引言

随着中国新一代天气雷达的建设和应用，我国气象工作者利用雷达开展了强对流监测预报(郑媛媛等，2004；俞小鼎等，2008；方翀等，2015；胡文东等，2015；李佰平等，2016；沈杭锋等，2016；魏东等，2011；何炳伟等，2018；蔡荣辉等，2017；吴涛等，2017；李兆慧等，2017；张琳娜等，2018)、暴雨研究(赵思雄等，2018；曹晓岗等，2009；东高红等，2011；黄小玉等，2005；2006；李柏等，2007)、冻雨分析(黄小玉等，2008)等工作，并在风场反演(周海光和王玉彬，2005)、定量估测降水(黄小玉等, 2009, 刘晓阳等，2010)和临近预报等方面(张亚萍等，2007；李柏等，2007)取得了一系列成绩。上述工作都建立在可靠的雷达资料的基础上。国外在雷达资料质量控制，特别是地物、超折射回波的识别方面进行了大量研究(Fulton et al, 1998；Kessinger et al, 2003a;2003b；Pamment and Conway, 1998；Steiner and Smith, 2002；Zhang et al, 2004；Lakshmanan et al, 2007)。国内方面，刘黎平和王致君(1996)根据云和地物回波的反射率因子Z_H、差反射率因子Z_DR的取值大小及两者的关系、空间变化梯度有效识别了地物回波。毛紫阳等(2006)通过将雷达数据变换后并用模糊特征方法将地物及超折射回波有效地去除；刘黎平等(2007)应用模糊逻辑方法的雷达质量控制在灾害性天气短时临近预报系统(SWAN)和新一代天气雷达业务系统(ROSE)中得到应用，并初步应用到中尺度数值模式雷达资料同化过程中。但该算法存在部分降水回波过度抑制的现象，庄薇等(2012)对镶嵌在降水中的地物以及小尺度对流云的过度抑制等问题进行了改进，进一步完善地物识别算法。

多普勒天气雷达反射率因子数据的质量除了受到地物、超折射、海浪等因素的影响外，还常受到其他雷达、电子设备等无线电源的干扰，以及太阳辐射的影响，在雷达PPI图上形成干扰回波，严重影响天气雷达的探测效果。并且大城市天气雷达的有源干扰回波明显多于偏远地区，周围电子设备越多的地区，其干扰回波也越明显。虽然预报员根据经验可以很容易对这类回波进行识别，但已有的回波识别算法对这种干扰回波的讨论并不深入，对于某些特殊的回波识别效果较差，在有源干扰回波离雷达较远又有降水回波混合的区域，很难与降水回波分开，专门针对天气雷达有源干扰回波识别技术的研究也较少。本文对有源干扰回波进一步研究具有一定的指导作用。

1 有源干扰回波的种类及特征

雷达的工作原理是雷达发射的电磁波遇到目标物，其后向散射的电磁波被雷达接收后形成的回波。雷达附近如有电子设备，其发射特定的电磁波被雷达接收而形成的回波即为有源干扰回波。

邻近雷达的同频干扰信号的脉冲周期与本雷达所发射脉冲周期可能不同，也可能相同。前者被称为同频异步干扰，后者被称为同频同步干扰。相同工作频段、不同型号雷达同时工作时一般会互相引起异步干扰，而同频同步干扰一般由相同型号雷达同时工作时产生。观察雷达PPI图像可以直观地看到它们对雷达回波的不同影响：当两部雷达的脉冲周期完全相同或成整数倍关系时，干扰的回波呈现为同心圆环，此时的同频干扰被称为同步干扰或称同期干扰。如果脉冲周期不等或不成整数倍关系，干扰回波表现为旋转花瓣，称为异步干扰(张文祥和李进华，2007)。当雷达脉冲的周期参差时，干扰回波则以放射状线条形态出现(图 1a，图 2a，图 3a，图 4a)。

地基多普勒天气雷达之间相距较远且发射的脉冲频率相互错开，所以有源干扰回波多为其他雷达、电子设备相互干扰造成的异步干扰。从PPI图像上来看，主要有以下几种形态：(1)干扰回波区域呈扇形，回波内部紧密且比较平滑(图 1a)；(2)干扰回波出现在一个扇形区域内，十分稀疏，不连续，且变化剧烈(图 2a)；(3)干扰回波区域范围很小，近似呈扇形，变化剧烈，呈不规则纹理(图 3a)；以上三种形态的结合，并且同一幅PPI图像中出现不止一条干扰回波(图 4a)；干扰回波与降水回波同时存在(图 5a，图 6a)。

2 特征提取

虽然这一类干扰回波形态上有比较大的差异，但都具有共同的特征：回波出现在某两个邻近的方位角之间的整个扇形区域中，区域的边界明显，反射率因子的均值比较大(相对于晴空回波等杂波)。这些特征从图像处理的角度来看，属于全局特征信息，而现有的回波识别算法大多是以局部统计量为基础计算回波的相关特征(Lakshmanan et al, 2007)。局部统计量一般是在5×5或者7×7的小区域中进行，只能反映回波的局部特征信息。因此，这些识别算法，对于此类干扰回波的识别效果较差。

