王叶红 2, 张伟 赵玉春

1 厦门市气象局厦门市海峡气象开放重点实验室，厦门 361012

2 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室(LASG)，北京 100029

3 高原与盆地暴雨旱涝灾害四川省重点实验室，成都 610072

1 引言

风廓线雷达利用湍流大气对雷达电磁波的散射作用，探测空气运动的多普勒效应信号，可以反演出测站上空探测高度范围内时间（数分钟）与空间分辨率（几十米间距）均较高的大气水平风速、风向、垂直速度、大气折射率结构常数等气象要素的垂直廓线资料，可极大弥补常规探空观测时空密度不足的缺陷。此外，与多普勒天气雷达以降水粒子为示踪物，对于无降水粒子的大气测不出大气流场的局限性相比，风廓线雷达是以大气折射指数（湍流块）为示踪物，可以测量出边界层到中层大气的流场，其探测的主要对象是晴空或多云大气，对降水天气也有一定的探测能力。美国国家海洋大气局（NOAA）评估结果表明，风廓线雷达的时间和空间分辨率较高，可以展示出大气波动等天气系统的连续详实变化过程（Benjamin et al., 2004b）。风廓线雷达无人值守、可全天候和全天时工作的特点，以及可获得连续、客观、定量监测的优势，使其越来越多地受到世界各国的重视，并被广泛应用于各个领域（Bluestein and Speheger, 1995; Muschinski et al., 1999; Bouttier, 2001; 何平, 2006; Zhang et al.,2016; 廖菲等, 2017）。

从20 世纪80 年代美国建立风廓线雷达网以来（Strauch et al., 1984; Frisch et al., 1986），日 本、欧洲相继建立了自己的风廓线雷达网。我国也从20 世纪80 年代开始陆续开展风廓线雷达组网建设（马大安等, 1989; 顾映欣和陶祖钰, 1991, 1993），截止2016 年底，我国已投入业务使用的有83 部，目前中国气象局规划到2025 年将组建一个覆盖我国全境的225 部风廓线雷达网（张小雯等, 2017）。风廓线雷达在大气风场观测（王志春和植石群,2014）、大气湍流结构研究（Muschinski et al., 1999;阮征等, 2008）、中尺度天气结构研究（Bluestein and Speheger, 1995; Trexler and Koch, 2000）、中小尺度天气系统监测和预警（何平, 2006; 古红萍等,2008; 周志敏等, 2010; 董保举等, 2012）以及灾害性气象服务（何平等, 2009; 汪学渊等, 2013）等方面发挥越来越重要的作用。

风廓线雷达在数值天气预报中的作用也受到世界各国的广泛关注，并已在欧洲中期天气预报中心（ECMWF）（Bouttier, 2001）、美国国家环境预报中心（NCEP）快速更新循环预报系统（RUC）（Benjamin et al., 2004a）、日本气象厅（JMA）（Kuo et al., 1987; Ishihara et al., 2006）、加拿大气象中心（CMC）等国外主要全球数值预报业务系统先后实现了风廓线雷达资料在模式中的业务同化，并对模式预报性能的提高有正面影响。我国也在近年逐步开展了风廓线雷达资料的同化应用研究（张胜军等, 2004; 李妙英等, 2013; 余贞寿等, 2018），取得了一定进展。张旭斌等（2015）针对广东地区13部风廓线雷达水平风产品，采用经验正交函数（EOF）分析方法进行质量控制研究，并将质控后的资料同化到GRAPES_3DVAR 同化系统中，使短期降水预报得到了明显改善。谭晓伟等（2016）通过观测系统模拟试验（OSSEs）对我国拟建风廓线雷达观测网内的不同类型风廓线雷达观测资料在GRAPES_MESO 数值预报系统中的可能影响进行了研究，提出了选型建议。

总的来说，目前我国对风廓线雷达资料的同化研究还很不充分，特别是与其密切相关的资料质量分析和质量控制研究。朱立娟（2015）对2015 年5 月实时上传至国家气象信息中心国家级气象资料存储检索系统（MDSS）的28 部风廓线雷达产品按照P 波段对流层风廓线雷达PA 和PB 型号、L波段边界层风廓线雷达LC 型号分别进行了面向资料同化的水平风产品质量分析，指出不同型号雷达水平测风质量相差较大，其中LC 边界层风廓线雷达质量最差。李红莉等（2013）将未经质量控制的LC 边界层风廓线雷达资料进行同化，增加了初始风场的误差；张旭斌等（2015）同化质控后的LC 边界层风廓线雷达风场资料，明显改善了短期降水预报。可见风廓线雷达产品质量分析和质量控制是实现其在数值模式中有效应用的关键。风廓线雷达探测水平风质量不仅与雷达型号有关，还受到径向速度观测值准确程度与均匀风假设条件等诸多因素的影响，同一型号雷达是否会由于选址不同而受到电磁干扰、地物回波等客观因素影响以及受不同天气系统影响而使不同雷达站水平测风质量产生较大差异值得关注。针对小范围组网的每一部雷达详细开展水平测风在不同高度上的、有无降水等不同天气条件下的质量分析，一方面可为业务应用提供参考依据，另一方面，也可为制定差异化的风廓线雷达水平测风质控方案提供参考依据。

截止2018 年8 月福建省已建成并业务使用15部L 波段风廓线雷达，在弥补常规高空探测网时空密度上的不足、加强对天气系统的识别和中小尺度灾害性天气的监测等方面发挥了重要作用（汪学渊等, 2015; 曾瑾瑜等, 2017）。然而，如何充分有效地发挥福建风廓线雷达资料在数值预报模式中的同化应用，开展面向资料同化的质量分析和质量控制研究至关重要，鉴于此，本文对福建风廓线雷达水平风产品进行详细的质量分析，为科学合理的质量控制方案及业务同化应用提供科学依据，并为后期同化研究打下一定基础。

2 资料与方法

2.1 风廓线雷达资料

截止2018 年，福建共有15 部L 波段风廓线雷达投入业务使用，其中3 部（福鼎、晋江、秀屿）于2017 年11 月之后陆续建成投入使用。本文对2017 年全年数据完整的12 部风廓线雷达（武夷山、永安、福清、建瓯、罗源、武平、建宁、连城、德化、平潭、平和、翔安，其中福清为移动风廓线雷达）进行面向资料同化的水平风场质量分析（图1）。这12 部雷达时间分辨率均为6 min。武夷山、永安、福清为L 波段CFL-03 系列边界层风廓线雷达，起始和终止探测高度分别为60 m 和7080 m，武夷山和永安在600 m 高度以下以60 m 垂直分辨率进行观测（低模），之上则以120 m 垂直分辨率进行观测（高模）；福清站低模和高模探测的衔接高度则为840 m。其余9 部雷达为L 波段CFL-06 系列低对流层风廓线雷达，起始和终止探测高度分别为150 m 和10110 m，在4110 m 高度以下均以120 m垂直分辨率进行观测，之上则以240 m 垂直分辨率进行观测。为便于比较，将福清在600～840 m 间比武夷山和永安多的660 m 和780 m 两层数据忽略，即在后续统计中，武夷山、永安、福清探测高度完全一致，其余9 站探测高度完全一致。需要说明的是，这12 部雷达均为频率在1300 MHz 左右的L波段雷达，为了达到更高的探测高度，CFL-06 系列的9 部雷达在探测中进行了功率加强，其探测高度通常可以达到6～8 km，强降水等天气条件下可以在10 km 高度获得数据，达到了低对流层雷达的最大探测高度。为区别于P 波段低对流层风廓线雷达（频率在440～450 MHz、最大探测高度8 km），这里将通过加强功率增加探测高度的CFL-06 系列的9 部雷达称为L 波段低对流层风廓线雷达。

图1 福建省风廓线雷达站点分布（WYS、YA、FQ、JO、LY、WP、JN、LC、DH、PT、PH、XA 分别代表武夷山、永安、福清、建瓯、罗源、武平、建宁、连城、德化、平潭、平和、翔安，数字为各风廓线雷达站海拔高度）Fig.1 Locations of wind-profiler radars in Fujian Province (WYS, YA, FQ, JO, LY, WP, JN, LC, DH, PT, PH, and XA indicate wind-profiler radars in Wuyishan, Yongan, Fuqing, Jianou, Luoyuan, Wuping, Jianning, Liancheng, Dehua, Pingtan, Pinghe, and Xiang’an, respectively. The values in meters indicate the altitudes)

