风廓线雷达数据误差分析评估

王大鹏，孙 强，刘 俊，缪明榕，周红根

(1.江苏省气象探测中心，南京 210008；2.盐城市气象局，盐城 224001；3.泰州市气象局，泰州 225300；4.南通市气象局，南通 226007)

0 引言

风廓线雷达是一种以晴空大气为主要探测对象的遥感设备，其作用原理是利用大气湍流对电磁波的散射作用，提供以风场为主的多种数据产品。根据多普勒效应可以获取不同波束方向的径向速度。在一定风场条件下，利用处在同一高度面上几个点的径向速度计算水平风。风廓线雷达的探测方式为连续的无人值守的定点遥感方式，其观测资料具有很高的时间和空间分辨率。时间分辨率一般为6 min，空间高度分辨率一般为几十米到一百米左右，这是其他探测手段很难达到的高时空分辨率。这种探测优势和资料特点为日常监测预警预报以及数值模式预报带来了极大方便；因此，风廓线雷达风场数据的质量是气象部门十分关心的问题。随着风廓线雷达布网的不断深入，如何使用风廓线雷达的数据也成为急需解决的问题。

中国风廓线雷达网的建设实现了高时空分辨率风廓线雷达数据的实时获取。吴志根[1-3]、翟亮[4-6]等开展边界层风廓线雷达与二次雷达测风数据的对比分析研究；邓闯[7，8]吕博[9，10]等评估了风廓线雷达的测风准确度。文章利用南京站风廓线雷达与探空站同址，对每日4次的探空观测数据与风廓线雷达风场数据进行直接对比检验，分别利用探空观测数据和模式再分析的风场数据与其进行对比分析，实现对南京风廓线雷达的数据质量的系统定量评估。

1 风廓线与L波段探空观测数据对比检验

南京站(58238)风廓线雷达与探空站在地理位置上重合，因此可将探空观测数据与风场数据进行直接对比检验。探空观测的原理是利用测风雷达跟踪自由上升气球，根据一段时间内气球飘移的距离计算水平风，每次观测需要60～70 min，每组数据是取样时间点前后几分钟的平均值。在用无线电探空仪测风时，因为气球的平飘，获取的廓线并不是严格的局地垂直廓线。从严格意义上来说，由于风廓线雷达风场和探空风场的观测方式不同，两者在比较时，是建立在时间和空间近似一致的假设之上的。

1.1 风廓线雷达风场误差的统计检验

风廓线雷达所提供的水平风场产品，有6 min资料、0.5 h和1 h的平均资料。为了分析和检验这3种资料的准确度，将南京站的L波段秒级探空资料分别与这3种形式的风廓线雷达资料进行匹配和比较，选取时段为2014年，每天4个时次。

首先，取6 min资料进行对比检验。以南京站探空风速作为参考值，从2014年的风速误差散点分布可以看出，25，422个样本中，风速平均偏差为-0.35 m/s，均方根误差为1.60 m/s，相关系数0.91。若定义风速误差小于3 m/s时为有效数据，则风廓线风速资料的数据获取率为86.08%(有效数据样本占总体数据样本的百分比)。从风向误差的散点分布可以看出，在25，422个样本中可以看出，风向的平均偏差为4.53°，均方根误差为17.99°，相关系数0.96。若定义风向误差小于20°时为有效数据，则风廓线风向资料的数据获取率为74.64%。从风廓线6 min风场资料和探空观测数据的整体对比来看，风速基本无偏差且误差较小，但个别时次的样本存在风廓线风速偏大的情况。此外，当风速较大时，风廓线资料风速值相比探空观测数据偏小；对于风向误差，整体偏大，但误差在合理范围内。通过风廓线数据与探空资料的匹配数据对的风速和风向偏差的频率分布，能够看出风速偏差满足正态分布。

其次，取0.5 h平均资料进行对比检验。通过分析2014年的风速误差散点分布可以得出25，729个样本中，风速平均偏差为0.31 m/s，均方根误差为1.59 m/s，相关系数0.91，风速的数据获取率为86.02%。从风向误差的散点分布可以得出，风向的平均偏差为6.02°，均方根误差为18.30°，相关系数0.96，风向的数据获取率为74.20%。从风廓线0.5 h的平均风场资料和探空观测数据的对比分析来看，风速基本无偏差且误差较小；风向偏差较大，但误差在合理的范围之内。

最后，取1 h平均资料进行对比检验。图1(a)给出了2014年的风速对比散点分布。25，972个样本中，风速平均偏差为0.39 m/s，均方根误差为1.52 m/s，相关系数为0.92，风速的数据获取率为87.25%。图1(b)给出了风向误差的散点分布，风向的平均偏差为5.41°，均方根误差为16.93°，相关系数0.96，风向的数据获取率为76.47%。从风廓线1 h平均的风场资料和探空观测数据的对比分析来看，其大致的误差特征与瞬时资料和0.5 h平均资料类似，不过值得注意的是，在风速误差方面，1 h平均资料中并无风速值异常偏大的样本(图1a)；在风向误差方面，其统计特征与瞬时资料较为相似(图1c，d)。

