img

官方微信

遥感技术与应用, 2019, 34(5): 1101-1110 doi: 10.11873/j.issn.1004-0323.2019.5.1011

降水遥感观测专栏

星载雷达在评估地基天气雷达非降水回波识别算法效果中的应用

张帅,1,2, 王振会,1, 赵兵科2, 冷亮3

1. 南京信息工程大学气象灾害预报预警与评估协同创新中心中国气象局 气溶胶-云-降水重点实验室,江苏 南京 210044

2. 中国气象局上海台风研究所台风探测室,上海 200030

3. 中国气象局武汉暴雨研究所暴雨监测预警湖北省重点实验室,湖北 武汉 430205

Use of Space-borne Radar Observations in Evaluating Ground Radar Non-precipitation Echo Identification Algorithm

Zhang Shuai,1,2, Wang Zhenhui,1, Zhao Binke2, Leng Liang3

1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, CMA Key Laboratory for Aerosol-Cloud-Precipitation, Nanjing University of Information Science & Technology, Nanjing 210044, China

2. Shanghai Typhoon Institute, CMA, Shanghai 200030, China

3. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration,Wuhan 430205, China

通讯作者: 王振会(1955-),男,山东曹县人,教授,主要从事大气探测与大气遥感方面的研究。E⁃mail:eiap@nuist.edu.cn

收稿日期: 2018-07-10   修回日期: 2019-11-12   网络出版日期: 2019-11-28

基金资助: 国家自然科学基金项目.  41675028.  41275043.  41775064.  41475060
公益性行业科研专项.  GYHY201306078
科技部重点专项.  2017YFE0107700
江苏高校优势学科建设工程资助项目.  PAPD

Received: 2018-07-10   Revised: 2019-11-12   Online: 2019-11-28

作者简介 About authors

张帅(1984-),男,河南漯河人,博士研究生,主要从事雷达资料处理与分析方面的研究E⁃mail:zhangs@typhoon.org.cn , E-mail:zhangs@typhoon.org.cn

摘要

非降水回波识别算法的效果直接影响着雷达数据后续应用(如定量降水估测)的结果,因此对其进行客观定量检验是很重要的。文中所用算法在SWAN系统雷达反射率因子质量控制算法基础上增加了晴空回波识别算法,使用回波延展度因子并增加高度限制来对晴空回波进行识别和去除。使用星载雷达反射率强度数据与非降水回波去除前后的地基雷达数据进行时空匹配,对非降水回波识别算法效果进行客观的直观和定量验证。参照星载雷达观测结果,文中算法针对与降水回波无混叠的超折射回波有很好的识别效果,效果优于存在降水与超折射混叠的情况,当降水回波中存在与超折射回波水平纹理相近的对流降水时,经算法处理后该部分回波会丢失部分信息。针对存在降水与超折射回波混叠的情况,将算法处理前后的地基雷达降水区域反射率因子分别与星载雷达数据进行比较,结果表明经算法处理后的数据更接近星载雷达观测值。评价结果可为算法适用性分析及改进提供依据。

关键词: 星载雷达 ; 地基天气雷达 ; 非降水回波识别算法 ; 评估

Abstract

The performance of non-precipitation echo identification algorithm directly affects the results of downstream applications (such as quantitative precipitation estimation). Therefore, it is important to evaluate the algorithm performance objectively and quantitatively. The algorithm used in this paper is based on the quality control algorithm used in SWAN system. The method of clear air echoes identification was added in the algorithm, the echo extension was used and the height limitation of the echoes was added to identify and remove the clear air echoes. The spatial and temporal matching between radar data from the Precipitation Radar (PR) on board the Tropical Rainfall Measuring Mission (TRMM) satellite and the ground-based radar (GR) before and after the non-precipitation echo removal was carried out to objectively assess the performance the algorithm visually and quantitatively. According to observations of PR, the algorithm has a good identifying performance for the AP echoes which is not aliased to the precipitation echoes, and the result is better than that AP echoes aliased to the precipitation echoes. Part of the convective echo information lost after processing by the algorithm because of the factor TDBZ. For the situation of precipitation aliased to AP echoes, the evaluation was carried out by comparing the PR reflectivity factor values with those of GR before and after the identifying. The result indicated that the observations after identifying was closer to those of PR. The evaluation results can provide basis for the applicability analysis and improvement of the identifying algorithm.

