韓頌雨 劉永生 駱 陽 楊 明 羅昌榮

1.浙江省氣象信息網(wǎng)絡(luò)中心，杭州，310001

2.海峽氣象開放實驗室，廈門，361012

1 引言

多普勒天氣雷達的徑向速度廣泛用于天氣監(jiān)測分析（鄭媛媛等，2004；王麗榮等，2007；俞小鼎等，2012）、風場反演（劉黎平等，2003；羅昌榮等，2012；王子昕等，2022）以及模式資料同化（楊毅等2008；陳鋒等，2020）等，但速度模糊問題使該資料應(yīng)用受到一定限制。

雷達通過測量相鄰脈沖間的相位變化提取徑向速度，最大探測速度與雷達波長、脈沖重復(fù)頻率（PRF，Pulse Repetition Frequency）成正比，最大探測距離與脈沖重復(fù)頻率成反比。同一部雷達同一個脈沖重復(fù)頻率，為保證較大的最大探測距離，其最大探測速度就要縮小，因二者的上述關(guān)系，業(yè)務(wù)上S波段天氣雷達最大探測速度范圍局限在約-27—27 m/s，超出最大探測速度的速度會折疊在該范圍內(nèi)，由此產(chǎn)生錯誤的模糊速度。模糊速度與真實速度之間存在一定關(guān)系（真實速度等于模糊速度加減偶數(shù)倍的最大不模糊速度），為糾正模糊值，解析真實速度，退模糊速度是重要的技術(shù)難題。

雙脈沖重復(fù)頻率或多脈沖重復(fù)頻率的硬件方法（Sirmans，et al，1976；潘新民等，2010）可擴展最大探測速度，避免出現(xiàn)速度模糊，但會導(dǎo)致雷達探測數(shù)據(jù)質(zhì)量下降（May，2001；楊川等，2012；肖艷姣等，2016），且遇到臺風、強對流等天氣依然會出現(xiàn)速度模糊，因此出現(xiàn)了退模糊的軟件算法。模糊速度表現(xiàn)為最大速度值躍變，大多退模糊算法基于徑向速度在空間和時間上的連續(xù)：從沿徑向或方位的一維退模糊（Ray，et al，1977；劉淑媛等，2004）、二維退模糊（Bergen，et al，1988；Jing，et al，1993；梁海河等，2002）一直到沿徑向、方位、仰角（Louf，et al，2020）和時間序列的四維退模糊（James，et al，2001）。

退模糊的關(guān)鍵是確定可靠的觀測參考值，主要通過3種方式：一是借助雷達以外的資料：如用探空環(huán)境風（Eilts，et al，1990）或快速更新系統(tǒng)的三維風場（Lim，et al，2010；童文雪等，2013）作為參考速度，但這些資料時、空分辨率較低，對小尺度系統(tǒng)不具代表性。二是使用速度-方位顯示（VAD，Velocity Azimuth Display）風場作為參考速度（Gong，et al，2003；張 少 波 等，2007；Xu，et al，2011），但VAD風場只提供雷達附近多個高度的平均風場，且算法本身受速度模糊及有效速度資料覆蓋率影響。Xu等（2013a）基于變分方法改進了VAD方法，并進行了優(yōu)化（Xu，et al，2013b），但對遠離雷達的孤立風暴作用仍有限。Jiang等（2016）針對臺風基于精調(diào)渦旋分析改進了Xu等（2013a）的退模糊方法。三是通過雷達自身徑向速度特點挖掘可靠的起始參考值，由于雷達的高時、空分辨率，這種方式較前兩種更有效。Zhang等（2006）通過搜尋最弱風區(qū)確定一組退模糊的初始參考徑向和速度庫，基于連續(xù)性進行2次順時針和逆時針180°的退模糊，解決了初始模糊問題，應(yīng)用效果很好（蔡親波等，2009），但對孤立回波和雜點干擾的模糊現(xiàn)象還會出現(xiàn)問題（仰美霖等，2011）。肖艷姣等（2012）針對孤立風暴、強臺風等復(fù)雜情況，改進了Zhang等（2006）方法，搜索最弱風區(qū)的初始參考徑向考慮了相鄰仰角，并保留兩組初始參考徑向，對強風切檢查進行第二次退模糊。楊明等（2013）也針對孤立風暴的速度模糊情況，改進了Zhang等（2006）方法，基于連續(xù)性搜索模糊邊界和模糊區(qū)域，并采用擴展鄰域法進行模糊訂正。楚志剛等（2013）針對噪聲背景下速度模糊問題，釆用分離恢復(fù)噪聲抑制方法，有效解決退模糊的雜點干擾問題。He等（2012，2019a，2019b）和Li等（2014）建立了較為系統(tǒng)的退模糊方法：包括去除噪聲數(shù)據(jù)，確定初始徑向，保留對流區(qū)域，徑向、方位向多次退模糊，錯誤檢查等，但在特定情況仍需人工輔助。Yuan等（2020）在獲得可靠參考速度徑向后基于區(qū)域速度差總和最小化的思路退模糊。

