吳 翀 劉黎平 仰美霖 馬建立 李 娟

1)(中國(guó)氣象科學(xué)研究院， 北京 100081)2)(北京城市氣象研究院， 北京 100089)3)(南京信息工程大學(xué)， 南京 210044)

引 言

雙偏振雷達(dá)作為天氣雷達(dá)的重要新技術(shù)之一，已在全世界范圍內(nèi)大量推廣應(yīng)用[1-7]。得益于兩個(gè)正交通道同時(shí)發(fā)射和接收水平和垂直極化方向的線偏振波，雙偏振天氣雷達(dá)除能測(cè)量常規(guī)的反射率因子(ZH)、徑向速度(V)、速度譜寬(SW)外，還可獲得差分反射率(ZDR)、零時(shí)滯相關(guān)系數(shù)(ρhv)、差分傳播相移(ΦDP)、差分傳播相移率(KDP)等雙偏振參量[8]。上述新增觀測(cè)量包含降水粒子的形狀、融化狀態(tài)、含水量等信息，極大豐富了天氣雷達(dá)所能獲取的信息量。經(jīng)美國(guó)和中國(guó)的業(yè)務(wù)檢驗(yàn)，S波段雙偏振雷達(dá)在數(shù)據(jù)質(zhì)量控制、水凝物相態(tài)識(shí)別、定量降水估測(cè)、龍卷臨近預(yù)報(bào)中優(yōu)勢(shì)明顯[9-15]。而X波段雙偏振雷達(dá)的探測(cè)范圍相對(duì)較小且容易受短波長(zhǎng)衰減的影響，此前主要作為科研雷達(dá)用于外場(chǎng)試驗(yàn)[16-20]。隨著X波段雷達(dá)性能的提升，其更快的掃描速度、更精細(xì)的空間分辨率等優(yōu)點(diǎn)逐漸得到重視。在我國(guó)人口密集、經(jīng)濟(jì)發(fā)達(dá)的超大城市群內(nèi)，X波段雷達(dá)可滿足精細(xì)強(qiáng)對(duì)流監(jiān)測(cè)和臨近預(yù)報(bào)的業(yè)務(wù)需求，衰減、觀測(cè)范圍不足等問(wèn)題可以通過(guò)多部雷達(dá)的數(shù)據(jù)融合彌補(bǔ)。目前，北京市、江蘇省、廣東省佛山市等地區(qū)先后參考美國(guó)大氣協(xié)同自適應(yīng)遙感工程(collaborative adaptive sensing of the atmosphere,CASA)[21]，在當(dāng)?shù)亟ǔ蒟波段雙偏振雷達(dá)網(wǎng)并投入業(yè)務(wù)運(yùn)行。但由于X波段雷達(dá)相對(duì)S波段雷達(dá)的固有限制，對(duì)于雷達(dá)網(wǎng)觀測(cè)數(shù)據(jù)的處理及應(yīng)用能力提出了更高要求，迫切需要開(kāi)展針對(duì)X波段雷達(dá)網(wǎng)的關(guān)鍵技術(shù)研究。

水凝物相態(tài)識(shí)別算法是雙偏振雷達(dá)在業(yè)務(wù)應(yīng)用中的主要優(yōu)勢(shì)之一，通過(guò)模糊邏輯方法將各水凝物相態(tài)的特征與雷達(dá)觀測(cè)量相聯(lián)系，進(jìn)而將雙偏振參量所蘊(yùn)含的信息以識(shí)別結(jié)果的形式直觀展現(xiàn)。Park等[9]提出的HCA(hydrometeor classification algorithm)相態(tài)識(shí)別算法，在美國(guó)業(yè)務(wù)運(yùn)行的WSR-88D雙偏振雷達(dá)上展現(xiàn)出良好性能。徐舒揚(yáng)等[22]將HCA算法應(yīng)用于廣東省的S波段業(yè)務(wù)雷達(dá)，發(fā)現(xiàn)識(shí)別效果存在一定的差異。分析指出該差異一方面來(lái)自國(guó)產(chǎn)雷達(dá)相對(duì)WSR-88D雷達(dá)略差的數(shù)據(jù)質(zhì)量，另一方面不同地區(qū)的降水特征也存在差異，造成模糊邏輯方法中隸屬函數(shù)的匹配性和區(qū)分度的降低，進(jìn)而影響識(shí)別結(jié)果的可靠性。X波段雙偏振雷達(dá)除存在上述問(wèn)題外，還面臨不同波段的水凝物后向散射特征差異、短波長(zhǎng)的嚴(yán)重衰減等問(wèn)題，直接將HCA算法應(yīng)用于業(yè)務(wù)運(yùn)行的X波段雙偏振雷達(dá)會(huì)造成較嚴(yán)重的識(shí)別誤差。此前國(guó)內(nèi)X波段雷達(dá)的相態(tài)識(shí)別研究多使用單部雷達(dá)的外場(chǎng)試驗(yàn)結(jié)果分析對(duì)流云內(nèi)復(fù)雜的微物理過(guò)程[16-20]，且針對(duì)衰減影響的識(shí)別方法優(yōu)化研究報(bào)道較少。由此可見(jiàn)，根據(jù)X波段雙偏振雷達(dá)的特點(diǎn)研究具有較高可靠性的水凝物相態(tài)識(shí)別方法，是目前國(guó)內(nèi)X波段雷達(dá)業(yè)務(wù)應(yīng)用中的當(dāng)務(wù)之急。

單部X波段雷達(dá)觀測(cè)范圍較小且信息獲取能力有限，相態(tài)識(shí)別后的極坐標(biāo)數(shù)據(jù)必須通過(guò)拼圖算法的融合才能有效應(yīng)用。王紅艷等[23]提出針對(duì)S波段業(yè)務(wù)雷達(dá)的三維拼圖融合方法，在多部雷達(dá)的共同覆蓋區(qū)內(nèi)使用距離作為拼圖的權(quán)重。S波段雷達(dá)的觀測(cè)范圍普遍在230 km以上，雷達(dá)1°波束寬度的橫截面積隨著距離的增加顯著變大。某點(diǎn)距離雷達(dá)越遠(yuǎn)，增大的波束體積內(nèi)回波結(jié)構(gòu)將被平滑，充塞程度下降，數(shù)據(jù)也將變得更不可靠，這便是距離權(quán)重的科學(xué)依據(jù)。但X波段雷達(dá)的有效觀測(cè)范圍不超過(guò)75 km，衰減取代波束體積是影響數(shù)據(jù)質(zhì)量的首要因素。國(guó)內(nèi)關(guān)于X波段雷達(dá)的拼圖研究以距離權(quán)重為主，著重分析多部雷達(dá)回波強(qiáng)度融合后低層盲區(qū)和高層靜錐區(qū)的改善情況[24]，而針對(duì)X波段雷達(dá)ZH和相態(tài)識(shí)別結(jié)果融合方法的改進(jìn)研究非常有限，如何將衰減程度不一的觀測(cè)結(jié)果合理融合也是X波段雷達(dá)網(wǎng)業(yè)務(wù)應(yīng)用的關(guān)鍵技術(shù)之一。

