基于多波段雷达及微波辐射计的人工增雨潜力区识别方法与流程

本发明涉及人工增雨潜力识别，更具体的是涉及基于多波段雷达及微波辐射计的人工增雨潜力区识别方法。

背景技术：

1、人工增雨是缓解区域水资源短缺、支撑抗旱减灾、保障农业生产与生态修复的重要人工影响天气技术手段。精准识别具备作业条件的人工增雨潜力区，是降低作业盲目性、提升催化剂利用效率、保障作业成效的核心前提，也是人影作业指挥决策体系中的关键技术环节。随着精细化人影作业需求的持续提升，行业对潜力区识别的空间精度、时间分辨率与定量判别能力均提出了更高的要求。

2、当前主流的增雨潜力识别技术主要依赖单一观测设备独立开展，具体而言：x波段天气雷达能够获取云体宏观回波强度与区域反射率分布，但无法表征大气垂直温湿层结、逆温结构等热力条件，对云内微物理特征的感知能力也十分有限；地基微波辐射计能够获取分钟级温湿度垂直廓线，探测大气热力层结状态，但其本质为单点观测，难以支撑区域尺度的空间化判别；毫米波云雷达可精细探测云内反射率垂直结构与云水含量分布，但缺失区域水平风场与辐合辐散等动力特征。三类设备各自存在物理信息盲区，任何单一设备均无法同时覆盖热力、动力、云微物理三类增雨核心影响维度，导致识别结果片面、漏判误判率较高。

3、另一方面，在动力场反演方面，传统方法多依赖天气雷达的径向速度数据反演水平风场，该技术路线受速度折叠、地物杂波与低仰角观测盲区等因素的干扰严重，在弱回波区域和风场结构复杂区域的反演误差较大，且径向速度仅能提供径向分量信息，需附加额外假设才能获取完整水平风矢量，限制了动力场反演的精度和适用范围。在潜力判别方面，现有判别体系多采用单一指标阈值法（如仅依据回波强度或仅依据云液水含量设定阈值）或依赖人工经验进行定性判读，各类特征参量之间缺乏定量耦合机制，判别结果主观性强、一致性与可复现性较差，难以输出全域连续的定量潜力指数与精准矢量化作业靶区。

4、综上所述，现有技术中尚缺乏一种能够融合多源观测数据、同时兼顾热力、动力与云微物理三个增雨核心维度、具备高精度动力场反演能力和定量化判别能力的增雨潜力区识别方法。

技术实现思路

1、本发明的目的在于：为了解决现有增雨潜力识别技术中单一设备信息不完整、多维度参量缺乏定量耦合机制、传统风场反演方法在复杂场景下误差较大的技术问题，本发明提供基于多波段雷达及微波辐射计的人工增雨潜力区识别方法。融合地基微波辐射计、ka波段云雷达和x波段天气雷达三类多源观测数据，分别计算热力维度特征因子、云微物理维度特征因子和动力维度特征因子，其中动力维度引入稠密光流法基于连续反射率帧反演回波运动矢量与水平散度场，克服了传统径向速度反演的固有缺陷，最后通过多维度加权融合构建全局联合增雨潜力指数，实现增雨潜力区的定量、自动化、高精度识别并输出矢量化作业靶区。

2、本发明为了实现上述目的具体采用以下技术方案：

3、本发明提供基于多波段雷达及微波辐射计的人工增雨潜力区识别方法，包括以下步骤：

4、s1、获取地基微波辐射计探测的温度湿度垂直廓线数据、ka波段云雷达探测的反射率垂直廓线数据以及x波段天气雷达探测的体扫反射率数据；

5、s2、计算热力维度特征因子、云微物理维度特征因子和动力维度特征因子：

6、s21、基于所述温度湿度垂直廓线数据计算热力维度特征因子；

7、s22、基于所述ka波段云雷达反射率垂直廓线数据计算云微物理维度特征因子；

8、s23、基于所述x波段天气雷达体扫反射率数据，采用稠密光流法反演回波运动矢量场并计算动力维度特征因子；

9、s3、对热力维度特征因子、云微物理维度特征因子和动力维度特征因子进行多维度加权融合，构建全局增雨潜力指数；

10、s4、基于所述全局增雨潜力指数识别增雨潜力区，并输出结果。

11、在一个实施方式中，步骤s21中，所述基于温度湿度垂直廓线数据计算热力维度特征因子，具体包括如下步骤：

12、s211、0~-10℃气层平均相对湿度计算:基于温度廓线定位0℃高度和-10℃高度，确定0~-10℃气层垂直区间，采用垂直加权平均法计算该气层平均相对湿度；

