面向实时监测与回顾性分析的连续雷达水面流速记录分目的条件化处理方法研究

《Water》：Purpose-Specific Conditioning of Continuous Radar Surface Velocity Records for Real-Time Monitoring and Retrospective Analysis

　　

摘要专业翻译 连续雷达水面流速记录需要分目的的条件化处理，因为实时监测与回顾性分析在可用的时间信息上存在差异。短周期波动和尖峰信号在两种场景下均可能掩盖与水位相关的流量响应。研究人员利用韩国六个监测站点的10分钟记录，评估了一个将这两种处理角色分离的分步质量控制框架。因果预处理结合了Huber加权递归最小二乘法（Huber-weighted Recursive Least Squares, RLS）、模糊校正（fuzzy correction）和尾随Hampel滤波器（trailing Hampel filter），以生成临时序列。回顾性处理采用居中Hampel滤波器（centered Hampel filter）及基于准则的零相位移动平均（Zero-Phase Moving Average, ZPMA）平滑。因果预处理使连续流速增量的标准差降低了14.1%–53.4%，居中滤波后进一步降低了1.4%–7.8%。所有站点均选择了三点移动平均窗口，保留了98.4%–99.9%的峰值流速，流速总和比率为1.000。三个站点满足全部选择准则，两个站点满足形态保留准则，一个站点因增量方差和斜率准则未满足而以标记回退方式保留。与运行水位—流量基准相比，经后处理的指数流速法（Index Velocity Method, IVM）导出流量过程线在所有站点均表现出更低的均方根误差（Root Mean Square Error, RMSE）和更高的R2，而有符号偏差则因站点而异。该框架提供了一条从观测可用性和数据状态到形态评估及下游流量评价的可追溯路径。

论文解读

一、研究背景与问题

随着多普勒雷达技术在河流水文监测中的广泛应用，非接触式、快速、连续的表面流速观测已成为实时水文监测、流量估算和运行决策的重要数据来源。在韩国，支持实时流量估算的监测站点数量从2023年的75个增长至2026年的223个，其中111个站点配备了雷达表面流速仪。然而，雷达测量可能受到低水位、缓坡、风致漂移、表面散射不良以及局部水动力扰动等因素的影响，产生尖峰信号或持续性短周期变率，这些噪声会进一步传播至流量估算结果中。

现有质量控制方法面临一个根本性约束：实时监测中，筛选和校正过程只能依赖截至当前时刻的观测数据，使用后续观测将引入非因果信息并延迟数据可用性；而事后质量条件化则可以利用目标时刻两侧的观测来重新评估局部一致性。已有研究多采用单一校正或重建序列，未明确区分因果临时产品与回顾性条件化产品，也未量化雷达表面流速的逐级变化如何传播至指数流速法（IVM）导出的流量序列。此外，过度平滑会衰减洪峰流速、改变峰现时间或压平涨落水段形态，而弱滤波则可能遗留尖峰或持续振荡。因此，需要一种能够同时兼顾变率衰减与事件尺度水文特征保留的分步质量控制框架。

二、研究内容与总体结论

研究人员开发并评估了一个具有两种目的特定输出的分步质量控制框架。通过因果预处理，利用当前及历史观测生成适用于实时监测的临时流速序列；通过回顾性后处理，利用双向时间信息生成事后条件化序列。研究在韩国六个监测站点的2025年洪水季代表性事件窗口上进行了评估，结果表明该框架能够有效降低短滞后变率，同时保留事件尺度的峰值、坡度和积分流速特征。经条件化流速记录导出的IVM流量过程线与运行水位—流量基准相比，在时间步长一致性和时间跟踪方面表现更优，但有符号偏差和百分比偏差并非在所有站点均得到改善。

三、主要关键技术方法

研究人员采用了以下关键技术方法：一是Huber加权递归最小二乘（RLS）模型，作为自适应水位条件化基线，以二次函数形式建模流速与水位关系，遗忘因子λ设为0.995，Huber阈值设为1.5；二是模糊规则滤波器，以相对偏差、水位增量和标准化残差为模糊输入，通过零阶Sugeno加权平均解模糊确定校正强度系数，并设置0.20硬门限和0.2速率限制；三是尾随窗口Hampel滤波器，采用五点窗口和3.0阈值乘数进行因果局部异常筛查；四是居中窗口Hampel滤波器，以对称五窗口重新评估局部一致性；五是零相位移动平均（ZPMA）滤波，通过R_diff、R_peak、R_slope和R_VQ四项无量纲指标及P0–P3四级选择层级确定窗口大小。研究数据来自韩国六个监测站点，雷达传感器为SOMMER RQ-30仪器，采样间隔为10分钟，每个站点选取主水流路径上的一条雷达记录作为代表性指数流速输入。