北京市氣象局自2016年起開(kāi)始建設(shè)北京X波段雙偏振雷達(dá)網(wǎng)(BJ-Xnet)，用于北京市主城區(qū)的強(qiáng)對(duì)流天氣精細(xì)化監(jiān)測(cè)和預(yù)警。本文使用該雷達(dá)網(wǎng)2016年汛期的觀測(cè)數(shù)據(jù)，研究適用于X波段雙偏振雷達(dá)網(wǎng)的相態(tài)識(shí)別及數(shù)據(jù)融合的關(guān)鍵技術(shù)，針對(duì)國(guó)產(chǎn)X波段雷達(dá)的特點(diǎn)改進(jìn)HCA算法的關(guān)鍵技術(shù)流程，提出基于X波段衰減程度的拼圖方法。通過(guò)2016年汛期典型個(gè)例中BJ-Xnet與S波段業(yè)務(wù)雷達(dá)的觀測(cè)對(duì)比，驗(yàn)證本文提出的X波段雷達(dá)水凝物相態(tài)識(shí)別和拼圖方法的可靠性，并展示X波段雷達(dá)網(wǎng)高時(shí)空分辨率的產(chǎn)品在重點(diǎn)區(qū)域監(jiān)測(cè)與臨近預(yù)報(bào)中的優(yōu)勢(shì)。

1 數(shù)據(jù)與方法

1.1 北京X波段雷達(dá)網(wǎng)的站點(diǎn)概況及觀測(cè)優(yōu)勢(shì)

BJ-Xnet的X波段雙偏振雷達(dá)主要來(lái)自北京敏視達(dá)雷達(dá)公司，2016年以75 m水平分辨率、10層垂直分辨率、4 min時(shí)間分辨率提供包含ZH,V,ZDR,ρhv,KDP參量的三維體掃。圖1給出站點(diǎn)分布，昌平站(BJXCP)、順義站(BJXSY)、房山站(BJXFS)、通州站(BJXTZ)分別位于北京市的北部、東北部、東部及南部郊區(qū)，它們的共同觀測(cè)范圍覆蓋位于39.7°～40.1°N,116.1°～116.6°E的北京市主城區(qū)。S波段雷達(dá)位于南郊的大興區(qū)(BJSDX)，是BJ-Xnet建成前北京地區(qū)唯一的業(yè)務(wù)雷達(dá)。該雷達(dá)的參數(shù)與美國(guó)WSR-88D雷達(dá)類(lèi)似，水平分辨率為1 km，6 min 完成1次VCP21體掃(垂直分辨率9層)，提供230 km 范圍內(nèi)的ZH和V參量。

由于不同類(lèi)型降水的結(jié)構(gòu)特征差異巨大，需要天氣雷達(dá)在垂直方向提供盡可能密集的觀測(cè)數(shù)據(jù)。機(jī)械掃描的拋物面雷達(dá)受天線轉(zhuǎn)速和脈沖積累數(shù)的限制，在規(guī)定的數(shù)據(jù)更新時(shí)間內(nèi)獲取的體掃層數(shù)有限。采用VCP21模式的BJSDX雷達(dá)只能在6 min 內(nèi)分別完成0.5°,1.5°,2.4°,3.3°,4.3°,6.0°,9.9°,14.6°,19.5°共9層的三維掃描。根據(jù)最低仰角和最高仰角在標(biāo)準(zhǔn)大氣折射條件下的波束傳播特征，得到北京地區(qū)雷達(dá)波束的最低覆蓋高度(圖1)。由圖1可以看到，BJSDX在北京市主城區(qū)的最低監(jiān)測(cè)高度約500 m，北部郊區(qū)僅能提供1500 m高度以上的降水信息。同時(shí)受最高仰角19.5°的雷達(dá)靜錐區(qū)影響，在主城區(qū)的最高波束覆蓋高度不足7000 m(圖略)。可見(jiàn)僅依靠一部S波段業(yè)務(wù)雷達(dá)，不僅無(wú)法獲取北京大部分地區(qū)的近地面降水信息，同時(shí)主城區(qū)的降水垂直結(jié)構(gòu)觀測(cè)也不準(zhǔn)確，降低了北京地區(qū)雷達(dá)產(chǎn)品的可靠性。盡管BJ-Xnet的X波段雷達(dá)最低和最高的仰角保持不變，但通過(guò)多部雷達(dá)同時(shí)定時(shí)掃描可拓展監(jiān)測(cè)能力。在主城區(qū)上空，X波段雷達(dá)相互覆蓋靜錐區(qū)，最高監(jiān)測(cè)高度達(dá)到10000 m以上，且在北京大部分地區(qū)波束的最低高度達(dá)到250 m以下，為高時(shí)空分辨率的相態(tài)識(shí)別和拼圖產(chǎn)品提供硬件支持。

圖1 BJ-Xnet與BJSDX分布及波束最低覆蓋高度對(duì)比(黑色虛線框表示北京市主城區(qū)) Fig.1 Site distribution and the minimum height of radar coverage of BJ-Xnet and BJSDX(the black dotted line indicates the scope of Beijing downtown)

1.2 針對(duì)X波段雷達(dá)網(wǎng)相態(tài)識(shí)別流程的改進(jìn)

