星载测雨雷达作为主动微波遥感探测仪器，不仅能克服光学遥感器不能穿透大气云雨的缺陷，提升对降水重要特征探测的能力，还能克服被动微波遥感器不能提供降水垂直结构信息、受背景辐射影响等缺点。因此，星载测雨雷达已经成为测量全球尺度降水的有效手段和重要的遥感仪器。发展以星载测雨雷达为主要载荷的测雨卫星在中国气候研究、气象预报预警和极端天气事件监测中具有非常重要的意义和紧迫性。主要体现在以下几个方面：星载测雨雷达可以得到全球降水三维精细结构信息，在很大程度上提高目前降水测量产品精度，为研究云和降水在全球水循环中的作用提供关键的研究数据；星载测雨雷达数据能够弥补海上台风监测数据的空白，提供高精度台风降水三维结构，降低台风路径预报误差；星载测雨雷达与被动微波观测相结合，可以极大降低目前被动微波降水反演中的误差；星载测雨雷达可以用于对地面气象雷达进行统一标定，改变地面气象雷达缺乏统一定标标准的现状，提高地面气象雷达的应用水平；测雨卫星作为核心观测卫星，还可对其他卫星有效载荷进行统一标定，并通过国际合作，以与全球测雨计划(Global Precipitation Measurement，GPM)卫星组网观测等方式提供全球高时效降水产品。

中国计划在风云三号02批卫星观测星座中的测雨星上搭载双频测雨雷达(吴琼等，2011)。目前，该仪器的两个原理样机(Ka频段和Ku频段)已经研制成功。2010年9月6日—10月20日，中国气象局国家卫星气象中心联合几家合作单位在江苏东台沿海地区开展了Ka和Ku波段双频机载雷达的外场校飞试验。除了机载雷达外，还选择了地基12通道微波辐射计、X波段车载雷达和GPS定位仪等进行地面同步观测配合本次试验。由于所选试验区位于32°N附近，正好可以获取热带测雨卫星(Tropical Rainfall Measuring Mission，TRMM)上所携带的Ku波段测雨雷达(Precipitation Radar，PR)的观测数据，从而使得本次试验具备了星-机-地不同来源雷达数据同步比对的条件。

本文简单展示了机载双频雷达的测量结果，通过与同步星载雷达的比对初步分析了机载雷达探测降水的能力。此外，利用卫星数据模拟器(Satellite Data Simulator Unit，SDSU)(Masunaga et al，2010)计算了Ka和Ku波段的k-Z_e和R-Z_e关系的系数，并在此基础上进行了衰减订正以及雨强的反演。本次试验对中国未来星载测雨雷达的发展具有非常重要的意义。

本次试验中，共飞行了11个有效架次，其中，外定标7次，海面同步观测2次，有效降水2次。探测降水的时间分别为2010年9月22日和10月11日。鉴于9月22日只是部分数据有效，因此，选择10月11日的数据进行雷达性能分析。此次数据共包括2756条扫描行，56个距离库和15个角库。需要说明的是，分析过程中所涉及的雷达测量反射率因子均已经经过去噪处理。试验中所涉及的主要参数如表 1所示。

图 1和2分别是机载雷达Ka和Ku波段沿飞行方向机下点的剖面，地表清晰可见，地表之上能看出较明显的降水信息。地表处的弯曲则是由于飞机姿态和飞行高度的不稳定引起的。

图 1 Ka波段沿飞行方向机下点的剖面 Fig. 1 Image from the Ka b and along the flight direction(nadir)

图选项

图 2 Ku波段沿飞行方向机下点的剖面 Fig. 2 Image from the Ku b and along the flight direction(nadir)

