2012, 23 (5): 523-533
2. 中国气象科学研究院灾害天气国家重点实验室，北京 100081
2. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081
风廓线雷达 (WPR) 作为21世纪高空探测系统的重要组成部分，目前风廓线雷达资料已在全球进入业务化应用，我国也正在进行风廓线雷达观测网的建设。刘淑媛等[1]利用风廓线雷达资料研究低空急流与暴雨的关系，研究认为风廓线雷达可以揭示西南季风中和行星边界层中与暴雨相联系的中尺度现象；Weber等[2]利用NOAA风廓线雷达通过连续性算法对风场资料及其RASS资料质量控制进行了研究，得出连续性检验算法比一致性检验算法更有效可靠的结论；风廓线雷达资料还被用于资料同化、云体结构、边界层以及雷达信号仿真模拟等诸多方面[3-10]。风廓线雷达主要用来探测大气三维风场信息，在探测到弱湍流散射信号的同时，还可以探测到降水粒子的散射信号，这对风廓线雷达测风精度产生较大的影响，如果不加以区分，由此计算的水平风和垂直风会有较大误差，而且在降水频发地区和时间内，降水是影响风廓线雷达测风精度的主要因素之一，因此有必要对数据是否受到降水干扰进行区分[11-12]。
国外从20世纪90年代开始了相关研究，Strauch等[13]对晴空资料分析，得到晴空条件下的测风精度约为1.3 m·s-1，垂直速度较大时必须考虑垂直运动的影响，径向速度测量误差、大气的不均匀性和信噪比是影响测风精度的主要原因；Lambert等[14]与NASA关于915 MHz风廓线雷达的数据质量控制方法研究报告中通过对垂直波束的径向速度和信噪比的对比分析，得到了区分降水数据和晴空数据的方法；Wuertz等[15]通过对几个典型降水天气和晴空天气的研究，给出了UHF风廓线雷达降水以及晴空天气的数据特征；McDonald等[16]对降水数据的垂直信号功率、垂直信号谱宽和信噪比进行了分析。国内对风廓线雷达探测和资料的应用也做了一些试验和研究，阮征等[17]利用风廓线雷达对降水云体的结构进行研究；还有学者利用风廓线雷达研究珠峰北坡大气垂直结构[18-20]；翁宁泉等[21]用小球测风和风廓线雷达测风对比，二者偏差几乎小于1 m·s-1；王烨芳等[22]在介绍气球轨迹法测风和风廓线雷达测风各自原理的基础上, 重点分析、探讨了二者间的差异, 如何评价风廓线雷达的测风精度仍然是一个值得探讨的问题。
影响风廓线雷达测风精度的因素很多，主要原因大致可以分为两类，一类是与雷达系统及设备安装架设有关，如速度量化误差、A/D转换器以及热噪声都可能对速度测量造成影响；径向速度测量、波束方位标定、波束仰角标定等可能造成风向测量误差[23]。另一类与雷达探测对象有关，大气风场的不均匀性、返回信号的强弱等都会引起测量误差，前者在《风廓线雷达功能规格需求书》[24]中给出具体精度要求，雷达在出厂验收和安装架设中基本能够满足探测精度要求，后者与大气环境条件有关，是本项工作研究的主要内容。
本文应用基于5波束探测的风廓线雷达数据，由垂直波束和其中两个相邻倾斜波束的数据构成一组数据集合计算水平风，雷达1次探测可以得到探测空间范围内4组水平风结果，利用它们对风廓线雷达的测风精度进行评估分析。
1 评估测风精度处理方法风廓线雷达系统误差会影响测风精度的评估结果，在风廓线雷达安装时有必要对风廓线雷达进行定标[25]，北京延庆CFL-08对流层风廓线雷达在验收、安装、试运行中，经过严格的校准、标定以及与探空的比对试验，其测风精度符合探测规范, 风向误差不大于10°、风速误差不大于1 m·s-1。本工作主要对探测范围内大气返回信号的空间不均匀性引起的测风误差和返回信号信噪比引起的测风误差进行评估分析。
风廓线雷达采用3波束或5波束模式进行大气垂直风的探测，其中1个垂直指向波束，4个倾斜波束与天顶夹角14°~17°，方位指向相距90°。
采用3波束探测时，一个波束指向天顶，用于测量垂直速度ω，两个倾斜波束在方位角上相差90°，用于测量波束指向上的径向速度vr，由式 (1)、式 (2) 可以推导出两个水平风分量u和v，进而计算出水平风速vh、风向φh：
|
(1) |
|
(2) |
其中vre (w)，vrs (n)分别表示东 (西) 波束、南 (北) 波束的径向速度，θ为倾斜波束的天顶角。
当风廓线雷达采用5波束探测模式时，一个垂直指向波束与东、南、西、北4个倾角为14°~15°的倾斜波束，探测一次可以得到ω，Vrn，Vre，Vrs，Vrw5个波束的径向速度，其中下标n，e，s，w分别代表东、南、西、北方位指向，5波束探测模式的风廓线雷达可以组成4组3波束探测模式，由式 (1)、式 (2) 分别计算出4个水平风速vh1，vh2，vh3，vh4；水平风向φh1，φh2，φh3，φh4(图 1)。
