空气垂直运动在云的形成、发展以及维持过程中不可或缺,它不仅决定了水凝物的凝结、蒸发等过程,还影响云内水凝物相态的分布[1]。分析空气垂直运动与中小尺度云的发生及演变之间的关系,可优化各种尺度模式中云的形成及维持机制的参数化方案,因此获取长期的、同时进行的对空气运动和云微物理性质的观测数据显得尤为重要,地基毫米波测云雷达就是当前获取这些资料的一种主要手段[2]。地基毫米波测云雷达（以下简称云雷达）对天顶垂直定向观测获取连续时间-高度数据（Time-Height Indicator,THI）,提供垂直径向上粒子末速度,反映云粒子和气流的垂直运动情况,宏观上可预示大气层结变化,微观上可为分析云内粒子相态转化提供依据。然而,在实际观测中,云雷达探测非降水云和弱降水云的垂直径向速度数据质量较高,但探测对流云时,剧烈的云内空气运动易使其测得的径向速度发生模糊,造成速度方向和大小误测,这样测得的数据将会影响云内粒子碰并增长和运动状态的分析研究[3]。因此,对云雷达垂直扫描数据速度退模糊处理十分必要。目前,在对雷达径向速度退模糊处理时有硬件和软件两种方法。硬件方法常用于厘米波业务雷达,即利用多脉冲重复频率和双重复频率,提高雷达最大测速范围;而对于台风等强天气,速度模糊仍然难以避免[4]。利用软件退速度模糊的方法较多,如肖艳姣等[4]提出的一种能解决孤立风暴、高切变和强台风等情况下速度模糊问题的自动多普勒雷达速度退模糊算法,通过对厘米波雷达体扫数据进行两次参考速度库选择和退模糊过程,退模糊准确率可达到99%以上。刘晓阳等[5]提出用折叠线跟踪算法解决退除速度折叠的问题,但对杂波较多和孤立回波的处理仍不太理想。梁海河等[6]利用k邻域频数法对资料进行预处理,去除奇异点并补足缺测资料点,而后利用"双径向-双切向"方法对资料进行退模糊;蔡亲波等[7]适当改进后的二维多路自动退模糊算法,在雷达观测资料无效点较多时,其应用效果很好;方德贤等[8]提出以区域生长法解除速度模糊问题,该方法对资料采用数据结构中的遍历算法,对每个点进行开窗,使运算量减小,但对较小的孤立区域仍存在误判和漏判问题。上述算法针对的都是厘米波多普勒天气雷达平面位置扫描（PPI）探测数据的退速度模糊。由于厘米波雷达在业务应用中对降水预报预警具有重要作用,其相关退速度模糊的研究也较多;而云雷达的业务应用起步较晚,早期以观测非降水云和弱降水云为主,很少涉及速度模糊数据,其退速度模糊研究相对较少。近年来,随着云雷达对目标云的观测分析从弱降水云扩展到对流云[9],径向速度模糊及其处理问题才受到关注。宋立雪等[10]在2012年利用线性外推法和人机交互方法对毫米波雷达距离高度扫描（RHI）探测数据的速度模糊进行了研究,其主要考虑的是二次回波速度模糊问题。迄今,针对毫米波云雷达THI速度退模糊处理的研究鲜见报道。本文在前人研究基础上,结合云雷达垂直径向数据特点,用5点平均法对速度数据模糊区域自动判断和退除模糊处理,除用人机交互检验算法的退模糊效果外,还尝试了用边界层风廓线雷达所探测的垂直速度与退模糊后的垂直径向速度进行对比检验,并分别分析对弱对流云、强对流云和对流单体三类云体的云雷达速度退模糊的处理效果。结果表明:（1）人工检验显示本文算法对退除这三种类型云的速度模糊具有较好效果;（2）风廓线雷达垂直速度对强对流云和某些对流单体的退模糊数据的检验结果显示,该算法可较好退除速度模糊;（3）利用风廓线雷达垂直速度对比检验云雷达垂直径向速度具有可行性,为雷达速度退模糊算法的效果检验提供了一种新手段。