基于多普勒天气雷达的地物识别研究
张占文
摘 要： 当前的地物识别方法对地物反馈波特征掌握不准确，识别效果不好，对此，提出基于多普勒天气雷达的地物识别方法。将天气雷达信息点分为垂直形态、水平形态、纹理形态、垂直速度、水平速度、谱宽速度六个特征，通过查阅历史资料并结合反馈波的多普勒效应曲线，统计地物与水域特征差别。对地物与水域的折射率进行修正，根据目标物体与地物反馈波频率的不同，將混合在地物识别结果中的水域和目标物体提取出来，增加地物识别准确率。实验结果表明，所提方法拥有很好的识别效果。
关键词： 多普勒天气雷达； 多普勒效应曲线； 地物识别； 水域特征
中图分类号： TN95?34； P412.25 文献标识码： A 文章编号： 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
天气雷达是勘察气象信息以及地物信息的一种现代化技术手段，由于气象信息的反馈波会严重影响雷达勘察精度，并且地物信息常常与目标信息混合在一起，对信息定量分析带来了不小的干扰，因此，在天气雷达输出目标信息之前，必须对气象信息和地物信息进行有效识别[1]。近年来，一些学者开始研究智能化的气象信息和地物信息识别方法，提出的空间反馈波检测理念和梯度检测理念都能够很好地识别出气象信息，但对地物信息的有效识别仍未取得较大进展。
最早的地物信息识别方法采用梯度检测反馈波，通过反馈波的伸缩和反射识别地物，忽略了地物反馈波速度以及水平形态的变化。文献[2]提出的基于概率分析的天气雷达地物识别方法对梯度检测进行了改进，通过分析反馈波信噪比、折射速度以及纹理，使用BP神经网络迭代输出地物模型，有效改善了天气雷达的勘察精度，但在目标信息的定量分析中仍存在不少的反馈波。文献[3]提出基于模糊逻辑的天气雷达地物识别方法，用反馈波高度代替折射角，提取反射因子、水平速度和波宽，综合分析地物形态，却受到反馈波随距离变动的影响，实际高度与识别高度存在较大差异，仍需要重新挖掘出一种有效的识别方法。
1 多普勒天气雷达的地物识别方法
1.1 多普勒天气雷达的地物特征
多普勒天气雷达对地物反馈波的识别问题并不是通过简单的资料查询和推理预测就能实现的，水域是地物识别中最大的干扰因素，江河湖水、海水、降雨积水等都能在雷达蓝图上显示出来[4]。因为水域反馈波与地物反馈波的波形较为相似，所以正确分析出地物与水域的特征差别是十分重要的。
通过查阅历史资料，对2014年辽宁省盘锦市的两台天气雷达数据进行扫描，共有213项明确的反馈数据。将不同类别的反馈波区分开来，作为地物与水域的特征分析案例。地物反馈波的反射角度小，速度比较慢，肉眼不能识别地物位移，频率基本高于8 dBZ。水域反馈波有两种形态：一种是层次划分清晰的降雨积水；另一种是对称波动的自然水域（江河湖水、海水等）[5]。前者的反馈波频率在13～38 dBZ之间，后者的反馈波频率通常在38 dBZ以上。除地物和水域以外，晴空反馈波随时存在于雷达蓝图中。
反馈数据分类结果指出，降雨积水与自然水域常常重叠在一起。而晴空反馈波与地物反馈波的重叠几率也比较大，但影响较小，不作分析，地物、降雨积水、自然水域的信息点数量之比为2[∶]1[∶]4。目前，天气雷达信息点共拥有六个特征，分为形态和速度两种类别：形态特征由反馈波的垂直形态[GD、]水平形态[SP、]纹理形态[TD]组成；速度特征由垂直速度[MD、]水平速度[SD、]谱宽速度[MS]组成[6]。在基于多普勒天气雷达的地物识别方法中，垂直速度[MD]由多普勒天气雷达自动测量，其余五个特征的函数表达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）
以上各式中的参数项均与反馈波有一定关系：[i]表示位置序列；[j]表示位移序列；[Zi，j+1]与[Zi，j]是相邻信息点；[V]表示反射速度；[NA]表示勘察位置区间，取值为4；[NR]表示勘察位移区间，取值为4（形态特征）或者8（速度特征）；[W（R）]表示位移比率函数；[Zup]和[Zlow]共同组成反馈波频率的变动区间；[Zthres]是多普勒天气雷达的频率极限值，取值为4 dBZ。
1.2 特征统计分析与地物识别
