本發(fā)明涉及無線電領(lǐng)域，尤其涉及基于地基激光測風(fēng)雷達的星載激光雷達風(fēng)場數(shù)據(jù)校正方法。

背景技術(shù)：

1、大氣風(fēng)場是大氣動力學(xué)的核心要素，它直接影響了大氣中的能量分布、濕度傳輸和云層形成等過程，進而決定了天氣系統(tǒng)的演變和天氣現(xiàn)象的發(fā)生。其次，風(fēng)場測量在氣候研究中至關(guān)重要，有助于理解全球氣候變化的機制，并為氣候預(yù)測提供依據(jù)。此外，風(fēng)場測量對于航空和航海領(lǐng)域也具有重要應(yīng)用。精準的風(fēng)場數(shù)據(jù)可以幫助優(yōu)化航路選擇，減少燃料消耗，保障飛行和航行的安全。綜上所述，大氣風(fēng)場測量不僅是天氣預(yù)報和氣候研究的基礎(chǔ)工具，也在航空、航海、環(huán)境保護等領(lǐng)域發(fā)揮著重要作用，對保障社會安全和促進可持續(xù)發(fā)展具有深遠影響。

2、目前，對大氣風(fēng)場的測量主要包括以下幾種手段：（1）地面氣象站測量，這種手段可以精確的獲取近地面的大氣風(fēng)場，然而它的空間覆蓋有限，主要集中在陸地，海洋和偏遠地區(qū)的數(shù)據(jù)較少，且只能測量近地表的風(fēng)場，無法提供高空的風(fēng)速和風(fēng)向信息；（2）探空氣球測量，這種手段可以提供垂直方向上多個高度的風(fēng)場數(shù)據(jù)，但測量周期和空間覆蓋均有限，且操作復(fù)雜，成本較高，不適合大范圍長期監(jiān)測；（3）地基多普勒雷達、地基激光雷達和機載雷達遙感反演，這種手段可以提供較大范圍、不同高度的風(fēng)場，然而對于多山地區(qū)或遠海地區(qū)的探測能力十分有限，且不能提供全球長時間風(fēng)場的信息；（4）星載激光測風(fēng)雷達，這種手段能夠?qū)崿F(xiàn)全球風(fēng)場的監(jiān)測，然而其數(shù)據(jù)準確性不高；（5）數(shù)值天氣快速更新預(yù)報模式反演，這種手段可以提供全球范圍連續(xù)時間的不同高度風(fēng)場數(shù)據(jù)，但模擬的數(shù)據(jù)準確性往往不高，尤其是在復(fù)雜地形的區(qū)域。

3、綜合以上分析可知，僅僅依靠單個風(fēng)場信息探測的手段是難以獲取長時間大范圍且準確的風(fēng)場信息的。此外，常規(guī)的星載激光雷達風(fēng)場數(shù)據(jù)的校正往往是從數(shù)據(jù)端入手，而沒有考慮衛(wèi)星平臺、環(huán)境因素對回波信號的影響以及其他參考風(fēng)場數(shù)據(jù)可靠性等問題，故這種校正效果的可靠性和普適性往往不高。因此，如何從星載激光測風(fēng)雷達功率譜信號生成的角度入手，綜合利用地基和星載等多源風(fēng)場觀測資料，開展星載激光測風(fēng)雷達功率譜信號的校正和風(fēng)場數(shù)據(jù)的校正是目前需要考慮的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點，提供了基于地基激光測風(fēng)雷達的星載激光雷達風(fēng)場數(shù)據(jù)校正方法，解決了現(xiàn)有技術(shù)存在的不足。

2、本發(fā)明的目的通過以下技術(shù)方案來實現(xiàn)：基于地基激光測風(fēng)雷達的星載激光雷達風(fēng)場數(shù)據(jù)校正方法，所述校正方法包括：

3、步驟一、根據(jù)收集的數(shù)據(jù)計算出水平風(fēng)速分量u1和v1，以及不同高度層的水平風(fēng)速分量u2和v2；

4、步驟二、將得到的u1和v1作為因變量數(shù)據(jù)集，u2和v2作為自變量數(shù)據(jù)集，建立非線性回歸校正模型，并根據(jù)計算出的相關(guān)系數(shù)ru和rv構(gòu)建評價指標ruv，根據(jù)評價指標確定最佳非線性回歸校正模型；

5、步驟三、通過最佳非線性回歸校正模型實現(xiàn)對u2和v2分量的校正，并建立基于校正后的不同高度層水平風(fēng)速分量功率譜，根據(jù)收集的數(shù)據(jù)啟動天氣快速更新預(yù)報模式，設(shè)置cfd計算區(qū)域的網(wǎng)絡(luò)模型生成高空間分辨率的u和v風(fēng)場；