|
|
| 图 1. 风廓线雷达5波束探测示意图 Fig 1. The figure of five-beam wind profile radar detection system | |
σv，σφ分别表示雷达每探测一次计算的4个水平风速vh1，vh2，vh3，vh4和4个水平风向φh1，φh2，φh3，φh4的标准差。
当环境大气为均匀风场时，由4组3波束探测模式计算的4个水平风速、风向相等，σv，σφ为0，反之σv，σφ较大，考虑到大气平稳性的时间代表性，定义σv，σφ分别为σv，σφ的30 min平均输出，当探测时间分辨率为5 min时，样本数为6。由此可以通过对4组水平风计算结果的离差分析，判断风廓线雷达的测风精度，根据我国风廓线雷达功能需求设计规范，当风廓线雷达风速测量精度不大于1.0 m·s-1、风向测量精度不大于10°时满足使用需求，本文对不满足测风精度的观测数据，从大气风场的不均匀性和雷达返回信号强弱来分析影响风廓线雷达测风精度的原因。
2 设备及资料数据使用北京延庆 (40.45°N，115.96°E) CFL-08对流层Ⅱ型风廓线雷达，波长为674 mm，采样频率为40 MHz，海拔高度为487.90 m，倾斜波束天顶角θ为14°。探测参数见表 1。
|
表 1 风廓线雷达参数 Table 1 Parameters of wind profile radar |
高模式距离库长240 m，43个距离库，FFT (Fast Fourier Transform) 点数为512，采样起始高度为1950 m，终止高度为12030 m；低模式距离库长120 m，27个距离库，FFT点数为256，采样起始高度为150 m，终止高度为3270 m。
选择2010年3，6，9，12月4个典型代表月份连续观测资料进行分析，风廓线雷达每小时大约观测12~14个时次，除去3月6 d数据缺测和其他月份个别时次缺测，共有115 d约36960个时次观测数据。根据地面逐小时降水资料将数据分为两大类：晴空和降水，降水数据样本延伸至降水前后5 h，延庆位于北京北部山区，在风廓线雷达站点出现的降水日数相对较少，共观测到15次降水过程，文中对共计34380个时次的晴空、2580个时次的降水资料分别进行了统计分析。
3 结果分析 3.1 探测精度图 2a，2b，2c，2d分别为高、低探测模式4个月全部样本水平风速、风向标准差分布频数图，x轴表示水平风速、风向标准差的划分范围，刻度值“＜0.5”表示0 m·s-1＜σv≤0.5 m·s-1；“＜1”表示0.5 m·s-1＜σv≤1.0 m·s-1，其他依次类推，风向标准差的划分表达与之相同；y轴表示水平风速、风向标准差划分范围占总样本的百分比。图 2中4个月高模式探测的σv≤1.5 m·s-1所占百分比分别为74.0%，85.7%，80.2%，69.1%，自高向低排列顺序依次为6，9，3，12月；σv≤1.0 m·s-1的数据所占百分比分别为63.4%，77.5%，70.7%，56.7%，探测精度自高向低排列顺序依次为6，9，3，12月，表明6月、9月风廓线雷达的风速测量精度优于3月、12月。4个月份低模式探测的σv≤1.5 m·s-1所占百分比分别为84.2%，91.0%，79.5%，79.9%，自高向低排列顺序依次为6，3，12，9月；σv≤1.0 m·s-1的数据所占百分比分别为74.0%，83.0%，68.9%，66.0%，自高向低排列顺序依次为6，3，9，12月；表明3月、6月风廓线雷达的风速测量精度优于9月、12月。导致低模式9月百分比低的原因是9月降水较多且大多数为混合性降水，近地面大气扰动剧烈，降水时间长。
|
|
| 图 2. 水平风速、风向标准差分布频数图 (a) 高模式风速标准差, (b) 高模式风向标准差, (c) 低模式风速标准差, (d) 低模式风向标准差 Fig 2. The standard deviation of horizontal wind speed and direction for four-month data in high and low modes (a) standard deviation of wind velocity in high mode, (b) standard deviation of wind direction in high mode, (c) standard deviation of wind velocity in low mode, (d) standard deviation of wind direction in low mode | |