以上方法的首要步驟是尋找最弱風區(qū)確定可靠的初始參考速度徑向，但0速線形狀千變?nèi)f化，可能存在劇烈彎曲，也可能受距離折疊影響，僅以最弱風區(qū)的徑向直線作為起始參考，存在一些不確定風險。李南（2011）利用類似“走迷宮”的算法找到2條0速線用于區(qū)分正、負速度區(qū)，用符號是否一致來校正模糊，但這對一次模糊轉(zhuǎn)向及實際復(fù)雜風場無效，仍需依靠人機交互完成退模糊。陳宏波等（2015）通過分段尋找弱風區(qū)確切位置以確定0速曲線對模擬資料進行退模糊測試。

以往研究退模糊的主要思路是：以初始未模糊的速度作為可靠參考，依據(jù)空間連續(xù)原則進行參考速度的擴展判斷。此思路存在幾個問題：①回波邊緣出現(xiàn)模糊，如孤立的以及受距離折疊隔離的強風回波區(qū)出現(xiàn)模糊的情況無法用連續(xù)性判斷；②模糊區(qū)域受到雜點影響時如何避免其干擾；③僅以最弱風區(qū)確定的徑向直線作為起始參考存在一定風險。

針對以上問題，本研究設(shè)計了一種適應(yīng)多種天氣事件的徑向速度自動退模糊方法，并利用S波段雷達3407個體掃資料對該算法進行了驗證，同時與業(yè)務(wù)退模糊方法結(jié)果進行對比，以期探尋提高雷達徑向速度資料質(zhì)量和應(yīng)用價值的方法。

2 算法及關(guān)鍵技術(shù)

文中試驗數(shù)據(jù)為S波段雷達，最大不模糊速度（Vmax，即最大探測速度）約30 m/s，總徑向根數(shù)（Lmax）約360根，雷達速度數(shù)據(jù)的最大距離庫（R）約920，默認為弱速度區(qū)，20 m/s可能性較大。所有閾值設(shè)計均按上述雷達探測參以上為速度大值區(qū)，因其附近出現(xiàn)模糊的數(shù)設(shè)定。

算法的流程見圖1，由讀取雷達體掃基數(shù)據(jù)開始，從高仰角向低仰角（因高仰角層較低仰角層可更好地確定0速線）依次對每層速度進行處理，最后僅將經(jīng)退模糊處理過的徑向數(shù)據(jù)點修改到原體掃數(shù)據(jù)中。

圖1 退速度模糊算法處理流程Fig.1 Overall processing flow chart of the velocity dealiasing algorithm

2.1 0速交界點查找

查找負、正0速交界點和正、負0速交界點，即沿方位順時針方向由弱速度負值變化到正值的交界點和由弱速度正值變化到負值的交界點。

0速交界點的弱速度變化特征可自行擬定，只需確保篩選到有益于確定0速線的交界點。如圖2a及文中相關(guān)圖中出現(xiàn)的零星藍、黃點所示，藍點表示負、正0速交界點，黃點表示正、負0速交界點。

