2026, Vol. 52 
2. 中国气象局气象干部培训学院湖南分院，长沙 410125；
3. 湖南省保靖县气象局，保靖 416500；
4. 湖南省气象台，长沙 410118；
5. 湖南省永顺县气象局，永顺 416700
2. Hunan Branch of CMA Training Centre, Changsha 410125;
3. Baojing Meteorological Station of Hunan Province, Baojing 416500;
4. Hunan Meteorological Observatory, Changsha 410118;
5. Yongshun Meteorological Station of Hunan Province, Yongshun 416700
天气雷达是监测灾害性天气的利器，它由发射机发射电磁波能量探测天气系统，接收机接收天气系统产生的后向散射能量，当返回的能量强度高于雷达接收机最小可测功率时，天气系统可显示在回波图像上(张培昌等，2001)。在理想情况下，雷达天线可将全部电磁能量汇聚成单一方向的高指向性波束进行辐射。而在实际工作状态下，虽然绝大部分电磁波能量可集中向某一个方向辐射出去，但也有极少部分电磁波能量向其他方向辐射出去。集中在两个半功率点方向所夹区域内的绝大部分辐射称为主瓣，其余方向的辐射称为旁瓣。
虽然旁瓣中发射/接收的功率通常与主瓣内的功率相差几个数量级，但当雷达接收机接收到旁瓣返回的信号时，有可能对真实的弱降水回波形成干扰(Nai et al，2020)，影响雷达定量估测降水的准确性(Hu et al，2023)或者雷达径向速度图上对龙卷的识别(Bentley et al，2021; Boettcher and Bentley, 2022)。因此，研究人员采用了多种方法对旁瓣回波进行抑制：Fowle(1964)、Brandon(1973)设计非线性调频(NLFM)波形，并与窗函数加权方法相结合；Argenti and Facheris(2021)采用二次非线性优化方法，设计发射波形和接收滤波器；Hu et al(2023)在总结前人研究的基础上，采用主成分提取方法进一步改善雷达弱信号的估测，消除位于雷达图像边缘的旁瓣回波。目前的主流算法已能有效抑制一般情况下的旁瓣回波，通常可在雷达回波图像中将其消除，但遇到云中冰雹形成区这类强散射目标物时，旁瓣回波会和主瓣回波同时显示(Doviak and Zrnié，1993；Bringi and Chandrasekar, 2001；廖玉芳等，2008)。Friedrich and Hagen(2004)认为，只有当目标的反射率因子超过50 dBz时，旁瓣才会对雷达数据产生显著影响。在反射率因子平面位置显示(PPI)图像上，主瓣回波通常显示为强回波中心，旁瓣回波显示为位于强回波中心侧面、与其径向距离相等的狭长弱回波带(廖玉芳等，2008)；在距离高度显示产品(RHI)图像上，旁瓣回波显示为位于强回波中心顶端的尖顶回波(麻服伟，2007)。
旁瓣回波因此成为了天气雷达预警大冰雹的重要回波图像之一。何炳文等(2020)对湖南5次强冰雹事件的159个旁瓣回波样本开展深入分析，发现S波段天气雷达的旁瓣回波可以作为强冰雹预报预警的充分依据。周泓等(2014)、陈瑞敏等(2021)、刘瑾等(2022)、唐佳等(2023)和汤兴芝等(2023)对冰雹个例的研究发现，在产生大冰雹的超级单体雷达回波图像中，强回波中心附近通常会伴有显著的旁瓣回波特征。随着我国多普勒天气雷达双极化改造的进行，江慧远等(2019)、张羽等(2023)、袁韬等(2024)和杨湘婧等(2025)研究发现，强冰雹个例双偏振雷达图像上的旁瓣回波具有两个典型特征：低差分反射率因子(ZDR)值和低相关系数(CC)。但目前的研究仅限于定性描述，尚未对旁瓣回波的双偏振特征进行精确的定量化分析，这可能影响到预报员对雷达图像的解读(Nai et al，2020)，因此对旁瓣回波的双偏振特征进行量化研究具有重要意义。
本研究基于2021—2025年湖南强冰雹个例的多普勒双偏振天气雷达产品资料，筛选旁瓣回波样本，提取旁瓣回波双偏振产品数值构建数值矩阵，统计分析旁瓣回波空间和数值分布特征，有助于提升旁瓣回波的识别效率，为未来实现旁瓣回波自动识别技术奠定基础。需要说明的是，考虑到所用雷达均采用PPI扫描模式，且后续旁瓣回波识别主要基于PPI图像，因此本研究重点分析PPI图像上旁瓣回波的特征。
1 数据来源所用资料为2021—2025年湖南7个强冰雹个例及相关多普勒双偏振天气雷达产品数据(表 1)，包括长沙、郴州、常德、湘西、怀化共5部SAD型雷达的水平反射率因子(ZH)、差分反射率因子(ZDR)、相关系数(CC)和差分传播相移率(KDP)产品的PPI图像资料。其中长沙、郴州雷达产品包括0.5°、1.5°、2.4°、3.4°、4.3°、6.0°等6个仰角，常德、湘西、怀化雷达产品包括0.5°、1.5°、2.4°、3.3°、4.3°、5.2°、6.2°、7.5°、8.7°等9个仰角。雷达产品资料由中国气象局气象探测中心ROSE系统转换雷达基数据生成，ROSE系统在转换过程中采用了杂波过滤、干扰过滤、超折射过滤、亮带订正、遮挡补偿、衰减订正、差分传播相移率订正等多种质量控制手段。5部雷达天线系统第一旁瓣电平、远端旁瓣电平和功率增益的测试信息如表 1所示。5部雷达方位角分辨率均为1°，径向距离分辨率均为1 km。本文所用时间均为北京时。
|
