[0001] 本发明涉及天气雷达探测技术领域，具体而言，涉及一种天气雷达回波强度在线标校方法。

[0002] 目前，天气雷达在气象观测和短临预报中发挥着至关重要的作用。天气雷达通过发射电磁波并接收目标散射的回波来测量降水强度、风速和云层高度等气象参数。其中，雷达回波强度（dBZ）是衡量降水强度的关键参数，其精度直接影响天气预报和气候研究的准确性。然而，雷达系统在长期运行过程中可能会受到多种因素的影响，导致其测量误差的漂移。例如常见的影响因素包括：1）、硬件老化：雷达的发射机、接收机以及天线等硬件设备随着时间的推移会逐渐老化，导致系统性能的下降。

[0003] 2）、环境变化：环境温度、湿度和大气条件的变化也可能影响雷达的性能，特别是对电子设备的影响较大。

[0004] 3）、维护和校准频率不足：雷达系统通常部署在远离城市的偏远地区，定期的维护和校准变得困难。传统的校准方法通常依赖于定期人工校准，人工定期标校不仅耗时耗力，还受限于环境条件、人员技术水平的约束。除此之外，校准方法通常采用机内标定监测，但不能覆盖雷达全链路。

[0026] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。应当理解，此处所描述的具体实施例仅用以解释本发明，仅仅是本发明一部分实施例，而不是全部的实施例，并不用于限定本发明。

[0027] 发明人发现，目前雷达系统在长期运行过程中可能会受到多种因素的影响，可能导致其测量误差的漂移。发明人进一步具体分析常见的影响因素及其影响原因，发现以下几大类：1）、硬件老化：雷达的发射机、接收机以及天线等硬件设备随着时间的推移会逐渐老化，导致系统性能的下降。发明人发现这种变化可能是渐进的，除非故障因素导致的突变，这种渐进式的变化难以通过常规检测手段及时发现。

[0028] 2）、环境变化：环境温度、湿度和大气条件的变化也可能影响雷达的性能，特别是对电子设备的影响较大。发明人发现环境变化对天气雷达性能的影响增加了监测和校准的复杂性。

[0029] 3）、维护和校准频率不足：雷达系统通常部署在远离城市的偏远地区，定期的维护和校准变得困难。传统的校准方法通常依赖于定期人工校准，人工定期标校不仅耗时耗力，还受限于环境条件、人员技术水平的约束。除此之外，校准方法通常采用机内标定监测，但不能覆盖雷达全链路。

[0030] 上述第3）点为一个比较关键的影响因素，由于天气雷达系统通常部署在偏远或难以到达的地区，这使得定期校准变得困难且耗时，通常采取有限的标校，例如：周、月、年维护和标校（绝大多数天气雷达都是周、月或者年维护和标校，进一步提高维护和标校频次将带来极高成本）。

[0031] 并且，人工校准过程依赖于操作人员的经验和技能水平，这可能导致校准结果的主观性和不一致性。而雷达系统通常需要对雷达关键参数的监测，如发射功率、脉冲宽度、接收通道增益变化等，并针对关键参数的变化自动订正回波强度。但是，传统的机内标校，只能覆盖雷达系统部分参数和部分链路的增益变化，缺少全链路标校手段，因此有一定的局限性。

[0032] 此外，随着社会需求的日益增多，天气预报和气候研究要求高精度、自动化以及实时的数据，这对雷达系统的校准提出了自动化、实时性等更高的需求。然而，上述传统校准方法难以实现自动化和实时性需求。

[0033] 针对上述问题，发明人在经过大量的研究，创造性地提出了本发明的天气雷达回波强度在线标校方法，以下对本发明的技术方案进行详细解释和说明。

[0034] 发明人针对传统天气雷达标校存在的问题，经过大量的研究，创造性地提出了利用地杂波信号对天气雷达系统进行相对标校的方法，完全区别于目前传统的标校方法。

[0035] 地杂波（ground clutter）是指雷达在扫描时接收到的来自地面目标的回波。这些回波通常包括建筑物、地形和植被等产生的散射信号。尽管地杂波在雷达观测中通常被视为干扰信号，但其具有以下特点，使其在雷达系统的系统性能监测中具有潜在的应用价值：、稳定性：地杂波回波相对稳定，其不随天气条件的变化而显著变化。这使得地杂波成为一个可靠的参考目标。

