摘要：本文主要從地物雜波與降水回波的回波特征中，利用基數(shù)據(jù)提取出來的反射率因子及其方位和徑向上的坐標(biāo)來計(jì)算特征量沿徑向的變化程度SPIN 、徑向速度的平均值MDVE、回波強(qiáng)度的紋理TDBZ、沿徑向方向的變號SIGN，并對這些特征量利用隸屬函數(shù)進(jìn)行模糊化處理，從而得到判讀地物回波和氣象回波的判據(jù)，達(dá)到提出地物雜波的目的。文中主要根據(jù)西南區(qū)域雷達(dá)的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)算法對于地物雜波的剔除有一定的效果，識別的結(jié)果初步合理，但還需要進(jìn)一步的驗(yàn)證效果并對算法進(jìn)行進(jìn)一步的改進(jìn)。
　　關(guān)鍵詞：模糊邏輯；地物雜波；雷達(dá)回波反射率；隸屬函數(shù)
　　中圖分類號： P415 文獻(xiàn)標(biāo)識碼： A DOI編號： 10.14025/j.cnki.jlny.2018.08.058
　　為了提高雷達(dá)數(shù)據(jù)的可靠性，科研人員做了很多努力和研究，利用地物雜波的特點(diǎn)來尋求一種有效的識別去除算法。劉黎平等人在分布式超折射地物回波對氣象雷達(dá)產(chǎn)生的影響問題上，提出了利用模糊邏輯對其識別的算法，利用了地物雜波區(qū)別于降水回波的物理量識別地物雜波，同時(shí)也進(jìn)行了改進(jìn)和效果檢驗(yàn)，表明該算法對地物回波有明顯的識別作用[1-2]。何彩芬等建立了一種多維線性雜波識別算法，該算法在150km以內(nèi)，能夠有效地過濾非氣象回波，并且保留基本完整的降水回波，使得后續(xù)分析的降水?dāng)?shù)據(jù)較為準(zhǔn)確和完整[3]。邵偉等建立了一種基于小波變換的雜波識別過濾技術(shù)，利用小波分析技術(shù)對各個(gè)區(qū)域進(jìn)行小波分解，并且在后續(xù)的試驗(yàn)中證明了該算法對于地物雜波的識別過濾有一定的改善作用，運(yùn)用相關(guān)理論不斷優(yōu)化提出的基于小波變換的算法[4]。M. Gabella 和R. Notarpietro提出了一種基于紋理的去除地物雜波的技術(shù)，其優(yōu)點(diǎn)是容易實(shí)現(xiàn)并且在晴天和降水模式下都可以運(yùn)用，除了與多普勒雷達(dá)得到的徑向速度數(shù)據(jù)結(jié)合，也可以與其他可用的雷達(dá)回波信息結(jié)合使用[5]。F. Silvestro認(rèn)為，從雷達(dá)散射體積中獲得的降雨率以及其他的參數(shù)受到強(qiáng)烈的地物回波及超折射回波的影響，在處理這些非氣象回波時(shí)，結(jié)合以往的識別算法，提出了新的去除算法，該算法充分利用了多普勒信息、雙偏振信息以及雷達(dá)反射率的垂直分布特性，達(dá)到了更好的識別氣象回波和非氣象回波的效果，目前該算法已經(jīng)運(yùn)用于C波段的雷達(dá)中，展現(xiàn)了識別地物雜波的效果[6]。
　　目前，對地物雜波的識別主要是研究在去除地物雜波的時(shí)候，如何準(zhǔn)確地保留氣象回波以及對晴空回波的識別，這也是為了能夠提高雷達(dá)回波數(shù)據(jù)整體的可靠性。本文主要是為了運(yùn)用地物雜波的回波特點(diǎn)以及由此衍生出的特征量的大小特點(diǎn)來對雜波進(jìn)行識別，并尋求一個(gè)比較有效的識別算法，對目前已存在的識別算法進(jìn)行部分的修改和檢驗(yàn)。
　　1識別算法
　　目前，使用的雷達(dá)基數(shù)據(jù)主要分為三種，即CINRAD CB/SA/SB這三種，本文使用的為CINRAD SA的基數(shù)據(jù)，在熟悉相關(guān)雷達(dá)基數(shù)據(jù)格式的前提下，利用程序達(dá)到對所需數(shù)據(jù)的提取和分析，主要提取的數(shù)據(jù)有徑向速度、反射率、方位角、仰角、反射率的距離庫數(shù)，以及體掃模式等要素。將每個(gè)點(diǎn)當(dāng)作一個(gè)二維的矩陣（i，j）進(jìn)行循環(huán)計(jì)算，利用相關(guān)公式計(jì)算這幾個(gè)特征量，得出較為完整的特征量的計(jì)算結(jié)果，在其中有些計(jì)算過程中需要自己設(shè)置閾值，根據(jù)現(xiàn)有的雷達(dá)數(shù)據(jù)以及結(jié)論，可以參考有些閾值的設(shè)置，并根據(jù)已有的閾值再做適當(dāng)?shù)恼{(diào)整，也需要考慮其他因素。因此，在這個(gè)過程中需要不斷嘗試不同的閾值，以此尋求一個(gè)最佳的判斷閾值。在模糊邏輯模糊化的過程中，最重要的就是對每個(gè)特征量設(shè)置各自合適的隸屬函數(shù)，以達(dá)到模糊化處理的效果。
