李昌昊 邹德龙 陈贤军 梁晓京

摘  要：文章介绍了基于南宁机场风廓线雷达的预报辅助系统的二次产品模块及相关算法，并对系统各模块的实现方法进行简要描述。本系统基于Javascript+html5框架，采用B/S结构模式，以网页形式显示水平风速的垂直切变空间分布、最大探测高度、水平风速等值线、垂直风速等值线以及水平风速风羽图等五个模块的产品。本系统界面简洁友好，各类产品列表清晰直观，告警功能可有效提高使用者工作效率。此外，本系统可为专业气象用户预测强对流天气发生、发展及结束提供有力的气象依据，具有较好的应用前景。

关键词：风廓线雷达;预报辅助系统;算法设计

中图分类号：P49          文献标志码：A         文章编号：2095-2945（2020）29-0031-04

Abstract： This paper introduces the secondary product module and related algorithm of the forecast assistant system based on the wind profiler radar （WPR） in Nanning Airport ， and briefly describes the realization methods of each module of the system. The system is based on JavaScript + HTML5 framework， and adopts B/S structure mode to display the products of five modules， including vertical shear spatial distribution of horizontal wind speed， maximum detection height， horizontal wind speed contour， vertical wind speed contour and horizontal wind plume map， in the form of web page. The interface of the system is simple and friendly， the list of various products is clear and intuitive， and the alarm function can effectively improve the work efficiency of users. In addition， the system can provide a strong meteorological basis for professional meteorological users to predict the occurrence， development and end of severe convective weather， and has a good application prospect.

Keywords： wind profiler radar （WPR）; forecast assistant system; algorithm design

引言

風廓线雷达诞生于20世纪80年代，其利用多普勒效应，可以连续获得测站上空高时空分辨率的水平风廓线、垂直速度、大气折射率结构常数等信息，对提升中小尺度灾害性天气监测能力、提高短期数值天气预报模式质量、实现对重大灾害性天气全天候监测及提高灾害性天气预报监测预警的时效性和准确率可起到促进作用。

上世纪七十年代末期，美国海洋大气局（NOAA）在科罗拉多建造了一台VHF（50MHz）的多普勒雷达，1980年成功通过该雷达测量对流层风廓线。几年后，NOAA在该地区建立了一个由五部风廓线雷达组成的小型观测网，该网络有效改善了中尺度短时临近预报、短期预报等。日本的风廓线雷达研究始于1985年，现已组建风廓线雷达业务网。1987年，欧洲也组建了风廓线雷达网。从1992年开始，美国国家天气局在其中部地区布设的风廓线雷达示范网开始运行。

从“七五”以来，我国一直积极开展风廓线雷达方面的研究及建设。直至今日，中国气象局所属部门已布设四十余部风廓线雷达，用于业务试点、科研及应急观测。中国气象局编制了《风廓线雷达布局方案（2011-2015年）》，风廓线雷达观测网的大规模组建已经启动。国内航空气象人员也利用风廓线雷达数据开展了大量相关研究工作。

2017年以来，民航广西空管分局开始装备风廓线雷达用于探测机场跑道附近区域上空的风温数据。由于该雷达二次产品较为匮乏，仅提供风羽图、风向和风速廓线图等基本产品，因此我局气象台预报室成立了科技项目组，使用风廓线雷达资料开发低空风切变告警模块、最大探测高度及风场等值线等产品，共同组成预报辅助系统，以期进一步提高风廓线雷达在灾害性天气（短时强对流及其伴随的低空风切变）临近预报和预警方面的能力。

1 资料及模块设计

南宁机场风廓线雷达为CLC-11-D型固定式边界层风廓线雷达，主要技术指标为：最高探测高度≥3km，最低探测高度100m;信号形式有四种低模式和三种高模式，低模式相对应的高度分辨率分别为30m，60m，120m和240m，高模式对应的高度分辨率分别为60m，120m和240m;径向速度分辨率≤0.2m/s，5波束指向时间分辨率≤5min;水平风速测量范围±60m/s，垂直风速测量范围±20m/s，风速测量精度≤1.5m/s，风向测量精度≤10°。由于本项目包含最大探测高度这一产品，因此采用高模式扫描资料，时间分辨率6分钟。

