基于多普勒天氣雷達的地物識別研究

張占文

摘 要： 當前的地物識別方法對地物反饋波特征掌握不準確，識別效果不好，對此，提出基于多普勒天氣雷達的地物識別方法。將天氣雷達信息點分為垂直形態、水平形態、紋理形態、垂直速度、水平速度、譜寬速度六個特征，通過查閱歷史資料并結合反饋波的多普勒效應曲線，統計地物與水域特征差別。對地物與水域的折射率進行修正，根據目標物體與地物反饋波頻率的不同，將混合在地物識別結果中的水域和目標物體提取出來，增加地物識別準確率。實驗結果表明，所提方法擁有很好的識別效果。

關鍵詞： 多普勒天氣雷達； 多普勒效應曲線； 地物識別； 水域特征

中圖分類號： TN95?34； P412.25 文獻標識碼： A 文章編號： 1004?373X（2017）19?0112?03

Research on ground?object recognition method based on Doppler weather radar

ZHANG Zhanwen

（Luoyang College， Civil Aviation Flight University of China， Luoyang 471000， China）

Abstract： The current ground?object recognition method has inaccurate mastery for ground?object feedback wave feature and poor identification effect， so a ground?object recognition method based on Doppler weather radar is put forward. The weather radar information points are divided into the vertical form， horizontal form， texture form， vertical speed， horizontal speed and spectrum width speed. The historical data is looked up and the Doppler effect curve of feedback wave is combined to survey the 7feature difference between ground?object and water area， and correct the refractive indexes of the ground?object and water area. According to the feedback wave frequencies difference between the target object and ground?object， the water area and target object mixed in the ground?object recognition results are extracted to improve the recognition accuracy of ground?object. The experimental results show that the proposed method has better recognition effect.

Keywords： Doppler weather radar； Doppler effect curve； ground?object identification； water area feature

0 引 言

天氣雷達是勘察氣象信息以及地物信息的一種現代化技術手段，由于氣象信息的反饋波會嚴重影響雷達勘察精度，并且地物信息常常與目標信息混合在一起，對信息定量分析帶來了不小的干擾，因此，在天氣雷達輸出目標信息之前，必須對氣象信息和地物信息進行有效識別[1]。近年來，一些學者開始研究智能化的氣象信息和地物信息識別方法，提出的空間反饋波檢測理念和梯度檢測理念都能夠很好地識別出氣象信息，但對地物信息的有效識別仍未取得較大進展。

最早的地物信息識別方法采用梯度檢測反饋波，通過反饋波的伸縮和反射識別地物，忽略了地物反饋波速度以及水平形態的變化。文獻[2]提出的基于概率分析的天氣雷達地物識別方法對梯度檢測進行了改進，通過分析反饋波信噪比、折射速度以及紋理，使用BP神經網絡迭代輸出地物模型，有效改善了天氣雷達的勘察精度，但在目標信息的定量分析中仍存在不少的反饋波。文獻[3]提出基于模糊邏輯的天氣雷達地物識別方法，用反饋波高度代替折射角，提取反射因子、水平速度和波寬，綜合分析地物形態，卻受到反饋波隨距離變動的影響，實際高度與識別高度存在較大差異，仍需要重新挖掘出一種有效的識別方法。

1 多普勒天氣雷達的地物識別方法

1.1 多普勒天氣雷達的地物特征

多普勒天氣雷達對地物反饋波的識別問題并不是通過簡單的資料查詢和推理預測就能實現的，水域是地物識別中最大的干擾因素，江河湖水、海水、降雨積水等都能在雷達藍圖上顯示出來[4]。因為水域反饋波與地物反饋波的波形較為相似，所以正確分析出地物與水域的特征差別是十分重要的。

通過查閱歷史資料，對2014年遼寧省盤錦市的兩臺天氣雷達數據進行掃描，共有213項明確的反饋數據。將不同類別的反饋波區分開來，作為地物與水域的特征分析案例。地物反饋波的反射角度小，速度比較慢，肉眼不能識別地物位移，頻率基本高于8 dBZ。水域反饋波有兩種形態：一種是層次劃分清晰的降雨積水；另一種是對稱波動的自然水域（江河湖水、海水等）[5]。前者的反饋波頻率在13～38 dBZ之間，后者的反饋波頻率通常在38 dBZ以上。除地物和水域以外，晴空反饋波隨時存在于雷達藍圖中。

反饋數據分類結果指出，降雨積水與自然水域常常重疊在一起。而晴空反饋波與地物反饋波的重疊幾率也比較大，但影響較小，不作分析，地物、降雨積水、自然水域的信息點數量之比為2[∶]1[∶]4。目前，天氣雷達信息點共擁有六個特征，分為形態和速度兩種類別：形態特征由反饋波的垂直形態[GD、]水平形態[SP、]紋理形態[TD]組成；速度特征由垂直速度[MD、]水平速度[SD、]譜寬速度[MS]組成[6]。在基于多普勒天氣雷達的地物識別方法中，垂直速度[MD]由多普勒天氣雷達自動測量，其余五個特征的函數表達式可以表示成如下形式：

[TD=i=1NAj=1NR（Zi，j-Zi，j+1）NA×NR] （1）

[GD=W（R）（Zup-Zlow）] （2）

[SP=i=1NAj=1NRMSNA×NR] （3）

[SD=i=1NAj=1NR（Vi，j-MDi，j）2NA×NR] （4）

[MS=1，Zi，j-Zi，j+1>Zthres0，Zi，j-Zi，j+1≤Zthres] （5）

以上各式中的參數項均與反饋波有一定關系：[i]表示位置序列；[j]表示位移序列；[Zi，j+1]與[Zi，j]是相鄰信息點；[V]表示反射速度；[NA]表示勘察位置區間，取值為4；[NR]表示勘察位移區間，取值為4（形態特征）或者8（速度特征）；[W（R）]表示位移比率函數；[Zup]和[Zlow]共同組成反饋波頻率的變動區間；[Zthres]是多普勒天氣雷達的頻率極限值，取值為4 dBZ。