将天气雷达信息点六个特征的函数表达式和具体案例数据输入计算机绘制多普勒效应曲线。根据实际情况设置六项特征阈值，视不存在阈值区间内的信息点为参考地物识别结果。阈值的设置应尽可能涵盖所有特征区间，在不能确定的情况下可先加大特征区间，随后进行后期修正。因为天气雷达水平速度的正负值不易区分，所以需要事先设置水平线的原点参考点。
图1是纹理形态[TD]的多普勒效应曲线，图2，图3是水平形态[SP]和垂直形态[GD]的多普勒效应曲线。从形态特征多普勒曲线中可以看出：降雨积水和自然水域的[TD]值普遍集中在30 dBZ以下，地物则高于 [7]30 dBZ；地物反馈波频率的水平变动状况要远复杂于降雨积水和自然水域，水域的[SP]概率值普遍低于0.35，地物[SP]则要高于0.5。在垂直方向上，地物反馈波在底层产生的概率要大于在高层产生的概率，这里面涵盖两种可能：一种是地物反馈波与多普勒天气雷达的距离越远，反馈波频率越弱，但是从图1、图2可以得出这种可能成立的几率很小；第二种可能是越大的折射角越有利于反馈波的消亡。所以，对于[GD]来说，可以将地物反馈波全部设为负数，水域设为正数，地物[GD]绝对值通常要大于水域[GD，]波形具有较大差别。
1.3 地物识别的修正计算
多普勒天气雷达可以根据1.2节给出的地物特征结论排除水域对地物反馈波形态的干扰，以识别出大部分地物。对于水域与地物相重叠反馈波的部分，虽然占据的比重不大，但也不能忽视，这将直接关系到所提基于多普勒天气雷达的地物识别方法的识别效果。
表1是大气折射类型修正表，根据表格所描述的信息，地物反馈波的折射率被全部修正为基本折射，水域反馈波被修正到其他三类，以此进一步区分开地物和水域信息点。
同时，目标物体与地物之间也存在一定的反馈波特征重叠区间[9]，由多普勒效应和天气雷达接收状态可知，多普勒天气雷达用于进行目标物体扫描的雷达接收功率可以表示为：
[Pr=4πPtg2A0σ0L2λ2] （6）
式中：[Pt]表示发射功率；[g]表示天线增益；[σ0]表示水域散射参数；[λ]表示雷达波长；[L]表示路径耗损。
基于多普勒天气雷达的地物识别方法经过表1对水域反馈波排除之后，使用式（9）将目标物体反馈波从参考地物识别结果中提取出来，最终获取的地物识别结果是比较准确的。
2 仿真实验
在一所开放式雷达监控站进行实验，利用监控站的历史天气数据建立一个天气雷达蓝图数据库，拥有地物信息点约4万个，水域信息点约10万个（包含2万个降雨积水点和8万个自然水域点）。识别效果用个体误判率描述，取相同的阈值定义，选用三种个体误判率进行分析，漏判率并入个体误判率当中。
3 结 语
多普勒天气雷达以多普勒效应为原理对气象信息和地物信息的位置、速度进行勘察，具有快速、灵活、容量大的优点。本文利用多普勒天氣雷达进行地物识别研究，免除了算法与雷达硬件的不相容情况，而且特征提取准确，误差容易修正，取得了很好的识别效果。
参考文献
[1] 王萍，牛智勇.基于多普勒天气雷达数据的中层径向辐合自动识别及其与强对流天气的相关性研究[J].物理学报，2014，63（1）：424?436.
[2] 李丰，刘黎平，王红艳，等.C波段多普勒天气雷达地物识别方法[J].应用气象学报，2014，25（2）：158?167.
[3] 庄庭，吕江津.新一代多普勒天气雷达数据处理中频域滤波技术的研究[J].天津科技，2014，41（6）：68?70.
[4] 肖艳姣，吴涛，李中华，等.基于多普勒天气雷达的垂直散度和温度平流廓线反演[J].气象，2016，42（8）：987?995.
[5] 杜牧云，肖艳娇，吴涛.多普勒天气雷达下击暴流图像识别[J].气象科技，2015，43（3）：368?372.
[6] 翟园，洪超，乔娟，等.湖南地区多普勒天气雷达回波与云地闪关系研究[J].中国农学通报，2016，32（11）：115?120.
[7] 郭晓超，李明元，肖蕾.遵义多普勒天气雷达反射率资料的杂波抑制算法研究[J].贵州气象，2014，38（6）：27?29.
[8] 曹杨，苏德斌，周筠珺，等.基于双线偏振多普勒雷达识别地物回波[J].成都信息工程学院学报，2014，29（5）：509?516.
[9] 黄云仙，杨文强，马烁，等.基于灰度共生矩阵的自适应雷达杂波抑制[J].气象科学，2016，36（2）：218?223.
[10] 祁月皎，何建新，王旭.多普勒天气雷达二维理想均匀风场的数值模拟[J].成都信息工程学院学报，2014，29（2）：127?132.
