22、气象雷达极化技术：现状、挑战与未来展望

气象雷达极化技术：现状、挑战与未来展望

1. 基于数据同化的最优反演

在气象研究中，随着需要反演的状态变量数量增加，对独立信息的需求也相应增多。数据同化（DA）方法在利用极化雷达差分（PRD）改善天气预报方面具有潜力，但实际应用中面临诸多挑战。

1.1 一般挑战

PRD 包含丰富信息，有助于恶劣天气观测、水凝物分类和定量降水估计。然而，实施 PRD DA 并不容易，进展有限，主要原因如下：
- 气象科学和雷达极化技术中使用的模型和参数存在差距。
- 缺乏简单的前向算子。
- PRD 存在较大相对误差。
- 模型微物理参数化存在较大变化和误差。
- 模型状态变量和极化变量之间存在高度非线性关系。

为了成功实现 PRD DA，需要具备兼容的微物理参数化方案、准确快速的前向算子以及准确的误差表征。

1.2 观测算子和误差

极化雷达变量通过求解麦克斯韦方程计算散射振幅得到，这需要微物理信息，但并非所有这些信息都能在数值天气预报（NWP）模型中预测。因此，需要做出许多假设来计算雷达变量。此外，水混合比占主导的物种不一定是极化特征的主要贡献者，NWP 模型也未预测一些重要的水 - 冰混合物。

Jung 等人开发了 PRD 前向操作算子和模拟器，但电磁建模误差和 PRD 测量误差尚未得到充分表征。不同极化雷达变量的测量误差和相对误差如下表所示：
| 变量 | 范围 | 误差 | 相对误差 (%) |
| ---- | ---- | ---- | ---- |
| ZH (dBZ) | 0 - 70 | 1.0 | <10