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來計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)，達到提出地物雜波的目的。文中主要根據(jù)西南區(qū)域雷達的數(shù)據(jù)進行分析，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，但還需要進一步的驗證效果并對算法進行進一步的改進。
　　關(guān)鍵詞：模糊邏輯；地物雜波；雷達回波反射率；隸屬函數(shù)
　　中圖分類號： P415 文獻標識碼： A DOI編號： 10.14025/j.cnki.jlny.2018.08.058
　　為了提高雷達數(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，同時也進行了改進和效果檢驗，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)分析的降水數(shù)據(jù)較為準確和完整[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)對各個區(qū)域進行小波分解，并且在后續(xù)的試驗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)點是容易實現(xiàn)并且在晴天和降水模式下都可以運用，除了與多普勒雷達得到的徑向速度數(shù)據(jù)結(jié)合，也可以與其他可用的雷達回波信息結(jié)合使用[5]。F. Silvestro認為，從雷達散射體積中獲得的降雨率以及其他的參數(shù)受到強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，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反射率的垂直分布特性，達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)運用于C波段的雷達中，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候，如何準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回波數(shù)據(jù)整體的可靠性。本文主要是為了運用地物雜波的回波特點以及由此衍生出的特征量的大小特點來對雜波進行識別，并尋求一個比較有效的識別算法，對目前已存在的識別算法進行部分的修改和檢驗。
　　1識別算法
　　目前，使用的雷達基數(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)雷達基數(shù)據(jù)格式的前提下，利用程序達到對所需數(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。將每個點當作一個二維的矩陣（i，j）進行循環(huán)計算，利用相關(guān)公式計算這幾個特征量，得出較為完整的特征量的計算結(jié)果，在其中有些計算過程中需要自己設置閾值，根據(jù)現(xiàn)有的雷達數(shù)據(jù)以及結(jié)論，可以參考有些閾值的設置，并根據(jù)已有的閾值再做適當?shù)恼{(diào)整，也需要考慮其他因素。因此，在這個過程中需要不斷嘗試不同的閾值，以此尋求一個最佳的判斷閾值。在模糊邏輯模糊化的過程中，最重要的就是對每個特征量設置各自合適的隸屬函數(shù)，以達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行模糊化來達到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，初始時將特征量的權(quán)重設置為相同的，而在試驗過程中可以發(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，在計算SIGN的時候可以發(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站的距離線性化，運用一次線性關(guān)系對距離雷達站不同距離處的回波點進行有區(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)域雷達探測的一次0.5度仰角的PPI雷達回波圖，從圖中可以看出，在雷達站的周圍沒有明顯的降水回波，基本為弱回波區(qū)域，但明顯在雷達站25km的范圍內(nèi)有約35dBZ的回波，主要分布在雷達站四周，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的回波反射率特征量的判據(jù)是否大于所設置的閾值。若大于閾值，則認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候有很大的區(qū)別，因為地物回波主要特點是分布比較分散，為孤立的回波點，主要分布在雷達站四周，當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，當出現(xiàn)降水回波的時候，高于3km回波頂?shù)纳蠈踊夭�可以認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置的閾值的回波點可以認為是地物雜波點，并剔除該點的回波反射率來達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，需要判別此回波點是否為地物雜波點，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地物雜波識別時，需要考慮電磁波在傳播過程中的衰減問題，此次研究的雷達基數(shù)據(jù)為SA雷達，因此在處理中衰減可以暫時忽略。

相關(guān)熱詞搜索：回波 降水量 技術(shù)研究 識別