按照资料采样收集频率，风廓线雷达资料可分为实时采样数据、半小时平均数据和小时平均数据，朱立娟（2015）研究发现，小时平均数据的平均偏差和离散度都要小于实时采样数据，前者在小时平均处理过程中滤除了大气湍流瞬时的波动，而该部分信息恰好是资料同化中无法反映的代表性误差，因此，针对资料同化应用，采用小时平均采样数据相对更为恰当。本文分析的水平风产品为厂家可信度标识达到100%的小时平均采样风数据，该数据为前一小时资料的平均。

2.2 数值天气预报背景场资料

采用的数值天气预报背景场资料为美国国家环境预报中心全球预报系统（National Centers for Environmental Prediction/Global Forecast System，NCEP/GFS）一 日4 次（00 时、06 时、12 时、18 时，协调世界时，下同）0.5°×0.5°分析资料，垂直方向从1000 hPa 至10 hPa 共26 个等压面层。为了与GFS 背景场资料时间相匹配，选用相同时刻（00 时、06 时、12 时、18 时）的风廓线雷达小时平均风数据。另外，因为风廓线雷达资料为站点等高度面资料，而GFS 资料为格点等压面资料，因此，需进行空间一致性匹配，将GFS 资料空间插值到风廓线雷达水平风所在位置（其中垂直位置为风廓线雷达站海拔高度加上各探测高度），包括水平方向插值和垂直方向插值，其中水平方向采用双线性插值，垂直方向上首先将GFS 资料各等压面层上的位势高度转换为几何高度，然后线性插值到风廓线雷达资料所在高度上。鉴于每部风廓线雷达站海拔高度不同，因而尽管相同系列雷达的探测高度一致，但探测水平风所在实际高度并不相同，为绘图和分析方便起见，后文所指高度均为各雷达站探测高度，而非水平风所在实际高度。

3 风廓线雷达水平风资料获取率分析

数据获取率是定量评估风廓线雷达探测能力的一项重要指标，其定义为：各高度上，实际获取的有效数据量与应获得的数据总量之比（胡明宝等,2008）。福建12 部风廓线雷达水平风2017 年全年平均的数据获取率如图2 所示，可见同一部雷达资料获取率在不同探测高度上不尽相同，总体趋势为获取率在边界层和对流层低层较高，接近1，而在其上随高度增加而逐渐减小；另外，不同系列雷达间、相同系列不同雷达间数据获取率也存在较大差异。

CFL-03 系列的武夷山、永安、福清3 部雷达数据获取率均表现为从底层至某一高度层（武夷山、永安和福清分别为1800 m、2520 m 和1920 m）保持在0.95 以上，随高度变化不明显；而在此高度之上，则随高度增加而逐步减小至最低的0.2 左右。在1800 m 高度以上，三者数据获取率逐渐出现显著差异，其中永安最高，福清次之，武夷山最低；其差异在3840 m 处达到最大，永安和武夷山的数据获取率分别为0.78 和0.32，两者相差0.46。

图2 福建风廓线雷达水平风数据获取率Fig.2 Availability of horizontal winds detected by wind-profiler radars in Fujian Province

CFL-06 系列的建瓯、罗源、武平、建宁、连城、德化、平潭、平和及翔安9 部雷达数据获取率具有如下特征：（1）与CFL-03 系列雷达类似，CFL-06 系列的9 部雷达数据获取率也表现出从底层至某一高度层保持在0.95 以上，随高度变化不明显；而在此高度之上，则随高度增加而逐步减小至最低的0.2 左右。这一高度在2910 m（德化）至3630 m（翔安）之间，普遍高于CFL-03 系列雷达。（2）这9 部雷达数据获取率随高度减小这一趋势均在低、高模探测衔接高度4110 m 处出现中断，该层数据获取率较其紧邻的3990 m 高度层上的数值平均偏大0.08 左右。该现象在图2 中表现为数据获取率廓线在3990 m 与4110 m 之间折向左侧的尖角，这与风廓线雷达在3990 m 以下采用短脉冲发射（低模式）发射能量小、在4110 m 及其上采用长脉冲发射（高模式）发射能量大这两种工作模式有关。同时注意到，在CFL-03 系列的3 部雷达中，数据获取率廓线在低模向高模转换的高度层并未出现“折角”现象，这与其低、高模两种探测模式衔接高度（武夷山和永安为600 m、福清为840 m）远较CFL-06 系列的4110 m 低、因而风廓线雷达回波信号在600 m（840 m）高度减弱不明显有关。（3）4110 m 高度之上CFL-06 系列的9 部雷达再次呈现数据获取率随高度增加而减小的特征，并在9390 m 高度以上减小趋势变缓。（4）CFL-06 系列不同雷达间数据获取率相差也很大，德化明显低于其余8 部雷达，在4110 m 高度以下及以上翔安和平潭则分别略有优势。总体上，CFL-06系列雷达数据获取率的差异（最大相差0.2）远小于CFL-03 系列雷达间的差异（最大相差0.46）。

可见，与CFL-03 系列雷达相比，CFL-06 系列雷达不仅探测高度更高，而且除1.8 km 高度以下两者数据获取率相差不大外，在1.8 km 以上的相同高度层，其数据获取率显著高于前者。

按照有效数据获取率0.8 对应的高度为风廓线雷达有效探测高度（何平等, 2009），各雷达站有效探测高度不尽相同（表1），其中武夷山、福清最低，分别为2400 m 和2760 m；永安次之，为3720 m；其余9 站有效探测高度在5070～6510 m，德化最低，平潭最高。

4 风廓线雷达水平风质量分析

4.1 风廓线雷达水平风误差特征

4.1.1 散点分布特征

不考虑有效探测高度、有无降水影响等因素，分别考察福建12 部风廓线雷达水平风产品相对GFS 背景场的误差分布特征。图3 所示为2017 年风廓线雷达探测u 风（记为uo）相对于GFS 背景场（记为ub）的散点分布，可见12 部雷达u 风误差特征主要表现为：（1）散点分布的最基本特征为沿对角线成棒槌型分布。（2）各站均存在偏离对角线严重的点，分布特征不尽相同。总体而言，翔安、永安、武平u 风误差相对较小，散点基本沿对角线分布，偏离对角线严重的点明显少于其他站；而福清、建瓯、罗源、建宁、连城、德化、平潭、平和在uo=0 m s−1附近存在明显“污染带”现象，表现为ub为较强西风，而uo却在0 m s−1附近；武夷山则在ub=0 m s−1附近出现了较多异常偏差点。福清资料最差，棒槌型分布特征最不明显，“零污染带”现象最为显著，异常偏差点明显偏多。（3）棒槌型散点沿对角线分布并不完全对称，普遍偏向于ub一侧，说明ub大于uo的情况明显多于其小于uo的情况。因此，风廓线雷达u 风相对背景场存在明显系统性负偏差，小于背景场，不满足资料同化对背景场的无偏需求，需进行偏差订正。可将各风廓线雷达站u 风速均值作为偏差订正值，各测站原始数据减去各自的偏差订正值即可。

表1 基于水平风数据获取率阈值（0.8）的福建风廓线雷达有效探测高度Table 1 Effective detection altitude of Fujian wind-profiler radars based on the threshold (0.8) of horizontal wind availability

图3 风廓线雷达u 风速（uo）与GFS 背景场（ub）散点分布Fig.3 Scatterplots of u-wind speed detected by wind-profiler radars (uo) against GFS background (ub)

图4 所示为2017 年风廓线雷达探测v 风分量（记为vo）相对于GFS 背景场（记为vb）的散点分布，可见v 风误差的主要特征也表现为散点基本沿对角线分布，各站也有明显偏离对角线的点，但数量和偏离程度都远小于u 风分量，其中福清和武夷山在vb=0 m s−1附近出现了 “污染带”现象，但不显著。综合而言，v 风质量优于u 风。朱立娟（2015）在研究中指出风廓线雷达探测u 风和v 风与数值预报背景场相比在0 风速附近都出现了较多异常偏差点。本文进一步研究发现，u 风“零污染带”现象明显甚于v 风，且该现象不是在每部雷达中均出现，如翔安和永安等探测质量较好的雷达站，在u、v 风的0 风速附近均未出现较集中的异常偏差点。

