文摘
补偿雷达反射率的衰减效应,雷达反射率的衰减校正的新方法使用面向任意微波连接(称为今后ACML)开发和评估。指测量任意面向微波链路,ACML方法优化具体的衰减比特定微分相位衰减校正方案的一个关键参数。该方法是评估使用双极化x波段雷达的实际数据和测量两个微波链接在两个暴雨事件。结果表明,整体优化的比率的变化范围是与先前的研究结果一致。与最优比例衰减校正后,雷达反射率明显补偿,尤其是在很长一段距离。修正后的反射率比反射率修正更强烈的“自洽”(SC)方法和接近附近的s波段雷达的反射率。也验证了方法的有效性比较雨率估计的x波段雷达得到的雨量数据。这是证明了任意面向微波链路可以用来优化雷达反射率的衰减校正。
1。介绍
天气雷达中发挥着重要作用天气监测由于其高时空分辨率。较长波长(例如,S - c波段)雷达,短的波长(例如,x波段)雷达有一些优势,包括小型天线和高灵敏度的微分相移降雨率。城市遥感网络组成的八双极化(DP) x波段雷达部署克服wsr - 88 DP报道限制和提供洪水警告(1]。然而,衰减的影响造成的降水在更高频率需要补偿成功实现定量降水估计(QPE)。各种方法已经发展到正确的减毒雷达反射率。然而,由于实际数量的衰减是未知的,现有的衰减校正方法仍然有许多问题。Hitschfeld和Bordan(1954)表明,他们的HB算法本质上是不稳定的和某些约束实施所需的总衰减(2]。双极化雷达,许多衰减校正算法开发。它们是基于微分的属性传播阶段几乎是线性累积衰减在典型的雷达频率成正比(3]。Testud et al。(2000)提出了一种校正算法(ZPHI雨分析算法),假设一个固定的比例常数依赖特定的衰减在特定微分相位(4]。但ZPHI算法是非常敏感的比例常数。为了解决这个问题,许多研究把重点放在了修正系数的确定。Bringi et al。(2001)提出了所谓的“自洽”方法(SC)的最优比例常数/预计通过比较计算与测量(5]。基于SC法,公园et al。(2005)修改了x波段频率衰减校正方法(6]。追踪变化大小分布下降(DSD), Lim和Chandrasekar雨(2006)开发了一种双极化分析算法(DRPA)将反射率以及微分反射率资料衰减。自洽方法对应DRPA (SC-DRPA)也提出了获得最优校正系数(7]。DRPA方法已得到改进通过偏见影响较小的反射率和微分反射率(8]。Rico-Ramirez(2012)扩展HB和井口的“最终价值”(艘)9)更正系数自适应的算法参数优化类似于SC方法(10]。Kalogiros et al。(2014)提供的最优参数化的自洽(吟游诗人)雷达反射率的衰减校正算法,使用最优参数和最佳适合特定的函数衰减和反向散射微分相移11]。从这些研究可以看出,系数优化对提高该方法的有效性至关重要。
最近,各种各样的调查主要集中在使用现有的微波链接广泛分布在国家下雨监控,验证,和优化雷达QPE,衰减校正雷达观测,等等(如。,(12,13]]。得出路径平均降水估计的沿着链接路径衰减比点兼容雷达观测测量的指标(14]。克雷默et al。(2005)采用衰减和降雨量信息来自微波与接收机托管的一个x波段天气雷达作为参考来纠正降水的雷达数据估计(15]。使用相同的链接(15),拉希米et al .(2006)提出了一个backward-iterative衰减校正算法的链路衰减约束了(16]。Tromel et al。(2014)证明的比率/的帮助下可以优化微波面向链接以及雷达径向(14]。然而,在这些研究集中在衰减校正使用微波雷达观测的联系测量,利用链接需要沿雷达径向方向。这个限制任意面向微波的应用链接和提出的算法。此外,因为只有雷的雷达观测以及微波链路所在可以纠正,这些方法的有效性也减少了。