由上述讨论可知，通过分析反射率因子在径向上的累积分布可望发现上述有源干扰回波的特征，于是提出以下定义：

定义1：反射率因子的径向能量定义为反射率因子数据沿径向方向的累积，即：

$ E{R_i} = \sum\limits_{j = 1{\rm{ }}}^{{\rm{max(gates)}}} {} {Z_{i, j}}\;\;\;\;i = 1, \ldots, {\rm{max(rays)}} $

(1)

式中，i, j分别是反射率库在方位和距离方向上的序号值，Z_{i, j}代表反射率值，单位为dBz，max(rays)和max(gates)分别为在方位和距离方向上的最大库数。

由于云区在雷达的探测范围内是相对连续的，所以在没有杂波的理想情况下，仅由降水物质生成的反射率因子数据也应该是相对连续的，其径向能量同样是连续变化的。如果存在干扰回波，在杂波边界附近，径向能量会发生突变。由此提出，使用径向能量的一阶差分来揭示这种突变。

定义2：反射率因子径向能量的一阶差分，即：

$ \begin{array}{l} \Delta E{R_i} = E{R_{i + 1}} - E{R_i} = \sum\limits_{j = 1{\rm{ }}}^{{\rm{max(gates)}}} {} {\rm{ }}\left({{Z_{i + 1, j}} - {Z_{i, j}}} \right)\\ i = 1, \ldots, {\rm{max(rays)}} - 1 \end{array} $

(2)

ΔER突然增大的方位角(正的最大值附近)对应于干扰回波区域的开始，ΔER突然减小的方位角(负的最大值附近)对应于干扰回波区域的结束，即相邻两个正、负最大值之间的方位角，对应于干扰回波区域。其他区域所对应的ΔER值应该在0附近波动。上述不同类型干扰回波所对应的ΔER分布也各有不同。

3 试验结果分析

选取了北京、长沙、汕头SA雷达及岳阳SB雷达的资料进行试验。试验表明(图 1b，图 2b，图 3b，图 4b，图 5b，图 6b)，该特征量对于有源干扰回波的各种形态，无论紧密还是稀疏，无论一条还是多条，无论是否与降水回波混合，均能准确地识别出干扰回波所在方位及数量。

图 1a为长沙雷达站0.5°反射率因子图，图中干扰回波内部紧密且比较平滑，回波区域边界明确。从干扰出现的位置、时间及纹理特征分析，图中干扰回波为太阳干扰回波。ΔER图中干扰回波的起始方位角及结束方位角的正、负最大值的绝对值较大，且孤立，其他方位角对应的ΔER值集中在0附近，且方差较小(图 1b)。

图 2a为汕头雷达站0.5°反射率因子图，图中干扰回波十分稀疏，不连续，且变化剧烈，区域边界分明，则ΔER图中正、负最大值的绝对值相对图 1来看较小，但在干扰回波的起始方位角与结束方位角位置出现突然增大与减小现象(图 2b)。

图 3a为岳阳雷达站0.5°反射率因子图，图中有源干扰回波范围很小，但在有源干扰起始与结束方位角位置同样出现了ΔER突然回波增大与减小现象(图 3b)。

图 4a为北京雷达站0.5°反射率因子图，图中存在三处干扰回波，ΔER图明确显示出这三处干扰回波所在的方位(图 4b)。

图 5a为北京雷达站0.5°反射率因子图，图中干扰回波存在于一个扇形区域内，非常稀疏，呈散点状，而且该区域中同时存在比较强的对流云降水回波。在出现干扰回波的区域仍然有ΔER的突变值存在。另外，由于整个区域中有较多的小块对流云降水回波，因此ΔER图中其他方位的ΔER值的绝对值比较大(仍然小于1000 dBz，图 5b)。

图 6a为汕头雷达站0.5°反射率因子图，图中有源干扰回波穿过降水回波区，ΔER图仍然明确标识出干扰回波所在的方位(图 6b)。

由图 1b，图 2b，图 3b，图 4b，图 5b，图 6b还可以看出，对于反射率数据中不存在有源干扰回波的区域，各方位的ΔER值的绝对值都比较小(通过统计，低于1500 dBz)。因此，可以通过设定一个阈值(T=1500 dBz)，识别出是否存在有源干扰回波，以及其所在的方位及区域。径向能量一阶差分完全可以作为识别有源干扰回波的特征量，普适性、稳定性以及区分能力均较好。

4 干扰回波的滤除

对于类似图 1~图 4的情形，由于干扰回波没有与降水回波混合，可以通过阈值T>1500 dBz，将干扰回波滤除。而对于图 5和图 6这种干扰回波与降水回波混合的情况，通过阈值T定位干扰回波所在区域后，不能将该区域中所有的回波全部滤除，需要进一步判断干扰回波所在的具体位置。参考式(1)、式(2)，可类似定义分段径向能量及其对应的一阶差分：