圖2 根據(jù)0速線彎曲程度參數(shù)篩選參與插值的0速交界點（2014年7月27日09時03分（世界時，下同）寧波雷達9.9°仰角觀測到的颮線過程徑向速度場：a.退模糊前（藍、黃點表示查找到的0速交界點），b.退模糊后（藍、黃線表示確定的0速線）；下同）Fig.2 The fitting zero velocity junction points are selected according to the bending degree parameter of the zero velocity line（radial velocity field of squall line observed by Ningbo radar at 9.9°elevation at 09：03 UTC 27 July 2014：a.before dealiasing （the blue and yellow dots represent the zero velocity junction），b.after dealiasing（the blue and yellow lines represent the determined zero velocity line）；hereafter the same）

2.2 0速交界點把關(guān)

對查找到的兩類0速交界點，首先篩選孤偏問題點：對每個0速交界點與其余所有點逐個進行判斷，是否兩點間距離小于一定閾值，如果均不符合該條件，說明該點較為孤偏，沒有一個點與其相近，不可信，將其剔除。然后評估圖像中擬需確定的0速線其潛在彎曲程度以決策是否做進一步剔除：檢查所有速度點，若該點徑向方向向外（內(nèi)）0.2R個格點都是負速度向內(nèi)（外）0.2R個格點都是正速度則計數(shù)累加1次最終得到參數(shù)C，這樣的點多說明0速線沿方位變化方向的彎曲程度大；若累加次數(shù)≥0.04Lmax，說明0速線存在彎曲，不需剔除任何點；否則，說明0速線不存在明顯彎曲，剔除0速交界點中與全部數(shù)據(jù)點方位值中位數(shù)相差大于0.15Lmax的點，即與整體趨勢相差較大的點。

如圖2所示，計算的0速線切向彎曲程度參數(shù)（C）較大（大于閾值），說明0速線存在彎曲，無需進一步篩選正、負0速交界點（黃點），即可將圖2a中所有正、負0速交界點插值成圖2b的正、負0速線（黃線）。

2.3 0速點到線的確定

根據(jù)處理后的兩類0速交界點信息，通過插值方式得到負、正0速線和正、負0速線，文中的0速線是整體圖像中正、負速度分區(qū)大趨勢的0速線，并不是雷達徑向觀測的所有0速線。

由負、正0速交界點插值得到圖像中整體大趨勢的負、正0速線（圖2b藍線），正、負0速交界點插值得到正、負0速線（圖2b黃線）。譬如，已確定的0速交界點徑向距離格點依次為[80 85 100···150 390 490 700]，方 位 格 點 依 次 為[40 45 60···55 48 78 76]。徑向距離格點為81，則方位格點值由鄰近的80、85兩點線性插值確定，為插值結(jié)果如出現(xiàn)在大速度值上的點，可參考逐點糾正搜索方式，局部搜索弱的正（負）、負（正）速度值交界處。

徑向距離值1—80的方位值由第一個已知0速交界點的方位值確定，即為40。700—Rmax的方位值（Rmax為當前仰角層有效速度數(shù)據(jù)的最大徑向距離，下同）可選擇以下4種方式確定：（1）由最末已知0速交界點的方位值延長確定，即均為76。（2）由記錄的上一層0速線信息確定。（3）由可靠性更高的另一條0速線信息確定（簡稱對線）。一般情況下，兩條0速線基本互補，將圖像大致分成一半。如需確定的是負、正0速度線，由0速交界點更多的正、負0速線方位格點中位數(shù)加180來確定。（4）利用逐點糾正搜索方式確定。

經(jīng)試驗發(fā)現(xiàn)，查找到的0速交界點在靠近雷達中心區(qū)域分布較多，其他區(qū)域較少，因此0速線的起始端確定比較簡單，用第一個已知0速交界點的方位格點值即可，而0速線的末端確定較為復(fù)雜，要根據(jù)不同情況選擇最佳方式，若方式（1）—（3）確定的0速線上點落在較大的速度絕對值附近，則選用方式（4）。

