1.   引　言

中国从1998年开始大规模建设新一代天气雷达（CINRAD），截至2024年1月已建成了252部雷达组成的天气雷达监测网。自2015年起，业务雷达网开始进行双偏振升级改造，截至2023年4月已有93部完成了升级并投入业务使用。双偏振雷达同时发射水平和垂直方向的偏振波来探测降水粒子，可以得到如差分反射率因子（Z_DR）、差分传播相移（Φ_DP）、差分传播相移率（K_DP）和相关系数（ρ_HV） 等与降水粒子的大小、相态和浓度相关的双偏振量。近年来的研究证实，双偏振升级后的业务雷达能更准确地识别和剔除非气象回波（Tang，et al，2014；马建立等，2019；刘宗庆等，2021），基于双偏振量的水凝物相态识别方法能够大幅度提升冰雹的识别率（Wu，et al，2018；吴举秀等，2023），定量降水估测算法在使用双偏振关系后精度也进一步提升（张哲等，2021；Ma，et al，2021）。

良好的质量是双偏振雷达资料应用的基础，数据质量评估是业务应用前必要的环节。影响雷达探测数据质量的主要因素包括地物、避雷针、标定以及衰减等（朱丹等，2018；王超等，2019；李思腾等，2021）。其中，地物影响在此前研究中大多聚焦于建筑物、山脉等对电磁波传播的遮挡现象，中国除高原地区外，其余地区的新一代天气雷达受波束遮挡影响较小（柳云雷等，2020；Tan，et al，2023）。对于地物本身的强散射信号主要通过杂波识别算法和滤波器结合进行抑制。WSR-88D天气雷达最早使用无限脉冲响应（IIR）椭圆滤波器对静态杂波图识别出的杂波位置进行滤波，由于其暂态响应对地物抑制性能的影响不能完全去除，后改用抑制特性更优的回归滤波器（Kadi，et al，1995；Torres，et al，1999）。针对静态杂波图的缺陷，Hubbert等（2009）引入可实时判别杂波位置的杂波减轻决策（CMD）算法，但会将窄谱宽、0速度的天气回波误判为杂波，Li等（2013）提出结合时域和频域的谱杂波识别（SCI）算法弥补了该不足。中国的新一代天气雷达目前采用自适应高斯频域（GMAP）滤波器，在滤除杂波的同时可通过高斯拟合恢复余下的天气回波（Siggia，et al，2004；何建新等，2010；程元慧等，2020）。但是，上述有关地物抑制方法的研究主要针对单偏振雷达的反射率因子（Z_H），双偏振升级后Z_H和Z_V（垂直通道的反射率因子）都需进行地物抑制，而现有地物抑制方法对Z_DR、ρ_HV、Φ_DP等双偏振量的影响尚未见评估。

基于长期观测数据的统计研究是评估地物影响的常用方法（文浩等，2017；谢晓林等，2023）。针对地物对双偏振量的影响，Wu等（2021）利用广东省2016、2017年第一批双偏振升级的新一代天气雷达观测数据，初步统计发现地物位置的偏振量与正常降水回波差异较大，分析可能是地物产生的非瑞利散射以及滤波器对不同杂波水平的响应引起的两个正交通道的异常造成的。但该现象对于双偏振升级后的新一代天气雷达是否具有普适性？地物影响的主要来源是什么？对数据质量的影响有何种性质？目前还缺乏系统的研究。针对以上问题，使用中国93部双偏振升级后的新一代天气雷达观测资料，通过长时间数据累积后的异常区确定地物影响的特征和范围，统计分析该影响在中国业务雷达中的整体比例、影响的主要来源、影响与雷达型号和观测模式的关系、影响随时间的变化情况、影响的性质及双偏振量的分布特征，为将来进一步研究这种影响对降水估测和相态识别等产生的偏差提供依据。