定量统计各雷达站探测u、v 风相对GFS 背景场的标准差，可见各雷达站测风质量存在极大差异。CFL-03 系列的3 部风廓线雷达中，永安风廓线雷达探测水平风场质量相对最优，u（v）风标准差为2.72 m s−1（2.95 m s−1）；武夷山次之，u（v）风标准差为3.69 m s−1（3.70 m s−1）；福清最差，u（v）风标准差高达7.34 m s−1（5.13 m s−1）。CFL-06 系列的9 部风廓线雷达中，翔安风廓线雷达探测水平风场质量相对最优，u（v）风标准差为2.73 m s−1（2.58 m s−1）；武平次之，u（v）风标准差为2.86 m s−1（2.78 m s−1）；建瓯、建宁、德化、罗源、平潭、平和、连城依次再次之，u（v）风标准差范围为3.36～5.42 m s−1（2.76～4.66 m s−1）。因此，综合而言，翔安和永安风廓线雷达测风质量相对最优，武平次之，建瓯、建宁、德化、罗源、平潭、平和、连城依次再次之，福清最差。福清风廓线雷达测风质量远差于其他雷达站，可能与其是移动式风廓线雷达，雷达性能参数不同有关，其中雷达探测五波束方向与其他雷达极大不同：其余雷达均为垂直方向波束指向天顶方向，即垂直方向波束与铅垂线夹角为0°，东西、南北方向波束与铅垂线的夹角对称；而福清雷达垂直方向波束则偏离天顶方向，因而其垂直方向波束与铅垂线夹角不为0°，东西、南北方向波束与铅垂线的夹角并不对称，东西向不对称程度甚于南北向。此外，对各时次风廓线雷达探测和GFS 背景场水平风的垂直廓线及其在不同等高面上的水平分布进一步考察后发现，风廓线雷达探测水平风存在较大偏差的时次，往往大气在风廓线雷达探测的水平范围内是不均匀的，此时已不符合风廓线雷达计算水平风的均匀的假设条件，因此改进非均匀水平风条件下的风廓线雷达水平风产品的反演算法，可能是提高风廓线雷达水平风产品质量的关键环节。

图4 风廓线雷达v 风速（vo）与GFS 背景场（vb）散点分布Fig.4 Scatterplots of v-wind speed detected by wind-profiler radars (vo) against GFS background (vb)

4.1.2 资料偏差随高度分布特征

为进一步分析风廓线雷达水平风产品相对数值预报背景场的偏差在垂直方向上的分布特征，考察了12 部风廓线雷达探测u 风相对于GFS 背景场的偏差分布散点图（图5），发现不同雷达站u 风偏差随高度的分布特征具有极大差异。

武夷山、永安和福清为同一系列雷达，但u 风偏差随高度的分布却差异极大。永安u 风偏差值在各高度分布比较均匀，偏差绝对值大于10 m s−1的异常点相对较少，并主要集中在600 m 以下的边界层。武夷山站偏差较大的点则相对永安有所增加，特别是在600 m 以下低层和6720 m 以上的高层，后者偏差值异常大，极大值超过−60 m s−1。因此，可以确定图3 中武夷山站偏离对角线的点主要位于这两个高度层。图3 中福清站偏离对角线的散点相对较多，从图5 偏差随高度分布可见这些异常点分布于各高度，其极大值达±70 m s−1左右。此外，永安和武夷山站u 风偏差相对集中于±10 m s−1范围内，而福清站偏差则集中于−40～20 m s−1范围内。因此可见，尽管上述3 个雷达站系列相同，但测风质量却相差很大，相较而言，永安质量最佳，武夷山次之，而福清最差。

图5 风廓线雷达u 风速（uo）与GFS 背景场（ub）偏差垂直分布Fig.5 Vertical distributions of u-wind speed bias of wind-profiler radar products (uo) against GFS background (ub)

建瓯、罗源、武平、建宁、连城、德化、平潭、平和及翔安同为L 波段CFL-06 系列雷达，同样的，其u 风质量也相差很大。与图3 所示的翔安站u 风散点基本沿对角线分布特征一致，其偏差随高度分布相对均匀，异常点较少（图5），主要分布于1.5 km 以下及7～9 km，异常程度比其他测站小得多，在这9 部雷达中测风质量最优。武平次之，其偏差异常点主要集中在5～7.5 km 高度上，主要为负异常偏差，正是该范围内的负异常偏差点造成了图3 武平站uo风在0 风速附近的“污染带”现象。德化与武平比较类似，但异常点有所增多，集中分布在5～9 km 高度上，也主要为负异常偏差，这些负异常偏差点引起了图3 中德化站uo风在0 风速附近的“污染带”现象。而建宁、建瓯、罗源、平潭、连城、平和站u 风异常偏差点则依次增加得更多，导致其uo风在0 值附近“污染带”现象的异常偏差点则依次分布在4.5～10 km、4～10 km、3.5～10 km、4～7.5 km、4～10 km 及4～10 km 高度上。其中平和站是该系列9 部雷达中测风质量最差的，其异常偏差点最多，值相对较大，可达−70 m s−1的负偏差。此外，建宁、建瓯、罗源和平潭均在1.5 km 高度以下存在相对集中的正偏差异常点，而这些异常点则对应于图3 中各雷达站对角线上方偏离对角线的那些点。

总体而言，除翔安、永安各层u 风偏差相差不大，未出现比较集中的偏差异常点之外，其余10 个站均有不同程度的偏差异常点，其分布高度、偏差异常程度不尽相同，并且高层偏差普遍大于低层的。

同样的，对v 风偏差随高度的分布特征也进行了考察（图6），发现各雷达站探测的v 风分量出现较大偏差的资料数明显少于u 风分量，且未呈现高层偏差显著大于低层的特点，也即整体而言风廓线雷达探测的v 风与模式背景场的偏差要明显小于u 风的。对不同雷达站而言，则有所差异。与u风类似，在相同系列的武夷山、永安和福清雷达中，永安雷达测风质量相对最优，偏差异常点明显少于其他2 部雷达，福清依然为最差，并可判断其在图4 中偏离对角线的点主要分布在3～4 km，极大值可达±60 m s−1。而在另外9 部系列相同的雷达中，翔安雷达探测v 风质量最优，偏差范围窄，集中分布在−10～10 m s−1；而连城雷达偏差分布范围较广，异常偏差点多，且高层偏差程度甚于低层。

图6 风廓线雷达v 风速（vo）与GFS 背景场（vb）偏差垂直分布Fig.6 Vertical distributions of v-wind speed bias of wind-profiler radar products (vo) against GFS background (vb)

4.1.3 资料偏差概率密度分布

图7 给出了12 部风廓线雷达u 风与GFS 背景场在所有高度层上差值的概率密度分布，可见各雷达u 风偏差概率密度分布均呈钟型，中间高，两端逐渐下降，左右不完全对称，左侧直方柱在其底部明显高于右侧。差值大部分集中在0 m s−1附近，其中永安、建宁、武平、平和4 部雷达u 风差值在0 m s−1附近的概率密度相对较大，其值在18.18%至17.95%；翔安、建瓯、武夷山、罗源4 部雷达相对次之，其值在17.41%至17.02%；德化雷达再次之，占16.08%，上述9 部雷达u 风差值概率密度分布呈现出钟型分布高耸的特征，其绝对值大于4 m s−1的差值相对较少，约占9.09%（翔安）～13.11%（罗源）。而平潭、连城和福清雷达u风差值在0 m s−1附近的概率密度仅为13.19%、11.36%和8.64%，钟型分布较永安等9 部雷达依次变得更加低矮、宽平，其绝对值大于4 m s−1的差值概率密度则依次增加到18.84%、23.42%和39.38%。