图选项

PR作为世界上第1部也是目前唯一一部星载测雨雷达(Kummerow et al，1998)，为全球降水提供了大量的资料，探测能力毋庸置疑。因此，进行星-机的同步比对，是评判机载雷达性能的最直接方式。分析10月11日的PR和机载雷达数据后发现，机载雷达的观测时间是08时52分58秒—10时17分41秒(北京时，下同)，和机载雷达空间上最接近的PR观测时间是08时09分，时间和空间上不完全同步给星-机的对比带来了一定的困难。尽管如此，当地10月11日的降水是典型的层状降水，比较均匀，因此，通过比较两者的最大值廓线可以排除时空不完全匹配的问题，选取PR数据和机载雷达空间间隔在100 km以内的数据。图 3是机载雷达机下点和PR星下点雷达反射率因子垂直廓线在每个高度层上的最大值廓线，可以看出，Ku波段机载雷达测量的反射率因子大于Ka波段，这符合雷达气象学的基本原理。另外，在地表之上2—4.1 km，机载Ku波段和PR探测的廓线比较接近；尤其是在4 km以上0℃亮带，不仅亮带出现的高度一致，而且，雷达反射率因子的强度也非常一致。地表至2 km高度，机载雷达受地物杂波影响较大，因此，机载雷达测量的雷达反射率因子较PR明显偏大。

图 3 PR和机载雷达测量的雷达反射率因子廓线 Fig. 3 Radar reflectivity factor profiles plotted separately from the PR and the airborne radar

图选项

当然，仅用1次资料就说明机载雷达的探测能力接近PR的水平是远远不够的。但是，机载雷达探测降水数据的不足限制了通过星-机对比来检验机载雷达的探测能力。不过，本文的主要目的并不是通过比较机载雷达和PR来分析机载雷达的探测能力，而是进行机载雷达反射率因子廓线的降水反演，为后续全面分析机载雷达的性能奠定基础。

衰减订正作为反演雨强廓线的基础是数据处理与分析中非常重要的一个环节。自PR在轨以来，反演算法不断完善，目前，Ku波段的降水反演算法已经日趋成熟，反演的精度也不断提高。

在PR V6版本的降水反演算法中，路径积分衰减(Path Integrated Attenuation，PIA)由4部分组成(Iguchi et al，2009)

点击浏览公式

点击浏览公式

对非降雨的衰减而言，Ku波段的衰减一般较小，而Ka波段的衰减往往不可忽略，因此，Ka波段非降雨的衰减订正是保证Ka波段降水反演精度的首要条件。本文分别参考PR和Stepanenko对氧气、水汽和液态水的衰减估计计算了Ku和Ka波段非降雨的衰减(Matrosov et al，2004)。

从式(2)可以看出，直接影响雨衰订正的主要因素是k-Z_e系数。PR的k-Z_e系数是通过大量的地基雷达数据、同步的滴谱仪资料以及假设的雨滴谱分布模式来获取的(Kozu et al，2009)。但是，实际探测资料的不足给利用上述方法进行Ka波段k-Z_e系数的统计带来了一定的困难。本文尝试利用卫星数据模拟器(SDSU)来模拟计算Ka波段的k-Z_e系数。

SDSU是一个卫星数据模拟器，可以用来模拟微波亮温、雷达反射率因子、PIA、可见光和近红外辐射以及热红外亮温(Masunaga，2010)。SDSU中使用的数据库来自于NASA开发的GCE(Goddard Cloud Ensemble Model)(Tao et al，1989，1991)模拟的一次热带飑线过程，共4个瞬态。每个瞬态有140×140条廓线，垂直高度为18 km，分为28层，10 km以下0.5 km一层，10 km以上1 km一层，每条廓线包含有高度、气压、温度、水成物含量(云水、雨、雪、霰和雹)、降雨类型和地表雨强等参数。本文在使用过程中选用了第1个瞬态的数据。SDSU的一个显著优点在于其对融化层的复杂结构有较好的模拟，能够较真实描述降水的三维结构。挑选出所有雨强在0—5 mm/h的层状降水廓线，对其相应的雷达反射率因子廓线进行平均(图 4)。从图 4中可以看出，4.2 km附近存在明显的亮带，表明层状降水中的融化层结构得到了很好的模拟。

图 4 层状降水雨强在0—5 mm/h所有反射率因子的平均廓线 Fig. 4 Average profiles of the measured radar reflectivity factors from 0 to 5 mm/h for the stratiform rain

