引言

我国自20世纪90年代起，逐步建立了以S波段和C波段多普勒天气雷达为主的新一代天气雷达网，在降水监测中起到了重要的作用。随着数值模式的不断发展，多普勒天气雷达资料在数值模式同化中也发挥了重要作用。已有研究证实，天气雷达数据，尤其是天气雷达多普勒径向速度的同化，能够在数值模式的初始化过程中更好地表现模式的中尺度结构，对对流性降水的模拟产生积极影响(徐广阔等, 2009; 陈敏等, 2014; 刘昱辰等, 2023)。采用直接同化雷达径向风的方法后，相应的模拟试验结果表明直接同化雷达径向风速后增加了初始场的中小尺度信息，增强了局地风场的辐合辐散特征，对降水等要素预报具有明显的改进作用(马昊等, 2016)。

一方面为了更好地利用多普勒天气雷达径向速度，及时发现对因设备维护不足或设备故障引发的径向速度数据错误，需要对径向速度数据进行持续对比、分析；另一方面，为了扩大在模式同化过程中多普勒天气雷达径向速度的可用数据量，需要对大气风场与天气雷达在晴空时观测到的晴空回波的径向速度进行对比、分析，以证实晴空回波的径向速度符合大气风场。探空仪虽然可以准确测量风场信息，但探空仪放球的时间频次过低，难以与天气雷达径向速度数据开展系统性分析。无人机吊飞金属球移动虽然可以精准分析无人机移动速度与天气雷达径向速度的差异，但无人机吊飞金属球需要专门的无人机飞手，费时费力，且对在禁飞区域内的雷达难以实施。通过外部的独立信号源发射特定信号也可测试天气雷达的径向速度，但信号源的安装对环境要求高。综上，不难发现已有多普勒天气雷达径向速度对比方法在开展过程中存在一定的限制。

激光测风雷达具有测量精度高、分辨率高、探测范围广、响应速度快等特点，对风场观测具有显著优势(鄢珅等, 2024; 傅军等, 2021)。目前，随着地基遥感垂直观测系统建设的不断推进，越来越多的激光测风雷达被布设于各级气象部门的观测场中，开展实时风场观测。但受限于物理特征，激光无法有效穿透降水，因此激光测风雷达仅可用在晴空大气状况。尽管天气雷达在设计之初主要针对于大气中水凝物的观测，但随着对于晴空大气研究的不断深入，天气雷达晴空大气观测到的晴空回波或可成为风场测量的潜在手段。

耿建军(2006)阐述了晴空回波与谱宽的关系，得出了谱宽数据与表征湍流强度的湍流耗散率的关系公式。唐云志(2014)描述了布拉格(Bragg)散射机制并分析湍流回波的海陆变化及日变化原因。管理等(2014)利用多普勒天气雷达晴空回波的径向速度与谱宽数据，对大气的湍能耗散率进行了反演，发现湍能耗散率在降水前2~3小时持续加强，并基于湍能耗散率预警强对流天气。赵海军(2017)应用晴空回波的速度产品对对流性降水出现前的大气低层风场信息进行监测，并以此分析降水前的辐合辐散特征。漆梁波等(2006)统计了强对流天气过程中晴空回波的演变特征，提供了一种判断降水是否产生的预报指标。陈亚军等(2022)提出逆温层和高湿区与雷达是否能够探测到晴空回波存在较高的相关性。

Teng et al(2023a)通过将雷达等效为自发自收的通信设备，基于超视距通信的对流层散射理论，开创性地提出天气雷达晴空回波主要由湍流导致，其本质是对流层中湍流团的Bragg衍射机制(对流层散射中的湍流散射机制)和不均匀气象要素反射(对流层散射中的不规则层发射机制)共同作用产生的。这表明，晴空回波的湍流或大气温、压、湿不均匀造成的折射率垂直梯度散射体可作为一种风场的示踪物。同时，通过北京地区S波段与X波段天气雷达的反射率因子差值分布特征，以及天气雷达反射率因子与风场、生物活动规律的矛盾，也印证了天气雷达晴空回波可作为大气风场的示踪物(滕玉鹏等, 2020a)。因此，多普勒天气雷达晴空回波的径向速度可与激光测风雷达风场数据进行对比，以此分析两种设备观测大气风场速度的一致性和测量结果的有效性。

