一种基于X波段双偏振天气雷达粒子相态识别方法与流程

一种基于x波段双偏振天气雷达粒子相态识别方法
技术领域
1.本发明涉及天气雷达技术领域，特别是一种基于x波段双偏振天气雷达粒子相态识别方法。


背景技术：

2.中国的多普勒气象雷达正在升级更新，逐步具有了双偏振的功能。升级后的多普勒雷达可以提供有关水凝物的形状、组成和相位等信息，有利于进一步了解、量化和预测天气。单极化多普勒雷达只能测量反射率因子z、径向速度v和速度谱宽sw。多普勒雷达测量的径向速度v和sw分别表示散射体径向速度的平均值和标准偏差。反射率因子z虽然直接提供了微观物理学信息，但是这测量的信息显然不能够完全表征复杂的云和降水微观物理学，因此人们努力和尝试着增加雷达测量的次数，以通过频率、波长、偏振分集来更好地了解和表征天气状况。升级后的双偏振雷达还有以下产品：差分反射率、互相关系数、差分相移、差分相移率等，这些雷达数据尚未被充分利用。若是这些雷达数据可以对水凝物进行较为准确地分类，则可以较大程度地改善恶劣的天气检测和预警以及定量降水估计和预报。
3.在国内，随着雷达协同组网技术的发展，x波段双偏振雷达逐步投入到业务应用中，x波段双偏振雷达在定量降水估测、粒子相态识别等方面的作用越来越大。如何对水凝物进行较为准确地分类，国内外学者提出了很多解决办法，其中模糊逻辑原理构成了粒子相态识别算法的基础。在粒子相态识别算法应用中，由于雷达测量中可能存在的误差以及较长距离处的天线波束展宽，导致粒子相态识别结果不准确。


技术实现要素：

4.鉴于此，本发明提供一种基于x波段双偏振天气雷达粒子相态识别方法，以解决上述技术问题。
5.本发明公开了包括：步骤1：对雷达变量进行预处理，基于预处理得到的雷达变量，计算其可信概率；步骤2：根据雷达变量，计算融化层高度；步骤3：分别计算所有预处理得到的雷达变量对应的聚合值；步骤4：基于聚合值，对雷达回波进行分类。
6.进一步地，所述雷达变量包括：水平极化反射率因子z、差分反射率、互相关系数、差分相移、差分相移率、径向速度v；水平极化反射率因子z表征单位体积中降水粒子直径6次方的总和；差分反射率表征粒子的空间取向和长短轴之比；互相关系数表示在一个脉冲体内水平与垂直偏振脉冲相似度的度量；差分相移表示同样运动状态的降水区对于水平偏振波和垂直偏振波引起的相位变化；差分相移率表示水平和垂直脉冲差分相移的径向导数；径向速度v表示粒子与雷达同一方向的速度，朝向雷达
的方向为负，远离雷达方向为正；所述对雷达变量进行预处理，包括：通过水平极化反射率因子z和差分相移，计算水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()；将差分相移率转换为对数表示形式，即得到；对水平极化反射率因子z、差分反射率、差分相移和互相关系数进行径向平滑处理得到、、和；表示径向平滑处理的水平极化反射率因子，表示径向平滑处理的差分反射率，表示径向平滑处理的差分相移，表示径向平滑处理的互相关系数；对平滑后的水平极化反射率因子和差分反射率进行衰减订正，得到衰减订正后的水平极化反射率因子和差分反射率，订正量由平滑处理后的来确定。
7.进一步地，所述水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()的计算公式分别为：)的计算公式分别为：其中，为在径向上的计算范围，和分别是2*径向距离范围内水平极化反射率因子z和差分相移的均值。
8.进一步地，表示为：表示为：对水平极化反射率因子z使用第一平均窗口进行径向平滑处理；对差分反射率、差分相移和互相关系数使用第二平均窗口分别进行径向平滑处理；其中，第二平均窗口的宽度大于第一平均窗口的宽度。
9.进一步地，所述订正量的计算公式为：进一步地，所述订正量的计算公式为：将订正量和分别与平滑处理后的水平极化反射率因子和平滑处理后的差分反射率相加，即得到降水衰减订正后的水平极化反射率因子和差
