迭代的方式进行模　糊判断、模糊分类和模糊纠正．利用速度从不折叠到　部分折叠，最后到完全折叠的变化过程来逐步实现．　２．２噪点一径向干扰杂波滤除　，Ｊ＋　＋　＋　、　ｉ　Ｎ一１　＋　一　图２　Ｍ　Ｎ去噪和补值小窗示意图　Ｆｉｇ．２　Ｗｉｎｄｏｗ　ｏｆ　ｎｏｉｓｙ　ｄａｔａ　ｆｉｌｔｅｒｉｎｇ　ａｎｄ　ｍｉｓｓｉｎｇ　ｄａｔａ　ｆｉｌｌｉｎｇ　如图２所示，设定一个　Ⅳ滑动小窗．将雷达　数据按大小分为Ｐ个等距区间，区间间隔为△ｄ，窗口　中心点为判断对象，其值设为　（ｉ为径向，　为距离　库），将　±△ｄ　口作为第Ｐ＋１个区间，口为补值系　７５２　红外与毫米波学报　３５卷　数．统计窗口内所有点分布在不同区间的频数（　，　征，另外，不同地域的悬浮物含量和成分有所区别，　）和　，令最大值为　…，取　所对应的区间中　间值为　．根据式（２），对当前点及周围点的回波进　…　使得功率谱更加复杂多变，因此从功率谱资料识别　是较为困难的．本文考虑采用反射率因子ｚ和退偏　振比ＬＤＲ阈值的方法。分别统计了２０１４年５～６月　０　行频数统计和判断，式中　为窗口中心点的新值，　阳江试验期间和２０１５年６～８月那曲试验期间，　—Ｏ时，代表该点原本为无回波点，ｖｉ，≠０时，代表原　当　ＬＤＲ分布．统计　本为有回波点，ｋ　和ｋ：分别为去噪和补值的判断阈　云一降水回波和悬浮物回波的Ｚ—≠　≠　时，只选择低空２　ｋｍ以下的数据；悬浮物回波选择　≈　≈　值．当ｖ，ｉ≠０时，若周围存在较多与之相近的回波时　０　０　０　０　（Ｘ　＞ｋ　），则认为该点为有效回波，保留；反之，则为　噪声（　≤　），滤除．当　一０时，若周围回波在某个　晴空条件下的数据（保证不是云～降水）；而云一降　水回波选择雨后出现的数据（保证没有悬浮物）．统　计结果如图３所示．首先，对于云一降水回波，阳江　地区９９．９％的Ｚ和ＬＤＲ分布在－２２～３３　ｄＢＺ和．３３　～区间出现的频数较大时，则认为周围存在较多有效回　不是缺测点（Ｘ…≤　：），不补值．　≤　＞　≥　＜　波点（　…≥．ｊ｝：），该点为缺测点，用　补值；反之，则　２ｌ　ｄＢ，由于该季节零度层高度在５　ｋｍ左右，因　２　此低空云一降水内不会出现较大的ＬＤＲ值．那曲地　区９９．８％的云一降水ｚ和ＬＤＲ值分布在．１２—３４　ｄＢＺ和．３３～一１１　ｄＢ（ｚ和ＬＤＲ都有值的情况才统　计，当目标物回波较弱到一定程度后，垂直通道信噪　比往往不够，因此探测不到ＬＤＲ数据），低空云一降　Ｖ　＝　“Ｋ．领域频数法”利用回波变化的连续性，具有　较明确的物理意义，但参数和阈值的选择十分关键，　如：参数　和Ⅳ考虑到云雷达的时间分辨率和云的　变化快慢不宜过大，参数Ｐ、Ａｄ和ｎ应根据资料的　探测范围设定，阈值　不宜过大或过小，过大会导　致云回波被误判为噪声，过小会导致无法滤除噪声，　水的ｚ值比阳江大，是因为高原上对流云较多，且　离地高度较低．ＬＤＲ也比阳江大，是因为高原零度　层高度较低（０．８～１　ｋｍ）．对于悬浮物回波，两个地　区的ｚ值有一定的差距，阳江和那曲地区分别分布　在＿４３～．１５　ｄＢＺ和．３０～０　ｄＢＺ，原因是两个地区悬　浮物的成分不同，阳江主要以雾霾、低空粉尘和昆虫　为主，而那曲则是县城道路施工引起的尘土．两个地　阈值ｋ，也不易过大或过小，过大会使得补值失效，　过小会使得过度补值产生虚假回波．因此，我们根据　这部云雷达资料的特点，对各个参数和阈值进行试　验，试验对象包括低空弱层云、中高空层积云和高空　卷云等不同的云过程，方法是动态改变一个参数且　固定其他参数的方法来不断调整，当数据的去噪和　补值取得最优效果时，这些参数的值如表２所示．　２．３悬浮物杂波滤除　区悬浮物的ＬＤＲ值也有一定差距，阳江地区分布　在．２０～１　ｄＢ，那曲地区分布在－２３～０　ｄＢ．