CN109100723B - 基于多普勒天气雷达数据的高空风反演方法 - Google Patents

Abstract

本发明提出一种基于多普勒天气雷达数据的高空风反演方法，该方法利用多普勒天气雷达的外推产品和径向速度产品，以及探空报资料进行多层次高空风场融合。本发明利用雷达回波图像的外推结果，将各个仰角面的平均径向速度场转化为具有U、V分量的速度矢量场，提高高空风场主观分析的可读性。利用探空资料对雷达风场进行适当修正，修正的力度随雷达网格点与探空站之间距离的增加而递减，使得风场具有较好的整体性和连续性，且更加符合实际大气风场的状况。本发明相较一些多元资料融合的方法，本发明算法的运算复杂度适中，可提高雷达二次风场输出的时效性。

Description

基于多普勒天气雷达数据的高空风反演方法

技术领域

本发明属于地球科学领域，尤其涉及一种利用多普勒天气雷达等探测资料进行多层次高空风反演的方法。

背景技术

高空风场特征是进行天气诊断分析的重要对象之一，在气象、军事和航空航天等领域起到至关重要的作用。当前，获取地球上空大气风场的途径有很多，如利用探空气球、多普勒天气雷达、风廓线雷达以及气象卫星等设备进行观测或探测。这些设备和技术手段各有优势，其中，多普勒天气雷达(以下简称雷达)具有探测空间分辨率高、数据更新频率快和实效性强等特点，在局地天气实况监测和短时临近天气预报等方面得到广泛的研究和应用。

平均径向速度是雷达的基本产品之一，该速度的获得是以多普勒效应为基本原理，其所表征的风场信息是以雷达为中心点，沿雷达体扫的某一径向上的速度分量，而非真实的风速矢量。为了得到雷达探测覆盖范围内不同高度层的实际风场信息，多年来很多学者提出各自的方法，有的是利用雷达自身的多种产品，如反射率因子和平均径向速度，通过数学方法构建约束方程，反演出风场信息；也有的是利用并结合多种探测资料，如风廓线雷达测风、卫星云迹风等多元数据计算出风场信息。由于天气系统的复杂性，以及现有技术手段的局限性，在实际业务应用中，针对高空实况风场的反演仍存在一定的缺陷和不足。例如，仅利用单部雷达的反射率因子和平均径向速度进行风场反演，方法相对简单，但受雷达杂波、电磁波波束随探测距离增加变得偏折、弯曲等不利影响，使得反演出的风场准确性较低。又例如，融合雷达径向速度与云迹风或水汽导风等多元资料，这类方法主要受限于不同资料的空间分辨率不一致，空间网格点对应关系不一致，以及观测时间不一致等问题，使得计算出的风场准确率时高时低，稳定性差。

发明内容

为了克服上述方法的不足，本发明提出一种利用多普勒天气雷达的外推产品和径向速度产品，以及探空报资料进行多层次高空风场融合的方法。

本发明所采用的具体技术方案如下：

一种基于多普勒天气雷达数据的高空风反演方法，该方法包括以下步骤：

步骤1：假设准备反演某一时刻t的高空风，首先选定一部雷达，利用该部雷达t时刻及之前最接近t时刻的N次雷达数据，采用外推算法得到雷达数据所表征的风暴体在各探测点的位移特征矢量，任一探测点的位移特征矢量记为