解决这些问题,本文提出一种雷达反射率的衰减校正方法使用面向任意测量微波链接。该方法评价了真实数据的双极化x波段雷达和两个微波连接在两个暴雨事件的记录。证明了该方法的有效性比较修正后的反射率与SC法的结果和附近的s波段天气雷达的反射率。有效性也评估通过比较雨率估计的x波段雷达得到的雨量数据。结果表明,ACML提供了一个可选择的方法来优化校正系数和扩大应用范围的微波雷达反射率的衰减校正和QPE的链接。本文组织如下。拟议中的ACML算法描述的部分2。部分3介绍了实验和重要结果。最后,给出的结论部分4。
2。方法
ACML基于ZPHI雨分析方法(4]。首先,简要介绍ZPHI和SC (5)算法。
2.1。ZPHI和SC算法
具体的衰减(在 ),测量的反射率(在 在范围内可以表示为 在哪里是内在的反射率。的路径衰减可以表示尊重和作为 在哪里是对应于第一个决议体积与降水范围。在ZPHI算法,决定一个约束,双向路径衰减吗成正比的总时间微分相位传播 : 在哪里表示范围的降水结束。这个约束,最终形式的可以被描述为 在哪里 和 。应该注意的是,计算的使用(5)需要设置先验值指数和系数在(1)和(4),分别。考虑到和变化不太敏感的温度比其他偏振变量(如放形状。,(17,18]],指数有一个相对较小的动态值从0.76到0.84在x波段19]。另一方面,系数不同温度和形状。根据散射模拟在不同温度和滴形状系数从0.05到0.11不等在c波段20.),从0.139到0.335在x波段6]。所以,一个固定的值可以介绍nonignorable检索中的错误吗 ,进而影响雷达反射率的衰减校正。在SC方法中,一个最优价值估计基于自洽原理(5]。对于一个给定的值, 在每个区间计算(5),然后 给药 最优值是选择当计算之间的区别和测量在整个范围内通过一个细胞衰减雨 是最小的,表示门指数范围来和雨是数据点的数量在细胞之间和 。
2.2。ACML方法
而不是预设定一个固定的在ZPHI和估计最优从雷达数据本身在SC, ACML估计最优通过一个迭代过程基于融合雷达测量和链接测量。ACML的初始值首先然后设置具体的衰减意味着什么和检索与这个分别使用链接测量和雷达测量。最优是由最小化的区别和 。流程示意图如图1。
2.2.1。检索是指特定使用微波衰减测量的链接
首先,微波衰减基线(或零级)链接应该决心获得由于雨水沿着链接路径衰减。基线不是常数随时间波动和变化的水蒸气浓度,温度,风对天线的影响,损失在传输和接收,干扰,和可能的多路径效应21]。因此基线的校准(或零水平)对链路衰减测量至关重要(12]。工作后Chwala et al .(2012),干、湿(雨)时期可以被考虑接收信号的功率谱水平(RSL) [22]。如果权力之间的区别在低频和高频区域超过预设阈值时,被认为是湿的。ACML方法,雷达还可以用作干/湿指标。此外,在我们的实验中,雨量计是部署在链接路径可以作为另一个干/湿指标。如果Chwala的方法的结果,或至少一个雷达像素沿着链接,或雨量计的测量表明,多雨,潮湿的时期将被触发。确定干燥和潮湿的时期后,基线值设置为前过渡从干到湿。然后,由于降水衰减的联系通过减去基线的接收功率。指特定的衰减( )可以基于微波链接检索 在哪里()是连接路径的长度。如果链接的频率不同于雷达,有必要将在链接频率衰减在雷达频率比较意味着特定衰减检索结果。
2.2.2。迭代过程
如图1,优化系数的迭代过程执行如下。首先,的初始值将一定范围内可以确定从先前的研究在文献(例如,从0.139到0.335吗在[6])。
随后,估计价值随着(5),(6)和(10),雷达获取的意思是特定沿着链接路径衰减可以达到 在哪里雷达测量量的总数是沿着链接路径(参见图吗2)。应该注意的是,由于距离的不同部分链接到雷达是不同的,每一个雷达的体积大小和高度门沿着链接是不同的。因此,特定的衰减量的计算不同尺寸和高度。雷达测量体积的差异将与链接到雷达的距离增加,将导致不确定性的估计 。此外,链接时远离雷达,雷达和链接将会有更多的空间不匹配。这也将导致该方法的不确定性。所以,确保方法的有效性,链接不能太长了。