表 1 2021—2025年湖南7个强冰雹个例及其观测雷达测试信息 Table 1 Information of seven severe hail cases in Hunan Province from 2021 to 2025 |
在雷达接收电磁波生成的回波PPI图像上，以观测者立于雷达所在位置并朝向强回波中心为基准，来区分左旁瓣回波和右旁瓣回波。旁瓣回波形成过程如图 1所示，天气雷达一般以顺时针方向在某一仰角作方位扫描，当天线右旁瓣首先探测冰雹区时，其后向散射能量被雷达接收后会被误认为是主瓣产生的回波，主瓣此时所在方位和径向距离显示在雷达图像上，形成左旁瓣回波；随后天线主瓣探测冰雹区，其后向散射能量作为强回波中心显示在雷达图像主瓣所在位置；最后天线左旁瓣探测冰雹区时，其后向散射能量被雷达接收后会被误认为是主瓣产生的回波，主瓣此时所在方位和径向距离显示在雷达图像上，形成右旁瓣回波(廖玉芳等，2008；何炳文等，2020)。
|
图 1 旁瓣回波形成原理示意图(a~c)3种天线扫描状态，(d~f)对应图 1a~1c状态下旁瓣回波的形成过程 Fig. 1 Schematic diagram of sidelobe echo formation mechanism (a-c) antenna beam scanning conditions in three scenarios, (d-f) corresponding sidelobe echo formation processes |
以2021年5月11日14:42郴州雷达4.3°仰角ZH产品PPI图像为例(图 2)，强回波中心最大值为73 dBz，其所在径向方向左右两侧出现旁瓣回波，同时径向方向外侧伴有三体散射长钉(TBSS)(Lemon，1998；廖玉芳等，2007)，旁瓣回波与TBSS均为虚假回波，两者在图像上呈“弯弓射箭”状态。
|
图 2 2021年5月11日14:42郴州雷达4.3°仰角ZH图像旁瓣回波 Fig. 2 Sidelobe echoes in the ZH image at 4.3° elevation of Chenzhou Radar at 14:42 BT 11 May 2021 |
本研究所用雷达的测试信息表明，雷达水平方向上第一旁瓣电平约为-33.33~-27.05 dB，远端旁瓣电平为≤-40 dB。由于雷达接收功率与天线增益的平方呈正比，因此，在基本反射率因子图像上，主瓣回波和旁瓣回波的强度差异由双程天线增益的差异决定(Doviak and Zrnié，1993)。计算可得第一旁瓣[通常位于主瓣的±(1.0°~2.5°)]回波的反射率因子理论上应比主瓣回波低54.10~66.66 dB，而远端旁瓣(±10°之外)回波理论上比主瓣回波至少低80 dB。由于雷达产品显示阈值为-5 dBz，只有当主瓣探测到冰雹等散射能力强的目标时，其对应的旁瓣回波才有可能显示。当强回波中心为60 dBz时，这些旁瓣回波的基本反射率因子理论值通常低于6 dBz，但由于雷达电磁波可能受到波束填充效应、地物杂波等影响，一般旁瓣回波通常会高于6 dBz。廖玉芳等(2008)、何炳文等(2020)、汤兴芝等(2023)对旁瓣回波基本反射率因子PPI图像的描述和统计指标表明：旁瓣回波位于60 dBz及以上强回波中心的侧面，与其径向距离相等，强度一般不超过20 dBz。
鉴于上述分析，本研究设定双偏振雷达水平反射率因子图像上对旁瓣回波的判定标准为：(1)ZH≥ 60 dBz强回波中心侧面，与强回波中心等径向距离的ZH≤ 20 dBz狭长弱回波带；(2)位于强回波中心左侧/右侧/左右双侧伸展的旁瓣回波分别称为左/右/双旁瓣回波。考虑到雷达实际探测中，旁瓣回波经常被真实降水回波完全覆盖或部分覆盖(刘瑾等，2022；唐佳等，2023)。因此在判定标准的基础上，进行如下规定：(1)当强回波中心可见，但附近存在大面积真实降水回波导致无法辨识出旁瓣回波，认为无旁瓣回波；(2)当旁瓣回波被真实降水回波部分覆盖时，仅将符合判定标准的回波区域作为旁瓣回波区域。
3 旁瓣回波分析方法 3.1 样本筛选根据旁瓣回波判定标准，基于2021—2025年湖南7个强冰雹个例双偏振天气雷达ZH产品PPI图像资料，人工筛选旁瓣回波样本，将同一PPI图像上不同强回波中心相关的旁瓣回波作为独立样本。共筛选出445个旁瓣回波样本，其中左旁瓣回波样本为290个，右旁瓣回波样本为72个，双旁瓣回波样本为83个。左旁瓣回波出现概率较高，占比为65.2%，右旁瓣回波与双旁瓣回波出现概率接近，分别为16.1%和18.7%。
3.2 数值矩阵构建为了客观定量分析旁瓣回波，参考王萍等(2014)、孟蕾等(2024)构建TBSS数值矩阵的方法，为每个旁瓣回波样本的ZH、ZDR、CC和KDP产品构建数值矩阵，主要包括3个步骤。
(1) 确定强回波中心。设定雷达极坐标系中旁瓣回波相关的强回波中心方位角和径向距离分别为α(单位：°)和R(单位：km)，点C(α, R)表示强回波中心位置。
(2) 设定关注区域范围。廖玉芳等(2008)指出旁瓣回波弱回波带中心与高反射率因子核中心的夹角≥10°，并与强回波到雷达的距离相等。因此，为了尽可能提取到所有旁瓣回波特征，在ZH、ZDR、CC和KDP中选择方位角区间[α-50°, α+50°]与径向距离区间[R-12 km, R+12 km]所包含的范围作为旁瓣回波关注区域N(图 3)。
|