与u 风类似，各雷达v 风差值概率密度分布（图8）也均呈钟型，中间高，两端逐渐下降，但与u 风差值概率密度分布左侧直方柱在其底部明显高于右侧不同，v 风差值概率密度分布左右大致对称。v 风差值也大部分集中在0 m s−1附近，除福清站v 风差值在0 m s−1附近的概率为12.22%，较其u 风差值概率的8.64%增大较明显外，其余雷达站v 风差值在0 m s−1附近的概率与其u 风差异不大。

综上可见，福建12 部风廓线雷达u 风偏差不完全满足资料同化所需的正态分布需求，而v 风则相对较好。因此，做好各雷达站水平风资料的质量控制，使其满足正态分布必须加以考虑。

4.1.4 相关系数与标准差

图9 给出了福建12 部风廓线雷达探测的u 风速与GFS 背景场的相关系数和标准差随高度的分布，可以更加直观和定量地反映各雷达站在不同高度上的水平测风质量，由图可见不同雷达站u 风相关系数和标准差廓线分布差异很大，具体表现为如下特征：

图7 风廓线雷达u 风速（uo）与GFS 背景场（ub）差值的概率密度分布Fig.7 Probability density distributions (PDF) of differences between u-wind speed detected by wind-profiler radars (uo) and GFS background (ub)

武夷山站从最低层至6600 m 高度u 风标准差在2.1～4.3 m s−1，而在6720 m 以上的4 个高度层，其标准差从6.88 m s−1迅速增加到19.835 m s−1，可见，武夷山站u 风偏差异常主要位于6720 m 高度以上。武夷山720 m 高度以下标准差虽然不大（最大3.171 m s−1），但相关系数相对较小（其值范围为−0.04～0.62），而且越接近地面其值越小，说明该范围内风廓线雷达探测的u 风风向与背景场可能存在不协调，而之所以在标准差上表现不明显则可能因为低层风速小，即使出现风向的反向也不会带来较大的风速误差。为验证这一推断，普查了武夷山站风廓线雷达探测水平风与GFS 背景场的分布，发现在720 m 高度以下的边界层，确实较常出现两者风向不协调甚至反向的情况，而此时两者的风速都相对较小，因此风速误差并不大。通常在进行资料同化时，一般会将观测背景差绝对值大于3～5倍观测误差（往往以观测资料的标准差作为观测误差）的数据作为“坏”数据剔除掉（仲跻芹等,2017），而对于此类数据，虽然其风向反向但风速较小，其观测背景差往往并未超出3～5 倍观测误差的范围，因而无法将其剔除。但结合相关系数的统计，则可以将该高度范围列为不可靠数据高度而予以剔除。在840～6600 m 高度上，武夷山站相关系数较高，标准差较小，u 风数据可信度较高；而在6720 m 以上相关系数小、标准差大，u 风数据可信度较低。

翔安站测风数据质量最优，除最低层u 风相关系数小于0.8（其值为0.735）外，其余各层相关系数在0.81～0.99，除最高层10110 m 标准差为5.21 m s−1相对较大外，其余层次u 风的标准差在1.91～4.1 m s−1，表明翔安站整层数据的可信度相对较高。而福清站测风数据质量相对最差，u 风的相关系数范围为−0.02～0.75，标准差范围为3.71～14.99 m s−1。因此，福清站整层数据的可信度均较差，而这些数据均是通过了厂家质检达到可信度100%的数据，很显然，在未经过进一步质量控制的情况下，该站数据质量并不理想，应谨慎使用。

相对而言，永安风廓线雷达探测u 风相对较好，其标准差从最低层到6720 m 取值范围为1.64～3.60 m s−1，仅在6840 m 及其上3 个高度层标准差略大，分别为4.73、4.57、5.69 m s−1；永安站960 m高度以下相关系数较低（其值范围为0.07～0.66），在其上相关系数相对较大（其值范围为0.71～0.97）。武平雷达探测u 风的相关系数和标准差的廓线分布与永安较为类似，其标准差除在最高层10110 m 达4.99 m s−1相对较大外，其余各层u 风的标准差在1.47～4.35 m s−1；类似地，武平站u风相关系数也在低层较低，630 m 高度以下相关系数较小（取值范围为0.178～0.641），在其上相关系数较大（其值范围为0.70～0.98）。

图8 风廓线雷达v 风速（vo）与GFS 背景场（vb）差值的概率密度分布Fig.8 Probability density distributions of differences between v-wind speed detected by wind-profiler radars (vo) and GFS background (vb)

建瓯、罗源、建宁、连城、德化、平潭、平和各站u 风相关系数和标准差的廓线分布各不相同，但总体特征为：低层标准差不大，但相关系数却较小；在其上一定高度范围内标准差相对较小、相关系数相对较大（大于0.8）；而在超过这一高度层后，标准差急剧加大、相关系数迅速减小。标准差相对较小而相关系数相对较大的高度范围在不同雷达站不尽相同。如果以相关系数大于0.7 和标准差小于4.5 m s−1作为u 风探测资料可信度较高的层次，那么建瓯、罗源、建宁、连城、德化、平潭、平和各雷达站所在的层次分别为1110～6030 m、390～3990 m、750～7710 m、870～3750 m、510～4830 m、270～4110 m、510～5070 m。

图9 风廓线雷达u 风速与GFS 背景场相关系数（实线）与标准差（虚线，单位: 10 m s−1）的垂直分布Fig.9 Vertical distributions of standard deviations (dashed line, units: 10 m s−1) and correlations (solid line) between u-wind speed detected by windprofiler radars and GFS background

特别注意到，12 部风廓线雷达探测的1 km 以下边界层内水平风与背景场的相关系数均明显低于其他层次，并在最低层达到极小值。这不难理解，一方面，因为越靠近地面，风的不均匀性越强，并且受地面遮挡物的影响更大，乱流现象也更为突出；另一方面，GFS 的模式地形可能对低层风场特别是边界层风有较大影响，因而风廓线雷达探测水平风与模式背景场的相关系数相对差于高层。为了探究不同雷达对低层风的探测能力的差异，表2 给出了福建12 部风廓线雷达探测的最低层水平风与模式背景场的相关系数分布（鉴于CFL-03 系列雷达探测最低层高度为60 m，低于CFL-06 系列雷达的150 m，为便于对比，同时给出了相近高度层180 m 处的结果），可以发现如下特点：

（1）CFL-06 系列雷达探测的低层u 风相关系数明显大于CFL-03 系列雷达，前者9 部雷达探测150 m 高度u 风的相关系数范围为0.146～0.735，而后者探测60 m 高度u 风的相关系数仅为−0.022～0.066，将探测高度增加到180 m 其相关系数也仅为−0.023～0.144。CFL-03 系列的3 部雷达中既有海拔超过200 m 的测站（武夷山、永安），也有51.9 m 海拔较低的雷达站（福清），而CFL-06 系列中也均有与之海拔接近的雷达站，因此该结果的得出已考虑了海拔的影响。不同雷达对低层v 风探测能力相对u 风而言差异减小。因此，总体而言，CFL-03 系列雷达低层测风能力不及CFL-06 系列雷达。

表2 福建风廓线雷达探测最低层水平风与GFS 背景场的相关系数Table 2 Correlations of horizontal winds in the lowest level detected by Fujian wind-profiler radars with GFS background

（2）翔安风廓线雷达探测低层风与模式背景场的相关（u、v 风相关系数分别为0.735 和0.847，均为最高）明显优于其他雷达站，这一方面得益于翔安站位于我国东南沿海，低层风向风速较内陆地区变化更为均匀，而另一方面，则因其雷达良好的性能。注意到，平潭站亦为海岛站，其地理位置、海拔高度与翔安接近，且雷达系列相同，但无论低层风场的相关系数、整层数据的标准差和相关系数、散点分布特征，平潭站都远不及翔安站。

与福建12 部风廓线雷达探测u 风与模式背景场的相关系数和标准差廓线分布所呈现出的多种分布形态不同，v 风相关系数和标准差的廓线分布特征则相对简单（图10），各雷达站相关系数和标准差的垂直廓线除边界层低层外，呈现出明显的近似对称特征，即当相关系数较小（大）时，标准差则相对较大（小）。在边界层低层，与u 风一样，也表现为标准差较小、而相关系数相对较小的特征。翔安站则例外，从低层到高层，v 风相关系数和标准差的变化幅度相对较小，在低层相关系数也较大，达0.732。福清和连城对v 风的探测在12 部雷达中依然最差，标准差从低层到高层增加明显，而其他雷达从低层到高层v 风标准差变化的趋势明显小得多。整体而言，v 风探测质量优于u 风。

