测风激光雷达应用于机场能见度及云底高探测

直接探测多普勒测风激光雷达通过探测大气后向散射信号的多普勒频移来反演风速。分析了上述后向散射信号在大气能见度和云底高探测上应用的可行性。选择了Klett方法反演大气能见度,并设计了分段计算云底高的流程。根据上述算法编写了反演程序并对激光雷达数据进行处理。与外场观测记录对比,得出了反演结果与目测基本吻合的结论。     

基于奇异值分解的激光雷达湍流预警算法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)的湍流速度结构函数构造方法,将该方法构造的速度结构函数与湍流模型拟合,可以实现激光雷达的湍流识别。首先对激光雷达扫描的空间数据进行距离门扇区划分,在每个子扇区内对湍流风场做奇异值分解,得到特征速度基准值和每个距离门的湍流脉动速度,构建出速度结构函数。选取标准von Kármán湍流模型函数作为拟合约束,得出涡流耗散率的立方根来判断湍流的强度。最后,利用兰州机场的实测数据,对比分析了在不同湍流强度下SVD方法的速度结构函数与局部平均方法的性能。通过与机组报告的湍流数据进行对比分析,SVD方法进行湍流预警的预警率可以达到85.2%。该方法对提高机场湍流探测和识别有重要意义。     

测风激光雷达修正F因子的小尺度风切变检测算法

针对由复杂地形或地理环境等因素诱发范围小但强度大的晴空风切变无法被已有风切变算法检测的问题,提出一种测风激光雷达修正F因子来检测这种小尺度风切变的算法。将传统F因子中雷达无法直接测量的垂直风速分量通过理论模型转换为径向风速梯度的函数,将解算F因子的关键点落在得到径向风速梯度的问题上。先从晴空风场数据中提取出激光雷达下滑道扫描的风速廓线,再用最小二乘法计算风速廓线的径向梯度,进一步求解得到修正后的F因子,并根据其经验阈值来判别风切变,最后使用香港国际机场提供的实测激光雷达风场数据进行了实验验证。实验结果表明,当风切变范围在400~800m时,该算法能够检测出现有斜坡算法无法检测到的小尺度风切变,并将小尺度风切变检测范围扩大2NM。该方法利用地面激光雷达数据来衡量机载指标变化,并在检测几百米的小尺度风切变方面效果明显,对于降低风切变漏报率和提高风切变预警率都具有重要意义。     

基于激光雷达图像处理的低空风切变类型识别研究

基于多普勒激光雷达,结合大气流场理论实现对下击暴流、侧风切变、低空急流及顺逆风切变四种低空风切变的三维模拟仿真,建立雷达图像样本库,解决了风场数据难以获得及样本库难以建立的难题。基于图像处理方法实现风切变类型识别,针对同类样本差异较大的难题,采用多特征提取方法提取图像的形状特征和纹理特征进行组合识别。同时,采用基于SOM-SVM的二次识别算法实现了对缺失信息的图像的有效识别,提高了整体识别率。与传统的风切变研究相比,所用方法忽略气象因素,完全转化为图像处理问题,实现了低空风切变的类型识别,识别率达到97%。     

单多普勒激光雷达机场小尺度风场反演研究

基于机场上空小尺度风场结构特点以及单多普勒激光雷达测风原理,本文在现有气象雷达三维风场反演的VVP方法的基础上,提出一种基于三维风场在分析体积内均匀分布假设的几何反演算法。此方法对单多普勒激光雷达测得的径向速度进行处理,实现对机场上空实际风速大小及其角度的反演,进而对风切变等灾害性天气完成探测。通过反演数据与原始数据进行比较,分析反演误差,结果表明几何方法能够较好的反映小尺度风场变化趋势。     