图 3 2023年11月9日06:04长沙雷达左旁瓣回波样本(a)ZH、(b)ZDR、(c)CC和(d)KDP图像 注：“+”为强回波中心，黑色边框范围为旁瓣回波关注区域，下同。 Fig. 3 Images of (a) ZH, (b) ZDR, (c) CC and (d) KDP products of the left sidelobe echo samples from Changsha Radar at 06:04 BT 9 November 2023 |
(3) 构建数值矩阵。将关注区域的每个1°×1 km格点Ni, j上ZH、ZDR、CC和KDP旁瓣回波数值记录在101×25矩阵的对应位置Qi, j。
| $ \begin{aligned} N_{i, j}(i & \in\left[\alpha-50^{\circ}, \alpha+50^{\circ}\right] \\ j & \in[R-12 \mathrm{~km}, R+12 \mathrm{~km}]) \end{aligned} $ | (1) |
| $ \begin{aligned} Q_{i, j}(i & \in[1, 101] \\ j & \in[1, 25]) \end{aligned} $ | (2) |
构建时，对于左旁瓣回波仅记录方位角在[α-50°, α]的格点，对于右旁瓣回波仅记录方位角在[α, α+50°]的格点，对于双侧旁瓣回波则记录方位角在[α-50°, α+50°]的格点。为排除真实降水回波的干扰，在记录过程中，对于左旁瓣回波和右旁瓣回波，当在某一个径向距离j上，Qi, j出现ZH≤20 dBz后又出现Qi-1, j的ZH>20 dBz的情况时，则停止记录；对于双旁瓣回波，其两侧分别按同时出现左旁瓣回波和右旁瓣回波情况处理。
图 4为2023年11月9日06:04长沙雷达左旁瓣回波样本的数值矩阵可视化图像，数值矩阵保留了强回波中心方位角在[α-50°, α]的相应数值。通过构建旁瓣回波数值矩阵，使所有旁瓣回波样本无论位置、朝向和强弱，都转变成为大小一致的数值矩阵，便于后续开展统计分析。
|
图 4 2023年11月9日06:04长沙雷达左旁瓣回波样本(a)ZH，(b)ZDR，(c)CC和(d)KDP数值矩阵可视化图像 Fig. 4 Visualization images of numerical matrices for (a) ZH, (b) ZDR, (c) CC and (d) KDP of left sidelobe echo samples from Changsha Radar at 06:04 BT 9 November 2023 |
值得说明的是，逐个分析旁瓣回波样本及其数值矩阵发现，尽管数值矩阵构建过程中滤除了ZH＞20 dBz的真实降水回波，但依然可能受到ZH≤20 dBz的弱真实降水回波的干扰，这一点在右旁瓣回波中体现得更加明显，这可能是廖玉芳等(2008)、何炳文等(2020)的研究中没有观测到右旁瓣回波或双旁瓣回波的原因之一。
3.3 统计分析以旁瓣回波相关的强回波中心位置作为旁瓣回波的位置，提取所有样本强回波中心的方位角、径向距离和高度信息，统计分析旁瓣回波样本的空间分布特征。针对ZH、ZDR、CC和KDP，分别计算旁瓣回波数值矩阵中各个格点位置的平均值，得到平均值矩阵后进行量化分析；同时将每个旁瓣回波ZH产品数值矩阵进行二值化处理后进行累加求和，得到旁瓣回波形态矩阵后分析旁瓣回波覆盖的格点情况。在二值化处理过程中，将ZH≤20 dBz的格点赋值为1，其他格点赋值为0。
4 旁瓣回波特征 4.1 旁瓣回波空间分布特征 4.1.1 旁瓣回波方位分布特征旁瓣回波在雷达极坐标系中总体呈现东西均匀、南少北多的分布特征(表 2)。位于雷达0°~180°、180°~ 359°方位的旁瓣回波频数分别占总数的49.2%、50.8%；位于雷达90°~270°、270°~90°方位的旁瓣回波分别占总数的39.8%、60.2%。不同类型旁瓣回波方位分布呈现显著差异。左旁瓣回波分布在雷达0°~180°、180°~359°方位的占比分别是52.0%和48.0%，分布在雷达90°~270°、270°~90°方位的占比分别是24.8%和75.2%；右旁瓣回波分布在雷达0°~180°、180°~359°的占比分别是76.4%和23.6%，分布在雷达90°~270°、270°~90°方位的占比分别是79.2%和20.8%；双旁瓣回波分布在雷达0°~180°、180°~359°的占比分别是15.7%和84.3%，分布在雷达90°~270°、270°~90°方位的占比分别是57.8%和42.2%。总体而言，左旁瓣回波主要集中在北部，东西分布均匀；右旁瓣回波主要集中在东部和南部；双旁瓣回波主要集中在西部，南北分布均匀。
|
|
表 2 2021—2025年湖南7个强冰雹个例旁瓣回波中心在不同方位角区间的分布(单位：个) Table 2 Distribution of sidelobe echo centers in different azimuth intervals of seven severe hail cases in Hunan Province from 2021 to 2025 (unit: count) |
