原　帅，翟　墨

（佳木斯气象卫星地面站，黑龙江佳木斯154007）

多普勒天气雷达原始数据的预处理方法研究

原帅，翟墨

（佳木斯气象卫星地面站，黑龙江佳木斯154007）

本文利用K-邻域频数法对多普勒天气雷达原始速度资料进行预处理，分析了统计窗口、剔噪声阈值与补值阈值等参数的选取、算法处理次数等对处理结果的影响，并且对该方法的优点和局限性进行讨论，将算法进一步补充完善，使K-邻域频数法的补测效果更加有效，以满足数据预处理的需要。

多普勒天气雷达；径向速度；K-邻域频数法；资料预处理

1　引言

雷达在进行实时采样时会产生一些在空间上分布不连续、无规则且速度值呈跳变现象的噪声，因此对于原始数据的预处理分析，如何在保留有效速度信息的同时尽可能多地剔除叠加在数据上的噪声、补足缺测的原始数据点是非常必要的。补缺测点简单常用方法是插值法、中值滤波法等，例如，胡明宝等［1］采用拉格朗日插值公式补缺测点。周建芬等［2］利用变分原理消除雷达径向速度资料中的小尺度运动和“噪声”。王俊、梁海河等［3-4］提出了一种统计意义明确、可以有效剔除孤立奇异点的方法--K-邻域频数法，并且以此为基础提出了“双径向-双切向”退模糊技术。

奇异点的一个明显特点是较孤立，即以一个点或若干点出现，很少以一大片点出现，在雷达图上很难用肉眼观察到。K-邻域频数法可以有效解决风场中奇异点噪声带来的影响。本文利用K-邻域频数法处理多普勒天气雷达原始数据，对原方法进行补充完善，总结出该方法的优点与缺陷，使之达到最佳的补测效果，提高体扫数据中径向速度数据的质量，为后续的二维或三维风场反演提供保证。

2　K-邻域频数法原理

将±Nyquist速度范围分成不同的P个等距区间Np（p=1，2，…，P），区间间隔为Δd，另外窗口中心点的值Vij±Δd/2列为第P+1个区间N′，然后统计在M×N窗口内的点分布在不同区间出现的频数χp（p=1，2，…，P）和χ′，令χmax是χp（p=0，1，2，…，P）、χ′中的最大值，取所对应的区间的中点值为Vp，那么，窗口中心点新值Vij′可以表示为：

式中，k1是剔噪声阈值，k2是补值阈值，“0”代表无回波。

3　实例分析

本文实例所处理的是云南昆明CINRAD-CC多普勒天气雷达2010年7月的体扫速度资料。

3.1利用K-邻域频数法剔除“噪声”点和补测效果

（1）K-邻域频数法对原始速度数据中的孤立点、孤立小区域和连续区域中的奇异点可以做很好的剔除。但是对于奇异点较多的区域，由于被剔除的点数较多，可能会对补值造成一定影响，降低原始资料的质量。同时，K-邻域频数法对于原始速度数据中的缺测点、部分缺测小区域作很好的填补。但是对于孤立点较少，缺测点相对较多的区域，在所补测的点可能会减少，效果不太理想。

（2）算法执行次数对效果的影响。通过对大量原始资料处理和对比，发现算法连续处理两次的效果较好。原因是处理一次时，部分奇异点以及出现频数较小的点同时被剔除，算法执行两次后，将第一次处理后的速度作为重新处理的对象，这样可以对部分剔除的点进行补值，使处理效果更佳。当算法执行三次以上时，处理效果增加不明显，而且执行速度较慢。因此，将算法执行两次作为处理的最佳效果。

