CN112859083A - 一种面向资料同化的风廓线雷达风场资料质量控制方法 - Google Patents

Abstract

本发明公开一种面向资料同化的风廓线雷达风场资料质量控制方法，包括以下步骤：S1、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均标准差；S2、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均相关系数；S3、统计有降水情形下风廓线雷达u、v风场相对于大尺度模式背景风场的年平均标准差；S4、基于月平均标准差和月平均相关系数的风廓线雷达高可信度区间的确定；S5、有降水情形下风廓线雷达u、v风场高可信度区间的确定；S6、计算风廓线雷达逐时数据获取率；S7、风廓线雷达u、v风场质量控制。本发明便于不同风廓线雷达站风场资料得到更加充分有效的识别，既减少雷达资料不必要的损失，又将质量差的数据进一步剔除。

Description

一种面向资料同化的风廓线雷达风场资料质量控制方法

技术领域

本发明属于大气探测数据处理技术领域，具体涉及一种面向资料同化的风廓线雷达风场资料质量控制方法。

背景技术

风廓线雷达是应用多普勒频移原理，通过测量晴空湍流大气反射回来的电磁波与发射电磁波间频率的变化，来测定湍流大气相对于雷达移近或移远的速度。这种速度称为径向速度。风廓线雷达通常需要依次测量1个天顶垂直波束和2个倾斜波束上的径向速度(三波束)或1个天顶垂直波束和东、南、西、北4个倾斜波束上各个距离库的径向速度(五波束)。由于径向速度不是湍流大气的真实矢量速度，为了便于应用，风廓线雷达通过一定的软件算法向用户提供反演的风廓线雷达水平风产品和垂直风产品：即在大气风场水平均匀假设条件下，利用同一高度上的3个波束或5个波束方向上的径向速度测量值联合求解出大气三维风场。由此可知，风廓线雷达反演水平风场(即u、v风场)资料的时间和空间分辨率高，可以展示出大气波动等天气系统的连续详实变化过程，极大地弥补了常规探空观测时间和空间密度不足的缺陷。

然而，受风廓线雷达径向速度观测值准确程度、电磁干扰、地物回波干扰、均匀风假设条件及不同天气系统等诸多因素的影响，风廓线雷达反演的水平风场资料质量会受到严重影响，如果不经过质量控制而直接应用于数值天气模式，会对数值天气预报结果产生严重的负影响。为了克服这种困难，国内外科研人员发展出面向资料同化的风廓线雷达风场资料质量控制技术，从而剔除不好的风廓线雷达风场数据。目前，国内外主要采用三种面向资料同化的质量控制方法，一种是朱立娟等提出的有效探测高度质量控制方法(详见“面向资料同化风廓线雷达水平风产品质量初步分析”，《气象》，2015年)；一种是张旭斌等提出的经验正交函数(EOF)分析质量控制方法(详见“风廓线雷达资料质量控制及其同化应用”，《气象学报》，2015年)；另一种是王叶红等提出的高可信度区间质量控制方法(详见“面向资料同化的风廓线雷达风场特征分析及其质控方法”，《大气科学》，2021年)。

其中，一、有效探测高度质量控制方法的局限性。采用有效探测高度质量控制方法，将PA、PB型号对流层风廓线雷达和LC型号边界层风廓线雷达有效探测高度分别设置为14km、8km和3km，位于有效探测高度之上的风廓线雷达水平风场数据被剔除。这种方法主要有三项缺点：

1)由于风廓线雷达有效探测高度受到包括风廓线雷达性能参数、发射功率、电磁干扰、天气系统等多种因素影响，因此，位于不同站点的相同型号的风廓线雷达，其有效探测高度并不完全相同，甚至可能相差巨大。采用经验或平均方法获得的PA、PB和LC等不同型号风廓线雷达有效探测高度，对风廓线雷达水平风场资料进行质量控制，无法对资料进行有效的保留或剔除，直接影响到资料的使用效率；

2)随着我国风廓线雷达网的进一步完善，风廓线雷达资料在数值天气模式中的同化应用显得越来越迫切。利用特定型号雷达对应的固定有效探测高度质量控制方法，某些雷达实际的有效探测高度高于或低于给定的有效探测高度，势必造成部分好数据被剔除，而部分坏数据被保留，前者会造成数据的浪费，后者则会在数值天气模式中产生负影响，一定程度上影响了风廓线雷达观测网建设效益的发挥；