2.   地物影响的定义和统计方法

本研究选取2016—2023年完成双偏振升级的93部新一代天气雷达，站点及型号分布见图1。其中，华北地区10部、华中地区15部、华东地区35部、华南地区14部、西南地区13部、西北和东北地区分别有4和2部，保证了研究结果具有足够的代表性。针对地物回波随空间、时间变化极小的特点，采用长时间数据累积的方法，从整年汛期观测数据中筛选出中等强度的较大范围降水个例（限制Z_H位于27—33 dBz、降水面积占2.4°仰角PPI比例≥15%），确保样本不受冰雹、非气象回波、不同距离灵敏度的影响，再对有效观测值（Z_H、Z_DR、ρ_HV、Φ_DP的标准差（SD（Φ_DP））、地物抑制前的反射率因子（Z_T））进行点对点平均。随着累积次数的增加，不同降水类型的差异减小，地物与降水回波的差异增大。

图  1  不同型号新一代天气雷达 （CINRAD） 的站点分布 （图中不同颜色的圆点代表不同型号的雷达，黑色圆圈代表暂未做双偏振升级的雷达）

Figure  1.  Distribution of stations for different types of China New Generation Doppler Weather Radar （CINRAD） （ dots in different colors represent different types of radars，black circles represent radars that have not been upgraded to dual polarization）

下载: 全尺寸图片 幻灯片

图2以洛阳站（Z9379）CINRAD/SAD型双偏振雷达为例，给出了2023年4—9月长期累积数据的水平和垂直结构。洛阳雷达在0.5°仰角的东南区域（100°—120°方位）长期无有效观测值，通过叠加地形的垂直结构发现，这是雷达附近山脉遮挡波束传播造成的。除了广泛认知的地物遮挡外，双偏振量在累积数据中也呈现出明显的差异。雷达近处50 km内的水平结构中出现了大片Z_DR＜0.5 dB、ρ_HV＜0.92、SD（Φ_DP）＞10°的异常区，而正常的降水回波经过长时间累积后Z_DR位于0.5—1.5 dB、ρ_HV＞0.98、SD（Φ_DP）＜4°。异常区内的Z_T大于45 dBz，表明这是由地物引起的异常，因此将ρ_HV＜0.92或SD（Φ_DP）＞10°的区域认为是地物影响区。尽管新一代天气雷达的GMAP滤波器能够较好地将Z_H中的地物去除并恢复降水信息（异常区的Z_H与周围基本一致），但对于量级更小、两个通道一致性要求更高的双偏振量，GMAP暂无法较好地恢复。

图  2  累积数据的水平和垂直结构 （a、f） Z_T、（b） Z_H、（c、g） Z_DR、（d、h） ρ_HV、（e、i） SD（Φ_DP） （站点为洛阳站，累积数据选取2023年4—9月，水平结构为0.5°仰角，黑实线为垂直结构的径向切线，方位角为110°和290°，黑色剖面代表地形）

Figure  2.  Horizontal and vertical structures of accumulated data （a，f） Z_T，（b） Z_H，（c，g） Z_DR，（d，h） ρ_HV，（e，i） SD（Φ_DP） （the station is Luoyang，and the accumulated data are selected from April to September of 2023，horizontal structure is with 0.5° elevation，the black solid line is the radial tangent of the vertical structure，with azimuths of 110° and 290°，the area shaded in black represents terrain）

下载: 全尺寸图片 幻灯片

通过图2f—i累积数据的垂直结构，将地物影响进一步细分。低层仰角，上述异常区与波束指向周围的山脉直接对应，Z_T与Z_H差值（ΔZ_H）＞10 dBz，定义为主瓣地物影响区（Mainlobe Ground Influence，MGI）。随着仰角升高、波束指向远离山脉，强度相关的地物特征几乎消失（0 dBz＜ΔZ_H≤10 dBz），此时仍存在一定面积的双偏振异常区。考虑到新一代天气雷达天线第一副瓣电平约为−29 dB，认为该区域是由副瓣发出的电磁波遇到地物引起的异常，定义为副瓣地物影响区（ Sidelobe Ground Influence，SGI）。观测量处于正常降水区间的，定义为无地物影响区（No Ground Influence，NGI）。无有效观测数据的，定义为波束遮挡区（Beam Blockage）。