本文利用激光测风雷达与多普勒天气雷达径向速度数据，对2023年5月北京大兴CINRAD/SA天气雷达的径向速度进行对比、分析。分析结果表明，激光测风雷达与天气雷达的速度对比结果较为一致，天气雷达晴空回波可作为大气风场的示踪物表征大气风场状态。同时，也对某些特殊情况下该方法存在的不足进行阐述。

1 理论与方法

天气雷达晴空回波经常在夏秋两季的晴好天气状况下被大量观测到。对于晴空回波的产生原因，目前主要有两种看法(张培昌, 1988)：一种认为回波是由大气湍流导致的折射指数起伏所引起的Bragg散射(物理本质是湍团的Bragg衍射)所致，称为晴空大气回波，或湍流回波(Teng et al, 2023b)；另一种晴空回波则主要由昆虫、鸟类、蝙蝠等生物在空中飞行时被气象雷达波束照射，生物体产生散射所致，称为生物回波(姚文等, 2022; 赵子杭等, 2024; 滕玉鹏等, 2020b)。由于生物在活动过程中存在一定的运动速度，因此由生物散射体产生的晴空回波往往并不能表征风场速度，而是视为一种被污染的信号。因此，对于晴空回波的正确认识决定了其径向速度可否被正确使用。鉴于目前对于晴空回波认识存在较大的分歧和误区，因此本章节重点对晴空回波的相关理论进行论述。

1.1 传统晴空回波理论

天气雷达在夏秋季节的夜晚常常会观测到大面积的晴空回波(Wilson et al, 1994; Kusunoki, 2002)。长期以来，国外部分研究人员认为生物散射体主导了晴空回波。他们的主要论据归因于两个矛盾：晴空回波双偏振特征与湍流局地均匀各向同性的矛盾、大气Bragg散射强度与大气折射率结构常数的矛盾。

1.1.1 局地均匀各向同性湍流

科尔莫戈罗夫(Kolmogorov)假设湍流的性质是均匀和各向同性的(局地均匀各向同性湍流)，那么湍流所导致的散射强度在水平方向和垂直方向也应相等(Birnir, 2013)。因此，湍流导致的晴空回波的差分反射率应为零。然而，实际观测结果表明，除部分在边界层顶观测到的晴空回波具有差分反射率为零的特征外，通常观测到的晴空回波均存在较大的差分反射率值，而昆虫扁长的身体形状则似乎可与差分反射率的特征吻合。国内的学者也曾对该观点提出了不同的解释，如黄琴等(2018)曾通过分析南京地区晴空回波的演变特征及大气垂直结构，认为南京地区的C波段天气晴空回波是由大气湍流引起的Bragg散射所产生，并将湍流回波的双偏振特征解释为湍涡在强水平风的作用下发生形变所致。

需要指出的是，尽管Kolmogorov的湍流理论在大气科学的发展中占有重要的地位，但现今大量研究揭示了非Kolmogorov湍流的广泛存在(饶瑞中和李玉杰, 2015; Toselli et al, 2008; Li et al, 2015)。实际上Batchelor and Townsend(1949)观测到湍流在时间上的运动是不连续的，而是存在着间歇性。Siggia(1981)进行了数值模拟，发现小部分空间占能量耗散的95%。Korotkova and Toselli(2021)在实验室中使用激光束证明了湍流各向异性的存在。Kolmogorov湍流理论在正确描述大气统计数据方面被发现是不完整的，特别是在对流层和平流层的部分(Toselli et al, 2008)。在国内，胡非(1995)对湍流的间歇性进行了较为领先的系统性研究。

近年来，越来越多的实验也证明了真实大气中湍流空气的各向异性。对激光束在近地大气中水平传播的实验研究表明，大气折射率在不同偏振方向变化近似于椭圆(Wang et al, 2017)。各向异性湍流的折射率的垂直偏振或水平偏振的比值，会在不同时间段0.6/1~1/0.6范围内变化(Beason et al, 2018)。这表明，湍流散射的差分反射率因子在-2~2 dB范围内均为合理。因此，差分反射率非零特征并不能完全否定湍流在晴空回波中的作用。

