1、卓健，廖胜石，周冬静，等.基于数据特征的雷达径向干扰回波识别方法J.热带气象学报，2022，38(6)：787-799.文章编号：1004-4965(2022)06-0787-13基于数据特征的雷达径向干扰回波识别方法卓健1，廖胜石2，周冬静3，郭彬3，苏彦3，刘银焕3(1广西壮族自治区气象信息中心，广西 南宁 530022；2广西壮族自治区气候中心，广西 南宁 530022；3崇左市气象局，广西 崇左 532200）摘要：通过对2020年1月广西新一代天气雷达基本反射率因子拼图产品中存在径向干扰回波的166个样本进行分析，提出一种基于径向数据特征分析的径向干扰回波识别方法：径向数据判定法（R
2、adial DataDetermine，RDD）。径向数据判定法方法通过建立4个特征参数来描述反射率因子纵向和横向的数据特征，基于决策树方法识别出径向干扰回波。运用径向数据判定法对该166个样本进行回算，发现径向数据判定法不仅能识别出小幅度的径向干扰回波，而且能有效识别出大幅度高强度的径向干扰回波，识别和滤除效果良好。经过对20192020年不同天气过程下的约3 784个样本（包括有或无干扰回波）进行了应用检验，同样发现径向数据判定法对径向干扰回波的正确识别率高，误识别损失小，具有良好的泛化能力和业务应用前景。最后，给出了径向数据判定法应用中存在的问题和未来工作展望。关键词：径向干扰；数据特征
3、；新一代天气雷达；径向数据判定法中图分类号：P412.25文献标志码：ADoi：10.16032/j.issn.1004-4965.2022.073收稿日期：2021-05-17；修订日期：2022-07-08基金项目：广西区气象局气象科研重点项目（桂气科2019Z01）资助通讯作者：廖胜石，男，广西壮族自治区人，高级工程师，从事气象预报服务工作。E-mail:第38卷 第6期2022年12月热 带 气 象 学 报JOURNAL OF TROPICAL METEOROLOGYVol.38,No.6Dec.,20221 1 引引言言天气雷达产品广泛应用于短临业务中1-4，是短临预报的重要支撑手段
4、。在实际业务中雷达会受到地物回波、电磁等诸多因素干扰，使用最大值拼图法制作雷达产品时，任何一部雷达受到干扰都会造成拼图产品存在干扰回波，使雷达产品图像受到破坏5-8。尽管预报员能利用丰富的经验避开干扰回波开展预报业务，但是在自动预报系统中，使用受干扰的雷达产品图像会破坏系统内各种气象要素正常的函数关系，导致发布错误的预报预警信息。为提高雷达基数据和二次产品的质量，人们提出了不同的滤除干扰的方法。张富贵等9根据小波分解高频系数自适应确定阈值的方法，去除风廓线雷达地物杂波。刘黎平等10和江源等11对SA雷达开展基于模糊逻辑的地物回波识别方法研究，李丰等12通过雷达观测数据对雷达地物回波特征进行分析
5、，改进识别参量的隶属函数，建立适合地物识别方法，对C波段雷达地物回波特征进行识别。张林等13使用模糊逻辑算法在折射回波滤除算法基础上对强折射回波的滤除开展了研究。径向干扰回波往往表现为条幅状干扰回波，它可能是由外部电磁干扰、内部数据处理或是天线对准太阳时引起。对于径向干扰回波的识别和滤除通常采用基于回波形态和基于功率法。如杜言霞等14根据干扰电磁波较为稳定，从较近的距离一直延续到雷达可探测到的最大距离处，存在于雷达回波图中连续几个方位上，其回波强度值几乎不变，径向干扰回波的区域，其边缘方位回波强度与相邻无干扰回波方位的回波强度差异较大的特点，使用同一距离库上相邻方位回波强度差，通过滤波法、插值
6、法和功率法对径向干扰回波进热 带 气 象 学 报第38卷行剔除研究。根据电磁干扰回波形态的识别和滤除算法已在ROSE等业务系统进行应用，文浩等15在“新一代天气雷达建设业务软件系统开发及应用（ROSE）”系统的业务试应用中，对雷达基数据质控方法进行定量评估，发现 ROSE系统所使用的质控算法能有效识别小于5个径向的窄条幅状干扰回波。由于此算法已经限定了用于对比的径向回波宽度，只适用于小干扰角度的径向干扰回波识别和滤除，仍需改进算法完成对麻点状、螺旋状和大面积径向干扰回波的自动识别。文浩等16发现中国气象局气象探测中心现有的业务化径向干扰回波识别算法（AO）对大面积径向的干扰回波识别效果较差，针