通过上述定义，主要从以下5个方面开展地物对双偏振量的影响研究：（1）使用93部新一代天气雷达的累积数据，逐仰角层计算不同类型地物影响的面积比例，统计出该影响的整体情况。（2）从93部雷达中筛选出地物影响严重和影响轻微的两组，通过分析与周围地形、夜间灯光数据和人口密度的相关讨论地物影响的主要来源。（3）从93部雷达中筛选出不同型号和不同观测模式的站点，对比不同生产厂家和扫描策略下地物影响的差异。（4）从93部雷达中筛选出运行时间最长的典型站点，分析地物影响在较长一段时间内的年际变化情况。（5）从93部雷达中筛选出1部地物影响严重的典型雷达，根据累积的异常区回溯整年汛期的时间序列数据，量化统计每次观测的误差分布，探究地物影响的性质。

3.   地物影响特征的统计分析

3.1   新一代天气雷达地物影响的整体情况

为了获取93部新一代天气雷达的地物影响概况，根据前面对双偏振量异常区的定义，逐仰角统计各站点2023年汛期累积数据中主瓣地物、副瓣地物、波束遮挡、无影响区域的占比，具体为符合阈值的像素点数量/该仰角有效观测范围内总像素点数量。有效观测范围考虑了不同仰角波束在对流层内的探测范围差异，在4.3°仰角以下限制为100 km，6.0°、9.9°、14.6°、19.5°仰角分别限制为80、50、35和25 km。

图3a—c以箱线图方式给出了93部雷达的地物占比分布及随仰角的变化。在0.5°仰角，大部分雷达主瓣地物影响区的面积比例为2%—10%，最严重的站点超过15%；副瓣地物影响区的面积比例10%—22%，最严重的超过35%。随着仰角升高，主瓣地物影响区占比迅速降至2%以下，但副瓣地物影响区的占比仍保持在4%—7%。考虑雷达在高仰角（＞6.0°）的有效观测范围本身就不大，副瓣占比还可能随仰角的升高而增大。对于波束遮挡现象而言，大部分雷达0.5°仰角的占比不超过5%，1.5°以上仰角不超过1%，可忽略不记。由此可见，尽管中国建设新一代天气雷达时充分考虑了地形的影响，但地物引起的双偏振量异常区已超过了地物引起的遮挡，成为影响数据质量的重要因素。

图  3  （a） 主瓣地物影响区、（b） 副瓣地物影响区、（c） 波束遮挡区的面积比例箱线图 （图中上、下限分别代表面积比例从高到低排列在5%和95%的数值，箱体的上下限分别代表排列在25%和75%的数值，方框中线为中位数），不同类型地物影响的面积比例直方图 （d） 大兴站、（e） 嵊泗站

Figure  3.  Box plots of area proportions of （a） MGI，（b） SGI，（c） Beam Blockage （upper and lower limits of the graph represent the values of the area proportions ranked from the highest to the lowest at 5% and 95%，and the upper and lower limits of the box represent the values ranked at 25% and 75%，the middle lines of the boxes show median values），histograms of area proportions for different types of ground influence at （d） Daxing station，（e） Shengsi station

下载: 全尺寸图片 幻灯片

统计同时发现，大部分站点在箱线图中的排名随仰角变化很小，即低仰角受地物影响较大的站点高仰角影响同样较大，反之亦然。图3d、e以大兴站（Z9010）和嵊泗站（Z9041）SAD型雷达为例，给出了两种存在显著差异的地物影响比例直方图。大兴雷达受地物影响严重，在0.5°仰角下主瓣、副瓣、遮挡对应的占比分别达到17.1%、27.0%和3.7%，共计47.8%。随着仰角抬升，副瓣影响区的占比仍可维持在10%左右。相比之下，嵊泗雷达受地物的影响很小，0.5°仰角主瓣、副瓣、遮挡的占比分别为0.6%、3.1%和0，且仰角升高后几乎无副瓣地物影响特征出现。该差异为筛选典型、讨论地物影响的来源奠定了基础。