HCA水凝物相態(tài)識(shí)別方法為S波段的WSR-88D雙偏振雷達(dá)設(shè)計(jì)，算法流程可分為質(zhì)量控制模塊、水凝物相態(tài)識(shí)別模塊和數(shù)據(jù)格點(diǎn)化模塊。雷達(dá)原始觀測(cè)的極坐標(biāo)數(shù)據(jù)首先輸入數(shù)據(jù)質(zhì)量控制模塊，通過(guò)雜波去除、衰減訂正提高雙偏振觀測(cè)量的可靠性。水凝物相態(tài)識(shí)別模塊包括融化層識(shí)別、數(shù)據(jù)置信度計(jì)算和隸屬函數(shù)計(jì)算3部分。其中，融化層識(shí)別算法MLDA(melting layer detection algorithm)[25]以當(dāng)日L波段秒級(jí)探空數(shù)據(jù)獲取的濕球溫度0℃高度為背景場(chǎng)，用雷達(dá)觀測(cè)到的融化物的空間特征實(shí)時(shí)計(jì)算不同方位角的融化層頂和底層位置。置信度系數(shù)表征干擾與氣象回波相互混疊情況下誤差對(duì)各偏振參量的負(fù)面作用，其計(jì)算時(shí)考慮衰減、偏振參量統(tǒng)計(jì)誤差和弱信噪比的影響[26]。基于融化層識(shí)別和置信度計(jì)算所提供的信息，相態(tài)識(shí)別模塊的核心是使用模糊邏輯方法展開(kāi)識(shí)別。通過(guò)ZH,ZDR,ρhv,KDP參量的隸屬函數(shù)加權(quán)運(yùn)算將回波識(shí)別為地物(GC/AP)、晴空(BS)、干雪(DS)、濕雪(WS)、冰晶(CR)、霰(GR)、大滴(BD)、小到中雨(RA)、大雨(HR)、雨夾雹(RH)共10種水凝物。在觀測(cè)量被干擾且難以徹底去除的情況下，置信度系數(shù)將動(dòng)態(tài)下調(diào)相應(yīng)模糊邏輯計(jì)算權(quán)重。一些冰相粒子的隸屬函數(shù)參數(shù)與液相接近，融化層的識(shí)別信息用于對(duì)不同高度的水凝物分類(lèi)進(jìn)行校正，以避免誤識(shí)別。為了便于發(fā)布和顯示，數(shù)據(jù)格點(diǎn)化模塊根據(jù)雷達(dá)經(jīng)緯度信息和預(yù)設(shè)的格點(diǎn)分辨率將極坐標(biāo)下的觀測(cè)量和產(chǎn)品轉(zhuǎn)換到等經(jīng)緯度網(wǎng)格上，形成三維格點(diǎn)數(shù)據(jù)。

由于X波段雷達(dá)的電磁波波長(zhǎng)、雷達(dá)性能均與S波段雷達(dá)存在顯著差異，因此其相態(tài)識(shí)別流程需進(jìn)一步優(yōu)化，每個(gè)模塊的改進(jìn)要點(diǎn)如下：

①數(shù)據(jù)質(zhì)量控制模塊。在雷達(dá)原始數(shù)據(jù)的質(zhì)量控制中，X波段雷達(dá)除受雜波干擾外，還受到嚴(yán)重衰減、標(biāo)定誤差和旋轉(zhuǎn)關(guān)節(jié)的影響。采用文獻(xiàn)[27-28]提出的聯(lián)合S波段雷達(dá)的X波段雙偏振雷達(dá)衰減訂正方法和誤差訂正方法，詳細(xì)內(nèi)容參見(jiàn)上述文獻(xiàn)。

②水凝物相態(tài)識(shí)別模塊。X波段雷達(dá)的差異主要來(lái)自不同波長(zhǎng)的散射特性和衰減訂正誤差。X波段雷達(dá)觀測(cè)到的融化物經(jīng)過(guò)雨區(qū)的強(qiáng)衰減，導(dǎo)致融化物的雙偏振特征存在明顯不確定性。直接使用基于空間特征的MLDA算法會(huì)引入識(shí)別誤差，需要采用針對(duì)X波段雷達(dá)的融化層識(shí)別方法。原有置信度計(jì)算公式適用于衰減不嚴(yán)重的S波段雷達(dá)，而X波段雷達(dá)的衰減影響遠(yuǎn)大于其他影響，因此需要調(diào)整計(jì)算閾值。相態(tài)識(shí)別模塊的另一個(gè)關(guān)鍵是隸屬函數(shù)與相態(tài)觀測(cè)特征的匹配。由于X波段雷達(dá)波長(zhǎng)更短，其后向散射特征導(dǎo)致其ZH，ZDR，KDP的特征與S波段雷達(dá)不同，需重新修改隸屬函數(shù)的參數(shù)。

③數(shù)據(jù)格點(diǎn)化模塊。X波段雷達(dá)的觀測(cè)范圍較小，提供的三維網(wǎng)格數(shù)據(jù)是多部雷達(dá)合理融合后的結(jié)果。此前業(yè)務(wù)雷達(dá)的拼圖算法主要考慮雷達(dá)波束體積隨距離的變化，而X波段雷達(dá)的融合方法需把衰減程度作為數(shù)據(jù)融合的首要考慮因素。

2 適用于X波段雷達(dá)的水凝物相態(tài)識(shí)別方法

2.1 融化層識(shí)別算法

MLDA算法使用4°～10°仰角的ZH，ZDR和ρhv作為輸入，通過(guò)沿徑向搜索ρhv降低、ZH和ZDR升高的偏振參量特征確定融化物的距離庫(kù)位置。將上述信息存儲(chǔ)在一個(gè)高度分辨率為0.1 km、方位分辨率為1°的二維數(shù)組內(nèi)。若融化物的總數(shù)超過(guò)一定閾值，則根據(jù)絕大多數(shù)融化物的高度分布逐方位搜索融化層的上下邊界，融化物占比例為80%和20%的高度將被認(rèn)定為融化層頂部和底部，該信息用于消除不屬于該溫度層的錯(cuò)誤分類(lèi)。經(jīng)業(yè)務(wù)檢驗(yàn)，MLDA算法在華南地區(qū)S波段雙偏振雷達(dá)的應(yīng)用中表現(xiàn)出良好穩(wěn)定性[29]，圖2a是該算法應(yīng)用于BJXSY雷達(dá)后的效果。

2016年7月20日07:30 (北京時(shí)，下同)，位于BJXSY雷達(dá)以南的探空站測(cè)得濕球溫度0℃的高度為4.56 km。與BJXSY雷達(dá)的識(shí)別結(jié)果對(duì)比發(fā)現(xiàn)，MLDA算法得到的融化層頂部與實(shí)測(cè)值較為接近，但在5～6 km高度出現(xiàn)較多虛假融化物，導(dǎo)致不同方位的波動(dòng)較大。這是由于在衰減和較低接收機(jī)靈敏度的共同作用下，融化層頂以上的雪和冰晶的信噪比(SNR)很小，ρhv因噪聲降低，該特征被誤識(shí)別為融化物。MLDA算法對(duì)融化層底部(0～4 km)的識(shí)別可靠性較差。這是因?yàn)楸本波段雷達(dá)的部署高度較低，雷達(dá)波束主瓣和副瓣范圍的地物干擾均使ρhv下降，形成虛假的融化物特征。此外，強(qiáng)降雨衰減時(shí)X波段雷達(dá)的有效探測(cè)距離也難以達(dá)到融化層，降低識(shí)別結(jié)果的可靠性。