[0036] 、广泛存在：地杂波在雷达的最低仰角扫描中普遍存在，易于获取大量数据。

[0037] 、高信噪比：地杂波通常具有较高的信噪比，使其在噪声环境中依然具有可观测性。

[0038] 基于以上特点，利用地杂波信号监测雷达系统性能变化成为一种可行的方案。特别是在地杂波信号稳定的条件下，发明人创造性地提出通过地杂波回波强度的累积分布函数分析雷达系统的性能变化，进而实现自动化的标校。此外，对于地杂波回波强度的数据处理可以实现自动化，从而减少人工干预的需求。

[0039] 本发明所提一种天气雷达回波强度在线标校方法，参考图1所示的流程图，该天气雷达回波强度在线标校方法包括：步骤101：采集环境信号并进行处理，得到有效地杂波数据。

[0040] 本发明所提天气雷达回波强度在线标校方法是利用地杂波来实现的，因此首先需要采集环境信号，并对其进行处理，得到有效地杂波数据。一般情况下，天气雷达接收到的回波信号包括：气象回波、地杂波和异常传播回波。气象回波是对于降水、风速、云层等等气象的散射回波；而地杂波中可能包括建筑物、地形、植被以及动物等产生的散射回波；异常传播回波通常是虚假回波。这些回波都会被天气雷达接收到，而为了精准的校准天气雷达，则需要稳定的地杂波，也即有效的地杂波数据。

[0041] 一种较优的采集环境信号并进行处理得到有效地杂波数据的方法包括：步骤S1：利用天气雷达采集环境信号得到未滤波回波强度数据。

[0042] 首先直接利用天气雷达的接收端采集环境信号得到未滤波回波强度数据，也即所有可被天气雷达接收到的回波信号均被视为未滤波回波强度数据。选用雷达正常扫描中最低仰角的数据，通常包含大量地杂波。

[0043] 步骤S2：对未滤波回波强度数据进行运算，得到未滤波回波强度数据中的所有地杂波信号对应的数据。

[0044] 得到未滤波回波强度数据后，由于需要地杂波，因此对未滤波回波强度数据进行运算，从全部未滤波回波强度数据中筛选出地杂波信号对应的数据。一种较优的筛选方法包括：对未滤波回波强度数据采用地杂波识别算法进行运算，将地杂波从气象回波、非稳定性地杂波以及异常传播回波中识别出来，得到地杂波信号对应的数据。这其中，所谓地杂波识别算法包括：利用空间临近性和紧凑性检验原则，对未滤波回波强度数据进行滤波，滤除气象回波和所述异常传播回波。所谓空间临近性是指气象回波的空间连续性远比地面杂波大的特性；所谓紧凑性检验原则是指地杂波相对于气象回波、异常传播回波具有不同的面积或周长的特性。也即利用地杂波回波与气象回波、异常传播回波之间具有不同的特性，将其筛选出来。

[0045] 例如：采用5*5距离库大小的滑动窗口，trvar（当前库与周边的相邻库回波差异的阈值）设置为6dB；np（相邻库总数）设置为8，表示8邻域（即库接触八个可能方向，包括对角线方向中的任何一个）；tr为识别为气象回波特征的最小相邻库数与np的比值，气象回波特征的最小相邻库数当为11时，tr取数后设置为1.3。通过这种方式可以识别雷达数据中的地杂波。

[0046] 步骤S3：在识别的地杂波信号对应的数据的基础上，基于预设策略进行数据重采样，得到逐日未滤波地物回波强度匹配数据。

[0047] 由于目前多数天气雷达及其采集、处理回波信号的方式，是采用固定脉冲积累数的信号处理方式，这会导致雷达起始扫描方位角个数不固定，通常方位径向个数超过360，也可能会低于360个，但总体上小于400（例如：方位径向个数可能为361、365、367等等），因此其会引起雷达回波强度矩阵（由回波强度的数据形成的矩阵）大小和索引对应的方位不固定，因此直接统计分析由原始回波强度数据得到的非固定位置不同的地杂波信号对应的数据，难以得到稳定的回波强度数据，这会影响到地杂波数据分布的统计。

[0048] 为了解决这个问题，就需要对上述数据进行重采样，较优的可以基于预设策略进行数据重采样，在识别的地杂波信号对应的数据的基础上，利用天气雷达以每6分钟、方位间隔0.1°，数据重采样从而得到维度为3600个固定维度和方位的新地杂波回波强度的数据。