Keywords: Space-borne radar ; Ground radar ; Identification algorithm ; Evaluate

PDF (5616KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张帅, 王振会, 赵兵科, 冷亮. 星载雷达在评估地基天气雷达非降水回波识别算法效果中的应用. 遥感技术与应用[J], 2019, 34(5): 1101-1110 doi:10.11873/j.issn.1004-0323.2019.5.1011

Zhang Shuai, Wang Zhenhui, Zhao Binke, Leng Liang. Use of Space-borne Radar Observations in Evaluating Ground Radar Non-precipitation Echo Identification Algorithm. Remote Sensing Technology and Application[J], 2019, 34(5): 1101-1110 doi:10.11873/j.issn.1004-0323.2019.5.1011

1 引 言

雷达资料的可靠性是使用雷达数据时首先要考虑的问题,对于天气雷达,降水回波可能被一些非降水回波所污染,非降水回波主要包括地物杂波、晴空回波、超折射回波等,这些回波干扰了对降水回波的识别[1]。因此,在使用这些数据进行降水估计时,应首先将非降水回波剔除掉,对降水的临近预报与洪灾预警而言更是如此。

目前一般将解决非降水回波污染的问题归结出3个途径:一是雷达设备自身[2,3,4],目前我国布网的新一代天气雷达在信号处理中,已经用速度谱初步去除了地物回波[5];二是基于雷达数据分布特征的质量控制处理,国内外这方面的研究很多主要依据是降水和非降水回波的统计特征:如时空连续性、反射率的水平和垂直梯度、回波顶高、速度和谱宽等差异[6,7,8,9,10,11,12,13]。Steiner对用于反射率三维结构的一些特征参数进行了评估,认为回波顶高、反射率水平变化及反射率垂直差异是最有用的[14],并利用决策树方法实现对超折射回波的识别[6]。Zhang等[1]基于Steiner的研究,提出了基于水平和垂直反射率纹理结构的质量控制算法,改进了垂直反射率差异的计算方法,将垂直方向上的参考仰角高度限定在3~4.5 km之间,虽然限制了反射率垂直连续性检查的范围,但对于保护远距离处的浅的降水回波不被剔除是有益的,但也导致在远距离处只能使用水平反射率纹理进行非降水回波识别。Kessinger反射率三维结构识别因子的基础上,增加了反射率因子水平纹理、径向速度和径向谱宽因子,基于这些统计特征提出模糊逻辑技术的回波分类方法,刘黎平等[11]基于Kessinger思路建立分步式的超折射回波识别方法。Lakshmanan等[8]采用了神经网络的方法对天气雷达基数据进行质量控制,取得了不错的效果但计算繁琐,但计算量较大,不适用于实时性要求高的业务系统。毛紫阳等[10]利用支持向量机技术进行雷达资料的质量控制研究,根据宁波雷达超折射回波特征,何彩芬等[12]提出了一种模拟人眼模糊识别的杂波识别算法。冷亮等[15]根据不同径向距离区间采用不同的识别参数,能够较好地识别晴空回波。也有学者通过偏振量来去识别地物杂波[16,17]。三是通过与其它的观测数据进行比对:如利用覆盖同一区域的多部雷达资料、雨量计资料、卫星资料来综合评估杂波的影响[18,19,20];以及用联合天气报告、卫星红外资料、闪电定位资料、奇异回波气候值来进行雷达资料质量控制[21]。目前已有的质量控制方法比较多,效果上也存在差异[22]。随着雷达技术的发展,越来越多的回波特征因子被引入到质量控制算法中,这些特征因子的适用性需要验证,特征因子参数在不同区域的适用性也需要验证。当前的算法效果的验证方法仍主要通过主观比较质量控制前后反射率因子PPI来进行,缺乏客观性。

1997年发射成功的热带降雨测量卫星(Tropical Rainfall Measuring Mission(TRMM))携带的测雨雷达(Precipitation Radar(PR)),可提供三维降水信息,其覆盖面积广,可覆盖我国北纬38°以南的区域[23,24],其继任者GPM(Global Precipitation Measurement)观测范围延伸至南北极圈[25]。TRMM PR经过了美国地基主动式雷达定标系统的精确的定标,标定误差稳定在0.8 dB内[26],该雷达持续稳定运行多年,测量数据一致性好,可靠性高[27,28]。Biswas和Chandrasekar[29]对比了GPM DPR (Dual-Frequency Precipitation Radar)和部署在美国东南部的地基雷达反射率数据,得出GPM DPR的整体性能令人满意。Li等[30]使用TRMM PR数据对南京地基雷达多年数据进行了评估。也有学者使用星载雷达(TRMM PR,GPM DPR)数据对地基雷达标定参数进行评估,并对标定误差进行订正[30,31,32,33],进而改善区域多部雷达观测的一致性[34,35]。也有学者使用TRMM数据为参考对地基雷达反射率强度数据进行质量控制,解决波束遮挡[36]以及远距离波束展宽带来的非均匀填充的问题[37]

