CN119469065A 基于气象无人机和激光雷达的晴空混合层高度估计方法 （成都远望探测技术有限公司）

街道天工大道916号天科创造产业基基于气象无人机和激光雷达的晴空混合层本发明基于气象无人机和激光雷达的晴空DBS模式垂直风场解算模型得到分析时间窗口内无人机探测气象数据的准确校正和对多峰值廓2S1、在晴空条件下收集气象无人机探测的廓线数据S2、基于S1步骤处理的数据以无线电探空仪探S3、根据S2步骤生成的气象廓线数据构建气象无人S4、根据S1步骤收集的数据结合DBS模式垂直风场解算模型得到分析时间窗口内的一S5、根据S4步骤得到的垂直风场的平均方差廓构建的基于深度随机森林模型得到具有高空间分辨率的气象无人机各高度层z的RI(z)指2.根据权利要求1所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其所述地基激光雷达探测的气象资料包括在DBS扫描模式下不同高度层的回波信噪比、所述地基激光雷达的观测参数包括激光波长、天线仰角、波束所述无线电探空仪探测的廓线数据包括空气球实测的大气温度、湿3.根据权利要求2所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其A2、将I(T(z)-TO)/ool大于所设置阈值score的异常T(a)均进行剔除，剔除异常值后保34.根据权利要求3所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其B1、根据获得的气象无人机和无线电探空仪探测的高度和经位置距离目标点的空间距离差AR；气象无人机探测数据对无线电探空仪目标点B3、按照B2步骤对气象无人机探测的所有数据进行筛选，最终形5.根据权利要求4所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其C1、基于生成的时空匹配后的气象无人机和无线电探空仪象无人机探测的温度数据为输入数据集，以无线电探空仪探测的温度数据为输出数据集，分别输入到最小二乘法模型MOD1、弹性网络模型MOD2和支持向量机模型MOD3三种拟合模型C2、采用梯度下降迭代法对MOD1进行性能优化以达到最小二乘法模型输出结果与真实络模型中预设每种组合的α和λ,运行模型得到输出结果，计算弹性网络模型C5、将同样的输入数据集分别输入到优化后的三种拟合模型中W3；C6、构建气象无人机探测温度数据的校正融合模型MOD_T=W1MOD1+W2MOD2+W3C7、采用C1_C6的步骤来分别获得气象无人机探测的其他气象廓线数据的校正融合模6.根据权利要求5所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其47.根据权利要求1所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其特征在于：所述根据S1步骤收集的数据结合DBS模式垂直风场解算模型得到分析时间窗口出分析时间窗口内包含的DBS扫描周期的个数为Num_DBS=floor(Tim_w/Tim_DBS)，其中floor()表示向下取整；将MATRIX第一行的数据进行排序，再统计出该行的第一四分位数和8.根据权利要求7所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其根据生成的垂直风场的平均方差廓线数据，先求取其平均值，再计将绝对偏差序列的概率分布曲线输入到高斯混合模型拟合器中，差o2，构建廓线优化阈值Thresm=μ-2o；值对应的高斯分布成分与邻近的k_1个高斯分布成分权重之和大于阈值为Thresr的所有高9.