[发明专利]针对双偏振天气雷达的水凝物粒子分类识别方法及装置

说明书

本发明公开了一种针对双偏振天气雷达的水凝物粒子分类识别方法及装置，该方法以双偏振天气雷达产品中的水平反射率因子，差分反射率，差分相移率以及交叉相关系数等多个偏振参数作为输入,使用深度学习对输入数进行处理、分析和判别,实现了晶体(CR)、毛毛雨(LR)、雨(RN)、大雨(HR)、湿雪(WS)、干雪(DS)、冰晶(IC)、霰(GR)、冰雹(IH)和雨加雹(RH)等类别降水粒子的识别。

技术领域

本发明涉及天气雷达信息处理技术领域，具体的说，涉及一种针对双偏振天气雷达的水凝物粒子分类识别方法及装置。

背景技术

在中国中西部地区，多山的地形条件常常导致冰雹等破坏性较强的局地性气象灾害频发，极大地影响了粮食和经济作物的种植，对地方经济造成了重大破坏。以冰雹为代表的气象灾害产生的主要原因是对流性强天气系统的出现，为了减少气象灾害造成的经济损失，必须采取人工影响天气作业的技术手段，来抑制这些对流天气系统的形成和发展。而抑制对流性天气系统形成发展的关键是对这些系统的早期识别，如果能够在形成之前或者发展早期识别出这些系统，人工影响天气业务部门就可以提前进行必要的人工影响天气作业，以达到消除或者减弱这种灾害性天气系统的目的，进而阻止气象灾害的发生。

在中西部主要经济作物种植区域，为了气象灾害的防灾减灾，广泛开展了以天气雷达为指挥核心，以高炮或者火箭作为作业火器工具的人工影响天气作业业务。在人影作业业务中，作业指挥人员借助天气雷达的观测数据搜索可能形成灾害的天气系统目标，对可能形成对流性灾害天气系统目标核心进行精准识别和精确定位，并通过通信系统通知人影作业工具的现场操作人员，而作业操作人员依据指挥人员提供的作业参数调整高炮/火箭射角，准确及时地完成人影作业。

形成有效的人工影响天气作业的关键是基于天气雷达的灾害性天气系统的早期识别。传统的用于人影作业指挥天气雷达以多普勒天气雷达为主，它提供雷达观测范围内天气系统的反射率因子Z、速度V和谱宽W 3种观测数据，这3种观测数据仅仅能够反映天气系统的宏观结构，以此为依据识别是否是对流性天气系统，或者判别对流性天气系统的发展趋势，具有一定片面性，特别是无法进行对流性天气系统的早期识别，往往会造成对作业条件识别和作业时机选择的误判，影响人影作业的有效性。

近年来，随着天气雷达技术的发展，X波段双偏振多普勒天气雷达被广泛引入人工影响天气作业指挥业务，极大地改善了灾害性天气系统的早期识别的准确性。双偏振多普勒天气雷达同时或者交替发射水平/垂直极化电磁波，天气系统中不同相态、不同尺度和不同形状的水凝物粒子对不同极化方向的电磁波的反射强度和相位偏移是不同的，这些差异携带了粒子相态的准确识别信息，因此，双偏振多普勒天气雷达不仅仅能够提供天气系统的反射率因子、速度V和谱宽W 3种观测数据，还可以提供水凝物粒子差分反射率 ，差分相移率 以及交叉相关系数 等微观的双偏振观测参数，这些参数反映了水凝物粒子的形状信息，可以用于对水凝物粒子的相态识别，以此为基础，结合反射率因子Z、速度V和谱宽W 3种传统观参数，可以进行对流性天气系统的早期识别，提高人影作业的效率和科学性。

传统人影作业指挥业务中，基于双偏振观测参数的水凝物粒子识别方法主要是基于模糊逻辑的方法，这种方法需要根据历史积累的观测数据,进行人工的隶属函数边界的设定选择，一方面参数选择人为因素较大，另一方面一旦识别模型建立，很难根据新的业务观测数据的积累，自动调整相应的识别参数，算法自适应性较差，不能很好改进。改进的基于模糊神经网络的识别方法，虽然能够通过样本训练确定隶属函数边界，部分解决了上述问题，但业务使用情况并不理想。

发明内容

为了解决上述技术问题，本发明提供了一种针对双偏振天气雷达的水凝物粒子分类识别方法及装置，引入深度机器学习的方法，用历史积累的观测数据建立训练样本，对识别模型进行的训练，建立稳定的识别模型，应用于人影作业指挥业务。在业务观测中，新的观测数据可用于分类识别模型的优化改进训练，以达到自适应改进的目的。

本发明的具体技术方案如下：