圖2 BJXSY雷達(dá)分別使用MLDA算法和QVP算法得到的融化層識(shí)別結(jié)果(a)2016年7月20日07:32 MLDA算法識(shí)別的融化物空間分布(散點(diǎn))，(黑色實(shí)線表示算法識(shí)別的融化層頂和底層隨方位的變化，黑色虛線表示探空的融化層頂高度)(b)2016年7月20日01:00—17:00 BJXSY雷達(dá)使用QVP算法得到的融化層識(shí)別結(jié)果Fig.2 Melting Layers identified by MLDA and QVP for BJXSY radar(a)distribution of melting particles identified by the MLDA at 0732 BT 20 Jul 2016(the scattered)(black solid lines represent the top and bottom of melting layers varying with azimuth, and black dotted line represents the height of melting layer obtained by upair sounding)，(b)melting layers identified by QVP from 0100 BT to 1700 BT on 20 Jul 2016

針對(duì)該問(wèn)題，可采用更嚴(yán)格的閾值避免部分虛假識(shí)別結(jié)果，但這也可能濾除部分真實(shí)的融化物，導(dǎo)致X波段下MLDA算法的效果難以穩(wěn)定。為此提出一種基于準(zhǔn)垂直剖面技術(shù)(quasi-vertical profiles,QVP)[30]的識(shí)別方法，將識(shí)別流程大幅簡(jiǎn)化。QVP算法仍使用業(yè)務(wù)雷達(dá)的體掃數(shù)據(jù)，通過(guò)將高仰角(大于14°)的偏振參量沿方位角平均，得到不同高度下各偏振參量隨時(shí)間變化的準(zhǔn)垂直剖面圖。改進(jìn)的融化層識(shí)別算法使用ρhv的QVP結(jié)果及最近時(shí)刻的探空數(shù)據(jù)，沿探空0℃濕球溫度的高度以下1.5 km 向上搜索到6 km高度，提取ρhv<0.96的最大間隔，對(duì)應(yīng)融化層頂和底層的位置。圖2b是2016年7月20日01:00—17:00 BJXSY雷達(dá)基于QVP算法的融化層識(shí)別結(jié)果?？梢钥吹?，一次降水過(guò)程中融化層的高度不斷變化，變化可超過(guò)1 km。與07:30及12:30的探空相比，QVP方法的識(shí)別誤差小于100 m，完全滿足BJ-Xnet的相態(tài)識(shí)別需求。由于QVP算法是不同方位的累積結(jié)果，與MLDA算法相比，其不足是未考慮不同方位的融化層高度變化。由于X波段雷達(dá)的有效觀測(cè)范圍在75 km以內(nèi)，上述變化的影響非常有限，且通過(guò)4 部雷達(dá)的數(shù)據(jù)融合也能消除該不利影響。

2.2 置信度計(jì)算閾值

置信度系數(shù)用于量化各類(lèi)誤差對(duì)模糊邏輯計(jì)算的影響。雷達(dá)觀測(cè)的ZH,ZDR,ρhv,KDP置信度分別由不同參數(shù)的高斯函數(shù)F組合而成，F(xiàn)att代表衰減誤差的影響，與ΦDP有關(guān)；Fsnr代表接收機(jī)噪聲的影響，與SNR有關(guān)；Frhv代表偏振參量統(tǒng)計(jì)誤差的影響，與ρhv有關(guān)。具體計(jì)算如下：

(1)

(2)

(3)

圖3 BJXSY雷達(dá)置信度和靈敏度廓線 (a)Fatt,(b)靈敏度,(c)Fsnr,(d)FrhvFig.3 The profiles of Gauss functions and the minimum reflectivity of BJXSY radar (a)Fatt,(b)minimum reflectivity,(c)Fsnr,(d)Frhv

2.3 隸屬函數(shù)參數(shù)的改進(jìn)

模糊方法使用梯形隸屬函數(shù)，x1,x2,x3,x4分別表示數(shù)值由低到高的梯形4個(gè)頂點(diǎn)，對(duì)應(yīng)隸屬函數(shù)值從0～1的3個(gè)變化區(qū)間。圖4使用黑色實(shí)線和虛線分別標(biāo)出默認(rèn)隸屬函數(shù)中x2,x3和x1,x4圍成的區(qū)域，理論上某一相態(tài)的水凝物主要集中于實(shí)線圍成的范圍內(nèi)，不能出現(xiàn)在虛線范圍外。根據(jù)統(tǒng)計(jì)的各參量分布特征及其與默認(rèn)參數(shù)的相對(duì)位置，可以對(duì)隸屬函數(shù)參數(shù)進(jìn)行合理調(diào)整。對(duì)于融化層以下的雨區(qū)和融化層以上的冰雪晶區(qū)，參量分布基本符合默認(rèn)參數(shù)，與S波段雷達(dá)的觀測(cè)結(jié)果差異很小，僅北京地區(qū)冰晶的KDP偏小。由于質(zhì)量控制時(shí)衰減訂正的系數(shù)是純雨滴條件下的，當(dāng)出現(xiàn)冰水相態(tài)混合時(shí)ZH，ZDR的訂正效果受到影響，且融化層以上的回波缺乏有效的訂正方法，這些均反映在濕雪、霰以及雨夾雹相態(tài)的統(tǒng)計(jì)結(jié)果中。其中，處于融化狀態(tài)濕雪的ZH和ZDR均比默認(rèn)值偏小，ρhv的分布更廣，主要集中在0.88～0.96區(qū)間內(nèi)。對(duì)于融化層以上的霰(圖略)，受衰減影響ZDR明顯比默認(rèn)值偏低1 dB，需將ZDR隸屬函數(shù)的區(qū)間整體下調(diào)。對(duì)于對(duì)流云中的雨夾雹相態(tài)，已經(jīng)超過(guò)X波段的雷達(dá)的瑞利散射區(qū)間，同時(shí)受到衰減影響，導(dǎo)致ZDR的統(tǒng)計(jì)結(jié)果非常離散，分布于-2～2 dB之間，ρhv的極小值達(dá)到0.8甚至更低，KDP部分超過(guò)默認(rèn)隸屬函數(shù)的上界。對(duì)于X波段雷達(dá)在晴空時(shí)觀測(cè)到的非氣象回波，σ(ΦDP)最大達(dá)到150°左右，ρhv最小達(dá)到0.2，均超過(guò)默認(rèn)參數(shù)區(qū)間，此外ZDR的分布也不相同。根據(jù)上述分析結(jié)果，表1給出改進(jìn)后的隸屬參數(shù)，并在圖4中用紅色實(shí)線和虛線標(biāo)出。與默認(rèn)參數(shù)相比，調(diào)整后的隸屬函數(shù)更符合BJ-Xnet的實(shí)際觀測(cè)，有助于提高相態(tài)識(shí)別結(jié)果的可靠性。