旁瓣回波的方位分布特征与雹暴空间分布密切相关。湖南冰雹天气主要出现在春季(3—5月)和秋季(9—11月)，这两个季节冷暖空气团多在湖南北部交汇，使得雹暴系统主要生成并活动于雷达探测范围的偏北方向，从而导致雷达观测中旁瓣回波呈现出明显的南少北多分布特征。根据旁瓣回波形成原理，强回波中心左右两侧应均可观测到旁瓣回波，但是不同类型旁瓣回波在空间分布上出现了显著差异，这与我国处于中纬度西风带有关。受引导气流偏西风影响，对流风暴中降水粒子产生的雷达回波多向偏东方向延展，位于雷达北部的风暴容易被遮挡右旁瓣回波而露出左旁瓣回波；位于雷达南部的风暴容易被遮挡左旁瓣回波而露出右旁瓣回波；位于雷达西部的风暴则容易露出双旁瓣回波(图 5)。
|
图 5 不同类型旁瓣回波空间分布与盛行西风关系示意图 Fig. 5 Schematic diagram of relationship between the spatial distribution of different types of sidelobe echoes and the prevailing westerly winds |
统计表明，旁瓣回波在雷达静锥区边缘至230 km内均可出现(表 3)，33.9%的旁瓣回波出现在雷达径向距离＜50 km内，51.2%的旁瓣回波出现在雷达径向距离50~100 km内，表现出先随径向距离增加而增加，到50~100 km达到最高值，然后再随径向距离增加而减小。左旁瓣回波和右旁瓣回波在50~100 km出现频数最高，双旁瓣回波在静锥区边缘至50 km出现频数最高。这主要是由于雷达探测对流风暴的最佳径向距离范围为20~110 km(俞小鼎等，2006)。
|
|
表 3 2021—2025年湖南7个强冰雹个例旁瓣回波中心所在不同径向距离区间的分布(单位：个) Table 3 Distribution of sidelobe echo centers in different radial distance intervals of seven severe hail cases in Hunan Province from 2021 to 2025 (unit: count) |
旁瓣回波出现的最大高度为8.8 km，最低高度为0.9 km，平均高度为4.1 km。72.4%的旁瓣回波出现在2.0~6.0 km高度，其中在3.0~4.0 km附近出现频数最高，然后向上向下迅速递减(图 6)。这是因为所选个例时段为春秋季节，环境大气0℃层高度在3.0~4.0 km，冰雹在下落过程中经过融化层附近时，冰雹外层融化，形成水膜，散射能力增强，旁瓣回波更容易被观测到。
|
图 6 2021—2025年湖南7个强冰雹个例旁瓣回波随高度分布特征 Fig. 6 Distribution characteristics of sidelobe echoes with height of seven severe hail cases in Hunan Province from 2021 to 2025 |
旁瓣回波形态矩阵显示，出现在强回波中心左侧和右侧的旁瓣回波分别为373个和155个(图 7)。旁瓣回波出现频数自强回波中心向左右两侧方向先增加后减小。90%的左旁瓣回波出现在强回波中心侧面[α-40°, α-4°]方位，最高频数(285个)位于α-13°方位角；90%的右旁瓣回波出现在强回波中心侧面[α+4°, α+44°]方位，最高频数(91个)位于α+12°方位角。90%的左旁瓣回波出现在强回波中心径向距离[R-6 km, R+7 km]区间，最高频数出现在R上；90%的右旁瓣回波出现在强回波中心径向距离[R-7 km, R+7 km]区间，最高频数也出现在R上。
|
图 7 2021—2025年湖南7个强冰雹个例旁瓣回波形态矩阵统计特征 Fig. 7 Statistical characteristics of sidelobe echo morphological matrix of seven severe hail cases in Hunan Province from 2021 to 2025 |
廖玉芳等(2008)分析旁瓣回波与强回波中心方位角关系时指出左旁瓣回波位置与强回波区位置夹角在10°或以上，何炳文等(2020)研究发现旁瓣回波切向长度与雷达站形成的夹角通常为2°~12°，本研究中90%以上的旁瓣回波出现在强回波中心±6 km的径向距离、侧向4°~40°的方位角范围内，与前人研究结论相比，该方位角范围更为宽广。其中旁瓣回波出现频数最高的区域位于与强回波中心相同径向距离、侧向12°~13°方位角的位置，这一结论与前人研究结果相近。
4.3 旁瓣回波双偏振参量特征 4.3.1 旁瓣回波双偏振参量平均值特征根据旁瓣回波形态矩阵特点，并考虑到在强回波中心径向外侧方向可能存在TBSS等弱回波干扰，选取方位角[α-50°, α+50°]、径向距离[R-6 km, R+6 km] 研究旁瓣回波各双偏振参量平均值矩阵(图 8)发现，ZH自强回波中心向左右两侧迅速下降至≤15 dBz，强回波中心左侧[α-10°, α]、右侧[α, α+15°]内均存在明显的梯度大值区，左侧[α-50°, α-10°]内、右侧[α+15°, α+50°]内ZH位于-5~15 dBz，右侧变化速率小于左侧。ZDR自强回波中心向左右两侧呈现显著波动，在[α-20°, α]和[α, α+20°]迅速降低至≤-1 dB，在α±35°位置出现0~2 dB的极大值，且右侧极大值高于左侧，然后再迅速降低至 < 0 dB。CC在强回波中心左侧[α-20°，α]区间由>0.95迅速减至 < 0.6，[α-20°, α-50°]区间内位于0.4~0.7，右侧相对左侧减速较慢，直到α+35°才下降至0.6，随后继续下降至≤0.5。由于雷达产品算法中当CC < 0.9时，KDP在图像上为0 °·km-1，对于CC < 0.9的旁瓣回波，KDP图像上仅显示其区域，数值为0 °·km-1，因此可不再讨论旁瓣回波的KDP数值情况。