2.3.1 逐點糾正搜索方式

如圖3所示，如按最末已知0速交界點的方位值延長確定0速線末端（圖3a1、b1箭頭方向），則該0速線均落在速度絕對值大值區(qū)，經(jīng)檢驗該方式有誤，因此使用逐點糾正搜索方式來確定0速線末端，逐點搜索弱速度值所在方位。該方式搜索確定的0速線準確，據(jù)此成功退除了模糊區(qū)域（圖3a2、b2）。

2.3.2 檢驗上層0速線位置在當前層是否有誤

上層兩條0速線位置信息在當前層位置的每個點（最接近的點），沿著它的方位變化方向局部范圍內(nèi)是否有速度大值點出現(xiàn)，若該情況的0速線點數(shù)量較多，則有誤，說明上層0速線落在該層速度絕對值較大位置，上層0速線信息不可用。如果出現(xiàn)該情況的點數(shù)量較少，說明有一定參考性。同理檢驗上層0速線在當前層0速線末端是否有誤、檢驗最末已知0速交界點方位值延長確定的0速線末端是否有誤、檢驗對線確定的0速線末端是否有誤。

如圖3b所示，正、負0速線（黃線）末端利用對線信息，但經(jīng)檢驗其落在大值區(qū)，有誤；利用上層0速線位置信息，也落在大值區(qū)，有誤；再利用最末已知交界點的方位值延長線信息，檢驗也有誤；最后利用逐點糾正搜索方式確定0速線末端。該過程經(jīng)多次檢驗以確保0速線的準確。

圖3 逐點糾正搜索方式確定0速線末端示意（2020年3月21日08時寧波雷達4.3°仰角退模糊前（a1）、后（a2），09時44分湖州雷達3.4°仰角退模糊前（b1）、后（b2）徑向速度場；箭頭表示按最末已知0速交界點的方位值延長確定0速線末端）Fig.3 The end part of zero velocity line determined by point by point correction search method （a.radial velocity field before（a1）and after（a2）dealiasing of Ningbo radar at 4.3°elevation at 08：00 UTC 21 March 2020；b.radial velocity field before（b1）and after（b2）dealiasing of Huzhou radar at 3.4°elevation at 09：44 UTC 21 March 2020；the arrow indicates that the end part of the zero velocity line is determined according to the extension of the azimuth grid value of the last known zero velocity junction point）

2.4 0速線信息記錄

確定的0速線，若滿足兩條相距不太近（方位值中位數(shù)的差大于閾值）、彎曲程度較小，與上層記錄的0速線位置偏差較小3個條件，則將當前仰角層確定的0速線信息記錄下來，作為下層退模糊過程的參考。

2.5 退模糊處理

確定0速線后按如下步驟處理：（1）對徑向距離劃分的區(qū)域識別雜點干擾區(qū)與非雜點干擾區(qū)；（2）在雜點干擾區(qū)，分正、負速度區(qū)逐點判斷其不同大小鄰域范圍內(nèi)是否同時滿足多個符合模糊特征的條件，對滿足條件的點進行退模糊處理并標記；（3）在非雜點干擾區(qū)，沿徑向與方位方向分別搜索滿足條件的邊界點以圈定模糊區(qū)域來退模糊并標記，對遺留未退去的模糊點用（2）中的方法進行處理并標記。

未能確定0速線按如下步驟處理：（1）未能查找到滿足條件的0速交界點或確定的交界點數(shù)≤3，利用上層記錄的0速線位置信息來確定當前兩條0速線（需檢驗無誤）；若無上層0速線位置信息或上層信息檢驗有誤，則搜索符合條件的徑向直線方向的兩條0速線；并按確定0速線步驟進行退模糊處理；（2）經(jīng)（1）還未能確定0速線或確定的兩條0速線相距太近（即方位值中位數(shù)差小于閾值）或0速線上存在較多速度大值區(qū)點或兩條0速線與上層記錄的對應(yīng)0速線位置距離太遠（即方位值中位數(shù)差大于閾值），執(zhí)行無0速線模式，其與雜點干擾區(qū)及掃尾處理的退模糊方法類似，逐點判斷其鄰域范圍內(nèi)最大不模糊速度臨界點的躍變、速度的不連續(xù)、正、負屬性歸屬等多個模糊特征，且針對孤立回波與模糊中心區(qū)域其鄰域范圍內(nèi)沒有最大不模糊速度臨界點的躍變情況，可多次擴展該鄰域范圍進行判斷。