1.1.2 Bragg散射

Bragg散射是由湍流导致折射率不均匀引起的(Richardson et al, 2017)。从本质上讲，具有折射率梯度的大气湍流形成了偶极子模型而引起散射。Ottersten(1969)提供了雷达反射率与折射率C_n²的大气结构常数和雷达波长λ的关系。雷达反射率η(或单位体积的雷达截面)在式(1)中给出：

$ \eta=0.38 C_n^2 \lambda^{-1 / 3} $

(1)

则雷达反射率因子Z由式(2)获得:

$ Z=\frac{0.38 C_n^2 \lambda^{11 / 3}}{\pi^5 K^2} $

(2)

式中K是由散射粒子介电性质决定的常数。

基于式(2)，两个雷达波长的晴空回波反射率因子的比率(也称双波长比率，DWR)可写为

$ \mathrm{DWR}=\frac{Z_1}{Z_2}=\left(\frac{\lambda_1}{\lambda_2}\right)^{11 / 3} $

(3)

所以，可以发现Bragg散射产生回波的DWR仅与波长有关，Wilson et al(1994)便利用式(3)研究了佛罗里达州和科罗拉多州上空的晴空回波，并得出结论，这些地区的晴空回波是由生物造成的。然而，式(1)并不是雷达反射率和雷达波长之间的唯一关系。根据不同的湍流理论，雷达反射率的值是可变的。实际上式(1)是基于Kolmogorov-Obukhov理论。而根据Villars-Weisskopf理论，雷达反射率与波长的关系如式(4)所示：

$ \eta=C \lambda^{1 / 3} $

(4)

式中: C是实验测得的常数。研究人员对雷达反射率与波长持有不同的观点，包括从η正比于λ^-1/3~λ，因此DWR的理论大小也在根据研究人员的不同观点而变化。而更为重要的是，根据Bragg散射公式，当前观测到的晴空回波反射率因子所计算得到的C_n²，远远大于实际的观测值C_n²。因此，认为湍流是无法产生日常观测中的晴空回波。例如，当晴空回波的反射率因子在10~20 dBz时，其对应的C_n²应大于10^-11 m^-2/3，但这远远大于实际观测中所测得的C_n²值。因此，在夏秋季夜间观测到的大量强晴空回波都被简单地归因于生物散射。

1.2 广义Bragg散射

由于日常天气雷达观测中，人们不断发现天气雷达晴空回波的非生物特征(滕玉鹏等, 2020a; 2020b;Teng et al, 2023b; 梁丽等, 2023)，但传统Bragg散射模型及公式难以解释晴空回波的强度，这便造成了对晴空回波认识及应用的混乱。为了解决这个难题，通过将雷达视为自发射和自接收设备，引入了超视距通信的对流层散射理论，来解释气象晴空回波的成因。

在通信中，国际电信联盟无线电通信部门承认对流层散射是一种有效的传播方法，是微波无线电系统实现超视距通信的机制(Li et al, 2016)。根据目前公认的对流层散射理论，信息传递是这三个模型结合的结果(张明高, 2004)：反射层模型(Booker and Gordon, 1950)、湍流散射(Bullington, 1963)和指数大气反射(Friis et al, 1957)。从物理机制来看，对流层散射中湍流散射与Bragg散射完全一致，而指数大气反射则与菲涅尔散射一致。因此，对流层散射可比单一散射机制产生更强的信号。张明高(2004)研究指出，对流层散射的散射截面如式(5)所示:

$ \sigma=B \overline{\left(\frac{\mathrm{~d} \varepsilon_r}{\mathrm{~d} h}\right)^2} \lambda^n \varphi^{-m} $

(5)

式中：B，n和m是通过实验测量的常数；ε_r为介电常数；h为高度；φ为掠射角。事实上，由于雷达主要检测后向散射信号，φ的值是固定的直角。因此，除了波长之外的其余项均可被视为受大气影响的常数项，式(5)可以改写为