对比两类　回波的统计结果可以看出，通过设定合理的回波强　度ｚ　和退偏振比阈值ＬＤＲ　是有能力滤除低空的悬　浮物杂波，阳江地区效果非常理想，以Ｚ　＝一１０　ｄＢＺ、ＬＤＲ　＝－２０　ｄＢ为界（Ｚ小于一１０ｄＢＺ且ＬＤＲ大　于一２０　ｄＢ判断为悬浮物杂波），云一降水回波可以　被１００％保留，而悬浮物杂波１００％被滤除．那曲地　大量的观测事实表明，在大陆暖季，云雷达经常　能够观测到悬浮在低空的悬浮物杂波．悬浮物主要　由低空大气污染物、粉尘和昆虫等组成，这种杂波会　影响低云的数据质量，因此必须进行处理　．悬　区效果稍差，以Ｚ　＝０　ｄＢＺ、ＬＤＲ。　＝一１６　ｄＢ为界（ｚ　小于０　ｄＢＺ且ＬＤＲ大于．１６　ｄＢ判断为悬浮物杂　波），云一降水回波可以被１００％保留，而悬浮物杂　波有９７．８４％被滤除．ｚ　。和ＬＤＲ　选择时，原则是尽　浮物杂波的普遍特征是回波强度弱、运动速度小，但　退偏振比很高，它们的功率谱并无明显的规律和特　袅２“Ｋ．领域频数法”参数和阈值的最优取值　量保证云一降水回波的完整性，另外，剩余的少量悬　Ｔａｂｌｅ　２　Ｏｐｔｉｍａｌ　ｐａｒａｍｅｔｅｒｓ　ａｎｄ　ｔｈｒｅｓｈｏｌｄｓ　ｏｆ　Ｋ・－ａｒｅａ・－ｆｒｅｑｕｅｎｅｙ　ｍｅｔｈｏｄ　６期　郧件锋等：Ｋａ波段毫米波云雷达数据质　控制，Ｊ法　浮物也会被视为噪点杂波进一步滤除‘　３　效果分析和检验　０Ｉ］三　。　暑　／ｌ三ｌＩ１　Ｌｌ０＾一三　ｌｌ、一　＝　【１【１≈　ｌ　】ｌ，＿㈨　～　　一０　．　圳　■　■—二二二二ｌ圈ｎ二］ｌ圈　■　■｜［ＲｅＩｌｅｃｔｉ￣ｈｙ　ｄＢＺ　ＮＯ２０１　５１）６一（）Ｈ　Ｃｌｏｕｄ＆｝　Ｉ　ｅｃｉｐｉｔｍ　ｔ１　Ｊ１　．（１｛）一５（｝，４【】．３（）．　（１．…（１　Ｉ１）　（　１（１　４ｌ　Ｒｃｌｌｃｃｔｉ，＇　ｄＢＺ　ＮＱ２０　Ｉ　５０６・０８：Ｐｌａｎｋｔｏｎ　．６（）．５Ｉ）．４１）　０．　ｌ１．１｛）（）ｌｆ）　（｝　（１　４｛　ＲｅＩ］ｅｅｌ１、ｊＩ、ＪｄＢＺ　ｆ　３　阳江２０１４年５～６月ｆｎ　ｌ５ｆｆｌ　１２０１５｛１　６～８川　降水和悬浮物　波的ｚ—ＬＤＲ慨半分布，ａ和Ｉ　ｃ　为　一降水，ｂ和ｄ为悬浮物　Ｆｉｇ．３　Ｚ—ＬＤＲ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｏｆ　ｃｌｏｕｄ—Ｐｒｅｃｉｐｉｔａｔｉｏｎ　ａｎｄ　ｐｌａｎｋｔｏｎ　Ｏｎ　Ｍａｙ　ｔｏ　Ｊｕｎｅ　ｉｎ　２０１４　ａ【Ｙａｌｌｇｉｔａｎｇ　ａｎｄ　Ｊｕｎｅ　ｔｏ　Ａｕｇｕｓｔ　ｉｎ　２０１５　ａｔ　Ｎａｑｕ．ａ　ａｎｄ　ｃ　ａｒｅ　ｃｌｏｕｄ—　ｐｒｅｃｉｐｉｔａｔｉｏｎ，Ｃ　ａｎｄ　ｄ　ａｒｅ　ｐｌａｎｋｔｏｎ　３．１速度退模糊效果　利　两次试验观测的１５个小㈤　个例对速度　退模糊方法效果进行愉验．个例包含了　、浓积　云、层状　降水、毛毛ｍ、深埘流　、雨』　、低审积　、高积云和混合云几种不同的　类．速度巡模糊成　功的判断依据是：Ｉ　Ｒ模式拥有最夫的速度探测池　（±１８．５４　ｉｎ／ｓ），粒子落速和人气垂直速度小　以　对它造成速度模糊，【尺１此坩下发，卜速度模糊的ＣＩ　＝＝Ｉ＝｛Ｉ］ｌ．模式数据，仵成功退模糊后，汁　的平均多普勒　嘲＝＝＝＝ｌＩ［＝＝二二　●　■一㈠　■　＝４　ｒ１—１一●　ｒ　，ｌ，｛１一＝＝，　—㈠－　■　■｜［４，ｒ　ｒｌ　速度和潜宽心陔币¨ＰＲ模式一敛．所仃个例的检验　结果如表３所示，１５个个例共　３０９０１０个距离ｆ　样本…现了速度模糊，降水　干¨对流　『Ｊ、】｝ＩＩ现速度　模糊的慨卒较大，而非降水云平丌较稳定的降水　ｆ｝Ｊ　现模糊的概牢较小．检验的结果表　，ｌ５个例的成　功率都达到了，１００％，说叫本义的速度ｌ退模糊算法　效果良好，且能适应不同的　类，　此稳定性也很　好．　