基于數(shù)據(jù)特征的雷達(dá)徑向干擾回波識(shí)別方法

卓健，廖勝石，周冬靜，郭彬，蘇彥，劉銀煥

(1.廣西壯族自治區(qū)氣象信息中心，廣西 南寧 530022；2.廣西壯族自治區(qū)氣候中心，廣西 南寧 530022；3.崇左市氣象局，廣西 崇左 532200）

1 引 言

天氣雷達(dá)產(chǎn)品廣泛應(yīng)用于短臨業(yè)務(wù)中[1-4]，是短臨預(yù)報(bào)的重要支撐手段。在實(shí)際業(yè)務(wù)中雷達(dá)會(huì)受到地物回波、電磁等諸多因素干擾，使用最大值拼圖法制作雷達(dá)產(chǎn)品時(shí)，任何一部雷達(dá)受到干擾都會(huì)造成拼圖產(chǎn)品存在干擾回波，使雷達(dá)產(chǎn)品圖像受到破壞[5-8]。盡管預(yù)報(bào)員能利用豐富的經(jīng)驗(yàn)避開(kāi)干擾回波開(kāi)展預(yù)報(bào)業(yè)務(wù)，但是在自動(dòng)預(yù)報(bào)系統(tǒng)中，使用受干擾的雷達(dá)產(chǎn)品圖像會(huì)破壞系統(tǒng)內(nèi)各種氣象要素正常的函數(shù)關(guān)系，導(dǎo)致發(fā)布錯(cuò)誤的預(yù)報(bào)預(yù)警信息。

為提高雷達(dá)基數(shù)據(jù)和二次產(chǎn)品的質(zhì)量，人們提出了不同的濾除干擾的方法。張富貴等[9]根據(jù)小波分解高頻系數(shù)自適應(yīng)確定閾值的方法，去除風(fēng)廓線雷達(dá)地物雜波。劉黎平等[10]和江源等[11]對(duì)SA 雷達(dá)開(kāi)展基于模糊邏輯的地物回波識(shí)別方法研究，李豐等[12]通過(guò)雷達(dá)觀測(cè)數(shù)據(jù)對(duì)雷達(dá)地物回波特征進(jìn)行分析，改進(jìn)識(shí)別參量的隸屬函數(shù)，建立適合地物識(shí)別方法，對(duì)C波段雷達(dá)地物回波特征進(jìn)行識(shí)別。張林等[13]使用模糊邏輯算法在折射回波濾除算法基礎(chǔ)上對(duì)強(qiáng)折射回波的濾除開(kāi)展了研究。

徑向干擾回波往往表現(xiàn)為條幅狀干擾回波，它可能是由外部電磁干擾、內(nèi)部數(shù)據(jù)處理或是天線對(duì)準(zhǔn)太陽(yáng)時(shí)引起。對(duì)于徑向干擾回波的識(shí)別和濾除通常采用基于回波形態(tài)和基于功率法。如杜言霞等[14]根據(jù)干擾電磁波較為穩(wěn)定，從較近的距離一直延續(xù)到雷達(dá)可探測(cè)到的最大距離處，存在于雷達(dá)回波圖中連續(xù)幾個(gè)方位上，其回波強(qiáng)度值幾乎不變，徑向干擾回波的區(qū)域，其邊緣方位回波強(qiáng)度與相鄰無(wú)干擾回波方位的回波強(qiáng)度差異較大的特點(diǎn)，使用同一距離庫(kù)上相鄰方位回波強(qiáng)度差，通過(guò)濾波法、插值法和功率法對(duì)徑向干擾回波進(jìn)行剔除研究。根據(jù)電磁干擾回波形態(tài)的識(shí)別和濾除算法已在ROSE等業(yè)務(wù)系統(tǒng)進(jìn)行應(yīng)用，文浩等[15]在“新一代天氣雷達(dá)建設(shè)業(yè)務(wù)軟件系統(tǒng)開(kāi)發(fā)及應(yīng)用（ROSE）”系統(tǒng)的業(yè)務(wù)試應(yīng)用中，對(duì)雷達(dá)基數(shù)據(jù)質(zhì)控方法進(jìn)行定量評(píng)估，發(fā)現(xiàn)ROSE 系統(tǒng)所使用的質(zhì)控算法能有效識(shí)別小于5 個(gè)徑向的窄條幅狀干擾回波。由于此算法已經(jīng)限定了用于對(duì)比的徑向回波寬度，只適用于小干擾角度的徑向干擾回波識(shí)別和濾除，仍需改進(jìn)算法完成對(duì)麻點(diǎn)狀、螺旋狀和大面積徑向干擾回波的自動(dòng)識(shí)別。文浩等[16]發(fā)現(xiàn)中國(guó)氣象局氣象探測(cè)中心現(xiàn)有的業(yè)務(wù)化徑向干擾回波識(shí)別算法（AO）對(duì)大面積徑向的干擾回波識(shí)別效果較差，針對(duì)徑向干擾回波提出一種基于模糊邏輯方法的識(shí)別方法（AFL），AFL 只提取徑向上的特征參量，對(duì)于徑向干擾回波的識(shí)別準(zhǔn)確率大幅度提高。