基于以上研究,本文使用TRMM PR 2A25数据分别与非降水回波识别前后的地基雷达反射率强度数据进行时空匹配,对非降水回波识别算法的效果进行评估。

2 数据及方法

2.1 TRMM数据

TRMM卫星在2001年8月6日以前高度约为350 km,以后将轨道高度提升到距离地面403 km。TRMM探测的轨道范围为38°S~38°N。轨道与赤道的倾角约为35°,每天有15或16条轨道[28]。所搭载的降水雷达PR工作频率为13.8 GHz,波长约为2.2 cm,位于Ku波段。采用垂直卫星航向的扫描方式,PR天线扫描角的范围为±17°,扫描宽度约为215 km,2001年8月轨道提升后为247 km,每条扫描线上有49个像素。PR星下点水平分辨率约4.3 km,轨道提升后水平分辨率约为5 km,垂直分辨率为250 m。探测高度范围为自地表向上至20 km处[23]。可探测的最小等效反射率因子约为18 dBZ[26]

本文使用的TRMM/PR数据产品为1C21和2A25,数据以地球坐标系下的经度、纬度和高度的格式保存。其中,一级产品1C21是PR观测得到的反射率因子值;二级产品2A25是经过衰减订正的反射率因子值[23],是由1C21数据经过Hitschfeld-Bordan方法[38]和地面参考法[39]衰减订正等处理方法得到的。在比较PR和地基雷达的反射率因子值时,需要充分考虑了PR的衰减、质量控制等方面的影响。本文使用经衰减订正、质量控制、波束订正等处理的2A25数据与地基雷达的反射率强度值作比对,1C21数据仅作为备查数据。本文所使用的TRMM/PR数据产品以及数据说明均可通过TSDIS(TRMM Science Data and Information System)进行下载。

2.2 地基雷达数据

武汉天气雷达(CINRAD-SA,记为GR),以体扫模式VCP得到三维空间回波资料,在有效探半径230 km内,反射率因子产品的分辨率约为1°× 1km,数据以极坐标格式存储。在此扫描模式下该雷达完成一次体扫的时间为6 min,因此本文设置的PR与GR匹配个例资料对比时间窗为±6 min,即TRMM卫星扫过匹配区域的时间与地基雷达开始体扫的时间差距在±6 min以内,认为该个例PR与GR的资料时间上是匹配的。经武汉雷达资料与PR资料筛选,选取5个匹配时次,分别为2010年9月13日11:27(世界时,下同)、2006年8月8日06:08、2007年9月23日13:56、2010年7月21日18:52、2004年6月12日20:49开始体扫的地基雷达资料,以及TRMM卫星第73076、49740、56151、72239、37483轨道分别于2010年9月13日11:29、2006年8月8日06:08、2007年9月23日13:59、2010年7月21日18:50、2004年6月12日20:51扫过武汉雷达(30.517°N,114.378°E)覆盖区时的PR 2A25数据。

2.3 非降水回波识别方法

Steiner (2002)从反射率三维结构中提取特征因子,使用决策树方法识别非降水回波时,首先使用雷达回波垂直延展度(ECHOtop)来识别最低层的超折射及晴空回波。ECHOtop的定义是:当前被检查点上方有回波且强度值大于等于5 dBZ的最高层次。最高层的回波既可以是直接位于被检查的库之上,也可以是位于周围相邻的其它8个库的上方(即选择一个参考库,以其为中心,组成一个3×3的网格),若存在反射率强度大于5 dBZ的点,且该仰角在最低层仰角之上,则认为被检查点处有较好的垂直连续性。该因子简单有效,可以去除绝大多数与降水回波分离的超折射回波及晴空回波[6],但在第二层仰角存在晴空回波时,第一层仰角的晴空回波不能有效去除。由晴空回波分布特征可知,晴空回波在垂直分布上多集中在边界层[40],因此其分布高度一般不超过3 km,而降水回波一般延伸超过3 km[1]。基于晴空回波的空间分布特性,本文在回波延展度因子基础上,增加了高度限制,即被检查库上方存在有效回波且有效回波的高度须大于3 km,则认为被检查点具有降水回波特征的垂直连续性,否则认为该回波为非降水回波予以去除。该高度限制避免在较低的两层仰角都探测到非降水回波时产生误判。为防止远距离的弱回波被错误剔除,采用和VDZ特征因子相同的作用距离限制[1]。经上述晴空回波识别算法处理后,再使用SWAN系统中超折射抑制算法进行非降水回波识别处理[22]

2.4 数据匹配方法

在PR探测的维度范围内,任意给定地基雷达地理位置每天会有1~3次的观测轨道在其附近经过[28]。地基雷达和PR的扫描方式和数据存储格式不同,使用几何匹配法对两种雷达的反射率因子数据进行重采样,地基雷达和PR的扫描波束在几何空间上重合的点即为有效匹配点,匹配点的PR和GR反射率阈值分别设为18 dBZ和15 dBZ,匹配算法详细介绍可参考Schwaller(2011)[41]和王振会等(2015)[42]

