基于共体积一致性约束的X波段相控阵网络多雷达综合衰减订正

《Atmospheric Research》：Integrated multi-radar attenuation correction for X-band phased-array networks using common-volume consistency constraints

　　

# 基于多雷达公共探测区的X波段雷达网络衰减订正方法

## 摘要

• 提出了一种适用于多雷达组网的综合衰减订正方法，该方法无需依赖固定经验系数，即可同时订正X波段雷达的降水衰减、系统偏差和湿天线罩衰减。

• 通过构建公共探测区内多点位观测方程，动态求解各雷达系统的衰减系数和偏差，显著提高了X波段雷达反射率因子的精度和组网一致性。

• 该方法有效解决了X波段雷达在强降水和远距离探测中的衰减问题，提高了定量降水估测和中小尺度强对流系统识别的可靠性。

• 为高密度X波段双极化相控阵雷达网络观测提供了实用且更具鲁棒性的衰减订正方案，具有重要的业务应用价值。

## 引言

天气雷达是监测和预报中小尺度强对流天气系统的核心遥感工具，提供高时空分辨率的反射率数据，为定量降水估测（QPE）和临近预报奠定基础。然而，由于地球曲率和电磁波折射的影响，现有业务雷达网络在远距离低空探测方面存在盲区，限制了对低空危险天气的预警能力（Geng和Liu，2023）。

X波段双极化雷达具有体积紧凑、成本相对较低和极化参数丰富等优势，被广泛应用于降水估测和降水粒子分类（Huang等，2024）。与探测距离长、衰减小、覆盖范围广的S波段和C波段业务雷达相比，X波段雷达由于波长较短，在穿越降水介质时存在显著的信号衰减（Xiao等，2021）。这种衰减严重损害了X波段观测的可靠性，尤其在强降雨区域或远距离探测时尤为明显。因此，有效的衰减订正对于在定量应用中利用X波段雷达数据至关重要。

X波段天气雷达的衰减订正方法已被广泛研究，可大致分为单雷达方法和多雷达方法两类。

单雷达订正方法已建立了相对成熟的技术框架。经典的Hitschfeld-Bordan算法（Hitschfeld和Bordan，1954）和迭代订正方案（Hildebrand，1978）代表了该方向早期的努力。Zhang和Wang（2001）开发了基于经验K-Z关系的订正算法。认识到差分传播相移（KDP）对衰减的敏感性较低，Bringi等（1990）通过数值模拟建立了衰减率与KDP之间的线性关系，随后Testud等（2000）在ZPHI方法中进行了扩展，该方法使用差分相位作为约束条件。Bringi等（2001）进一步开发了一种自适应约束算法，能够适应订正系数的动态变化。Park等（2005a，Park等，2005b，第一部分和第二部分）将Bringi等（2001）的带约束自一致方法推广至X波段频率。第一部分通过散射模拟推导了所需的极化关系，建立了理论和经验基础；第二部分使用X波段极化雷达观测评估了该方法，并展示了其在降雨估测和降水粒子谱（DSD）反演中的应用。Hu等（2008）提出了一种基于KDP的混合订正方案，在不同KDP阈值下结合KDP和K-Z经验方法。这些单雷达方法在特定条件下各有优势：经验关系方法在稳定降水条件下有效，而基于KDP的方法在中到大雨区且差分相位信号较强时表现优异。然而，最优衰减系数α随雨滴尺寸分布、温度和粒子相态的变化而显著不同（Carey和Rutledge，2000）。当这些微物理条件发生显著变化时，依赖固定经验系数的方法可能出现性能下降，从而推动了对更自适应方法的开发。

近年来，多雷达订正方法受到越来越多的关注，利用多个雷达的观测来约束衰减估计。其基本前提是，多个雷达观测同一气象目标时，在适当的衰减补偿后，应得到一致的反射率。Testud和Amayenc（1989）开创了利用不同视角的双雷达观测进行强降雨衰减反演的先河。Chandrasekar和Lim（2008）提出了一种基于网络的方法，通过最小化公共观测点之间的反射率差异来实现。这些方法可按其约束策略大致分为两类。一类分支利用S波段或C波段雷达作为无衰减参考——由于长波雷达相对于X波段雷达的衰减可以忽略不计——来校准X波段观测（Wang等，2020；Geng和Liu，2023）。该策略特别适用于有业务S/C波段雷达覆盖的区域。另一类分支仅依赖X波段雷达网络内部的一致性，无需外部参考（Li等，2021；Yu等，2023）。这种方法对于没有长波参考雷达的独立X波段部署具有优势。

近年来的进展（2025–2026）进一步推动了数据驱动和物理驱动方法的发展。Michaelides等（2025）利用塞浦路斯的两个X波段地面雷达检验了路径积分衰减（PIA）订正，并以GPM DPR Ku波段数据作为参考。他们发现衰减订正应具有事件特异性和雷达特异性，并强调了共址X波段系统之间相互订正的好处。Wu等（2026）提出了一种物理引导的自适应区域学习框架，用于全国X波段双极化雷达网络，通过跨波段监督实现可迁移的衰减订正。Xiao等（2026）基于线性规划优化，对X波段雷达衰减订正算法进行了比较研究。Yu等（2026）专门为X波段相控阵雷达开发了基于深度学习的定量降水估测（QPE）订正模型，并证明了其在强降水场景中的优越性能。Zhang等（2026）探索了Transformer架构在X波段双极化雷达回波衰减订正中的应用，突出了注意力机制在捕捉复杂时空衰减模式方面的潜力。