根据权利要求8所述的基于气象无人机和激光雷达的晴空混合层高度估计方法，其5D3、重复D1和D2步骤直到廓线数据的最后一个点，最终生成基于生成的气象无人机探测的各高度层RI(z)指数数据Data1和生成的垂直风场的平均构建深度随机森林模型，将时空匹配后的Data2以及对应的高度廓线数据作为输入数基于得到的高空间分辨率气象无人机各高度层RI(Z)指数数据，以RI(Z)<0.25为混合层高度识别的条件，寻找满足RI(Z)<0.6性严重依赖于激光雷达探测数据的准确性，且不同的反演方法所带来的结果往往差异较于受限于高塔本身的高度，这种观测手段对于达到或超过几百米以上的混合层高度而言，测手段获取的探测数据反演的混合层高度的准确性7[0009]S4、根据S1步骤收集的数据结合DBS模式垂直风场解算模型得到分析时间窗口内结合构建的基于深度随机森林模型得到具有高空间分辨率的气象无人机各高度层z的RI[0013]所述地基激光雷达探测的气象资料包括在DBS扫描模式下不同高度层的回波信噪[0018]A2、将I(T(z)-TO)/ool大于所设置阈值score的异常T(a)均进行剔除，剔除异常值基于窗口内非空值并采用样条插值法生成空值位置处的估计值，并用估计值来填充空值，[0021]A5、重复A1_A4步骤分别来处理气象无人机和无线电探空仪探测的其他气象廓线8作为气象无人机探测数据对无线电探空仪目[0026]所述根据S2步骤生成的气象廓线数据构建气象无人机探测的所有气象廓线数据[0027]C1、基于生成的时空匹配后的气象无人机和无线电探空性网络模型中预设每种组合的α和λ,运行模型得到输出结果，计算弹性网络模型输和λ;MOD3；[0033]C7、采用C1_C6的步骤来分别获得气象无人机探测的其他气象廓线数据的校正融[0037]所述根据S1步骤收集的数据结合DBS模式垂直风场解算模型得到分析时间窗口内9计算出分析时间窗口内包含的DBS扫描周期的个数为Num_DBS=floor(Tim_w/Tim_DBS)，其中floor()表示向下取整；[0041]将MATRIX第一行的数据进行排序，再统计出该行的第一四分位数和第三四分位数，取出该行大于第一四分位数且小于第三四分位数范围内所有数据并计算出平均方差，[0042]所述通过得到的垂直风场的平均方差廓线数据构建廓线优化阈值具体包括以下及方差o2，构建廓线优化阈值Thresm=μ-2o；大ti值对应的高斯分布成分与邻近的k_1个高斯分布成分权重之和大于阈值为Thresr的所[0052]基于生成的气象无人机探测的各高度层RI(z)指数数据Data1和生成的垂直风场的[0053]构建深度随机森林模型，将时空匹配后的Data2以及对应的高度廓线数据作为输具有高空间分辨率的气象无人机各高度层RI([0054]基于得到的高空间分辨率气象无人机各高度层RI(Z)指数数据，以RI(Z)<0.25为混合层高度识别的条件，寻找满足RI(Z)[0055]本发明具有以下优点：基于气象无人机和激光雷达的晴空混根据气象无人机和无线电探空仪探测的气象参数廓线数据，引入了多种非线性拟合模型，分辨率的垂直风场廓线数据，并构建了设定的时间分析窗口内的垂直风场平均方差廓线；[0059]图4为本发明的激光雷达垂直风场平均方差廓线优化方案中阈值确定的实现流[0063]如图1所示，本发明具体涉及基于气象无人机和激光雷达的晴空混合层高度估计别计算该数据的平均值TO和标准差oo；将I(T(z)-TO)/ool大于所设置阈值为3的异常T(a)理后的数据记为Te(z)。采用上述同样的方法分别来处理气象无人机和无线电探空仪探测[0070]步骤3：基于步骤1获得的气象无人机和无线电探空仪探以及步骤2处理后的气象无人机和无线电探空仪探测的气象数据，以无线电探空仪探测的匹配后的气象无人机和无线电探空仪探测的气象廓MOD3等三种拟合模型中；在MOD1的性能优化中采用梯度下降迭代法来达到模型输出结果与真实输出结果间的残差平方和最小化；对于MOD2中正则化参数α和λ,遍历不同的参数来生据的校正融合模型MOD_T=W1MOD1+W2MOD2+W3MOD3。采用上述同样的方法来可以获得气象无人机探测的其他气象廓线数据的校正融地面高度z0的潜位温，u(z)和u(z0)分别为高度层z和近地面高度z0的水平风速的其中一个布成分个数N_g=1时，根据拟合器输出的绝对偏差均值及方差o2，构建廓线优化阈值Thresm=μ-2o；当该拟合器输出的高高斯分布成分与邻近的k_1个高斯分布成分权重之和大于阈值为85%的所有高斯分布成分，即可得到具有高空间分辨率的气象无人机各高度层RI(Z)指数RI(Z)<0.25为混合层高度识别的条件，寻找满足RI(Z)<0.25时对应的最大高度层，即该高度层为混合层高度的估计值。行的改动和变化不脱离本发明的