圖4 BJXSY雷達(dá)2016年汛期觀測(cè)數(shù)據(jù)統(tǒng)計(jì)得到的與不同降水相態(tài)對(duì)應(yīng)的頻次圖(黑框和紅框分別表示默認(rèn)和改進(jìn)后的隸屬函數(shù)參數(shù),實(shí)線和虛線分布表示值為1和0的隸屬函數(shù)區(qū)間分界線)Fig.4 The frequency diagrams of ZH-ZDR,ZH-ρhv and of different hydrometeors from BJXSY radar in flood season of 2016(the black and red boxes represent the default and modified membership functions respectively,and the solid line and dotted lines represent the boundary of membership function with values of 1 and 0)

相態(tài)隸屬函數(shù)單位默認(rèn)隸屬函數(shù)參數(shù)x1x2x3x4改進(jìn)后隸屬函數(shù)參數(shù)x1x2x3x4干雪P[ZDR] dB-0.300.30.6-0.3-0.10.40.6干雪P[ρhv]0.950.9811.010.950.9711.01冰晶P[ρhv]0.950.9811.010.950.9711.01冰晶P[K(l)DP] dB·km-1-501015-30-251020濕雪P[ZH] dBZ2530405020233745濕雪P[ZDR] dB0.512300.522.5濕雪P[ρhv]0.880.920.950.9850.860.880.960.985霰P(pán)[ZDR]dB-0.30.0f1f1+0.3-1.5-0.80.00.5雨夾雹P[ZDR] dB-0.30.0f1f1+0.5-1.5-1.0f1+0.3f1+0.8雨夾雹P[ρhv] dB0.850.901.001.010.800.901.001.01雨夾雹P[K(l)DP] dB·km-1-10-4g1g1+1-10-457晴空回波P[ZDR] dB021012-5-227晴空回波P[ρhv]0.30.50.80.830.20.30.750.83晴空回波P[σ(ZH)](°)124711.558晴空回波P[σ(ΦDP)](°)8104060815120150

3 適用于X波段雷達(dá)網(wǎng)的拼圖融合方法

X波段雷達(dá)網(wǎng)的水凝物相態(tài)識(shí)別結(jié)果需要通過(guò)拼圖方法進(jìn)行融合。由于單部X波段雷達(dá)的觀測(cè)范圍較小、衰減較強(qiáng)，衰減是影響融合效果的關(guān)鍵因素。為此，在分析實(shí)際觀測(cè)數(shù)據(jù)的基礎(chǔ)上提出以衰減程度為權(quán)重的拼圖融合方法，用于BJ-Xnet的反射率因子和相態(tài)識(shí)別結(jié)果的數(shù)據(jù)融合中。

2016年7月31日一個(gè)中尺度對(duì)流系統(tǒng)由西向東移動(dòng)穿過(guò)北京市主城區(qū)，對(duì)流云集中在北京市主城區(qū)以東，西側(cè)主要是對(duì)流云消亡后的層狀云降水。降水類(lèi)型的空間差異導(dǎo)致4部不同位置X波段雷達(dá)的觀測(cè)結(jié)果截然不同，使用ZH的置信度系數(shù)QZH表征衰減的影響程度。BJXCP雷達(dá)位于該系統(tǒng)的中部，其西側(cè)觀測(cè)到回波結(jié)構(gòu)完整的層狀云區(qū)，對(duì)應(yīng)的QZH大于0.95，可見(jiàn)識(shí)別結(jié)果受衰減的影響不大(圖略)。東側(cè)強(qiáng)對(duì)流云降水區(qū)的QZH迅速降低至0.5～0.7，對(duì)應(yīng)的回波結(jié)構(gòu)出現(xiàn)明顯不連續(xù)，這是由于電磁波經(jīng)過(guò)強(qiáng)降水的衰減后低于雷達(dá)接收機(jī)靈敏度導(dǎo)致回波結(jié)構(gòu)缺失。南部BJXFS雷達(dá)的觀測(cè)結(jié)果與BJXCP雷達(dá)類(lèi)似，西側(cè)層狀云區(qū)的結(jié)構(gòu)清晰，東側(cè)對(duì)流云區(qū)存在部分不連續(xù)。BJXSY雷達(dá)位于東側(cè)強(qiáng)對(duì)流區(qū)下方，受強(qiáng)衰減影響該雷達(dá)的有效觀測(cè)半徑縮短到10～20 km，站點(diǎn)東側(cè)的降水回波結(jié)構(gòu)幾乎被完全衰減，對(duì)應(yīng)的QZH低于0.5，數(shù)據(jù)的可靠性較差。位于降水東南側(cè)的BJXTZ雷達(dá)距離強(qiáng)對(duì)流區(qū)非常近，觀測(cè)結(jié)果受衰減影響很小。但受靈敏度限制，BJXTZ雷達(dá)在西側(cè)層狀云區(qū)的回波結(jié)構(gòu)存在缺失。總體上，X波段雷達(dá)對(duì)于層狀云和近處對(duì)流云的觀測(cè)和識(shí)別結(jié)果較好，衰減會(huì)導(dǎo)致部分強(qiáng)對(duì)流云的回波結(jié)構(gòu)缺失，此外強(qiáng)降水過(guò)頂時(shí)雷達(dá)站點(diǎn)的數(shù)據(jù)可靠性較差。