四、研究结果

因果预处理的效果。 Huber加权RLS模型能够跟踪事件尺度表面流速模式，对孤立的10分钟波动响应较弱。模糊校正使六个站点的σ(ΔV)均有所降低，其中S1和S4降幅最大，分别从0.0470降至0.0260（44.8%）和从0.0909降至0.0535（41.2%）。水位分箱内流速方差缩小5.4%–44.1%。尾随窗口Hampel滤波使σ(ΔV)在模糊校正基础上进一步降低1.7%–15.8%。因果预处理结束时，σ(ΔV)较原始记录降低14.1%–53.4%。

回顾性后处理的效果。 居中窗口Hampel滤波使σ(ΔV)在预处理基础上进一步降低1.4%–7.8%，其中S2（7.8%）和S3（6.7%）降幅最大。所有站点均通过不同选择分支选定了三点ZPMA窗口：S1、S5和S6满足全部四项准则，经P1分支选定；S3和S4满足R_peak、R_slope和R_VQ准则但未满足R_diff准则，经P2分支选定；S2因R_diff和R_slope准则均未满足而经P3回退分支选定。选定窗口的R_peak范围为0.984–0.999，R_VQ均为1.000。从原始到后处理序列，σ(ΔV)总体降低45.5%–72.5%，其中S4（72.5%）和S2（69.8%）降幅最大。Corr(ΔH,ΔV)在全部六个站点均有所提高，其中S1从0.262增至0.757，S4从?0.091变为0.083。

IVM导出流量与运行基准的一致性。 后处理IVM流量过程线在所有六个站点的RMSE均低于原始流速IVM流量过程线，R²均更高。RMSE降幅从S5的2.8%到S2的31.9%不等。S1的IVM峰值与基准峰现时间一致，峰值低2.6%–3.0%；S2的峰值差从+3.6%改善至+1.0%；S3的IVM峰值始终比基准提前50分钟；S5的后处理使峰现时间与基准对齐，但峰值仍低6.0%；S6的后处理使峰现时间与基准一致，峰值低估从4.9%改善至3.9%。绝对偏差和PBIAS在S1、S3和S4下降，但在S2、S5和S6上升。

五、讨论与结论

讨论部分指出，临时序列和后处理序列服务于不同的数据使用阶段，因果预处理支持实时监测和临时IVM计算，回顾性处理适用于事件审查、归档和回顾性IVM分析。站点响应存在差异：S1表现出最一致的变率衰减和形态保留；S2因持续短周期波动而呈现最明显的权衡，其P3回退状态需在依赖短时流速变化的分析中谨慎对待；S3的IVM峰值提前与不稳定流条件下流速先于流量和水位达到峰值的相位顺序一致；S4的弱Corr(ΔH,ΔV)与不稳定流下非唯一水位—流速响应相符；S5和S6的响应更多表现为峰现时间调整而非全周期一致性的广泛改善。变率衰减与形态保留描述的是条件化的不同方面，σ(ΔV)和R_diff概括相邻观测间的变化，而R_peak、R_slope和R_VQ描述事件峰值、一小时平均坡度和积分流速的保留程度。IVM结果表明，条件化步骤对时间跟踪的影响比有符号或累积流量偏移更为一致。运行水位—流量定线的测量覆盖范围和不确定性差异应在解释峰值流量一致性时予以考虑。

研究结论部分翻译如下：本研究开发并评估了一个针对连续河流表面流速记录的分步质量控制框架。通过因果预处理，生成适用于实时使用的临时序列，并在后续观测可用后通过回顾性后处理对记录进行修订。该框架在六个具有不同流速记录特征的监测站点的选定洪水事件中，被证明能够降低短滞后变率。流速记录的变化根据峰值、一小时坡度、流速总和和水位—流速增量指标进行评估。经条件化流速记录导出的IVM流量过程线与运行水位—流量基准的时间一致性更佳，但偏差和PBIAS指标并非在所有站点均得到改善。所提出的框架根据数据可用性将因果临时序列与回顾性条件化序列分开，并在流速和流量两个层面进行评估。较低的短滞后变率本身并不能证明测量误差已被移除，与运行流量基准更接近的一致性也不能确立绝对流量估算的更高精度。评估覆盖了2025年的选定洪水事件和每个站点的一条主水流路径雷达记录，因此该框架对其他流态、更长记录和传感器配置的适用性仍需进一步测试。