4.2 有、无降水风廓线雷达水平风特征

4.2.1 资料获取率

风廓线雷达的探测高度除了与雷达技术指标有关之外，受天气状况的影响很大。当有天气系统过境、高空水汽增加时，伴有探测高度明显增加现象（李晨光等, 2003; 汪学渊等, 2013），降水期间风廓线雷达水平风平均探测高度可以增高2 km 以上（何平等, 2009），而强降水的强度与最大探测高度和增幅呈现出正相关的特征（陈红玉等, 2016）。

为了进一步确定福建12 部风廓线雷达在有、无降水不同大气条件下的探测能力，对两种大气条件下的风廓线雷达水平测风分别进行统计分析，其中有降水定义为：在统计时刻的前、后3 h 之间地面观测有降水；其余样本则为无降水。图11 为有、无降水不同大气条件下分别统计的各站资料获取率，可见：福建12 部风廓线雷达均表现为从最底层至某一高度层有降水时的数据获取率小于无降水时，而在此高度之上，有降水时的资料获取率则显著大于无降水时。各雷达有、无降水时数据获取率相对大小发生转变的这一高度层不尽相同，差异较大，CFL-03 系列的3 部雷达武夷山、永安、福清分别为1500 m、2700 m 和2200 m，而CFL-06 系列的9 部雷达在3100 m（连城）至4500 m（罗源）之间。进一步分析发现，有降水时风廓线雷达探测高度明显增加，在相同数据获取率下，有降水时探测高度一般会增加2～3 km，这与何平等（2009）研究结果一致。何平等（2009）解释了降水天气下风廓线雷达探测水平风产品高度明显增加的两个可能原因：一是降水天气来临时，高层水汽含量增加，使得折射率结构常数加大，从而导致探测高度增加；另外，降水天气来临时，高层出现冰晶等粒子，易于产生有效的粒子散射信号，从而被雷达检测到。

4.2.2 标准差

图12 给出了福建12 部风廓线雷达与模式背景场的u 风速在有、无降水条件下以及所有样本下的标准差随高度的分布情况，可见，对永安、武平和翔安站而言，有、无降水u 风速标准差廓线有差异，但相对其余9 部雷达而言小得多，差异一般在±1.5 m s−1范围内，在多数层次表现为有降水时的标准差略大于无降水时。而基于所有样本统计的标准差廓线则介于有、无降水两者之间，并更接近于无降水时的廓线分布。这不难理解，因为12 部雷达有降水的样本数在总样本数中占比仅为6.5%～14.8%，远低于无降水的。

图10 风廓线雷达v 风速与GFS 背景场相关系数（实线）与标准差（虚线，单位: 10 m s−1）的垂直分布Fig.10 Vertical distributions of standard deviations (dashed line, units: 10 m s−1) and correlations (solid line) between v-wind speed detected by windprofiler radars and GFS background

有、无降水对其余9 部雷达u 风质量的影响则不同，一般在3～5 km 以下的中低层，有降水使u风的标准差增加，而在中高层，特别是每部雷达u风标准差明显偏大的层次，有降水则使u 风的标准差大大降低，如罗源在3390～7470 m 21 个连续垂直层上，有降水时的标准差较无降水时降低了0.15～6.48 m s−1，标准差减小幅度很大；武夷山、福清、建瓯、建宁、连城、德化、平潭、平和均表现出类似特征。可见，上述9 部雷达u 风标准差异常偏大的层次，无降水情形下误差偏大明显甚于有降水情形。

有、无降水对各雷达站v 风标准差的影响与u风不同，各雷达站在大多数高度上有降水情形下的标准差都偏大于无降水的情形，其中翔安雷达站差异最不明显（图略）。

图11 风廓线雷达有降水（实线）、无降水（虚线）情形下水平风数据获取率Fig.11 Availability of horizontal winds detected by wind-profiler radars under the condition with (solid line) and without (dashed line) precipitation

图13 给出了有降水减无降水情形下风廓线雷达u、v 风相对GFS 背景场的标准差差值垂直分布，可以更加直观地看到有、无降水对风廓线雷达水平风标准差的影响，可见：有降水对风廓线雷达水平测风有较明显的影响，特别是对u 风的影响更为显著。总体而言，有降水使各雷达站各垂直层次上的v 风标准差以增大为主，增幅绝大多数位于1 m s−1以内；对u 风而言，有降水使各雷达站3 km 以下层次的u 风标准差以增大为主，增幅绝大多数位于1 m s−1以内，但对3 km 以上层次的u 风标准差则以减小为主，且减小幅度大幅提高。因此，对3 km以下的中低层风廓线雷达水平测风而言，降水使其整体质量有所降低，但对3 km 以上的中高层风廓线雷达水平测风而言，降水对其影响较为复杂，一方面增加了v 风的误差，但另一方面又极大地降低了u 风的误差。

从整层数据平均来看，仅除罗源、连城和平潭的u 风标准差在有降水情形下小于无降水情形之外，其余雷达u（v）风标准差均大于无降水时。有降水情形下，各雷达站测量水平风质量仍与雷达性能密切相关，也即在无降水情形下测风质量较好的翔安、永安、武平站，在有降水情形下，测风质量仍是其中较好的。

图12 风廓线雷达u 风速与GFS 背景场标准差的垂直分布（蓝线：有降水；黑线：无降水；红线：所有样本）Fig.12 Vertical distributions of u-wind speed standard deviations of wind-profiler radar products relative to GFS background (blue line denotes samples with precipitation, black line indicates samples without precipitation, and red line shows all samples)

5 风廓线雷达水平风质量控制分析

5.1 风廓线雷达水平风高可信度区间的确定

对福建12 部风廓线雷达水平风产品的数据获取率（图2）、相对于模式背景风场的散点分布（图3，图4）及其偏差随高度的分布特征（图5，图6）等进行综合分析，发现：

（1）同为L 波段LC 型号风廓线雷达，CFL-06 和CFL-03 系列雷达间差异明显，前者在水平风的最大探测高度、有效数据获取率和探测低层水平风的质量等方面明显优于后者。

图13 有降水减无降水情形下风廓线雷达（a，b）u 风速、（c，d）v 风速相对GFS 背景场的标准差差值的垂直分布Fig.13 Vertical distributions of differences in standard deviations of (a, b) u-wind speed and (c, d) v-wind speed detected by wind-profiler radars against GFS background with and without precipitation

（2）在同一系列雷达中，探测水平风质量也存在巨大差异。如武夷山和永安均为CFL-03 系列雷达，其测风模式、测风起始和终止高度、低模和高模衔接层次等完全一致，且海拔高度相近，均为我国内陆东南山地风廓线雷达站，但两者测风能力相差较大，永安明显优于武夷山，表现在：永安水平风数据获取率明显高于武夷山站；永安水平风偏差值在各高度分布均匀，异常点较少，而武夷山站在600 m 以下低层和6720 m 以上的高层有较多异常偏差值，极大偏差值超过−60 m s−1；永安各层标准差和相关系数均优于武夷山，特别是6720 m 以上的高层。福清与武夷山、永安雷达低、高模衔接高度略有不同，但其测风质量却明显差于永安和武夷山，其水平风偏差异常点多，异常程度高，并在各高度层均有分布，在风廓线雷达水平0 风速附近存在明显的“零污染带”现象。

（3）CFL-06 系列的9 部雷达中，探测水平风质量也存在巨大差异。如翔安和平潭测风模式完全一致，且海拔高度相近，均为我国东南沿海风廓线雷达站，但两者测风能力相差较大，翔安明显优于平潭，表现在：翔安水平风场散点分布基本沿对角线分布，偏差在各层分布均匀，异常点较少；而平潭在风廓线雷达水平0 风速附近存在明显的“零污染带”现象，异常偏差点主要分布在4～7.5 km 高度，翔安各层标准差和相关系数均优于平潭。其他雷达站间差异也非常大。