分反射率。
10.进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：进一步地，所述计算其可信概率的公式为：其中，、、、、、分别为衰减订正后的水平极化反射率因子、衰减订正后的差分反射率、径向平滑处理的互相关系数、差分相移率、水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()的可信概率；表示径向平滑处理的差分相移，表示计算水平极化反射率因子可信概率时的差分相移对水平极化反射率因子z的固定参数，snr为信噪比，表示计算水平极化反射率因子可信概率时的固定信噪比参数，为雷达波束阻挡的程度，表示计算差分反射率可信概率时的差分相移对差分反射率的固定参数，表示差分反射率相对于仰角和方位角的变化参量，表示差分反射率相对于仰角和方位角的固定参数，表示
计算可信概率时的互相关系数差值第一个固定参数，表示计算差分反射率可信概率时的关于差分反射率的信噪比固定参数，表示衰减订正后的水平极化反射率因子，表示衰减订正后的差分反射率，表示计算可信概率时的互相关系数差值第二个固定参数，表示计算互相关系数可信概率时的固定信噪比参数，表示差分相移对于仰角和方位角的变化参量，表示计算差分相移率可信概率时的差分相移差值固定参数，表示计算差分相移率可信概率时的关于差分相移率的信噪比固定参数，表示差分相移和衰减订正后的水平极化反射率因子对于仰角和方位角的变化参量，表示计算水平极化反射率因子标准偏差可信概率时的关于水平极化反射率因子标准偏差的信噪比固定参数，是单向3 db天线模式的宽度，和是天线的仰角和方位角。
11.进一步地，所述步骤2包括：使用衰减订正后的水平极化反射率因子、衰减订正后的差分反射率和径向平滑处理的互相关系数的雷达体扫数据，确定融化层的顶部和底部；若雷达回波满足如下条件，则将其所在高度识别为融化层高度；其中，融化层顶部高度标记为ht，融化层底部高度标记为hb；径向平滑处理的互相关系数在0.90~0.97之间，衰减订正后的水平极化反射率因子在30 dbz和47 dbz之间，同时衰减订正后的差分反射率在0.8 db和2.5 db之间。
12.进一步地，所述步骤3包括：通过以下加法聚合公式，分别计算所有待识别的雷达回波的聚合值：其中，则表示与第i种雷达回波相关联的可能性，是隶属函数，表征第i种雷达回波的第j个雷达变量的分布；是分配给第i种雷达回波的第j个变量的权重值，是分配给第j个变量的可信概率。
13.进一步地，所述雷达回波包括地物杂波，包括由于异常传播引起的杂波、生物回波、干雪、湿雪、晶体、霰、大滴类、小雨和中雨、大雨、雨和冰雹的混合物；所述步骤4包括：根据融化层的顶部高度ht和底部高度hb与雷达发射仰角分别为0
°
、0.5
°
和1
°
的雷达波束交点的几何投影，确定倾斜范围rbb、rb、rt和rtt；当0《r《时，则雷达回波为地物回波, 生物回波,大滴类, 小雨和中雨, 大雨, 雨和冰雹混合物；其中，r为雷达回波所在的径向距离；
当《r《时，则雷达回波为地物回波, 生物回波,湿雪,霰,大滴类,小雨和中雨,大雨,雨和冰雹混合物；当《r《时，则雷达回波为地物回波, 生物回波, 干雪, 湿雪, 霰, 大滴类, 雨和冰雹混合物；当《r《时，则雷达回波为地物回波, 生物回波, 干雪, 湿雪, 晶体, 霰, 雨和冰雹混合物；当r》时，则雷达回波为干雪, 晶体, 霰, 雨和冰雹混合物；将待识别所有雷达回波的每一个聚合值从高到低排序，最大聚合值所代表的回波类型即为分类结果。