|
图 8 2021—2025年湖南7个强冰雹个例旁瓣回波的(a)ZH，(b)ZDR，(c)CC和(d)KDP产品平均值矩阵可视化图像 Fig. 8 Visualization images of average value matrices for (a) ZH, (b) ZDR, (c) CC and (d) KDP products of sidelobe echoes of seven severe hail cases in Hunan Province from 2021 to 2025 |
本研究所涉及的5部雷达，能在PPI图像上显示回波的旁瓣与主瓣的夹角不超过10°，那么理论上旁瓣回波与主瓣回波的无叠加区应为旁瓣回波的末端不超过10°的范围，其余方位角范围均为旁瓣回波和主瓣回波的叠加区。由于旁瓣回波较弱，与主瓣回波叠加时几乎不会影响主瓣回波的数值，比如水平反射率因子为50 dBz的主瓣回波叠加-4 dBz的旁瓣回波后几乎没有变化。但是如果-4 dBz出现在晴空或与弱回波叠加，则会成为-4 dBz的虚假回波或小幅度增强弱回波区。因此旁瓣回波双偏振参量平均值特征(图 8)显示自强回波中心向两侧的回波梯度比较大，ZH和CC数值自强回波中心向外呈现近乎单调递减的情况，尤其是CC作为表征水平偏振信号和垂直偏振信号相似程度的参量(胡明宝，2016)，迅速地降低为0.9之下，而旁瓣回波的ZDR数值则呈现独特的“先负后正”的振荡，这可能是旁瓣与主瓣信号混合和不同散射体极化特性差异共同作用的结果(Kumjian，2013)。
4.3.2 旁瓣回波双偏振参量分位数值特征为减少真实降水回波对旁瓣回波数值量化的干扰，进一步明确3类双偏振产品分位数值特征，根据形态矩阵中强回波中心位于[α-4°, α+4°]的分析结果，在方位角[α-50°, α-4°]∪[α+4°, α+50°]、径向距离[R-6 km, R+6 km]范围内，取每组样本ZH≤20 dBz的格点进行双偏振参量特征分位数值(表 4)讨论。可见ZH平均值大于中位数，且75%分位数值与最大值相差较大，说明较高的ZH值只出现在极少数格点。ZDR平均值为负值，75%分位数值与最大值相差约7.25 dB，说明只有极少数格点出现ZDR≥7 dB的情况。CC平均值与中位数值接近，与降水回波CC数值一般为0.9~1.0(张林等，2022)相比，旁瓣回波的CC数值是偏低的，其25%分位数值与最小值相差0.665，说明虽然CC值较降水回波偏低，但并未出现极端低值情况。
|
|
表 4 2021—2025年湖南7个强冰雹个例ZH、ZDR和CC分位数值 Table 4 Quantile values of ZH, ZDR and CC of seven severe hail cases in Hunan Province from 2021 to 2025 |
图 9为旁瓣回波3类雷达产品在低值部分(即ZH < 20 dBz)的分布。分析发现，ZH出现在[0, 5) dBz区间的频数最高，其次为[-5，0) dBz区间，出现在[-10，15) dBz区间的累计频数占比达到99.4%。ZDR出现在[-1，0) dB区间的频数最高，在[-8，0) dB区间的累计频数占比达到62.3%。CC在[0.9，1.0)区间的频数最高，在[0.6，0.9)区间增长速率最快，在[0，0.9)区间的累计频数占比达到71.5%。
|
图 9 2021—2025年湖南7个强冰雹个例旁瓣回波(a)ZH，(b)ZDR和(c)CC产品低值部分分布 注：红色曲线表示累计频数占比。 Fig. 9 Distribution of low-value parts in (a) ZH, (b) ZDR and (c) CC products of sidelobe echoes of seven severe hail cases in Hunan Province from 2021 to 2025 |
总体而言，旁瓣回波ZH、ZDR和CC数值主要集中在低值区，但是少数情况下，ZDR出现7 dB以上的高值，CC出现1.0的高值，这些特征符合非降水回波特点。张林等(2022)认为在国产CINRAD/SAD双偏振雷达中，非降水回波相比降水回波数值范围更加宽泛，降水回波的ZDR多为0~2.5 dB，CC多为0.9~1.0；非降水回波的ZDR为-7.5~7.5 dB，CC为0.1~1.0。Mahale et al(2014)认为与旁瓣回波同为虚假回波的TBSS的ZDR最低可达-6 dB，CC在80%的情况下≤0.77。Picca and Ryzhkov(2012)、潘佳文等(2020)、袁韬等(2024)观察发现TBSS区域中ZDR虽然总体呈现低值特征，但沿强回波中心径向距离出现了ZDR从较高的正值迅速递减至负值的特点，并且明确了ZDR高值区是TBSS起始端的表征意义。对于旁瓣回波，袁韬等(2024)只观测到了ZDR和CC的低值特征，未发现ZDR高值。