以上分析可见，福建12 部雷达同为L 波段LC 型号风廓线雷达，但测风质量相差很大，其有效探测高度、偏差异常所在的高度、数据可信度高的层次各不相同。朱立娟（2015）对20 部LC 边界层风廓线雷达一个月的数据进行整体分析后，发现水平风标准差在3 km 高度以上开始明显递增，因此将3 km 设定为该型号雷达的有效探测高度，从而将u、v 风的标准偏差分别由5.19 m s−1和3.95 m s−1减小为2.51 m s−1和2.59 m s−1，极大地降低了LC型号风廓线雷达进入模式的数据的标准差。王丹等（2019）则结合吴蕾等（2013）、朱立娟（2015）已有研究经验将LC 边界层风廓线雷达的有效探测高度设定为4 km 进行质量控制。本文分析表明，基于所有风廓线雷达水平风资料分析得到的整体误差特征，会掩盖不同雷达误差特征的差异性和多样性。如以u 风标准差大于4.5 m s−1所在的最低高度为例，福清站仅为840 m，而与其同系列的永安和武夷山站则分别可以达到6840 m 和6720 m；而在另一系列的9 部雷达中，最差的连城站为3870 m，最优的翔安和武平站则能达到10110 m。因此，设定统一的高度作为LC 型号风廓线雷达的有效探测高度来进行质量控制，一方面可能无法将某些质量较差的测风数据剔除，另一方面更为重要的是，可能会丢掉许多“好”的数据，从而无法最大限度地发挥探测资料的价值。因此，为了最大限度地使用探测资料，针对各风廓线雷达站分别开展水平测风质量分析，制定差异化的质量控制方案显得尤为必要。

基于前文分析结果，以标准差不大于4.5 m s−1作为阈值来选取各雷达站水平风可信度高的范围，表3 列出了各站u、v 风标准差小于4.5 m s−1的区间范围，基于连续性考虑，一旦某高度层标准差大于阈值，即视为终止高度，其上再出现的标准差小于阈值的高度层将不被采信。由表3 可见各雷达站u、v 风可信度高的区间范围各不相同，差异很大，如u 风在福清站的可信度高的区间终止高度为720 m，而翔安站和武平站可达9870 m，其余9站则在3750～7710 m 不等；v 风可信度高的区间终止高度差异也极大，从1680～9870 m 不等。u、v 风可信度高的范围并不完全一致，两者重合的范围即作为该雷达站水平风可信度高的区间范围（表3）。

表3 福建风廓线雷达水平风标准差小于4.5 m s−1 的高度Table 3 Heights with the standard deviation of horizontal winds detected by Fujian wind-profiler radars less than 4.5 m s−1

5.2 不同质量控制方案的对比分析

朱立娟（2015）、王丹等（2019）采用固定有效探测高度的方法对LC 边界层风廓线雷达进行质量控制，取得了较好效果，那么如果根据每部雷达特点制定差异化的质量控制方案其效果又会如何呢？本文统计分析得到的福建12 部风廓线雷达不同的有效探测高度（表1）及不同的水平风高可信度区间（表3），是否可以作为制定差异化质量控制方案的依据？与3 km 固定有效探测高度方案相比，其质量控制效果如何？为回答上述问题，本文针对福建12 部风廓线雷达开展以下三种质量控制方案的对比分析。

方案1：固定有效探测高度（3 km）质量控制方案，也即各雷达3 km 高度以上的数据将被剔除。

方案2：不同有效探测高度质量控制方案，也即各雷达采用表1 所对应的有效探测高度，其上高度的数据将被剔除。

方案3：不同高可信度区间质量控制方案，也即各雷达根据表3 将不在高可信度区间范围之内的数据予以剔除。

图14a–c 分别给出了采用上述三种方案质量控制前后的水平风标准差、平均误差及剔除数据比例的统计结果，图中0 代表原始数据；1 代表剔除了3 km 以上高度的数据；2 代表剔除了数据获取率小于80%所在高度层的数据；3 代表剔除了u、v 风标准差≥4.5 m s−1所在高度层的数据。由原始数据的误差统计结果可见，各雷达站u 风标准差差异很大，永安和翔安站最小，分别为2.72 m s−1和2.73 m s−1，福清站最大，为7.34 m s−1。除永安、翔安和武平u 风标准差在3 m s−1以下外，其余9 站均大于3.36 m s−1，5 站大于4.34 m s−1。v 风标准差仅除武夷山和永安略大于u 风标准差外，其余10 站均小于u 风标准差。u 风平均误差在−0.67 m s−1（翔安）～−2.35 m s−1（福清）间，均为负偏差，除翔安（−0.67 m s−1）和德化（−0.96 m s−1）外，其余各站平均误差均较大。v 风平均误差小于u 风，数值在−0.06～−1.22 m s−1间，仅德化和平潭平均误差超过−1 m s−1。

图14 （a）方案1、（b）方案2 及（c）方案3 质量控制前后福建12 部风廓线雷达水平风与GFS 背景场的标准差（STD）、平均误差（ERR）及数据剔除率（PDR）（0 代表无质量控制，1、2、3 分别代表方案1、方案2 和方案3）Fig.14 Standard deviations (STDs) and mean errors (ERR) of horizontal winds detected by 12 wind-profiler radars in Fujian Province against GFS background and their percentages of data rejection (PDR)before and after QC with schemes 1 (a), 2 (b), and 3 (c), respectively (0 indicates no QC. 1, 2, and 3 denote QC with schemes 1, 2, and 3,respectively)

采用方案1 的统计结果（图14a）可见，除翔安和永安原始数据统计的标准差本来就不大，因而剔除3 km 高度以上数据后误差无明显变化外，大多数雷达站u、v 风标准差明显减小，由原始数据的u 风标准差2.72～7.34 m s−1减小到2.25～5.35 m s−1，v 风 标 准 差 则 由2.49～5.13 m s−1减 小 到2.33～4.12 m s−1，u 风平均误差由−0.67～−2.35 m s−1减小到−0.42～−1.23 m s−1，v 风平均误差由−0.06～−1.22 m s−1减小到0.2～−0.97 m s−1及0.13 m s−1，u、v 风均值偏离0 m s−1的程度总体上有所减小，偏差值基本在0 m s−1附近。因此，将3 km 作为各雷达站的有效探测高度，剔除3 km 高度以上的数据后，确实极大地降低了风廓线雷达水平风的标准差和平均误差，但福清雷达u、v 风标准差（5.35 m s−1和4.12 m s−1）仍显著偏大。同时注意到，各雷达站被剔除的数据占原始数据的比例为20.87%～51.04%，其中CFL-06 系列的9 部雷达数据剔除率均在50%左右。

采用方案2 的统计结果（图14b）发现，该差异化的质量控制方案，也能够在原始数据基础上降低水平风误差，u 风标准差减小到2.56～5.23 m s−1，v 风标准差减小到2.28～4.29 m s−1，u 风平均误差减小到−0.26 ～−1.74 m s−1，v 风平均误差减小到−0.15～−1.13 m s−1及0.18 m s−1，各雷达站被剔除的数据占原始数据的比例为12.13%～34.83%，说明采用不同有效探测高度的差异化质量控制方案也能够在原始数据基础上降低水平风的误差，且剔除的数据相对较少，其中CFL-06 系列的9 部雷达数据剔除率降至12%～19%。同时注意到，尽管水平风误差与原始数据相比有所减小，但福清、罗源、连城、平潭等站误差依然较大。

而采用方案3 的误差对比（图14c）分析表明，各雷达站剔除不同高可信度区间范围之外的资料后，也能够在原始数据基础上降低水平风误差，各雷达站u 风标准差减小到了2.43～3.93 m s−1，v 风标准差 减 小 到 了2.28～3.56 m s−1，u 风 平 均 误 差 为−0.63～−1.29 m s−1及1.36 m s−1，v 风平均误差为−0.14～−1.12 m s−1及0.92 m s−1，较原始数据误差均明显降低，各雷达站被剔除的数据占原始数据的比例为0.36%～78.3%，说明采用不同高可信度区间的差异化质量控制方案也能够在原始数据基础上降低水平风的误差，但剔除数据在不同雷达间存在明显差异。