$ \begin{array}{l} SE{R_{I, j}} = \sum\limits_{{\rm{ }}k = 0}^{N - 1} {} {Z_{I, j + k}}\\ j = 1, \ldots, {\rm{max(gates)}} - N + 1{\rm{ }} \end{array} $

(3)

$ \begin{array}{l} \Delta SE{R_{I, j}} = SE{R_{I + 1, j}} - SE{R_{I, j}}\\ = \sum\limits_{{\rm{ }}k = 0}^{N - 1} {} {\rm{ }}({Z_{I + 1, j + k}} - {Z_{I, j + k}})\\ j = 1, \ldots, {\rm{max(gates)}} - N \end{array} $

(4)

式中I为干扰回波所在方位角，由上一步的阈值T确定，N为每一小段所包含的距离库数，其取值由雷达以及雷达所在地区的气候环境决定。总的来说，N的取值既不能太大，又不能太小。若N过大则定位性能不好，反之N太小则随机因素加强，结果不稳定。经过对比试验，确定N=115。ΔSER的变化规律与ΔER一致，只是前者考虑的是局部信息，以便于定位。

雷达图像的质量控制采用两种方法进行对比：一种是直接基于模糊特征方法(毛紫阳，2006)，结果见图 1c，图 2c，图 3c，图 4c，图 5c，图 6c，另一种是先使用ΔER确定干扰回波所在方位后，再用ΔSER定位干扰回波具体所在位置，并滤除有源干扰回波后，然后基于模糊特征方法将雷达资料进行质量控制，结果见图 1d，图 2d，图 3d，图 4d，图 5d，图 6d。

图 2a，图 3a，图 5a，图 6a有源干扰回波结构比较松散，与降水回波有较大区别, 两种质量控制图基本一致(图 2c与2d，图 3c与3d，图 5c与5d, 图 6c与6d)，说明基于模糊特征质量控制能够去掉大部分杂波，是一种较好的质量控制方法。

图 1a和图 4a有源干扰回波结构平滑，纹理均匀，采用第一种方法能够去掉大部分非降水回波，但部分有源干扰回波仍然存在，而经过去有源干扰回波方法处理后，杂波基本全部滤除，同时有效地保留降水回波, 说明本文方法能去掉有源干扰回波，可以作为雷达质量控制方法的补充。

5 讨论

图 1a中受太阳干扰回波影响，图 2a，图 3a，图 4a，图 5a为其他电子干扰回波影响，从回波的结构上看两者比较相似，回波的起始、结束的方位角一致，因此用本文的算法可以有效去除太阳干扰回波。

尽管本文提出的方法可有效去除有源干扰回波，但由于之前基于模糊特征的质量控制方法在有效去除各种杂波的同时，也去除了真实气象回波中的相对弱回波，包括远距离孤立积云和积层混合云的弱回波区部分，存在一定“过度抑制”的问题。在随后的研究中将针对这一不足作进一步研究，不断完善雷达数据质量控制。远距离孤立回波与空洞回波的回补将采用庄薇等(2012)文中的方法，主要思路如下：

(1) 对于远距离孤立对流回波，加一个距离因子来改变判别阈值，达到减小对孤立回波的过度抑制目的；

(2) 对于“空洞回波”，将通过对回波顶高分析，大于降水回波顶高阈值的区域用上一层的资料及本层的资料进行回补；

(3) 对于晴空回波与真实气象回波附近的弱回波：地物回波及超折射一般比较强，而过度抑制的真实回波比较弱，通过分析可以设定阈值，将弱回波恢复；另外真实气象回波附近的弱回波还可以利用膨胀算法，对膨胀区域的反射率因子做分析，大于阈值的保留下来。

6 结论

本文在分析多普勒天气雷达有源干扰回波特征的基础上，设计了两个特征量：径向能量及其一阶差分，对有源干扰回波进行过滤。结论如下：

(1) 多普勒天气图上由于受周边电子设备的影响，经常出现有源干扰回波现象。本文分析了有源干扰回波的形成原因及各种回波的形态。

(2) 径向能量及其一阶差分两个概念物理含意明确，计算简单，运算量小，对各种类型有源干扰回波均能准确识别，区分能力及稳定性较好。该特征量作为全局特征信息，弥补了以局部统计量为回波分类依据的回波识别算法的缺陷，可以很好地与这些算法结合，作为这些算法的预处理或者后处理过程，一起进行回波分类。

(3) 用北京、长沙、汕头及岳阳不同雷达站的有源干扰回波进行试验，均有很好的效果，当降水回波与同频干扰回波混合时，也能将同频干扰回波滤除，保留降水回波。

(4) 尽管本文提出的方法可有效去除有源干扰回波，但由于之前基于模糊逻辑的质量控制方法在有效去除各种杂波的同时，也去除了真实气象回波中的相对弱回波，包括远距离孤立积云和积层混合云的弱回波区部分，存在一定“过度抑制”的问题。在随后的研究中将针对这一不足作进一步研究，不断完善雷达数据质量控制。