　　本文采用的模糊邏輯算法就是利用模糊邏輯對所求得的特征量進(jìn)行模糊化來達(dá)到0～1區(qū)間內(nèi)的有效判據(jù)，這是一種模糊邏輯，是可以用來綜合評價(jià)受多種因素影響的有效的多因素決策方法。它的優(yōu)勢在于結(jié)果不是絕對的正確或錯誤，而是利用模糊的概念去判斷，由此來得出判據(jù)的大小以及結(jié)果的有效性。
　　在特征量的權(quán)重分配上，初始時(shí)將特征量的權(quán)重設(shè)置為相同的，而在試驗(yàn)過程中可以發(fā)現(xiàn)，有些特征量在判別地物雜波和氣象回波上的區(qū)別度不大，例如SING，在計(jì)算SIGN的時(shí)候可以發(fā)現(xiàn)，與TDBZ和SPIN不同的是，在數(shù)值上地物雜波的TDBZ和SPIN明顯比氣象回波要大，但SIGN兩者卻相差不大，從整體上看對于區(qū)別地物雜波和氣象回波的作用不大，因此SIGN可以不參與地物雜波識別的過程。
　　在回波距離的問題上，可以分為兩個(gè)階段，一是150km以內(nèi)的回波識別閾值，二是150km以外的識別閾值。在本文中，首先假設(shè)在150km以內(nèi)的判斷閾值為0.4，在150km以外的回波距離出的判斷閾值為0.6，這樣提高了識別的效果。目前也有研究人員采用了線性閾值的方法，即將閾值大小與離雷達(dá)站的距離線性化，運(yùn)用一次線性關(guān)系對距離雷達(dá)站不同距離處的回波點(diǎn)進(jìn)行有區(qū)別性的閾值選擇。
　　2算法識別效果分析
　　圖1（左）是2017年1月1日西南區(qū)域雷達(dá)探測的一次0.5度仰角的PPI雷達(dá)回波圖，從圖中可以看出，在雷達(dá)站的周圍沒有明顯的降水回波，基本為弱回波區(qū)域，但明顯在雷達(dá)站25km的范圍內(nèi)有約35dBZ的回波，主要分布在雷達(dá)站四周，而且較為分散，相比于降水回波，連續(xù)性較差，所以可以基本判定這些回波為要剔除的地物雜波，之后便利用建立的模糊邏輯算法，判斷測算這些回波點(diǎn)的回波反射率特征量的判據(jù)是否大于所設(shè)置的閾值。若大于閾值，則認(rèn)為是地物雜波使其回波dBZ為0。
　　2.1降水情況下地物雜波識別效果
　　分析這次的地物雜波效果，主要是建立在存在降水回波的前提下，降水模式本文采用VCP11模式，主要地物雜波的回波強(qiáng)度為40dBZ。在這種降水情況下的地物雜波識別與沒有降水的時(shí)候有很大的區(qū)別，因?yàn)榈匚锘夭ㄖ饕攸c(diǎn)是分布比較分散，為孤立的回波點(diǎn)，主要分布在雷達(dá)站四周，當(dāng)抬高仰角之后會逐漸消失，所以在高度上，地物雜波的回波頂相比于降水回波要小，一般以3km為界限，當(dāng)出現(xiàn)降水回波的時(shí)候，高于3km回波頂?shù)纳蠈踊夭ǹ梢哉J(rèn)為是正常的降水回波，低于3km的回波且小于模糊邏輯算法所設(shè)置的閾值的回波點(diǎn)可以認(rèn)為是地物雜波點(diǎn)，并剔除該點(diǎn)的回波反射率來達(dá)到地物雜波識別額度效果。所以在識別江水情況下的地物雜波識別時(shí)，需要判別此回波點(diǎn)是否為地物雜波點(diǎn)，可以通過回波高度來基本判定，避免降水回波被剔除掉，影響回波圖的后續(xù)使用。在降水天氣情況下，雷達(dá)電磁波在傳播過程中必定會受到一部分衰減，若是在研究例如X波段等短波長的雷達(dá)地物雜波識別時(shí)，需要考慮電磁波在傳播過程中的衰減問題，此次研究的雷達(dá)基數(shù)據(jù)為SA雷達(dá)，因此在處理中衰減可以暫時(shí)忽略。

相關(guān)熱詞搜索：回波 降水量 技術(shù)研究 識別