阅读说明：本技术 一种基于x波段全固态双偏振雨量雷达的降水估测方法 (Precipitation estimation method based on X-band all-solid-state dual-polarization rainfall radar ) 是由 韦一 杨杰 谭学 于 2019-08-29 设计创作，主要内容包括：本发明涉及一种基于X波段全固态双偏振雨量雷达的降水估测方法,主要包括以下步骤：1)在5分钟内获取X波段全固态双偏振雨量雷达对于60km范围的降水探测体积扫描基数据；2)提取雷达数据中的反射率因子dBz、径向速度V、差分传播相移φDP、差分传播相移率KDP、差分反射率因子ZDR、零延迟相关系数ρHV,进行回波强度衰减订正、径向速度退模糊、径向干扰回波处理；3)通过相态识别算法区分小雨、中雨、大雨、暴雨、固态降水、地物杂波、其它杂波等；4)根据不同的降水过程,通过自适应的降水估测算法,输出半径60km的面雨量格点数据。本方案解决了雷达波束部分遮挡(遮挡率<20%)和雨衰造成的基数据偏差问题,并提升降水估测精度。(The invention relates to a precipitation estimation method based on an X-band all-solid-state dual-polarization rainfall radar, which mainly comprises the following steps of: 1) acquiring volume scanning base data of the X-band all-solid-state dual-polarization rainfall radar for rainfall detection in a range of 60km within 5 minutes; 2) extracting a reflectivity factor dBz, a radial velocity V, a differential propagation phase shift phi DP, a differential propagation phase shift KDP, a differential reflectivity factor ZDR and a zero delay correlation coefficient rho HV in radar data, and performing echo intensity attenuation correction, radial velocity deblurring and radial interference echo processing; 3) distinguishing small rain, medium rain, heavy rain, solid precipitation, ground clutter, other clutter and the like through a phase recognition algorithm; 4) and outputting surface rainfall lattice point data with the radius of 60km according to different rainfall processes through a self-adaptive rainfall estimation algorithm. The method and the device solve the problems of partial shielding of radar beams (shielding rate is less than 20%) and deviation of base data caused by rain attenuation, and improve rainfall estimation precision.)

一种基于X波段全固态双偏振雨量雷达的降水估测方法

技术领域

本发明涉及雷达领域，具体涉及一种基于X波段全固态双偏振雨量雷达的降水估测方法。

背景技术

X波段全固态双偏振雨量雷达作为气象探测新型主动遥感设备，具有实时估测其探测范围内各点的降水回波强度以及一定区域内降水范围分布的能力，因此可以及时获得空间连续性较好、范围较大的定量降水资料。同时，因具有偏振体制，探测云、雨目标的差分反射率、差分传播相移率、相关系数等单偏振雷达不具有的参数，能较准确识别水凝结物。X波段雨量雷达在探测局地天气过程时，降水信息的空间分辨率和连续性均好于S和C波段天气雷达。因此，对于监测区域内的中小河流洪水、城市内涝、地质灾害等预警预报均有重大意义。

X波段雨量雷达在测雨过程时，影响降水估测精度的因素主要包括：1)降雨对电磁波存在着一定的衰减效应，雷达波长越小，其衰减越严重。X波段雨量雷达衰减最大，C波段次之，S波段雷达最小。因此，X波段雨量雷达需要进行衰减订正，对提高区域降水量估测精度具有较大的意义。2)地物等杂波的干扰；3)降水估测算法对不同类型降水的适应性。

现有技术的缺点在于：

(1)雷达波束部分遮挡(遮挡率<20％)和雨衰造成的基数据偏差；

(2)难以明确区分小雨、中雨、大雨、暴雨、固态降水(含冰雹和降雪)等，使得将水估算不准确，降水估测精度较低。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于X波段全固态双偏振雨量雷达的降水估测方法，解决现有技术中存在的雷达波束部分遮挡(遮挡率<20％)和雨衰造成的基数据偏差问题，并提升降水估测精度。

本发明的目的是通过以下技术方案来实现的：

一种基于X波段全固态双偏振雨量雷达的降水估测方法，包括以下步骤：

S1：在时间T内获取X波段全固态双偏振雨量雷达对于半径R范围的降水探测体积扫描VOL基数据；

S2：提取雷达数据中的反射率因子dBz、径向速度V、差分传播相移φDP、差分传播相移率KDP、差分反射率因子ZDR、零延迟相关系数ρHV，进行回波强度衰减订正、径向速度退模糊、径向干扰回波处理；