以上分析表明，采用3 km 固定有效探测高度、不同有效探测高度及不同高可信度区间等三种质量控制方案，均能够在原始数据基础上降低水平风误差，但各方案误差减小幅度不同，剔除数据比例亦不同。为进一步了解三种质量控制方案的特点和差异，下面对比分析三种不同质量控制方案对每一个雷达站的影响（图15），发现了以下特征：

图15 三种不同质量控制方案下风廓线雷达水平风与GFS 背景场的标准差及数据剔除率（STD 代表标准差；PDR 代表数据剔除率；数字代表相应的质量控制方案）Fig.15 Standard deviations of horizontal winds detected by windprofiler radars against GFS background and their percentages of data rejection with three different QC schemes (STD denotes standard deviation. PDR indicates percentages of data rejection. Numbers i ndicate the corresponding QC scheme)

（1）对翔安、永安、武平、武夷山、建瓯、建宁、德化等原始数据水平风误差相对较小的雷达站，三种质控方案误差差异不大，但两种差异化质量控制方案极大地降低了固定有效探测高度方案对“好”数据的剔除，尤其是不同高可信度区间方案，效果更为显著。

具体而言，翔安风廓线雷达原始数据u（v）风标准差为2.73 m s−1（2.58 m s−1），采用方案1、方案2 及方案3 等三种不同质控方案后则分别减小为2.72 m s−1（2.50 m s−1）、2.64 m s−1（2.49 m s−1）和2.71 m s−1（2.57 m s−1），三种方案误差差异不大，但数据剔除率却相差极大，方案1 高达50.09%，方案2 降低为17.08%，方案3 则进一步降低，仅为0.36%。也即采用方案1 翔安有一半的数据被剔除掉，而这些数据质量并不差；采用方案2 和方案3 仅剔除17.08%和0.36%的数据即达到了与方案1 剔除了50.09%的数据相当的效果。类似的还有永安站，原始数据u（v）风标准差为2.72 m s−1（2.95 m s−1），采用方案1、方案2 及方案3 进行质控后u（v）风标准差分别为2.52 m s−1（3.05 m s−1）、2.56 m s−1（3.05 m s−1）和2.67 m s−1（2.94 m s−1），u 风标准差均有所下降，v 风标准差除了方案3 有所下降外，其余两个方案略有上升。同样的，三种方案误差差异不大，但数据剔除率却相差极大，方案1 高达37.56%，方案2 降低为26.38%，而方案3 则仅为1.38%。武平站原始数据、采用方案1、方案2 以及方案3 后u 风标准差分别为2.86 m s−1、2.47 m s−1、2.65 m s−1和2.85 m s−1；v 风标准差分别为2.78 m s−1、2.66 m s−1、2.63 m s−1和2.77 m s−1，三种质控方案下水平风的标准差均有所降低，其中方案3 误差减小的最少。三种方案标准差都小于3 m s−1，均在可以接受的范围之内，但方案1 却以剔除了48.71%的数据为代价，方案2 将该比例降低为19.04%，而方案3 则进一步降低为0.32%。因此，对于翔安、永安和武平风廓线雷达站而言，三种质控方案水平风误差相差不大，但数据剔除率差异巨大：方案1 数据剔除率在37.56%～50.09%，方案2 为17.08%～26.38%，方案3 则为0.32%～1.38%。

武夷山、建瓯、建宁、德化站，采用方案2 和方案3 的u 风标准差高于（方案2 下武夷山除外）、v 风标准差低于（武夷山、建瓯、建宁）或接近于（德化）方案1 的标准差，三种方案u、v 风标准差差值绝对值范围在0.01～0.29 m s−1，相对而言相差不大，并且除武夷山站v 风标准差仍然大于3 m s−1外，其余均小于3 m s−1，但方案2 和方案3 的资料剔除率相较方案1 明显减少，其中方案2下武夷山、建瓯、建宁、德化站的资料剔除率分别减少了−9.98%、31.11%、31%和27.36%；方案3则分别减少了16.57%、34.44%、43.69%和25.55%，除方案2 武夷山站资料剔除率略有增长外，其余均减小，且方案3 较方案2 资料剔除率减小的幅度更大（德化除外）。注意到，尽管武夷山站方案2 较方案1 数据剔除率增加了9.98%，但方案2 的u、v 风标准差较方案1 均有所减少；而德化站方案3较方案2 资料剔除率增加了1.81%，但方案3 的u、v 风标准差较方案2 均有所降低。

以上分析表明，对于翔安、永安、武平、武夷山、建瓯、建宁、德化而言，不同高可信度区间方案最优，不同有效探测高度方案次之，3 km 固定有效探测高度方案再次之。

（2）对福清等原始数据水平风误差相对极大的雷达站，采用固定有效探测高度方案后误差依然较大，但两种差异化质控方案可进一步剔除“坏”数据，使误差进一步有所下降，尤其是不同高可信度区间方案，效果更为显著。具体而言，福清站原始数据u（v）风标准差为7.34 m s−1（5.13 m s−1），采 用 方 案1 后u（v）风 标 准 差 降 至5.35 m s−1（4.12 m s−1），误差仍然非常大；采用方案2 后u（v）风标准差进一步降至5.23 m s−1（3.97 m s−1），但仍较大；采用方案3 后u（v）风标准差降至3.93 m s−1（3.16 m s−1），误差较前两种方案明显降低。方案1 数据剔除率为30.93%，方案2 增加为34.83%，而方案3 则进一步增加为78.3%，说明不同高可信度区间方案有效地实现了差异化的质量控制目标，效果非常显著。以上分析表明，对福清站而言，不同高可信度区间方案最优，不同有效探测高度方案次之，3 km 固定有效探测高度方案再次之。

（3）对罗源、连城、平潭、平和等原始数据水平风误差相对较大的雷达站，不同高可信度区间方案最优，3 km 固定有效探测高度方案次之，不同有效探测高度方案再次之。具体而言，罗源、连城、平潭、平和站，u 风标准差在4.34 m s−1（罗源站）～5.42 m s−1（平和站），如图15 所示可见方案1 与方案3 分别将罗源、平和站的u 风标准差降到了2.79 m s−1和2.43 m s−1以下，其中方案3 较方案1 的资料剔除率分别降低了17.93%和27.35%；而方案2 则不同，虽然其较方案1 的资料剔除率降低幅度更大（分别为36.87%和34.48%），但其u 风标准差分别为3.92 m s−1和3.23 m s−1，仍然较大。对连城站而言，原始数据u（v）风标准差为4.88 m s−1（4.66 m s−1），采用方案1 后数据剔除率为50.96%，标准差降至3.45 m s−1（3.54 m s−1），误差仍较大；采用方案3 后数据剔除率提高为57.07%，标准差则进一步降至3.42 m s−1（3.38 m s−1），进一步说明了不同高可信度区间质量控制方案的优越性。对平潭站而言，原始数据u（v）风标准差为4.81 m s−1（3.19 m s−1），方 案1 将 标 准 差 降 至3.28 m s−1（2.91 m s−1），资料剔除率51.04%；方案3 则进一步将标准差降至3.11 m s−1（2.72 m s−1），误差明显降低，但数据剔除率却降低为33.29%，表明对平潭站而言，相较于不同高可信度区间的质控方案，固定有效探测高度方案剔除了更多的资料，误差却不降反升，表明许多“好”数据被剔除了。对连城和平潭站而言，方案2 数据剔除率低于另外两种方案，但其未将误差降至合理区间，标准差仍然高达4.66 m s−1和4.83 m s−1，说明不同有效探测高度方案对连城和平潭站质控效果不好。

综上所述，对福建12 部风廓线雷达而言，均是不同高可信度区间方案最优；其中对翔安、永安、武平、福清、武夷山、建瓯、建宁、德化等8 部雷达而言，不同有效探测高度方案优于3 km 固定有效探测高度方案；而对罗源、连城、平潭、平和等4 部雷达而言，则反之。以上分析表明，采用差异化的质量控制方案，特别是不同高可信度区间方案，不同雷达站的水平测风数据得到更加充分和有效的识别，一方面减少了不必要的资料损失，另一方面则可将质量不好的数据进一步加以剔除。