3)降水是影响风廓线雷达水平风场质量的重要天气系统因素，该方法未考虑有降水时的质量控制方案，直接影响到质量控制的效果。

二、经验正交函数(EOF)分析质量控制方法的局限性。采用经验正交函数(EOF)分析质量控制方法，首先，利用分析时刻向前及向后1小时内的6分钟间隔的实时采样u、v风场数据构成时间序列，并对该时间序列进行EOF分解，获得该时段内风场垂直分布的主要模态；接着，利用EOF分解获得的主要模态重构该时段内的时间序列，获得分析时刻的风场垂直分布。这种方法主要有三项缺点：

1)EOF分析方法理论上可用于剔除观测资料中的异常值和脉动噪音，但对于观测资料在某高度层上、在其分析时间窗内一直处于异常状态时，EOF分析会将其看作主要模态而予以保留，直接影响到资料在数值天气模式中的使用效果；

2)该方法中构成时间序列的u、v风场数据必须在相同垂直层次上有数值，因此，若某一时刻某高度层未反演出风场数据，则该时间序列内该高度层上的数据均被剔除。该方法会极大降低数据的使用效率；

3)降水是影响风廓线雷达水平风场质量的重要天气系统因素，该方法同样未考虑有降水时的质量控制方案，直接影响到质量控制的效果。

三、高可信度区间质量控制方法的局限性。针对有效探测高度质量控制方法和经验正交函数(EOF)分析质量控制方法的上述5项局限性，王叶红等(2021年)提出“高可信度区间质量控制方法”，不同风廓线雷达采用其各自u、v风场的年平均标准差均小于4.5m/s的高度层作为该风廓线雷达高可信度区间，高可信度区间之外的数据被剔除，同时考虑了有降水时的质控方案，从而避免了有效探测高度质量控制方法和经验正交函数(EOF)分析质量控制方法的局限性。然而实际上风廓线雷达u、v风场的标准差具有明显季节和月际变化特征，基于u、v风场的年平均标准差确定的高可信度区间与实际状况存在一定偏差，因而风廓线雷达数据无法获得最佳使用效率。其次，风廓线雷达探测的边界层低层风场往往位于基于u、v风场的年平均标准差确定的高可信度区间范围内，而实际上，风廓线雷达探测的边界层低层风场可能与实际存在风向不协调甚至反向情况，但因为边界层风速相对较小，在标准差上还未达到4.5m/s的阈值。因而边界层低层的风场不能得到很好的质量控制，会进一步影响到其在数值天气模式中同化应用的效果。另外，在统计研究中发现，风廓线雷达逐时数据获取率随时间变化具有极大的波动性，当风廓线雷达逐时数据获取率较低时，此时u、v风场质量往往相对较差，但却无法通过标准差或相关系数方法将其剔除掉，因此逐时数据获取率也是判断风廓线雷达u、v风场质量的重要因素。因此在实际业务应用中，有必要考虑联合u、v风的月平均标准差、月平均相关系数和逐时数据获取率的风廓线雷达水平风场质量控制方法。

发明内容

针对现有技术中的不足之处，本发明目的是提供一种面向资料同化的风廓线雷达风场资料质量控制方法，对高可信度区间质量控制方法进行改进和完善，增加考虑u、v风场的月平均标准差、月平均相关系数和逐时数据获取率，从而提高风廓线雷达水平风资料质量控制的效率。

为了达到上述目的，本发明技术方案如下：

一种面向资料同化的风廓线雷达风场资料质量控制方法，包括以下步骤：

S1、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均标准差；

S2、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均相关系数；

S3、统计有降水情形下风廓线雷达u、v风场相对于大尺度模式背景风场的年平均标准差；

S4、基于月平均标准差和月平均相关系数的风廓线雷达高可信度区间的确定；

S5、有降水情形下风廓线雷达u、v风场高可信度区间的确定；

S6、计算风廓线雷达逐时数据获取率；

S7、风廓线雷达u、v风场质量控制。

进一步的，所述步骤S1，需要分别统计计算每一部风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的逐月的月平均标准差，该月平均标准差的计算方法具体为：