图选项

为了得到本次外场试验中可用的k-Z_e和R-Z_e系数，首先挑选出所有降水类型为层状降水的廓线(外场试验中探测的降水为层状降水)，模拟输出等效雷达反射率因子Z_e、雨衰系数k以及雨强R。其次从雷达反射率因子以及雨强两个角度筛选出雷达反射率因子大于10 dBz、雨强大于0 mm/h的数据。然后根据温度和高度对垂直廓线进行分层，将廓线分为0℃层、 20℃层、0℃层上0.5 km一层、0℃层上1 km一层以及0℃层下0.5 km一层共5层。最后通过lgZ_e和lgk以及lgZ_e和lgR的线性拟合得到每层的k-Z_e和R-Z_e的关系系数，其他层上的系数则可以通过温度或高度插值计算。图 5和6是Ka波段0℃层的拟合结果。

图 5 在0℃层拟合的k-Ze关系 Fig. 5 k-Ze relationship fitted for the 0℃ layer

图选项

图 6 在0℃层拟合的R-Ze关系 Fig. 6 R-Ze relationship fitted for the 0℃ layer

图选项

从图中可以看出，大部分离散点都集中在拟合直线两侧，拟合效果较好。为了保证Ka和Ku波段k-Z_e和R-Z_e系数来源的一致性，Ku波段的系数也用该方法得到。表 2是不同层上Ka和Ku波段的系数。为了简化式(2)中的计算，β统一为0℃层和20℃层β的平均值。

随机选取机载雷达第2000条扫描行机下点的廓线为例，进行衰减订正和降水反演，机载雷达测量的雷达反射率因子廓线如图 7所示，因为考虑到地物杂波的影响，反演高度范围限制从地表以上第5个距离库到回波顶。

图 7 第2000条扫描行机下点的廓线 Fig. 7 Measured radar reflectivity factor profiles of the 2000th scan line in the nadir

图选项

选择时间上同步观测的辐射计数据(郭杨等，2012)，包括地表气压、温度、相对湿度以及液态水廓线来进行Ka波段非降雨的衰减订正。非降雨衰减订正后，进一步利用表 2中的系数进行雨衰订正，得到等效雷达反射率因子。Ku和Ka波段等效雷达反射率因子Z_e和机载雷达测量的雷达反射率因子Z_m的廓线如图 8所示。反演的雨强廓线如图 9所示。

图 8 Ku(a)和Ka(b)波段测量的雷达反射率因子(Zm)和衰减订正后的等效雷达反射率因子(Ze)廓线 Fig. 8 Attenuation correction results from the measured radar reflectivity factor(Zm)to equivalent radar reflectivity factor(Ze)of(a)the Ku b and and (b)the Ka b and

图选项

图 9 雨强反演结果 Fig. 9 Rain rates retrieved from the airborne radar data based on the different b and s

图选项

对比图 8和9中两个波段的衰减订正结果可以看出，Ku波段的Z_e和Z_m廓线基本重合，衰减订正前后没有明显区别，而Ka波段衰减订正的效果则比较明显。

Ku波段的路径积分衰减为0.29 dB，Ka波段的路径积分衰减为3.03 dB。SDSU中输出的地面雨强在0—1 mm/h的层状降水对应的Ku波段路径积分衰减值为0.25—1.98 dB，Ka波段为1.2—12.1 dB，机载数据的路径积分衰减值在模式计算的范围内，表明衰减订正结果合理。从反演的雨强曲线来看，两个波段反演的雨强在3 km以上基本重合，3 km以下Ka波段的雨强比Ku波段略小，但是，最大的差异不超过0.1 mm/h。实际上，辐射计探测的区域和机载雷达探测的区域存在空间上的不匹配，并且，辐射计在该时刻显示的降雨状态为无雨，因此，辐射计探测无雨区域内的相对湿度和液态水含量可能会比机载雷达探测弱降水区域内的偏少，从而导致Ka波段水汽和液态水的衰减订正不足，反演的雨强偏小。当然，SDSU中的雨滴谱分布和实际降雨过程中雨滴谱分布的差异也是不可避免的一个误差因素。

为了进一步验证机载雷达降水反演的结果，将机载雷达和X波段车载雷达反演的雨强进行了比较。车载X波段气象雷达的主要探测参数为降水系统的回波强度、径向速度和速度谱宽。雷达工作在9.375 GHz，波束宽度1.5°。与机载测雨雷达进行机、地同步观测时采用体扫描方式，方位角范围为0—360°，俯仰角范围为0—38°，探测半径为75 km，径向分辨率为150 m。要进行精确的比较，必须先经过完整的时空匹配处理，图 10是时空匹配后机载Ku波段和车载X波段雷达对同一观测区域的顺轨垂直切面(商建等，2012)。可以发现，两者探测的降水结构较为相似。