4个月高模式探测的σφ≤10°所占百分比分别为90.0%，83.4%，83.6%，88.7%，比例较为相近, 均大于80%；σφ≤15°所占百分比分别为92.8%，88.0%，88.8%，91.9%，自高向低排列顺序为3，12，9，6月。低模式探测的σφ≤10°所占百分比分别为81.4%，75.5%，68.1%，82.0%；σφ≤15°所占百分比分别为88.3%，84.0%，78.3%，89.0%；自高向低顺序依次为12，3，6，9月，表明12月、3月的风向测量精度优于6月、9月，12月、3月的大气平稳性高于6月、9月。
统计资料中如果剔除降水资料，3，6，9，12月高模式探测σv≤1.5 m·s-1数据所占百分比分别为73.7%，85.8%，80.1%，68.9%，σφ≤10°数据所占百分比分别为89.8%，77.8%，83.3%，88.6%，与未剔除降水资料相比，除6月σv≤1.5 m·s-1的数据比例有所上升外，其他统计数据的百分比均有所下降，主要原因是在降水期间返回信号强度较大，信噪比提高，使得风廓线雷达在高空测量的水平风速标准差有所减小。
3.2 晴空测风精度 3.2.1 探测高度风廓线雷达径向速度是在多普勒速度谱分布上进行零阶矩计算得到，返回信号功率大小直接影响到了对信号谱峰的识别，当信噪比较小时，风廓线雷达测风精度可信度较低。
图 3给出了晴空条件下高探测模式不同月份水平风速标准差与信噪比以及信噪比与高度变化曲线，其中高模式探测信噪比与水平风速标准差以及信噪比与高度变化曲线呈反相关，水平风速标准差为1.5 m·s-1时，3，6，9，12月的探测高度分别为6.5，8.5，8.0，6.0 km，对应的信噪比分别为-15.3，-15.4，-15.3，-15.8 dB；水平风速标准差为1 m·s-1时，3，6，9，12月分别对应的探测高度为5.7，7.8，6.8，5.1 km，此时信噪比分别为-14.4，-14.7，-14.1，-15.2 dB，由此可以确定CFL-08低对流层风廓线雷达最大有效探测高度上的信噪比为-15.0 dB，即晴空大气条件下高模式最大探测高度上的信噪比大于-15 dB时，探测数据精度可信。
|
|
| 图 3. 晴空信噪比与水平风速标准差及高度的变化曲线 Fig 3. Two curves of clear air SNR with horizontal wind speed standard deviation, and clear air SNR with height in high mode | |
高模式探测信噪比和水平风速标准差呈反相关，水平风速标准差随信噪比的增大而减小，信噪比是影响风廓线雷达测风精度的主要因素。对低模式探测的信噪比进行分析，结果表明:信噪比均大于-15.0 dB，测风精度与信噪比无明显关系。
6月、9月的探测高度明显高于3月、12月，主要原因是风廓线雷达的探测能力与大气湿度有很大关系，北京的夏、秋季节比春、冬两季的大气环境湿度大，雷达接收到的返回信号较强，信噪比较大，雷达的探测高度较高。
3.2.2 测风精度日变化图 4给出了3，6，9，12月晴空水平风速标准差的日变化分布 (时间为北京时，下同)。由图 4可以看出, 水平风速标准差较小的区域主要集中在6 km以下，在这个高度之间风廓线雷达有效探测体积内能够满足均匀风的假定，水平风速标准差较小的区域在不同的高度、时间、月份表现形式又略有不同，尤其在夏季 (6月) 和秋季 (9月) 温度较高，大气运动剧烈，湍流旺盛，雷达有效探测体积内大气不稳定，导致在不同时刻、不同高度水平风的变化都较大，图中表现为色块比较零乱，同时由于大气环境湿度较大，高层返回信号信噪比较大，使得风廓线雷达测风精度较好的区域在高度上有所增加，能够延伸至8 km高度，6月、9月σv≤0.5 m·s-1的区域比3月、12月明显偏大。相反春季 (3月) 和冬季 (12月) 温度较低，大气运动较为稳定，雷达有效探测体积内的水平风场较为均匀，在中层大气水平风速标准差较为一致，图中表现为大面积的相同色块。在0~1 km，由于近地面湍流旺盛，干扰较多，水平风速标准差稍有偏大，低空大气运动的不均匀性对风廓线雷达测风影响较大；而在高空8 km以上，水平风速标准差比较大，达到1.5 m·s-1以上，而理论上高度越高大气运动越平稳，水平风速标准差应该越小，而实测的水平风速标准差偏大，其原因是8 km以上高空大气返回信号强度较弱、雷达系统的噪声影响了对径向速度的准确测量。
|
|
| 图 4. 晴空水平风速标准差的日变化 Fig 4. The diurnal variation of horizontal wind speed standard deviation in clear sky for four months | |