廣西屬于山地丘陵性盆地地貌，西北高、東南低，呈西北向東南傾斜狀，目前全區(qū)有5部SB波段和5 部SA 波段共10 部新一代天氣雷達(dá)。由于山嶺綿密，以及電磁干擾等情況，廣西新一代天氣雷達(dá)在不同程度受到各種干擾影響，約超過(guò)10%時(shí)次的拼圖產(chǎn)品會(huì)存在程度不等的徑向干擾回波。當(dāng)有干擾回波產(chǎn)生時(shí)，現(xiàn)有業(yè)務(wù)系統(tǒng)僅能濾除地物回波，以及少量的徑向干擾回波，對(duì)于干擾方位角大、干擾強(qiáng)度強(qiáng)的徑向干擾不能正確識(shí)別和濾除。對(duì)廣西10部新一代天氣雷達(dá)基本反射率因子產(chǎn)品進(jìn)行拼圖處理時(shí)，由于反射率因子產(chǎn)品本身不包含回波功率數(shù)據(jù)，所以前述方法不適用，需要另行開(kāi)發(fā)一種新的識(shí)別算法。同時(shí)雖然單部雷達(dá)受干擾的比例不高，但拼圖時(shí)使用多部雷達(dá)數(shù)據(jù)，受到干擾的概率和干擾的面積會(huì)大幅度提升，需要研究更好的通用干擾回波濾除算法。

本文使用廣西10部新一代天氣雷達(dá)的混合拼圖產(chǎn)品，通過(guò)人工識(shí)別，篩選出受干擾的樣本數(shù)據(jù)集。根據(jù)這組樣本數(shù)據(jù)集的徑向干擾特征，提出一種簡(jiǎn)明的徑向干擾識(shí)別和濾除方法，期望能有效識(shí)別大方位角徑向干擾并進(jìn)行濾除，提高廣西雷達(dá)拼圖產(chǎn)品質(zhì)量。

2 資料和處理方法

本文選用的雷達(dá)資料來(lái)源于廣西業(yè)務(wù)運(yùn)行的10 部新一代天氣雷達(dá)，采用最大值拼圖法將3 個(gè)低仰角（0.5 °，1.5 °，2.4 °）的基本反射率產(chǎn)品得到混合拼圖產(chǎn)品，投影方式為等距圓柱投影（Equidistant cylindrical）。產(chǎn)品分為用于建模的訓(xùn)練數(shù)據(jù)集和檢驗(yàn)?zāi)Ｐ头夯芰?generalization ability)的驗(yàn)證數(shù)據(jù)集。

2020 年1 月，廣西多部雷達(dá)受影響程度不一的徑向干擾，多時(shí)次的徑向干擾幅度大、強(qiáng)度高，嚴(yán)重影響雷達(dá)資料的應(yīng)用。通過(guò)人工識(shí)別出至少1 部雷達(dá)存在徑向干擾的拼圖產(chǎn)品作為訓(xùn)練數(shù)據(jù)樣本，共166個(gè)樣本。

驗(yàn)證數(shù)據(jù)集選自2019—2020年冰雹、臺(tái)風(fēng)、暴雨、颮線及晴天等天氣過(guò)程的3 784 個(gè)樣本（包括有或無(wú)干擾回波），各過(guò)程時(shí)間跨度為2～3 d。

3 識(shí)別和濾除方法

3.1 徑向數(shù)據(jù)判定法

根據(jù)反射率因子Z（單位：dBZ）、回波功率與雷達(dá)最小可測(cè)功率之比B（單位：dB）的關(guān)系[17]，

式中，R（單位：km）為某觀測(cè)點(diǎn)到雷達(dá)站的距離，A 是與雷達(dá)性能有關(guān)的常數(shù)（同一部雷達(dá)常數(shù)A相同），接收的B轉(zhuǎn)換成Z時(shí)經(jīng)過(guò)了20lgR 的距離訂正，使得Z的大小隨距離的增大有一定的增強(qiáng)。對(duì)多個(gè)樣本的大幅度徑向干擾樣本觀察發(fā)現(xiàn)，多數(shù)的大幅度、強(qiáng)度大的徑向干擾，存在著整體上隨著距離增長(zhǎng)，干擾強(qiáng)度增強(qiáng)。

由于徑向干擾回波一般是從雷達(dá)中心一直延伸到最遠(yuǎn)距離，呈條幅狀的特點(diǎn)[18-19]，可以考慮從數(shù)據(jù)的形狀特征進(jìn)行識(shí)別和濾除。首先判別逐條徑向數(shù)據(jù)為非干擾數(shù)據(jù)或可疑數(shù)據(jù)并做好標(biāo)簽，此為縱向判別，再將做好標(biāo)簽的可疑數(shù)據(jù)進(jìn)行整體橫向判別，當(dāng)整片（≥1 條）的可疑數(shù)據(jù)被判定為徑向干擾回波時(shí)，則在拼圖時(shí)將這一整片數(shù)據(jù)整體刪除，達(dá)到濾除干擾回波的效果。由于不預(yù)設(shè)判別寬度，所以能處理大方位角的徑向干擾回波。我們將這一方法命名為徑向數(shù)據(jù)判定法（Radial Data Determine, RDD），徑向數(shù)據(jù)判定法是一種基于視覺(jué)的判定方法，核心在于如何實(shí)現(xiàn)客觀判定。