通过深入学习相关的风廓线雷达理论及前人的研究后，项目组决定在预报辅助系统中设定水平风速的垂直切变空间分布、最大探测高度、水平风速等值线、垂直风速等值线以及水平风速风羽图等五个模块。

2 算法设计

针对设定的模块，项目组研究并确定了各模块的核心算法，以下是各类算法的简要介绍。

2.1 垂直风切变

首先，根据垂直风切变计算公式，计算得到各高度层之间的垂直风切变值，再按照国际民航组织第五次航空会议上制定的不同风切变强度等级，将其归类到各等级下，并对中度及以上强度的风切变设定告警提示。具体等级划分如表1（q为风切变值，单位：s-1）：

其中qj为风廓线雷达第j层与第（j+1）层之间的垂直风切变值，V为风速，Z为高度值，风切变值为单位厚度气层内风矢量的变化值。由于是矢量，因此计算时需考虑风向的作用，用向量差进行计算，公式如下：

其中θ为相邻两层间的风向差，当风向差小于10°时使用风速标量计算风切变值;当风向差大于10°，且风速大于5m/s时使用向量计算风切变值。

2.2 最大探测高度

最大探测高度是指在一定检测概率前提下风廓线雷达的最远观测距离。在不同天气条件下，大气中水平风和垂直风的空间分布不均会对风廓线雷达的探测产生影响。当对流天气系统过境时，大气中水汽含量及云滴粒子尺度及浓度会产生明显增大，相应产生的水气压脉动及电磁波后向散射信号也随之增强，而大气折射率结构常数与其呈正相关，因此将导致雷达探测高度的增加。因此，这一产品能够为预报对流天气起止提供重要参考。计算最大探测高度的方法为：读取风廓线雷达风场数据，设定函数判断风速或风向列数据值是否为缺测，若连续五个高度层资料缺测，则判定雷达达到探测上限，此时输出缺测起始层前一层的高度值作为该时次的雷达最大探测高度。以此类推，得到最大探测高度随时间的变化情况。

2.3 风场等值线

此处均值指半小时及一小时的风场平均值。风场包含风速、风向两类资料，因此需分别进行均值计算，其中风速平均对风速数据进行算术平均即可，对风向数据而言，由于涉及跨360°的问题，则需采用矢量平均法，具体算法如下：

以半小时平均为例，将需要平均的风向按单位长度投影到X 轴和Y 轴方向上，再对这些风向在X轴和Y轴上的投影分别求平均值得到Xave和Yave，最后將Xave和Yave矢量求和，并考虑风速影响，得到平均风向。具体公式如下：

式中Vi 为第i个风速值，arctan函数的值域为（-90°，90°），所求的风向范围为（0°，360°），所以需要根据所处的象限对Dave进行如下处理：

为便于观察分析，在得到实时及风场均值产品后，以等值线填色方式显示，具体方法如下：

使用JavaScript语言调用CONREC子程序，修改代码以适用本场风廓线雷达风场数据，对风速时空分布格点进行轮廓绘制，描述数据表面和要绘制的轮廓级别（具体数值，水平风速和垂直风速的设置不同），计算出构成轮廓曲线的线段，然后在预设的网页画布上绘制这些线段，并在不同级别线段间填充颜色，达到可视化效果。

3 系统实现

3.1 系统拓扑

如图1所示，预报辅助系统后台程序使用FTP的方式从风廓线服务器调取数据。系统采用Web工作方式，根据客户端HTTP请求，从预报辅助系统本地文件夹中获取数据，实现HTTP响应将该数据返回客户端。客户端得到数据后，使用脚本程序生成该系统各类模块产品，将产品可视化，并根据设定阈值进行风切变告警。

3.2 系统模块实现方法

3.2.1 原始数据解析

风廓线雷达产品每个采样高度记录一条数据，原始数据格式如图2所示。第一列：采样高度，5个字节，单位m;第二列：水平风向，5个字节，单位°;第三列：水平风速，5个字节，单位m/s;第四列：垂直风速，6个字节，单位m/s;第五列：水平风速可信度，3个字节，单位%;第六列：垂直风速可信度，单位%;第七列：大气折射率结构常数CN2，8个字节，单位dB。