13、s212、大气温度递减率计算:基于温湿度廓线识别云底高度，取云底以上预设高度作为计算上界，采用一阶差分计算温度递减率；

14、s213、逆温层识别及强度计算:遍历温度廓线的垂直分层，标记温度垂直梯度大于0的高度段为逆温候选段，合并相邻连续候选段得到独立逆温层，计算各逆温层强度并筛选满足预设强度阈值的强逆温层；

15、s214、热力特征因子计算:对所述气层平均相对湿度、温度递减率和强逆温层强度分别进行归一化处理后加权融合，得到热力综合特征因子。

16、在一个实施方式中，步骤s211中，0~-10℃气层平均相对湿度计算，具体方法如下:

17、基于微波辐射计温度廓线，自地面向上逐层遍历温度数据。定位温度为-10℃的高度和温度为0℃的高度，得到0~-10℃气层的垂直区间[,]；统计该区间内所有垂直分层的湿度数据，设共包含个分层，第层高度为，对应相对湿度为，分层垂直厚度，然后采用垂直加权平均法计算气层平均相对湿度：，式中单位为%；

18、步骤s212中，大气温度递减率计算，具体方法如下:

19、基于温湿度廓线识别云底高度，判定方法为相对湿度首次且向上持续升高的高度，取云底以上500m处高度作为计算上界，确定计算区间[,]；

20、采用一阶差分计算该区间内温度随高度的变化率，即温度递减率：，式中单位为；

21、步骤s213中，逆温层识别及强度计算，具体方法如下:

22、近云层底部的强逆温可形成顶盖，阻止云水向上扩散流失、维持云内液态水存量，因此这里将逆温层强度作为正向热力因子参与加权计算；自地面向上遍历所有垂直分层的温度数据，逐高度层计算温度垂直梯度，标记所有满足的高度段为逆温候选段；对相邻连续的候选段进行合并，得到独立逆温层，记录每层的底高、顶高，以及对应温度、；然后计算各逆温层强度，单位统一为：；最后筛选满足的强逆温层，记录其位置及强度；

23、步骤s214中，热力特征因子计算，具体方法如下:

24、对、、三项参量分别作归一化，统一映射至[0,1]区间；归一化公式为：，式中、为对应参量的极值；设三项参量权重系数，分别对应0~-10℃平均相对湿度、温度递减率、强逆温强度，满足，加权融合得到热力综合特征因子：。

25、在一个实施方式中，步骤s22中，所述基于ka波段云雷达反射率垂直廓线数据计算云微物理维度特征因子，具体包括：

26、s221、云体厚度计算：

27、自地面向上遍历垂直分层，第一个反射率的连续层底部为云底高度，连续层的判定规则是至少连续5个距离库为有效值；自云底向上，最后一个反射率的连续层顶部为云顶高度；云体厚度计算；若存在多层云结构，分别计算各层云厚度后求和，以总厚度参与后续计算；

28、s222、液态水含量反演：

29、采用层云经验关系式，逐高度层将云雷达反射率转换为液水密度：，式中单位为；为经验系数，层状云取；单位为，对云层区间内的液态水密度做垂直积分，离散化求和得到云层总液态水含量：，式中为云层内垂直分层数，为分层厚度，单位为；

30、s222、云微物理综合特征因子计算：

31、对云体厚度、液态水含量分别执行归一化，映射至[0,1]区间，设置权重系数，分别对应云体厚度、液态水含量，满足，加权融合得到云微物理综合因子：。

32、在一个实施方式中，步骤s23中，所述采用稠密光流法反演回波运动矢量场并计算动力维度特征因子，具体包括：

33、s231、数据坐标转换及预处理：将x波段天气雷达体扫反射率数据转换为经纬度坐标系下的二维笛卡尔网格反射率场，按体扫时间顺序将相邻两帧反射率场配对，对配对数据进行质控处理后作为光流计算输入；

34、s232、基于稠密光流法的回波运动矢量计算：基于亮度恒定假设建立光流约束方程，采用金字塔多尺度光流求解方法逐层迭代优化，输出全网格稠密光流矢量场；

35、s234、对光流矢量场进行后处理与单位标定，得到经纬度网格下的二维回波物理速度场；

36、s235、基于所述物理速度场计算水平散度场，根据散度值判定辐合区和辐散区并计算辐合强度和辐散强度；

37、s236、对辐合强度和辐散强度进行归一化处理后加权构建动力综合特征因子。

38、在一个实施方式中，步骤s231中，数据坐标转换及预处理，具体方式如下：

39、读取x波段天气雷达连续体扫的极坐标原始数据，提取每个仰角下的反射率，其中为斜距、为方位角，采用极坐标-直角坐标转换将极坐标数据转换为经纬度坐标系下的二维笛卡尔网格，水平网格间距统一为，得到单帧平面反射率场，为经纬度网格坐标，为体扫时刻；