然后一个成本函数()被定义为之间的区别意味着特定的衰减计算检索通过雷达和链接 黄金分割搜索方法(23应用)来找到最优系数最小化代价函数。在每个迭代中,给定一个时间间隔 )包含一个成本函数的极值 ,黄金分割搜索方法最初是由选择两个内部点和的时间间隔。最右边的内部点之间的距离和最左边的端点等于最右边端点之间的距离最左边的内部点 。两个距离等于 。如果 的范围,为下一次迭代将被设置为 ]。否则,将范围设置为( ]。因此,的范围由一个固定的缩小系数(0.618)在每次迭代之后。
最后,使用的优化值随着(5)和(6),最优具体的衰减 在每个门的雷达方位范围内可以检索链接十字架,和减毒反射率可以纠正(3)。
3所示。实验和结果
验证的有效性ACML方法,从两个暴雨情况下的数据进行了分析。对于每一种情况下,数据得到的x波段双极化雷达(XR),一个s波段单偏振雷达(SR)、微波链接(ML),和六个雨量数据。在这两种情况下,雷达(即。,the XR and the SR) were the same, while the MLs and rain gauges were different. The MLs used in the two cases were different in transmitting frequency, range to radar, and link length. The effectiveness of the ACML method can be verified by comparing the corrected reflectivity with the reflectivity of the SR and the correction result of the SC method. The performance of the ACML method can also be evaluated by comparing the XR estimated rainfall with the gauge derived rainfall.
3.1。数据源
XR的位置,老2毫升,用于实验和12个雨量数据图表示3。
(一)
(b)
(一)雷达。XR和SR位于江苏省,中国,其主要特征值表中列出1。
收集的XR体积扫描数据与2或4海拔每2分钟。在每一个雷,它收集的数据从800年的75。SR XR位于西南45.12公里。它收集扫描数据量有11个海拔每6分钟。在每一个雷,它收集的数据从460年盖茨1公里。雷达都定期校准。
(b)微波链接。获得的总路径衰减引起的水文气象的散射和吸收,微波链路测量发射机和接收机之间的传播能量。美国职业足球大联盟的主要参数值表中列出2。
MLs传播和接受水平极化电磁波没有罩体。XR的网站,ML1中引入的发射机是46.12公里,位于方位237°,而接收机是44.62公里,位于方位228°。即ML1中引入了10°方位(从237°- 228°)XR。是中打开与ML1中引入相比,名为ML2 XR近多了。是中打开发射机的名为ML2 29.13公里,位于方位245°,而接收机是24.05公里,位于中打开的名为ML2方位230°。交叉中打开,名为ML2 16°方位(从245°- 230°)XR。衰减的联系被两毫升采样精度为0.01 dB。注意ML1中引入的波束宽度为7.5°,但它应该是小,以避免雷达波束和微波连接梁之间的失配问题尤其是链接路径长。
(c)雨量数据。显示在图3,十二个翻斗式雨量数据被部署在实验区域的两种情况。仪表1到6的采样时间间隔是5分钟的指标7 - 12是10分钟。所有的指标都是0.1毫米的决议。的相对位置的雨量数据列出了XR表3。XR的距离从一些指标超过链接虽然有些短,这是有助于评估该方法的有效性。注意,表5只是ML1中引入的道路。
3.2。分析的情况下,我