其中，N取2<N≤10的整数；

表示雷达体扫的某一仰角面，γ表示雷达探测点与雷达中心点之间的距离库，ω表示雷达体扫的方位角，t表示所处理的雷达数据对应时间；

步骤2：将上步中位移特征矢量

根据雷达体扫的时间周期T_it，单位距离库对应的长度L_u，按下式换算成移动速度矢量

作为矢量，表征速度的数值和方向的信息，定义

所指的方向与正北方向的夹角为θ，当

指向正北方向时，θ＝0，沿顺时针方向旋转，θ逐步增大；

步骤3：将上步中移动速度矢量

分解为U、V两个分量，其中，U分量与当前径向垂直，V分量与当前径向重合，假设

表示

在U轴的分量；

表示

在V轴的分量；

步骤4：假设在雷达数据中任一探测点

位置的雷达平均径向速度为

当

时，表示该速度的方向是沿着径向指向圆心；反之，当

时，表示该速度的方向是沿着径向背离圆心；将

作为基准速度，计算

与

的倍率，并以此倍率放大或缩小

的数值，得到

计算公式如下：

步骤5：将U方向的分量

与V方向的分量

按下式进行合并，计算得到修正后的移动速度矢量，记为

步骤6：按照步骤2～步骤5，对雷达每一个探测点的位移特征矢量

逐一进行计算，得到t时刻在雷达体扫的各个仰角面、各个距离库、各个方位角的修正后的移动速度矢量，即

步骤7：对雷达数据中任一探测点

查找与其地理位置最相近的一个探空报站点，读取该探空报站点中探测时间最接近t时刻的探空报站点数据，该数据记录了地球上某一经纬度位置，垂直向上多个高度层或多个气压层标准层次的风向和风速；得到与每个探测点对应的探空报站点数据，记录为V_h(lot,lat,alt)；

步骤8：以上步探空报站点数据V_h(lot,lat,alt)中的每个alt为基准高度，将雷达各个仰角面的修正后移动速度矢量

利用空间插值算法，转换为在各个alt所对应高度的移动速度矢量，记为V_ip(alt,γ′,ω,t)；γ′表示在水平方向上探测点与雷达中心点之间的距离，γ′的取值由γ、

和L_u通过三角几何方法求得；

步骤9：定义一个影响半径r和一个最大影响半径R_if，满足0<r<R_if，r表示V_ip(alt,γ′,ω,t)中任一点与探空报站点之间的空间距离，该距离可由探空报站点的经度、纬度和V_ip(alt,γ′,ω,t)中的点的经、纬度通过几何方法计算得到；V_ip(alt,γ′,ω,t)每个点的经度和经度通过该部雷达所在的地理位置以及γ′计算得到；

构造一个影响权重函数W_if(r)，该函数为须满足以下条件的递减函数：0<W_if(r)<1；根据探空报站点数据V_h(lot,lat,alt)，对步骤8中的V_ip(alt,γ′,ω,t)通过下式进行偏差订正：

V_bs(alt,γ′,ω,t)＝(1-W_if(r))×V_ip(alt,γ′,ω,t)+W_if(r)×V_h(lot,lat,alt)。

本发明的进一步设计在于：

步骤1中，所述N次雷达数据的数据形式为基本反射率数据和平均径向速度数据。

步骤1中，所述外推算法采用最大相关法或交叉相关法。

步骤7中，如果该探空报站点数据的记录只有大气压信息，没有距离地面的高度信息，通过压高公式气象学方法换算得到。

步骤7中，对于探空报站点数据采用非标准层次的，采用插值相关算法，内插到标准层次。

步骤8中，修正后移动速度矢量

插值到alt高度通过与该位置空间相邻的上、下各1个仰角面的移动速度矢量采用反距离权重算法计算。

步骤9中，V_ip(alt,γ′,ω,t)可采用平行四边形或正交分解法求解。

本发明相比现有技术具有的优点如下：

1、本发明利用雷达回波图像的外推结果，将各个仰角面的平均径向速度场转化为具有U、V分量的速度矢量场，提高高空风场主观分析的可读性。

2、本发明利用探空资料对雷达风场进行适当修正，修正的力度随雷达网格点与探空站之间距离的增加而递减，使得风场具有较好的整体性和连续性，且更加符合实际大气风场的状况。