40、选取各仰角组合反射率作为光流计算输入，按体扫时间顺序将相邻两帧反射率场配对为输入组，其中为相邻体扫时间间隔，对两帧数据进行统一质控处理，剔除地物杂波对应的固定强回波斑块；滤除反射率低于5的噪声像素，对缺测网格采用邻域插值填充，保证光流场计算输入为连续灰度场，对反射率值做线性归一化处理，映射至[0,255]灰度区间。

41、在一个实施方式中，步骤s232中，基于稠密光流法的回波运动矢量计算，具体如下：

42、光流基本约束方程：

43、基于亮度恒定假设：同一回波像素在短时间间隔内运动后，其反射率亮度值保持不变，即：，对右侧做泰勒一阶展开并整理，得到光流约束方程：，式中：分别为网格点处回波运动的纬向、经向速度分量；为反射率场的空间梯度，为反射率场的时间梯度；

44、金字塔多尺度光流求解：

45、构建图像金字塔，将反射率帧按下采样比例生成多层分辨率图像，从顶层低分辨率图像开始求解光流，逐层向下传递运动初值，适配雷达回波大位移运动场景，在每层金字塔中引入局部平滑约束，采用加权最小二乘法求解每个像素的值，最小化能量函数：，其中为平滑权重系数，用于抑制噪声导致的矢量突变，逐层迭代优化后，输出原始分辨率下全网格稠密光流矢量场，单位为像素/帧；

46、光流矢量场后处理与单位标定：

47、首先剔除异常矢量：设置速度阈值区间，剔除速度大小超过历史回波最大移速3倍的离群矢量，采用邻域中值替换，然后进行空间平滑，采用高斯核对矢量场做卷积平滑，消除局部矢量抖动，得到连续稳定的运动矢量场，最后进行单位转换：结合网格空间分辨率与时间间隔，将像素/帧单位转换为物理速度单位，具体公式为：，得到经纬度网格下的二维回波光流矢量场，与反射率场空间一一对应；

48、水平散度场与辐合辐散强度计算：

49、基于物理速度场，采用二阶中央差分法计算每个网格点的水平散度：，式中单位为，当时，判定为辐合区，辐合强度；当时，判定为辐散区，辐散强度；当时，无辐合辐散，对应分量取值为0；统计全域辐合强度极值与辐散强度极值，用于后续归一化计算；

50、步骤s233中，动力综合特征因子计算，具体如下：

51、对辐合强度、辐散强度分别执行归一化，映射至[0,1]区间；引入辐散抑制系数，加权构建逐网格动力特征因子：；将计算结果中小于0的值置0、大于1的值置1，最终，输出全域动力因子二维网格场，作为增雨潜力系数的动力维度输入。

52、在一个实施方式中，步骤s3中，所述全局增雨潜力指数的构建方式为：

53、设热力维度、云微物理维度、动力维度的权重系数分别为，三者满足归一化约束条件：，权重系数可通过区域历史有效增雨作业样本统计标定，依据层状云增雨的云微物理主导、热力与动力协同支撑的物理机制，默认初始配置为。基于线性加权融合方法，将同一时空格点下的三类特征因子进行耦合计算，得到时刻格点处的增雨潜力指数：

54、；

55、式中，为基于微波辐射计计算的热力综合特征因子，表征大气温湿层结与逆温结构对云水积累的有利程度；为基于ka波段云雷达计算的云微物理综合特征因子，表征云内液水储量与云体厚度对应的云水资源条件；为基于x波段天气雷达计算的动力综合特征因子，表征水平辐合上升运动对云体发展的动力驱动强度；为全局增雨潜力指数，数值越大代表该格点增雨潜力越高。

56、在一个实施方式中，步骤s4中，所述基于全局增雨潜力指数识别增雨潜力区，具体如下：

57、设置增雨潜力判定阈值，将全局增雨潜力指数达到所述阈值的格点划入增雨潜力区；对所有满足阈值条件的格点执行连通域分析，统计各连通域的空间覆盖面积，剔除面积小于预设值的斑块，得到增雨潜力区。

58、在一个实施方式中，所述热力维度特征因子、云微物理维度特征因子和动力维度特征因子均归一化至[0，1]区间，所述全局增雨潜力指数值域为[0，1]。

59、工作原理：

60、人工增雨的基本物理条件是云层中具备一定的云水资源（液态水含量）和适宜的云体结构（云体厚度），同时需要动力抬升机制使云水继续向上输送并在过冷层中增长，以及有利的热力层结条件（适宜的温湿度和逆温结构）维持云水的积累。三类条件缺一不可，共同决定了增雨潜力的高低。