3.2   地物影响的来源分析

对电磁波具备强散射能力的地物主要有雷达站周围的山脉和城市建筑物，但尚不清楚二者如何贡献了双偏振量的异常区。为此，使用NASA发布的SRTM数字高程模型（Farr，et al，2007）计算雷达天线高度与周围100 km内平均地形高度的差值（单位：km），用于直接量化山脉的影响；使用EOG发布的夜间灯光数据（VIIRS Nighttime Lights，VNL） （Elvidge，et al，2021）和LandScan Global发布的人口数据（Dobson，et al，2000）计算雷达周围100 km内的平均灯光亮度（单位：nW/（cm²·sr·km²））和人口密度（单位：人/km²），用于间接量化城市建筑物的影响。为了提升研究的显著性，从93部雷达2023年汛期累积数据中筛选出地物影响严重的典型雷达站（平均地物影响占比排名前25%，共24部）和影响轻微的典型雷达站（平均地物影响占比排名后25%，共24部），站点信息见表1。

表  1  地物影响严重和轻微的典型雷达站信息

Table  1.  Typical sites with severe and minor ground influence

	影响严重组						影响轻微组
	站号	站点	平均地物影响占比				站号	站点	平均地物影响占比
	Z9200	广州	0.279760				Z9350	忻州	0.008223
	Z9024	海坨山	0.261598				Z9023	阿尔山	0.009482
	Z9030	新源	0.199799				Z9870	昭通	0.009628
	Z9572	湖州	0.168986				Z9691	西双版纳	0.010424
	Z9551	合肥	0.165109				Z9094	习水	0.011684
	Z9010	大兴	0.162377				Z9041	嵊泗	0.012878
	Z9755	深圳	0.162361				Z9976	玉树	0.013140
	Z9571	杭州	0.162114				Z9096	榕江	0.013313
	Z9532	青岛	0.160614				Z9559	黄山	0.017998
	Z9280	成都	0.157949				Z9873	红河	0.018461
	Z9516	徐州	0.157684				Z9357	济宁	0.020218
	Z9518	连云港	0.154579				Z9060	神农架	0.020962
	Z9592	厦门	0.150061				Z9852	遵义	0.022927
	Z9531	济南	0.141239				Z9575	绍兴	0.032291
	Z9536	潍坊	0.139934				Z9597	金华	0.032784
	Z9250	南京	0.138340				Z9837	阿坝州	0.033844
	Z9379	洛阳	0.138303				Z9973	黄南	0.038758
	Z9717	宜昌	0.138140				Z9095	务川	0.040324
	Z9580	舟山	0.136685				Z9073	万宁	0.041545
	Z9731	长沙	0.134742				Z9570	衢州	0.046111
	Z9556	安庆	0.132656				Z9763	清远	0.052224
	Z9417	营口	0.130148				Z9792	九江	0.056209
	Z9898	海口	0.124019				Z9735	郴州	0.057839
	Z9754	汕头	0.122846				Z9376	信阳	0.058093

下载: 导出CSV 

| 显示表格

图4a—c以箱线图方式给出了两组对照雷达的站点地形高度差、夜间灯光亮度和人口密度的量化对比。从图4可见，受影响轻微组雷达天线大多高于周围地形0.16—0.90 km，夜间灯光亮度0.15—0.73 nW/（cm²·sr·km²），人口密度75—204 人/km²。而受影响严重组雷达天线大多高于周围地形0.05—0.24 km，夜间灯光亮度1.69—6.09 nW/（cm²·sr·km²），人口密度409—825 人/km²。两组对照雷达的夜间灯光亮度和人口密度箱线图几乎没有重叠区，站点地形高度差的箱线图重叠区也不大，说明地物影响严重的雷达多位于城市发展水平较高（夜间灯光亮度高、人口密集）的地区，同时雷达架设高度距离地形越近时受影响概率也越大。

图  4  地物影响轻微和严重的两组雷达 （a） 站点地形高度差、（b） 平均夜间灯光亮度、（c） 人口密度的箱线图 （箱线图中上、下限分别代表面积比例从高到低排列在5%和95%的数值，箱体的上、下限分别代表排列在25%和75%的数值，方框中线为中位数），93部雷达的平均地物影响面积比例与 （d） 站点地形高度差、（e） 平均夜间灯光亮度、（f） 人口密度的散点图 （红色虚线为散点拟合线）