假设共有i＝1,2,…,m部风廓线雷达；j＝1,2,…,l代表垂直层次；t＝1,2,…,n代表观测时刻；k＝1,2,…,12代表月份。计算公式如下：

式中，

代表风廓线雷达i在垂直层次j上k月的u、v风月平均标准差；

代表风廓线雷达i在垂直层次j上k月t时刻的小时平均采样的u、v风；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上的k月t时刻的u、v风。

进一步的，所述步骤S2，需要分别统计计算每一部风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的逐月的月平均相关系数，该月平均相关系数的计算方法具体为：

式中，

代表风廓线雷达i在垂直层次j上k月的u、v风月平均相关系数；

代表风廓线雷达i在垂直层次j上k月的u、v风平均值；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上k月的u、v风平均值。

进一步的，所述步骤S3，需要分别统计计算有降水情形下每一部风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的年平均标准差，该年平均标准差的计算方法具体为：

式中，

代表风廓线雷达i在垂直层次j上u、v风在有降水情形下的年平均标准差；

代表风廓线雷达i在垂直层次j上有降水情形下t时刻的小时平均采样的u、v风；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上有降水情形下t时刻的u、v风。

进一步的，所述步骤S4，以月平均标准差

及月平均相关系数

作为阈值来确定风场高可信度区间，具体表示为：

式中，

代表风廓线雷达i在k月的u、v风场高可信度区间。

进一步的，所述步骤S5，以有降水情形下年平均标准差

作为阈值来确定风场高可信度区间，具体表示为：

式中，

代表有降水情形下风廓线雷达i的u、v风场高可信度区间。

进一步的，所述步骤S6，具体为：对于风廓线雷达i在t时刻的小时平均采样的u、v风，用实际获取的风场数据量与应获得的数据总量之比来表征该时次的数据获取率。

进一步的，所述步骤S7，具体为：

(1)对于风廓线雷达i在垂直层次j上k月t时刻的小时平均采样的u、v风，若垂直层次j在

范围内，则保留，否则剔除；

(2)若风廓线雷达i在t时刻前3小时有降水，则若垂直层次j在

范围内，则保留，否则剔除；

(3)若风廓线雷达i在t时刻的小时平均采样的u、v风的数据获取率小于0.3，则该时刻所有数据全部剔除。

有益效果：本发明在差异化的质量控制方案下，采用风廓线雷达u、v风场的逐月平均标准差作为质量控制的判据，并增加考虑逐月平均相关系数和逐时数据获取率作为质量控制的判据，提高了风廓线雷达资料质量控制的效果。便于不同风廓线雷达站风场资料得到更加充分和有效的识别，既减少雷达资料不必要的损失，又将质量差的数据进一步剔除。

附图说明

图1为本发明提供的一种面向资料同化的风廓线雷达风场资料质量控制方法流程框图；

图2为本发明实施例中建宁风廓线雷达u(2a)、v(2b)风场相对于大尺度模式背景风场的月平均标准差随高度的分布示意图；

图3为本发明实施例中建宁风廓线雷达u(3a)、v(3b)风场相对于大尺度模式背景风场的月平均相关系数随高度的分布示意图；

图4为本发明实施例中建宁风廓线雷达u(4a)、v(4b)风场相对于大尺度模式背景风场的年平均标准差分布示意图；

图5为本发明实施例中以2017年为例计算的建宁风廓线雷达数据获取率随时间的分布演变图；

图6为本发明实施例中建宁风廓线雷达u风、v风经过逐步质量控制前、后的标准差分布图。

具体实施方式

以下参照具体的实施例来说明本发明。本领域技术人员能够理解，这些实施例仅用于说明本发明，其不以任何方式限制本发明的范围。

以2017年1-12月的福建省建宁LC风廓线雷达为例，对如图1所示的一种面向资料同化的风廓线雷达风场资料质量控制方法，进行实例阐述。

该方法包括以下步骤：

S1、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均标准差；

本实施例中，共有i＝1部风廓线雷达；j＝1,2,…,59代表垂直层次；t＝1,2,…,n代表观测时刻(当k＝1,3,5,7,8,10,12月时，n＝124；当k＝2月时，n＝112；当k＝4,6,9,11月时，n＝120)；k＝1,2,…,12代表月份，带入如下公式组(1)中分别计算出建宁LC风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的2017年1-12月逐月的月平均标准差，