14.进一步地，还包括：通过设置硬性阈值条件以抑制对待识别所有雷达回波的错误分类：当径向速度v》1 m/s时，待识别雷达回波不能判定为地物回波；当互相关系数》0.97时，待识别雷达回波不能判定为生物回波；当差分反射率》2 db时，待识别雷达回波不能判定为干雪；当水平极化反射率因子z《20 dbz时，待识别雷达回波不能判定为湿雪；当差分反射率《0 db时，待识别雷达回波不能判定为湿雪；当水平极化反射率因子z》40 dbz时，待识别雷达回波不能判定为晶体；当水平极化反射率因子z《10 dbz或水平极化反射率因子z》60 dbz时，待识别雷达回波不能判定为霰；当差分反射率《f2(z)
ꢀ‑ꢀ
0.3时，待识别雷达回波不能判定为大滴类；；当水平极化反射率因子z》50 dbz时，待识别雷达回波不能判定为小雨和中雨；当水平极化反射率因子z《30 dbz时，待识别雷达回波不能判定为大雨；当水平极化反射率因子z《40 dbz时，待识别雷达回波不能判定为雨和冰雹混合物。
15.由于采用了上述技术方案，本发明具有如下的优点：在传统模糊逻辑算法的基础上，添加了可信概率和硬性阈值。可信概率表征了雷达测量误差的可能影响，为算法优化提供了更大的灵活性，硬性阈值可以减少明显错误类别指定的数量。
附图说明
16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
17.图1为本发明实施例的梯形成员函数示意图；图2为本发明实施例的雷达波束相对于融化层的几何形状示意图；图3(a)至图3(f)分别为本发明实施例的仰角7.5
°
基数据ppi图；
图4为本发明实施例的探空数据得到温度廓线和融化层交线图；图5为本发明实施例的粒子相态识别结果示意图；图6(a)至图6(f)分别为本发明实施例的仰角0.5
°
的双偏振雷达基数据ppi图；图7(a)和图7(b)分别为本发明实施例的粒子相态识别结果和美国hca产品的粒子相态识别结果示意图；图8为本发明实施例的粒子相态识别算法在远望雷达终端系统上的应用展示示意图。
具体实施方式
18.结合附图和实施例对本发明作进一步说明，显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
19.本发明提出的粒子相态识别算法，主要基于x波段双偏振参量，采用模糊逻辑原理进行粒子相态识别，主要区分10种雷达回波：(1)地物杂波，包括由于异常传播引起的杂波; (2)生物回波; (3)干雪; (4)湿雪; (5)晶体; (6)霰; (7)大滴类，大滴类别指的是雨水，其大小分布倾向于大雨滴; (8)小雨和中雨; (9)大雨; (10)雨和冰雹的混合物。由于雷达测量中可能存在的误差以及较长距离处的天线波束展宽，导致粒子相态识别结果不准确。为了解决雷达测量误差和波束展宽的问题，在传统模糊逻辑算法的基础上，添加了可信概率和硬性阈值。可信概率表征了雷达测量误差的可能影响，为算法优化提供了更大的灵活性，硬性阈值可以减少明显错误类别指定的数量。
20.本发明提供了一种基于x波段双偏振天气雷达粒子相态识别方法的实施例，其主要分为7步：s1，输入6个雷达变量：(1)水平极化反射率因子z；(2)差分反射率；(3)互相关系数；(4)差分相移；(5)差分相移率；(6)径向速度v。通过水平极化反射率因子z和差分相移，计算水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()。sd(z)和sd()的计算公式如下:其中，定义为在径向上的计算范围(本方法取值为2，可根据实际情况调整)；和分别是2*径向距离范围内，计算出该径向距离范围内的水平极化反射率因子z和差分相移的均值。
21.由于差分相移率的参数范围较大，因此，引入参量，其定义式如下：
s2，对输入的数据进行质量控制。在运行分类程序前，要对水平极化反射率因子z、差分反射率z
dr