Figure  4.  Box plots of （a） altitude difference，（b） mean annual VNL，（c） population density for two sets of radars with minor and severe ground influences （upper and lower limits in the box plots represent the values of the area proportions ranked from the highest to the lowest at 5% and 95%，and the upper and lower limits of the box represent the values ranked at 25% and 75%，the middle lines of the boxes show median values），scatter plots of the area proportions of ground influence with （d） altitude difference，（e） mean annual VNL，（f） population density for 93 radars （the red dashed line are scatter points fit lines）

下载: 全尺寸图片 幻灯片

基于上述发现，进一步使用93部雷达的平均地物影响占比分别与站点地形高度差、夜间灯光亮度和人口密度做散点图（图4d—f）。其中，地物影响程度与夜间灯光亮度和人口密度呈现显著的正相关，城市发展水平低则建筑少，地物影响占比小；城市发展水平高则建筑多，地物影响占比大，该结论适用于中国绝大部分业务雷达。而地物影响程度与周围地形总体呈现出雷达高于地形时影响占比小、雷达低于地形时影响占比大的趋势，但相关较差。特别是当雷达天线高度略高于周围地形时，出现了较多的离群点，需要结合雷达型号、周围环境具体分析。总之，在今后雷达建设时，城市化的稠密建筑物分布与等射束高度图同样重要，需作为选址的参考依据。

3.3   地物影响与雷达型号和观测模式的关系

93部新一代天气雷达由SAD、SCD、CAD、CCD、CDD共5个型号组成。由于型号间的部署规划差异，导致各型雷达周围的地形和建筑分布特征不同，进而呈现的地物影响程度也不同。为此，基于平均地物影响占比与站点地形高度差、夜间灯光亮度和人口密度的统计结果，进一步以分类散点图的方式展开分析（图5a—c）。其中，76部SAD型雷达在数量上占绝对主导，主要部署于东南沿海的经济发达地区，对应的天线高度大多距离地面较近、周围城市化程度较高，受地物的影响也较严重。仅有少数SAD型雷达部署在距离地面较高的山顶（例如神农架站、黄山站、衢州站等，散点位于图5a左上角区域），尽管上述站点周围的人口密度和灯光亮度不算低，但地物影响的程度却很轻。其余型号的17部雷达（SCD型1部、CAD型8部、CCD型6部、CDD型2部）主要部署于中西部地区、城市化率较低，因此大部分站点不论位于山顶或近地面，地物影响都不大（图5a左侧区域）。仅当部分SCD/CCD型雷达位于明显低于地形的山谷时（新源站、奇台站、吉安站，图5a中部偏下区域），尽管站点周围的城市化率几乎为0，但地物影响的程度却偏重。总而言之，当站点显著高于地形时，任何型号受地物影响程度都很轻；当站点与地形高度接近时，取决于部署地区的城市化率，SAD型严重而其余型号很轻；当站点显著低于地形时，任何型号雷达的地物影响程度都偏重。

图  5  不同型号雷达的平均地物影响面积比例与 （a） 站点地形高度差、（b） 平均夜间灯光亮度、（c） 人口密度的散点图

Figure  5.  Scatter plots of the area proportions of ground influence with （a） altitude difference，（b） mean annual VNL，（c） population density for different types of CINRAD

下载: 全尺寸图片 幻灯片

中国新一代天气雷达主要采用3种观测模式，分别为降水模式1（VCP11、5 min扫描14层仰角）、降水模式2（VCP21、6 min扫描9层仰角）和晴空模式（VCP31、10 min扫描5层仰角），对应的天线转速和脉冲累积数不同。为研究其是否造成地物影响差异，选取开展精细化观测试验的杭州站SAD型雷达在2021—2023年采集的5、6、7、8、9、12、14、15层仰角以及125、250 m距离分辨率的数据集。对数据集中相同空间分辨率的降水数据逐年进行累积，再逐仰角统计不同观测模式下主瓣和副瓣地物影响面积占比（方法同3.1节），所得分类折线图如图6。对比发现，尽管各观测模式的累积点数差别较大（例如晴空模式第1层仰角为63点、降水模式1为16点），但双偏振异常区的占比差异很小且随仰角变化趋势一致，表明地物影响与扫描策略的关系不大。2023年各模式在高仰角存在细微差异主要是模式增多后累积样本减小且样本量不均匀导致的。