式中，

代表风廓线雷达i在垂直层次j上k月的u、v风月平均标准差；

代表风廓线雷达i在垂直层次j上k月t时刻的小时平均采样的u、v风；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上的k月t时刻的u、v风。计算结果用图2a、2b来表示，显示建宁LC风廓线雷达u风、v风相对于大尺度模式背景风场的月平均标准差随高度的分布情况，同时图中，空心圆代表标准差≤4.5m/s；实心圆代表标准差＞4.5m/s；圆圈越大代表月平均标准差越大；阴影区代表以年平均标准差≤4.5m/s确定的区间。

S2、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均相关系数；

本实施例中，共有i＝1部风廓线雷达；j＝1,2,…,59代表垂直层次；t＝1,2,…,n代表观测时刻(当k＝1,3,5,7,8,10,12月时，n＝124；当k＝2月时，n＝112；当k＝4,6,9,11月时，n＝120)；k＝1,2,…,12代表月份，带入如下公式组(2)中分别计算出建宁LC风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的2017年1-12月逐月的月平均相关系数；

式中，

代表风廓线雷达i在垂直层次j上k月的u、v风月平均相关系数；

代表风廓线雷达i在垂直层次j上k月的u、v风平均值；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上k月的u、v风平均值。计算结果用图3a、3b来表示，显示建宁LC风廓线雷达u风、v风相对于大尺度模式背景风场的月平均相关系数随高度的分布情况；同时图中，空心圆代表相关系数≥0.7；实心圆代表相关系数＜0.7；圆圈越大代表相关系数越小。

S3、统计有降水情形下风廓线雷达u、v风场相对于大尺度模式背景风场的年平均标准差；

本实施例中，共有i＝1部风廓线雷达；j＝1,2,…,59代表垂直层次；t＝1,2,…,1460代表观测时刻，带入如下公式组(3)中分别计算出有降水情形下建宁LC风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的2017年年平均标准差；

式中，

代表风廓线雷达i在垂直层次j上u、v风在有降水情形下的年平均标准差；

代表风廓线雷达i在垂直层次j上有降水情形下t时刻的小时平均采样的u、v风；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上有降水情形下t时刻的u、v风。计算结果用图4a、4b来表示，显示建宁LC风廓线雷达u、v风场相对于大尺度模式背景风场的年平均标准差随高度分布情况，同时图中，实线代表有降水情形；短虚线代表无降水情形；长虚线代表所有样本。

S4、基于月平均标准差和月平均相关系数的风廓线雷达高可信度区间的确定；根据图2和图3所示的高度层上均为空心圆的，即为基于月平均标准差阈值为4.5m/s(图2)和月平均相关系数阈值为0.7(图3)确定的建宁LC风廓线雷达u、v风场高可信度区间，具体高度层如表1所示。

表1基于月平均标准差(阈值为4.5m/s)和月平均相关系数(阈值为0.7)确定的建宁LC风廓线雷达高可信度区间

S5、有降水情形下风廓线雷达u、v风场高可信度区间的确定；

本实施例中，基于图4统计的建宁风廓线雷达站在有降水情形下u、v风场年平均标准差随高度的分布特征，以年平均标准差≤4.5m/s作为阈值得到建宁雷达站u、v风场高可信度高区间，如表2所示。

表2有降水情形下建宁风廓线雷达u、v风场高可信度区间

风廓线雷达站	u风高可信度区间(m)	v风高可信度区间(m)
			建宁	870—6750	870—9870

S6、计算风廓线雷达逐时数据获取率；对于风廓线雷达i在t时刻的小时平均采样的u、v风，用实际获取的风场数据量与应获得的数据总量之比来表征该时次的数据获取率。本实施例中，图5是以2017年为例计算的建宁风廓线雷达数据获取率随时间的分布演变，经考察研究，选取0.3作为数据获取率的阈值，即当某时刻数据获取率小于0.3时，该时刻所有数据被剔除。结果如图5所示，显示2017年建宁风廓线雷达站数据获取率的时间演变情况。

S7、风廓线雷达u、v风场质量控制，(1)对于风廓线雷达i(i＝1)在垂直层次j(j＝1,2,...,59)上k(k＝1,2,...,12)月t(t＝1,2,…,n，当k＝1,3,5,7,8,10,12月时，n＝124；当k＝2月时，n＝112；当k＝4,6,9,11月时，n＝120)时刻的小时平均采样的u、v风，若垂直层次j在