摘 要： 当前的地物识别方法对地物反馈波特征掌握不准确，识别效果不好，对此，提出基于多普勒天气雷达的地物识别方法。将天气雷达信息点分为垂直形态、水平形态、纹理形态、垂直速度、水平速度、谱宽速度六个特征，通过查阅历史资料并结合反馈波的多普勒效应曲线，统计地物与水域特征差别。对地物与水域的折射率进行修正，根据目标物体与地物反馈波频率的不同，將混合在地物识别结果中的水域和目标物体提取出来，增加地物识别准确率。实验结果表明，所提方法拥有很好的识别效果。
关键词： 多普勒天气雷达； 多普勒效应曲线； 地物识别； 水域特征
中图分类号： TN95?34； P412.25 文献标识码： A 文章编号： 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
天气雷达是勘察气象信息以及地物信息的一种现代化技术手段，由于气象信息的反馈波会严重影响雷达勘察精度，并且地物信息常常与目标信息混合在一起，对信息定量分析带来了不小的干扰，因此，在天气雷达输出目标信息之前，必须对气象信息和地物信息进行有效识别[1]。近年来，一些学者开始研究智能化的气象信息和地物信息识别方法，提出的空间反馈波检测理念和梯度检测理念都能够很好地识别出气象信息，但对地物信息的有效识别仍未取得较大进展。
最早的地物信息识别方法采用梯度检测反馈波，通过反馈波的伸缩和反射识别地物，忽略了地物反馈波速度以及水平形态的变化。文献[2]提出的基于概率分析的天气雷达地物识别方法对梯度检测进行了改进，通过分析反馈波信噪比、折射速度以及纹理，使用BP神经网络迭代输出地物模型，有效改善了天气雷达的勘察精度，但在目标信息的定量分析中仍存在不少的反馈波。文献[3]提出基于模糊逻辑的天气雷达地物识别方法，用反馈波高度代替折射角，提取反射因子、水平速度和波宽，综合分析地物形态，却受到反馈波随距离变动的影响，实际高度与识别高度存在较大差异，仍需要重新挖掘出一种有效的识别方法。
1 多普勒天气雷达的地物识别方法
1.1 多普勒天气雷达的地物特征
多普勒天气雷达对地物反馈波的识别问题并不是通过简单的资料查询和推理预测就能实现的，水域是地物识别中最大的干扰因素，江河湖水、海水、降雨积水等都能在雷达蓝图上显示出来[4]。因为水域反馈波与地物反馈波的波形较为相似，所以正确分析出地物与水域的特征差别是十分重要的。
通过查阅历史资料，对2014年辽宁省盘锦市的两台天气雷达数据进行扫描，共有213项明确的反馈数据。将不同类别的反馈波区分开来，作为地物与水域的特征分析案例。地物反馈波的反射角度小，速度比较慢，肉眼不能识别地物位移，频率基本高于8 dBZ。水域反馈波有两种形态：一种是层次划分清晰的降雨积水；另一种是对称波动的自然水域（江河湖水、海水等）[5]。前者的反馈波频率在13～38 dBZ之间，后者的反馈波频率通常在38 dBZ以上。除地物和水域以外，晴空反馈波随时存在于雷达蓝图中。
反馈数据分类结果指出，降雨积水与自然水域常常重叠在一起。而晴空反馈波与地物反馈波的重叠几率也比较大，但影响较小，不作分析，地物、降雨积水、自然水域的信息点数量之比为2[∶]1[∶]4。目前，天气雷达信息点共拥有六个特征，分为形态和速度两种类别：形态特征由反馈波的垂直形态[GD、]水平形态[SP、]纹理形态[TD]组成；速度特征由垂直速度[MD、]水平速度[SD、]谱宽速度[MS]组成[6]。在基于多普勒天气雷达的地物识别方法中，垂直速度[MD]由多普勒天气雷达自动测量，其余五个特征的函数表达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）
以上各式中的参数项均与反馈波有一定关系：[i]表示位置序列；[j]表示位移序列；[Zi，j+1]与[Zi，j]是相邻信息点；[V]表示反射速度；[NA]表示勘察位置区间，取值为4；[NR]表示勘察位移区间，取值为4（形态特征）或者8（速度特征）；[W（R）]表示位移比率函数；[Zup]和[Zlow]共同组成反馈波频率的变动区间；[Zthres]是多普勒天气雷达的频率极限值，取值为4 dBZ。
1.2 特征统计分析与地物识别