以下利用两个　型个例来分析两种不『州类　速　度模糊的处理效果．如　４为２０ｌ４年６川６　Ｈ　１０：　２９—１１：４４阳江观测的层状降水　（（：ｌ模式），　５　ｋｍ　左右为融化层，该高度　ｌ　波强度变现ｍ叫ｈＩｊ－的亮　带特征，　径向速度　谱宽Ｌ则均表观为突然增火　（图ａ　和ａ　）．从ｌ】：０５不Ｉ州高度的功牢谱（罔ｂ　）　可　，在零度层以上粒了以冰棚为主，因此功率谱很　窄，粒子　度较为集巾，谱宽较小，下落速度远术达　到最大可测速度．而到零度层以下，冰＿卡ｆｉ粒子开始逐　渐融化为液相并开始增Ｋ，功牢谱变宽，大粒予歼始　现，谱宽逐渐增大，部分雨滴的下落速度超｝ｔｌ　Ｊ　最　大可测速度被折叠　负速度Ｉ文＝．　ｌＪ＿为邀模糊后的　功率谱，可　，融化层以下的速度折卺被成功纠正，　最大下落速度从原来的９．２７　ｌＩＩｗ，，　被扩展钊　ｌ４．５８　Ｉｌｌｓ～．罔Ｃ　和ｃ　，为径向速度和谱宽的退模糊效果，　它们　退模糊前的偏差如罔ｃ１　和ｄ，所，Ｊｊ（邀模糊　前减退模糊后），可　，粒子下落速度过人会使得　向速度被低估，低估程度最大甚至『１Ｊ　超过４　ＩｌｌＳ一，　谱宽则会严重高估，高估甚至超过了６　Ｉｌｌｓ～．　如同５为２０１４年７月５　Ｈ　１７：２６—１８：４ｌ　ＪＪｆ５｝ｆｆ１探　测的深对流云，从Ａ　域的　向速度ｆ－ｆ　（【笨］ａ。），　对流中心仔存很强的Ｉ　升气流（黄色和红色），　其　下方则为较快的下落速度（绿色和蕊色），从对应Ｊ　ｘ＝　域的谱宽来看（罔ａ　），Ｃ　域干¨Ｄ　ｐ（域的谱宽也很　大．从１　８：０４不同高度的功率谱呵　（　Ｉ　。），　６ｋｍ　＝＝＝㈠红外　毫米波学报　表３　ｌ５个云过程个例的退速度模糊效果　Ｔａｂｌｅ　３　Ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｖｅｌｏｃｉｔｙ　ｄｅａｌｉａｓｉｎｇ　ｏｆ　１　５　ｄｉｆｅｒｅｎｔ　ｃｌｏｕｄ　ｐｒｏｃｅｓｓｅｓ　左右，强上升气流使得部分信号被折叠至正速度　，　而４　ｋｍ以下，过快的下落速度也使得部分信号被折　叠至负速度区．图ｂ　为退模糊后的功率谱，可见，两　种情况的速度模糊均被正确纠正，正负最大速度从　原来的±９．２７　Ｉｌｌｓ。。被扩展到了ｌ４．０７　ＩｌｌＳ。。和　一１４．６５　ＩｌｌＳ～．　ｃ・，和ｃ，为退模糊后的径向和谱宽，　Ａ、Ｂ、Ｃ、Ｄ区域为效果较为明显的区域，而从退模糊　前后的偏差（图ｄ　和ｄ，）来看，上升气流引起的模　糊可使径向速度和谱宽被高估，最大分别可达３　ＩｌｌＳ。　和超过４　ＩｌｌＳ～；而下落速度过大引起的模糊可使径　向速度被低估而谱宽被高估，低估最大可超过　４　ＩｌｌＳ～，商估最大可超过４　１１１Ｓ～．　从以上两个典型个例的分析来看，南过强上升　气流和过快下落速度引起的速度模糊对径向速度和　谱宽的、ｌｆ‘算均有影响，有时偏差很大甚至可使资料　不可用．另外，埘模糊类型的判断也十分关键，否则　会　现错误的汀正．本文的退模糊方法能有效识别　模糊的位置和类型并做出正确的纠正．　３．２噪点一径向干扰和悬浮物杂波的滤除效果　利川一个包含噪点杂波、径向干扰杂波、数据缺　４　２０１４　ｑ－６　Ｊ】６　ｆ　ｔ…汀１０：２９—１　１：４４速度ｌ和１谱宽的遐恢　测并同时存在很小尺度碎云的个例进行检验．如冈　捌效　，ａ　嗣１　ａ　为退模制　的径向速度干¨谱宽，ｂ　干¨ｂ　为　６为２０１４年６月８日阳江ｌ８：ｌ２—２０：４２一次包含多　１　Ｉ：０５　ＩＩ，Ｊ次巡模糊ｆ）ｉｆ　不　高度的功率潜，Ｃ　干¨Ｃ！　退模糊　块云回波的处理效果．南质量控制前的反射率凶子　Ｊ　的　述　ｆ¨　，ｄ．　