3 效果检验

3.1 直观检验

使用星载雷达数据对算法识别效果进行直观检验,分别为存在晴空回波、单独的超折射回波以及存在降水和超折射回波混叠的情况。个例1如图2(a)所示,为武汉雷达2010年9月13日11时27分0.5度仰角观测数据,所匹配的TRMM卫星轨道号为73076。由图2(a)和图2(c)可以看出,最低层仰角中,雷达附近范围大且强度较强的晴空回波。使用回波延展高度因子进行识别,晴空回波得以有效去除。使用TRMM卫星11时29分15秒PR数据进行直观检验,对比图2(a)与图2(c)可知,晴空回波算法有效去除了0.5仰角的晴空回波。

图1

图1   几何匹配法示意图

(实线是PR扫描波束,虚线是地基雷达波束,阴影部分是重合区域)

Fig.1   Schematic of Geometry-matching method


图2

图2   武汉天气雷达2010年9月13日11:27匹配时次在0.5°仰角的PPI图。

Fig.2   Geometrically matched GR before and after processing by the non-precipitation identifying algorithm, and PR for the 0.5 elevation sweep of Nanjing radar at 11:27 13 September 2010, rendered as PPIs


图3(a)为武汉雷达2006年8月8日06时08分0.5度仰角观测数据,所匹配的TRMM卫星轨道号为49740。由图3(a)可以看出,最低层仰角中,雷达观测到大范围晴空回波,同时在整个雷达观测范围内分布着大量分散的对流回波。从图3(b)可以看出,晴空回波经算法处理后得到有效的去除;但对于部分对流单体,如在雷达正东方向150 km附近的对流回波,对比图3(a)、3(b)、3(c)可以看出经算法处理后丢失了部分回波信息,这主要是与反射率质量控制算法中反射率水平纹理(TDBZ)因子所致,该因子不能有效地区分对流回波和超折射回波。

图3

图3   武汉天气雷达2006年8月8日06:08

Fig.3   Geometrically matched GR before and after processing by the non-precipitation identifying algorithm, and PR for the 0.5 elevation sweep of Wuhan radar at 06:08 08 August 2006, rendered as PPIs


图4(a)为武汉雷达2007年9月23日13时56分0.5度仰角观测数据,所匹配的TRMM卫星轨道号为56151。由图4(a)可以看出,最低层仰角中,雷达观测到大范围晴空回波,同时在西北和西南方向之间分布有较大范围的超折射回波。从图4(a)、4(b)、4(c)可以看出,超折射回波与降水回波无混叠。经算法处理后晴空回波和超折射回波都得到有效的去除。

图4

图4   武汉天气雷达2007年9月23日13:56

Fig.4   Geometrically matched GR before and after processing by the non-precipitation identifying algorithm, and PR for the 0.5 elevation sweep of Wuhan radar at 13:56 23 September 2007, rendered as PPIs


图5(a)所示为2010年7月21日18时50分武汉雷达0.5°仰角观测PPI,所匹配的TRMM卫星轨道号为72239。西北方向观测到较强的对流性降水回波。由图5(a)和图5(c)可看出,雷达在东北和西南方向都存在超折射回波。由于对流性降水回波与超折射回波的反射率垂直梯度和径向速度因子有显著的差异,因此算法能很好的识别单独的超折射回波;同时晴空回波识别算法也有效地去除了近距离的晴空回波。由图5(b)和图5(c)可以看出,识别算法对于晴空回波及与降水回波分离的超折射回波有较好的识别效果。

图5

图5   武汉天气雷达2010年7月21日18:50

Fig.5   Geometrically matched GR before and after processing by the non-precipitation identifying algorithm, and PR for the 0.5 elevation sweep of Wuhan radar at 18:50 21 July 2010, rendered as PPIs


图6(a)显示2004年6月12日20时49分武汉天气雷达0.5°仰角反射率数据。在雷达的西部观测到降水回波,TRMM卫星在当日20时51分02秒飞入武汉雷达站230 km范围上空,轨道号为37483。由图6(a)和图6(c)可以看出,0.5度仰角超折射回波污染严重,且在第三和第四象限混合有超折射回波与降水回波。图6(b)为经过算法处理后的0.5仰角数据,对比图6(a)和图6(b)可以看出本文算法较好的抑制了该层仰角的超折射回波,使用星载PR雷达与武汉雷达进行数据匹配进行验证,由图6(c)可以看出,在去除掉超折射回波的同时,分布在雷达西北方向50~100 km范围内的部分降水回波也被去除。

图6

图6   武汉天气雷达2004年6月12日20:49

Fig.6   Geometrically matched GR before and after processing by the non-precipitation identifying algorithm, and PR for the 0.5 elevation sweep of Wuhan radar at 20:49 12 June 2004, rendered as PPIs.


