(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211318593.7 (22)申请日 2022.10.26 (71)申请人 成都锦江电子系统工程有限公司 地址 610000 四川省成 都市高新区高朋大 道12号 (72)发明人 谭学　 (74)专利代理 机构 成都立新致创知识产权代理 事务所 (特殊普通合伙) 51277 专利代理师 刘俊 (51)Int.Cl. G06K 9/62(2022.01) G06N 7/02(2006.01) G01S 13/95(2006.01) G01J 5/00(2022.01)G01W 1/02(2006.01) (54)发明名称 基于多源资料融合的低云低能见度天气识 别及反演方法 (57)摘要 发明涉及基于多源资料融合的低云低能见 度天气识别方法， 包括： S1、 采用毫米波云雷达扫 描； S2、 毫米波云雷达、 微波辐射计、 自动气象观 测系统数据文件按时间相匹配； S3、 从各设备中 获取物理量； S4、 将毫米波云雷达基数据进行处 理； S5、 测定200米高度水平风速， 并将无效值用 地面风速代替； S6、 设定条件， 并挑选出满足条件 的区域雾环境情况； S7、 针对满足区域雾环境判 别条件， 通过模糊逻辑处理， 识别处粒子类型(低 云、 雾、 其他)； S8、 对 不满足区域雾环境的判别划 分。 还公开了能见度反演方法。 本发明达到的有 益效果是： 能有效避免雾回波误判， 并且对于云 底水汽含量、 湿度偏小的低云具有非常优异的识 别效果； 排出处于低云、 雾之间的过度大小颗粒 带来的干 扰， 具有高时空分辨 率、 高准确性。 权利要求书3页 说明书8页 附图2页 CN 115526272 A 2022.12.27 CN 115526272 A 1.基于多源资料融合的低云低能见度天气识别方法， 其特 征在于： 包括以下步骤： S1、 采用毫米波云雷达， 进行低 仰角PPI扫描、 机场跑道方向RHI扫描； S2、 根据毫米波云雷达时间， 搜索匹配该时间相应的微波辐射计、 自动气象观测系统数 据文件； S3、 分别解析 各设备数据 从毫米波云雷达数据中提取反射率因子Z(又称回波强度Z)、 径向速度V、 速度谱宽W、 线 性退偏振比LDR四个物理量； 从从微波辐射计中提取温度T廓线、 相对湿度RH廓线两个物理量； 从自动气象观测系统中提取风速WS0、 能见度VIS两个物理量； S4、 对于毫米波云雷达基数据进行处 理， 以提高针对毫米波云雷达基数据的质量； 处理手段， 包括对缺测数据进行补缺； 速度退模糊处 理； S5、 从毫米波云雷达数据中提取200米高度水平风速WS200m； 若WS200m为无效值， 则取 自动气象观测系统中地 面风速进行代替； S6、 通过以下 条件， 分析判别雾环境： a、 水汽条件： 近地 面湿度RH 0m大于设定值； b、 热力条件： 贴地逆温高度ΔH小于200米， 平均强度 Iavg小于设定平均强度， 最大强度 Imax小于设定最大强度； c、 动力条件： 20 0米高度水平风速WS20 0m小于设定水平风速； d、 能见度条件： 能见度VIS小于设定高度； 上述四个条件中， 若满足条件d， 则直接满足区域雾环境条件； 上述四个条件中， 若同时满足条件a、 条件b、 条件c， 则也满足区域雾环境条件； 其中， 近地 面湿度RH 0m， 由微波辐射计中相对湿度RH廓线数据地 面高度数据获取； 贴地逆温高度ΔH由微波辐射计 中温度T廓线数据， 从地面开始依次上一高度结果计算 逆温高度； 逆温强度定义 为在逆温层内每升高10 0m温度的逆增值(单位： ℃/10 0m)， 用I表示； 平均强度Iavg为从地 面到ΔH高度下的逆温强度平均值； 