3.2.1之上。降水事件
风暴产生极端暴雨是2015年6月2日观测到实验仪器。降水起初对流然后开发混合型沉淀。XR的反射率测量领域例子如图4。
可以看到从图4几个对流核沉浸在层状降水回波,表明,降水已成为混合型。的反射率非常强烈的最大值超过55 dBZ由于极端暴雨。瞬时雨率在0640年到0842年UTC检索由表3和表5所示图5。由于雨量计测量的时间分辨率是5分钟,瞬时雨率(毫米/小时)计算 ,在那里计测量在当前时间和吗在以前的记录时间计测量。那么所有的瞬时雨率 来将 。
(一)
(b)
的降雨测量仪表是非常沉重的,最大降雨88毫米/小时图5(一个)。暴雨持续了很长一段时期在一些地区。据报道,每日累计降雨量是最大的前10天期间自1961年6月在南京的城市。记录的路径衰减ML1中引入也绘制在图5 (b)一起雨率衡量计5在链接路径位于距发射机的联系(约4.95公里)。可以看出,强降雨造成强烈的衰减(大于10 dB)在一些时期。考虑到链接路径只有7.5公里,具体的衰减在这些时间超过1.33 dB /公里。注意,有一个明显的倾盆大雨约0750 UTC链接时衰减数据丢失是由于严重的衰减。衰减在0720 UTC也失踪的联系但是没有相关降雨峰值。可能的原因是,有一定的不匹配点雨量计测量和路径测量微波链接,特别是对快速的对流降水时空变异。
3.2.2。数据预处理
(一)杂物清除。考虑到微波链接是在地表附近,只在最低的高程数据(1°)与ACML XR的纠正方法。在应用校正算法之前,有必要消除地面杂波雷达反射率数据。雷达杂波的分类进行了使用模糊逻辑提出的分类器(24]。中使用的功能分类包括径向速度、反射率的纹理,纹理的微分反射率,和相关系数。一个给定的点的纹理计算使用的标准偏差3°×1.275公里(数据点沿径向17日)窗口中间的点被分类。
(b)噪声去除。删除很重要波动与噪声雷达资料的相关微分传播阶段 ,反射率 ,和链接衰减。移动平均线的窗户17数据点(1.275公里)和41数据点(3.075公里)和数据,分别。在链路衰减的情况下,一个移动平均的窗口8数据点(对应于2分钟)。
(c)衰减匹配的雷达和链接。因为链接的频率(9.47 GHz)不同于XR (9.19 GHz),在链接频率衰减必须转移到在雷达频率比较意味着特定衰减检索结果。根据雨的微波衰减模型25),衰减的比率从9.19 GHz 9.47 GHz (A9.19 / A9.47)与降雨率是绘制在图6。
可以看出,这个比例接近1是由于两个频率之间的细微差别。比例增加降雨率和增长率成为小于0.03的低动态范围内当雨率超过10毫米/小时。计算结果还表明,温度和形状影响很小比率下降(没有显示)。根据雨率分布在实验情况下,比A9.19 / A9.47组是0.912。所以,(9)被重写
3.2.3。衰减校正和QPE结果
校正系数的最优值由迭代过程在ACML如图1。的一个例子优化如图7。
系数的变化范围从0.01到0.5是吗这有点比变化范围得出的结论在那些以前的文献。作为改变,成本函数中定义(11)波动如图7。的摄动值(0.215在图7)对应于最低发现了黄金分割搜索方法。这被选为最优系数。优化的结果在雨事件如图8。
0640年到0842年期间UTC,有73卷扫描XR收集的数据。为每一个反射率PPI数据海拔最低的扫描数据量(1°),一个最优决心使用ACML方法。从图可以看出8大多数的优化在0.105到0.34吗0705年,只有一个例外发生在UTC等于0.46 。分布的优化的变化范围是一致的吗(即。,0.139 to 0.335 )提出了在前面的文献[6]。优化的平均值是0.227标准偏差为0.062 。注意一些值被设置为0.25(显示为红”“在图8)在相应的雷达观测时没有检测到回波沿着链接路径,因为不能与ACML优化方法在这种条件。
利用这些优化在一起(5),(6)和(3),具体的衰减和内在的反射率都是检索。即雷达反射率的方位范围内228°- 237°交叉的链接是衰减校正。反射率的衰减校正的一个例子是图所示9。