3.2 统计分析

基于星载雷达与地基雷达空间匹配后重采样点,以PR观测数据为参考进行统计。当匹配点处PR没有观测到降水而GR有观测值时,则认为地基雷达在匹配点处的回波为非降水回波。以发现率POD(Probability Of Detection),虚报率FAR(False Alarm Ratio),临界成功指数CSI(Critical Success Index)来统计与降水区域无混叠的非降水回波的算法效果。

POD=B/A(1)

FAR=C/A(2)

CSI=B/(B+C+D)(3)

其中:A为非降水回波的总点数;B为算法识别的非降水回波的点数,C为算法错误识别的点数即将降水回波错误识别成非降水回波的点数;D为算法未识别出的非降水回波点数。

3.1节中的5个个例为常见的非降水回波分布情况。对应轨道号73076、49470、56151、72239的个例,虽然这4个个例中的非降水回波的类型和分布不同,但都属于与降水回波无混叠的非降水的情况下,其中个例2(轨道号49470)给出了存在反射率纹理与超折射回波接近的对流降水回波时算法的运行结果。使用星载雷达可以有效区分降水回波与非降水回波,可以使用上述统计方法对非降水回波识别的结果进行分析。表1为本文中非降水回波识别算法识别的结果。从统计结果可以看出,该算法该降水与非降水回波无混叠的情况有很好的发现率,能较好的识别出非降水回波(晴空回波及与降水无混叠的超折射回波),对反射率纹理与超折射回波接近的对流降水个例(轨道号49470),有部分回波被误判为超折射回波。当存在降水与超折射回波混叠时(轨道号37483),与降水回波无混叠的情况相比,有较多的降水回波被误识别为超折射回波。

表1   与降水回波无混叠的非降水回波识别结果统计

Table 1  Identification results of non-precipitation echoes that have no overlapping with precipitation echoes

轨道号非降水回波数正确识别数错误识别数PODFARCSI
730761 9661 9443198.9%1.6%97.4%
497409939837199.0%7.2%92.4%
561511 4901 435996.3%0.6%95.7%
722391 1151 1083599.4%3.1%96.4%
374831 8871 88410499.8%5.5%94.6%

新窗口打开| 下载CSV


针对与降水区域存在混叠的回波区域,由于星载雷达与地基雷达都有回波数据,以星载雷达观测为参考无法区分降水区域的超折射和降水回波,因此需要通过统计算法识别前后地基雷达与星载雷达的差异来分析识别算法的效果。

个例5(轨道号37483)中存在超折射与降水回波混叠的情况,分别将降水区域的星载雷达与经算法处理前后的地基雷达反射率因子数据进行对比,经非降水回波识别算法处理前后GR与PR反射率因子相关系数分别为0.51和0.77,RMSE分别为5.75和4.30;结果表明经算法处理后的地基雷达观测结果更接近星载雷达的观测。

图6(a)可以看出,在较弱的回波区域,地基雷达回波中存在降水回波与超折射回波混叠的情况。图7为算法识别前后地基雷达降水区域反射率因子与星载雷达反射率强度的散点分布,从散点分布图7(a)也可以看出,在星载雷达反射率因子强度20 dBZ附近,存在部分地基雷达反射率强度值远大于星载雷达反射率因子强度的点。经算法处理后,如图7(b)所示,该部分点的数量显著减少,表明混合在降水回波中的超折射回波得到了有效抑制。

图7

图7   非降水回波算法识别前后GR与PR反射率因子强度散点分布图(0.5度仰角)

Fig.7   Reflectivity scatter plot and density distribution for PR and GR for the 0.5 elevation angle before and after the identifying


4 结 语

本文将星载雷达与地基雷达观测进行时间空间匹配,以星载雷达观测为参考,根据非降水回波和降水回波的特点,筛选出部分个例对非降水回波识别算法进行直观和定量的验证。

针对本文中的非降水回波识别算法直观检验和统计分析均表明,加入高度约束条件的回波顶高参数可以有效地识别晴空回波及部分与降水回波无混叠的超折射回波。

将星载雷达数据与非降水回波识别前后的地基雷达数据进行时空匹配,对识别算法结果进行分析表明,文中非降水回波识别算法可以有效识别非降水回波,在超折射回波与降水回波分离的情况下,算法有很好的识别效果。但在存在降水回波与超折射回波混叠的区域,识别算法将部分降水回波误识别为非降水回波,针对与降水无混叠的非降水回波的识别效果优于存在超折射回波与降水回波有混叠的情况。在降水回波中存在与超折射纹理接近的对流降水回波时,经算法处理后会丢失部分回波信息。