3.1.1 徑向干擾的數(shù)據(jù)特征

徑向干擾由雷達(dá)信號(hào)處理器異常和信號(hào)受到外部電磁干擾引起。一般情況，所有仰角都可能出現(xiàn)徑向干擾回波，在業(yè)務(wù)工作中，低仰角（0.5 °，1.5 °，2.4 °）的基本反射率產(chǎn)品更受人關(guān)注，需要著重分析這些仰角上徑向干擾的數(shù)據(jù)特征。

圖1 所示為柳州雷達(dá)2020 年1 月3 日兩個(gè)不同時(shí)次受到徑向干擾的2.4 ° PPI，圖1a 在267 °、268 °方位角存在距離庫(kù)長(zhǎng)度不一致的兩條徑向干擾，其中268 °方位角從雷達(dá)中心一直到230 個(gè)距離庫(kù)處都存在干擾，而267 °方位角的干擾僅延伸到145 距離庫(kù)處，圖1b 是同日另一時(shí)次的干擾，這次干擾的方位角幅度更大，從270 °方位角一直到318 °方位角都存在干擾，其中277 °方位角的干擾僅延伸到145距離庫(kù)處。

圖1 柳州雷達(dá)2.4 °PPI a. 2020年1月3日00:36；b. 2020年1月3日03:00。

分析徑向干擾的反射率因子產(chǎn)品可以發(fā)現(xiàn)，由于距離訂正20lgR隨距離變化較小，所以徑向干擾回波在徑向相鄰庫(kù)差異較?。▓D2），干擾隨距離增加逐步增強(qiáng)，偶有較小的強(qiáng)度減弱，且大部分的徑向干擾回波是由相鄰方位角的干擾組成的一個(gè)干擾扇面。

圖2 柳州雷達(dá)徑向Z隨距離變化圖 a. 2020年1月3日00:36，受干擾方位角；b. 2020年1月3日03:00，部分受干擾方位角。

3.1.2 特征參數(shù)

反射率因子產(chǎn)品徑向干擾回波存在以下特征：

（1）單條的徑向干擾數(shù)據(jù)，干擾延伸幅度大、結(jié)構(gòu)緊密，反射率因子呈整體隨距離增加而增強(qiáng)的特點(diǎn)；

（2）各雷達(dá)的不同仰角的徑向干擾回波由多條組成連續(xù)的干擾扇面；

（3）徑向干擾從較近的距離開(kāi)始延續(xù)，徑向干擾回波會(huì)連續(xù)多個(gè)方位角存在。

我們根據(jù)徑向干擾的特征，提出四個(gè)新的特征參數(shù)用于對(duì)其進(jìn)行描述精確描述。使用1 個(gè)方位-距離庫(kù)為單位統(tǒng)計(jì)RDD 方法的特征參數(shù)，僅統(tǒng)計(jì)整條徑向上至少有1 個(gè)距離庫(kù)存在有效回波強(qiáng)度（干擾回波或非干擾回波）的徑向數(shù)據(jù)條，從訓(xùn)練數(shù)據(jù)集中提取出了徑向干擾回波10 948 條，非徑向干擾回波124 592 條。四個(gè)新的特征參數(shù)CZ、CD、ME和SE的定義分別如式（2）～（7）：

式中，NR為反射率因子的距離庫(kù)數(shù)，Zj（單位：dBZ）為方位角上某距離庫(kù)的反射率因子，Val（單位：dBZ）為有效探測(cè)值，k為有效回波起始距離庫(kù)。

（1）全徑向回波計(jì)數(shù)CZ，表示每條徑向基本反射率因子產(chǎn)品≥-5 dBZ 以上強(qiáng)度回波的計(jì)數(shù)。從數(shù)據(jù)形狀形象的描述就是：有徑向干擾的數(shù)據(jù)比無(wú)徑向干擾的數(shù)據(jù)顯得更“滿”。識(shí)別出的干擾回波和非干擾回波的CZ概率分布見(jiàn)圖3a，其中徑向干擾回波長(zhǎng)度為121～230 個(gè)距離庫(kù)不等，其峰值為227 個(gè)距離庫(kù)，共計(jì)1 025 條，占徑向干擾回波總條數(shù)的9.362%，次峰值為142 個(gè)距離庫(kù)，共計(jì)107 條，占徑向干擾回波總數(shù)的0.977%。還發(fā)現(xiàn)CZ 達(dá)不到總探測(cè)距離庫(kù)80%的徑向干擾回波共1 371條，占徑向干擾回波總數(shù)的12.523%，說(shuō)明相對(duì)較短的徑向干擾回波也占一定比例；而非干擾回波的有效回波占據(jù)的距離庫(kù)較少。