[0049] 之后将每个时次生成的新地杂波回波强度的数据进行逐小时累积，得到1小时的未滤波地物回波强度匹配数据，其中每个时次为6分钟。也即对于同一位置，1个小时的未滤波地物回波强度匹配数据中总计有10条未滤波地物回波强度匹配数据。再根据全天的未滤波地物回波强度匹配数据，进行逐日累积，得到逐日未滤波地物回波强度匹配数据，也即对于同一位置，逐日未滤波地物回波强度匹配数据中总计有24*10=240条未滤波地物回波强度匹配数据。

[0050] 步骤S4：基于逐日未滤波地物回波强度匹配数据，提取稳定地杂波的数据，得到有效地杂波数据。

[0051] 得到逐日未滤波地物回波强度匹配数据之后，基于逐日未滤波地物回波强度匹配数据，提取稳定地杂波的数据，从而得到有效地杂波数据。具体的：构建杂波图掩模；该杂波图掩膜较优的构建方式为：选择基于雷达预设距离范围内（根据实际需求选择预设距离，距离越大，则对应的数据越多，构建的杂波图掩膜越精准）无降水条件下连续24小时的低仰角所有PPI（Plan Position Indicator，平面位置显示）未滤波回波数据，基于该数据创建一个雷达径向分辨率为250米×0.1°的固定极坐标网格，以
0.1°作为方位间隔，共3600个方位，构建得到杂波图掩模。

[0052] 构建好杂波图掩膜后，再利用该杂波图掩膜，对目标位置对应的逐日未滤波地物回波强度匹配数据中每个时次的未滤波地物回波强度匹配数据进行标记，对回波强度大于阈值（例如回波强度大于50dBZ）的标记为1，否则标记为0，即可得到目标位置每个时次（也即每6分钟一次采集并处理后的数据）各自对应的掩模矩阵M（i，j，k）：

[0053] 上式中Z（i，j，k）为回波强度矩阵，其由目标位置的逐日未滤波地物回波强度匹配数据生成，i为仰角索引，j为方位索引，k为距离索引。

[0054] 得到掩模矩阵M（i，j，k）之后，以24小时为单位，将目标位置的所有时次各自对应的掩模矩阵M（i，j，k）相加并除以扫描的次数（每6分钟扫描一次，则1小时扫描10次，24小时总计扫描的次数为240次），得到目标位置在24小时内回波强度超过阈值的发生频率F（i，j，k）：

[0055] 上式中，N是扫描次数，MS（i，j，k）第S次扫描对应的掩模矩阵。若发生频率F（i，j，k）的值大于50%，则标记该目标位置对应的地杂波为稳定地杂波，并提取该稳定地杂波作为有效地杂波数据。例如：距离天气雷达250米、0.5°位置处对应的240条地杂波数据中，总共出现了130条地杂波数据对应的地杂波回波强度大于阈值，也即对距离天气雷达250米、0.5°位置处进行的240次扫描中，有130次扫描得到的地杂波回波强度大于阈值，那么认为该距离天气雷达250米、0.5°位置处对应的地杂波为稳定地杂波，并提取该稳定地杂波作为有效地杂波数据。

[0056] 自然可以理解的是，若发生频率F（i，j，k）的值不大于50%，则标记该目标位置对应的地杂波为非稳定地杂波，不进行提取。

[0057] 上述标记得到的有效地杂波数据可以用对应的标记矩阵来表达：

[0058] 上式中C1（i，j，k）即为最终的有效地杂波标记矩阵。

[0059] 步骤102：根据有效地杂波数据和相对校准基线，确定天气雷达的相对校准偏移量。

[0060] 得到有效地杂波数据之后，即可根据有效地杂波数据和相对校准基线，确定出天气雷达的相对校准偏移量。一种较优的方法包括：根据有效地杂波数据得到对应的地杂波回波强度累积概率分布的第95个百分位数数值 ，其中，，而ZC=Pr+20logR+2aR+C，这其中，Pr为天气雷达的接收功率，单位
为dBm；a为单向气体衰减，单位为dB/km，S波段取0.0055dB/km，C波段取0.008dB/km；R为回波距离，单位为km；C为天气雷达的常数，单位为dB。

[0061] 通过上述ZC的公式可知：由于接收功率是一个可以明确知晓值，也可以视其为固定值，那么对于同一接收功率的天气雷达，其接收到的回波强度的任何变化都与回波距离R、单向气体衰减a、天气雷达的常数有关。而回波距离R，对于相同回波距离来说，其对天气雷达的回波强度影响相同，因此对于同一接收功率的天气雷达，其接收到的回波强度随时间的任何变化都必须归因于雷达常数C和单向气体衰减a的变化。而雷达常数C的变化是由校准的变化引起的，因此可以基于这个基础，去除掉距离影响因子，也即。