1.2 特征統計分析與地物識別

將天氣雷達信息點六個特征的函數表達式和具體案例數據輸入計算機繪制多普勒效應曲線。根據實際情況設置六項特征閾值，視不存在閾值區間內的信息點為參考地物識別結果。閾值的設置應盡可能涵蓋所有特征區間，在不能確定的情況下可先加大特征區間，隨后進行后期修正。因為天氣雷達水平速度的正負值不易區分，所以需要事先設置水平線的原點參考點。

圖1是紋理形態[TD]的多普勒效應曲線，圖2，圖3是水平形態[SP]和垂直形態[GD]的多普勒效應曲線。從形態特征多普勒曲線中可以看出：降雨積水和自然水域的[TD]值普遍集中在30 dBZ以下，地物則高于 [7]30 dBZ；地物反饋波頻率的水平變動狀況要遠復雜于降雨積水和自然水域，水域的[SP]概率值普遍低于0.35，地物[SP]則要高于0.5。在垂直方向上，地物反饋波在底層產生的概率要大于在高層產生的概率，這里面涵蓋兩種可能：一種是地物反饋波與多普勒天氣雷達的距離越遠，反饋波頻率越弱，但是從圖1、圖2可以得出這種可能成立的幾率很小；第二種可能是越大的折射角越有利于反饋波的消亡。所以，對于[GD]來說，可以將地物反饋波全部設為負數，水域設為正數，地物[GD]絕對值通常要大于水域[GD，]波形具有較大差別。

1.3 地物識別的修正計算

多普勒天氣雷達可以根據1.2節給出的地物特征結論排除水域對地物反饋波形態的干擾，以識別出大部分地物。對于水域與地物相重疊反饋波的部分，雖然占據的比重不大，但也不能忽視，這將直接關系到所提基于多普勒天氣雷達的地物識別方法的識別效果。

表1是大氣折射類型修正表，根據表格所描述的信息，地物反饋波的折射率被全部修正為基本折射，水域反饋波被修正到其他三類，以此進一步區分開地物和水域信息點。

同時，目標物體與地物之間也存在一定的反饋波特征重疊區間[9]，由多普勒效應和天氣雷達接收狀態可知，多普勒天氣雷達用于進行目標物體掃描的雷達接收功率可以表示為：

[Pr=4πPtg2A0σ0L2λ2] （6）

式中：[Pt]表示發射功率；[g]表示天線增益；[σ0]表示水域散射參數；[λ]表示雷達波長；[L]表示路徑耗損。

基于多普勒天氣雷達的地物識別方法經過表1對水域反饋波排除之后，使用式（9）將目標物體反饋波從參考地物識別結果中提取出來，最終獲取的地物識別結果是比較準確的。

2 仿真實驗

在一所開放式雷達監控站進行實驗，利用監控站的歷史天氣數據建立一個天氣雷達藍圖數據庫，擁有地物信息點約4萬個，水域信息點約10萬個（包含2萬個降雨積水點和8萬個自然水域點）。識別效果用個體誤判率描述，取相同的閾值定義，選用三種個體誤判率進行分析，漏判率并入個體誤判率當中。

3 結 語

多普勒天氣雷達以多普勒效應為原理對氣象信息和地物信息的位置、速度進行勘察，具有快速、靈活、容量大的優點。本文利用多普勒天氣雷達進行地物識別研究，免除了算法與雷達硬件的不相容情況，而且特征提取準確，誤差容易修正，取得了很好的識別效果。

參考文獻

[1] 王萍，牛智勇.基于多普勒天氣雷達數據的中層徑向輻合自動識別及其與強對流天氣的相關性研究[J].物理學報，2014，63（1）：424?436.

[2] 李豐，劉黎平，王紅艷，等.C波段多普勒天氣雷達地物識別方法[J].應用氣象學報，2014，25（2）：158?167.

[3] 莊庭，呂江津.新一代多普勒天氣雷達數據處理中頻域濾波技術的研究[J].天津科技，2014，41（6）：68?70.

[4] 肖艷姣，吳濤，李中華，等.基于多普勒天氣雷達的垂直散度和溫度平流廓線反演[J].氣象，2016，42（8）：987?995.

[5] 杜牧云，肖艷嬌，吳濤.多普勒天氣雷達下擊暴流圖像識別[J].氣象科技，2015，43（3）：368?372.

[6] 翟園，洪超，喬娟，等.湖南地區多普勒天氣雷達回波與云地閃關系研究[J].中國農學通報，2016，32（11）：115?120.

[7] 郭曉超，李明元，肖蕾.遵義多普勒天氣雷達反射率資料的雜波抑制算法研究[J].貴州氣象，2014，38（6）：27?29.

[8] 曹楊，蘇德斌，周筠珺，等.基于雙線偏振多普勒雷達識別地物回波[J].成都信息工程學院學報，2014，29（5）：509?516.

[9] 黃云仙，楊文強，馬爍，等.基于灰度共生矩陣的自適應雷達雜波抑制[J].氣象科學，2016，36（2）：218?223.

[10] 祁月皎，何建新，王旭.多普勒天氣雷達二維理想均勻風場的數值模擬[J].成都信息工程學院學報，2014，29（2）：127?132.