(一)
(b)
(c)
(d)
XR雷达的反射率分布在衰减校正之前,ACML衰减校正后,在SC衰减校正方位228°- 237°0730 UTC数据所示9(一个),9 (b),9 (c),分别。观察到的反射率在同一地区的老0729 UTC如图9 (d)。每一点的区域,提取相应的SR反射率从海拔最低(0.5°)扫描的老9分中值滤波是用于制造SR平滑的反射率和容易和XR相比。应该注意,弱回声在20到23公里的范围和38 45公里是由部分梁堵塞引起的错误可以推断分析SR扫描数据量。可以看出XR衰减校正前的反射率比这低得多的老强烈的回声探测到老成为XR由于弱回声衰减特别是在范围(> 36千米)。衰减校正使用ACML和SC法后,XR反射率增加明显的纹理变化很大。弱回声回声的远端XR变得更加激烈。大多数ACML校正后在远反射率值范围从低于20 dBZ增加到大约30 dBZ。与SC法的结果相比,ACML校正后的反射率更强烈和更接近SR反射率。
图10显示配置文件范围SR反射率和XR反射率校正前后沿射线方位角236°图9。可以更清楚地看到,ACML和SC方法减轻XR反射率的错误由于衰减效果。衰减校正量增加的范围。ACML校正后的反射率大于SC校正后,更类似于SR特别是在范围。请再次注意,SR受到部分梁堵塞问题的影响范围20到23公里,38 45公里。
进一步评估的性能ACML方法,矫正和纠正反射率ACML, SC法对SR反射率有图11。反射率的方位范围从228°- 237°44岁和60公里范围内的0640年到0842年期间UTC(101174点完全)选择比较。
(一)
(b)
(c)
很明显,与ACML反射率修正方法更符合SR反射率和显示更少的散射。的有效性ACML法比SC法的修正量。
在XR派生雨衰减率的影响和ACML也评估的有效性与雨量计测量结果进行比较。图12显示了瞬时雨的比较率未修正的XR派生的反射率,纠正XR反射率,雨量计的测量3。
(一)
(b)
雨的雷达估计基于雷达反射率之间的关系和雨率(关系)使用上面XR的反射率测量卷雨仪表。不同的关系,包括 层状降水和 对流降水,是应用于推导雨率。虽然这些关系是适用于不同类型的降雨雪,发现雨率的估计结果利用两个关系非常密切。雨检索率 有点大于所检索到的吗 接近雨量计估计。这再次表明,对流降水的降水已经开发了层状降水在实验期间。如图12(一个),雨率估计的XR衰减校正远低于之前,导出了计3由于强烈的暴雨产生的衰减。雷达估计雨率显著增加衰减校正后,和振幅的变化是更接近测量估计。图12 (b)雨是散点图的利率由6个指标与相应的检索(同一地点和时间)雨XR检索率。可以看出大多数radar-derived估计不到5毫米/小时,而一些实际利率接近90毫米/小时。两组之间的协议估计后显著提高使用ACML衰减校正方法。自从仪表被部署在不同的范围和方位角方向XR,它证明了ACML工作在不同的地方。虽然降雨仍低估了总体降雨时尤其重,QPE XR的的性能明显改善。
评估ACML的性能统计,雨利率之间的相关系数(CC)仪表和x波段雷达的衰减校正前后的计算,以及归一化相对误差(RE)被定义为 在哪里和由雷达和降雨率估计雨量计,分别。术语是时候抽样指标和术语是抽样的总数乘以。表4给再保险和CC雨利率之间的结果估计指标和XR之前和之后的衰减校正。
从表4,可以看出REs明显减少。雷达的意思是重新检索雨率从97%下降到53%,这是一个显著的改善考虑降雨强度高。雨利率之间的相关性得到校正后的XR和指标也明显改善。的相关性XR-gauge 3和XR-gauge 4甚至从负相关有很强的正相关关系。意思是CC从0.04增加到0.53。
3.3。案例分析二
3.3.1。降水事件