ｄ　为遐模糊前后的偏差，ｅ为算　法判断的摸糊　ｉ　亓丁见，回波的Ａ和ｃ区域存在着若干噪点和径向ｆ　Ｆｉｇ．４　Ｄｅａｌｉａｓｉｎｇ　ｅｆｆｅｃｔｓ　ａｔ　１０：２９—１　１：４４　ｏｎ　Ｊｕｎｅ　６　ｉｎ　２０ｌ４　ａｔ　扰杂波，Ａ　域的噪点是地面灰Ａｔ＂＂Ｈ悬浮物（表现　Ｙａｎｇｊｉａｎｇ，ａＩ　ａｎｄ　ａ　ａｒｅ　ｍｅａｎ　Ｄｏｐｐｌｅｒ　ｖｅｌｏｃｉｔｙ　ａｎｄ　ｓｐｅｃｔｒｕｍ　高的ＬＤＲ），而径向干扰可能是｝十ｊ雷达硬件弓１起，Ｃ　ｗｉｄｔｈ　ｂｅｆｏｒｅ　ｄｅａｌｉａｓｉｎｇ，ｂ１　ａｎｄ　ｂ！ａｒｅ　ｓｐｅｃｔｒａ　ｐｒｏｃｅｓｓｉｎｇ　ｅｆｆｅｃｔｓ　ｏｒｌ　ｄｉｆｆｅｒｅｎｔ　ｈｅｉｇｈｔｓ　ａｔ　ｌｌ：０５，ＣＩ　ａｎｄ　ａ　ａｒｅ　ｍｅａｎ　Ｄｏｐｐｌｅｒ　ｖｅｔｏｃ—　域的少量散点足由于其高度较高，云边缘信噪比　ｉｔｙ　ａｎｄ　ｓｐｅｃｎ’Ｕｎｌ　ｗｉｄｔｈ　ａｆｔｅｒ　ｄｅａｌｉａｓｉｎｇ，ｄ１　ａｎｄ　ｄ！ａｒｅ　ｔｈｅ　ｄｅｖｉａ—　刚好达到了雷达灵敏度临界点而被误判为云回波的　ｔｉｏｎｓ　ａｆｔｅｒ　ｑｕａｌ　ｉｔｙ　ｃｏｎｔｒｏｌ　噪声信号．Ｄ　域存在若干尺度非常小的碎积云，Ｂ　６期　郧仆锋等：Ｋａ波段毫米波云甫达数据质量拧制力‘法　冈５　２０１４年７月５　Ｆ１那ｆ｝｝１　１７：２６—１８：４ｌ速度和ｉ｝孥宽的退　模糊效果，ａ，ｌ羊１Ｊ　ａ　为退模糊前径向速度　谱宽，ｂ　币Ｉ１　ｂ　为１８：０４时刻邀模糊前后不同高度的功率漕，ｃ　干”Ｃ，为　遐模糊　的径ｒ口Ｊ速度和　宽，ｄ　和ｄ　为邀模糊ｆ】ｉｆ后的偏　差，ｅ为算法判断的模糊标　Ｆｉｇ．５　Ｄｅａｌｉａｓｉｎｇ　ｅｆｆｅｃｔｓ　ａｔ　１７：２６—１８：４１　ｏｎ　Ｊｕｌｙ　５　ｉｎ　２０１４　ａｔ　Ｎａｑｕ，ａｌ　ａｎｄ　ａ２　ａｒｅ　ｍｅａｎ　Ｄｏｐｐｌｅｒ　ｖｅｌｏｃｉｔｙ　ａｎｄ　ｓｐｅｃｔｒｕｍ　ｗｉｄｔｈ　ｂｅｆｏｒｅ　ｄｅａｌｉａｓｉｎｇ，ｂＩ　ａｎｄ　ｂ２　ａｒｅ　ｓｐｅｃｔｒａ　ｐｒｏｃｅｓｓｉｎｇ　ｅｆｆｅｃｔｓ　ｏｎ　ｄｉｆｅｒｅｎｔ　ｈｅｉｇｈｔｓ　ａｔ　ｌ８：０４，Ｃｌ　ａｎｄ　ａ　ａｒｅ　ｍｅａｎ　盘Ｉ■■■—二如　如　ｍ　Ｄｏｐｐｌｅｒ　ｖｅｌｏｃｉｔｙ　ａｎｄ　ｓｐｅｃｔｒｕｍ　ｗｉｄｔｈ　ａｆｔｅｒ　ｄｅａｌｉａｓｉｎｇ，ｄｌ　ａｎｄ　ｄ，ａｒｅ　ｔｈｅ　ｄｅｖｉａｔｉｏｎｓ　ａｆｔｅｒ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ　区域有块高度达到ｌ１　ｋｍ的高层　，但…于其强度　非常弱，冈此也刚好达到雷达灵敏度的临界点，云体　内部若十的同波点被误判为无同波　导致缺测．从　质量控制后的反射率闪子可见，Ａ币¨Ｃ　域的孤立　噪声点及径向ｆ扰被有效滤除，而Ｄ　Ｉ　域Ｊ　度很小　的碎积　则被完好的保留，Ｂ　Ｉ）（＝域的弱高层　内缺　测点也被合理地填补．该个例分析可见，扩展后的　Ｋ一领域频数能够有效滤除噪声和径向十扰，填补云　内部的缺测同波，并能够很好地保留…波细节和小　尺度的云回波．　如罔７为２０１４年７月７日那『｛ｆ１　１１：２４．１２：３７观　测Ｖ，ｊｘ￣流　同波，南质量控制前的同波强度和退偏　振比（ａ．和ｂ，）可见，低空存在一层明　的散点状的　Ｒｅｌｌｅｃｔｉｖｉｔｙ（Ｂｅｆ０ｒｅ　Ｃｏｎｔｒｏｌ１　Ｉ＇￣ｅ／ＢＪＴ　ｌａ）　Ｒｅｆｌｅｃｔｉｖｉｔ５　ＩＡｆｌｅｒ　Ｃｏｎｔｒｏ１）　４　冬ＩＩ　６　２０１４』Ｆ　６』Ｊ　８　ｒ＝ｊ　｛　１　８：１２—２（）：４２噪点一　ｆ，１Ｊ　Ｉ：　扰杂波的滤除效果（ａ）质ｊ　控制前反射牢』ｑ　，（ｂ）　质量控制后反射牢　子　Ｆｉｇ．６　Ｆｉｌｔｅｒｉｎｇ　ｅｆｒｅｃｔｓ　ｏｆ　ｎｏｉｓｙ　ｃｌｕｔｔｅｒ　ａｎｄ　１．