针对降水回波与非降水回波混叠的情况,当使用星载雷达观测无法区分降水与非降水回波,可通过比较识别算法处理前后地基雷达与星载雷达的观测结果的差异来对识别算法结果进行定量化分析,给出客观定量的效果评价。

本文的方法还存在以下限制和不足:星载雷达在地基雷达扫描区域的采样时次有限,意味着获得的有效匹配事件少,可用的有足够多非降水回波和降水回波的匹配事件更少,无法实时评估降水事件的非降水回波识别效果。本文仅使用TRMM/PR的资料来实现评估方法,TRMM卫星已于2014年停止,未来可以将此方法拓展到使用GPM DPR资料方面。

参考文献

Zhang J, Wang S, Clarke B.

WSR-88d Reflectivity Quality Control Using Horizontal and Vertical Reflectivity Structure

[C]∥Hyannis: 11th Conference on Aviation, Range and Aerospace Meteorology, American Meteorological Society, 2004.

[本文引用: 4]

Smith P L.

Siting Consideration for Weather Radars

[C]∥Urbana-Champaign, Illinois: 15th International Conference on Radar Meteorology, American Meteorological Society, 1972.

[本文引用: 1]

Pratte J F, Keeler R J, Gagnon R, et al.

Clutter Processing During Anomalous Propagation Conditions

[C]∥Vail, Colorado: 27th Conference on Radar Meteorology, American Meteorological Society, 1995.

[本文引用: 1]

He Jianxin.

Modern Weather Radar

[M]. Chengdu: University of Electronic Science and Technology Press, 2004: 206-210.

何建新

现代天气雷达

[M], 成都:电子科技大学出版社, 2004: 206-210.

[本文引用: 1]

Zhang Peichang, Du Bingyu, Dai Tiepi.

Radar Meteorology

[M]. Beijing: China Meteorological Press, 2000: 165-169.

张培昌,杜秉玉, 戴铁丕

.

雷达气象学

[M].北京:气象出版社, 2000: 165-169.

[本文引用: 1]

Steiner M, Smith J.

Use of Three Dimensional Reflectivity Structure for Automated Detection and Removal of Non-precipitation Echoes in Radar Data

[J]. Journal of Atmospheric and Oceanic Technology, 2002, 19: 673-686.

[本文引用: 4]

Kessinger Cathy, Ellis Scott, Joseph Van Andel.

The Radar Echo Classifier: A Fuzzy Logic Algorithm for WSR-88

D[C]∥Long Beach, CA:3rd Conference on Artificial Intelligence Applications to the Environmental Science, American Meteorological Society, 2003.

[本文引用: 1]

Lakshmanan Valliappa, Fritz Angela, Smith Travis, et al.

An Automated Technique to Quality Control Radar Reflectivity Data

[J]. Journal of Applied Meteorology and Climatology, 2007, 46: 288-305.

[本文引用: 2]

Wang Youbing, Wan Yufa.

Automatic Quality Control for Radar Volume Scanning Reflectivity Fields

[J]. Meteorological Science and Technology, 2006, 34(5):615-618.

[本文引用: 1]

王佑兵万玉发.

雷达体扫反射率场的自动质量控制

[J].气象科技2006, 34(5): 615-618] .

[本文引用: 1]

Mao Ziyang, Duan Chongxia, Cheng Lizhi, et al.

The Application of Fuzzy Feature in Technique to Quality Control CINRAD Reflectivity Data

[J]. Fuzzy Systems and Mathematics, 2006, 20(6):136-142.

毛紫阳

段崇雯,成礼智,.

模糊特征在天气雷达反射率基数据质量控制中的应用

[J].模糊系统与数学,2006, 20(6): 136-142].

[本文引用: 2]

Liu Liping, Wu Linlin, Yang Yinming.

Development of Fuzzy-Logical Two-Step Ground Clutter Detection Algorithm

[J]. Acta Meteorologica Sinica, 2007, 65 (2):252-260.

刘黎平,吴林林,杨引明

基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析

[J].气象学报, 2007, 65 (2):252-260.

[本文引用: 2]

He Caifen, Huang Xuanxuan, Ding Yeyi, et al.

The Artificial Intelligence Identification and Filtering Methods for Non-meteorological Radar Echo in Ningbo

[J]. Journal of Applied Meteorological Science, 2007, 18(6):856-864.

何彩芬

黄旋旋,丁烨毅,.

宁波非气象雷达回波的人工智能识别及滤波

[J]. 应用气象学报,2007, 18(6):856-864.