$ \sigma=C \lambda^n $

(6)

式中

$ C=B \overline{\left(\frac{\mathrm{~d} \varepsilon_r}{\mathrm{~d} h}\right)^2} \varphi^{-m} $

(7)

值得注意的是，当C为0.38C_n²，n为-1/3时，对流层散射方程[式(6)]和Bragg散射方程[式(1)]是一致的。因此，对流层散射从理论上便可视为一种更为普遍、泛用的广义Bragg散射理论。而在实际观测中，通过建立天气雷达的等效传输损耗，对2021年5月(世界时，下同)观测到的北京大兴天气雷达晴空回波(图 1)与国际电信联盟无线电通信部门的建议进行对比后发现，S波段天气雷达观测到的晴空回波经换算，其传输损耗符合国际电信联盟对于对流层散射通信传输损耗的建议，且晴空回波换算得到的传输损耗与高度之间也存在线性回归关系，符合对流层散射理论。因此，对流层散射理论可以被认为是一般的广义Bragg散射。

2 设备与方法 2.1 设备

北京地区S波段天气雷达(CINRAD/SA)位于北京市南郊观象台，其产品的径向距离分辨率为250 m，方位角分辨率为1°(图 2)。雷达使用VCP21的扫描模式，6 min内扫描9个仰角。该雷达的部分系统特性如表 1所示。

激光测风雷达利用光学多普勒效应测量大气风速，由于该设备具有高时空分辨率，因此在科学研究和工程应用中得到了广泛应用。本文所使用的3D多普勒激光测风雷达(WindCube 100s)位于通州国家气象观测站，距离天气雷达东北方向(方位角80°)直线距离24 km。该型号激光测风雷达测风产品的空间分辨率为25 m，时间分辨率为20 s，具有较高的时空分辨率。由于激光并不像电磁波有较强的穿透和绕射的能力，因此当在激光传播路径上存在生物或降水的影响时，受生物或降水的遮挡，激光测风雷达将直接产生缺测。基于这种特性，恰好可避免激光测风雷达的风场数据被生物活动时自身的飞行速度污染。因此，本文使用2023年5月1—31日的天气雷达与激光测风雷达数据，对多普勒天气雷达径向速度进行对比与分析。

2.2 激光测风数据换算径向速度

大气湍流作为一种理想的风场的示踪物，其产生的晴空回波的径向速度可视为大气风场在雷达径向上的速度分量。因此，基于激光测风雷达准确探测的大气风场，可开展与雷达径向速度的对比分析。

由于激光测风雷达获得的是水平风向、水平风速和垂直风速等数据，因此在与天气雷达径向速度(以下简称雷达径向速度)进行比较时，需要将激光测风雷达数据换算为激光测风雷达观测点示踪物相对于天气雷达的径向速度(以下简称模拟径向速度)。因此需要根据天气雷达、激光测风雷达位置及激光测风雷达的观测数据进行换算。

以天气雷达为原点建立水平坐标系，若激光测风雷达在该坐标系中的位置为(x, y)，则激光测风雷达所在位置的天气雷达方位角α和距离r可表示为

$ \alpha=\operatorname{atan}\left(\frac{y}{x}\right) $

(8)

$ r=\sqrt{x^2+y^2} $

(9)

若此时，激光测风雷达测得的水平风向为β，水平风速为v_H，那么，激光测风雷达观测点的水平模拟径向速度v′_H则为

$ {v_{\mathrm{H}}^{\prime}}_{\prime}=v_{\mathrm{H}} \cdot \cos \left(270^{\circ}-\alpha-\beta\right) $

(10)

在垂直方向上，若激光测风雷达的观测点坐标为(r, h)，观测点相对于天气雷达的仰角为θ，则θ可写为

$ \theta=\operatorname{atan}\left(\frac{h}{r}\right) $

(11)

此时，观测点的垂直风速为v_V，则垂直风速在雷达径向上的分量v′_V则为

$ v_{\mathrm{V}}^{\prime}=v_{\mathrm{V}} \cdot \sin \theta $

(12)