ａｄｉａｌ　ｉｎｔｅｒｆｅ卜　ｅｎｃｅ　ｅｃｈｏ　ａｔ　１８：ｌ２—２０：４２　ｏｎ　Ｊｕｎｅ　８　ｉｎ　２０１４　ａｔ　Ｙａｎｇｊｉａｎｇ．　（ａ）Ｒｅｌｆｅｃｔｉｖｉｔｙ　ｂｅｆｏｒｅ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏ１．（ｂ）Ｒｅｆｌｅｃｔｉｖｉｔｙ　ａｆｔｅｒ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ　二悬浮物杂波，它们的回波强度低于一＝■　Ｕ目瑚　枷　㈣　　２５　ｄＢＺ，退偏振　比高于一１２　ｄＢ．从质量控制后的效果（ａ　和ｌｌ１）可　，低空的悬浮物杂波被很有效的滤除，　时一块被　悬浮物混杂的弱层云和积云被有效的保留．埘于　ｌ２：ｌＯ后的积　和埘流　同波也被完整保　，没有　出现误识别的情况．　４　结论　态、多　测模式的毫米波　甫达具有Ｋｔｔ、　日、　稳定的舰｝贝４能力，同时能较好满足不同　类的探测．　２０１４～２０１５年，巾同气象科学研究院￣ｌＪ）ｌ　Ｊ闻内　‘部　同态、多观测模式Ｋａ波段　雷达在我　华南地　和青藏高原地　进行了观测试验．义　ｔ－１　对这种体　制雷达数据中的速度模糊、噪点．径向Ｉ：扰杂波干¨悬　浮物杂波问题，研究Ｊ　质　控制方法，行进行Ｊ　效果　检验．得到＿，如．Ｆ结沦：１）本文提｝ｆ』的速度邀模糊　方法具有较好的成功率币¨稳定性，ｌ５次小　过程　７５６　Ｒｅｆｌｅｃｔｉｖｉｔｙ（Ｂｅｆｏｒｅ　Ｃｏｎｔｏ１ｒ）　红外与毫米波学报　３５卷　断出模糊类型，并正确纠正平均多普勒速度和谱宽．　３）扩展和参数择优试验后的Ｋ领域频数法能较好　地滤除云雷达回波中的噪声，并对缺测进行补值，另　外较好保留了回波细节和小尺度的碎云．Ｚ．ＬＤＲ阈　值法能滤除悬浮物回波并保留气象回波，能使低云　不受污染．　Ｒｅｒｅｒｅｎｃｅｓ　ｔ＇ｉｍｅ忸１１　¨ｌＣｌｏｔｈｉａｕｘ　Ｅ　Ｅ，Ｍｉｌｌｅｒ　Ｍ　Ａ，Ａｌｂｒｅｃｈｔ　Ｂ　Ａ，ｅｌ　ａ１．Ａｎ　ａｌｕ—　ａｔｉｏｎ　ｏｆ　ａ　９４・－ＧＨｚ　ｒａｄａｒ　ｆｏｒ　Ｆｅｌｌ＇ｌｏｒｅ　ｓｅｎｓｉｎｇ　ｏｆ　ｃｌｏｕｄ　ｐｒｏｐｅｒ・－　Ｒｅｆｌｅｃｔｉｖｉｔｙ（Ａｆｔｅｒ　Ｃｏｎｔｒｏ１）　ｔｉｅｓ［Ｊ　１．Ｊ．Ａｔｍｏｓ．Ｏｃｅａｎｉｃ　Ｔｅｃｈｎｏ１．，ｌ９９５，１２：２０１—　２２９．　［２］ＯＣｏｎｎｏｒ　Ｅ　Ｊ，Ｈｏｇａｎ　Ｒ，Ｉｌｌｉｎｇｗｏｒｔｈ　Ａ　Ｊ．Ｒｅｔｒｉｅｖｉｎｇ　ｓｔｒａｔｏ—　ｃｕｍｕｌｕｓ　ｄｌ’ｉｚｚｌｅ　ｐａｒａｍｅｔｅｒｓ　ｕｓｉｎｇ　Ｄｏｐｐｌｅｒ　ｌ’ａｄａｒ　ａｎｄ　ｌ，ｉｄａｒ　［Ｊ］．　Ａｐｐ１．Ｍｅｔｅｏｒ．，２００５，４４：１４—２７．　［３］Ｇｉｉｒｓｄｏｆｆ　Ｕ，Ｌｅｈｍａｎｎ　Ｖ，Ｂａｕｅｒ—Ｐｆｕｎｄｓｔｅｉｎ　Ｍ，ｅｔ　ａ１．Ａ　３５一　ＧＨｚ　ｐｏｌａｒｉｍｅｔｒｉｅ　Ｄｏｐｐｌｅｒ　ｒａｄａｒ　ｆｏｒ　ｌｏｎｇ—ｔｅｒｏｌ　ｏｂｓｅｒｖａｔｉｏｎｓ　ｏｆ　ｃｌｏｕｄ　ｐａｒａｍｅｔｅｒｓ—ｄｅｓ＜’ｒｉｐｔｉｏｎ　ｏｆ　ｓｙｓｔｅｍ　ａｎｄ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ｌ＇ｉｍｅ／ＢＪＴ　【Ｊ　１．Ｊ．Ａｔｍｏｓ．Ｏｃｅａｎｉｃ　Ｔｅｃｈｎｏ１．，２０１５，３２：６７５—６９０．　［４］Ｋｙｏｓｕｋｅ　Ｈ，Ｈａｓｈｉｇｕ（，ｈｉ　Ｈ，Ｗａｋａｙａｍａ　Ｔ，ｅｌ　ａ／．Ａ　３５一ｇｈｚ　ｓｃａｎｎｉｎｇ　ｄｏｐｐｌｅｒ　ｒａｄａｒ　ｉｆｌｒ　ｏｆｇ　ｏｂｓｅｒｖａｔｉｏｎｓ［Ｊ］．Ｊ．ＡｒｍＯＳ．　Ｏｃｅａｎｉｃ　Ｔｅｃｈｎｏ１．，２０ＨＤ３，２０：９７２—９８６．　