（2）隨距離增長(zhǎng)逆向計(jì)數(shù)CD，表示從雷達(dá)中心向遠(yuǎn)端順序計(jì)算本距離位置與下一距離位置之間，回波強(qiáng)度是否發(fā)生減弱現(xiàn)象，當(dāng)差異值≤-5 dBZ時(shí)計(jì)1次。從數(shù)據(jù)形狀形象的描述就是：有徑向干擾的數(shù)據(jù)隨距離增長(zhǎng)越來(lái)越強(qiáng)。識(shí)別出的干擾回波和非干擾回波的CD概率分布見(jiàn)圖3b，干擾回波的CD 則呈現(xiàn)較緩和的山峰狀，其中CD∈[3,33]共10 288 條，占徑向干擾回波全體比例的93.972%，非干擾回波的CD 呈尖銳峰狀，計(jì)數(shù)為2的次數(shù)為峰值，共占總比例的21.2%。

（3）本徑向回波強(qiáng)度最大值，用符號(hào)ME表示，代表本條徑向數(shù)據(jù)回波強(qiáng)度的最大值。識(shí)別出的干擾回波和非干擾回波的ME 概率分布見(jiàn)圖3c，表明徑向干擾回波的最大值大于非干擾徑向回波的概率更高。

（4）回波開(kāi)始位置，用符號(hào)SE 表示，代表本條徑向數(shù)據(jù)回波強(qiáng)度第一個(gè)≥-5 dBZ 出現(xiàn)的位置。識(shí)別出的干擾回波和非干擾回波的SE 概率分布見(jiàn)圖3d，SE 表明干擾回波大多數(shù)從第4～6 個(gè)距離庫(kù)處向遠(yuǎn)端延伸。

圖3 干擾回波與非干擾回波的特征參數(shù)CZ(a)、CD(b)、ME(c)和SE(d)的概率分布

CZ和SE兩個(gè)指標(biāo)，將之前杜言霞等[14]提出的“干擾電磁波較為穩(wěn)定，從較近的距離一直延續(xù)到雷達(dá)可探測(cè)到的最大距離處”，進(jìn)行量化并形成指標(biāo)，同時(shí)發(fā)現(xiàn)存在一定比例的干擾回波達(dá)不到探測(cè)距離的最大距離處，這類短長(zhǎng)度徑向干擾回波達(dá)不到文浩等[16]反射率因子在當(dāng)前徑向上的延展性達(dá)總徑向的80%的要求。CD 指標(biāo)則是針對(duì)反射率因子產(chǎn)品逐5 dBZ 分級(jí)劃分回波等級(jí)的特點(diǎn)設(shè)計(jì)，與使用基數(shù)據(jù)識(shí)別和處理徑向干擾回波存在較大差異。

3.2 建模及訓(xùn)練樣本檢驗(yàn)

決策樹(shù)(Decision Tree）是一種可讀性很強(qiáng)的分類方法，有非常成熟的算法。根據(jù)166個(gè)訓(xùn)練樣本數(shù)據(jù)，得到可根據(jù)單條徑向數(shù)據(jù)的特征從縱向判定徑向數(shù)據(jù)是否為“疑似徑向干擾回波”的決策樹(shù)模型（圖4）。

圖4 縱向“疑似徑向干擾”決策樹(shù)

假如僅依賴單條徑向數(shù)據(jù)進(jìn)行判定，在臺(tái)風(fēng)、冰雹、颮線、暴雨等強(qiáng)對(duì)流天氣過(guò)程時(shí)，某些正常的降水回波也會(huì)符合條件，可能會(huì)造成誤濾除。針對(duì)徑向干擾回波存在連續(xù)的方位角都受到影響，干擾回波呈“連片扇形”的特征，將這個(gè)扇面識(shí)別出來(lái)是解決大方位角徑向干擾回波識(shí)別的關(guān)鍵，所以需要增加從橫向判定徑向數(shù)據(jù)是否“像”干擾回波。

（1）將多條連續(xù)的“疑似徑向干擾回波”稱為“疑似徑向干擾回波塊”?！耙伤茝较蚋蓴_回波塊”定義為整塊數(shù)據(jù)是有連續(xù)的“疑似徑向干擾回波”，與該塊回波相鄰方位角的雷達(dá)數(shù)據(jù)是正?；夭ǎ▓D5）。本文查找“疑似徑向干擾回波塊”采用順時(shí)針查找，先找到第一條“疑似徑向干擾數(shù)據(jù)”將其命名為EI0，EI0逆時(shí)針?lè)较蚯耙粭l徑向數(shù)據(jù)命名為EI-1，然后按順時(shí)針?lè)较蛞来握业较乱粭l相鄰的“疑似徑向干擾回波”，直到最后一條“疑似徑向干擾數(shù)據(jù)”命名為EIn，EIn順時(shí)針?lè)较虻南乱粭l數(shù)據(jù)為EIn+1，EI-1和EIn+1為正常回波，EI0順時(shí)針至EIn為“疑似徑向干擾數(shù)據(jù)”。

圖5 “疑似徑向干擾塊”示意圖

（2）使用“疑似徑向干擾回波塊”的EI0和EIn分別其相鄰近的EIn和EIn+1進(jìn)行比較，通過(guò)相鄰兩條數(shù)據(jù)差異度判定是否真的徑向干擾回波塊。相鄰兩條數(shù)據(jù)差異度使用ED表示，以EI0和EI-1為例則可如（8）表示：