3、本发明相较一些多元资料融合的方法，本发明算法的运算复杂度适中，可提高雷达二次产品(风场)输出的时效性。

附图说明

图1是本发明实施例一的主控制流程图。

图2是实施例一中移动速度矢量

分解为U、V两个分量，其中，U分量与当前径向垂直，V分量与当前径向重合。

图3是应用实例一步骤8中，对“将雷达各个仰角面的速度矢量插值到一个等压面的计算过程”的辅助描述。

图4是应用实例一步骤9中，构造的W_if(r)函数的函数图像。

具体实施方式

下面结合附图对本发明的技术方案进一步说明。

实施例一：

如图1所示，本发明基于多普勒天气雷达数据的高空风反演方法，该方法包括以下步骤：

步骤1：假设准备反演某一时刻t的高空风，首先选定一部雷达，利用该部雷达t时刻及之前最接近t时刻的N次雷达数据(该数据形式为基本反射率数据和平均径向速度数据)，采用外推算法，如最大相关法、交叉相关法等，计算出雷达数据所表征的风暴体在各探测点的位移特征矢量，任一探测点的位移特征矢量记为

其中，N取2<N≤10的整数；

表示雷达体扫的某一仰角面，仰角面的个数及每个仰角面的仰角度数取决于雷达技术参数及雷达体扫的模式；γ表示雷达探测点与雷达中心点之间的距离库，距离库是雷达回波信号处理中沿径向上探测分辨率的基本单位，单位距离库的长度也取决于雷达技术参数及雷达体扫的模式；ω表示雷达体扫的方位角，通常以正北方向的方位角为0°，沿顺时针方向递增，体扫一周为360°；t表示所处理的雷达数据对应时间。

的物理意义为：以任一时间t为基准，利用t、t-1、t-2、…、t-N+1时刻的雷达探测资料，通过外推算法计算得到在雷达体扫的一个时间周期T_it，由任一仰角

任一距离库γ和任一方位角ω所确定的空间位置上，雷达回波移动的速度，该速度的单位为：距离库数/体扫时间周期。

步骤2：将上步中位移特征矢量

根据雷达体扫的时间周期T_it，单位距离库对应的长度L_u，换算成移动速度矢量

其中，T_it的单位为分钟(min)，L_u的单位为公里(km)，

的单位为米/秒(m/s)，计算方法为：

作为矢量，

除了有表征速度的数值大小外，还有表征方向的信息，不妨定义

所指的方向与正北方向的夹角为θ，当

指向正北方向时，θ＝0，沿顺时针方向旋转，θ逐步增大。

步骤3：将上步中移动速度矢量

分解为U、V两个分量，其中，U分量与当前径向垂直，V分量与当前径向重合，如图2所示。U、V两个分量可利用正交分解等方法计算得到，假设

表示

在U轴的分量；

表示

在V轴的分量。

步骤4：假设在雷达数据中任一探测点

位置的雷达平均径向速度为

该值是雷达的基本产品之一，可直接获得。当

时，表示该速度的方向是沿着径向指向圆心，圆心即如图2所示的雷达中心点；反之，当

时，表示该速度的方向是沿着径向背离圆心。将

作为基准速度，计算

与

的倍率，并以此倍率放大或缩小

的数值，得到

计算方法为：

步骤5：将U方向的分量

与V方向的分量

进行合并，计算得到修正后的移动速度矢量，记为

计算方法为：

步骤6：按照步骤2～步骤5，对雷达每一个探测点的位移特征矢量

逐一进行计算，得到t时刻在雷达体扫的各个仰角面、各个距离库、各个方位角的修正后的移动速度矢量，即

步骤7：对雷达数据中任一探测点

查找与其地理位置最相近的一个探空报站点，读取该探空报站点中探测时间最接近t时刻的探空报站点数据，该数据记录了地球上某一经纬度位置，垂直向上多个高度层或多个气压层标准层次的风向和风速；得到与每个探测点对应的探空报站点数据，记录为V_h(lot,lat,alt)；