ＬＤＲ（Ｂｅｌｂｒｅ　Ｃｏｎｔｒｏ１）　［５］Ｓｔｅｐｈｅｎ　Ｍ　Ｓ，Ｅｅｋｈｍｄ　Ｗ　Ｌ，Ｆｉｒｄａ　Ｊ　Ｍ，ｅｔ　Ｈ２．Ｐａｒｔｉｃｌｅ　ｓｉｚｅ　ｅｓｔｉｍａｔｉｏｎ　ｉｎ　ｉｃｅ—ｐｈａｓｅ　ｃｌｏｕｄｓ　ｕｓｉｎｇ　ｎｍｌｔｉｆｒｅｑｕｅｎｃｙ　ｒａｄａｌ‘　ｒｅｌｆｅｅｔｉｖｉｔｙ　ｍｅａｓｕｒｅｎｌｅｎｔｓ　ａｔ　９５．３３，ａｎｄ　２．８（；Ｈｚ『Ｊ］．．，．　Ａｐｐ１．Ｍｅｔｅｏｒ．．１９９９．３８：５—２８．　【６］Ｓｔｅｐｈｅｎｓ　Ｇ　Ｌ，Ｖａｎｅ　Ｄ　Ｇ，Ｂｏａｉｎ　Ｒ　Ｊ，ｅｔ　ｕ１．　ｌ＇ｈｅ　ｅｌｎｕｄｓａｔ　ｍｉｓｓｉｏｎ　ａｎｄ　ｔｈｅ　ａ—ｔｒａｉ１１　ｎｅｗ　ｄｉｍｅｎｓｉｏｎ　ｏｆ　ｓｐａｔ’ｅ—ｂａｓｅｄ　ｏｌｉＳｅｌ＂一　ｒａｔｉｏｎｓ　ｏｆ　ｃｌｏｕｄｓ　ａｌｌ（］ｐｒｅｅｉｐｉｔａｔｉｏｎ　ｌ　Ｊ　１．Ｂｕｌ１．／ｌｉｎｅｒ．Ｍｅｔｅ—　ｏｒ．Ｓｏｃ．，２００２，８３：ｌ７７１～１７９０．　［７］Ｍｏｒａｎ　Ｋ，Ｓｅｒｇｉｏ　Ｐ，Ｃｈｒｉｓ　Ｆ，ｅｔ　ｏ１．Ａ　ｍｏｔｉｏｎ—ｓｔａｂｉｌｉｚｅ１１　ｗ—　ｂａｎｄ　ｒａｄａｒ　ｆｏｒ　ｓｈｉｐｌｌ・）ａｒ（ｔ　ｏｂｓｅｒｖａｔｉｏｎｓ　ｏｆ　ｎｌａｌ’ｉｎｅ　ｈｎｕｍｌａｒＹ一　ｆｉｍｅ／ＢＪＴ　ｌａｙｅｒ　ｃｌｏｕ（Ｉｓ［Ｊ］．Ｂｏｕｎｄａｒｙ　Ｌａｙｅｒ　Ｍｅｔｅｏｒｏｌｏｇ）．，２０ｌ２，　１４３：３—２４．　ＬＤＲ（Ａｆｉｅｒ　Ｃｏｎｔｒｏ１）　【８］Ｋｏｌｌｉａｓ　ｌ’，Ｍｉｌｌｅｒ　Ｍ　Ａ，Ｌｕｋｅ　Ｅ　Ｐ，ｅｌ　ａ１．ｒｒｈｅ　ａｌｍｏｓｐｈｅｒｉｔ’　ｒａｄｉａｔｉｏｎ　ｎｌｅａｓｕｒｅｎｌｅｎｔ　ｐｒｏｇｒａｍ　ｅｌｏｕｄ　ｐｒｏｆｉｌｉｎｇ　ｒａｄａｒｓ：ｓｅ（。一　ｏｎｄ—ｇｅｎｅｒａｔｉｏｎ　ｓａｍｐｌｉｎｇ　ｓｔｒａｔｅｇｉｅｓ，ｐｒｏｃｅｓｓｉｎｇ，ａｎｄ　ｃｌｏＨ（１　ｄａｔａ　ｐｒｏｔ［ｕｃｔｓ　ｆ　Ｊ］．Ｊ．Ａｔｍｏｓ．Ｏｃｅａｎｉｃ　Ｉ￣ｃｈｎｏ１．，２００７，　２４：１１９９—１２１４．　［９］ＣＵｌ　Ｚｈｅ—Ｈｕ，ＣＨＥＮＧ　Ｍｉｎｇ—Ｈｕ，ＷＵ　Ｑｉｔ１一１　ｉ，ｅｌ　ａ１．Ａ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ｆａｓｔ　ｍｅｄｉａｎ　ｆｉ１ｆｅｒｉｎｇ　ａｎｄ　ｉｔｓ　ａｐｐｌ　ｉｃａｔｉｏｎ　ｔｏ　ｄａｔａ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ　ｏｔ’Ｄｏｐｐｌｅｉ。ｒａｄａｒ［Ｊ　Ｊ．Ｐｌａｔｅａｕ　Ｍｅｔｅｏｒ（催哲　虎，程叫虎，鸟秋力，等．快速『ｆｌ值滤波　法及　Ｄｏｐｐｌｅｒ甫达资料处理中的应ｊ｝】．高原气象）．２００５，２４　（５）：７２７—７３３．　【ｌ０］ＭＡ　Ｚｈｏｎｇ—Ｙｕａｎ，ＺＨＵ　Ｃｈｕｎ—Ｑｉａｏ，ＩＪＵ　Ｘｉ—Ｍｉｎｇ，ｅｔ“／．　『矧７　２０１４　７月７　ｆｊ玎ｆ５附１　１１：２４—１２：３７［ｎ１波的悬浮物杂　波滤除效果，左列为质量控制前，　列为质鼠控制后　Ｆｉｇ．７　Ｅｆｆｅｃｔｓ　ｏｆ　ｐｌａｎｋｔｏｎ　ｅｃｈｏ　ｒｅｍｏｖｉｎｇ　ａｔ　１１：２４—１２：３７　ｏｎ　Ｊｕｌｙ　７　ｉｎ　２０１４　ａｔ　Ｎａｑｕ．（ａ１），（ｂＩ）ａｒｅ　ｅｃｈｏｅｓ　ｂｅｆｏｒｅ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ，（ａ２），（ｂ２）ａｒｅ　ｅｃｈｏｅｓ　ａｆｔｅｒ　ｑｕａｌｉｔｙ　ｃｏｎｔｒｏｌ　Ｓｔｕｄｙ　ｏｎ　ＣＩＮＲＡＤ　ｒａ（１ａｌ－ｄａｔａ　ｑｕａｌｉｌｙ　ｅｆｍｔｒｏｌ　ｍｅｔｈｏｄｓ『川．　Ｍｅｔｅｏｒ．Ｍｏｎｔｈｌｙ．（马ｌｆ１元，朱春巧，刘熙叫，等．