[本文引用: 2]

Zhuang Wei, Liu Liping, Yu Yanqun, et al.

Improvement of the Fuzzy Logic Technique for Identifying Ground Clutter and its Verification

[J]. Acta Meteorologica Sinica, 2012, 70(3):576-584.

庄微

刘黎平,余燕群,.

雷达地物回波模糊逻辑识别法的改进及效果检验

[J].气象学报, 2012, 70(3):576-584.

[本文引用: 1]

Steiner M, Smith J A, Kessinger C, et al.

Evaluation of Algorithm Parameters for Radar Data Quality Control

[C]∥Quebec, Canada: 29th Int Conf. on Radar Meteorology Montreal, American Meteorological Society, 1999: 582585.

[本文引用: 1]

Leng Liang, Huang Xingyou, Yang Hongping, et al.

Recognition and Application of Doppler Weather Radar Clear Air Echoes

[J]. Meteorological Science and Technology, 2012, 40(4):534-541.

冷亮

黄兴友、杨洪平,

多普勒天气雷达晴空回波识别与应用

[J]. 气象科技,2012, 40(4):534-541.

[本文引用: 1]

Gourley, Jonathan J, Pierre Tabary, Parent du Chatelet, et al.

A Fuzzy Logic Algorithm for the Separation of Precipitating from Non-precipitating Echoes Using Polarimetric Radar Observations

[J]. Journal of Atmospheric and Oceanic Technology, 2007, 24: 1439-1451.

[本文引用: 1]

Lakshmanan Valliappa, Karstens Christopher, Krause John, et al.

Quality Control of Weather Radar Data Using Polarimetric Variables

[J]. Journal of Atmospheric and Oceanic Technology, 2013, 31: 1234-1249.

[本文引用: 1]

N C and P K James Atkinson.

Quality Control of Data from Overlapping Weather Radars

[C]∥Paris, France: 25th International. Conference on Radar Meteorology, American Meteorological Society, 1995: 206-209.

[本文引用: 1]

Wilson Klingle, Mann D E, Boldi R.

An Algorithm of Remove Anomalous Propagation Clutter Returns from ASR-9 Weather Channel Data Using Pencil Beam Radar Data

[C]∥Dallas, Texas: 6th Conference on Aviation Weather Systems, American Meteorological Society,1995: 366-371.

[本文引用: 1]

Ma ZhongYuan, Zhu Chunqiao, Liu Ximing, et al.

Study on CINRAD Radar Data Quality Control Methods

[J]. Meteorological Monthly, 2010, 36(8):134-141.

马中元

朱春巧,刘熙明,

CINRAD雷达数据质量控制方法初探

[J]. 气象,2010, 36(8):134-141.

[本文引用: 1]

Pamment J A, Conway B J.

Objective Identification of Echoes Due to Anomalous Propagation in Weather Radar Data

[J]. Journal of Atmospheric and Oceanic Technology, 1998, 15: 98-113.

[本文引用: 1]

Wu Tao, Wan Yufa, Weifeng Wo, et al.

Design and Application of Radar Reflectivity Quality Control Algorithm in SWAN

[J]. Meteorological Science and Technology, 2013,41(5):809-816.

吴涛

万玉发,沃伟锋,.

SWAN系统中雷达反射率因子质量控制算法及其应用

[J].气象科技, 2013, 41(5): 809-816.

[本文引用: 2]

He Huizhong, Cheng Minghu, Zhou Kangjun, et al.

Comparison of Data and Product Obtained byTRMM/PR and Hong Kong Radar

[J]. Meteorological Monthly, 2002, 28(10):32,36.

何会中

程明虎,周康军,.

TRMM /PR与香港雷达资料对比分析

[J]. 气象, 2002, 28(10):32,36.

[本文引用: 3]

Wang Zhenhui.

A Brief Introduction to TRMM Precipitation Radar and a Summary on the Study of Its Applications

[J]. Scientia Meteor Sinica. 2001, 21(4):491-500.

王振会

.

TRMM卫星测雨雷达及其应用研究综述

[J]. 气象科学, 2001, 21(4):491-500.

[本文引用: 1]

Zhang Aoqi, Fu Yunfei.

The Structural Characteristics of Precipitation Cases Detected by Dual-frequency Radar of GPM Satellite

[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 2018, 42 (1): 33-51.

张奡祺,傅云飞

GPM卫星双频测雨雷达探测降水结构的个例特征分析

[J]. 大气科学, 2018, 42 (1): 33-51.

[本文引用: 1]

Kozu T, Kawanishi T, Kuroiwa H,et al.

Development of Precipitation Radar Onboard the Tropical Rainfall Measuring Mission (TRMM) Satellite

[J]. IEEE Transactions on Geoscience & Remote Sensing, 2011, 39:102-116.

