地物回波是影响雷达资料质量的一个非常重要的因素，在正常传播条件下，由山脉或高大建筑物引起的地物杂波可以通过事先规定区域的滤波方法，仅在规定区域进行滤除，从而减小对降水回波的影响。然而在异常传播条件下，即大气条件的变化(折射指数垂直梯度的变化)使雷达波束的绝对曲率(雷达波束的绝对曲率取决于大气折射指数的垂直梯度)大于地球表面的绝对曲率，雷达波束将弯向地面，从而在原来没有回波的区域出现很多新的地物回波。这种超折射地物回波随着大气条件的变化，其强度、范围和位置也在发生变化(Steiner，2002)，因此很难和降水回波区分开。对训练有素的专业人员来说，可以通过自身经验及结合天气条件识别出地物回波。非实时的个例研究，用人工的方法识别也是可行的。但对定量估测降水特别是必须使用自动程序对地物回波进行识别和剔除的技术(如雷达外推的临近预报技术、雷达资料的同化、水文预报等)，则需要研究一种自动识别雷达地物回波的算法。

减少地物回波主要有3种途径(Steiner，2002)：(1)雷达的设置，包括雷达站、硬件的选择和雷达资料储存前的信号处理；(2)雷达资料的处理；(3)与其他资料的比较。

第1种途径是综合考虑雷达探测的水平范围和地物的污染来选择雷达站点的位置。将雷达放在高塔或高山上，可以减小许多由地物产生的问题，但却无法探测到低层的降水。对雷达硬件的选择包括其波长、天线、极化、多普勒等特征，也可以降低地物的干扰。

第2种途径仅使用雷达的基数据(回波强度、径向速度和速度谱宽)，作为算法的输入，既容易实现也便于修改。这方面的研究有很多，通过检查反射回波的空间(水平和垂直)和时间的连续性(Hogg，1978)，分析反射率的水平和垂直梯度(Mueller et al，1975；Riley et al，1976；Collier，2000; Lee et al，1995)，包括回波顶高(Johnson et al，1975；Moszkowicz et al，1994；Rosenfeld et al，1995)等。其他的方法多集中在基于信号-噪声比率的回波类型的空间变化纹理分析(Hall et al，1984；Smith，1990；Joss et al，1990；Joe，1991；Giuli et al，1991；Pratte et al，1993)。在概率分析上，目前广泛使用多参数作为神经网络或模糊逻辑的输入(Cornelius，1994；Grecu et al，1999；VanAndel，2001; Kessinger et al，2001)。

第3种途径不仅需要雷达的基数据，还需要其他资料与雷达资料进行比较，通过直接或间接测量折射指数的梯度来得出大气的条件(Fabry et al，1997)。用多部多普勒雷达共同覆盖区的资料，也可以结合雨量或卫星红外资料来评估雷达资料的质量(Atkinson et al，1991；Klingle et al，1995；Fiore et al，1986)。

随着中国新一代天气雷达的建设和应用，科学家们开展了用雷达监测灾害性天气(郑媛媛等，2004；俞小鼎等，2008)、风场反演(周海光等，2005；Liu et al，2010)、定量估测降水和临近预报等工作(张亚萍等，2006；李柏等，2007； 刘晓阳等，2010)，但以上这些工作都建立在可靠的雷达资料的基础上。在雷达资料质量控制特别是地物回波的识别方面进行了大量研究，形成的地物识别算法已经在灾害性天气短时临近预报系统(SWAN)和新一代天气雷达业务系统(ROSE)中应用，并初步应用到中尺度数值模式雷达资料同化过程中，但该算法存在部分降水回波过度抑制的现象(刘黎平，2007)。本文在此基础上，对镶嵌在降水中的地物以及小尺度对流云的过度抑制等问题进行了算法的改进，完善了地物识别算法。最后用统计平均法检验了地物识别效果。 2 地物回波算法的改进 2.1 地物回波的识别

首先对雷达资料进行预处理，以1°为间隔按方位角重新排序，形成360根回波强度、径向速度和速度谱宽一一对应的数据，再对其进行中值滤波来去除噪声。然后对刘黎平(2007)根据降水回波和地物回波特征设置的6个特征参数(回波强度的纹理(TDBZ)、垂直变化(GDBZ)、沿径向的库间变化程度(SPIN)、径向速度的区域平均值(MDVE)、方差(SDVE)、速度谱宽的区域平均值(MDSW))进行模糊化处理，得到所有参数对于地物回波的0—1取值范围的判据，该判据越大，该回波点属于地物回波的可能性就越大。当某点地物回波的判据超过事先给定的阈值时，该点就被识别为地物回波并被剔除。