如果该数据记录只有大气压信息，而没有距离地面的高度信息，可通过“压高公式”等气象学方法换算得到。对于V_h(lot,lat,alt)其中，lot表示经度，lat表示纬度，alt表示海拔高度，V_h表示相应空间位置的风速矢量；通常，探空报站点每次探测并记录的高度层或气压层，其数量不固定，每份探空报站点数据记录了多少组探测值，就有多少个alt值，不妨定义为alt1,alt2,…,altn，alt∈{alt1,alt2,…,altn}；每份探空报站点数据，其经纬度坐标位置是固定不变的；不同探空报站点，其经纬度坐标位置往往不相同。

需要补充说明的是，我国气象部门业务上使用的探空报，所记录的高度层或气压层通常是固定的几个标准层次，对于非标准层次，可采用插值相关算法，内插到标准层次。以下步骤是针对标准层次的计算，对于非标准层次的情况，经过内插计算后也适用。

步骤8：以上步探空报站点数据V_h(lot,lat,alt)中的每个alt为基准高度，将雷达各个仰角面的修正后移动速度矢量

利用空间插值算法，转换为在各个alt所对应高度的移动速度矢量，记为V_ip(alt,γ′,ω,t)。其中，空间插值算法可采用反距离权重算法，γ′表示在水平方向上探测点与雷达中心点之间的距离，单位为公里(km)，γ′的取值由γ、

和L_u通过三角几何方法求得；

步骤9：探空报站点的经度和纬度是已知的，V_ip(alt,γ′,ω,t)每个点的经度和经度通过该部雷达所在的地理位置以及γ′计算得到；

定义一个影响半径r和一个最大影响半径R_if，满足0<r<R_if，r表示V_ip(alt,γ′,ω,t)中任一点与探空报站点之间的空间距离，该距离可由探空报站点的经度、纬度和V_ip(alt,γ′,ω,t)中的点的经、纬度通过数学方法计算得到；

构造一个影响权重函数W_if(r)，该函数是一个经验函数，须满足条件：它是一个递减函数且0<W_if(r)<1；由于探空报记录是观测到的真实的风场信息，相较于雷达产品反演出的各种风场信息，具有更高的可信度。根据探空报站点数据V_h(lot,lat,alt)，对步骤8中的V_ip(alt,γ′,ω,t)进行偏差订正，计算方法为：

V_bs(alt,γ′,ω,t)＝(1-W_if(r))×V_ip(alt,γ′,ω,t)+W_if(r)×V_h(lot,lat,alt)

由于V_bs(alt,γ′,ω,t)、V_ip(alt,γ′,ω,t)和V_h(lot,lat,alt)都是矢量，因此，计算过程应符合矢量加减的计算法则，如采用平行四边形或正交分解法等。

由此完成一个探空报站点数据V_h(lot,lat,alt)中的每一个高度alt的偏差订正，得到经偏差订正后的标准高度层风场矢量V_bs(alt,γ′,ω,t)；进一步完成所有探空报站点数据的偏差订正，得到多个标准高度层的风场矢量信息。

理论上，在雷达探测范围内，有效探空站点和有效探空风场记录越多，V_bs(alt,γ′,ω,t)越能真实地反映高空各高度层的风场特征；反之，如果探空站点过于稀疏或探空风场记录过少，由于最大影响半径R_if的限制，雷达探测范围的一些区域则可能没有步骤9的计算过程，这也是考虑到风场在大尺度上的不连续性，避免“过度校正”。

通过上述步骤的计算，可得到雷达探测范围内多个标准高度层的风场矢量信息。这些信息经图形化展示后，可为专业人员从事天气诊断分析提供辅助决策；也可将这些信息作为初始场输入到数值模式中，以提高天气模式预报的准确性。

应用实例一：

本实施例选用t＝“2018年5月14日8时45分”南京地区的多普勒天气雷达数据作为实施对象，该雷达是一部S波段的雷达，采用VCP21体扫模式，体扫周期一般为6分钟。本实施例的最终目的是通过下述步骤计算得到多个标准高度层的大气风场，并使得风场具有较好的整体性和连续性且更加符合实际大气风场的状况。