[本文引用: 2]

Kim J H, Ou M L, Park J D, et al.

Global Precipitation Measurement (GPM) Ground Validation (GV) Prototype in the Korean Peninsula

[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31: 1902-1921.

[本文引用: 1]

Zhu Yiqing, Wang Zhenhui, Li Nan, et al.

Consistency Analysis and Correction for Observations from the Radar at Nanjing

[J]. Acta Meteorologica Sinica, 2016,74(2):298-308.

朱艺青

王振会,李南,.

南京雷达数据的一致性分析和订正

[J]. 气象学报,2016, 74(2):298-308.

[本文引用: 3]

Biswas S K, Chandrasekar V.

Cross-Validation of Observations between the GPM Dual-Frequency Precipitation Radar and Ground based Dual-Polarization Radars

[J]. Remote Sensing. 2018, 10: 1773. doi:10.3390/rs10111773.

[本文引用: 1]

Li N, Wang Z, Xu F, et al.

The Assessment of Ground-based Weather Radar Data by Comparison With TRMM PR

[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14:72-76.

[本文引用: 2]

Anagnostou E N, Morales C A, Dinku T.

The Use of TRMM Precipitation Radar Observations in Determining Ground Radar Calibration Biases

[J]. Journal of Atmospheric and Oceanic Technology, 2001, 18(4):616-628.

[本文引用: 1]

Han J, Chu Z G, Wang Z H, et al.

The Establishment of Optimal Ground-based Radar Datasets by Comparison and Correlation Analyses with Spaceborne Radar Data

[J]. Meteorological Applications, 2018, 25(1):161-170.

[本文引用: 1]

Robert A. Warren, Protat Alain, Siems Steven T, et al.

Calibrating Ground-based Radars Against TRMM and GPM

[J]. Journal of Atmospheric and Oceanic Technology, 2018,35: 323-346.

[本文引用: 1]

Chu Zhigang, Xu Dan, Wang Zhenhui, et al.

Consistent Correction to Ground-based Radars in the Lower Reachers of the Yangtze based on TRMM/PR Observations

[J]. Journal of Applied Meteorological Science, 2018(3):296-306.

楚志刚

,许丹,王振会,.

基于TRMM/PR的长江下游地基雷达一致性订正

[J].应用气象学报, 2018(3):296-306.

[本文引用: 1]

Han Jing, Chu Zhigang, Zhenhui Wand, et al.

Consistency Analysis between Ground-based Radars and TRMM PR

Journal of the Meteorological Sciences, 2019, 39(1):93-103.

韩静

,楚志刚,王振会,.

地基雷达与TRMM/PR的一致性分析

.气象科学,2019, 39(1):93-103.

[本文引用: 1]

Wang Y D, Zhang J, et al.

Radar Vertical Profile of Reflectivity Correction with TRMM Observations Using a Neural Network Approach

[J], Journal of Hydrometeorology, 2015, 16: 2230-2246.

[本文引用: 1]

Gabella M, Morin E, Notarpietro R.

Using TRMM Spaceborne Radar as A Reference for Compensating Ground-based Radar Range Degradation

[J]. Journal of Geophysical Research Atmospheres, 2011, 116,D02114:1-14.

[本文引用: 1]

Hitschfeld W, Bordan J.

Errors Inherent in the Radar Measurements of Rainfall at Attenuating Wavelengths

[J]. Journal of Atmospheric Sciences,1954, 11:5867.

[本文引用: 1]

Meneghini R.

Use of the Surface Reference Technique for Path Attenuation Estimates from the TRMM Precipitation Radar

[J].Journal of Applied Meteorology,2000,39:20532070.

[本文引用: 1]

Wei Ming, Qin Xue, Wang Xiaohua, et al.

Case Study on Clear Air Echo in Atmospheric Boundary Layer around Nanjing Area

[J]. Journal of Nanjing Institute of Meteorology, 2007, 30(6): 737-744.

魏鸣

秦学,王啸华,.

南京地区大气边界层晴空回波研究

[J].南京气象学院学报,2007, 30(6): 737-744.

[本文引用: 1]

Schwaller M R, Morris K R.

A Ground Validation Network for The Global Precipitation Measurement Mission

[J]. Journal of Atmospheric and Oceanic Technology, 2011,28 (3):301-319.

[本文引用: 2]

Wang Zhenhui, Li Shengyin, Dai Jianhua, et al.

Comparative Case Study on the Observations between the Space-borne Radar and Ground-based Radar

[J]. Plateau Meteorology,2015, 34(3):804-814.

王振会,李圣殷,戴建华

.

星载雷达与地基雷达数据的个例对比分析

[J]. 高原气象, 2015, 34(3):804-814.

[本文引用: 1]

/