范围内，则保留，否则剔除；(2)若风廓线雷达i(i＝1)在t(t＝1,2,...,1460)时刻前3小时有降水，则若垂直层次j在

范围内，则保留，否则剔除；(3)若风廓线雷达i(i＝1)在t(t＝1,2,...,1460)时刻的小时平均采样的u、v风的数据获取率小于0.3，则该时刻所有数据全部剔除。结果如图6所示，为2017年建宁风廓线雷达u风(第一行)、v风(图第二行)经过逐步质量控制前、后的标准差分布情况。其中实线为质量控制前；细短虚线为经过月平均标准差(阈值为4.5m/s)质量控制后；细长虚线为在细短虚线基础上又经过了月平均相关系数(阈值为0.7)质量控制后；粗短虚线为在细长虚线基础上又经过了有降水情形下年平均标准差(阈值为4.5m/s)质量控制后；粗长虚线为在粗短虚线基础上又经过了逐时数据获取率(阈值为0.3)质量控制后。

Claims (8)

1.一种面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，包括以下步骤：

S1、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均标准差；

S2、统计风廓线雷达u、v风场相对于大尺度模式背景风场的月平均相关系数；

S3、统计有降水情形下风廓线雷达u、v风场相对于大尺度模式背景风场的年平均标准差；

S4、基于月平均标准差和月平均相关系数的风廓线雷达高可信度区间的确定；

S5、有降水情形下风廓线雷达u、v风场高可信度区间的确定；

S6、计算风廓线雷达逐时数据获取率；

S7、风廓线雷达u、v风场质量控制。

2.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S1，需要分别统计计算每一部风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的逐月的月平均标准差，该月平均标准差的计算方法具体为：

假设共有i＝1,2,…,m部风廓线雷达；j＝1,2,…,l代表垂直层次；t＝1,2,…,n代表观测时刻；k＝1,2,…,12代表月份。计算公式如下：

式中，

代表风廓线雷达i在垂直层次j上k月的u、v风月平均标准差；

代表风廓线雷达i在垂直层次j上k月t时刻的小时平均采样的u、v风；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上的k月t时刻的u、v风。

3.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S2，需要分别统计计算每一部风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的逐月的月平均相关系数，该月平均相关系数的计算方法具体为：

式中，

代表风廓线雷达i在垂直层次j上k月的u、v风月平均相关系数；

代表风廓线雷达i在垂直层次j上k月的u、v风平均值；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上k月的u、v风平均值。

4.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S3，需要分别统计计算有降水情形下每一部风廓线雷达u、v风场相对于大尺度模式背景风场在各垂直层次上的年平均标准差，该年平均标准差的计算方法具体为：

式中，

代表风廓线雷达i在垂直层次j上u、v风在有降水情形下的年平均标准差；

代表风廓线雷达i在垂直层次j上有降水情形下t时刻的小时平均采样的u、v风；

代表大尺度模式背景u、v风插值到风廓线雷达i所在的地理位置和垂直层次j上有降水情形下t时刻的u、v风。

5.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S4，以月平均标准差

及月平均相关系数

作为阈值来确定风场高可信度区间，具体表示为：

式中，

代表风廓线雷达i在k月的u、v风场高可信度区间。

6.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S5，以有降水情形下年平均标准差

作为阈值来确定风场高可信度区间，具体表示为：

式中，

代表有降水情形下风廓线雷达i的u、v风场高可信度区间。

7.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S6，具体为：对于风廓线雷达i在t时刻的小时平均采样的u、v风，用实际获取的风场数据量与应获得的数据总量之比来表征该时次的数据获取率。

8.如权利要求1所述的面向资料同化的风廓线雷达风场资料质量控制方法，其特征在于，所述步骤S7，具体为：

(1)对于风廓线雷达i在垂直层次j上k月t时刻的小时平均采样的u、v风，若垂直层次j在

范围内，则保留，否则剔除；

(2)若风廓线雷达i在t时刻前3小时有降水，则若垂直层次j在

范围内，则保留，否则剔除；

(3)若风廓线雷达i在t时刻的小时平均采样的u、v风的数据获取率小于0.3，则该时刻所有数据全部剔除。

Images