将天气雷达信息点六个特征的函数表达式和具体案例数据输入计算机绘制多普勒效应曲线。根据实际情况设置六项特征阈值，视不存在阈值区间内的信息点为参考地物识别结果。阈值的设置应尽可能涵盖所有特征区间，在不能确定的情况下可先加大特征区间，随后进行后期修正。因为天气雷达水平速度的正负值不易区分，所以需要事先设置水平线的原点参考点。
图1是纹理形态[TD]的多普勒效应曲线，图2，图3是水平形态[SP]和垂直形态[GD]的多普勒效应曲线。从形态特征多普勒曲线中可以看出：降雨积水和自然水域的[TD]值普遍集中在30 dBZ以下，地物则高于 [7]30 dBZ；地物反馈波频率的水平变动状况要远复杂于降雨积水和自然水域，水域的[SP]概率值普遍低于0.35，地物[SP]则要高于0.5。在垂直方向上，地物反馈波在底层产生的概率要大于在高层产生的概率，这里面涵盖两种可能：一种是地物反馈波与多普勒天气雷达的距离越远，反馈波频率越弱，但是从图1、图2可以得出这种可能成立的几率很小；第二种可能是越大的折射角越有利于反馈波的消亡。所以，对于[GD]来说，可以将地物反馈波全部设为负数，水域设为正数，地物[GD]绝对值通常要大于水域[GD，]波形具有较大差别。
1.3 地物识别的修正计算
多普勒天气雷达可以根据1.2节给出的地物特征结论排除水域对地物反馈波形态的干扰，以识别出大部分地物。对于水域与地物相重叠反馈波的部分，虽然占据的比重不大，但也不能忽视，这将直接关系到所提基于多普勒天气雷达的地物识别方法的识别效果。
表1是大气折射类型修正表，根据表格所描述的信息，地物反馈波的折射率被全部修正为基本折射，水域反馈波被修正到其他三类，以此进一步区分开地物和水域信息点。
同时，目标物体与地物之间也存在一定的反馈波特征重叠区间[9]，由多普勒效应和天气雷达接收状态可知，多普勒天气雷达用于进行目标物体扫描的雷达接收功率可以表示为：
[Pr=4πPtg2A0σ0L2λ2] （6）
式中：[Pt]表示发射功率；[g]表示天线增益；[σ0]表示水域散射参数；[λ]表示雷达波长；[L]表示路径耗损。
基于多普勒天气雷达的地物识别方法经过表1对水域反馈波排除之后，使用式（9）将目标物体反馈波从参考地物识别结果中提取出来，最终获取的地物识别结果是比较准确的。
2 仿真实验
在一所开放式雷达监控站进行实验，利用监控站的历史天气数据建立一个天气雷达蓝图数据库，拥有地物信息点约4万个，水域信息点约10万个（包含2万个降雨积水点和8万个自然水域点）。识别效果用个体误判率描述，取相同的阈值定义，选用三种个体误判率进行分析，漏判率并入个体误判率当中。
3 结 语
多普勒天气雷达以多普勒效应为原理对气象信息和地物信息的位置、速度进行勘察，具有快速、灵活、容量大的优点。本文利用多普勒天氣雷达进行地物识别研究，免除了算法与雷达硬件的不相容情况，而且特征提取准确，误差容易修正，取得了很好的识别效果。
参考文献
[1] 王萍，牛智勇.基于多普勒天气雷达数据的中层径向辐合自动识别及其与强对流天气的相关性研究[J].物理学报，2014，63（1）：424?436.
[2] 李丰，刘黎平，王红艳，等.C波段多普勒天气雷达地物识别方法[J].应用气象学报，2014，25（2）：158?167.
[3] 庄庭，吕江津.新一代多普勒天气雷达数据处理中频域滤波技术的研究[J].天津科技，2014，41（6）：68?70.
[4] 肖艳姣，吴涛，李中华，等.基于多普勒天气雷达的垂直散度和温度平流廓线反演[J].气象，2016，42（8）：987?995.
[5] 杜牧云，肖艳娇，吴涛.多普勒天气雷达下击暴流图像识别[J].气象科技，2015，43（3）：368?372.
[6] 翟园，洪超，乔娟，等.湖南地区多普勒天气雷达回波与云地闪关系研究[J].中国农学通报，2016，32（11）：115?120.
[7] 郭晓超，李明元，肖蕾.遵义多普勒天气雷达反射率资料的杂波抑制算法研究[J].贵州气象，2014，38（6）：27?29.
[8] 曹杨，苏德斌，周筠珺，等.基于双线偏振多普勒雷达识别地物回波[J].成都信息工程学院学报，2014，29（5）：509?516.
[9] 黄云仙，杨文强，马烁，等.基于灰度共生矩阵的自适应雷达杂波抑制[J].气象科学，2016，36（2）：218?223.
[10] 祁月皎，何建新，王旭.多普勒天气雷达二维理想均匀风场的数值模拟[J].成都信息工程学院学报，2014，29（2）：127?132.