2.5.1 識別雜點干擾區(qū)

以雷達速度最大距離庫R為920為例，分別計算[0，25）、[25，50）、[50，75）、[75，100）、[100，125）、[125，150）、[150，175）、[175，200）、[200，300）、[300，400）、[400，600）、[600，920）徑向距離扇環(huán)內(nèi)有效數(shù)據(jù)點中（如[R1，R2），即（R2-R1）Lmax個數(shù)據(jù)中的有效速度數(shù)據(jù)）雜點數(shù)占比。

計算以下兩類雜點：孤立雜點，指該點一定范圍內(nèi)（如方位方向前、后2個點和徑向方向前、后2個點）每點速度與該點速度差絕對值均大于15；低值雜點，指負速度區(qū)內(nèi)值為[-1，5），正速度區(qū)內(nèi)值為[-5，1）。如果該范圍內(nèi)孤立雜點或低值雜點占比大于閾值，則認定該范圍為雜點干擾區(qū)。

2.5.2 雜點干擾區(qū)退模糊處理

2.5.3 非雜點干擾區(qū)的退模糊處理

圖4d中的粉色點為查找到的多個模糊弧度條的起點、終點。依照上述規(guī)則，沿徑向距離方向（由雷達向外為正方向），查找模糊徑向距離條（圖4e）。

圖4 尋找模糊區(qū)域邊界點的退模糊流程示意（2016年9月14日14時漳州雷達1.5°仰角觀測的“莫蘭蒂”臺風過程徑向速度場：a.退模糊前，b.0速交界點，c.點變線，d.模糊弧度條，e.模糊徑向距離條，f.退模糊后）Fig.4 Dealiasing process of finding boundary points in ambiguity area （radial velocity field before and after dealiasing observed by Zhangzhou radar at 1.5°elevation during typhoon"Meranti"at 14：00 UTC 14 September 2016：a.original drawing，b.find zero velocity junction point，c.determine the zone by point to line，d.ambiguity radian bar，e.ambiguity radial distance bar，f. after dealiasing）

在負（正）速度區(qū)，對搜索到的模糊弧度條和模糊徑向距離條內(nèi)所有速度正（負）值點進行退模糊處理，減去（加上）（2Vmax），并進行標記。處理過程執(zhí)行2次。經(jīng)查找模糊區(qū)域邊界并退模糊處理后若仍遺留一些模糊點未完全去除，則利用雜點干擾區(qū)的退模糊方法進行掃尾處理。

對于一次模糊轉(zhuǎn)向的嚴重速度模糊情況（以負速度區(qū)為例），則將上述8類情況中的紅點改為的綠點，并確保該識別條內(nèi)的綠點過渡到紅點，即可包含該情況的退模糊處理。圖5為2019年“利奇馬”臺風過程中強風速下一次模糊轉(zhuǎn)向的退模糊示意，在負速度區(qū)域內(nèi)的模糊區(qū)域中出現(xiàn)模糊轉(zhuǎn)向后的綠色色塊（圖5a），退模糊后真實速度超過-54 m/s（圖5b）。

圖5 一次模糊轉(zhuǎn)向情況的退模糊示意（2019年8月9日14時58分臺州雷達2.4°仰角觀測的“利奇馬”臺風過程退模糊前（a）、后（b）的徑向速度場）Fig.5 Dealiasing of one ambiguity turn caused by strong wind speed during typhoon （radial velocity field before （a）and after（b）dealiasing observed by Taizhou radar at 2.4°elevation during typhoon"Lekima"at 14：58 UTC 9 August 2019）