、差分相移和互相关系数进行径向平滑处理。对水平极化反射率因子z使用1km的平均窗口，对差分反射率、差分相移和互相关系数使用2km的窗口分别进行径向平滑处理。除此之外，要对水平极化反射率因子z和差分反射率进行衰减订正，订正量由径向平滑处理的差分相移来确定，订正量公式如下：最后，将订正量与平滑处理后的水平极化反射率因子和平滑处理后的差分反射率相加，即得到降水衰减订正后的水平极化反射率因子和差分反射率。
22.s3，计算可信概率。雷达回波分类的质量受到雷达测量精度的显著影响，雷达测量存在一定的偏差和噪声。在聚合规则中，可信概率f考虑到了测量误差的影响。六个参量可信概率的计算公式如下：
其中，,,,,，,。snr为信噪比，为光束阻挡的程度（通过方位角和仰角数字高程图可以估计出该参数），是单向3 db天线模式的宽度，和是天线的仰角和方位角。
23.在公式(8)至公式(10)中，其中，、、、、、分别为衰减订正后的水平极化反射率因子、衰减订正后的差分反射率、径向平滑处理的互相关系数、差分相移率、水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()的可信概率；表示径向平滑处理的差分相移，表示计算水平极化反射率因子可信概率时的差分相移对水平极化反射率因子z的固定参数，snr为信噪比，表示计算水平极化反射率因子可信概率时的固定信噪比参数，为雷达波束阻挡的程度，表示计算差分反射率可信概率时的差分相移对差分反射率的固定参数，表示差分反射率相对于仰角和方位角的变化参量，表示差分反射率相对于仰角和方位角的固定参数，表示计算可信概率时的互相关系数差值第一个固定参数，表示计算差分反射率可信概率时的关于差分反射率的信噪比固定参数，表示衰减订正后的水平极化反射率因子，表示衰减订正后的差分反射率，表示计算可信概率时的互相关系数差值第二个固定参数，表示计算互相关系数可信概率时的固定信噪比参数，表示差分相移对于仰角和方位角的变化参量，表示计算差分相移率可信概率时的差分相移差值固定参数，表示计算差分相移率可信概率时的关于差分相移率的信噪比固定参数，表示差分相移和衰减订正后的水平极化反射率因子对于仰角和方位角的变化参量，表示计算水平极化反射率因子标准偏差可信概率时的关于水平极化反射率因子标准偏差的信噪比固定参数，是单向3 db天线模式的宽度，和是天线的仰
角和方位角。
24.s4，计算融化层高度。使用雷达体扫数据（衰减订正后的水平极化反射率因子、衰减订正后的差分反射率和径向平滑处理的互相关系数），来确定融化层的顶部和底部。若互相关系数在0.90~0.97之间，水平极化反射率因子在30 dbz和47 dbz之间，同时差分反射率在0.8 db和2.5 db之间，那么满足上述条件的雷达回波所在高度识别为融化层高度。融化层顶部高度标记为ht，融化层底部高度标记为hb。
25.s5，计算聚合值。参与聚合运算的6个变量分别为：衰减订正后的水平极化反射率因子、衰减订正后的差分反射率、径向平滑处理的互相关系数、、水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()。本方法采用的加法聚合公式如下:本方法主要区分10种雷达回波：(1)地物杂波，包括由于异常传播引起的杂波；(2)生物散射体； (3)干雪；(4)湿雪；(5)晶体；(6)霰；(7)大滴类，大滴类别指的是雨水，其大小分布倾向于大雨滴；(8)小雨和中雨；(9)大雨；(10)雨和冰雹的混合物。对于上述10种雷达回波，都要对应计算一个聚合值(i=1,2,
···
，10，下同)，而每个聚合值则表示对应每种回波相关联的可能性。是隶属函数，表征第i种雷达回波的第j个变量的分布（j=1,2,
···
，6，下同）；是分配给第i种雷达回波的第j个变量0到1之间的权重值；是分配给第j个变量的可信概率。
26.如图1所示，横坐标x表示雷达参量值，纵坐标p(x)表示雷达回波的隶属函数值。在本实施例中，使用四个参数，，和来对梯形函数进行描述。如表1所示，表中给出了10种雷达回波和6个参量的隶属函数。