S3：通过相态识别算法区分小雨、中雨、大雨、暴雨、固态降水、地物杂波；

S4：根据不同的降水过程，通过自适应的降水估测算法，输出半径R的面雨量格点数据。

作为本发明的进一步改进，所述步骤S1中在时间T内完成9个仰角的扫描。

作为本发明的进一步改进，所述时间T取值为3-8min，所述半径R取值为40km-80km。

作为本发明的进一步改进，所述步骤S2中回波强度衰减订正采用用Kdp法，基于雷达观测资料中的差传播相移KDP与衰减率A_H有着良好的线性关系得到:

A_H＝a₁K_DP (1)

订正后的ZH可以表示为

其中：B_W为库长，单位:km，n_r为雷达探测距离库数；

公式式(2)中对KDP进行处理:将KDP＜q1及KDP＞q2的值认为是数据异常，取零，其中q1＝0.1deg/km，q2＝3.0deg/km。

作为本发明的进一步改进，所述径向速度退模糊根据模糊的速度值和最大不模糊速度Vmax，给出一系列可能的速度值，其公式如下:

V＝V_first+2·n·V_max (3)

其中称V_first为速度的初猜值，Vmax为最大不模糊速度，n为整数，V为可能的速度值；

通过公式(3)找到最弱的风场区来决定一系列初始参考径向和距离库，然后从这些径向和距离库出发，检查相邻库的连续性并对模糊速度进行订正。

作为本发明的进一步改进，所述模糊速度进行订正的步骤包括：

S01：寻找初始参考径向；

S02：利用初始参考径向对相邻的两根径向进行径向速度退模糊处理，得到三根好的初始径向；

S03：用得到的三根好径向同时作为参考径向来进行第一轮退模糊，算法从紧挨着三根初始径向的那根径向出发，从顺时针和逆时针两个方向同时逐根径向进行退模糊；不同于其它算法，该算法用得到的三根好径向同时作为参考径向来进行第一轮退模糊。算法从紧挨着三根初始径向的那根径向出发，从顺时针和逆时针两个方向同时逐根径向进行退模糊。这也是该算法与其它算法的不同之一，这样能更好地处理切变区域周围的径向速度模糊，同时也限制了180°范围内任何可能的错误扩散。

S04：第二轮径向逐根退模糊以及误差检查，第一轮径向退速度模糊之后，对在第一轮中没有被处理的所有点进行第二轮退模糊，第二轮退模糊除了在寻找参考速度时放宽了搜寻半径以外，其它步骤及方法与第一轮退模糊相同。

作为本发明的进一步改进，所述放宽了搜寻半径是指扩展到七根径向。

作为本发明的进一步改进，所述径向干扰回波处理包括：

S11：根据某个方向上的切向回波段长度值的分布特征，可准确定位径向干扰回波；

S12：确定其具体的方位后将该方位上的虚假数据抠除和赋零值，然后利用插值法，结合相邻径向上有效的雨强数据对赋零值区域进行插值填补。

作为本发明的进一步改进，所述插值法的公式为：

其中，M为径向干扰的方位宽度其分辨率为1°；Rjn为识别出的径向干扰第n个径向，n取值为(0～M)，j为第j个距离库格点的降水信息；K为插值有效径向的宽度；N为径向干扰降水带中每个径向所在的具体方位。

作为本发明的进一步改进，所述步骤S4包括如下子步骤：

S41：当降水强度为小雨时，利用Z-R关系法估测降水可以达到较好的精度，

其中，z_h为水平偏振反射率，单位为mm⁶/m³；

系数a、b取值为a＝300,b＝1.4，或a＝200,b＝1.6，分别对应对流云和层状云降水；

这里所指的小雨，是指本领域内通用划分的降雨等级，即降雨量为10mm/h以下。

S42：当降水强度＜20mm/h时，采用R(ZH)进行降水估测优于利用R(ZH，ZDR)、R(KDP)方法；当降水强度＞20mm/h时，采用R(KDP)方法进行降水估测；

本发明的有益效果是：

1)采用双偏振参量Kdp完成对dBz和Zdr的校准，解决雷达波束部分遮挡(遮挡率<20％)和雨衰造成的基数据偏差；

2)降水估测之前，采用模糊逻辑算法对雷达探测范围各区域进行相态识别，区分小雨、中雨、大雨、暴雨、固态降水(含冰雹和降雪)等，为下一步的降水估测算法提供输入参考条件；