最大强度 Imax从地面到ΔH高度下逆温强度最大值； 200米高度水平风速WS200m由毫米 波云雷达速度场数据利用VAD(Velocity  Azimuth Display)方法拟合获取， 若拟合为无效 值， 则采用自动气象观测系统中地 面风速WS0取代； 能见度VIS由自动气象观测系统中地 面能见度VIS获取； ΔH＝H2‑H1， ΔT＝T2 ‑T1， I＝ΔT/ΔH×100； S7、 针对满足区域雾环境判别条件， 识别粒子类型 A、 直接判断， 识别为低云、 雾、 其 他 选取‑5dBZ作为区分降水和云、 雾天气 现象的阈值， 大于 ‑5dBZ为降水以及其他粒子； 小 于或等于 ‑5dBZ为云或雾粒子； B、 利用模糊逻辑算法， 对满足区域雾环境判别条件中相应物理量进行处理后， 再识别 为低云、 雾、 其 他； B1、 根据低云、 (雾)低能见度天气特点选取物理量， 提取毫出米波云雷达对应的回波强 度Z、 组合反射率纹理TDBZ、 组合反射率沿径向的库间变化程度SPIN、 回波强度的垂直梯度权　利　要　求　书 1/3 页 2 CN 115526272 A 2率GDBZ； 将Z、 TDBZ、 SPIN、 GDBZ作为输入参量， 通过不对称梯形隶属函数进行模糊化处理， 不对 称梯形隶属函数的表达式为， 其中， Ti_j表示输入参量对各相态的隶属程度， 越接近1表示相态为真实相态的可 能性 越高， 其中i代表第i个输出粒子相态类型， 分别对应低 云、 雾、 其它， j代表第j个输入参量， 分别对应回波强度(Z)、 组合反射率纹理(TDBZ)、 组合反射率沿径向的库间变化程度 (SPIN)、 回波强度的垂直梯度率(GDBZ)， X1、 X2、 X3、 X4是 隶属度函数的系数； B2、 根据Z、 TDBZ、 SPIN、 GDBZ参量在识别算法占的比例选择适当的权重， 以对应Z、 TDBZ、 SPIN、 GDBZ四个参 量的隶属函数 数值进行加权平均； 识别算法的公式为， 其中， Si为各类粒子集成值， Tij代表隶属度函数， i为输出粒子类型， j为输入参量类 型， Wi,j表示第i种输出 粒子类型,第j种参 量对判断结果的权 重因子； B3、 将B2中计算出的各个粒子类型对应的各个值， 将每个粒子类型的所有值， 采用最大 值集成方法进行集成， 即仅把 最大值的结果作为输出， Smax＝Max(Si)； B4、 最大值输出 结果对应的粒子类型， 即为 最终识别的水凝物粒子类型。 2.根据权利要求1或2所述的基于多源资料融合的低云低能见度天气识别方法， 其特征 在于： 所述的S6中， 通过以下 条件， 分析判别雾环境： a、 水汽条件： 近地 面湿度RH 0m大于95％； b、 热力条件： 贴地逆温高度ΔH小于200米， 平均强度Iavg小于1.3℃/100m， 最大强度 Imax小于 3℃/100m； c、 动力条件： 20 0米高度水平风速WS20 0m小于8米/秒； d、 能见度条件： 能见度VIS小于10 00米。 3.根据权利要求1或2所述的基于多源资料融合的低云低能见度天气识别方法， 其特征 在于： 还包括步骤S8： 当不满足步骤S6提及的区域雾环境判别条件时， 直接利用选取 ‑5dBZ作为区分降水和 低云天气现象的阈值； 若大于 ‑5dBZ为降水其 他粒子； 若 小于或等于 ‑5dBZ为云粒子 。 4.根据权利要求1或2所述的基于多源资料融合的低云低能见度天气识别方法， 其特征 在于： 所述的S1中， 毫米波云雷达， 通过雾探测模式， 来进行低仰角PPI扫描、 机场跑道方向 RHI扫描。 5.根据权利要求1或2所述的基于多源资料融合的低云低能见度天气识别方法， 其特征权　利　要　求　书 2/3 页 3 CN 115526272 A 3