步骤1：首先，读取雷达探测时间t时刻及之前最接近t时刻的N＝3次雷达探测数据，即2018-5-148:32、8:39和8:45时刻的雷达探测数据(实际体扫周期存在±1分钟的误差)。然后，根据数据中的基本反射率值，采用交叉相关法进行外推计算，计算出雷达数据所表征的风暴体在各探测点的位移特征矢量，任一探测点的位移特征矢量记为

其中，

表示雷达体扫的某一仰角面，本实施例雷达的有效仰角面数量为9个，标准仰角度数分别为：0.5°、1.45°、2.4°、3.35°、4.3°、6.0°、9.9°、14.6°、19.5°；γ表示雷达探测点与雷达中心点之间的距离库，距离库是雷达回波信号处理中沿径向上探测分辨率的基本单位，单位距离库的长度也取决于雷达技术参数及雷达体扫的模式，本实施例雷达的单位距离库长度为1km；ω表示雷达体扫的方位角，通常以正北方向的方位角为0°，沿顺时针方向递增，体扫一周为360°；t表示所处理的雷达数据对应时间。

的物理意义为：以8:45为基准，利用8:32、8:39和8:45这3个时刻的雷达探测资料，通过外推算法计算得到在雷达体扫的一个时间周期T_it＝6min，由任一仰角

任一距离库γ和任一方位角ω所确定的空间位置上，雷达数据所表征的风暴体移动的速度，该速度的单位为：距离库数/6min。

步骤2：将位移特征矢量

根据雷达体扫的时间周期T_it＝6min，单位距离库对应的长度L_u＝1km，换算成移动速度矢量

计算方法为：

作为矢量，

除了有表征速度的数值大小外，还有表征方向的信息，不妨定义

所指的方向与正北方向的夹角为θ，当

指向正北方向时，θ＝0，沿顺时针方向旋转，θ逐步增大。

步骤3：将移动速度矢量

分解为U、V两个分量，其中，U分量与当前径向垂直，V分量与当前径向重合。U、V两个分量的计算方法为：

其中，

表示

在U轴的分量；

表示

在V轴的分量。

步骤4：假设在

位置的雷达平均径向速度为

该值是雷达的基本产品之一，可直接获得。当

时，表示该速度的方向是沿着径向指向圆心；反之，当

时，表示该速度的方向是沿着径向背离圆心。将

作为基准速度，计算

与

的倍率，并以此倍率放大或缩小

的数值，得到

计算方法为：

步骤5：将U方向的分量

与V方向的分量

进行合并，得到修正后的移动速度矢量，记为

计算方法为：

步骤6：根据步骤2至步骤5，可计算得到对t时刻对应的3次雷达探测数据在雷达体扫的各个仰角面上、各个距离库、各个方位角，经修正后的移动速度矢量，即

步骤7：根据当前雷达的地理位置，经纬度为(118.698°,32.191°)和雷达探测的有效半径，对雷达数据中任一探测点

查找该覆盖范围内有效的探空报站点。本实施例中，仅有一个探空报站点，站点号为25238，经纬度为(118.8°,32.0°)。与当前雷达数据时间上最相近的探空报为同日08时的数据，该数据记录了1000hPa、925hPa、850hPa、…、100hPa共11个大气压层的风向和风速。不妨定义当前探空报资料的记录为V_j(lot,lat,alt)，其中，lot表示经度，lat表示纬度，alt表示海拔高度，V_h表示相应空间位置的风速矢量。

在气象上，对于高空大气状况的分析，通常习惯用大气压强代替海拔高度作为对不同高度的度量，而大气压强与海拔高度之间可通过“压高公式”等气象学方法计算得到。由于当前的探空报记录只有大气压信息，没有距离地面的高度信息，并且，在本发明的各步骤中，不论采用大气压强还是采用海拔高度作为对不同高度的度量，并无本质区别。因此，步骤7V_h(lot,lat,alt)中的alt，单位为hPa，且以下步骤中将使用单位为hPa的大气压强来表示不同的高度层。