6、步驟四、將生成的高空間分辨率的u和v風(fēng)場和收集的數(shù)據(jù)輸入到激光雷達模擬器中得到數(shù)據(jù)集1，將不同高度層u和v分量功率譜作為數(shù)據(jù)集2，根據(jù)數(shù)據(jù)集1和數(shù)據(jù)集2形成數(shù)據(jù)集3，基于數(shù)據(jù)集2和數(shù)據(jù)集3構(gòu)建功率譜校正模型，生成校正后的高空間分辨率網(wǎng)格u和v的功率譜信號；

7、步驟五、計算每個高空間分辨率網(wǎng)格距離低空間分辨率網(wǎng)格中心點的距離△r，模擬出星載激光測風(fēng)雷達天線輻射能量空間分布圖，生成星載激光測風(fēng)雷達天線方向加權(quán)函數(shù)，并最終得到高空間分辨率網(wǎng)格中每個網(wǎng)格點所對應(yīng)的權(quán)重系數(shù)；

8、步驟六、根據(jù)得到的權(quán)重系數(shù)和高空間分辨率網(wǎng)格u和v的功率譜信號生成低空間分辨率的星載激光測風(fēng)雷達u和v分量的功率譜信號，并最終得到模擬的低空間分辨率星載激光測風(fēng)雷達的u和v分量作為輸入數(shù)據(jù)集，將星載激光測風(fēng)雷達實際觀測的u和v分量作為輸出數(shù)據(jù)集，將輸入數(shù)據(jù)集和輸出數(shù)據(jù)集作為訓(xùn)練集構(gòu)建星載激光雷達風(fēng)場數(shù)據(jù)校正模型，最后得到校正的星載激光測風(fēng)雷達風(fēng)場數(shù)據(jù)。

9、所述步驟一包括：

10、a1、收集地基測風(fēng)塔上不同高度層的水平風(fēng)速和風(fēng)向數(shù)據(jù)，收集地基激光測風(fēng)雷達觀測參數(shù)和dbs掃描模式的探測數(shù)據(jù)，收集gfs數(shù)據(jù)、全球觀測數(shù)據(jù)和云參數(shù)信息數(shù)據(jù)，收集星載激光測風(fēng)雷達觀測參數(shù)和反演風(fēng)場數(shù)據(jù)；

11、a2、根據(jù)收集的地基測風(fēng)塔上不同高度層的水平風(fēng)速ws和風(fēng)向wd數(shù)據(jù)，將ws和wd從極坐標系統(tǒng)轉(zhuǎn)換到直角坐標系統(tǒng)，并根據(jù)水平風(fēng)速分量u1和v1的分解公式計算出u1和v1；

12、根據(jù)收集的地基激光測風(fēng)雷達dbs掃描模式探測數(shù)據(jù)中的徑向速度數(shù)據(jù)，結(jié)合dbs掃描模式中波束仰角信息，將水平風(fēng)速分量u2和v2分別投影到正東、正南、正西和正北四個方位的徑向波束上，并建立關(guān)于四個方位徑向速度與u2和v2之間的方程組，求解方程組得到不同高度層的u2和v2分量。

13、所述步驟二包括：

14、b1、將得到的u1和v1分量作為因變量數(shù)據(jù)集，根據(jù)因變量數(shù)據(jù)集所在的高度層，尋找距離這些高度層最近的激光測風(fēng)雷達觀測數(shù)據(jù)層，并提取出這些激光測風(fēng)雷達觀測數(shù)據(jù)層中的u2和v2分量數(shù)據(jù)作為自變量數(shù)據(jù)集；

15、b2、將因變量數(shù)據(jù)集和自變量數(shù)據(jù)集一起輸入到非線性回歸校正模型庫中，分別建立u2和v2作為自變量數(shù)據(jù)集與對應(yīng)u1和v1作為因變量數(shù)據(jù)集之間的多種非線性回歸校正模型，分別計算出作為自變量的u2和作為因變量的u1，作為自變量的v2和作為因變量的v1在每種分線性回歸校正模型中的相關(guān)系數(shù)ru和rv，構(gòu)建聯(lián)合相關(guān)系數(shù)ruv這一評價指標，以聯(lián)合相關(guān)系數(shù)幅值最大為評價標準，確定最佳非線性回歸校正模型。