因此，天气雷达在激光测风雷达的观测点(α, r, θ)位置上的模拟径向速度值v′即可写为

$ v^{\prime}=v_{\mathrm{H}} \cdot \cos \left(270^{\circ}-\alpha-\beta\right)+v_{\mathrm{V}} \cdot \sin \theta $

(13)

在实际应用中，需要注意的是，激光测风雷达的观测数据换算为模拟径向速度存在两个问题。一个是数据样本数量的问题。由于激光测风雷达虽然有很高的时空分辨率，但是其只测量设备正上方一根垂直风廓线，这导致可供对比的数据样本数仍较少。因此，假设激光测风雷达观测的风场示踪物的运动状态在一小段时间内不变(本文中假设为3 min内)，那么激光测风雷达在t₁时刻的观测点A₁(x₁, y₁)内的示踪物，在经过Δt后至t₂时刻则移动至新位置B₁(x₂, y₂)，且由于Δt足够小，t₀时刻的示踪物运动状态v_{(x1, y1)}与t₁时刻示踪物运动状态v_{(x2, y2)}一致，即

$ v_{\left(x_1, y_1\right)}=v_{\left(x_2, y_2\right)} $

(14)

且

$ x_1-x_2=v_{\left(x_1, y_1\right)} \cdot \sin \left(\beta+180^{\circ}\right) \cdot \Delta t $

(15)

$ y_1-y_2=v_{\left(x_2, y_2\right)} \cdot \cos \left(\beta+180^{\circ}\right) \cdot \Delta t $

(16)

因此在t₂时刻，除了激光测风雷达在此时直接观测到观测点A₂数据外，同时还包含由t₁时刻递推的观测点B₁数据。而此时，两个观测点对应的天气雷达照射体的坐标分别为(α₁, r₁, θ₁)和(α₂, r₂, θ₂)，进而可拓展数据样本数量。

另一个问题是天气雷达与激光测风雷达在分辨率上的差异。由于天气雷达均采用锥状波束探测，当波束不断远离雷达时，其探测波束的照射体积不断增大，即波束展宽。当波束距离雷达50 km时，宽度为1°的雷达波束的照射体直径可达850 m以上。而相较于天气雷达，激光测风雷达的距离分辨率要小得多，仅为几十米。这就意味着激光测风雷达观测的示踪物运动实际上是天气雷达照射体内的示踪物的一部分，这或使得两者存在一个天然的系统偏差。

通常来说，对于天气雷达而言，降水粒子是最常见的示踪物，而降水粒子的多普勒速度分布一般符合高斯分布，雷达照射体内粒子运动的平均值即为平均径向速度，方差即为速度谱宽。然而这种状况在晴空回波上并不适用。

已有研究表明，晴空回波的功率谱与云雨粒子的功率谱并不存在较大差异，不可视其为高斯分布(滕玉鹏, 2021)。同时，有研究表明水平风切变在垂直方向上的不均匀变化或可激发更多湍流，造成更强的散射信号(Teng et al, 2023a; 2023b)。这可导致天气雷达晴空回波的径向速度更倾向表征不均匀切变处的运动状态，这也是晴空回波通常拥有较大且离散的谱宽的原因之一。因此，晴空回波的径向速度虽然在一定程度可以表征大气风场，但瞬时的测量结果无法精准代表照射体内的示踪物(湍流)的平均运动状态。

相似状况也同样会出现在激光测风雷达上。与风廓线雷达相似，激光测风雷达采用五波束探测各方向的径向速度并合成水平、垂直风场信息，因此激光雷达的测量在本质上是基于五波束所处的风场是均匀的假设情况下获得的大气风场信息，所以这或会引入一定程度的系统误差。

为了克服散射机制、照射体体积及测量系统误差等误差来源，将天气雷达晴空回波的径向速度与激光测风雷达数据进行对比分析时，若一个雷达照射体内对应于激光测风雷达观测点，则该照射体的径向速度直接与多个激光测风结果进行对比，而不取多个激光测风雷达观测点的平均值以避免人为导致的误差。同时考虑雷达在距离测量和方位角测量上的微小偏差，在避免过度美化数据的基础上为了更大程度保证数据有效性，在径向速度计算时，选择距离激光测风雷达观测点最近的四个照射体的径向速度中位数来代表该观测点的天气雷达径向速度。