BJ-Xnet融合算法的關(guān)鍵是將4部雷達(dá)的觀測(cè)結(jié)果合理組合，形成高質(zhì)量的拼圖數(shù)據(jù)，具體為需要在多部雷達(dá)共同覆蓋的區(qū)域內(nèi)選擇QZH最大(即衰減最小)的相態(tài)識(shí)別結(jié)果作為該點(diǎn)的拼圖識(shí)別結(jié)果，即置信度系數(shù)為權(quán)重(quality weight,QW)的拼圖方法。圖5是QW方法對(duì)2016年7月31日06:20 BJ-Xnet相態(tài)識(shí)別拼圖以及置信度系數(shù)拼圖結(jié)果，并與目前業(yè)務(wù)雷達(dá)使用距離權(quán)重(distance weight,DW)方法對(duì)比。傳統(tǒng)DW方法未考慮X波段衰減，嚴(yán)格選取最近的數(shù)據(jù)用于拼圖，在116°～116.4°E主要使用BJXCP雷達(dá)的結(jié)果，116.4°～116.8°E主要使用BJXSY雷達(dá)的結(jié)果，BJXTZ雷達(dá)僅在116.8°～117°E中作為BJXSY無(wú)數(shù)據(jù)區(qū)域的補(bǔ)充，BJXFS雷達(dá)則基本未使用。根據(jù)單部雷達(dá)的觀測(cè)分析，BJXSY雷達(dá)數(shù)據(jù)質(zhì)量最不理想，使用該雷達(dá)嚴(yán)重衰減的觀測(cè)結(jié)果直接導(dǎo)致DW方法的拼圖中出現(xiàn)大片置信度系數(shù)低于0.9的區(qū)域，特別是東側(cè)強(qiáng)對(duì)流區(qū)的QZH普遍低于0.5。在DW方法對(duì)應(yīng)的相態(tài)拼圖中，該區(qū)域的識(shí)別結(jié)果以小到中雨分類(lèi)為主，大雨和雨夾雹分類(lèi)很少。但此時(shí)對(duì)流云的最大回波強(qiáng)度超過(guò)55 dBZ、回波頂高超過(guò)15 km，可見(jiàn)基于距離權(quán)重的相態(tài)拼圖結(jié)果與當(dāng)日的實(shí)況不符。使用基于QW的拼圖方法，BJXSY雷達(dá)的低可靠性數(shù)據(jù)被BJXTZ和BJXFS兩部雷達(dá)代替，相態(tài)拼圖中識(shí)別出東側(cè)大片的雨夾雹和大雨區(qū)，對(duì)應(yīng)的置信度系數(shù)基本大于0.9，可見(jiàn)使用置信度權(quán)重的拼圖方法比傳統(tǒng)的距離權(quán)重方法更適合易受衰減影響的X波段雷達(dá)。

圖5 2016年7月31日06:20 BJ-Xnet在2.5 km高度拼圖試驗(yàn)的CAPPIFig.5 The CAPPI of mosaic test at 2.5 km height observed by BJ-Xnet at 0620 BT 31 Jul 2016

圖6 2016年7月31日06：20 BJ-Xnet在2.5 km高度分別使用DW方法,PW方法和QW方法得到的ZH拼圖結(jié)果Fig.6 Mosaic results of ZH by DW method,PW method and QW method for BJ-Xnet at 2.5 km height at 0620 BT 31 Jul 2016

4 北京X波段雷達(dá)網(wǎng)與S波段雷達(dá)觀測(cè)對(duì)比

北京處于中緯度地區(qū)，夏季由深對(duì)流和混合對(duì)流云帶來(lái)的冰雹、大風(fēng)、強(qiáng)降水是汛期臨近預(yù)報(bào)的重點(diǎn)和難點(diǎn)[34]。BJ-Xnet作為現(xiàn)有S波段業(yè)務(wù)雷達(dá)的補(bǔ)充，可提供高分辨率(水平分辨率150 m、垂直方向500 m)的ZH和水凝物相態(tài)識(shí)別產(chǎn)品的拼圖，用于北京市主城區(qū)范圍內(nèi)氣象災(zāi)害的監(jiān)測(cè)和預(yù)警。根據(jù)2016年汛期BJ-Xnet的觀測(cè)結(jié)果，以云降水的類(lèi)型、空間尺度為依據(jù)選取典型個(gè)例，將7月27日一次伴隨降雹的中尺度颮線、7月30日一次主城區(qū)生成的小尺度雷暴和7月20日一次特大暴雨過(guò)程中BJ-Xnet的產(chǎn)品與BJSDX雷達(dá)對(duì)比，分析本文提出的相態(tài)識(shí)別和組網(wǎng)拼圖方法的效果。

4.1 一次伴隨降雹的中尺度颮線個(gè)例

2016年7月27日在冷空氣和暖濕氣流的共同作用下，一條颮線由西北向東南移動(dòng)并穿過(guò)北京市區(qū)，伴隨6～9級(jí)短時(shí)大風(fēng)和多處局地降雹。圖7為本次過(guò)程BJSDX和BJ-Xnet在2.5 km高度的CAPPI，其中+號(hào)處為雷達(dá)站位置。根據(jù)S波段業(yè)務(wù)雷達(dá)的觀測(cè)結(jié)果，颮線在19:00 由北京西北角切入，隨后迅速向東南方向發(fā)展，1 h后位于颮線前沿的弓狀回波基本移出主城區(qū)，并分裂為多個(gè)對(duì)流單體。由于當(dāng)日BJXSY雷達(dá)正在檢修，BJ-Xnet僅依靠3部X波段雷達(dá)完成北京市主城區(qū)的拼圖。得益于合理的衰減訂正及拼圖算法，BJ-Xnet觀測(cè)的颮線宏觀結(jié)構(gòu)與BJSDX雷達(dá)非常吻合，且水平分辨率更高、提供更豐富的細(xì)節(jié)。在颮線尚未進(jìn)入北京市主城區(qū)的19:00，弓狀回波的結(jié)構(gòu)緊密，相態(tài)識(shí)別結(jié)果中出現(xiàn)連成片的雨夾雹分類(lèi)。隨著颮線穿過(guò)市區(qū)，BJ-Xnet觀測(cè)到弓狀回波中的對(duì)流單體逐漸分裂的過(guò)程。這在相態(tài)識(shí)別結(jié)果中清晰表現(xiàn)為雨夾雹和大雨分類(lèi)組成的致密結(jié)構(gòu)逐漸出現(xiàn)不連續(xù)，其間隙被小到中雨代替，這預(yù)示著有組織的對(duì)流單體的消亡。BJSDX雷達(dá)由于分辨率偏低、缺乏雙偏振功能，在臨近預(yù)報(bào)中難以及時(shí)識(shí)別。

圖8是7月27日19:00，19:42，20:00 BJSDX和BJ-Xnet在沿颮線移動(dòng)方向的垂直剖面圖。BJSDX雷達(dá)受靜錐區(qū)影響，在颮線進(jìn)入北京市主城區(qū)后難以觀測(cè)到完整結(jié)構(gòu)。BJ-Xnet相互填補(bǔ)靜錐區(qū)，且垂直分辨率更高，提供精細(xì)的颮線垂直結(jié)構(gòu)。在相態(tài)識(shí)別結(jié)果的垂直剖面中，可清楚看到颮線經(jīng)過(guò)市區(qū)后強(qiáng)度減弱的過(guò)程。19:00旺盛的對(duì)流使得回波頂高超過(guò)10 km，融化層以上出現(xiàn)大片的霰和雨夾雹分類(lèi)。這是由于此時(shí)旺盛的上升氣流足以支撐固態(tài)降水粒子在空中持續(xù)增長(zhǎng)，而2 km高度以下以液態(tài)降雨為主，只有少量較大冰雹才能達(dá)到地面。在颮線經(jīng)過(guò)市區(qū)的過(guò)程中強(qiáng)度逐漸減弱，霰的面積及對(duì)應(yīng)高度均出現(xiàn)明顯下降，不過(guò)此時(shí)底層仍以小到中雨和大雨分類(lèi)為主，降雹仍未觸地。20:00對(duì)流單體的頂高降低至8 km左右，霰對(duì)應(yīng)的高度僅為5～6 km，此時(shí)出現(xiàn)從低層到5 km高度連通的降雹帶。