图 10 机载Ku波段(a)和车载X波段(b)雷达对同一观测区域的顺轨垂直剖面 Fig. 10 Along-track vertical sections detected by the Ku b and and the X b and for the same abservational zone(a. airborne Ku b and ，b. vehicle borne X b and )

图选项

因为考虑到X波段的衰减比Ku波段更小，而Ku波段本身的衰减几乎可以忽略，因此，没有对X波段进行衰减订正，直接将测量的雷达反射率因子近似为等效雷达反射率因子，用R-Z_e关系进行降水反演，表 3是X波段的R-Z_e系数，同样利用SDSU计算。

X、Ku和Ka三个波段反演雨强的最小值都接近于0 mm/h，最大值分别为6.0768、3.0862和3.4881 mm/h，均值分别为0.6449、0.2899和0.2723 mm/h。一般来说，Ku波段受衰减影响较小，降水反演的精度较高，因此，将Ku波段反演的雨强作为基准。Ka波段的最大值和均值均与Ku波段相近，而X波段的最大值和均值则比Ku波段大。Ka波段因为水汽和液态水衰减订正的不确定性，容易出现衰减订正不足或者过量订正的情况，从而导致Ka波段和Ku波段反演的雨强存在一定的偏差。匹配区域雷达反射率因子的统计显示(商建等，待刊)，X波段的雷达反射率因子平均比Ku波段偏大2.84 dBz，尽管因为频点的差异，X波段反射率因子应该比Ku波段偏大，但是，SDSU的计算结果表明，对于0—5 mm/h的层状云降水，X波段的雷达反射率因子平均只比Ku波段大0.53 dBz。假设温度为20℃，雨强为3.08 mm/h(Ku波段的最大值)，Ku波段对应的等效雷达反射率因子约为29.01 dBz。假设X波段的反射率因子比Ku波段大2.84 dBz，那么X波段反演的雨强能达到5.40 mm/h，而如果X波段的反射率因子只比Ku波段大0.53 dBz，X波段反演的雨强则为3.77 mm/h，和Ku波段反演的雨强更为接近。表明X波段的雨强较Ku波段偏大的原因基本上是由反射率因子的偏大所引起的。总的来说，因为雨强和雷达反射率因子存在R=aZ^b_e的简单关系，并且，在本次降雨过程中Ku和X波段的衰减都较小，因此，机载Ku波段雷达和车载X波段雷达反演的雨强分布和其测量的雷达反射率因子的分布一致，两者能看到较为相似的降水结构，但是，在雨强的数值上还存在一些因为X波段反射率因子的偏大所带来的差异，这可能和雷达定标的不确定性、匹配过程中坐标系转换时的插值计算引入的误差以及机载和车载观测方式的不一致等因素有关(商建等，2012)。5 结 论

星载测雨雷达工程不仅是一项气象意义上的伟大工程，也是关系国计民生的大计，它的成功发射可以填补中国在主动式遥感领域的空白，增强中国应对自然灾害的能力，起到防灾、减灾的作用。

通过机载测雨雷达和同步星载测雨雷达反射率因子廓线的比对可以看出，机载雷达对降雨系统有一定的探测能力。降水反演的结果表明，Ku和Ka波段反演的雨强廓线基本一致，表明利用SDSU计算的k-Z_e和R-Z_e系数合理。和车载X波段雷达的对比发现，机载雷达探测到的降雨区域的空间和强弱分布特征与车载雷达探测的相似。

尽管试验取得了成功，但是，在整个飞行过程中，由于天气、飞机本身及飞行空域受限等因素，只探测到了弱降水，并且，探测到的有效降水次数有限，在一定程度上限制了星-机-地的对比分析。此外，只采用了单频的降水反演方法，相比而言，双频的降水反演不仅有利于获取雨滴谱的参数信息，而且，可以提高降水反演的精度，这将是以后数据分析的方向。