2.5.4 查找徑向直線0速線

2.5.5 無0速線模式的退模糊處理

無0速線模式的退模糊處理方法見2.5.2節(jié)。圖7為無0速線情況下退模糊，圖7a中未找到符合條件的0速交界點，上層無0速線記錄信息，也未查找到符合條件的徑向0速線，只能通過無0速線模式處理（小圖中A點周邊的黑框范圍即為2.5.2節(jié)中小范圍鄰域的示意），圖7b為退模糊后。

圖7 無0速線情況下退模糊（2018年3月4日10時06分杭州雷達1.5°仰角觀測的冰雹過程退模糊前（a）、后（b）徑向速度場）Fig.7 Dealiasing case of no zero velocity line mode（radial velocity field before（a）and after （b）dealiasing observed by Hangzhou radar at 1.5°elevation during the hail process at 10：06 UTC 4 March 2018）

3 算法驗證

3.1 驗證結(jié)果

利用S波段多普勒天氣雷達觀測的颮線、冰雹、強臺風等事件的11個個例對上述算法進行測試，以PPI（Plan Position Indicator）仰角層為單位統(tǒng)計退模糊準確率，通過人工判斷，若一個仰角層上出現(xiàn)退模糊錯誤，則認為該層退模糊準確率為0。

表1給出了雷達數(shù)據(jù)來源和文中算法退模糊準確率，并與業(yè)務(wù)運行的退模糊方案（RPG版本11.3.6-S.DP）進行對比，檢驗了3407個速度模糊的體掃數(shù)據(jù)（一個體掃中至少有一仰角層出現(xiàn)模糊），文中方法退模糊準確率達98.7%（錯誤393層），業(yè)務(wù)方法準確率為96.3%（錯誤1135層），對于2018年3月冰雹個例，文中方法準確率高于業(yè)務(wù)方法10個百分點，業(yè)務(wù)方法的退模糊錯誤較為嚴重，大多為連續(xù)一段時間退模糊失敗，尤其針對孤立回波退錯情況較嚴重。

表1 退模糊算法試驗的個例信息及退模糊準確率Table 1 The test data of the dealiasing algorithm and dealiasing accuracy

圖6 查找徑向0速線的退模糊（2018年3月4日14時34分舟山雷達6.0°仰角觀測的冰雹過程退模糊前（a）、后（b）徑向速度場）Fig.6 Dealiasing case of finding a qualified radial straight zero velocity line（radial velocity field before（a）and after（b）dealiasing observed by Zhoushan radar at 6.0°elevation during the hail process at 14：34 UTC 4 March 2018）

3.2 運行時間

算法試驗在具有4核3.4 GHz處理器和24 G物理內(nèi)存的電腦上進行，一個體掃資料平均耗時約43 s。文中算法程序用MATLAB軟件編寫，為解釋性語言，程序如做進一步優(yōu)化，運行時間將可能縮短。

4 個例分析

4.1 孤立回波的退模糊

圖8為2018年3月4日10時16分 臺 州 雷 達觀測的2.4°仰角冰雹個例退模糊前（圖8a）、后（圖8b、c）的徑向速度。正中心為雷達位置，紫色表示距離折疊（下同）。圖8b中藍、黃線是由0速交界點插值得到的0速線，根據(jù)0速線分區(qū)將圖像分為負、正區(qū)域，較好識別了兩側(cè)的模糊區(qū)域，成功退去模糊，真實速度絕對值超過40 m/s。圖8c為業(yè)務(wù)方法的結(jié)果，未退去東北側(cè)的模糊區(qū)域，且將西側(cè)正確的負值錯當模糊處理了，未能還原真實速度，該方法僅將鄰域作為參考值，未考慮圖中整體的正、負徑向速度分布。