步骤8：对探空报记录V_h(lot,lat,alt)中的每一个alt，利用空间插值算法，将各个仰角面的修正后移动速度矢量

插值到alt高度，结果记为V_ip(alt,γ′,ω,t)。其中，γ′表示在水平方向上，探测点与雷达中心点之间的距离，单位为公里(km)，γ′的取值可由γ、

和L_u通过数学几何方法求得。

空间插值的方法有很多，本实施例计算的方法如图3所示，以alt＝925hPa为例，该高度层某一径向上如深黑色点所示的V_ip(925hPa,γ′,ω,t)处的速度矢量是由与该位置空间相邻的上、下各1个仰角面的V_w(0.5°,γ,ω,t)和V_w(1.45°,γ,ω,t)采用反距离权重算法计算求得。

步骤9：定义一个影响半径r和一个最大影响半径R_if，满足0<r<R_if，r表示V_ip(alt,γ,ω,t)上任一个网格点与探空报对应站点的空间距离，该距离可由探空报的经、纬度和V_ip(alt,γ,ω,t)网格点的经、纬度通过几何方法计算得到。本实施例中，R_if＝50km。

构造一个影响权重函数W_if(r)，该函数是一个经验函数，须满足条件：它是一个递减函数且0<W_if(r)<1。本实施例中，W_if(r)函数为：

W_if(r)的函数图像如图4所示。

由于探空报记录是观测到的真实的风场信息，相较于雷达产品反演出的各种风场信息，具有更高的可信度。根据探空报记录V_h(lot,lat,alt)的速度矢量信息，对步骤8中的V_ip(alt,γ′,ω,t)进行偏差订正，计算方法为：

V_bs(alt,γ′,ω,t)＝(1-W_if(r))×V_ip(alt,γ′,ω,t)+W_if(r)×V_h(lot,lat,alt)

由于V_bs(alt,γ′,ω,t)、V_ip(alt,γ′,ω,t)和V_h(lot,lat,alt)都是矢量，因此，计算过程应符合矢量加减的计算法则，如采用平行四边形或正交分解法等。

由此完成一个探空报站点数据V_h(lot,lat,alt)中的每一个高度alt的偏差订正，得到经偏差订正后的标准高度层风场矢量V_bs(alt,γ′,ω,t)；进一步完成所有探空报站点数据的偏差订正，得到多个标准高度层的风场矢量信息。

理论上，在雷达探测范围内，有效探空站点和有效探空风场记录越多，V_bs(alt,γ′,ω,t)越能真实地反映高空各高度层的风场特征；反之，如果探空站点过于稀疏或探空风场记录过少，由于最大影响半径R_if的限制，雷达探测范围的一些区域则可能没有步骤9的计算过程，这也是考虑到风场在大尺度上的不连续性，避免“过度校正”。

通过上述步骤的计算，可得到雷达探测范围内多个标准高度层的风场矢量信息。这些信息经图形化展示后，可为专业人员从事天气诊断分析提供辅助决策；也可将这些信息作为初始场输入到数值模式中，以提高天气模式预报的准确性。

Claims (7)

1.一种基于多普勒天气雷达数据的高空风反演方法，该方法包括以下步骤：

步骤1：假设准备反演某一时刻t的高空风，首先选定一部雷达，利用该部雷达t时刻及之前最接近t时刻的N次雷达数据，采用外推算法得到雷达数据所表征的风暴体在各探测点的位移特征矢量，任一探测点的位移特征矢量记为