尽管取得了上述进展，现有多雷达框架中仍存在若干未解决的挑战。首先，大多数方法将衰减系数α视为已知常数（例如Bringi等，1990中的α=0.247；Wang等，2020中的α=0.22），但实际上α的值已知会随降水微物理条件变化（Carey和Rutledge，2000）。其次，降水衰减、雷达系统偏差和湿天线罩衰减通常通过独立步骤或顺序订正来处理，可能引入累积误差。第三，基于S波段参考的方法在地理上局限于有业务S波段覆盖的区域，可能不适用于独立的X波段网络。

针对上述挑战，本文提出了一种基于多雷达公共探测区的X波段雷达网络订正方法。其核心创新体现在三个方面：（1）衰减系数α的动态反演——不假设固定值，而是在每个时间步将α作为未知参数求解，使其能够适应当前的微物理条件；（2）统一的同时求解框架——将降水衰减、各雷达系统偏差和天线罩水膜衰减纳入单一方程组中联合求解，避免了逐步订正中固有的误差累积；（3）不依赖外部参考雷达——该方法仅依赖X波段网络内部的一致性约束，使其适用于无S/C波段覆盖的区域。

本研究首先阐述了所提方法的理论基础和实施流程。随后使用两组独立的雷达网络数据对该方法进行了验证：浙江省绍兴阵列的三个X波段相控阵雷达（数据采集时间为2025年7月30日04:12 UTC）和贵州阵列的三个X波段相控阵雷达（数据采集时间为2025年7月26日08:12 UTC）。将订正结果与业务S波段（杭州Z9571）和C波段（贵州Z9870）参考雷达进行对比评估，并与当前业务中使用的衰减订正方法进行比较。计算了平均绝对误差（MAE）、均方根误差（RMSE）、平均偏差和皮尔逊相关系数等定量指标来评估订正性能。本文余下部分的组织结构如下。第2节描述本研究所用的雷达网络配置和数据。第3节详细介绍了方法框架。第4节报告了实验结果和对比分析。第5节讨论了该方法的局限性及业务应用前景。

## 雷达网络概况

本研究中使用的所有雷达均为X波段相控阵雷达，分别位于浙江省和贵州省。每个雷达的最大探测距离为44.16 km，距离分辨率为30 m。雷达的地理位置分别如图1和图2所示。

## 雷达参数

X波段相控阵雷达在出厂时通过金属球法进行了外部校准，即雷达观测一个具有已知理论雷达散射截面的标准金属球，通过校准值进行标定。

## 算法原理与理论基础

理论上，当多个雷达探测同一空间位置的气象系统时，所有衰减效应和误差（包括校准偏差和湿天线罩衰减）均被消除。在这种情况下，不同雷达对同一气象目标的观测结果应具有一致性。

然而，在实际情况下，由于不同雷达的空间位置不同，观测同一气象目标时波束路径也不同，因此在路径上的衰减也不同。

## 衰减订正效果

为检验基于网络的衰减订正方法的效果，选取了浙江省绍兴阵列中同一时刻的三个X波段相控阵雷达ZK411、ZK413和ZK414，并以杭州S波段雷达Z9571作为参考。对比分析采用空间匹配方法。选取其中一个X波段相控阵雷达ZK411作为主雷达视角，其余两个X波段雷达数据（ZK413和ZK414）以及S波段雷达数据均……

## 结论与讨论

本文提出了一种基于多雷达公共探测区的X波段雷达网络衰减订正方法。该方法将衰减系数α、各雷达系统偏差和天线罩水膜衰减作为统一方程组中的未知量，利用公共体观测的一致性约束进行联合求解。该方法使用两组独立的雷达网络数据进行了验证——浙江省绍兴阵列的三个X波段相控阵雷达……

## CRediT作者贡献声明

YuHan Wang：形式分析、调查研究、方法学、初稿撰写。Ling Yang：审稿与编辑、初稿撰写、监督指导、方法学。Shuqing Ma：监督指导、方法学、调查研究、概念化设计。Wanyi Wei：资源提供、数据整理。Xiaolu Liu：项目管理、方法学、数据整理。Jiaxing He：形式分析、数据整理。Bingheng Yang：调查研究、概念化设计。Xin Zhou：审稿与编辑、调查研究。Jinyan Xu：……

## 未引用参考文献

Huang等，2026；Loulli等，2025

## 利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：YuHan Wang报告称设备、药物或物资由西南华西南人工影响天气能力建设（四川）研究与实验项目提供。如有其他作者，他们声明没有已知可能与本文所报告的工作产生影响的财务利益或个人关系。

## 致谢

作者感谢Jiaxing He对性能指标评估和代码开发所做的贡献，以及Bingheng Yang对算法提出的深刻见解和建议。作者感谢华生雷达提供本研究所用的数据。本工作得到西南华西南人工影响天气能力建设（四川）研究与实验项目的资助。资助方未参与研究设计、数据收集……

YuHan Wang | Ling Yang | Shuqing Ma | Wanyi Wei | Xiaolu Liu | Jiaxing He | Bingheng Yang | Xin Zhou | Jinyan Xu