将原方法中6个特征参数给予相同权重改进为根据其对地物识别效果的贡献给予不同的权重。给每个特征参数的权重范围均为0%—30%，每个特征参数的权重都为5%的倍数，6个参数的权重之和为100%，这样可以有很多不同权重的组合。地物识别准确率=地物识别准确点数/实测资料点数，地物误判率=将降水误判为地物点数/实测资料点数。定义临界成功指数CSI=地物识别准确率×(1-地物误判率)，CSI是介于0—1的数，CSI的数值越接近1表示准确率越高。将不同组合分别代入程序，求出CSI数值最接近1时的一组权重组合。本文用2007年7月50个地物资料和50个降水资料求出的最优CSI(CSI最接近1的值)

时的各特征参数TDBZ、GDBZ、SPIN、MDVE、SDVE、MDSW的权重分别为0.3、0.25、0.15、0.1、0.1、0.1。 2.2 远距离地物识别的算法改进

离雷达距离远的降水回波容易被误判为地物回波(尤其是小尺度的强对流回波更容易被误判)，主要有两个原因：一是在距离雷达远的区域只有回波强度值，而没有可用的多普勒径向速度和速度谱宽资料做参考。而多普勒速度是判别地物回波一个很重要的参数，地物回波的速度值很小基本为零，而降水回波则有一定的运动速度(除其与探测方向垂直时)；二是在离雷达距离远的区域由于相邻点距离较大，计算的特征参数值与地物回波的差异较小。随着离雷达距离的增加，雷达在不同仰角探测的高度也随之增加(图 1)。

因此，在距离雷达较远的区域，容易出现第1层仰角(0.5°)上有降水回波而在第2层仰角(1.45°)上没有回波或者回波很弱，造成上下两层回波的垂直梯度很大；同时随雷达距离的增加，相邻采样点的水平距离和垂直距离增加，相邻点的雷达回波强度差值也就增大。这样计算的特征参数值与地物回波的差异较小，而采用与近距离区域同样的地物判别阈值，就容易被误判为地物回波(小尺度强对流回波的水平和垂直梯度更大，其边缘更容易被误判)。所以，判别地物回波的阈值也应该随距离而增大(随着距离的增加，放宽判别为降水回波的条件)。为了便于计算，将地物回波判别阈值与离雷达的距离简化为线性函数，同时参考图 1雷达探测高度随距离的变化，定义阈值为

点击浏览公式

图 1 在标准大气折射条件下天气雷达VCP21体扫模式的传播路径Fig. 1 SA beam propagation path in the volume scan pattern VCP21 under the st and ard atmospheric refractive conditions

图选项

图 2 阈值随距离的变化Fig. 2 Threshold vs. range for a radar

图选项

对2005—2007年天津雷达的5个降水和地物回波个例，分别用恒定的阈值和随距离变化的阈值(式1)处理这些资料，随距离变化的阈值计算的临界成功指数CSI明显高于恒定的阈值。因此，阈值改为随距离而变化，降低了降水回波的误判率，改善了地物回波识别效果。 2.3 回波空洞的填补

在大气超折射传播的情况下，雷达探测到降水区域的下层为地物回波，探测到的上层为降水回波。下层的地物回波往往被识别剔除，留下“回波空洞”，而这些降水区域“回波空洞”的真实回波为降水回波，因此，有必要对其进行填补。

首先判断出现“回波空洞”的区域是否为降水区域。地物回波一般很少超过3 km，而降水回波的回波顶高则较高，基本都在3 km以上。因此，回波顶高在3 km 以上，上层回波为降水回波的区域应被认为是降水区域。

从高层依次向低层检查，如果相邻两层的上层为降水回波，下层为识别剔除留下的“回波空洞”，同时所在区域为降水区域的，则用上层降水回波填补下层的“回波空洞”。这种方法比用垂直廓线填补“回波空洞”的方法更简便，更利于业务运行，同时也可避免由于计算垂直廓线方法不当而引起填补“回波空洞”的更大误差甚至错误。 3 个例分析 3.1 远距离地物识别个例