7、对径向干扰回波提出一种基于模糊逻辑方法的识别方法（AFL），AFL只提取径向上的特征参量，对于径向干扰回波的识别准确率大幅度提高。广西属于山地丘陵性盆地地貌，西北高、东南低，呈西北向东南倾斜状，目前全区有5部SB波段和5部SA波段共10部新一代天气雷达。由于山岭绵密，以及电磁干扰等情况，广西新一代天气雷达在不同程度受到各种干扰影响，约超过10%时次的拼图产品会存在程度不等的径向干扰回波。当有干扰回波产生时，现有业务系统仅能滤除地物回波，以及少量的径向干扰回波，对于干扰方位角大、干扰强度强的径向干扰不能正确识别和滤除。对广西10部新一代天气雷达基本反射率因子产品进行拼图处理时，由于反射率因子产品
8、本身不包含回波功率数据，所以前述方法不适用，需要另行开发一种新的识别算法。同时虽然单部雷达受干扰的比例不高，但拼图时使用多部雷达数据，受到干扰的概率和干扰的面积会大幅度提升，需要研究更好的通用干扰回波滤除算法。本文使用广西10部新一代天气雷达的混合拼图产品，通过人工识别，筛选出受干扰的样本数据集。根据这组样本数据集的径向干扰特征，提出一种简明的径向干扰识别和滤除方法，期望能有效识别大方位角径向干扰并进行滤除，提高广西雷达拼图产品质量。2 2 资料和处理方法资料和处理方法本文选用的雷达资料来源于广西业务运行的10部新一代天气雷达，采用最大值拼图法将3个低仰角（0.5，1.5，2.4）的基本反射率
9、产品得到混 合 拼 图 产 品，投 影 方 式 为 等 距 圆 柱 投 影（Equidistant cylindrical）。产品分为用于建模的训练数据集和检验模型泛化能力(generalizationability)的验证数据集。2020年 1月，广西多部雷达受影响程度不一的径向干扰，多时次的径向干扰幅度大、强度高，严重影响雷达资料的应用。通过人工识别出至少1部雷达存在径向干扰的拼图产品作为训练数据样本，共166个样本。验证数据集选自20192020年冰雹、台风、暴雨、飑线及晴天等天气过程的3 784个样本（包括有或无干扰回波），各过程时间跨度为23 d。3 3 识别和滤除方法识别和滤除方法
10、3.1 径向数据判定法根据反射率因子Z（单位：dBZ）、回波功率与雷达最小可测功率之比B（单位：dB）的关系17，Z=20lgR+B-A(1)式中，R（单位：km）为某观测点到雷达站的距离，A 是与雷达性能有关的常数（同一部雷达常数A相同），接收的B转换成Z时经过了20lgR的距离订正，使得Z 的大小随距离的增大有一定的增强。对多个样本的大幅度径向干扰样本观察发现，多数的大幅度、强度大的径向干扰，存在着整体上随着距离增长，干扰强度增强。由于径向干扰回波一般是从雷达中心一直延伸到最远距离，呈条幅状的特点18-19，可以考虑从数据的形状特征进行识别和滤除。首先判别逐条径向数据为非干扰数据或可疑数据
11、并做好标签，此为纵向判别，再将做好标签的可疑数据进行整体横向判别，当整片（1条）的可疑数据被判定为径向干扰回波时，则在拼图时将这一整片数据整体删除，达到滤除干扰回波的效果。由于不预设判别宽度，所以能处理大方位角的径向干扰回波。我们将这一方法命名为径向数据判定法（RadialData Determine,RDD），径向数据判定法是一种基于视觉的判定方法，核心在于如何实现客观判定。3.1.1 径向干扰的数据特征径向干扰由雷达信号处理器异常和信号受到788第6期卓健等：基于数据特征的雷达径向干扰回波识别方法外部电磁干扰引起。一般情况，所有仰角都可能出现径向干扰回波，在业务工作中，低仰角（0.5，1.