图1 2014年1 h平均风廓线资料与探空观测的匹配数据对的散点分布和要素偏差的频率分布：(a)风速误差散点分布；(b)风向误差散点分布；(c)风速偏差频率分布；(d)风向偏差频率分布

1.2 风廓线风场资料误差的分布特征

为了深入分析风廓线风场资料的误差分布特征，以1 h平均的风廓线资料为例，给出了其2014年的风场误差随高度变化的统计特征。在低层，风速均方根误差接近2 m/s，风向均方根误差超过20°；随着高度增加，风速和风向的均方根误差减小，风速误差稳定在1.5 m/s左右，风向误差大约为17°，当超过3000～4000 m高度时，风速均方根误差略有增大，风向均方根误差略有减小，整体而言，风速和风向的均方根误差随高度变化不大。对于偏差特征，在低层，风廓线风速偏大，当随高度增加时，整体上风速偏小；而风向一直存在微小的正偏差[11]。

图2给出风廓线资料风速及风向的均方根误差随风速观测值自身大小的变化。从图中可以看出，与探空观测相比，风速测量的均方根误差随风速测量值增长；同时，风向的均方根误差随风速值显著下降。由于高空风速较大，相比低层，其风速均方根误差较大，风向均方根误差较小。

图2 风速及风向的均方根误差随风速的变化

为进一步揭示风廓线风场资料随时间的变化特征，文章分别计算每个月的风场偏差和均方根误差，并统计其变化。得出结论，从单一的南京站风廓线雷达分析来看，无论风速还是风向，其误差随时间的变化均不明显，即不存在明显的季节变化特征。

2 风廓线与FNL再分析数据的对比检验

借助NCEP全球模式的FNL再分析数据对南京风廓线雷达的风场资料进行对比检验。为了使风廓线雷达与1°×1°再分析资料的匹配数据对在空间上具有一致性，在经度、纬度和海拔高度3 个方向上分别对FNL再分析资料做插值处理，将其投影到风廓线雷达数据的坐标位置，从而进行直接对比。

利用2014年全年的FNL数据和风廓线数据建立匹配数据对，以FNL再分析资料作为参考值，统计风廓线资料的风场误差。表1和表2给出了南京雷达2014年全年的统计误差。为了更细致地分析风廓线数据质量，统计分析包括了6 min、0.5 h平均和1 h平均3种资料。3种资料的风速和风向的统计误差都十分接近，这与探空观测数据的对比分析结果相似。从风速误差(表1)来看，风速均方根误差大约为1.98 m/s，误差较小，且相关系数较高，表明南京站风廓线的风速资料可信。对于风向误差(表2)，南京站均方根误差大约在23°左右，其偏差约为6°。

表1 2014年南京风廓线雷达的风速误差统计

表2 2014年南京风廓线雷达的风向误差统计

文章分析了南京站风廓线的风场误差随高度的变化特征。采用FNL再分析数据作为真值与采用探空观测数据作为真值的对比结果类似，风速呈现出低层正偏差、高层负偏差的特征，均方根误差低层较小，高层较大；风向随高度变化呈现出一致的正偏差，但偏差不明显；同时，也分析了南京站风廓线风速和风向误差的逐月变化。与采用探空观测数据作为真值的对比结果类似，无论风速还是风向，其误差随时间的变化不明显，不存在明显的季节变化特征。

以FNL再分析资料的风场数据作为真值对2014年南京风廓线雷达的风场数据进行检验评估，风速误差约1.9 m/s，风向误差23°。从误差分布特征来看，与探空观测数据进行对比所得到的结论一致。

3 结束语

文章详细分析了2014年的南京站风廓线资料与探空观测数据的对比误差特征，分别利用探空观测数据和模式再分析的风场数据与其进行对比分析，实现了对南京风廓线雷达的数据质量的系统定量评估。

利用探空观测数据进行对比，对于6 min资料、0.5 h平均资料和1 h平均资料3种风廓线风场产品，其风速和风向的误差统计结果较为相似。风速偏差约-0.3 m/s，均方根误差约1.5 m/s；风向偏差约5°，均方根误差约17°。相比之下，6 min资料存在个别样本风速偏大的情况，而经过时间平均后，1 h平均资料不存在风速奇异值的问题。从风场误差的垂直分布看，在低层，由于风速较小，所以风速误差较小，但风向误差较大；而在高层，由于风速较大，风速误差整体较大，风向误差较小。从风场误差的时间变化来看，不存在明显的季节特征，风廓线资料误差的逐月变化较小。

以FNL再分析资料的风场数据作为真值对2014年南京站风廓线雷达的风场数据进行检验评估，南京站风廓线风速误差约1.9 m/s，风向误差23°。从误差分布特征来看，与探空观测数据进行对比所得到的结论一致。