27.表1 10种雷达回波隶属函数
差分反射率和的隶属函数中，函数-和-确定表1中的参数-，并由下式给出：
其中，雷达反射率z的单位为dbz。
28.表2中列出了权重w的基本参数。
29.表2 权重矩阵s6，回波分类。如图2所示，为雷达波束相对于融化层的几何形状。其中，横坐标表示径向距离，纵坐标表示高度。两条黑色直线分别表示融化层顶部和底部。三条黑色曲线表示雷达发射仰角为0
°
、0.5
°
和1
°
雷达波束线。四条黑色点虚线表示根据融化层顶部高度ht和底部高度hb与雷达发射仰角为0
°
、0.5
°
和1
°
雷达波束交点的几何投影，确定倾斜范围rbb、rb、rt和rtt。
30.图2为雷达波束相对于融化层的几何形状。雷达发射仰角为0
°
、0.5
°
和1
°
雷达波束
轴用黑色粗实线绘制。黑色点虚线表示倾斜范围rbb、rb、rt和rtt，两条水平黑色粗实线分别代表熔融层底部和顶部的高度。应于从雷达波束到基本倾斜的融化层的几何投影。高度如表3所示，在五个倾斜范围间隔内，允许出现以下雷达回波：表3 分类标准在表3分类标准的基础上，将10种雷达回波的每一个聚合值a从高到低排序，最大聚合值所代表的回波类型即为分类结果。
31.s7，为了检查结果是否合理，使用了一组硬性阈值减少明显错误类别指定的数量。例如，如果z为40 dbz，识别为冰雹则被错误分类。在这种情况下，算法接受具有下一个最高聚合值的雷达回波类别。如表4所示，为用于抑制明显错误指定的经验性“硬性阈值”。
32.表4 用于抑制明显错误指定的经验性“硬阈值”本方法可以识别重要的降水类别（冰雹、大雨、融化层的属性），同时最大程度地减少明显的错误分类。为了达到这个目标，已经做了一些改进。
33.改进的第一个地方是可信概率，它可以量化每个雷达变量的数据质量。波束填充不均匀、衰减、统计误差、部分波束阻塞和噪声都会影响分类方案的质量。在模糊逻辑方案中，使用梯形函数和附加权重来衡量所有这些因素对雷达测量的影响，质量较差的数据赋予较低的可信概率，质量较高的数据赋予较高的可信概率。
34.改进的第二个地方是加入硬性阈值，主要起到“查漏补缺”的作用，减少明显错误类别指定的数量。
35.下面个例使用了成都远望yw-x3-b型号x波段双线偏振多普勒天气雷达的数据，该数据时间2019年10月24日13:59（北京时）。如图3(a)至图3(f)所示，为仰角7.5
°
的基数据ppi图。从、和的ppi图中，可以观察到明显的融化层。
36.如图4所示，为探空数据温度廓线和融化层交线图，横坐标表示温度，纵坐标表示高度。两条粗实线分别表示融化层顶部和底部高度。2019年10月24日20:00（北京时）在温江观测站附近获取的探空数据，黑色细实线表示温度。从图中可看出融化层顶部与温度廓线0摄氏度线相交，验证了融化层识别算法的有效性。如图5所示，为粒子相态识别结果。
37.本方法的结果与美国noaa的hca产品进行了对比。本次使用了美国俄克拉荷马州俄克拉荷马市双偏振雷达数据，时间2015年5月16日22:42（世界时）。如图6(a)至图6(f)所示，为仰角0.5
°
基数据ppi图。
38.如图7(a)和图7(b)所示，使用该算法得到的粒子相态识别结果，与美国hca产品的粒子相态识别效果基本一致。
39.本方法已经在成都远望x波段双线偏振多普勒天气雷达（yw-x1-b、yw-x3-b/bm、yld6-d等型号雷达）上得到应用。图8是粒子相态识别算法在成都远望雷达终端系统的应用显示界面。经过大量个例测试，对于融化层较为明显的个例，该算法均取得了较好的粒子相态识别效果。