由于實(shí)際業(yè)務(wù)中由于完全遮擋等原因存在，一個(gè)回波塊的完全遮擋區(qū)邊緣會(huì)被誤判為EI-1或EIn+1，所以根據(jù)“疑似徑向干擾塊”組成的“疑似徑向干擾數(shù)據(jù)”條數(shù)不同采用不同的判定標(biāo)準(zhǔn)（圖6）：當(dāng)“疑似徑向干擾塊”僅由一條“疑似徑向干擾數(shù)據(jù)”條組成時(shí)，使用雙側(cè)判定，即這條“疑似徑向干擾數(shù)據(jù)”與其順時(shí)針及逆時(shí)針?lè)较虻南噜彅?shù)據(jù)存在較大差異時(shí)判定這個(gè)“疑似徑向干擾塊”是真實(shí)的徑向干擾回波，當(dāng)“疑似徑向干擾塊”由一條以上的條組成時(shí)，使用單側(cè)判定法，即EI0與EI-1或者EIn與EIn+1存在較大差異時(shí)，判定這個(gè)“疑似徑向干擾塊”是真實(shí)的徑向干擾回波，EI0與EI-1判的差異用ED0,1表示，EIn與EIn+1的差異用EDn,n+1表示。對(duì)于單條“疑似徑向干擾數(shù)據(jù)”ED0,1且EDn,n+1均＞0.3 則判定該條“疑似徑向干擾數(shù)據(jù)”為徑向干擾回波塊；對(duì)于多條“疑似徑向干擾數(shù)據(jù)”組成的“疑似徑向干擾塊”，若ED0,1且EDn,n+1均＞0.3 或ED0,1＞0.85 或EDn,n+1＞0.85 則判定該條“疑似徑向干擾塊”為徑向干擾回波塊。這里的判定的ED 閾值為經(jīng)驗(yàn)值?！耙伤茝较蚋蓴_塊”若判斷為“真”，那么整塊徑向干擾數(shù)據(jù)進(jìn)行濾除，加入“疑似徑向干擾塊”與其相鄰的正?；夭ㄟM(jìn)行比對(duì)后，大幅度降低誤識(shí)別的風(fēng)險(xiǎn)。

圖6 “疑似徑向干擾塊”判定流程圖

3.3 檢驗(yàn)評(píng)估標(biāo)準(zhǔn)

使用徑向數(shù)據(jù)判定法對(duì)雷達(dá)數(shù)據(jù)的徑向干擾回波進(jìn)行識(shí)別和濾除，得到質(zhì)控后的拼圖產(chǎn)品，將其與不進(jìn)行質(zhì)控最大值拼圖法產(chǎn)品進(jìn)行比對(duì)，檢驗(yàn)徑向數(shù)據(jù)判定法對(duì)徑向干擾回波的識(shí)別性能，由人工進(jìn)行定性評(píng)估，輔助定量評(píng)估。

3.3.1 定性評(píng)估

定性檢驗(yàn)評(píng)估由人工進(jìn)行判定。為檢驗(yàn)訓(xùn)練數(shù)據(jù)集的識(shí)別效果，對(duì)單站干擾回波由幅度和強(qiáng)度進(jìn)行定義，根據(jù)徑向干擾方位角的多寡，分為兩類：

小幅度干擾：該時(shí)次電磁干擾回波總數(shù)＜30條掃描數(shù)據(jù)；

大幅度度干擾：該時(shí)次電磁干擾回波總數(shù)≥30條掃描數(shù)據(jù)。

根據(jù)徑向干擾強(qiáng)度，分為三擋：

高強(qiáng)度干擾：該時(shí)次電磁干擾回波強(qiáng)度最大值≥30 dBZ；

中強(qiáng)度干擾：該時(shí)次電磁干擾回波強(qiáng)度15 dBZ＜最大值＜30 dBZ；

低強(qiáng)度干擾：該時(shí)次電磁干擾回波強(qiáng)度最大值≤15 dBZ。

識(shí)別和濾除效果一共分為五檔：完美：所有徑向干擾得到濾除；良好：濾除中、高強(qiáng)度干擾，剩余部分低強(qiáng)度干擾；

一般：濾除較多的主要的徑向干擾，剩余部分存在一定量的中、高強(qiáng)度干擾；

較差：存在較多的中、高強(qiáng)度干擾；

失?。簽V除識(shí)別失敗，未進(jìn)行濾除；

誤濾除：當(dāng)濾除算法將正?；夭▌h除時(shí)定義為誤濾除。

3.3.2 定量評(píng)估

定量評(píng)估主要檢驗(yàn)使用RDD 方法后的拼圖與使用最大拼圖法后的拼圖之間的差異，用整體差異度TD進(jìn)行評(píng)估：

式(9)中各變量定義如下：以拼圖區(qū)域（103～113 °E，19～27 °N，分辨率0.01 °）逐像素比對(duì)，若兩像素不同則差異總數(shù)（dif）加1，兩像素相同則無(wú)差異總數(shù)（sam）加1，TD 僅統(tǒng)計(jì)反射率因子≥-5 dBZ 的有效區(qū)域。TD 取值范圍為[0，1]，數(shù)值越小說(shuō)明兩圖差異越小，若為0 則說(shuō)明兩圖片沒(méi)有差異，為1則說(shuō)明兩圖片沒(méi)有任何相似之處。定量評(píng)估僅用于驗(yàn)證數(shù)據(jù)集檢驗(yàn)，方便判定是否采用徑向判定數(shù)據(jù)法對(duì)存在差異的樣本進(jìn)行深入分析。