3)针对不同类型、不同强度的降水采用自适应的降水估测算法，进一步提升降水估测精度。

附图说明

图1为本发明流程图；

图2为体积扫描模式VCP21示意图；

图3为原始的dBz分布和经过进行干扰处理后的dBz分布对比示意图；

图4为本发明对比方式示意图；

图5为实施例1雷达累积雨量与雨量站雨量对比图；

图6为实施例2雷达累积雨量与雨量站雨量对比图；

图7为实施例3雷达累积雨量与雨量站雨量对比图。

具体实施方式

下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种基于X波段全固态双偏振雨量雷达的降水估测方法，包括以下步骤：

S1：在时间T内获取X波段全固态双偏振雨量雷达对于半径R范围的降水探测体积扫描VOL基数据；

S2：提取雷达数据中的反射率因子dBz、径向速度V、差分传播相移φDP、差分传播相移率KDP、差分反射率因子ZDR、零延迟相关系数ρHV，进行回波强度衰减订正、径向速度退模糊、径向干扰回波处理；

S3：通过相态识别算法区分小雨、中雨、大雨、暴雨、固态降水、地物杂波以及其他杂波；其中固态降水包括雹、大雹、雨夹雹、霰、干雪、湿雪、冰晶等，利用模糊逻辑方法中的Beta隶属函数对降水粒子相态进行识别，是目前常用的粒子相态识别方法(Fuzzy logicHydrometeor Classification，简称FHC)，能对小雨滴、大雨滴、小雹、大雹、雨夹雹、霰、干雪、湿雪、冰晶等进行详细的识别和分类，本方案不再累述。

S4：根据不同的降水过程，通过自适应的降水估测算法，输出半径R的面雨量格点数据。

作为一种优选实施例，步骤S1中在时间T内完成9个仰角的扫描，扫描方式参考图2所示的中国气象局业务天气雷达VCP21扫描模式，时间T取值为3-8min，所述半径R取值为40km-80km，在本实施例中T取值为5min，半径R取值为60km。

作为一种优选实施例，所述步骤S2中回波强度衰减订正采用用Kdp法，基于雷达观测资料中的差传播相移KDP与衰减率A_H有着良好的线性关系得到:

A_H＝a₁K_DP (1)

订正后的ZH可以表示为

其中：B_W为库长，单位:km，n_r为雷达探测距离库数；

公式式(2)中对KDP进行处理:将KDP＜q1及KDP＞q2的值认为是数据异常，取零，其中q1＝0.1deg/km，q2＝3.0deg/km。

作为一种优选实施例，所述径向速度退模糊根据模糊的速度值和最大不模糊速度Vmax，给出一系列可能的速度值，其公式如下:

V＝V_first+2·n·V_max (3)

其中称V_first为速度的初猜值，Vmax为最大不模糊速度，n为整数，V为可能的速度值；

通过公式(3)找到最弱的风场区来决定一系列初始参考径向和距离库，然后从这些径向和距离库出发，检查相邻库的连续性并对模糊速度进行订正。

首先通过找到最弱的风场区来决定一系列初始参考径向和距离库，然后从这些径向和距离库出发，检查相邻库的连续性并对模糊速度进行订正。

该算法主要基于风场连续性原则，算法简单独立能自动化运行，计算性能较高。

作为本发明的进一步改进，所述模糊速度进行订正的步骤包括：

S01：寻找初始参考径向；

S02：利用初始参考径向对相邻的两根径向进行径向速度退模糊处理，得到三根好的初始径向；

S03：用得到的三根好径向同时作为参考径向来进行第一轮退模糊，算法从紧挨着三根初始径向的那根径向出发，从顺时针和逆时针两个方向同时逐根径向进行退模糊；

S04：第二轮径向逐根退模糊以及误差检查，第一轮径向退速度模糊之后，对在第一轮中没有被处理的所有点进行第二轮退模糊，第二轮退模糊除了在寻找参考速度时放宽了搜寻半径以外(扩展到七根径向)，其它步骤及方法与第一轮退模糊相同。

雨量雷达系统生成区域降水量产品中，某些时刻存在条幅状虚假降水带，经过分析为径向干扰回波所生成。这种虚假回波带污染了区域内的降水量分布，给有径向干扰的区域造成了降雨的虚警。