ＣＩＮＲＡＤ　甫达数据质量控制疗法初探．气象）．２０１０，３６（８）：ｌ３４　１４１　［１　１］Ｂｏｒｅｎ　Ｔ　Ａ．Ａｎ　ａｒｔｉｉｆ（，ｉａｌ　ｉｎｔｅｌｌｉｇｅｎ（・ｅ　ａｐｐｒｏａ（’ｈ　ｔｏ　ＤｏｌｌｌｌｌＰｒ　ｒａｄａｒ　ｖｅｈＲ・ｉｔｙ　ｄｅａｌｉａｓｉｎｇ［ｃ］．Ｉｎ　２３“　（＇ｏｎｆｅｌ　（）Ｊｌ　Ｒａ＆ｎ’　Ｍｅｔｅｏｒｏｌｏｇｙ，Ｂｏｓｔ（Ｈ１：Ａｍｅｌ’ｉｃａｎ　Ｍｅｔｅｏｒ．Ｓｏ（‘．，１　９８６：１　０７一　ｌ１Ｏ．　的检验中，成功率都达剑了１００％．２）过快的下落速　度和过强的上升气流均能引起速度模糊，速度模糊　［１２］Ｌｕｋｅ　Ｅ　Ｐ，Ｋｏｌｌｉａｓ　Ｐ，Ｊｏｈｎｓｏｎ　Ｋ　ｅｔ　ａ１．Ａ　ｔｅｅｈ￣ｌｉｑｔａ　ｔｉ．’　ｔｈｅ　ａｕｔｏｍａｔｉｃ　ｄｅｔｅ（・ｔｉｏｏ　ｏｆ　ｉｉｒｓｅ（・ｔ　ｃｌｕｔｔｅｌ・ｉ１１（－　ＬＩ（１　ｒａｄａｒ　ｒｅ　会使径向速度被低估而谱宽被高估，偏差大时可使　雷达资料不可用，１ｆｌｆ提ｆｔＩ的退模糊方法能准确地判　［ｕｒｎｓ『Ｊ］．Ｊ．Ａｔｍｏｓ．Ｏｃｅａｎｉｃ　Ｔｅｃｈｎｏ１．，２００８，２５：１４９８　ｌ５ｌ３．　６期　郑佳锋等：Ｋａ波段毫米波云雷达数据质量控制方法　７５７　［１　３］ＬＩＵ　Ｌｉ—Ｐｉｎｇ，ＸＩＥ　Ｌｅｉ，ＣＵＩ　Ｚｈｅ—Ｈｕ．Ｅｘａｍｉｎａｔｉｏｎ　ａｎｄ印一　ｐｌｉｅａｔｉｏｎ　ｏｆ　Ｄｏｐｐｌｅｒ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｄａｔａ　ｉｎ　ｄｒｏｐ　ｓｉｚｅ　ｄｉｓ－　ｔｒｉｂｕｔｉｏｎ　ｒｅｔｒｉｅｖａｌ　ｉｎ　ｗｅａｋ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｂｙ　ｃｌｏｕｄ　ｒａｄａｒ［Ｊ］．　Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆＡｔｍｏｓｐｈｅｒｉｃ　Ｓｃｉｅｎｃｅｓ（刘黎平，谢蕾，　崔哲虎．毫米波云雷达功率谱密度数据的检验和在弱　降水滴谱反演中的应用研究．大气科学）．２０１４，３８　（２）：２２３—２３６．　［１４］Ｌｉｕ　Ｌ　Ｐ，Ｚｈｅｎｇ　Ｊ　Ｆ，Ｒｕａｎ　Ｚ，ｅｔ　ａ１．Ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｒａｄａｒ　ｏｂｓｅｒｖａｔｉｏｎｓ　ｏｆ　ｃｌｏｕｄｓ　ａｎｄ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｉｎ　ｔｈｅ　Ｔｉｂｅｔａｎ　Ｐｌａｔ—　ｅａｕ　ａｎｄ　ｐｒｅｌｉｍｉｎａｒｙ　ａｎａｌｙｓｉｓ　ｏｆ　ｃｌｏｕｄ　ｐｒｏｐｅｒｔｉｅｓ［Ｊ］．　Ｍｅｔｅｏｒ．Ｒｅｓ．，２０１５，２９（４）：５４６～５６１．　［１５］Ｍｏｎｉｑｕｅ　Ｐ，Ｓｙ　Ａ，Ｇａｒｒｏｕｓｔｅ　Ａ，ｅｔ　ａ１．Ｓｔａｔｉｓｔｉｃａｌ　ｃｈａｒａｃ—　ｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　ｎｏｉｓｅ　ｐｏｗｅｒ　ｓｐｅｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｉｎ　ＵＨＦ　ａｎｄ　ＶＨＦ　ｗｉｎｄ　ｐｒｏｆｉｌｅｒｓ［Ｊ］．Ｒａｄｉｏ　Ｓｃｉｅｃｎ，１９９７，３２（３）：　１２２９—１２４７．　［１６］ＨＵ　Ｍｉｎｇ—Ｂａｏ．Ｒｅｓｅａｃｈ　ｏｎ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｗｉｎｄ　ｐｒｏｉｆｌｅ　ｒａｄａｒ　ｌ　Ｄ　１．