[0062] 而地杂波回波强度累积概率分布的第95个百分位数数值，其是将有效地杂波数据按照回波强度值分级，统计各级别在24小时内出现频率，并根据出现频率统计结果计算累计频率，形成地杂波回波强度在24小时内的累积概率密度曲线；再基于地杂波回波强度在24小时内的累积概率密度曲线，确定地杂波回波强度累积概率分布的第95个百分位数数值。

[0063] 最后将地杂波回波强度累积概率分布的第95个百分位数数值与相对校准基线的差值作为相对校准偏移量RCA，即：。

[0064] 上式中， 即为相对校准基线。

[0065] 对于相对校准基线，较优的可以采用金属球校准天气雷达来得到。金属球对雷达能产生较强的散射回波，由于金属球的后向散射截面容易得知，因此可用于对雷达回波强度的精准检测和校准。由于RCS（雷达散射截面积）随金属球球体半径与雷达波长比值呈现震荡趋势，为了得到稳定的RCS，一般根据雷达波长选择满足米散射震荡区域条件的半径值作为金属球半径，金属球校准计算公式为：

[0066] 上两式中，Z为等效回波强度，单位为毫米六次方每立方米（mm6/m3）；R为回波距离，单位为米（m）；为天气雷达工作波长，单位为厘米（cm）；r为金属球半径，单位为厘米（cm）；为水平波束宽度，单位为度（°）；为垂直波束宽度，单位为度（°）；为脉冲宽度，单位为微
2 8
妙（μs）；q为复折射指数项，q =0.93，c为光速，一般取值2.99792458×10，单位为米每秒（m/s）。

[0067] 通过金属球对天气雷达进行校准，校准后雷达采集的地杂波回波强度数据按照其对应的回波强度值分级，统计各级别在24小时内出现频率，并根据出现频率统计结果计算累计频率，形成等效回波强度Z在24小时内的累积概率密度曲线；基于雷达金属球校准后地杂波回波强度Z在24小时内的累积概率密度曲线，确定等效回波强度Z累积概率分布的第95个百分位数数值，将其确定为相对校准基线。

[0068] 步骤103：基于相对校准偏移量对天气雷达进行校准。

[0069] 通过前述两个步骤得到相对校准偏移量之后，基于得到的相对校准偏移量即可对天气雷达进行校准。

[0070] 此外，由于可以将天气雷达实时采集的雷达数据，以及每次校准和调整的数据记录下来，因此可以形成一个长期的检验和监测数据库。这些数据可以用于后续分析和系统优化。通过对长期数据的分析，可以提前预测和识别天气雷达可能出现的性能问题，安排维护和标校计划，甚至对历史数据进行订正，从而进一步优化天气雷达的校准结果。

[0071] 为了验证本发明所提天气雷达回波强度在线标校方法的有效性，特以多地多时间段天气雷达采集的未滤波回波强度数据为例，采用本发明所提标校方法对天气雷达进行标校。参照图2所示为一地9月1日到7日天气雷达关键参数（进行过校准后的关键参数）和地杂波回波强度累积概率分布的第95个百分位数值偏移量变化曲线图，图2中横坐标为日期（图2中Day of Month），从9月1日到9月7日，左边纵坐标为地杂波回波强度累积概率分布的第
95个百分位数值偏移量（图2中用RCA Value表示），右边纵坐标为天气雷达机内实时关键参数（图2中用Syscal表示）；曲线1为天气雷达机内关键参数的变化曲线，曲线2为地杂波回波强度累积概率分布的第95个百分位数值偏移量的变化曲线。由图2显示，在9月4日天气雷达关键参数的值发生明显变化，同样看到该日地杂波回波强度累积概率分布的第95个百分位数值明显变小。

[0072] 9月5日，技术人员实地对该天气雷达开展了一次例行性维护和标校，测量结果发现该天气雷达测试通道低噪声放大器注入功率变小了0.38dB，机内功率显示为665kW，功率计测量显示功率为692kW，相差0.17dB，由此调整导致该天气雷达关键参数的值变化0.48dB。而分析9月5日地杂波回波强度累积概率分布的第95个百分位数值数值，相对9月3日变小了0.7dB，结果详见下表：