16、所述步驟三中的通過最佳非線性回歸校正模型實現(xiàn)對u和v分量的校正，并建立基于校正后的不同高度層u和v分量功率譜包括：

17、c1、基于確定的最佳非線性回歸校正模型，輸入激光測風(fēng)雷達觀測的不同高度層的水平風(fēng)速分量u2和v2，實現(xiàn)對u2和v2分量的校正，得到校正后的u2_c和v2_c分量；

18、c2、根據(jù)收集的地基激光測風(fēng)雷達dbs掃描模式的功率譜信號，設(shè)置最小二乘誤差為誤差函數(shù)，利用非線性最小二乘法實現(xiàn)對功率譜模型的擬合；

19、c3、將校正后的u2_c和v2_c分量以及地基激光測風(fēng)雷達觀測參數(shù)作為輸入數(shù)據(jù)，輸入到擬合的功率譜模型中，實現(xiàn)基于校正后的不同高度層水平風(fēng)速u2_c和v2_c分量功率譜的建立。

20、所述步驟三中的根據(jù)收集的數(shù)據(jù)啟動天氣快速更新預(yù)報模式，設(shè)置cfd計算區(qū)域的網(wǎng)絡(luò)模型生成高空間分辨率的u和v風(fēng)場包括：

21、d1、將得到的gfs數(shù)據(jù)、全球?qū)崟r觀測數(shù)據(jù)和云參數(shù)信息數(shù)據(jù)作為天氣快速更新預(yù)報模式rap的輸入，設(shè)置對應(yīng)參數(shù)和方案后啟動rap，生成中等空間分辨率為m1的不同高度層的風(fēng)速和風(fēng)向網(wǎng)格數(shù)據(jù)；

22、d2、基于已生成的中等空間分辨率風(fēng)速和風(fēng)向網(wǎng)格數(shù)據(jù)，根據(jù)cfd邊界場范圍，生成cfd邊界風(fēng)場的風(fēng)速和風(fēng)向，設(shè)置cfd計算區(qū)域的網(wǎng)絡(luò)模型，并設(shè)置輸出空間分辨率為高等級，運行cfd模式，生成高空間分辨率的水平風(fēng)速分量風(fēng)場，用u和v來表示。

23、所述步驟四包括：

24、e1、將生成的高空間分辨率的水平風(fēng)速分量u和v風(fēng)場，以及收集的星載激光測風(fēng)雷達觀測參數(shù)和gfs數(shù)據(jù)一起輸入到激光雷達模擬器中，運行激光雷達模擬器生成高空間分辨率網(wǎng)格下每個格點的u和v功率譜信號作為數(shù)據(jù)集1；

25、e2、將生成的地基激光測風(fēng)雷達校正后的不同高度層u和v分量功率譜作為數(shù)據(jù)集2，計算數(shù)據(jù)集2與數(shù)據(jù)集1中的所有格點間的距離，以最短距離為挑選標準，從數(shù)據(jù)集1中挑選出與數(shù)據(jù)集2空間匹配的數(shù)據(jù)形成數(shù)據(jù)3；

26、e3、將數(shù)據(jù)集2作為輸出數(shù)據(jù)集，將數(shù)據(jù)集3作為輸入數(shù)據(jù)集，構(gòu)建基于隨機森林的功率譜校正模型，生成校正后的高空間分辨率網(wǎng)格u和v的功率譜信號。

27、所述步驟五中的計算每個高空間分辨率網(wǎng)格距離低空間分辨率網(wǎng)格中心點的距離△r，模擬出星載激光測風(fēng)雷達天線輻射能量空間分布圖，生成星載激光測風(fēng)雷達天線方向加權(quán)函數(shù)包括：

28、f1、基于生成的校正后的高分辨率網(wǎng)格，結(jié)合星載激光測風(fēng)雷達低空間分辨率網(wǎng)格，統(tǒng)計出每個低空間分辨率網(wǎng)格內(nèi)包括的高空間分辨率網(wǎng)格的個數(shù)；

29、f2、計算每個高空間分辨率網(wǎng)格距離低空間分辨率網(wǎng)格中心點的距離△r，將星載激光測風(fēng)雷達觀測參數(shù)，輸入到星載激光測風(fēng)雷達天線模擬器中，模擬出星載激光測風(fēng)雷達天線輻射能量空間分布圖；

30、f3、根據(jù)天線輻射能量空間分布圖，得到天線旁瓣中每個點位偏離主瓣中心點的角度信息和低于主瓣中心點電平的幅值，并將這些角度信息和幅值信息輸入到泰勒加權(quán)函數(shù)中，生成星載激光測風(fēng)雷達天線方向加權(quán)函數(shù)。