使用脚本程序对原始数据进行解析，分列读取各高度层数据，筛选出可信度100%的数据，将其重新写入数组，得到“采样高度”、“水平风向”、“水平风速”、“垂直风速”等四类数据，再根据确定的算法对新数据进行相关计算，最终得到风切变Q值分布、最大探测高度、风速等值线和风羽图等模块的数据源，为下一步可视化做准备。

3.2.2 产品可视化实现方法

（1）风切变Q值分布模块

读取“采样高度”、“水平风向”、“水平风速”数组中的数据，根据垂直风切变计算公式计算各个高度层之间的风切变Q值，并写入新的数组，按照确定的垂直风切变等级，将各阈值内的Q值定义为五种不同颜色。根据采样高度、水平风速及Q值，操作CANVAS元素绘制风切变Q值散点分布图，效果如图3所示。其中圆圈半径可反映水平风速大小，半径越大则表示该高度层的水平风速越大。最后，制作插件，当出现中度及以上强度的风切变时，使用该插件进行弹窗和声音告警。此外，本模块还具有历史数据查询功能，并能够实现一键查询过去6小时各高度层的垂直风切变情况。

（2）最大探测高度模块

读取“采样高度”、“水平风向”、“水平风速”、“垂直风速”数组中的数据，根据算法遍历“水平风向”、“水平风速”、“垂直风速”三类数据，若任意一类数据出现连续五个高度层资料缺测，则输出缺测起始层前一层的高度值并写入新的数组，操作CANVAS元素绘制最大探测高度时间变化图，如图4所示。同样，本模块具备历史数据查询功能。此外，通过均值计算能够得到半小时及一小时的最大探测高度产品。

（3）风速等值线模块

读取“采样高度”、“水平风速”、“垂直风速”数组中的数据，调用CONREC子程序对数组进行换算，得到风场时空分布矩阵数组，操作SVG元素绘制水平风速、垂直风速等值线图，如图5所示。本模块也可查询历史数据，并包含半小时及一小时产品。

（4）风羽图模块

读取“采样高度”、“水平风向”、“水平风速”数组中的数据，操作SVG元素绘制南宁机场风廓线雷达风羽图。为便于用户日常使用，将横坐标时间轴标识按时间先后顺序由左至右标记（原厂软件为由右至左）。本模块也具备查询历史数据查询功能，进行风向风速的均值计算后，可显示半小时及一小时产品。

4 结束语

（1）本系统基于Javascript+html5框架，采用B/S结构模式，使用者仅需在浏览器上登录系统，就可以查看相关产品，后台服务器采用故障转移集群模式，可保证系统不间断运行，可靠性较强。

（2）本系统是对南宁机场风廓线雷达产品的二次开发，其中包含水平风速的垂直切变空间分布、最大探测高度、水平风速等值线、垂直风速等值线以及风羽图等五个模块。系统界面简洁友好，各类产品列表清晰直观，有较好的视觉体验，弹窗及音效告警可有效提高使用者工作效率，具有較好的应用前景。

（3）对于气象专业用户而言，垂直风切变分布、最大探测高度及垂直风速等值线等产品可为其预测强对流（雷雨大风）天气发生、发展及结束提供有力的气象依据。

参考文献：

[1]冯彦华.白云机场低空风切变的时空特点及其大气环流形势分析[J].广东气象，2004（4）：5-6.

[2]黄奕铭，区志中.广州新白云机场低空风切变的变化特征及其影响[J].广东气象，2006（4）：34-37.

[3]何文，沈举鹏，赖诚，等.基于风廓线雷达的低空风切变特征及其对航空影响分析[J].江西科学，2015（4）：541-545.

[4]刘瑞婷，阮征，魏鸣，等.风的空间不均匀分布对风廓线雷达数据质量影响研究[J].热带气象学报，2016，32（2）：229-236.

[5]阮征，何平，葛润生.风廓线雷达对大气折射率结构常数的探测研究[J].大气科学，2008，32（1）：133-140.

[6]杨波，魏东.二次开发风廓线探测资料及其在天气预报中的应用[J].气象科技，2010，38（4）：413-417.

[7]王令，王国荣，古月，等.风廓线雷达垂直径向速度应用初探[J].气象，2014，40（3）：290-296.