本研究观测到，尽管旁瓣回波的雷达双偏振参量普遍呈现低值特征，但是ZDR仍存在高值。统计结果显示，在强回波中心方位角α±35°位置，旁瓣回波的ZDR会出现0~2 dB的显著极大值。通过对所有旁瓣回波样本的逐例分析发现，当旁瓣回波的方位角跨度≥30°时，其末端区域可能出现ZDR≥1 dB的高值区，部分样本甚至出现ZDR≥5 dB的极值。在所有方位角跨度≥30°的192个旁瓣回波样本中，有50个样本末端在ZH≤20 dBz、CC≤0.9的情况下，出现了ZDR≥5 dB的高值区，占比达26.0%。以2025年3月2日17:52湘西雷达3.3°仰角旁瓣回波图像为例(图 10)，其关联的强回波中心最大值为67 dBz，旁瓣回波方位角区间为[α-32°, α]，在其末端[α-32°, α-28°]方位角区间，ZH平均值仅为-1.93 dBz，CC平均值仅0.37，ZDR平均值为3.2 dB，最高达到7.8 dB。该旁瓣回波的ZDR在靠近强回波中心的位置出现负极值，而在远离强回波中心的末端出现正极值，与上一节中旁瓣回波ZDR平均值自强回波中心向两侧“先负后正”振荡相对应。
|
图 10 2025年3月2日17:52湘西雷达旁瓣回波样本(a)ZH，(b)ZDR和(c)CC图像 Fig. 10 Images of (a) ZH, (b) ZDR and (c) CC products of sidelobe echo samples from Xiangxi Radar at 17:52 BT 2 March 2025 |
本研究基于2021—2025年湖南5部SAD型多普勒双偏振天气雷达PPI图像资料，在人工筛选445个旁瓣回波样本的基础上，构建数值矩阵，提取旁瓣回波的水平偏振反射率因子(ZH)、差分反射率因子(ZDR)、相关系数(CC)和差分传播相移率(KDP)等4类产品数值，统计分析旁瓣回波的空间分布特征和各类产品数值特征，得到如下结论。
(1) 旁瓣回波与雹暴的空间分布密切相关，在雷达极坐标系中呈现东西均匀、南少北多的分布特征，但不同类型旁瓣回波呈现不同的空间分布特征。受我国地处西风带，风暴中降水粒子产生的雷达回波向雷达偏东方向延展影响，左旁瓣回波主要集中在北部，右旁瓣回波主要集中在东部和南部，双旁瓣回波主要集中在西部。旁瓣回波在雷达静锥区至100 km出现频数最高。旁瓣回波出现在距雷达天线0.9~8.8 km高度，尤其在融化层3.0~4.0 km附近出现频数最高。
(2) 90%以上的旁瓣回波出现在强回波中心±6 km的径向距离、侧向4°~40°的方位角范围内，与前人研究结论相比，该方位角范围更为宽广；旁瓣回波出现频数最高的区域位于与强回波中心具有相同径向距离、侧向12°~13°方位角的位置，这一结论与前人研究结果较为一致。
(3) 统计分析表明，旁瓣回波在ZH图像上表现为从强回波中心向左右两侧迅速递减至≤15 dBz的弱回波，并且右旁瓣回波的下降速率显著慢于左旁瓣回波；在CC图像上，旁瓣回波表现为从强回波中心向左右两侧迅速由>0.95下降至 < 0.6；但旁瓣回波在ZDR图像上则呈现“先负极值后正极值”振荡：先迅速下降至≤-1 dB，然后回升至0~2 dB；而在KDP图像上，旁瓣回波区域的基本表现为0 °·km-1，仅在强回波中心附近观测到＞0°·km-1的数值。
(4) ZH、ZDR和CC等3类雷达双偏振参量中旁瓣回波区域的数值范围分别为-11.5~20.0 dBz、-7.81~7.81 dB和0.005~1.000，三者的平均值分别为3.93 dBz、-1.07 dB和0.77；75%的旁瓣回波ZH≤8.0 dBz、ZDR≤0.56 dB、CC≤0.92，其中ZH出现在0~5 dBz、ZDR出现在0~1 dB、CC出现0.9~1.0的频数分别为最高，并且受CC低值的影响，KDP为0 °·km-1；虽然旁瓣回波的雷达双偏振参量低值特征显著，但在方位角跨度不小于30°的旁瓣回波样本中，有26.0% 的样本在末端出现了ZDR≥5 dB的高值区域。
本研究定量分析了旁瓣回波的双偏振参量特征，为后续自动识别研究提供了理论基础。然而，由于样本筛选过程中排除了无法在单偏振雷达反射率因子图像中明确识别的样本，未来在开发自动识别算法时，需要特别考虑那些虽然在单偏振反射率因子图像中被遮挡或被干扰，但可以通过ZDR、CC等双偏振参量被有效识别的旁瓣回波样本。
陈瑞敏, 赵孝伟, 于海磊, 等, 2021. 一次长生命史超级单体风暴的雷达观测特征[J]. 暴雨灾害, 40(4): 419-429. |
Chen R M, Zhao X W, Yu H L, et al, 2021. Characteristics of a supercell storm with long life cycle based on analysis of weather radar data[J]. Torr Rain Dis, 40(4): 419-429.
|
何炳文, 胡振菊, 高伟, 等, 2020. 湘西北地区强冰雹的多普勒天气雷达旁瓣回波统计分析[J]. 暴雨灾害, 39(3): 269-275. |
He B W, Hu Z J, Gao W, et al, 2020. Statistical analysis of Doppler weather radar side-lobe echo for severe hail in Northwest Hunan Area[J]. Torr Rain Dis, 39(3): 269-275.
|
胡明宝, 2016. 气象雷达资料分析与应用[M]. 北京: 气象出版社.
|
Hu M B, 2016. Analysis and Application of Meteorological Radar Data[M].