图 3是2007年7月7日天津雷达探测到的一次强对流过程，在雷达中心的西北方向，有一向东南方向快速移动的东北—西南走向的强对流回波带，在强回波带的前方(东侧)有许多面积较小的强对流回波团，同时混杂了地物回波。图 3e和3f为方法改进前的识别结果，地物回波被识别剔除(白色实线区域)，但许多小尺度强对流回波(白色虚线区域)的一部分也被当作地物回波被识别剔除了。图 3g和图 3h为改进后加入距离参数的识别效果。从图中可以看出白色实线区域不仅被成功识别为地物回波，同时白色虚线区域也没有被误判为地物回波。

图 3 2007年7月7日11时18分天津雷达观测的降水和地物回波(a、b、c、d. 雷达原始资料的回波强度第1层PPI、径向速度第1层PPI、回波强度第2层PPI、径向速度第2层PPI，e、f. 地物回波识别后的回波强度第1层PPI、径向速度第1层PPI，g、h. 加入距离参数地物回波识别后回波强度第1层PPI、径向速度第1层PPI)Fig. 3 Precipitation and clutter echo from Tianjin radar at 11:18 UTC 7 July 2007(a，b，c，d. The unedited reflectivity on the 1th tilt PPI，radial velocity on the 1th tilt PPI，reflectivity on the 2th tilt PPI，radial velocity for the 2th tilt PPI; e，f. AP removed reflectivity on the 1th tilt PPI，radial velocity on the 1th tilt PPI; and g，h. AP removed reflectivity with the range parameter incorporated on the 1th tilt PPI，radial velocity on the 1th tilt PPI)

图选项

可以看出，在加入距离参数后，减小了很多误判为地物回波的面积，基本可以忽略不计，被误判为地物回波的情况明显改善，同时，被识别为地物回波面积基本没有发生变化(如白色实线区域所示)。用同样的方法还分析了2006年7月9日天津一次强对流降水过程和2008年6月30日青岛一次暴雨对流过程，得到了相同的结果(图略)。说明加入距离参数的方法，对距离雷达较远尤其是面积较小的强对流回波的识别效果有很大的改善。 3.2 “回波空洞”填补个例

为了更好地分析“回波空洞”填补的效果，分析了2005年6月21日天津一次伴随地物回波的暴雨过程(图 4)。分析第1层的原始径向速度图(图 4b)可知，50到150 km的大部分径向速度为0。在第2层的原始径向速度图(图 4d)中，白色实线区域对应的径向速度也为0，结合第1、2层的回波强度，可以判定雷达中心西南部的白色实线区域为地物区域。而雷达东北部的白色虚线区域对应的第2层的径向速度(图 4d)为非0区，对应的第2层回波强度(图 4c)也是降水回波，因此，白色虚线区域为降水区域。图 4e、4f为改进前的识别效果，地物区域(白色实线区域)被识别剔除，但降水区域(白色虚线区域)也被当作地物回波被识别剔除留下“回波空洞”。图 4g、4h为改进后的识别效果，地物区域(白色实线区域)被识别剔除，但降水区域(白色虚线区域)用上一层的降水回波进行了填补。

图 4 2005年6月21日11时05分天津雷达观测的降水和地物回波(a、b、c、d. 雷达原始资料的回波强度第1层PPI、径向速度第1层PPI、回波强度第2层PPI、径向速度第2层PPI，e、f. 地物回波识别后的回波强度第1层PPI、径向速度第1层PPI，g、h. 加入在“回波空洞”填补后回波强度第1层PPI、径向速度第1层PPI)Fig. 4 As in Fig. 3 but for the case of 11:05 UTC 21 June 2005(g，h. AP removed reflectivity with the echo gaps filled on the 1th tilt PPI，radial velocity on the 1th tilt PPI)

图选项

可以看出，在加入了“回波空洞”填补的算法后，降水区域中“回波空洞”被有效填补，降水区域被误判为地物区域的面积明显减少，而识别为地物区域的面积基本没有变化(白色实线区域)。 用同样的方法还分析了2005年6月27日武汉一次降水过程和2005年8月3日天津一次暴雨过程，得到了相同的结果(图略)。从这3个个例中可以看出，加入“回波空洞”填补的方法，明显改善了地物回波的识别效果。 4 平均法效果检验