4 訓(xùn)練樣本檢驗(yàn)

根據(jù)3.3.1 節(jié)的定性評(píng)估定義，人工判定使用徑向數(shù)據(jù)判定法濾除徑向干擾回波后與不使用任何濾除技術(shù)的最大值拼圖法拼圖[7]比較，訓(xùn)練數(shù)據(jù)集的識(shí)別效果見(jiàn)表1。訓(xùn)練數(shù)據(jù)集沒(méi)有發(fā)生誤識(shí)別和濾除現(xiàn)象，這是由于訓(xùn)練數(shù)據(jù)集樣本的徑向干擾沒(méi)有混雜在降水回波中，且由于是使用全集進(jìn)行建模所以識(shí)別效果顯得非常良好。

表1 訓(xùn)練數(shù)據(jù)集徑向干擾回波識(shí)別濾除情況表

大幅度高強(qiáng)度樣本數(shù)總共91 份，占總樣本數(shù)的54.8%。其中共26 次（占此類樣本數(shù)28.6%，下同）完美濾除，34 次（37.4%）良好濾除，20 次一般濾除（21.9%），11次（12.1%）較差濾除，0次失敗濾除。完美濾除例子如2020 年1 月7 日13:12（圖7a1），濾除了影響南寧、柳州雷達(dá)的徑向干擾回波，得到?jīng)]有干擾的拼圖（圖7a2）；良好濾除例子如2020 年1 月3 日03:18（圖7b1），濾除了南寧、桂林、柳州、梧州、玉林雷達(dá)的徑向干擾回波，僅北海雷達(dá)西北側(cè)有多條短徑向干擾回波未能濾除（圖8b2）。

大幅度中強(qiáng)度共1 次（20%）較差濾除，4 次（80%）失敗濾除。2020 年1 月4 日05:00（圖7c1，7c2）是一次失敗濾除例子，屬于罕見(jiàn)的干擾類型，各徑向干擾多次不連續(xù)，RDD算法未能正確識(shí)別。

小幅度高強(qiáng)度共11 次（78.6%）完美濾除，3 次（11.4%）良好濾除。這類干擾回波由于幅度小，強(qiáng)度強(qiáng)，RDD 均能較好識(shí)別和濾除，如2020 年1 月4日12:54（圖7d1、7d2），通過(guò)濾除柳州雷達(dá)的徑向干擾回波，得到?jīng)]有干擾的拼圖。

小幅度中強(qiáng)度共17 次（85%）完美濾除，2 次（10%）良好濾除，1 次（5%）一般濾除。這類干擾回波濾除情況類似小幅度高強(qiáng)度干擾。

小幅度低強(qiáng)度共22 次（61.1%）完美濾除，6 次（16.7%）一般濾除，1 次（27.6%）較差濾除（2.8%），7 次（19.4%）失敗濾除。這類干擾由于幅度小，強(qiáng)度弱，RDD 方法識(shí)別率較低。如圖7e1、7e2所示，2020 年1 月12 日23:42，桂林、柳州雷達(dá)東南側(cè)各存在一條較弱的干擾回波帶，由于干擾回波太弱，不符合徑向數(shù)據(jù)判斷法中ME的定義，故未能識(shí)別和濾除。

圖7 2020年1月7日13:12（a1、a2）、1月3日03:18（b1、b2）、1月4日05:00（c1、c2）、1月4日12:54（d1、d2）、1月12日23:42（e1、e2）訓(xùn)練樣本檢驗(yàn)示例

5 應(yīng)用驗(yàn)證分析

由于用于建模的樣本都沒(méi)有大面積降水回波，為了檢驗(yàn)RDD 方法的泛化能力，特別是干擾回波混雜在降水回波內(nèi)時(shí)的識(shí)別和濾除能力，我們從2019—2020 年不同天氣過(guò)程篩選了共3 784時(shí)次的樣本進(jìn)行應(yīng)用檢驗(yàn)，這些天氣過(guò)程包括冰雹、臺(tái)風(fēng)、暴雨、颮線等強(qiáng)對(duì)流天氣過(guò)程和1次冬季晴朗天氣過(guò)程，各過(guò)程時(shí)間跨度為2～3 d，序號(hào)2、3有部分時(shí)次雷達(dá)數(shù)據(jù)缺失。表2 給出驗(yàn)證數(shù)據(jù)集徑向干擾回波識(shí)別濾除檢驗(yàn)結(jié)果，其中“不能確認(rèn)”為RDD 方法客觀判斷為存在徑向干擾并濾除，但經(jīng)過(guò)人工識(shí)別，發(fā)現(xiàn)干擾回波面積極小，濾除前后的拼圖幾乎無(wú)差別的樣本。表2 中CSI 為臨界成功指數(shù)，定義如式（10），