40.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种基于x波段双偏振天气雷达粒子相态识别方法，其特征在于，包括：步骤1：对雷达变量进行预处理，基于预处理得到的雷达变量，计算其可信概率；步骤2：根据雷达变量，计算融化层高度；步骤3：分别计算所有预处理得到的雷达变量对应的聚合值；步骤4：基于聚合值，对雷达回波进行分类。2.根据权利要求1所述的方法，其特征在于，所述雷达变量包括：水平极化反射率因子z、差分反射率、互相关系数、差分相移、差分相移率、径向速度v；水平极化反射率因子z表征单位体积中降水粒子直径6次方的总和；差分反射率表征粒子的空间取向和长短轴之比；互相关系数表示在一个脉冲体内水平与垂直偏振脉冲相似度的度量；差分相移表示同样运动状态的降水区对于水平偏振波和垂直偏振波引起的相位变化；差分相移率表示水平和垂直脉冲差分相移的径向导数；径向速度v表示粒子与雷达同一方向的速度，朝向雷达的方向为负，远离雷达方向为正；所述对雷达变量进行预处理，包括：通过水平极化反射率因子z和差分相移，计算水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()；将差分相移率转换为对数表示形式，即得到；对水平极化反射率因子z、差分反射率、差分相移和互相关系数进行径向平滑处理得到、、和；表示径向平滑处理的水平极化反射率因子，表示径向平滑处理的差分反射率，表示径向平滑处理的差分相移，表示径向平滑处理的互相关系数；对平滑后的水平极化反射率因子和差分反射率进行衰减订正，得到衰减订正后的水平极化反射率因子和差分反射率，订正量由平滑处理后的来确定。3.根据权利要求2所述的方法，其特征在于，所述水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()的计算公式分别为：)的计算公式分别为：其中，为在径向上的计算范围，和分别是2*径向距离范围内水平极化反射率因子z和差分相移的均值。4.根据权利要求2所述的方法，其特征在于，表示为：
对水平极化反射率因子z使用第一平均窗口进行径向平滑处理；对差分反射率、差分相移和互相关系数使用第二平均窗口分别进行径向平滑处理；其中，第二平均窗口的宽度大于第一平均窗口的宽度。5.根据权利要求2所述的方法，其特征在于，所述订正量的计算公式为：5.根据权利要求2所述的方法，其特征在于，所述订正量的计算公式为：将订正量和分别与平滑处理后的水平极化反射率因子和平滑处理后的差分反射率相加，即得到降水衰减订正后的水平极化反射率因子和差分反射率。6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：6.根据权利要求5所述的方法，其特征在于，所述计算其可信概率的公式为：
其中，、、、、、分别为衰减订正后的水平极化反射率因子、衰减订正后的差分反射率、径向平滑处理的互相关系数、差分相移率、水平极化反射率因子标准偏差sd(z)和差分相移标准偏差sd()的可信概率；表示径向平滑处理的差分相移，表示计算水平极化反射率因子可信概率时的差分相移对水平极化反射率因子z的固定参数，snr为信噪比，表示计算水平极化反射率因子可信概率时的固定信噪比参数，为雷达波束阻挡的程度，表示计算差分反射率可信概率时的差分相移对差分反射率的固定参数，表示差分反射率相对于仰角和方位角的变化参量，表示差分反射率相对于仰角和方位角的固定参数，表示计算可信概率时的互相关系数差值第一个固定参数，表示计算差分反射率可信概率时的关于差分反射率的信噪比固定参数，表示衰减订正后的水平极化反射率因子，表示衰减订正后的差分反射率，表示计算可信概率时的互相关系数差值第二个固定参数，表示计算互相关系数可信概率时的固定信噪比参数，表示差分相移对于仰角和方位角的变化参量，表示计算差分相移率可信概率时的差分相移差值固定参数，表示计算差分相移率可信概率时的关于差分相移率的信噪比固定参数，表示差分相移和衰减订正后的水平极化反射率因子对于仰角和方位角的变化参量，表示计算水平极化反射率因子标准偏差可信概率时的关于水平极化反射率因子标准偏差的信噪比固定参数，是单向3 db天线模式的宽度，和是天线的仰角和方位角。