本方案提供的径向干扰回波识别方法是在SCIT(Storm Cell Identificationand Trackin风暴单体识别与跟踪)方法划分风暴段和风暴块的基础上，通过改变相关条件和参数实现。在识别径向干扰回波时，改变了划分回波段方向，使用沿雷达切向方向划分切向回波段。切向回波段包含了回波在某个距离上的起、止方位角，并能反映回波在该距离上的切向宽度。针对干扰回波的分析，可发现其在某个方向上距离库宽度较小且基本不变。因此对应方向上所有的切向回波段长度值基本相同且都较小。因此，根据某个方向上的切向回波段长度值的分布特征，可准确定位径向干扰回波。

作为一种优选实施例，所述径向干扰回波处理包括：

S11：根据某个方向上的切向回波段长度值的分布特征，可准确定位径向干扰回波；

S12：确定其具体的方位后将该方位上的虚假数据抠除和赋零值，然后利用插值法，结合相邻径向上有效的雨强数据对赋零值区域进行插值填补。

所述插值法的公式为：

其中，M为径向干扰的方位宽度其分辨率为1°；Rjn为识别出的径向干扰第n个径向，n取值为(0～M)，j为第j个距离库格点的降水信息；K为插值有效径向的宽度；N为径向干扰降水带中每个径向所在的具体方位，如图3所示即给出了利用本方法处理后原始的dBz分布和经过进行干扰处理后的dBz分布对比示意图。

作为一种优选实施例，所述步骤S4包括如下子步骤：

S41：当降水强度为小雨时，利用Z-R关系法估测降水可以达到较好的精度，

其中，z_h为水平偏振反射率，单位为mm⁶/m³；

系数a、b取值为a＝300,b＝1.4，或a＝200,b＝1.6，分别对应对流云和层状云降水；

S42：当降水强度＜20mm/h时，采用R(ZH)进行降水估测优于利用R(ZH，ZDR)、R(KDP)方法；当降水强度＞20mm/h时，采用R(KDP)方法进行降水估测；

在具体实施过程中，将雨量雷达测量的累积雨量值与对应时间段对应区域内雨量站测量值进行对比。在对比过程中，考虑到风速等因素的影响，不直接采用单点雨量对比方法，采用雨量站与雨量雷达对应雨量站点周围9个格点的均值进行比较的方法，以确保对比方法的准确性。如图4所示,，以九宫格中心点代表雨量雷达探测范围内某雨量站位置，周围八个点代表雨量站周围的雨量雷达测量格点，圆圈代表雨量雷达探测范围。

选取比率(RATIO)和平均相对误差(ARE)2个参数对雷达降水估测度进行评估。

其中:R_i为雷达雨量，G_i为雨量站雨量，n为雷达探测区域内雨量站数量。

具体应用实例1

降水过程时间为：2015年06月02日20:00–2015年06月04日00:00，地点：某地雨量雷达。该过程为混合型降水过程，持续时间长，共52个小时，降水过程一直伴随着层状云降水和对流云降水，大部分雨量站点24h雨量超过100mm，属于大暴雨降水过程。该过程雨量雷达累积雨量相与雨量站雨量整体接近，两者相关性较好，相对误差较小，其评估结果见表1，评估结果如表1所示，雷达累积雨量与雨量站雨量对比见图5所示。

表1 南昌评估结果

具体应用实例2

降水过程时间为：2016年05月25日09:00-2016年05月27日00:00。地点：某地雨量雷达。该过程为稳定性层状云降水过程，持续时间较长，降水空间结构均匀，大部分雨量站点24h雨量均在50mm以下。该过程雨量雷达累积雨量与雨量站雨量整体接近，两者相关性较好，相对误差较小，评估结果如表2所示，雷达累积雨量与雨量站雨量对比见图6所示。

表2 评估结果

具体应用实例3

降水过程时间为：2015年07月9日9：00–2015年07月10日00：00，地点：某地雨量雷达。该过程为稳定性层状云降水过程，降水空间结构均匀，大部分雨量站点24h雨量均在50mm以下。该过程雨量雷达累积雨量与雨量站雨量整体接近，两者相关性较好，相对误差较小，评估结果如表3所示，雷达累积雨量与雨量站雨量对比见图7所示。

表3 评估结果

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。