表2 驗(yàn)證數(shù)據(jù)集徑向干擾回波識(shí)別濾除情況表

式中NALL為所有參與評(píng)估的樣本數(shù)，NA 為正確識(shí)別的樣本數(shù)，對(duì)于“同時(shí)有正確濾除和誤濾除”和“不能確認(rèn)”計(jì)0.5次NA。

我們選擇一些有特點(diǎn)的樣本對(duì)驗(yàn)證效果進(jìn)行說(shuō)明。

例1：2019 年8 月30 日17:30，本次拼圖（圖8a1，8a2）崇左雷達(dá)因干擾產(chǎn)生嚴(yán)重的徑向干擾現(xiàn)象，多條徑向干擾數(shù)據(jù)無(wú)規(guī)律分布在各方位角。該時(shí)次崇左雷達(dá)南部為臺(tái)風(fēng)“楊柳”外圍云帶，雷達(dá)站其他幾個(gè)方位存在面積不同的破碎回波塊，干擾回波和正?；夭ɑ祀s在一起，若不進(jìn)行干擾回波的識(shí)別和濾除，那么在客觀系統(tǒng)中會(huì)嚴(yán)重破壞QPE/QPF。RDD 方法對(duì)于混雜在降水回波中的徑向干擾回波進(jìn)行有效識(shí)別和濾除干擾回波，僅崇左雷達(dá)西北側(cè)殘余一條窄且弱的徑向干擾回波未被濾除，原因是這條干擾徑向回波是強(qiáng)徑向干擾回波的很弱的次生回波，不符合RDD方法。

例2：2019年6月29日11:24，柳州雷達(dá)西側(cè)為一塊帶狀回波，有一條向西北側(cè)延伸的徑向干擾回波貫穿其中（圖8b1白色箭頭指示），這條干擾回波被正確識(shí)別出來(lái)，濾除后的拼圖沒(méi)有對(duì)正?；夭ㄔ斐善茐模▓D8b2）。

例3：2019 年8 月1 日04:12，從南寧雷達(dá)向東北側(cè)延伸的徑向干擾回波貫穿大面積降水回波（圖8c1白色箭頭指示），這條干擾回波也被正確識(shí)別出來(lái)并進(jìn)行刪除，但是本例中在拼圖東側(cè)有極小一部分正常的回波被誤濾除（紅色方框區(qū)域內(nèi)），這是由于梧州雷達(dá)東側(cè)是一個(gè)大方位角的完全遮擋區(qū)，這個(gè)遮擋的存在對(duì)徑向數(shù)據(jù)判定法造成了破壞。

例4：2020年1月25日10:24，防城港雷達(dá)和南寧雷達(dá)西側(cè)各有一組徑向干擾回波且混雜在降水回波中（圖8d1白色箭頭所指位置），被正確識(shí)別出來(lái)和濾除，濾除后的拼圖未影響正常降水回波。值得注意的是，這一樣本并沒(méi)有在166個(gè)訓(xùn)練樣本中出現(xiàn)，說(shuō)明這一時(shí)次大面積降水回波中蘊(yùn)含的兩條微弱干擾回波不太明顯，人工主觀沒(méi)有標(biāo)注出來(lái)，但是客觀模型能精確找出。

例5：2019 年8 月1 日05:00，人工判定本次拼圖不存在徑向干擾回波，但是RDD 誤將南寧雷達(dá)西側(cè)一個(gè)方位角的回波誤濾除（圖8e1白色箭頭所指位置），同時(shí)被誤濾除的還有梧州雷達(dá)東側(cè)的極小一部分降水回波誤濾除了（圖8e1紅色方框區(qū)域內(nèi)），原因同例3，這是3 784個(gè)樣本中誤識(shí)別、誤濾除比例最高的一個(gè)樣本，TD=2.25%，僅為有效回波區(qū)域的一小部分，梧州雷達(dá)東側(cè)被誤濾除的回波因?yàn)橛衅渌鼋堑姆瓷渎室蜃舆M(jìn)入拼圖產(chǎn)品，該區(qū)域的影響效果是回波偏弱，不影響拼圖整體效果，是一種可接受的損失。

圖8 2019年8月30日17:30（a1、a2），2019年6月29日11:24（b1、b2）、2019年8月01日04:12（c1、c2）、2020年1月25日10:24（d1、d2）、2019年8月1日05:00（e1、e2）驗(yàn)證數(shù)據(jù)集檢驗(yàn)示例

對(duì)表2做進(jìn)一步分析：

（1）RDD方法能較好地識(shí)別徑向干擾回波，識(shí)別準(zhǔn)確率高，在6 種天氣過(guò)程中，平均CSI 為0.932。正確濾除和同時(shí)存在正確濾除樣本共390次，占總樣本10.3%，說(shuō)明選擇的樣本時(shí)段，拼圖受干擾的概率較高。任一部雷達(dá)受干擾是一個(gè)概率事件，當(dāng)多部雷達(dá)進(jìn)行組網(wǎng)拼圖時(shí)，任一時(shí)次拼圖受干擾的概率則由組網(wǎng)雷達(dá)受干擾的聯(lián)合概率影響。這也說(shuō)明開(kāi)展徑向干擾識(shí)別和濾除非常有必要；