Beijing: China Meteorological Press.
|
江慧远, 魏鸣, 张深寿, 等, 2019. 一次冬季冰雹的双偏振多普勒天气雷达回波分析[J]. 气象科学, 39(6): 755-762. |
Jiang H Y, Wei M, Zhang S S, et al, 2019. An analysis on the dual polarization Doppler weather radar echo of winter hail[J]. J Meteor Sci, 39(6): 755-762.
|
廖玉芳, 俞小鼎, 吴林林, 等, 2007. 强雹暴的雷达三体散射统计与个例分析[J]. 高原气象, 26(4): 812-820. |
Liao Y F, Yu X D, Wu L L, et al, 2007. Statistic and case studies on radar three body scattering of severe hailstorm[J]. Plateau Meteor, 26(4): 812-820.
|
廖玉芳, 俞小鼎, 吴林林, 等, 2008. S波段多普勒天气雷达旁瓣回波的特征分析[J]. 热带气象学报, 24(2): 183-188. |
Liao Y F, Yu X D, Wu L L, et al, 2008. Characteristics of the hailstorm side-lobe echo from S-band Doppler weather radar[J]. J Trop Meteor, 24(2): 183-188.
|
刘瑾, 王丛梅, 胡志群, 等, 2022. 华北地区一次长生命史超级单体雹暴特征观测[J]. 气象科技, 50(3): 390-402. |
Liu J, Wang C M, Hu Z Q, et al, 2022. Characteristics of a long-life supercell hailstorm in North China[J]. Meteor Sci Technol, 50(3): 390-402.
|
麻服伟, 2007. 哈尔滨强冰雹雷达回波特征[J]. 气象, 33(2): 88-92. DOI:10.7519/j.issn.1000-0526.2007.02.014 |
Ma F W, 2007. Radar echo characteristics of a strong convection in Harbin on June 18, 2003[J]. Meteor Mon, 33(2): 88-92.
|
孟蕾, 桑友伟, 夏扬, 等, 2024. 天气雷达三体散射长钉回波特征分析[J]. 气象, 50(6): 675-685. DOI:10.7519/j.issn.1000-0526.2024.022002 |
Meng L, Sang Y W, Xia Y, et al, 2024. Analysis of echo characteristics of three-body scatter spike for weather radar[J]. Meteor Mon, 50(6): 675-685.
|
潘佳文, 魏鸣, 郭丽君, 等, 2020. 闽南地区大冰雹超级单体演变的双偏振特征分析[J]. 气象, 46(12): 1608-1620. DOI:10.7519/j.issn.1000-0526.2020.12.008 |
Pan J W, Wei M, Guo L J, et al, 2020. Dual-Polarization radar characteristic analysis of the evolution of heavy hail supercell in southern Fujian[J]. Meteor Mon, 46(12): 1608-1620.
|
唐佳, 张昆, 唐明晖, 等, 2023. 低层暖平流强迫下两次大冰雹超级单体风暴结构特征分析[J]. 暴雨灾害, 42(1): 37-46. |
Tang J, Zhang K, Tang M H, et al, 2023. Structural characteristics of two heavy hail supercell storms forced by low-level warm advection[J]. Torrential Rain Dis, 42(1): 37-46.
|
汤兴芝, 俞小鼎, 姚瑶, 等, 2023. 华东一次极端冰雹天气过程雷达回波特征的比较分析[J]. 高原气象, 42(4): 1078-1092. |
Tang X Z, Yu X D, Yao Y, et al, 2023. Comparative analysis of radar echo characteristics of an extreme hail storm process in East China[J]. Plateau Meteor, 42(4): 1078-1092.
|
王萍, 杜雪峰, 徐考基, 2014. 天气雷达反射率因子图像中三体散射自动识别[J]. 天津大学学报(自然科学与工程技术版), 47(8): 711-718. |
Wang P, Du X F, Xu K J, 2014. Automatic identification of three-body scatter spike in the Doppler radar reflectivity image[J]. J Tianjin Univ (Sci Technol), 47(8): 711-718.
|
杨湘婧, 唐明晖, 袁韬, 等, 2025. 基于双偏振雷达和FY-4A卫星资料的一次湖南秋季强冰雹预警特征分析[J]. 气象, 51(1): 68-84. DOI:10.7519/j.issn.1000-0526.2024.111201 |
Yang X J, Tang M H, Yuan T, et al, 2025. Analysis on early warning characteristics of an autumn severe hail in Hunan Province based on dual-polarization radar and FY-4A satellite data[J]. Meteor Mon, 51(1): 68-84.
|
俞小鼎, 姚秀萍, 熊廷南, 等, 2006. 多普勒天气雷达原理与业务应用[M]. 北京: 气象出版社.
|
Yu X D, Yao X P, Xiong T N, et al, 2006. Principle and Application of Doppler Weather Radar[M].