3.2参数P、M、N、k1、k2对处理结果的影响与对比分析

由原理和反复的试验对比分析可知，“K-邻域频数法”的处理结果与参数P、M、M、k1和k2有关。P与Nyquist值相关，经试验整数P在数值上约取VN大小合适。如果窗口M×N取得太大，对原数据的保留过少；窗口太小，不同区间出现的频数很小，影响补测的最终效果。随着M、N值的增大，剔除奇异点和补缺测点的个数不断减小，但M、N不能取的太小，否则剔除的速度点过多，对原始数据保留的不够好。

k1和k2的大小决定于M、N的取值，一般不应小于平均值χ=（M×N）/P，试验表明k1和k2应大于k1是噪声阈值，如果偏大会产生误剔除。k2是补值阈值，可通过调整k2实现不同的补测效果。k2越小，填补点越多，反之填补点减少。

表1是昆明CINRAD-CC雷达2010年7月19日和2010年7月23日体扫资料取不同大小的统计窗口时可填补的最大缺测数。结果表明，在补缺测点时存在最大缺测点数，由于最大补测点数目较少，因此在实际应用中可以填补全部满足条件的点，而不必担心影响整体结构。此外，随着M、N的不断增大，最大补测点数逐渐减小。可见，统计窗口对补测效果有一定影响，窗口不能取的太大，会影响补测效果。

表1　统计窗口的大小与可填补的最大缺测点数之间的关系，第一层统计数据

由表1可以看出，当统计窗口大小不变时，随着k1的增大，孤立点数不断增多。去除孤立点时，应仔细选择统计窗口的大小，然后选择合适的k1。原始体扫资料的质量对于k1的取值有重要影响。

在体扫过程中CINRAD-CC型雷达在不同的扫描仰角具有相同的Nyquist速度。所以，在处理过程中，取固定的M、N是可以的。而对于其他某些多普勒天气雷达，如714SDN型多普勒天气雷达，在不同仰角具有不同的Nyquist速度，因此在实际处理过程中应选取不同的统计窗口。这是因为，如果统计窗口大小固定，则平均数χ对不同的层就有很大的差别，在补测时应采用不同的窗口大小以及k1、k2值，从而达到预期的效果。

3.3算法优缺点讨论

在实际应用过程中，K-邻域频数法存在着某些缺陷与不足。当“噪声”点较多或为一小部分区域时，由于算法所依据的窗口内的点很有可能也是“噪声”，被剔除的速度点过多，导致在算法执行第二次时补值的点数较少，即无回波的点增加，不能保证数据的完整性。

4　结论

（1）利用K-邻域频数法剔除孤立点噪声时，统计窗口M、N的取值和剔噪声阈值k1的选取对结果有重要影响。当M、N的大小为固定值时，应选取合适的k1值，以达到最佳补测效果。（2）由试验结果可看出，补缺测值时，在M、N一定的情况下，存在最大可补测点数，且所占总数比例甚微。另外，随着M、N的不断增大，最大可补测点数减少，但减小的幅度不大，因此在补缺测点时，补值阈值k2要尽可能小，从而使填补的点数增多，不会影响整体数据结构。（3）本文使用了CINRAD-CC多普勒天气雷达的速度资料，在体扫过程中CINRAD-CC型雷达在不同的扫描仰角具有相同的Nyquist速度，在处理过程中可采用固定的统计窗口。而对于其他某些多普勒天气雷达，在不同仰角具有不同的Nyquist速度，在实际处理过程中应采用不同的统计窗口。（4）K-邻域频数法对于回波区内孤立点的剔除和补测效果很好，而对于较大面积上的缺测点，补测效果存在一定的缺陷。

［1］胡明宝，高太长，汤达章.多普勒天气雷达资料分析与应用［M］.北京:解放军出版社，2000.

［2］周建芬，周文贤，曾西平.多普勒雷达径向速度资料的预处理方法［J］.南京气象学院学报，1994，17（2）: 213～218.

［3］王俊.利用K-邻域频数法处理多普勒雷达原始资料［J］.气象，2005，31（6）:51-54.

［4］梁海河，张沛源，葛润生.多普勒天气雷达风场退模糊方法的研究［J］.应用气象学报，2002，13（5）:591-599.

1002-252X（2016）03-0023-02

2016-6-1

原帅（1987-），女，黑龙江省佳木斯市人，成都信息工程大学，本科生，助理工程师.