另一个暴雨事件发生2016年6月1日也进行分析,以进一步评估ACML方法的性能。与我类似,降水也由一个混合对流降水降水类型。与我不同,这个事件持续了较长时间的降雨。在这种情况下使用中打开的名为ML2 XR ML1中引入的不同范围,传输频率和链接长度。XR回波的一个例子和降雨派生表9(见图3)如图13。
(一)
(b)
从图(13日)此时的回声XR非常强烈的特别是在范围最大反射率超过45 dBZ约20公里。因为强烈的衰减引起的附近的强降雨雷达,除了强烈的回声回声非常薄弱。降水远离XR甚至不能被探测到,导致“V”切口回声范围。计9和派生的降雨衰减从0000年到0500年UTC中打开记录下名为ML2都显示在图13 (b)。可以看出,尽管计9约12公里,中打开的名为ML2时衰减和雨中打开的名为ML2计9日达到峰值速度值(分别为5.9 dB和59毫米/小时)几乎是相同的。
3.3.2。数据预处理
用于杂物去除和噪声消除的方法都是一样的,以防我。因为(7.7 GHz)中打开的频率名为ML2不同于ML1中引入(9.47 GHz),它应该是研究中打开衰减XR的匹配和名为ML2再次。根据雨的微波衰减模型25),衰减的变化比率从9.19 GHz 7.7 GHz (A9.19 / A7.7)与降雨率是绘制在图14。
可以看出,不同比例从0.54到0.625,迅速与降雨率的比率增加,趋势放缓当雨率超过10毫米/小时的动态范围小于0.05。设置比例自适应地根据降雨率的改变有助于使检索结果更加准确。然而,在实际应用中,雨量计雨或其他计量器具雨率可能不可用。因此,比A9.19 / A7.7 0.6将考虑到动态范围的比例非常小。方程(9)被重写
3.3.3。衰减校正和QPE结果
优化的结果在这事件如图15。
从0000年到0500年UTC,有180卷扫描XR收集的数据。为每一个反射率PPI数据海拔最低的扫描数据量(1°),一个最优决心使用ACML方法。从图可以看出15大多数的优化是在0.05 - -0.42总体一致,比的变化范围有点大在文献[6]。优化的平均值是0.1749标准偏差为0.0647 。请再次注意,一些值被设置为0.25在相应的雷达观测时没有检测到回波沿着链接路径。
利用这些优化在一起(5),(6)和(3),雷达反射率的方位范围内230°- 245°交叉链接的衰减校正。反射率的衰减校正的一个例子是图所示16。
(一)
(b)
(c)
(d)
从图可以看出16之前XR的反射率的衰减校正弱得多比老因为强烈的衰减,降雨雪除了强烈的回声(例如,降水范围约45公里)没有检测到。甚至强烈的回波范围约48公里被SR XR没有检测到。衰减校正ACML和SC法后,XR反射率明显增加。恢复到一定程度上强烈的回声。与SC法的结果相比,反射率修正ACML方法更符合SR反射率。
从图可以看到更清楚17,该方法正确的反射率的衰减。校正效果好于SC法与修正量超过25 dB的射线。ACML方法的校正结果更接近SR反射率。应该注意到,如果降水没有检测到的雷达因为强烈的衰减,校正方法不能恢复它。
雨量计派生雨利率再次利用评估ACML方法在这种情况下的性能。图18显示了瞬时雨率的比较未修正的XR派生的反射率对纠正XR反射率使用ACML和SC的方法。
(一)
(b)
以防我,雨率XR的图18也通过检索 。如图18降雨之间的协议派生的XR和雨衰减校正后指标显著改善使用ACML和SC的方法。总的来说,雨率ACML修正后比那些SC校正后,更符合雨雨水利率衍生指标。应该注意的是,XR和仪表之间的分歧仍然存在派生雨率。一些光降雨被高估了暴雨虽然有些低估了。
与我不同,案例中使用的仪表二世(见图中打开更远离名为ML23)。指标7和8接近XR而指标9到12远离XR,这表明ACML运作良好不仅在ML附近的地区也在远离毫升即使在这样巨大的暴雨。的性能QPE XR的ACML校正后明显改善。
3.4。误差因素分析