5.3 有降水时水平风场质量控制方案

基于4.2.2 节统计的各雷达站在有降水情形下u、v 风标准差随高度的分布特征，同样以标准差不大于4.5 m s−1作为阈值得到了各雷达站水平风可信度高的连续区间范围（表4），与不区分有无降水所有样本统计得到的高可信度区间范围（表3）相比，可见永安、建瓯、罗源、德化、平潭和平和站在有降水情形下的高可信度区间范围更大，翔安站范围相同，而武夷山、福清、武平、建宁和连城站范围则略有减小。

依照高可信度区间方案对有降水情形下的各风廓线雷达水平测风数据进行初步的质量控制，也即在有降水情形下，各雷达按照表4 将高可信度区间范围之外的数据予以剔除。图16 给出了有降水情形下各雷达站质量控制前后的水平风标准差分布，可见，有降水情形下原始数据统计的各雷达站水平风标准差差异很大，u 风标准差为3.12 m s−1～7.88 m s−1，v 风标准差为2.83 m s−1～5.54 m s−1，经初步质量控制后，u 风标准差减小为2.93 m s−1～4.33 m s−1，v 风标准差减小为2.71 m s−1～4.20 m s−1，各雷达站u、v 风标准差经质量控制后均有所减小，其中翔安、武平、永安等3 部水平风质量较好的雷达在质量控制后u、v 风标准差降低幅度较小，其余9部雷达质控后u、v 风标准差均有较大幅度的减小，特别是福清、罗源、连城、平潭、平和等站，水平风标准差减小幅度最高达到了51%。

表4 有雨情形下福建风廓线雷达水平风标准差小于4.5 m s−1的高度Table 4 Heights with the standard deviation of horizontal winds detected by Fujian wind-profiler radars less than 4.5 m s−1 under precipitation condition

图16 有降水情形下不同高可信度区间方案质量控制前后风廓线雷达水平风与GFS 背景场的标准差（0 代表有降水样本；3 代表有降水样本中剔除了u、v 风标准差≥4.5 m s−1 所在高度层的数据）Fig.16 Standard deviations of horizontal winds detected by windprofiler radars against GFS background before and after quality control with schemes of different high-confidence ranges under precipitation conditions (0 denotes all samples with precipitation, and 3 denotes samples whose data at heights with standard deviations of u and v greater than 4.5 m s−1 are rejected under precipitation conditions)

以上分析可见，基于有降水情形风廓线雷达数据统计得到的不同高可信度区间的质量控制方案也对有降水情形下水平风数据的质量控制取得了较好的效果。

6 结论与讨论

以2017 年1～12 月逐日四个时次（00 时、06 时、12 时、18 时）GFS 全球预报分析场作为数值预报背景场，结合地面降水资料，面向资料同化分析了福建12 部L 波段LC 型号边界层和低对流层风廓线雷达水平测风产品的质量特征，并初步探讨了三种质量控制方案的影响差异，结果表明：

（1）L 波段风廓线雷达CFL-06 系列和CFL-03 系列差异明显，前者在水平风的最大探测高度、有效数据获取率和探测低层水平风的质量等方面明显优于后者。

（2）福建相同系列的不同风廓线雷达站探测水平风的数据获取率、有效探测高度、标准差、相关系数及偏差的垂直分布特征等存在极大差异，该差异的原因与地理位置（沿海或内陆）、海拔高度等并无直接关系。地物杂波、间歇性干扰、降水干扰、地磁干扰、雷达性能参数、雷达仪器灵敏度、均匀风的假定、雷达的信噪比等均是影响风廓线雷达测风精度的因素，然而究竟是哪些因素在福建12 部雷达探测水平风的数据获取率、有效探测高度、标准差、相关系数及偏差垂直分布特征的差异性中起到了关键性作用，值得进一步开展研究。

（3）相同系列的不同风廓线雷达探测水平风质量存在极大差异。CFL-03 系列的3 部风廓线雷达中，永安风廓线雷达探测水平风场质量相对最优，u（v）风标准差为2.72 m s−1（2.95 m s−1）；武夷山次之，u（v）风标准差为3.69 m s−1（3.70 m s−1）；福清最差，u（v）风标准差高达7.34 m s−1（5.13 m s−1）。CFL-06 系列的9 部风廓线雷达中，翔安风廓线雷达探测水平风场质量相对最优，u（v）风标准差为2.73 m s−1（2.58 m s−1）；武平次之，u（v）风标准差为2.86 m s−1（2.78 m s−1）；建瓯、建宁、德化、罗源、平潭、平和、连城依次再次之，u（v）风标准差范围为3.36 m s−1～5.42 m s−1（2.76 m s−1～4.66 m s−1）。

（4）福清、建瓯、罗源、建宁、连城、德化、平潭和平和站均在风廓线雷达u 风0 风速附近出现较多异常偏差点，其背景风往往为较强西风，异常偏差点所在高度相对集中，但不同雷达站不尽相同。其中福清异常偏差点明显多于其他站，各高度层均有分布。

（5）各风廓线雷达站探测u 风速相对背景场存在明显系统性负偏差，小于背景场，不满足资料同化对背景场无偏的需求，在资料同化中需经过偏差订正去除该系统偏差；而v 风则相对较好。

（6）不同风廓线雷达站探测水平风的能力相差很大，针对不同雷达制定差异化的质量控制方案十分必要。本文提出了不同高可信度区间和不同有效探测高度两种差异化质量控制方案，并与固定有效探测高度方案进行了对比，结果表明，本文提出的两种差异化质量控制方案具有明显优势，特别是不同高可信度区间方案，表现出很大的优越性：差异化质量控制效果显著，不同雷达站的水平测风数据得到更加充分和有效的识别，一方面减少了雷达资料不必要的损失，另一方面可将质量差的数据进一步剔除。

（7）降水对风廓线雷达水平风产品的数据获取率和测风质量均有较明显的影响。有降水使数据获取率在中低层有所减小，在中高层则大幅提高。对3 km 以下的中低层风廓线雷达水平测风而言，降水使其整体质量有所降低，但对3 km 以上的中高层而言，降水对其影响较为复杂，一方面增加了v 风的误差，但另一方面又极大地降低了u 风的误差。根据有降水情形下各雷达站水平风标准差垂直分布特征确定的不同雷达站高可信度区间的质量控制方案，在有降水情形下也得到了较好的效果。

翔安风廓线雷达站水平测风质量明显优于其他测站，是什么原因导致相同型号相同系列不同雷达站水平测风质量出现极大差异？翔安、平潭风廓线雷达均位于沿海，且均为L 波段低对流层风廓线雷达CFL-06 系列，两者的低模和高模工作模态也完全一致，但两者测量水平风能力差异较大，与GFS全球背景风场相比，翔安明显优于平潭，特别是在4～7.5 km 高度上，是什么原因引起的两者在该高度上水平测风能力的极大差异尚不清楚，需要进一步探讨。翔安风廓线雷达站在建设中是否有什么经验使得其数据质量更优？在后续建设雷达站时是否可以借鉴其经验？这些都需要进一步深入分析。

另外，总体而言，福建风廓线雷达探测u 风标准差明显大于v 风，并且u 风偏差明显大于v 风偏差的点几乎全部集中于高模探测高度上，是什么原因导致的该现象尚不清楚，而统计分析风廓线雷达探测高度上水平风场不均匀性的总体特征、并详细了解风廓线雷达站各种探测模式的雷达技术指标，可能有助于理解u、v 风探测质量的差异。

需要指出的是，本文对有降水情形下的风廓线雷达水平测风数据采用不同高可信度区间质量控制方案取得了较理想的效果，但由于本文定义的有降水情形为统计时刻前、后3 h 之间地面观测有降水，因此实时应用该方案时，对统计时刻及之前3 h 地面观测无降水、但统计时刻后3 h 地面观测出现降水的情形无法准确判别为有降水情形。

不同风廓线雷达水平测风质量相差极大，针对每一部风廓线雷达开展详尽的质量分析，寻找其误差分布特征，进而制定差异化的质量控制方案是最大最优化利用好风廓线雷达水平测风数据的有效途径。本文提出的不同高可信度区间质量控制方案在风廓线雷达水平测风数据资料同化中的应用效果如何，需开展数值试验研究，将另文讨论。