其中，N取2＜N≤10的整数；

表示雷达体扫的某一仰角面，γ表示雷达探测点与雷达中心点之间的距离库，ω表示雷达体扫的方位角，t表示所处理的雷达数据对应时间；

步骤2：将上步中位移特征矢量

根据雷达体扫的时间周期T_it，单位距离库对应的长度L_u，按下式换算成移动速度矢量

作为矢量，表征速度的数值和方向的信息，定义

所指的方向与正北方向的夹角为θ，当

指向正北方向时，θ＝0，沿顺时针方向旋转，θ逐步增大；

步骤3：将上步中移动速度矢量

分解为U、V两个分量，其中，U分量与当前径向垂直，V分量与当前径向重合，假设

表示

在U轴的分量；

表示

在V轴的分量；

步骤4：假设在雷达数据中任一探测点

位置的雷达平均径向速度为

当

时，表示该速度的方向是沿着径向指向圆心；反之，当

时，表示该速度的方向是沿着径向背离圆心；将

作为基准速度，计算

与

的倍率，并以此倍率放大或缩小

的数值，得到

计算公式如下：

步骤5：将U方向的分量

与V方向的分量

按下式进行合并，计算得到修正后的移动速度矢量，记为

步骤6：按照步骤2～步骤5，对雷达每一个探测点的位移特征矢量

逐一进行计算，得到t时刻在雷达体扫的各个仰角面、各个距离库、各个方位角的修正后的移动速度矢量，即

步骤7：对雷达数据中任一探测点

查找与其地理位置最相近的一个探空报站点，读取该探空报站点中探测时间最接近t时刻的探空报站点数据，该数据记录了地球上某一经纬度位置，垂直向上多个高度层或多个气压层标准层次的风向和风速；得到与每个探测点对应的探空报站点数据，记录为V_h(lot，lat，alt)；其中，lot表示经度，lat表示纬度，alt表示海拔高度；

步骤8：以上步探空报站点数据V_h(lot，lat，alt)中的每个alt为基准高度，将雷达各个仰角面的修正后移动速度矢量

利用空间插值算法，转换为在各个alt所对应高度的移动速度矢量，记为

γ′表示在水平方向上探测点与雷达中心点之间的距离，γ′的取值由γ、

和L_u通过三角几何方法求得；

步骤9：定义一个影响半径r和一个最大影响半径R_if，满足0＜r＜R_if，r表示V_ip(alt，γ′，ω，t)中任一点与探空报站点之间的空间距离，该距离可由探空报站点的经度、纬度和V_ip(alt，γ′，ω，t)中的点的经、纬度通过几何方法计算得到；V_ip(alt，γ′，ω，t)每个点的经度和经度通过该部雷达所在的地理位置以及γ′计算得到；

构造一个影响权重函数W_if(r)，该函数为须满足以下条件的递减函数：0＜W_if(r)＜1；根据探空报站点数据V_h(lot，lat，alt)，对步骤8中的V_ip(alt，γ′，ω，t)通过下式进行偏差订正：

V_bs(alt，γ′，ω，t)＝(1-W_if(r))×V_ip(alt，γ′，ω，t)+W_if(r)×V_h(lot，lat，alt)。

2.根据权利要求1所述基于多普勒天气雷达数据的高空风反演方法，步骤1中，所述N次雷达数据的数据形式为基本反射率数据和平均径向速度数据。

3.根据权利要求2所述基于多普勒天气雷达数据的高空风反演方法，步骤1中，所述外推算法采用最大相关法或交叉相关法。

4.根据权利要求3所述基于多普勒天气雷达数据的高空风反演方法，步骤7中，如果该探空报站点数据的记录只有大气压信息，没有距离地面的高度信息，通过压高公式气象学方法换算得到。

5.根据权利要求1-4任一所述基于多普勒天气雷达数据的高空风反演方法，步骤7中，对于探空报站点数据采用非标准层次的，采用插值相关算法，内插到标准层次。

6.根据权利要求5所述基于多普勒天气雷达数据的高空风反演方法，步骤8中，修正后移动速度矢量

插值到alt高度通过与该位置空间相邻的上、下各1个仰角面的移动速度矢量采用反距离权重算法计算。

7.根据权利要求6所述基于多普勒天气雷达数据的高空风反演方法，步骤9中，V_ip(alt，γ′，ω，t)可采用平行四边形或正交分解法求解。

Images