根據(jù)北京地區(qū)國(guó)家站人工觀測(cè)，本次颮線BJ-Xnet的冰雹識(shí)別結(jié)果得到地面的實(shí)際驗(yàn)證。18:00—18:20 BJSDX雷達(dá)觀測(cè)到5～10 km高度出現(xiàn)超過(guò)60 dBZ的強(qiáng)回波，但BJ-Xnet識(shí)別的最低冰雹高度維持在1.6～1.7 km高度，各觀測(cè)站也無(wú)降雹記錄。18:40—19:00 BJ-Xnet觀測(cè)到颮線東北側(cè)單體的雨夾雹相態(tài)首次降低到1 km以下，表明該對(duì)流單體的降雹概率明顯增大，對(duì)應(yīng)的54410站同時(shí)觀測(cè)到降雹。隨著颮線進(jìn)入北京市主城區(qū)，BJ-Xnet的相態(tài)識(shí)別產(chǎn)品發(fā)現(xiàn)東北側(cè)的對(duì)流單體一直出現(xiàn)近地面的降雹特征，并在54398站的觀測(cè)記錄中得到證實(shí)。隨著颮線移出市區(qū)并發(fā)生分裂，BJ-Xnet觀測(cè)到0.5 km高度以下出現(xiàn)大片降雹區(qū)，該區(qū)域主要集中在北京市南部的房山區(qū)和大興區(qū)，4個(gè)地面站幾乎同時(shí)觀測(cè)到冰雹。對(duì)于本次颮線過(guò)程，BJ-Xnet觀測(cè)發(fā)現(xiàn)地面降雹的時(shí)刻并非對(duì)流單體發(fā)展最旺盛的時(shí)間，而是在上升氣流減弱、無(wú)法維持冰雹增長(zhǎng)后，相比S波段雷達(dá)獲取到更精細(xì)的結(jié)果用于臨近預(yù)報(bào)。

圖7 2016年7月27日BJSDX與BJ-Xnet 2.5 km高度CAPPI對(duì)比 (黑色虛線框表示北京市主城區(qū),黑色實(shí)線表示垂直剖面的選取位置)Fig.7 The comparison of CAPPI between BJSDX and BJ-Xnet at 2.5 km height on 27 Jul 2016 (the black dotted line indicates the scope of Beijing downtown,the black solid line indicates position of vertical sections)

圖8 與圖7相同, 但為BJSDX與BJ-Xnet的在相同時(shí)刻下的垂直結(jié)構(gòu)對(duì)比 (剖面的選取位置在水平結(jié)構(gòu)中以黑實(shí)線標(biāo)出)Fig.8 The same as in Fig.7,but for comparison of vertical structures between BJSDX and BJ-Xnet (positions of vertical section are marked by black solid lines in the CAPPIs)

續(xù)圖8

4.2 一次主城區(qū)生成的小尺度雷暴個(gè)例

2016年7月30日凌晨，在低層暖濕氣流和高層弱冷空氣的共同作用下，數(shù)個(gè)小尺度的雷暴單體在北京市主城區(qū)西南側(cè)生成，自西向東移動(dòng)過(guò)程中伴隨著新生單體的激發(fā)、加強(qiáng)并最終在3 h內(nèi)消亡。本次過(guò)程中雷暴云的生命史較短、空間尺度較小，降水的時(shí)空分布很不均勻，北京市西城區(qū)復(fù)興門(mén)觀測(cè)到了44.5 mm·h-1的短時(shí)強(qiáng)降水。圖9分別給出BJSDX和BJ-Xnet在2.5 km高度CAPPI。在夜間湍流的影響下，BJSDX雷達(dá)周?chē)^測(cè)到大片ZH<15 dBZ的晴空回波，使得初生對(duì)流的發(fā)現(xiàn)更加困難。而B(niǎo)J-Xnet得益于雙偏振參量的質(zhì)量控制方法，較好實(shí)現(xiàn)了氣象與非氣象回波的區(qū)分。在小尺度雷暴云生成與發(fā)展的過(guò)程中，X波段雷達(dá)精細(xì)結(jié)構(gòu)的優(yōu)勢(shì)體現(xiàn)非常明顯。BJ-Xnet在圖9中觀測(cè)到雷暴西側(cè)水平尺度小于500 m的新生雷暴單體，而B(niǎo)JSDX雷達(dá)受限于1 km的水平分辨率，對(duì)上述小尺度的新生對(duì)流無(wú)法監(jiān)測(cè)預(yù)警。

圖9 同圖7, 但為2016年7月30日BJSDX與BJ-Xnet的觀測(cè)對(duì)比Fig.9 The same as in Fig.7,but for comparison between BJSDX and BJ-Xnet on 30 Jul 2016

續(xù)圖9

在垂直結(jié)構(gòu)(圖10)的對(duì)比中，BJ-Xnet能更加清晰反映雷暴單體的發(fā)展過(guò)程。在7月30日02:00 的雷暴初生階段，對(duì)流云頂高就已達(dá)到約10 km。相態(tài)識(shí)別結(jié)果中出現(xiàn)的霰和雨夾雹區(qū)、單體邊緣代表上升氣流的大滴相態(tài)均表征旺盛的對(duì)流。隨著03:16垂直結(jié)構(gòu)中霰和雨夾雹的面積進(jìn)一步擴(kuò)大，雷暴云在主城區(qū)上空發(fā)展、成熟。此時(shí)冰雹在下落過(guò)程中未能達(dá)到地面，而是完全融化為下方的大雨，地面也僅觀測(cè)到瞬時(shí)強(qiáng)降水和6級(jí)陣風(fēng)，未收到降雹的重要天氣報(bào)。此后，雷暴云逐漸進(jìn)入消亡階段，強(qiáng)回波中心逐漸從8 km高度以上下移，04:12已降至約2 km高度，相態(tài)識(shí)別結(jié)果中霰和雨夾雹基本消失，該雷暴單體在20 min 內(nèi)徹底消散。由于BJSDX雷達(dá)離主城區(qū)過(guò)近，其最高仰角僅達(dá)到7 km 的高度，所得垂直結(jié)構(gòu)在雷暴初生、發(fā)展和成熟階段差異不明顯，BJ-Xnet對(duì)小尺度雷暴的監(jiān)測(cè)預(yù)警效果更佳。