图 5给出了3，6，9，12月晴空水平风向标准差的日变化分布。由图 5可以看出，水平风向标准差较小的区域主要集中在2~6 km之间，3月、12月σφ≤5°的区域明显大于6月、9月，结果表明:3月、12月大气湍流运动较弱，风向、风速较为平稳，雷达有效探测体积内的水平风向一致性较好，水平风很少发生切变。而在2 km以下，由于受到地物干扰，水平风速较小等因素的影响，σφ的值偏差较大。
|
|
| 图 5. 晴空水平风向标准差日变化 Fig 5. The diurnal variation of horizontal wind direction standard deviation in clear sky for four months | |
3.2.3 测风可信度
根据我国风廓线雷达功能需求设计规范，要求风廓线雷达风速测量精度不大于1.5 m·s-1、风向测量精度不大于10°[23]，制定了风廓线雷达数据测风质量等级评估阈值，利用4组3波束计算的标准差对测风质量等级进行了划分，划分等级见表 2。
|
|
表 2 测风质量等级 Table 2 Rank of wind measurement precision |
对2010年3，6，9，12月的晴空观测数据进行了评估，评估结果见图 6，灰度色阶分别对应表 2中的5个测风精度等级：优秀、良好、达标、超标、误差大。
|
|
| 图 6. 晴空测风质量评估等级 Fig 6. Distribution of wind measurement precision in clear sky for four months | |
由图 6可以看出，1 km以下水平风数据可信度较低，大部分是风向误差较大所致，原因可能是低空风速较小时风向的计算误差较大；2~5 km高度范围内水平风速、风向标准差波动较小；数据可信度高，数据可信度区域最大高度6月最高为8 km，9月为7 km，3月、12月较低为5 km。6月、9月水平风速、风向标准差的变化较为复杂，6月、9月大气环境湿度较大，风廓线雷达有效探测高度增加，进而使得测风精度区域也变大，尤其测风的优秀区域增大, 并且集中在12：00前后，高度在2~5 km的范围内。3月、12月，高度2~5 km的全部时间范围内水平风速标准差小于1.0 m·s-1，数据的可信度高，大气平稳性较好。6月、9月测风质量优秀区域较大，而3月、12月则较少。统计资料反映出低层夜间的测风精度略低于白天，可能与延庆测站所处的丘陵地区地理环境有关。
低空数据探测精度较差主要由于风向误差较大导致，1 km以下低空大气风的不均匀性增强，杂波影响增大，同时风速较小，造成由u，v分量计算的风向算法误差增大。
3.3 降水利用地面雨量站资料对3，6，9，12月的风廓线雷达资料进行降水时次遴选，共计有15次降水过程，其中层状云降水3个、对流性降水4个，混合性降水8个，对降水时刻及其前后5 h的资料进行计算，分析整个降水过程水平风速标准差的变化，得到降水对测风精度的影响。
图 7分别给出了2010年6月10日、6月12日两个典型层状云降水过程的水平风速标准差分布；图 8给出了2010年6月13日、6月16日两次对流性降水过程的水平风速标准差以及降水分布图，两图中下部黑实线为降水量，两条红线之间区域表示降水的整个过程，颜色图表示4组3波束之间的标准差。6月10日小时降水量均小于1 mm，降水时间为02：00—09：00，由图 7可以看出，相对于晴空大气，降水过程中风廓线雷达测风精度较好的区域在高度上有所增加，范围有所扩大，水平风速标准差较大值出现在降水前1~2 h，而在降水过程中水平风速标准差有所减小，在降水期间大气较为平稳，垂直波束的径向速度代表性较好，基本符合均匀风场假定。6月12日的降水过程持续5 h，前3 h每小时降水量不大于1 mm，第3小时降水量突然增大，降水量为4 mm，与6月10日均匀性降水相比较，水平风速标准差偏大，特别是出现4 mm·h-1降水时，水平风速标准差出现一个高值，水平风速标准差在降水发生前有一个小的增量。
|
|
| 图 7. 典型的层状云降水个例 (阴影区表示水平风速标准差；黑色折线表示降水量) Fig 7. The examples of typical uniform precipitation (the shaded denotes the standard deviation of horizontal wind speed; black polyline denotes precipitation) | |
|
|