3 径向速度分析 3.1 数据垂直分布

以5月13日00:00至18日00:00为例，对激光测风雷达经计算获得的模拟径向速度与天气雷达径向速度进行定性对比及分析。如图 3所示，激光测风雷达的模拟径向速度与雷达径向速度有较高的时空分布一致性，模拟径向速度与天气雷达观测结果有相近的速度变化。不过也可以发现，在不同时间两者的数据量存在差异，这种差异在图 3中体现为速度廓线的有效观测高度不同。

对2023年5月每天各时段的天气雷达与激光测风雷达有效数据的数据样本数量进行统计，结果如图 4所示。由于激光测风雷达有着更高的时空分辨率，因此图 4a所显示的激光测风雷达在样本数量上远超图 4b所显示的天气雷达。天气雷达一方面受限于扫描模式，另一方面也受限于晴空回波的日变化规律，数据的样本数量明显少于激光测风雷达，且具有明显的日变化，样本数量在正午及入夜后出现峰值，而在黄昏及黎明样本数量为谷值。与天气雷达不同的是，激光测风雷达在中午及黎明样本数量相对较少。对时空匹配的激光测风雷达及天气雷达样本数量进行分析后可以发现，相匹配的样本数量存在一定程度缩减，雷达数据的样本数量在部分时段甚至不足30个。

不过，得益于风速外推的数据扩展处理，原本每20秒一条激光测风雷达的速度廓线提高至每20秒9条廓线(3 min外推)，同时在雷达数据与激光测风数据进行匹配时，未经平均处理，使得可供对比分析的匹配数据样本数量有所提高，对比分析结果的有效性和可靠性得以提高。

3.2 径向风速偏差

对2023年5月的天气雷达径向速度与激光测风雷达模拟径向速度进行对比，如图 5所示。两者整体分布是一致的，存在强的正相关。从两者差值分布来看，在不同高度上两者的差值均近似于均值为零的高斯分布。

为了更加清晰地分析现有天气雷达径向速度的偏差，分别统计了整个5月天气雷达径向速度与激光测风雷达模拟径向速度的径向速度差(以下简称径向速度差)分布及每日径向速度差的标准差、平均值(图 6)。

图 6清晰地表明，径向速度差近似于高斯分布，其平均值为0.37 m·s^-1，标准差为3.66 m·s^-1。从逐日数据看，径向速度差的平均值和标准差存在日变化，径向速度差的平均值的变化范围基本在±1 m·s^-1以内(共23 d)，符合天气雷达±1 m·s^-1的速度偏差指标；而径向速度差的标准差基本小于4 m·s^-1(共25 d)。同时，从图 6可见2023年5月4—7日，径向速度差的标准差和平均值出现明显增大。对这段时间进行单独分析，天气雷达径向速度与激光测风雷达模拟径向速度廓线如图 7所示。

图 7展示了2023年5月4—8日激光测风雷达模拟径向速度与天气雷达径向速度廓线。从图中可以发现，4—8日，无论模拟径向速度还是雷达径向速度，两者均基本小于10 m·s^-1，且天气雷达有效数据明显减少。7日12：00之后，天气雷达径向速度略大于激光测风雷达模拟径向速度。这表明在弱风背景下，受晴空回波散射机制影响，算法的对比能力有所下降。

有趣的是，雷达最终给出的径向速度是从多个脉冲对得到的径向速度的平均值，是平均径向速度，而相应的标准差称为谱宽，即天气雷达基础观测产品之一的速度谱宽产品，因此本质上图 6中的径向速度差的标准差应与天气雷达谱宽产品相近。因此，图 8给出了径向速度差的标准差与天气雷达谱宽的逐日变化。由图 8可见，两者的值较为接近，天气雷达的谱宽稍小于径向速度差的标准差。因此，可以认为激光测风雷达与天气雷达多普勒速度的对比分析是有效和可靠的。同时可以发现，基于激光测风雷达对比分析方法在本质上仍会引入一小部分系统偏差，从而造成径向速度差的标准差略大于天气雷达谱宽。该结果也从一个层面说明，天气雷达晴空回波总体来说是由随风运动的湍团产生的，其运动状态表征了大气风场，因此其天气雷达晴空回波的径向速度可用于数值模式同化中。

