具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

本发明设计了一种双极化气象雷达差分相位的质量控制方法，整体流程如图1所示。

本实施例在已有双极化雷达系统实测数据的基础上进行的数据处理。实验所用软件和硬件配置如表1所示：

表1实验环境

步骤如下：

步骤1、对双极化雷达实测差分相位进行预处理，包括对PPI显示图中的麻点状杂波、突变杂点和条幅状杂波进行处理；

步骤2、利用差分相位，水平反射率因子与差分反射率因子之间的关系，去除实测差分相位值中存在的后向差分相位误差；

步骤3、根据同一径向上差分相位的变换情况，进行LSTM处理，对差分相位进行滤波；

步骤4、遍历双极化雷达射线全方位扫描所有径向的实测差分相位值，进行LSTM处理；

步骤5、基于LSTM处理后的差分相位值，利用反射率衰减订正算法进行反射率的衰减订正。

在本实施例中，上述步骤1采用如下优选方案实现：

对双极化雷达实测反射率因子值的进行预处理，包括对平面位置显示图中的麻点状杂波，突变杂点和条幅状杂波的处理。双极化气象雷达实测所得的差分相位的PPI显示图如图2所示。

其中对麻点状杂波进行处理的主要步骤为：

设定滑动窗口的大小为2m×2n，i表示为方位向距离库，j表示为径向距离，计算窗口内有效值的距离库个数占总窗口内距离库个数的百分比，当占比小于某一阈值γ时，则认为该窗口中心数据点为非气象回波点并进行剔除处理，即：

其中，deg_i,j为双极化雷达数据给定距离库点(i,j)的差分相位值，NaN为实测的无效数据，P_i,j为选定窗口内有效差分相位值占窗口总距离库数的百分数，当P_i,j少于设定阈值时，则判断该数据点(i,j)为孤立点噪声并加以剔除。麻点状杂波消除后的结果如图3所示。

去除数据中突变杂点的主要步骤为：

首先确定突变杂点的位置，以每个距离库为中心，利用滑动窗口对全360°，全距离路径上的数据进行扫描。仍然构建大小为2m×2n的小窗口，计算窗口内其他距离库上的差分相位值和中心距离库的差值。设中心距离库的差分相位为deg₀，其他窗口中的差分相位值为deg_i，有：

Δdeg_i＝|deg_i-deg₀|

记录所得数据中大于阈值T1的个数N，若N/(2m×2n)-1超过了阈值T2，则判定该距离库为突变杂点，剔除该距离库上的数据值；之后利用滑动窗口内的数据进行插值处理，使该距离库上的数据值满足雷达径向数据和距离向数据的变化规律。突变杂点的消除结果如图4所示。

消除条幅状杂波的主要步骤为：

(1)确认误差差分相位的位置，设定相邻径向差分相位差为：ΔΦ_dp＝Φ_dp(j)-Φ_dp(j-1)，其中j为径向上的距离库位置，Φ_dp为差分相位的值。设定参数N_th为相邻两径向上差值大于αdB的距离库个数。记N_th1为第i行和第i-1行之间的差分相位值大于αdB的距离库的个数，N_th2为第i+1行和第i行之间差分相位值大于αdB的距离库的个数。设定参数ΔN_th为：ΔN_th＝|N_th1-N_th2|，若ΔN_th的值大于某一设定的参数β时，则判定该径向上的数据存在误差。

(2)确定条幅状干扰回波的具体方位之后，将该条幅状干扰回波全部扣除，再采用插值法进行订正，选定以该径向的第一个距离库开始，每个距离库上构建以该距离库为中心的窗口，对窗口中的值进行均值处理。最终得到的差分相位值如图5所示。

在本实施例中，上述步骤2采用如下优选方案实现：

当满足瑞利散射条件时，后向差分相位可以忽略，在双极化气象雷达中，设定在同一径向雷达射线中，若两个距离库中测量得到的差分反射率因子的值相同，则两个距离库差分相位的差值即为降水差分相位的差值。即：

ΔΨ_dp＝Ψ_dp(r_b)-Ψ_dp(r_a)＝ΔΦ_dp

其中，Ψ_dp表示双极化雷达直接测量得到的差分相位，Φ_dp表示降水差分相位。假定雷达同一径向距离库的个数为M，设定矩阵P为：

其中，为数学排列组合概念中的组合数。根据矩阵P的值，得到矩阵A，假定矩阵P中每一像素点的值用P(i,j)表示，其中，i为矩阵的行，j为矩阵的列，则有：则A的第i行为a的二进制表示方式(左边为低位)。

当M为4时，矩阵A可以表示为：

设定雷达实测得到的差分反射率因子为Z_dr，则有：

ΔZ_dr＝P·Z_dr

ΔΨ_dp＝P·Ψ_dp

关注其中ΔZ_dr为0的行，对应到此时的ΔΨ_dp＝ΔΦ_dp，将满足上述条件的行数记录下来，矩阵A这些对应行单独列出来得到矩阵A'。接着计算其中参数Z_hh表示为系统实测得到的水平反射率因子。对参数w的每一行都由该行的数据总和进行规范化得到：w_norm。则得到差分相依率K_dp的值为：

Δr表示单个距离单元的长度。

利用差分相移率通过下式对差分相位进行重构：

其中，r_j表示径向上第j个距离库。

得到的前向差分相位PPI显示图如图6所示。降水差分相位的PPI显示图如图7所示。

在本实施例中，上述步骤3采用如下优选方案实现：

在LSTM网络中，根据输入到网络中的输入序列进行网络训练，预测后面一个数据点的值。在网络训练中，输入的差分相位值序列需要进行多个点的综合学习，网络会减弱变动大的点的特征，因此对整个径向数据的预测结果起到滤波的效果。进行滤波前后的对比图如图8所示。

LSTM是一种特殊的循环神经网络，利用将上一时刻状态和该时刻的状态数据输入到网络中进行训练，利用每一时刻的训练结果来预测得到下一时刻的状态数据。通过观察降水区间内差分相位的变化情况，设定网络的输入序列，得到经过LSTM处理之后的差分相位值，达到对差分相位的滤波效果。

在本实施例中，上述步骤4采用如下优选方案实现：

对双极化雷达全360度方位所有径向的数据都进行LSTM处理。LSTM的结构图如图9所示。

在本实施例中，上述步骤5采用如下优选方案实现：

对得到的差分反射率因子进行衰减订正，双极化雷达反射率的衰减订正算法包括差分相位订正法，降水廓线法和自适应约束算法等，本发明采用降水廓线方法为例。假定衰减率为A_H，雨区的范围为(r₁,r₀)，则有：

ΔΦ_dp＝Φ_dp(r₀)-Φ_dp(r₁)

设定衰减订正之后的反射率因子为Z'_hh，衰减订正之前反射率因子的值为Z_hh，r表示径向上距离库到雷达中心的距离，a,b为衰减订正系数，系数a与温度和液滴大小有关，需要先设定先验值，根据Andger关系进行拟合得到的a为0.293。当温度一定时，b为常数。因此，在固定温度下的b取值确定，b的取值范围为(0.76，0.84)。

则得到衰减订正的公式为：

q为衰减订正系数，取值为1.224。衰减订正之后反射率因子的PPI显示图如图10所示。

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。