在检验地物回波的识别效果时可以使用人为主观检验的方法，先确定降水回波和地物回波的“真值”，再与该方法的识别结果进行比较，以准确率、误判率和漏判率来检验识别的效果。对地物回波资料，该方法正确识别为地物回波点数目占整个资料数的比例为识别准确率，没有识别出地物的点的比例为漏判率，降水回波识别为地物回波为误判率。但这种主观检验方法的工作量很大，即使只对一个个例进行检验，也需要耗费大量的时间。而统计平均法不仅免去了人为的主观判断，节省了人为工作量，而且，可以对大量个例自动运行，极大地提高了检验地物回波识别效果的效率。

统计平均法是把同一个雷达同一个仰角不同时刻的回波强度进行累加，再除以累加体扫的个数，即可得到一段时间内该雷达在该仰角上的平均回波强度

点击浏览公式

对于同一雷达同一扫描仰角，降水回波的出现概率大致相同，因此，长时间内的平均回波强度是均匀的(如图 5b就比较均匀，

因为第2层及以上仰角出现超折射回波的概率较小)。而地物回波中的超折射回波随大气条件而变化，其强度、范围和位置也发生变化，因此，长时间内的平均回波强度是没有规律、杂乱不均匀的(图 5a)。

图 5 2007年7月1—31日天津雷达回波强度累加平均结果(a、b．没有经过质量控制的第1、2层仰角，c．经过质量控制的第1层仰角)Fig. 5 Accumulated mean reflectivity from Tianjin radar over 1-31 July 2007(a，b. The unedited reflectivity on the 1th，2th tilt PPI，c. The one after quality control on the 1th tilt PPI)

图选项

以下用统计平均法作检验。将2007年7月1—31日的7740个体扫的回波强度进行累加后再平均(图 5)。图 5a为没有经过质量控制的第1层回波强度的累加平均，在雷达中心西北部和南部100—200 km的白色圆圈内有许多地物回波，其回波强度已经超出了35 dBz。同时在雷达西南部有一些区域由于受地形阻挡作用，回波强度比周围偏弱，如黑色箭头所示。图 5c是经过质量控制后的第1层回波强度的累加图。对比图 5a可知，超出35 dBz的地物回波已基本被滤除，尤其在150 km范围内的识别效果很好。在150 km外也去除了大部分的地物回波，仅有零星的小部分地物回波(大于35 dBz)没有去除干净。同时也可以看出质量控制前(未去除地物回波)的雷达回波图非常杂乱，而经过质量控制后(去除了地物回波)的雷达图则比较均匀，结构比较清晰。同时在雷达中心西北部的某些方位的地型阻挡比较严重，在回波图上可以明显地看出受地形遮挡方位的回波强度比周围的回波强度偏弱。当然，识别地物回波是一个非常复杂的问题，因此，质量控制的方法还需要进一步改善，如在150 km 范围外的地物回波识别效果的改进、地形遮挡导致的回波偏弱的订正方法的研究等。 5 结 论

本文对镶嵌在降水中的地物以及小尺度对流云过度抑制的问题，进行了算法的改进：一是增加了回波填补功能，对降水区域中由于剔除地物而留下的“回波空洞”进行有效填补，二是将地物判别阈值改为随距离变化的函数，最后用统计平均法检验了质量控制算法，得出以下结论：

(1)通过判断降水区域，对剔除地物回波留下的“回波空洞”进行有效填补，改善了镶嵌在降水中地物回波的识别效果。

(2)通过将地物判别阈值改为随距离变化的函数，减小了远距离小尺度对流云特别是其边缘的过渡抑制，改善了远距离小尺度对流云的地物识别效果。

(3)用统计平均法对整个质量控制算法进行检验，通过比较质量控制前后天津雷达回波强度的累加平均结果，表明质量控制算法对地物回波有显著的识别效果。

质量控制是一个非常复杂的问题，结合雨量站、卫星等多种探测资料，共同识别地物回波，将有助于改善150 km以外的地物回波的识别效果。在大量的个例试验和进一步改进后，本方法将应用于新一代天气雷达资料处理和短时临近预报业务系统中。

致谢： 中国气象局培训中心的俞小鼎教授和北京市气象局的苏德斌老师为本文提供了很多帮助，在此表示感谢！