基于体绘制的三维云可视化研究

为了模拟逼真的三维云场景,该文针对现有模拟三维云的光照模型实现复杂、计算耗时、不能充分展示三维云物理特性的问题,提出了一种基于体绘制技术的改进光照模型的方法.基本思想是采用体绘制技术,把三维云分成粒子集,引入光线投影算法,通过对现有的多次前向散射光照模型散射次数进行简化和散射分布进行改进,然后运用VC++和OpenGL开发工具,直接从三维数据场中模拟光线在云内部与云中粒子相互作用的细节,实现了三维云的模拟.结果表明该方法实现简便,生成的三维云较好地展示了云的物理特性,达到了理想的可视化效果     

基于模糊C均值的低空风切变预警算法

针对新一代多普勒天气雷达CINRAD在径向或切向检测风切变时容易丢失小切变的问题,提出了一种基于模糊C均值（FCM）的低空风切变预警算法用于阵风锋和龙卷风引起的风切变识别中。该算法的核心思想是运用8邻域系统,根据风速梯度识别不同程度切变,从而实现高切变及低切变预警。首先,采用全变分（TV）模型对雷达速度基数据进行去噪,同时保持速度基数据的细节特征;其次,采用每个速度基数据及其8邻域系统分别对应的速度值依次与4个方向模板卷积,获取4个方位速度梯度值;然后,采用FCM算法将梯度值分为高低两类,实现不同强度的风切变预警。采用武汉暴雨研究所提供的实测基数据进行测试和验证,能较为准确地识别出小切变。实验结果表明,该算法检测出来的风切变在定位精度和边缘识别两个方面均优于基于径向或切向的风切变识别算法,这对判断风切变的位置和强度以及分析不同天气引起的风切变具有重要指导意义。     

幅相误差下基于CMCAP-JDL的低空风切变风速估计

针对机载气象雷达存在幅相误差的情况下，导致杂波抑制性能下降，低空风切变风速估计结果不准确的问题，本文提出了一种基于组合空时主通道-局域联合空时自适应处理（Combined Space-time Main Channel Adaptive Processing, CMCAP-JDL）低空风切变风速估计方法。该方法首先对雷达回波数据进行距离依赖性矫正及杂波协方差矩阵估计；然后对空域和时域加权，形成空域主波束和时域主通道，同时增加多个局域处理区域参与联合处理的方式来构造自适应降维处理器；最后使用权矢量对降维后的回波数据实现自适应滤波，完成幅相误差情况下风场速度的准确估计。仿真结果表明，该方法能够在幅相误差的情况下，实现低空风切变风速的准确估计。      

激光雷达中基于组合纹理的低空风切变识别算法

针对不同的风切变在激光雷达图像上所呈现的不同纹理特性,提出了一种组合局部纹理特征和全局纹理特征的识别方法。先分别从激光雷达风切变图像中提取LBP特征和灰度-梯度共生矩阵特征,LBP特征反应图像的局部纹理,代表风场局部风速的变化,灰度-梯度共生矩阵特征反应图像的全局纹理,代表风场全局的风速变化,再通过典型相关分析对两种特征进行融合,最后采用最近邻分类器对三种风切变进行匹配识别。实验结果表明,该算法对三种低空风切变的平均识别率达到99.02%,与三种单一的纹理特征分类识别相比,分别提高了18.86%,5.88%和7.01%。     

一种基于离散属性BNT的双偏振气象雷达降水粒子分类方法

针对传统降水粒子分类算法存在的过度依赖专家经验和模型预设误差问题,本文提出了一种基于离散属性贝叶斯网络(Bayesian NeTwork,BNT)的双偏振气象雷达降水粒子分类(Hydrometeor Classification,HC)方法.首先对双偏振气象雷达获取的偏振参量取值进行离散化处理生成离散化标准,并根据离散化标准制作训练数据集合;然后使用训练数据集合对贝叶斯网络进行结构学习学得贝叶斯网络结构,以及参数学习学得与贝叶斯网络结构匹配的条件概率表;最后加入附加信息计算出每种降水粒子类先验概率,与贝叶斯网络结构和条件概率表共同组成贝叶斯网络分类器.训练好的贝叶斯网络分类器根据最大后验概率准则完成对测试数据的降水粒子分类,与模糊逻辑算法对比评价结果.实验证明:该方法能有效区分不同的降水粒子得到准确的降水粒子分类结果.