12、5，2.4）的基本反射率产品更受人关注，需要着重分析这些仰角上径向干扰的数据特征。图1所示为柳州雷达2020年1月3日两个不同时次受到径向干扰的2.4 PPI，图1a在267、268 方位角存在距离库长度不一致的两条径向干扰，其中268 方位角从雷达中心一直到230个距离库处都存在干扰，而267 方位角的干扰仅延伸到145距离库处，图1b是同日另一时次的干扰，这次干扰的方位角幅度更大，从270 方位角一直到318 方位角都存在干扰，其中277 方位角的干扰仅延伸到145距离库处。图1柳州雷达2.4 PPIa.2020年1月3日00:36；b.2020年1月3日03:00。图2柳州雷达径向Z随距
13、离变化图a.2020年1月3日00:36，受干扰方位角；b.2020年1月3日03:00，部分受干扰方位角。2001000-100-200-200-1000100200Distance/km(a)(b)2001000-100-200-200-1000100200Distance/km-505101520253035404550556065 dBZ50454035302520151050Z/dBZ268 267 100200Range bin number4035302520151050Z/dBZ276 277 278 100200Range bin number(a)(b)分析径向干扰的反射率
14、因子产品可以发现，由于距离订正20lgR随距离变化较小，所以径向干扰回波在径向相邻库差异较小（图2），干扰随距离增加逐步增强，偶有较小的强度减弱，且大部分的径向干扰回波是由相邻方位角的干扰组成的一个干扰扇面。789热 带 气 象 学 报第38卷3.1.2 特征参数反射率因子产品径向干扰回波存在以下特征：（1）单条的径向干扰数据，干扰延伸幅度大、结构紧密，反射率因子呈整体随距离增加而增强的特点；（2）各雷达的不同仰角的径向干扰回波由多条组成连续的干扰扇面；（3）径向干扰从较近的距离开始延续，径向干扰回波会连续多个方位角存在。我们根据径向干扰的特征，提出四个新的特征参数用于对其进行描述精确描述。使
15、用1个方位距离库为单位统计RDD方法的特征参数，仅统计整条径向上至少有1个距离库存在有效回波强度（干扰回波或非干扰回波）的径向数据条，从训练数据集中提取出了径向干扰回波10 948条，非径向干扰回波124 592条。四个新的特征参数CZ、CD、ME和SE的定义分别如式（2）（7）：CZ=j=0NRNZ(2)NZ=1Zj=Val0Zj Val(3)CD=j=0NRMCD(4)MCD=1Zj+10.3则判定该条“疑似径向干扰数据”为径向干扰回波块；对于多条“疑似径向干扰数据”组成的“疑似径向干扰块”，若ED0,1且EDn,n+1均0.3或ED0,10.85或EDn,n+10.85则判定该条“疑似径
16、向干扰块”为径向干扰回波块。这里的判定的ED阈值为经验值。“疑似径向干扰块”若判断为“真”，那么整块径向干扰数据进行滤除，加入“疑似径向干扰块”与其相邻的正常回波进行比对后，大幅度降低误识别的风险。图5“疑似径向干扰块”示意图792第6期卓健等：基于数据特征的雷达径向干扰回波识别方法3.3 检验评估标准使用径向数据判定法对雷达数据的径向干扰回波进行识别和滤除，得到质控后的拼图产品，将其与不进行质控最大值拼图法产品进行比对，检验径向数据判定法对径向干扰回波的识别性能，由人工进行定性评估，辅助定量评估。3.3.1 定性评估定性检验评估由人工进行判定。为检验训练数据集的识别效果，对单站干扰回波由幅度和强度进行定义，根据径向干扰方位角的多寡，分为两类：小幅度干扰：该时次电磁干扰回波总数30条扫描数据；大幅度度干扰：该时次电磁干扰回波总数30条扫描数据。根据径向干扰强度，分为三挡：高强度干扰：该时次电磁干扰回波强度最大值30 dBZ；中强度干扰：该时次电磁干扰回波强度 15dBZ最大值30 dBZ；低强度干扰：该时次电磁干扰回波强度最大值15 dBZ。识别和滤除效果一共分为五档：完美：所有径向干