7.根据权利要求1所述的方法，其特征在于，所述步骤2包括：使用衰减订正后的水平极化反射率因子、衰减订正后的差分反射率和径向平滑处理的互相关系数的雷达体扫数据，确定融化层的顶部和底部；若雷达回波满足如下条件，则将其所在高度识别为融化层高度；其中，融化层顶部高度标记为ht，融化层底部高度标记为hb；径向平滑处理的互相关系数在0.90~0.97之间，衰减订正后的水平极化反射率因子在30 dbz和47 dbz之间，同时衰减订正后的差分反射率在0.8 db和2.5 db之间。8.根据权利要求1所述的方法，其特征在于，所述步骤3包括：通过以下加法聚合公式，分别计算所有待识别的雷达回波的聚合值：
其中，则表示与第i种雷达回波相关联的可能性，是隶属函数，表征第i种雷达回波的第j个雷达变量的分布；是分配给第i种雷达回波的第j个变量的权重值，是分配给第j个变量的可信概率。9.根据权利要求1所述的方法，其特征在于，所述雷达回波包括地物杂波，包括由于异常传播引起的杂波、生物回波、干雪、湿雪、晶体、霰、大滴类、小雨和中雨、大雨、雨和冰雹的混合物；所述步骤4包括：根据融化层的顶部高度ht和底部高度hb与雷达发射仰角分别为0
°
、0.5
°
和1
°
的雷达波束交点的几何投影，确定倾斜范围rbb、rb、rt和rtt；当0<r<时，则雷达回波为地物回波, 生物回波,大滴类, 小雨和中雨, 大雨, 雨和冰雹混合物；其中，r为雷达回波所在的径向距离；当<r<时，则雷达回波为地物回波, 生物回波,湿雪,霰,大滴类,小雨和中雨,大雨,雨和冰雹混合物；当<r<时，则雷达回波为地物回波, 生物回波, 干雪, 湿雪, 霰, 大滴类, 雨和冰雹混合物；当<r<时，则雷达回波为地物回波, 生物回波, 干雪, 湿雪, 晶体, 霰, 雨和冰雹混合物；当r>时，则雷达回波为干雪, 晶体, 霰, 雨和冰雹混合物；将待识别所有雷达回波的每一个聚合值从高到低排序，最大聚合值所代表的回波类型即为分类结果。10.根据权利要求9所述的方法，其特征在于，还包括：通过设置硬性阈值条件以抑制对待识别所有雷达回波的错误分类：当径向速度v>1 m/s时，待识别雷达回波不能判定为地物回波；当互相关系数>0.97时，待识别雷达回波不能判定为生物回波；当差分反射率>2 db时，待识别雷达回波不能判定为干雪；当水平极化反射率因子z<20 dbz时，待识别雷达回波不能判定为湿雪；当差分反射率<0 db时，待识别雷达回波不能判定为湿雪；当水平极化反射率因子z>40 dbz时，待识别雷达回波不能判定为晶体；当水平极化反射率因子z<10 dbz或水平极化反射率因子z>60 dbz时，待识别雷达回波不能判定为霰；当差分反射率<f2(z)
ꢀ‑ꢀ
0.3时，待识别雷达回波不能判定为大滴类； ；当水平极化反射率因子z>50 dbz时，待识别雷达回波不能判定为小雨和中雨；
当水平极化反射率因子z<30 dbz时，待识别雷达回波不能判定为大雨；当水平极化反射率因子z<40 dbz时，待识别雷达回波不能判定为雨和冰雹混合物。

技术总结
本发明公开了一种基于X波段双偏振天气雷达粒子相态识别方法，其包括：对雷达变量进行预处理，基于预处理得到的雷达变量，计算其可信概率；根据雷达变量，计算融化层高度；分别计算所有预处理得到的雷达变量对应的聚合值；基于聚合值，对雷达回波进行分类。本发明在糊逻辑原理的基础上，添加可信概率和硬阈值，提高了X波段双偏振天气雷达粒子相态识别的准确度。度。度。


技术研发人员：谢承华 王海龙 罗继成 王志强
受保护的技术使用者：成都远望科技有限责任公司
技术研发日：2023.07.12
技术公布日：2023/8/9