图  6  不同观测模式的主瓣 （a、c、e） 和副瓣 （b、d、f） 地物影响面积比例随仰角的变化情况 （a、b. 2021年，c、d. 2022年，e、f. 2023年；12层观测模式括号中的数字代表距离分辨率，站点为杭州站）

Figure  6.  Variations of the area proportions of MGI （a，c，e） and SGI （b，d，f） with elevation angle for different observation modes （a，b. 2021；c，d. 2022；e，f. 2023；12-layer VCP numbers in parentheses represent distance resolution，the station is Hangzhou）

下载: 全尺寸图片 幻灯片

3.4   地物影响随时间的变化

根据3.2节的研究结果，地物影响主要与雷达周围的地形和建筑物有关。其中，地形几乎不会随时间变化，但建筑物会因城市化的发展而引入不确定因素。为研究地物影响的时间变化特征，选取2016年第一批完成双偏振升级的广州站和韶关站SAD型雷达作为典型，对比业务运行6 a来地物占比的变化情况（2018—2019年因质量控制算法错误导致双偏振量无法使用）。图7以分类折线图形式给出了地物影响（当前仰角主、副瓣地物占比之和）的年际变化特征，可见对于某一站点而言，双偏振异常区随仰角的变化趋势是独特且几乎固定的，但异常区的整体占比存在不确定性。广州雷达2017年的双偏振异常区占比较2016年增加2%，2020年较2017年又增加8%，2020年后趋于稳定；韶关雷达2016—2023年的面积比例曲线几乎重合，年际差异小于3%。

图  7  2016—2017年和2020—2023年地物影响面积比例 （主瓣+副瓣） 的变化情况 （a. 广州站，b. 韶关站）

Figure  7.  Variations of the area proportions of MGI and SGI in 2016—2017 and 2020—2023 （a. Guangzhou station，b. Shaoguan station）

下载: 全尺寸图片 幻灯片

图8给出了广州和韶关雷达新增地物影响区（2022与2016年相比）的空间分布，并与两年的夜间灯光亮度数据对比分析。可见，广州地区的夜间灯光亮度平均值从2016年的5.72 nW/（cm²·sr·km²） 增强至2022年的9.93 nW/（cm²·sr·km²），夜间灯光的新增大值区与广州雷达西北、东南方向的新增地物影响区基本对应。而韶关雷达2016—2022年的夜间灯光亮度平均值仅从0.22 nW/（cm²·sr·km²）增强至0.42 nW/（cm²·sr·km²），夜间灯光亮度高值区和地物影响区均无明显变化。基于上述发现，对于城市化率急剧变化地区的新一代天气雷达，双偏振数据质量需要以年为单位进行评估。

图  8  0.5°仰角2022年较2016年地物影响新增区 （a、d. 黑色区域）、2016年 （b、e） 和2022年 （c、f） 的平均夜间灯光亮度（a—c. 广州站，d—f. 韶关站）

Figure  8.  The increased areas of ground influence in 2022 compared to that in 2016 at 0.5° elevation （a，d. black areas） and annual VNL in 2016 （b，e） and 2022 （c，f） （a—c. Guangzhou station，d—f. Shaoguan station）

下载: 全尺寸图片 幻灯片

3.5   地物影响的性质及双偏振量的分布特征

尽管通过长期数据的累积已清晰发现了地物导致Z_DR和ρ_HV偏小、SD（Φ_DP）偏大的异常区，但目前尚不清楚累积数据的异常特征是否与单一时次的观测相同，能否进一步通过累积特征来对实况数据进行订正。为此，选取地物影响严重的南京站SAD型雷达，根据累积异常区逐像素点回溯2023年4—9月的时间序列数据，进而统计不同影响区的双偏振量（Z_DR、ρ_HV、SD（Φ_DP））分布特征（图9）。在无地物影响的正常降水区域，Z_DR主要位于−0.84—1.47 dB，且Z_DR出现正值的概率要明显高于负值出现概率，ρ_HV和SD（Φ_DP）分别高度集中于0.98—1.01和0.5°—3.5°。相比之下，主瓣和副瓣地物影响区的双偏振量分布非常离散，Z_DR在非降水区间的频次显著增加，且负值的概率要明显高于正值，导致累积数据中呈现偏小的Z_DR；地物影响区的ρ_HV和SD（Φ_DP）几乎失去了峰值分布的特征，导致累积数据的偏差非常大。基于该统计结果，地物影响可定量描述为随机误差与系统误差的叠加，使得双偏振量在单一时次的不确定性增大、出现偏离降水区间的奇异值，长期平均后又趋于稳定、形成与降水数据的显著差异，且主瓣地物影响区的分布要比副瓣更离散、偏离降水区间的情况更严重。

