论文部分内容阅读
目前,云是全球气候模型中最重要最难确定的气象要素之一,云观测是气象探测领域面临的重要课题。国内外在云观测自动化方面已经取得了突飞猛进的进展,云高、云量等云要素已经实现了自动化,但还未业务化,基于各种探测原理的云观测设备正处于试验或试点阶段。本文对正在中国气象局北京南郊大气探测综合实验基地进行试验的地基毫米波全固态多普勒测云雷达,进行了多设备数据对比分析、天地云观测设备数据融合以及改善其探测能力等多方面的研究,概括起来本文的主要研究内容如下:对2014年11月20日-2014年12月31日,在南郊大气探测试验基地多设备联合观测的数据进行了对比分析,对比了云雷达、激光云高仪和探空在不同能见度条件下数据获取能力,以及对云底、云顶高度的探测结果,并简单分析了各设备存在差异的原因。结果显示:在雾霾、低能见度天气中,云雷达的数据获取能力明显高于激光云高仪,随着能见度的增加,两设备的数据获取率差距在减小;当三种设备同时探测到低、中、高云时,云雷达观测的云底高度略低于激光云高仪和探空,云雷达观测的云顶高度略高于探空。相参积累是云雷达提高回波信号信噪比的重要方法,若不能选择合适的相参积累时间,则会导致相参积累效果下降,甚至使回波信噪比不增反降。根据相参积累提高信号信噪比的理论基础,仿真了目标物具有一定运动速度的情况下,信噪比增益的变化,并以此理论仿真为基础,对2014年11月至2015年7月,云雷达垂直云观测IQ资料进行统计分析,联合云雷达试验基地附近风廓线雷达水平风数据,研究云雷达信号处理中相参积累时间选择的简单方法,得到以雷达固有参数(脉冲重复频率和雷达波长),以及目标物物理参数(所处高度、垂直速度和水平速度)等为影响因子,能较准确计算雷达信号处理系统中,使相参积累效率达到最高时的最大相参积累次数,对如何改善云雷达探测能力,具有重要的参考意义。卫星可获得大范围内云系的水平分布情况,地基毫米波测云雷达可获得云系的垂直结构,二者在云观测方面各有自己的优劣势。云体向上的辐射强度与云体的垂直结构有着特殊的内在联系,将卫星云图中红外多通道亮温数据和云雷达多站点的云底高度、云顶高度与反射率数据作为样本,送入BP人工神经网络进行训练,形成能最大限度逼近这种关系的网络模型。将新的卫星云图红外亮温数据通过既有网络模型,反演出云体每个距离分辨单元对应的云底高度、云顶高度、反射率。通过前期试验结果可以看出,这种方法的合理性得到初步验证,虽反演的准确性还存在诸多问题,但经过长期的多样化试验与改进,必将成为天地一体化解决云观测的有效技术途径。