[發明專利]一種基于圖像識別和信號特征分解的偏振激光雷達數據反演方法和系統

有效

• 申請號: 202110491517.5
• 申請日: 2021-05-06
• 公開（公告）號: CN113325440B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 殷振平;易帆;張天澈;周軍;何蕓;柳付超;張云飛;熊梓稀;謝文超;王磊
• 申請（專利權）人: 武漢大學
• 主分類號: G01S17/95
• 分類號: G01S17/95;G01S7/48
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

本發明涉及一種基于圖像識別和信號特征分解的偏振激光雷達數據反演方法和系統。包括氣象數據下載、雷達數據預處理、云層識別、參考高度選取和數據反演，其中氣象數據下載自動下載與觀測時刻相關的無線電探空儀數據或者模型再分析數據用于計算大氣分子散射強度，并與經過激光雷達數據預處理模塊處理后的激光雷達數據進行對比，經過云層識別和參考高度選取分別剔除云層干擾的剖面和氣溶膠潔凈區后，剩余數據進入雷達數據反演，并得到氣溶膠消光系數和粒子退偏比的高度分布等信息。本發明解決了大氣探測激光雷達數據處理中人工識別云層和氣溶膠潔凈區的難點，并將傳統的數據分析流程全部自動化，并且其計算效率和產品質量能滿足多種實際應用的需求。

技術領域

本發明屬于激光大氣遙感反演領域，具體涉及一種基于圖像識別和信號特征分解的偏振激光雷達數據反演方法和系統。

背景技術

大氣探測激光雷達數據反演，需要輸入氣溶膠濃度可忽略不計的高度區和濾除云層影響的剖面。對于氣溶膠潔凈區的識別，主要的方法有兩類：(1)直接采用平流層高度處的信號；(2)利用激光雷達信號與大氣分子散射信號對比的Ra yleigh fit判斷方法(Baarset al.,2016)。這兩種方法均有各自的劣勢，方法1難以用于白天激光雷達數據的反演。因為白天的信號受信噪比的影響，平流層高度處的信號被噪聲所控制。方法2可以用于白天氣溶膠潔凈區的篩選，但是因為方法2需要假設一定寬度的潔凈區查找窗，因此當潔凈區較窄時，該方法會失效。而且因為方法2是一個逐高度比對的方法，需要遍歷所有的高度門，因此其計算效率非常低。

而對于云層識別的的典型方法有：信號梯度法(Wang and Sassen,2001)，小波變換法(Baars et al.,2016)、Douglas-Peucker方法(Gong et al.,2011)、機器學習方法(Binietoglou et al.,2018)和信號特征增強型圖像識別方法(Zhao et al.,2014)。其中信號梯度法和小波變化法均需要標定后的雷達信號剖面。實際中雷達的系統效率隨著激光器能量、系統透過率和光電倍增管的量子效率的變化而發生變化，因此不能用于自動化的數據處理方案中。Douglas-Peucker方法可以分解信號剖面中的氣溶膠層和云層，但是這種分解極易受到信號噪聲的影響，因此對于薄層云和白天云層的探測效果不好(Mao et al.,2013)。機器學習方法可以克服上述難點，但是機器學習方法需要預先分類好的數據集進行模型訓練，因此需要額外的工作量。

除此之外，激光雷達數據對理解大氣中發生的物理過程、實時的環境監測和后期評估氣溶膠含量變化等具有重要作用。傳統的激光雷達數據處理一般基于人工手動的分析，這種分析過程十分耗時。在數據量較大或者多站點聯合觀測時，這種方案不可取，因此需要自動反演方法來解決這些問題。國外的大氣激光雷達自動反演方法一般基于拉曼激光雷達系統，因此不能解決彈性激光雷達數據的反演(Baars et al.,2016；Thorsen and Fu,2015)。星載的CALIPSO數據處理算法成功地應用于星載彈性雷達數據處理，但是因為地基雷達跟星載雷達不同的觀測視角，導致星載雷達的反演算法不能直接用于地基數據的處理(Winker et al.,2009)。所以對于地基彈性激光雷達數據的處理仍然需要通過其他方法來解決。

發明內容

為了解決上述的數據反演問題，本發明提出了結合圖像識別算法和信號特征分解的激光雷達自動反演方法，可以解決手動反演時低效率、白天低信噪比時參考高度選擇難、傳統云層識別算法對激光雷達系統效率依賴、傳統參考高度識別算法搜索窗長度固定和低計算效率等問題，可以實現自動識別云層和參考高度、噪聲濾除、智能識別信號特征和高計算效率等特點，無需任何人工干預、設置簡單、通用性強等優點。

為了實現以上目的，本發明采用以下技術方案來實現：一種基于圖像識別和特征分解的偏振激光雷達數據反演方法，整個方法的結構圖如圖1所示，包括偏振激光雷達數據預處理、云層識別、無云剖面分割、參考高度識別、數據反演和反演結果輸出，其中參考高度識別和數據反演過程需要氣象數據輸入。