| 图 8. 典型的对流性降水个例 (阴影区表示水平风速标准差；黑色折线表示降水量) Fig 8. The examples of typical convective precipitation (the shaded denotes the standard deviation of horizontal wind speed; black polyline denotes precipitation) | |
相对于层状云降水，对流性降水时间短、雨量大，大气运动剧烈，风场变化复杂，降水前1~2 h水平风速标准差变化相当明显，在图 8中呈现柱状区域，水平风速标准差偏大，甚至达到4 m·s-1。表明在强降水出现前的1~2 h，测站上空垂直方向上的大气风场呈现较强的局地不稳定，这种柱状的区域可以作为强降水的一个预警指标。在降水过程中，雷达探测的高度基本达到最大设计探测高度12 km，探测高度高，即使在高空，水平风速标准差也基本不超过1.5 m·s-1。
4 小结1) 利用风廓线雷达相同高度上5波束数据构造4组3波束算子，可以描述垂直波束空间内大气运动的不均匀性，在此基础上进行的水平风探测数据精度分析方法可行，当风速测量精度不大于1.5 m·s-1，风向测量精度不大于10°时，水平风探测数据结果可信。
2) 对北京延庆2010年3，6，9，12共4个典型代表月份的观测资料分析结果表明：1~5 km风的探测精度较好，3月、12月大气运动较为平稳；3，6，9，12月晴空的最大探测高度分别为5.7，7.8，6.8，5.1 km；最大探测高度对应的信噪比基本在-15~14 dB之间。
3) 影响低层数据质量精度的主要原因是地面风速较小、杂波干扰较多；大气返回信号较弱、信噪比较小是高空测风精度的主要影响因子。
4) 晴空条件下水平风速和水平风向标准差的变化基本一致，3月、12月日变化较小，6月、9月12：00前后水平风速、风向误差最小。降水云出现前σv变化明显，层状云降水期间σv较小，表明层状云内大气及降水粒子运动均匀；对流性降水云过境时，波束空间内降水粒子及环境大气运动分布有明显的非均匀性，尤其降水前σv明显增大，最大可达4 m·s-1，可以作为强降水的预警指标。
本文着重从信号处理和大气不均匀性进行了2010年4个典型代表月份的资料分析，给出了测风精度的评估结果，对引起大气不均匀性的天气气候条件及测站局地环境的影响等问题还有待进一步研究。
| [1] | 刘淑媛, 郑永光, 陶祖钰. 利用风廓线雷达资料分析低空急流的脉动与暴雨关系. 热带气象学报, 2003, 19, (3): 63–68. |
| [2] | Weber B L, Wuertz D B, et al. Quality controls for profiler measurements of winds and RASS temperatures. J Atmos Oceanic Technology, 1933, 10: 452–464. |
| [3] | 张培昌, 王振会. 大气微波遥感基础. 北京: 气象出版社, 1995: 100–120. |
| [4] | Boyer E, Petitdidier M, Adnet C, et al. Subspace-based Spectral Analysis for VHF and UHF Radar Signals. Proc PSIP, 2001: 385–390. |
| [5] | 王令, 郑国光, 康玉霞, 等. 多普勒雷达天气雷达径向速度图上的雹云特征. 应用气象学报, 2006, 17, (3): 281–287. |
| [6] | 何平. 相控阵风廓线雷达. 北京: 气象出版社, 2006: 64–89. |
| [7] | 张培昌, 杜秉玉, 戴铁丕. 雷达气象学. 北京: 气象出版社, 2000: 70–85. |
| [8] | 李华宏, 薛纪善, 王曼, 等. 多普勒雷达风廓线的反演及变分同化实验. 应用气象学报, 2007, 28, (1): 50–57. DOI:10.11898/1001-7313.20070110 |
| [9] | Rogers R R, Ecklund W L, Carter D A, et al. Research application of a boundary-layer wind profiler. Bull Amer Meteor Soc, 1993, 74, (4): 567–579. DOI:10.1175/1520-0477(1993)074<0567:RAOABL>2.0.CO;2 |
| [10] | 王莎, 阮征, 葛润生. 风廓线雷达探测大气返回信号谱的仿真模拟. 应用气象学报, 2012, 23, (1): 20–29. |