圖8 2018年3月4日10時16分臺州雷達觀測的2.4°仰角冰雹過程徑向速度場（a.退模糊前，藍、黃點表示查找到的0速交界點；b.文中方法退模糊后，藍、黃線表示確定的0速線；c.業(yè)務(wù)方法退模糊后，箭頭所指為退錯區(qū)域；下同）Fig.8 Radial velocity field observed by Taizhou radar at 2.4°elevation during the hail process at 10：16 UTC 4 March 2018（a.before dealiasing，the blue and yellow dots represent the zero velocity junction；b.after dealiasing，the blue and yellow lines represent the determined zero velocity line；c.after dealiasing by operational method，the arrow indicates the error dealiasing area；the same hereafter）

圖9為2018年3月4日08時54分 金 華 雷 達觀測的2.4°仰角冰雹個例退模糊前、后徑向速度。該時次雷達的西南側(cè)出現(xiàn)速度模糊，文中依據(jù)0速線分區(qū)成功退去了模糊區(qū)域（圖9b），圖中靠近雷達站的區(qū)域為雜點干擾區(qū)，使用逐點判斷法退去了模糊點，保留了雜點數(shù)據(jù)的原有大致特征，未過度改變其分布結(jié)構(gòu)。該時次查找到符合條件的0速交界點較少（圖9a），使用記錄的上層0速線位置信息。業(yè)務(wù)方法未能退去該模糊區(qū)域，并把正確的負值錯當模糊來處理，未能還原真實速度（圖9c）。

圖9 2018年3月4日08時54分金華雷達觀測的2.4°仰角冰雹過程徑向速度場（a.退模糊前，b.文中方法退模糊后，c.業(yè)務(wù)方法退模糊后）Fig.9 Radial velocity field observed by Jinhua radar at 2.4°elevation during the hail process at 08：54 UTC 4 March 2018（a.before dealiasing，b.after dealiasing，c.after dealiasing by operational method）

4.2 嚴重距離折疊遮擋情況

圖10為2015年8月7日22時59分廈門雷達觀測的0.5°仰角“蘇迪羅”臺風退模糊前（圖10a）、后（圖10b、c）徑向速度。該時次出現(xiàn)較大面積的速度模糊，且被距離折疊覆蓋得較為明顯，為退模糊帶來難度。文中依據(jù)查找的正、負0速交界點（黃點）得到正、負0速線（黃線），并依據(jù)記錄的上層負、正0速線信息確定該層負、正0速線（藍線），據(jù)此成功退去模糊區(qū)域（圖10b）。業(yè)務(wù)方法成功退去正速度區(qū)模糊部分，但沒能退去負速度區(qū)模糊，且還將部分正確的負值錯當模糊來處理，未能還原真實速度（圖10c）。

圖10 2015年8月7日22時59分廈門雷達觀測的0.5°仰角“蘇迪羅”臺風過程徑向速度場（a.退模糊前，b.文中方法退模糊后，c.業(yè)務(wù)方法退模糊后）Fig.10 Radial velocity field observed by Xiamen radar at 0.5°elevation during typhoon "Soudelor"at 22：59 UTC 7 August 2015（a.before dealiasing，b.after dealiasing，c.after dealiasing by operational method）

4.3 中氣旋的退模糊處理

圖11為 阜 寧 龍 卷 個 例 中2016年6月23日06時31分鹽城雷達觀測的1.5°仰角徑向速度場。該時次出現(xiàn)了較為明顯的中氣旋，文中依據(jù)確定的0速線（藍線）退完模糊后，顯示負值最大約-44 m/s，相接的正值約20 m/s，得到了正確的負、正速度對，呈現(xiàn)完整的中氣旋（圖11b），圖11小框即為放大的中氣旋區(qū)域。業(yè)務(wù)方法退去了負區(qū)模糊部分，但在中氣旋的正、負速度交界處將部分正確的負值錯當成模糊處理了（圖11c）。

圖11 2016年6月23日06時31分鹽城雷達觀測的1.5°仰角阜寧龍卷徑向速度場（a. 退模糊前，b.文中方法退模糊后，c.業(yè)務(wù)方法退模糊后）Fig.11 Radial velocity field observed by Yancheng radar at 1.5°elevation during Funing tornado at 06：31 UTC 23 June 2016（a.before dealiasing，b.after dealiasing，c.after dealiasing by operational method）