61、本方案通过三类观测设备分别获取三类核心影响维度的信息：地基微波辐射计提供大气温湿度垂直廓线，用于表征热力层结条件；ka波段云雷达提供高垂直分辨率的反射率廓线，用于反演云微物理结构参数；x波段天气雷达提供区域反射率场，用于反演动力场特征。

62、在热力维度，本发明通过定位0~-10℃气层（该温度区间是云中冰晶化和降水形成的核心温度层）并计算该层平均相对湿度，表征云中过冷水维持的湿度条件；通过计算云底以上温度递减率，表征大气层结对流不稳定度；通过识别并量化近云层底部逆温层强度，表征逆温顶盖对云水的约束能力。三项参量归一化后加权融合，得到热力综合特征因子。

63、在云微物理维度，本发明通过云雷达反射率廓线识别云底和云顶，计算云体厚度；通过zlwc经验关系式将反射率转换为液水密度并垂直积分，得到云层总液态水含量。两项参量归一化后加权融合，得到云微物理综合特征因子。

64、在动力维度，本方案采用稠密光流法替代传统的径向速度反演方法。稠密光流法基于亮度恒定假设，通过求解光流约束方程得到每个像素的运动矢量。引入金字塔多尺度策略，从低分辨率到高分辨率逐层求解，有效适配大位移运动场景。通过后处理和单位标定得到物理速度场后，计算水平散度场，区分辐合区和辐散区。辐合区表征上升运动区（有利于云水向上输送），辐散区表征下沉运动区（不利于云体发展），通过辐散抑制系数构建动力特征因子。

65、最后，将热力、云微物理、动力三类特征因子通过线性加权融合构建全局增雨潜力指数。该指数综合反映了三个维度对增雨潜力的联合贡献，值域[0,1]，数值越大代表增雨潜力越高。通过设定阈值和连通域分析，自动识别并输出增雨潜力区。

66、整个方法实现了从多源观测数据到定量潜力指数的自动化端到端计算，无需人工经验干预，结果客观、可复现，能够有效支撑精细化人影作业指挥决策。

67、本发明的有益效果如下：

68、1.多源观测数据融合，突破单一设备信息盲区。本发明首次将地基微波辐射计、ka波段云雷达和x波段天气雷达三类观测设备进行系统性数据融合，分别提取热力维度（温湿层结与逆温结构）、云微物理维度（云体厚度与液态水含量）和动力维度（水平辐合辐散）特征参量，实现了三类增雨核心影响维度的协同定量判别，克服了单一设备信息不完整的技术缺陷。

69、2.引入稠密光流法，提升动力场反演精度与稳定性。本发明采用稠密光流法替代传统的径向速度反演方法，基于连续反射率帧反演回波运动矢量与水平散度场，不受速度折叠、地物杂波与低仰角观测盲区的干扰，在弱回波区域和风场结构复杂区域仍能保持较高的反演精度。通过金字塔多尺度求解策略适配大位移运动场景，结合局部平滑约束抑制噪声导致的矢量突变，输出全网格稠密光流矢量场，动力场反演的适用范围和稳定性显著提升。

70、3.构建多维度定量融合指数，实现自动化高精度潜力区识别。本发明突破传统单一指标阈值法或人工经验定性判读的局限，通过归一化处理将热力、云微物理、动力三类特征因子统一映射至[0,1]区间，采用线性加权融合构建全局联合增雨潜力指数。该指数值域连续、物理意义明确，实现了增雨潜力的全域连续定量表征，结果一致性与可复现性显著优于现有技术。通过设置统一判定阈值并结合连通域分析，可自动输出精准矢量化作业靶区。

71、4.精细化时空分辨率，满足现代人影作业需求。本发明中微波辐射计提供分钟级温湿度垂直廓线，ka波段云雷达提供高垂直分辨率云微物理结构探测，x波段天气雷达提供公里级水平网格的动力场反演，三类数据的时空分辨率相互匹配，最终输出的增雨潜力指数具有较高的空间精度与时间分辨率，能够有效支撑精细化人影作业指挥决策。

72、5.权重系数可标定，具有良好的区域适应性。本发明中热力、云微物理、动力三个维度的权重系数可通过区域历史有效增雨作业样本统计标定，也可依据不同云系类型（层状云、对流云等）的增雨物理机制进行针对性调整，具有良好的区域适应性和可推广性。