[0073] 由此可见本发明所提天气雷达回波强度在线标校方法成功利用地杂波来校准天气雷达，替代人工定期的校准方案，减少了对外部设备的依赖。通过使用地杂波作为稳定的参考目标物，能够检测和校正天气雷达中微小的系统性能变化，从而显著提高雷达回波强度测量的精度。通过对地杂波回波强度的累积概率密度的分布进行分析，自动检测并调整天气雷达的系统性能，自动化校准过程减少了对人工操作的需求，降低了维护成本和操作难度，同时减少了因人工操作误差导致的校准不一致性。

[0074] 参照图3所示另一地某月天气雷达关键参数（进行过校准后的关键参数）和地杂波回波强度累积概率分布的第95个百分位数值偏移量变化曲线图，图3中横纵坐标含义与图2相同，不做赘述。曲线1为天气雷达机内关键参数的变化曲线，曲线2为地杂波回波强度累积概率分布的第95个百分位数值偏移量的变化曲线。由图3显示可知，在该月7日当天，地杂波回波强度累积概率分布的第95个百分位数值明显变化了2.8dB。对应天气雷达关键参数也随之变化，两者几乎重合。技术人员在该月15日完成测试和参数调整后的参数变化，如下表所示：

[0075] 从上表中可知，雷达天线增益减少了1.34dB，俯仰波束宽度增加了0.04°，天气雷达机内关键参数值增大了2.33dB，分析校准后雷达采集的地杂波回波强度值，地杂波回波强度累积概率分布的第95个百分位数值增大了2.79dB。并且该日还对该天气雷达的发射支路损耗和接收支路损耗进行了实测，发现TR放电管损耗明显增大，且超过正常值，在这次过程中给予更换，并进行再次测试，天气雷达系统参数修正为实测的收发支路损耗。证明了发明所提天气雷达回波强度在线标校方法，可以有效的解决因器件因素导致的回波强度精准度较低问题。

[0076] 通过上述实测验证，表明本发明所提天气雷达回波强度在线标校方法的有效性和实用性。

[0077] 综上所述，本发明提出的天气雷达回波强度在线标校方法，首先对采集环境信号并进行处理，得到有效地杂波数据；再根据有效地杂波数据和相对校准基线，确定天气雷达的相对校准偏移量；最后基于相对校准偏移量对天气雷达进行校准。

[0078] 本发明所提在线标校方法，创造性提出利用地杂波来校准天气雷达，通过利用地杂波回波的稳定性和普遍性，提出了一种近实时在线的校准方案，减少了对技术人员知识水平和外部设备的依赖。通过使用地杂波作为稳定的参考目标物，能够检测和校正天气雷达中微小的系统性能变化，从而显著提高雷达回波强度测量的精度。这对于定量降水测量和天气预报精度至关重要。能够检测到天气雷达系统性能的细微变化，这些变化可能由于硬件老化、环境变化等引起，通过及时监测和校准，避免了系统性能下降对数据质量的影响。

[0079] 通过对地杂波回波强度数据的累积概率密度的分布进行分析，自动检测并调整天气雷达的系统性能，自动化校准过程减少了对人工操作的需求，降低了维护成本和操作难度，同时减少了因人工操作误差导致的校准不一致性。由于该方法不需要定期的人工操作，显著降低了天气雷达的校准成本。自动化校准减少了对人工操作的依赖，从而减少了人力资源投入和相关费用。通过系统自动化设计和集成，使得技术人员无需特别培训即可进行系统操作，这不仅简化了操作过程，还减少了因操作失误导致的校准不准确风险。

[0080] 同时天气雷达能够每日甚至更频繁地进行数据采集和分析，从而实现近实时的雷达校准。这种实时性对于应对突发天气事件和长期气候监测至关重要，确保了数据的持续高质量输出。通过实时监测天气雷达的系统性能变化并进行调整，能够显著提升天气雷达采集数据的准确性和可靠性，满足现代气象观测和预报的更高需求，为气象观测和预警预报提供了强有力的支持。

[0081] 通过长期监测和自动调整，能够维持天气雷达系统性能的稳定，从而保证了数据的长期一致性。这对于气象短临预警预报和长期气象观测数据的可靠性具有重要意义。不仅能够进行系统性能校准，还能够通过长期数据分析提前发现天气雷达潜在的性能问题，为预防性维护提供数据支持。这有助于延长天气雷达的使用寿命，避免突发故障。并且还具有广泛的适应性，适用S/C/X等不同波段和不同技术体制的地基雷达系统，能够推广应用于其他类型的雷达监测网络，具有良好的扩展性和适用性，这为不同的应用场景提供了灵活的解决方案，具有广阔的应用前景和很高的实用性。

[0082] 尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

[0083] 最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

[0084] 上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。