Beijing: China Meteorological Press.
|
袁韬, 唐明晖, 陈伟, 等, 2024. 南岭地区一次高架雷暴冰雹过程双偏振特征分析[J]. 暴雨灾害, 43(3): 332-341. |
Yuan T, Tang M H, Chen W, et al, 2024. Dual polarization characteristics of an elevated thunderstorm hail event in the Nanling Region[J]. Torr Rain Dis, 43(3): 332-341.
|
张林, 李峰, 吴蕾, 等, 2022. CINRAD/SAD双偏振雷达非降水回波识别技术[J]. 应用气象学报, 33(6): 724-735. |
Zhang L, Li F, Wu L, et al, 2022. Non-precipitation identification technique for CINRAD/SAD dual polarimetric weather radar[J]. J Appl Meteor Sci, 33(6): 724-735.
|
张培昌, 杜秉玉, 戴铁丕, 2001. 雷达气象学: 第2版[M]. 北京: 气象出版社.
|
Zhang P C, Du B Y, Dai T P, 2001. Radar Meteorology: 2nd ed[M].
Beijing: China Meteorological Press.
|
张羽, 姚聃, 杨金红, 等, 2023. 基于S波段双偏振雷达和X波段相控阵雷达的超级单体观测分析[J]. 气象科技, 51(3): 419-430. |
Zhang Y, Yao D, Yang J H, et al, 2023. Analysis of a supercell using S-band dual-polarization radar and X-band phased array radar[J]. Meteor Sci Technol, 51(3): 419-430.
|
周泓, 段玮, 赵爽, 等, 2014. 滇中地区冰雹的多普勒天气雷达及闪电活动特征分析[J]. 气象, 40(9): 1132-1144. DOI:10.7519/j.issn.1000-0526.2014.09.011 |
Zhou H, Duan W, Zhao S, et al, 2014. Characteristics analysis of Doppler radar echoes and lightning of hailstorms in central Yunnan Province[J]. Meteor Mon, 40(9): 1132-1144.
|
Argenti F, Facheris L, 2021. Radar pulse compression methods based on nonlinear and quadratic optimization[J]. IEEE Trans Geosci Remote Sens, 59(5): 3904-3916. DOI:10.1109/TGRS.2020.3010414
|
Bentley E S, Thompson R L, Bowers B R, et al, 2021. An analysis of 2016-18 tornadoes and National Weather Service tornado warnings across the contiguous United States[J]. Wea Forecasting, 36(6): 1909-1924. DOI:10.1175/WAF-D-20-0241.1
|
Boettcher J B, Bentley E S, 2022. WSR-88D sidelobe contamination: from a conceptual model to diagnostic strategies for improving NWS warning performance[J]. Wea Forecasting, 37(6): 853-869. DOI:10.1175/WAF-D-21-0155.1
|
Brandon P S, 1973. The design of a nonlinear pulse compression system to give a low loss high resolution radar performance[J]. Marconi Rev, 36: 1-45.
|
Bringi V N, Chandrasekar V, 2001. Polarimetric Doppler Weather Radar: Principles and Applications[M].
Cambridge: Cambridge University Press.
|
Doviak R L, Zrnié D S, 1993. Doppler Radar and Weather Observations[M].
San Diego: Academic Press.
|
Fowle E, 1964. The design of FM pulse compression signals[J]. IEEE Trans Inform Theory, 10(1): 61-67. DOI:10.1109/TIT.1964.1053644
|
Friedrich K, Hagen M, 2004. Wind synthesis and quality control of multiple-Doppler-derived horizontal wind fields[J]. J Appl Meteor Climatol, 43(1): 38-57. DOI:10.1175/1520-0450(2004)043<0038:WSAQCO>2.0.CO;2
|
Hu J Q, Dong X C, Tian W M, et al, 2023. A novel optimization strategy of sidelobe suppression for pulse compression weather radar[J]. Remote Sens, 15(12): 3188. DOI:10.3390/rs15123188
|
Kumjian M, 2013. Principles and applications of dual-polarization weather radar.Part Ⅰ: description of the polarimetric radar variables[J]. J Oper Meteor, 1(19): 226-242. DOI:10.15191/nwajom.2013.0119
|
Lemon L R, 1998. The radar "three-body scatter spike": an operational large-hail signature[J]. Wea Forecasting, 13(2): 327-340. DOI:10.1175/1520-0434(1998)013<0327:TRTBSS>2.0.CO;2
|
Mahale V N, Zhang G F, Xue M, 2014. Fuzzy logic classification of S-Band polarimetric radar echoes to identify three-body scattering and improve data quality[J]. J Appl Meteor Climatol, 53(8): 2017-2033. DOI:10.1175/JAMC-D-13-0358.1
|
Nai F, Boettcher J, Curtis C, et al, 2020. The impact of elevation sidelobe contamination on radar data quality for operational interpretation[J]. J Appl Meteor Climatol, 59(4): 707-724. DOI:10.1175/JAMC-D-19-0092.1
|
Picca J, Ryzhkov A, 2012. A dual-wavelength polarimetric analysis of the 16 May 2010 Oklahoma City extreme hailstorm[J]. Mon Wea Rev, 140(4): 1385-1403. DOI:10.1175/MWR-D-11-00112.1
|