２０１２，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｉｎ—　ｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ（胡明宝．风廓线雷达数　据处理及应用研究．南京信息工程大学）．２０１２．　［１７］ＺＨＯＵ　Ｘｕ—Ｈｕｉ．Ｗｉｎｄ　ｐｒｏｉｆｌｉｎｇ　ｒａｄａｒ　ｐｏｗｅｒ　ｓｐｗｃｔｒａｌ　ｄｅｎｓｉｔｙ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ａｌｇｏｒｉｔｈｍｓ［Ｄ］．Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｉｎ—　ｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ（周旭辉．风廓线雷达功率　谱密度数据处理算法研究．南京信息工程大学）．２０１１．　［１８］Ｓｈｕｐｅ　Ｍ，Ｋｏｌｌｉａｓ　Ｐ，Ｍａｔｒｏｓｏｖ　Ｓ　Ｙ，ｅｔ　ａ１．Ｄｅｒｉｖｉｎｇ　ｍｉｘｅｄ—　ｐｈａｓｅ　ｃｌｏｕｄ　ｐｒｏｐｅｒｔｉｅｓ　ｆｒｏｍ　Ｄｏｐｐｌｅｒ　ｒａｄａｒ　ｓｐｅｃｔｒａ［Ｊ］．　Ａｔｍｏｓ．Ｏｃｅａｎｉｃ　Ｔｅｃｈｎｏ１．，２００４，２１：６６０—６７０．　１　１９　１　ＬＩＡＮＧ　Ｈａｉ—Ｈｅ，ＺＨＡＮＧ　Ｐｅｉ—Ｙｕａｎ，ＧＥ　Ｒｕｎ—Ｓｈｅｎｇ．Ｓｔｕｄ—　Ｙ　ｏｆ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ｏｆ　ｗｉｎｄ　ｉｆｅｌｄｓ　ｆｒｏｍ　Ｄｏｐｐｌｅｒ　ｒａｄａｒ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ａｐｐｌｉｅｄ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｓｃｉｅｎｃｅ（梁海河，张沛　源，葛润生．多普勒天气雷达风场退模糊方法的研究．　应用气象学报）．２００２，１３（５）：５９１—６０１．　［２０］Ｚｈｅｎｇ　Ｊ　Ｆ，Ｚｈａｎｇ　Ｊ，Ｚｈｕ　Ｋ　Ｙ，ｅｔ　ａ１．Ｇｕｓｔ　ｒｆｏｎｔ　ｓｔａｔｉｓｔｉｃａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｎｄ　ａｕｔｏｍａｔｉｃ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ＣＩＮＲＡＤ［Ｊ］．　Ｍｅｔｅｏｒ．Ｒｅｓ．，２０１４，２８（４）：６０７—　６２３．　［２１］Ｃｌｏｔｈｉａｕｘ　Ｅ　Ｅ，Ａｃｋｅｒｍａｎ　Ｔ　Ｐ，Ｍａｃｅ　Ｇ　Ｇ，ｅｔ　ａ１．Ｏｂｊｅｃ—　ｔｉｖｅ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｃｌｏｕｄ　ｈｅｉｇｈｔｓ　ａｎｄ　ｒａｄａｒ　ｒｅｆｅｃｔｉｖｉｔｉｅｓ　ｕ—　ｓｉｎｇ　ａ　ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　ａｃｔｉｖｅ　ｒｅｍｏｔｅ　ｓｅｎｓｏｒｓ　ａｔ　ｔｈｅ　ＡＲＭ　ＣＡＲＴ　ｓｉｔｅｓ［Ｊ］．　Ａｐｐ１．Ｍｅｔｅｏｒ．，２０００，３９：６４５—　６６５．　［２２］Ｇｅｅｒｔｓ　Ｂ，Ｍｉａｏ　Ｑ．Ｔｈｅ　ｕｓｅ　ｏｆ　ｍｉｌｌｉｍｅｔｅｒ　Ｄｏｐｐｌｅｒ　ｒａｄａｒ　ｅｃｈｏｅｓ　ｔｏ　ｅｓｔｉｍａｔｅ　ｖｅ￣ｉｃａｌ　ａｉｒ　ｖｅｌｏｃｉｔｉｅｓ　ｉｎ　ｔｈｅ　ｆａｉｒ—ｗｅａｔｈｅｒ　ｃｏｎｖｅｃｔｉｖｅ　ｂｏｕｎｄａｒｙ　ｌａｙｅｒ［Ｊ］．Ｊ．Ａｔｍｏｓ．Ｏｃｅａｎｉｃ　Ｔｅｃｈｎ—　ｏ１．，２００５，２２：２２５—２４６．