如上所示,仍有雨利率之间的偏差估计的仪表和衰减校正后的雷达。首先,原因之一是雷达和计测量的空间不匹配。雨量计测量在一个点在地上,雷达使推理从大量在特定高度规之上。其次,因素包括雷达系统偏差,整流罩衰减,和部分梁堵塞会导致错误的雷达反射率,进而引入错误的结果提出了方法。雷达数据的质量控制包括杂物清除和平滑的反射率和微分传播阶段应该谨慎处理。第三,如果有雷达门沿着链接路径没有呼应,避免梁阻塞的问题,该算法将不会执行。但是当雷达波束部分屏蔽,错误仍将介绍评估的具体的衰减。
此外,如部分所述2一个假设,具体沿着链接路径衰减等于意味着特定的衰减来自上面的雷达测量路径中使用该方法的链接。然而,高度的链接路径和雷达采样量是不同的,由于雷达仰角和地球曲线。因此有必要分析方法上的高度差异的影响性能。
从链接,链接路径和中央的高度的海拔高度的雷达梁1°和2.4°标准大气条件下计算图所示(19日),那里的高度低的边缘1°和2.4°梁也显示。图19 (b)显示了1°的雷达反射率范围配置文件和2.4°海拔在236°方位图9。可以看出,两个海拔高度匹配良好的反射率即使在这样一个严重的暴雨。因此,可以推断,降雨雪之间的差异在1°的链接路径和雷达波束高度可能不是太大,进而表明,假设是合理和适用于减毒的校正反射率虽然会导致一些错误的检索结果。控制这个误差在可接受的范围内,该方法中使用的链接不能太远从部署雷达和雷达的高度应尽可能低。垂直剖面的反射率(冲程体积)技术将调查和应用进一步减少误差的方法。
(一)
(b)
另一个性能下降因素ACML的恒定的比率假设的修正。事实上,不能保持一个常数下降由于不同温度和形状。因此,常数假设只是一个“平均值”解决问题,可能会导致错误的修正雷达反射率,尤其是在对流降水情况dsd不同在不同的地区。当不同的微波连接跨越不同的雷达方位范围,不同的最优可以获得一个特定的区域。此外,当多个微波连接在不同的雷达范围可用,ACML的性能可以进一步提高了应用不同的最优方法在不同的范围。
此外,该ACML方法只能正确方位内的反射率由微波范围交叉链接。它将失去工作上面没有降水时的联系路径或降雨引起的衰减太浓的雷达检测返回的权力。这些问题也可以解决更多的链接部署在不同的范围和雷达方位角是可用的。
4所示。结论
雷达反射率的衰减校正方法使用面向任意的同步测量微波链路(ACML)。通过最小化之间的区别意味着特定的衰减沿链接路径检索通过微波链路和雷达,这个比例具体的衰减到特定的微分相位的衰减校正方案的关键参数进行了优化。该方法应用与真实数据的x波段雷达的测量两个微波链接在两个暴雨。结果表明,优化的变化范围在先前的研究总体一致。衰减校正后的雷达反射率明显增加与这些优化 ,特别是在很长一段距离。与SC法相比,校正量大,修正后的反射率更接近于附近的s波段雷达的反射率。方法的有效性也评估通过比较雨率估计的雷达和那些估计的雨量数据。降雨率估计的x波段雷达与ACML方法校正后显著增加,更符合规测量。实验结果还表明,该ACML方法可以实现良好的性能甚至在远离微波链接。尽管一些不确定因素,ACML方法似乎相当强劲。
此外,请求与之前衰减校正方法相比,微波链路径向导向,ACML显然是更有效和更适用于利用任意取向的链接。校正面积也扩大从一个雷达射线的区域交叉链接。更可以利用微波链接来弥补雷达观测和改善QPE和其他定量应用程序的能力。效率可以进一步提高了在雷达使用更多的链接。微波链接以来世界各地普遍存在,该方法可以扩展在许多地区和场合没有任何额外的成本。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
彭,淅川刘、李件和库恩歌的构思和设计实验和分析数据;彭张和Zeming周写论文;Pinglv杨帮助执行统计分析。
确认
这项工作是由江苏省重点实验室开放基金的气象探测和信息处理(批准号KDXS1306),江苏省自然科学基金(批准号BK20150708),中国国家自然科学基金(批准号。41505135,41505135,61473310)。