31、所述步驟五中的最終得到高空間分辨率網(wǎng)格中每個網(wǎng)格點所對應(yīng)的權(quán)重系數(shù)包括：

32、g1、根據(jù)計算得到的距離△r，結(jié)合星載激光測風(fēng)雷達平臺運行高度和星下點的經(jīng)緯度，在考慮地球曲率的前提下，基于生成的校正后的高空間分辨率網(wǎng)格與星載激光測風(fēng)雷達平臺之間的星地空間幾何關(guān)系，計算出高空間分辨率網(wǎng)格中每個網(wǎng)格點的天頂角；

33、g2、將天頂角信息輸入到建立的星載激光測風(fēng)雷達天線方向加權(quán)函數(shù)中，得到高空間分辨率網(wǎng)格中每個網(wǎng)格點所對應(yīng)的權(quán)重系數(shù)。

34、所述步驟六包括：

35、h1、將得到的高空間分辨率網(wǎng)格中每個網(wǎng)格點所對應(yīng)的權(quán)重系數(shù)，分別乘以生成的高空間分辨率網(wǎng)格點上的u和v分量的功率譜信號，在低空間分辨率網(wǎng)格上開展在多普勒頻域的u和v的加權(quán)合成，生成低空間分辨率的星載激光測風(fēng)雷達u和v分量的功率譜信號；

36、將星載激光測風(fēng)雷達接收到的回波功率和噪聲系數(shù)添加到功率譜信號中，生成包含了真實噪聲信號的u和v分量的功率譜信號，利用傅里葉變換譜估計方法，得到模擬的低空間分辨率星載激光測風(fēng)雷達的u和v分量；

37、h2、將得到的模擬的低空間分辨率星載激光測風(fēng)雷達u和v分量組成一對數(shù)據(jù)集，并作為輸入數(shù)據(jù)集，將星載激光測風(fēng)雷達實際觀測的u和v分量組成一對數(shù)據(jù)集，并作為輸出數(shù)據(jù)集；

38、將輸入數(shù)據(jù)集和輸出數(shù)據(jù)集作為訓(xùn)練集，構(gòu)建基于自適應(yīng)提升模型的星載激光雷達風(fēng)場數(shù)據(jù)校正模型，在訓(xùn)練完成后，再次輸入形成激光測風(fēng)雷達觀測的風(fēng)場數(shù)據(jù)，得到校正的星載激光測風(fēng)雷達風(fēng)場數(shù)據(jù)。

39、本發(fā)明具有以下優(yōu)點：基于地基激光測風(fēng)雷達的星載激光雷達風(fēng)場數(shù)據(jù)校正方法，基于地基測風(fēng)塔不同高度層風(fēng)速風(fēng)向數(shù)據(jù)和地基激光測風(fēng)雷達dbs掃描模式的徑向速度數(shù)據(jù)，利用兩者數(shù)據(jù)的偏差，分別構(gòu)建了u和v風(fēng)分量偏差最佳非線性校正模型，實現(xiàn)了地基激光測風(fēng)雷達u和v風(fēng)分量的精準校正；基于地基激光測風(fēng)雷達功率譜數(shù)據(jù)，采用非線性最小二乘法，構(gòu)建了功率譜模型，輸入校正的地基激光測風(fēng)雷達u和v風(fēng)分量，實現(xiàn)了地基激光測風(fēng)雷達u和v功率譜的校正；基于gfs、全球?qū)崟r觀測資料和云參數(shù)數(shù)據(jù)，聯(lián)合rap模型和cfd模型，能夠模擬出高空間分辨率的u和v風(fēng)場；基于高空間分辨率u和v風(fēng)場，考慮了星載激光雷達觀測參數(shù)，利用先進的激光雷達信號模擬器，實現(xiàn)了高空間分辨率u和v功率譜的模擬；利用校正的地基激光雷達u和v功率譜作為真值，利用隨機森林模型實現(xiàn)?了對模擬的高空間分辨率u和v功率譜的校正；基于星載激光測風(fēng)雷達觀測參數(shù)，利用星載激光雷達天線模擬器，能夠精確計算出高分辨率網(wǎng)格點中各個格點的權(quán)重系數(shù)；考慮了真實環(huán)境的噪聲，采用頻域加權(quán)和功率譜空間合成的策略，實現(xiàn)了低空間分辨率星載激光測風(fēng)雷達u和v分量功率譜的精準模擬，并基于星載激光測風(fēng)雷達u和v實際觀測資料，采用自適應(yīng)提升模型，實現(xiàn)了星載激光測風(fēng)雷達u和v分量的精準和高效校正。