4.3 一次大范圍特大暴雨個(gè)例

2016年7月19—20日因黃淮氣旋北上，北京全市出現(xiàn)一次特大暴雨過(guò)程，其中北京城區(qū)平均降雨274 mm，北京西部門(mén)頭溝區(qū)東山村記錄到極大值453.7 mm。圖11為7月20日05:00主城區(qū)降水時(shí)段內(nèi)BJ-Xnet與BJSDX的水平和垂直結(jié)構(gòu)對(duì)比。在本次降水過(guò)程的各階段，BJ-Xnet的相態(tài)識(shí)別結(jié)果隨時(shí)間幾乎無(wú)變化(圖略)，融化層以下的雨區(qū)以小到中雨相態(tài)為主，融化層以上是干雪和冰晶，融化帶內(nèi)為濕雪，符合經(jīng)典層狀云的空間特征。部分區(qū)域出現(xiàn)弱對(duì)流，但其頂高很少超過(guò)6 km。與BJSDX的觀測(cè)結(jié)果相比，BJ-Xnet在大范圍穩(wěn)定降水中的優(yōu)勢(shì)仍為水平分辨率高，雨帶的結(jié)構(gòu)特征精細(xì)，但X波段雷達(dá)在大范圍降水中的衰減訂正誤差使得BJ-Xnet的回波結(jié)構(gòu)部分偏弱，S波段業(yè)務(wù)雷達(dá)的回波結(jié)構(gòu)具有衰減更小的優(yōu)勢(shì)。此外，雨區(qū)和融化區(qū)的強(qiáng)衰減還導(dǎo)致BJ-Xnet在本次過(guò)程中對(duì)冰雪晶區(qū)域的探測(cè)能力偏弱，6 km以上高度很難獲取到層狀云的觀測(cè)信息。

圖10 同圖8,但為2016年7月30日BJSDX與BJ-Xnet的觀測(cè)對(duì)比Fig.10 The same as Fig.8,but for comparison between BJSDX and BJ-Xnet on 30 Jul 2016

圖11 同圖7,但為2016年7月20日BJSDX與BJ-Xnet的觀測(cè)對(duì)比Fig.11 The same as Fig.7,but for comparison between BJSDX and BJ-Xnet on 20 Jul 2016

5 結(jié)論和討論

針對(duì)具有較高時(shí)空分辨率、易于布網(wǎng)的X波段雙偏振雷達(dá)，本文對(duì)其相態(tài)識(shí)別產(chǎn)品的關(guān)鍵技術(shù)開(kāi)展研究，分別建立適用于X波段雷達(dá)的水凝物相態(tài)識(shí)別方法和多雷達(dá)回波強(qiáng)度、識(shí)別結(jié)果的拼圖融合方法,并通過(guò)北京X波段雷達(dá)網(wǎng)典型個(gè)例觀測(cè)得以驗(yàn)證，與S波段業(yè)務(wù)雷達(dá)對(duì)比發(fā)現(xiàn)X波段雷達(dá)網(wǎng)在臨近預(yù)報(bào)中具有優(yōu)勢(shì)，得到如下結(jié)論：

1) 經(jīng)實(shí)際觀測(cè)數(shù)據(jù)檢驗(yàn)，S波段雷達(dá)的相態(tài)識(shí)別算法不適用于X波段雷達(dá)。其中，默認(rèn)的融化層識(shí)別算法因X波段的衰減出現(xiàn)很大誤差，采用QVP方法大幅提高融化層信息的準(zhǔn)確性。在降水與干擾疊加的情況下，X波段雷達(dá)低質(zhì)量數(shù)據(jù)的特征與S波段雷達(dá)不同，采用默認(rèn)參數(shù)的置信度公式會(huì)錯(cuò)誤估計(jì)數(shù)據(jù)質(zhì)量，為此重新調(diào)整計(jì)算閾值。此外，X波段雷達(dá)部分水凝物相態(tài)的參量特征也存在差異，提出隸屬函數(shù)參數(shù)改進(jìn)方法重建適用于北京X波段雷達(dá)網(wǎng)的識(shí)別參數(shù)。

2) X波段雷達(dá)網(wǎng)中單部雷達(dá)觀測(cè)范圍很難覆蓋整個(gè)降水系統(tǒng)，且衰減程度不一，在業(yè)務(wù)應(yīng)用中需對(duì)多部雷達(dá)的觀測(cè)結(jié)果合理融合。現(xiàn)有S波段雷達(dá)基于波束體積的拼圖方法會(huì)引入部分低質(zhì)量的X波段數(shù)據(jù)，進(jìn)而導(dǎo)致回波結(jié)構(gòu)的空間不連續(xù)。提出基于衰減程度的融合方法選取受衰減影響最小的相態(tài)識(shí)別結(jié)果作為雷達(dá)網(wǎng)的相態(tài)拼圖結(jié)果，并將多部雷達(dá)的反射率因子以衰減為權(quán)重加權(quán)平均進(jìn)行拼圖，可有效降低X波段雷達(dá)拼圖后的結(jié)構(gòu)不均勻特征。

3) 通過(guò)2016年汛期北京地區(qū)3次典型降水個(gè)例的對(duì)比，X波段雷達(dá)網(wǎng)融合結(jié)果在保證北京主城區(qū)內(nèi)數(shù)據(jù)可靠性的基礎(chǔ)上提供精細(xì)的回波結(jié)構(gòu)和水凝物相態(tài)分布，有效處理當(dāng)?shù)豐波段業(yè)務(wù)雷達(dá)在近處探測(cè)能力降低的問(wèn)題。通過(guò)地面觀測(cè)站的初步驗(yàn)證，X波段雷達(dá)網(wǎng)識(shí)別的降雹區(qū)位置合理，為臨近預(yù)報(bào)提供有效的實(shí)況監(jiān)測(cè)信息。

BJ-Xnet的X波段雷達(dá)目前僅以相同的時(shí)間周期獨(dú)立掃描，還未實(shí)現(xiàn)CASA提出的組網(wǎng)協(xié)同自適應(yīng)觀測(cè)。其原因是協(xié)同掃描下復(fù)雜度需大幅提升雷達(dá)硬件、控制軟件和數(shù)據(jù)處理算法的性能和可靠性，很難達(dá)到業(yè)務(wù)需求，目前國(guó)內(nèi)僅少量科研單位嘗試開(kāi)展X波段雷達(dá)的協(xié)同掃描試驗(yàn)。限于成本，近期X波段雷達(dá)網(wǎng)不可能完全替代現(xiàn)有的S波段業(yè)務(wù)雷達(dá)。但對(duì)于一些需要重點(diǎn)監(jiān)測(cè)區(qū)域，建立掃描快、空間分辨率高的X波段雷達(dá)網(wǎng)有助于開(kāi)展臨近預(yù)報(bào)。