图  9  主瓣、副瓣和无地物影响区双偏振量的分布情况 （a） Z_DR、（b） ρ_HV、（c） SD（Φ_DP） （站点为南京站，时间序列数据选取2023年4—9月）

Figure  9.  Distributions of dual polarization observations in MGI，SGI and NGI （a） Z_DR，（b） ρ_HV，（c） SD（Φ_DP） （the station is Nanjing，and the time series data are selected from April to September of 2023）

下载: 全尺寸图片 幻灯片

图10以2023年9月7日的台风“海葵”为例，给出了广州站SAD雷达一个时次的双偏振量径向廓线。尽管台风降水较为均匀，Z_H大多在20—35 dBz，但地物导致的双偏振奇异值清晰可见。其中，Z_DR奇异值在−6—5 dB，且负值的比例更高；ρ_HV奇异值出现在0.1—0.7，Φ_DP奇异值出现在100°—300°。对于实况数据中的地物影响，由于其波动程度和偏差范围均存在随机性，很难使用滤波和偏差订正方式完全恢复，建议通过实况与累积特征相结合的方式判断后予以去除。

图  10  广州站2023年9月7日21时18分0.5°仰角、60°和240°方位角 （a） Z_H、（b） Z_DR、（c） ρ_HV和 （d） Φ_DP的径向廓线

Figure  10.  Radial contours of （a） Z_H，（b） Z_DR，（c） ρ_HV，（d） Φ_DP at Guangzhou station at 0.5° elevation，60° and 240° azimuth at 21:18 BT 7 September 2023

下载: 全尺寸图片 幻灯片

4.   结　论

使用中国2016—2023年93部双偏振升级后的新一代天气雷达观测资料，统计分析地物影响在业务雷达中的整体比例、影响的主要来源、影响与雷达型号和观测模式的关系、影响随时间的变化情况、影响的性质及双偏振量的分布特征，所得结论如下：

（1）地物影响使得双偏振量严重偏离降水区间，经过长时间的累积表现为Z_DR偏低1 dB以上，ρ_HV降至0.92以下，SD（Φ_DP）大于10°，该累积特征成为识别地物影响的主要依据。

（2）地物影响不仅限于低层，仰角抬升后雷达副瓣接收到的地物信号也能产生与主瓣类似的影响。大部分雷达近地面区域主瓣地物影响占比为2%—10%、副瓣地物影响占比10%—22%；高仰角主瓣占比降至2%以下、副瓣占比仍在4%—7%，地物引起的双偏振量异常远比地物对波束的遮挡现象严重。

（3）地物影响主要由具备强散射能力的山脉和建筑物引起。当站点高于地形时，地物影响均轻微；当站点低于地形时，周围山脉导致地物影响均偏重；当站点与地形高度接近时，部署地区城市化率高、建筑物多的雷达地物影响严重。

（4）地物影响可定量描述为随机误差和系统误差的叠加，使地物影响区的双偏振量在单一时次的不确定性增大、出现偏离降水区间的奇异值，且主瓣地物影响区偏离降水区间情况比副瓣更严重。由于地物影响引起的奇异值波动程度和偏差范围均存在随机性，建议将实况数据与累积特征相结合进行判断后予以去除。

本研究对双偏振升级后新一代天气雷达的地物影响情况进行了统计分析，为实际业务中双偏振量的使用提供了一定参考。未来需要进一步讨论地物在定量降水估测和相态识别中的影响。为提高新一代天气雷达的数据质量，还需要与厂家配合，从雷达硬件上改进信号处理算法。