4 讨论

长期以来，受限于基础理论的限制与深入研究的缺乏，尽管大量气象工作者倾向于天气雷达晴空回波是气象因素产生的观点，但并没有有效的理论基础去证明自己的观点。同时由于美国部分学者在该领域率先表达了一部分学术观点，导致我国学者在晴空回波的研究中受阻。尽管在先前的研究中引入通信领域的对流层散射理论作为基础，来解决已有大气遥感领域对于晴空回波认识的不足，但不可否认的是，受限于研究资源的限制，目前学界并未对晴空回波的气象学意义产生足够的重视。

在图 3、图 4和图 7中可以发现，天气雷达径向速度样本数量存在明显的日变化，而这一变化与晴空回波的规律十分相符。结合已有研究成果，对这种规律进行推测：在日出后，随着地表加热的增强，不均匀的地面产生了许多的热泡，致使湍流强度持续增强，并在正午达到高峰，天气雷达可在此时能观测到一定数量的晴空回波；而较强的湍流使得大气混合作用较强，致使空气受混合作用影响，各气团的气象要素分布相对均匀，造成对流层散射三种机制中仅湍流散射生效；随着太阳高度角下降，地表加热逐渐减缓，至日落后，完全消失，混合作用随之迅速减弱，不均匀下垫面产生的不均匀气团未经充分混合，形成了大量具有不均匀层反射结构的气团，此时对流层散射三种机制中湍流散射与不均匀层反射同时生效，致使天气雷达监测到大量强晴空回波信号，且由于人类活动地面加剧了下垫面的不均匀性，因此在现阶段有限的研究中存在一种现象，位于大型工业城市的天气雷达会比位于小型农业城市天气雷达观测到更强的晴空回波。

本研究结果也在一定程度上证明了晴空回波的非生物特性。生物在迁飞、迁徙等活动过程中存在一定的自主运动速度。一些大型昆虫的自主运动速度能达到6 m·s^-1，鸟类则会更快(Stepanian et al, 2016; Gauthreaux and Belser, 2003; Gauthreaux et al, 2003)。由于激光的特性，激光测风雷达的数据并不存在被生物活动污染的可能性，而本研究结果表明，经由激光测风雷达数据计算得到的模拟径向速度与天气雷达晴空回波径向速度基本一致，这表明天气雷达晴空回波的散射体可视为风场示踪物，晴空回波在大体上是由气象因素所导致。当然，本研究并不否认天气雷达对于生态监测的能力，不过需要提醒开展相关研究的研究者，现有的部分关于生态回波的规律是基于错误的生物回波认识之上的，在开展相关研究过程时应深入甄别、理性思考。

5 结论

本研究利用天气雷达晴空回波的最新观点，通过晴空回波对激光测风雷达与多普勒天气雷达径向速度进行了对比、分析。分析结果表明, 对2023年5月北京大兴CINRAD/SA天气雷达径向速度与通州激光测风雷达WindCube 100 s的风场测量结果平均偏差为0.37 m·s^-1，两者在2023年5月的差值标准差为3.66 m·s^-1。对逐日数据进行分析，两者的径向速度差的平均值基本在±1 m·s^-1以内，标准差基本小于4 m·s^-1，对于存在较大偏差的数据进行分析后发现，基于晴空回波的对比，分析结果在弱风及晴空回波较少时会存在较大偏差，在对比、分析及进一步应用过程中需要对结果进行深入分析。本研究同时印证了天气雷达晴空回波主要为气象因素产生的气象晴空回波，天气雷达晴空回波可体现大气风场状态，晴空回波的径向速度受昆虫、鸟类等具有自主飞行能力的散射体的影响有限，因此晴空回波径向速度可用于数值模式同化。