（2）誤濾除的樣本共175 次，占總樣本4.62%，這些樣本按時(shí)序排列見(jiàn)圖9，共12 次樣本誤濾除面積超過(guò)當(dāng)時(shí)次回波面積的1%。最大一次占當(dāng)時(shí)回波面積的2.25%（圖8e），相當(dāng)于拼圖區(qū)域的0.55%。由于廣西自然地形、建筑的雷達(dá)完全遮擋區(qū)是造成本類誤濾除的主要原因；

圖9 誤濾除回波與拼圖回波比例

（3）人工無(wú)法通過(guò)肉眼區(qū)分存在差異的拼圖樣本是否存在徑向干擾共90 次，占總樣本2.38%，這些差異占回波面積非常小，有無(wú)干擾都不影響使用。

以上分析表明RDD 方法能較好地識(shí)別和濾除徑向干擾回波，識(shí)別率高。訓(xùn)練數(shù)據(jù)集沒(méi)有包含降水回波，驗(yàn)證數(shù)據(jù)集由于主要從強(qiáng)對(duì)流天氣中選擇，包含很大比例的降水回波。訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集屬于相關(guān)性較差的不同數(shù)據(jù)集，并且驗(yàn)證數(shù)據(jù)集數(shù)量遠(yuǎn)遠(yuǎn)超過(guò)訓(xùn)練數(shù)據(jù)集，這說(shuō)明RDD 方法具有良好的泛化能力，能有效在業(yè)務(wù)系統(tǒng)中進(jìn)行應(yīng)用。

6 結(jié)論和討論

徑向干擾回波存在一定的特征，有些特征如“從較近的距離開(kāi)始”、“連片”等未進(jìn)一步在識(shí)別和濾除研究中進(jìn)行應(yīng)用，本文根據(jù)徑向干擾回波的數(shù)據(jù)形狀特征將其量化，設(shè)計(jì)一種對(duì)徑向干擾回波進(jìn)行簡(jiǎn)明高效的識(shí)別和濾除的方法：RDD法。RDD 法提出全徑向回波計(jì)數(shù)、隨距離增長(zhǎng)逆向計(jì)數(shù)、本徑向回波強(qiáng)度最大值和回波開(kāi)始位置等4個(gè)新的統(tǒng)計(jì)參數(shù)，先通過(guò)決策樹(shù)模型確定疑似徑向干擾回波，再將疑似徑向干擾回波連片進(jìn)行整體識(shí)別，效果評(píng)估結(jié)果如下。

（1）RDD 方法通過(guò)縱向和橫向?qū)Ψ瓷渎室蜃訑?shù)據(jù)形狀進(jìn)行識(shí)別，不預(yù)設(shè)識(shí)別方位角閾值，能夠有效識(shí)別出大幅度的徑向干擾回波，且發(fā)現(xiàn)廣西新一代天氣雷達(dá)存在一定比例之前學(xué)者未提及的較短長(zhǎng)度的徑向干擾回波。

（2）RDD 方法對(duì)徑向干擾沒(méi)有混雜在大面積降水回波中的166個(gè)訓(xùn)練樣本，沒(méi)有發(fā)生誤識(shí)別和濾除現(xiàn)象，其中大幅度高強(qiáng)度樣本28.6%完美濾除，37.4%良好濾除，21.9%一般濾除，12.1%較差濾除，0次失敗濾除。訓(xùn)練數(shù)據(jù)集的識(shí)別效果很好。

（3）RDD 方法對(duì)5 次徑向干擾混雜在降水回波中的降水過(guò)程、1 次非降水過(guò)程共3 784 個(gè)檢驗(yàn)樣本，能正確濾除徑向干擾樣本390 次，占總樣本10.3%，誤濾除樣本175 次，占總樣本4.62%，絕大多數(shù)誤識(shí)別造成的正常回波損失小于當(dāng)時(shí)次回波面積的1%，僅有12個(gè)樣本超過(guò)當(dāng)時(shí)次回波面積的1%。RDD 方法的正確識(shí)別率高，誤識(shí)別率損失小。

（4）RDD 方法具有良好的泛化能力，具有良好的業(yè)務(wù)應(yīng)用前景。

（5）RDD 方法誤識(shí)別主要是由于廣西地形造成的遮擋引起。

本文討論的徑向數(shù)據(jù)判定法僅從單仰角產(chǎn)品進(jìn)行判定，由于雷達(dá)逐仰角掃描產(chǎn)品在空間上是連續(xù)的，可以考慮將相鄰仰角的產(chǎn)品一起考慮，這樣在縱、橫兩個(gè)方向的基礎(chǔ)上增加了上、下方向數(shù)據(jù)判定，數(shù)據(jù)使用維度提升到3D，可以進(jìn)一步增強(qiáng)識(shí)別準(zhǔn)確率。同時(shí)正確的識(shí)別出雷達(dá)的自然環(huán)境和建筑物遮擋區(qū)是進(jìn)一步研究的基礎(chǔ)，遮擋區(qū)識(shí)別算法已經(jīng)有很好的研究可以借鑒[20-21]。具體模型的建立是我們下一步研究的方向。