[发明专利]一种多普勒天气雷达径向速度场的退模糊方法

说明书

技术领域

本发明涉及一种多普勒天气雷达径向速度场的退模糊方法，属于气象雷达数据质量控制领域。

背景技术

速度场是多普勒天气雷达获取的观测数据之一，它广泛应用于短时临近预报、气象灾害预警、人工影响天气、数值预报模式的资料同化等领域。雷达通过测量相邻脉冲间的相位变化获取径向速度，测速范围为（                                                ，），是最大不模糊速度。当真实的速度值超出测速范围时，会折叠到（，）内，产生错误的速度值，这就是速度模糊。速度模糊是天气雷达广泛存在的一个问题，严重限制了速度场的应用。

把测量值恢复成真实值，这被称作速度退模糊。速度退模糊可以通过硬件和软件两种方法来实现。硬件的方法通过双脉冲重复频率或多脉冲重复频率来实现。例如：何平等（2012）提出用多脉冲重复频率TPRF法，扩展的方法。但是，硬件方法存在非均一采样所引起的数据质量下降和现有天气雷达网硬件升级的问题。另外，即使扩展了，当遇到大风时，如台风、龙卷，仍然会出现模糊。所以，软件方法成了低成本解决这一问题的途径。

近三十年来，国内外学者提出了多个软件速度退模糊方法。有沿径向一维的《依据径向数据的连续性判断模糊》、沿切向一维的《依据切向数据的连续性判断模糊》、沿径向和切向二维的、沿径向、切向、垂直、时间四维的方法。这些方法都是在假设速度场是连续的，通过判断速度值的突然变化，来消除模糊。当速度场不连续时，方法会产生错误。退模糊错误分为两种：第一种是模糊数据没有被校正，第二种是不模糊数据变成模糊数据（或模糊数据变成更模糊数据）。后一种错误是退模糊方法的负作用，称之为“污染”。“污染”使退模糊后的速度场更难以理解和应用，也是方法在应用中遇到的最大问题。产生“污染”的主要原因是噪声的干扰。

从数据分布来看，噪声分为两种：孤立噪声和连续噪声。当一个噪声点的周围，好点（非噪声点包括缺测点）数大于噪声点数时，该点为孤立噪声；好点数小于等于噪声点数时，该点为连续噪声。两种噪声对退模糊算法的影响和消除的难度是不同的。孤立噪声可以参照周围点的分布特征来消除，所以它对退模糊算法的影响较小。然而，连续噪声的消除是非常困难的，它对算法的影响是严重的。连续噪声通常出现在地物区、低信噪比区和高谱宽区。由于连续噪声会使某一区域内的噪声点数大于好点数，因此，退模糊方法中常用的中值滤波、局部平滑的消除方法对连续噪声不仅无效而且会使其变得更连续。另外，退模糊方法中噪声的消除方法，在消除连续噪声的同时也会误删大量的非噪声点。所以，这类方法在退模糊算法中的应用时是比较谨慎的，它们对连续噪声的抑制能力也比较有限。

因此，如何在退模糊过程中有效地抑制噪声，同时又不损失风场信息是解决天气雷达速度模糊问题的关键。

发明内容：

本发明提出了一种多普勒天气雷达径向速度场的退模糊方法，采用“分离—恢复”无损的噪声抑制技术，可以在不损失任何有效数据的前提下，正确校正速度场中的模糊。

本发明为解决其技术问题采用如下技术方案：

一种多普勒天气雷达径向速度场的退模糊方法，包括如下步骤：第一步，用噪声分离方法将噪声数据从径向速度场中分离出来；第二步，用多曲线拟合的方法退速度模糊；第三步，将第一步中误删除的非噪声数据恢复到原位置。

所述噪声分离方法包括处理地物噪声、低信噪比噪声和高谱宽噪声方法。

本发明的有益效果如下：

本发明可在无需升级现有雷达硬件的前提下，解决速度模糊的问题。经过3年4站的连续观测数据验证（包括台风、晴空、层云、弱对流、强对流、龙卷等类型模糊），退模糊正确率接近90%（以体扫文件为单位），对台风、强对流的模糊正确率>94%。由于退模糊过程中融合了连续噪声抑制技术，方法性能明显优于传统方法，正确率提升约30%。因此，本发明能直接改善天气雷达速度场的质量，间接提升短时临近预报、气象灾害预警、人工影响天气等业务的水平，有较高的应用价值和较好的应用前景。

附图说明

图1是本发明的方法步骤流程图。

图2是曲线拟合的所有参与点的示意图。

具体实施方式

下面结合附图对本发明创造做进一步详细说明。