| [11] | Lambert W C, Taylor G E. Data Quality Assessment Methods for the Eastern Range 915 MHz Wind Profiler Network//NASA Contract or Report NASA/CR-1998-207906, 1998. |
| [12] | Ralph F M, Neiman P J, Van De Kamp D W, et al. Using spectral moment data from NOAA's 404 MHz radar wind profiler to observe precipitation. Bull Amer Meteor Soc, 1995, 76, (10): 1717–1739. DOI:10.1175/1520-0477(1995)076<1717:USMDFN>2.0.CO;2 |
| [13] | Strauch R G, Weber B L, Frisch A S, et al. The precision and relative accuracy of profiler wind measurements. J Atmos Ocean Technol, 1987, 4: 563–571. DOI:10.1175/1520-0426(1987)004<0563:TPARAO>2.0.CO;2 |
| [14] | Lambert W C, Merceret F J, Taylor G E, et al. Performance of 915 MHz wind profilers and an associated automated quality control algorithm in an operational enviorment. J Atmos Ocean Technol, 2003, 20: 1488–1495. DOI:10.1175/1520-0426(2003)020<1488:POFMWP>2.0.CO;2 |
| [15] | Wuertz D B, Weber B L, Strauh R G, et al. Effect of precipitation on UHF wind profiler measurements. J Atmos Ocean Technol, 1988, 5: 450–465. DOI:10.1175/1520-0426(1988)005<0450:EOPOUW>2.0.CO;2 |
| [16] | McDonald A J, Carey Smith T K, Hooper D A, et al. The effect of precipitation on wind profiler clear air returns. Ann Geophys, 2004, 22: 3959–3970. DOI:10.5194/angeo-22-3959-2004 |
| [17] | 阮征, 葛润生, 吴志根. 风廓线仪探测降水云体结构方法的研究. 应用气象学报, 2002, 13, (3): 330–338. |
| [18] | 孙方林, 马耀明, 马尾强, 等. 珠峰地区大气边界层结构的一次观测研究. 高原气象, 2006, 25, (6): 1014–1019. |
| [19] | 舒坡, 周立波, 邹悍. 珠峰北坡绒布河谷大气物质交换的观测研究. 高原气象, 2007, 26, (6): 1224–1230. |
| [20] | 邹悍, 李鹏, 朱金焕, 等. HEST2007珠峰北坡风廓线观测研究. 高原气象, 2007, 25, (6): 1199–1207. |
| [21] | 翁宁泉, 肖黎明, 龚知本, 等. 915M微波测风雷达原理及实验对比. 量子电子学报, 2001, 18: 92–96. DOI:10.3969/j.issn.1007-5461.2001.01.019 |
| [22] | 王烨芳, 薛云朝, 李清. 气球轨迹法测风和风廓线雷达测风的对比分析. 气象水文海洋仪器, 2007, 3: 30–34. DOI:10.3969/j.issn.1006-009X.2007.01.008 |
| [23] | 胡明宝, 张鹏. 风廓线雷达测量性能分析. 气象科技, 2011, 39, (3): 315–319. |
| [24] | 葛润生.风廓线仪功能规格需求书 (试行).中国气象局监测网络司, 2000. |
| [25] | 钟刘军, 阮征, 葛润生, 等. 风廓线雷达回波信号强度定标方法. 应用气象学报, 2010, 21, (5): 598–603. DOI:10.11898/1001-7313.20100509 |