5 結(jié)論與討論

針對以往雷達退速度模糊算法中孤立回波或被距離折疊隔離回波出現(xiàn)模糊、雜點干擾等問題，文中提出了一種新的退模糊方法。

（1）通過查找0速點插值到線的方式，并綜合考慮上層0速線信息、可靠性更高的另一0速線信息、最末已知0速交界點的方位信息以及局部搜索弱速度的方式來確定可靠的0速線。（2）利用0速線得到正、負速度分區(qū)，并通過識別模糊邊界以圈定模糊區(qū)域來進行退模糊處理，可有效解決孤立及被隔離回波模糊的問題。經(jīng)驗證：針對孤立及嚴重距離折疊隔離的回波該退模糊方法比業(yè)務(wù)方法更有效，對2018年3月4日冰雹個例，準確率高于業(yè)務(wù)方法10個百分點（業(yè)務(wù)方法大多因孤立回波退錯）。（3）對識別的雜點干擾區(qū)域，單獨進行退模糊處理：依據(jù)模糊點鄰域內(nèi)最大速度臨界點躍變、速度不連續(xù)、正負屬性歸屬等多個特征，逐點判斷其是否為模糊點，可避免受雜點干擾影響，同時保留雜點數(shù)據(jù)原有特征，不過度改變其分布結(jié)構(gòu)。對未能確定0速線的情況及非雜點干擾區(qū)遺留模糊點的掃尾處理同樣采用逐點判斷其是否滿足多個模糊特征的方法，也有一定效果，其中多次擴展鄰域方法也考慮了孤立及被隔離的模糊回波。（4）檢驗了冰雹、強臺風、颮線等事件11個個例3407個S波段雷達速度模糊數(shù)據(jù)，文中方法總體退模糊準確率達98%。對個例中出現(xiàn)的臺風一次模糊轉(zhuǎn)向嚴重速度模糊情況以及中氣旋周圍出現(xiàn)速度模糊情況也能退去。

文中方法秉持寧可不退，也不退錯的思想，對0速線確立過程中每一步獲取的信息都經(jīng)嚴格把關(guān)及檢驗；退模糊點需滿足多個模糊特征條件；且對0速線附近區(qū)域依據(jù)連續(xù)性原理，相對于0速線平均值速度變化小于0.2Vmax的點可保留不做退模糊處理。

大氣流場的變化復(fù)雜多樣，人工精力有限，難以將速度模糊圖像全部規(guī)律置于算法中，達不到100%準確。目前人工智能發(fā)展迅速，依據(jù)現(xiàn)有工作的退速度模糊正樣本，是否可用對抗神經(jīng)網(wǎng)絡(luò)模型學(xué)習其圖像退模糊規(guī)律？是否可以建立智能專家知識庫，歸納完整的人工退模糊邏輯思維規(guī)律？是未來可嘗試的創(chuàng)新想法。此外，C波段、X波段雷達的最大不模糊速度更小，速度模糊現(xiàn)象更嚴重，退模糊難度也更大。文中識別模糊邊界主要利用了最大速度值臨界點躍變；逐點判斷其多個模糊特征時也主要考慮最大速度值臨界點躍變和速度不連續(xù)程度，而短波段雷達Vmax更小，更容易同正常的較大速度切變相混淆。如C波段雷達，同樣的PRF，其最大不模糊速度約為S波段雷達的一半，無疑增加了更多不確定性。而通過0速線得到正、負速度分區(qū)，依然同S波段的情況沒有差別，因此未來可根據(jù)時、空連續(xù)原則，記錄前幾個時次可靠的0速線位置信息以作為當前時次0速線信息的補充參考，相較于現(xiàn)有S波段算法可能有所改進，由此幫助維持最終的退模糊準確率（或不至于下降太多）。

致謝：感謝浙江省氣象臺趙放、浙江省氣象信息網(wǎng)絡(luò)中心王亞云和臺州市氣象局黃曉龍?zhí)峁┑膸椭?/p>