具体实施方式

下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

自雷达诞生之日起，人们就开始利用它来进行降水探测和测量的研究，应用较为广泛的天气雷达包括多普勒雷达与双偏振雷达。相较于多普勒雷达，双偏振雷达所采集的双偏振雷达数据具有更多的测量信息(特征参量如：差分反射率、差分相位和相关系数等)，能提供多个包含雨滴谱信息的偏振量，多个偏振量能更好地表述降水的微物理特征，因此双偏振雷达能够较准确的分辨降水回波即云雨目标的相态，以确定降水回波与非降水回波。其中，降水回波主要包括对流性降水回波、层状云降水回波、台风降水回波等，非降水回波主要包括地物/超折射杂波、噪声/孤立点杂波、电磁干扰杂波、海浪回波以及晴空回波等。截止2021年6月，我国共建设天气雷达216部，其中双偏振雷达升级站点有68部，形成了一个对大、中、小尺度灾害性天气监测的天气雷达业务网，提高了对大尺度、中尺度天气系统结构演变的监测能力。

多普勒雷达目前仍是天气预测系统中不可缺少的一部分。由于多普勒雷达针对地物、超折射、电磁干扰、晴空等杂波的识别率不高，导致其很难分辨降水回波与杂波，多普勒雷达对降水回波的误判率较高，因此，如何使多普勒雷达能够准确识别杂波具有重要研究意义。

为了解决上述问题，本公开通过利用第一初始雷达数据处理模型学习由双偏振雷达采集的双偏振雷达数据以及根据双偏振雷达数据质量控制算法处理所述双偏振雷达数据获取的双偏振雷达标注结果，可以使训练后得到的双偏振雷达数据处理模型能够学习到双偏振雷达数据质量控制算法，之后将双偏振雷达数据处理模型应用到处理多普勒雷达采集的多普勒雷达数据，可以提高根据多普勒雷达数据对地物/超折射杂波、电磁干扰杂波、噪声/孤立点、晴空回波等杂波的识别效果，确保根据多普勒雷达实时识别结果能够准确分辨降水回波与杂波，降低了根据多普勒雷达实时识别结果对降水回波的误判率。

下面通过具体实施例详细介绍本公开实施例的细节。

图1示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图1所示，所述雾区能见度反演方法包括以下步骤S101-S104：

在步骤S101中，获取由双偏振雷达采集的双偏振雷达数据。

在步骤S102中，根据双偏振雷达数据质量控制算法处理双偏振雷达数据，获取双偏振雷达标注结果。

其中，根据双偏振雷达标注结果能够确定雷达回波中的降水回波及非降水回波。

在步骤S103中，确定第一初始雷达数据处理模型，并将第一时刻的双偏振雷达数据作为输入，将第一时刻的双偏振雷达标注结果作为输出，对第一初始天气数据处理模型进行训练，得到双偏振雷达数据处理模型。

其中，第一初始雷达数据处理模型可以为Linknet图像语义分割网络模型，该Linknet图像语义分割网络模型可以包括尺寸为7*7的第一卷积层、尺寸为3*3的池化层、4个编码器、4个解码器、尺寸为3*3的第一积层、尺寸为3*3的第二卷积层以及尺寸为2*2的第二反卷积层。

在步骤S104中，获取多普勒雷达实时采集的实时多普勒雷达数据，并根据双偏振雷达数据处理模型对实时多普勒雷达数据进行处理，以获取多普勒雷达实时识别结果。

其中，根据多普勒雷达实时识别结果能够确定雷达回波中的降水回波及非降水回波。

多普勒雷达与双偏振雷达的距离小于或等于雷达距离阈值。具体的，考虑到距离过远的天气雷达所面对的气象条件可能因地理因素的影响而存在较大的不同，可以通过限制多普勒雷达与双偏振雷达的距离，确保多普勒雷达与双偏振雷达所面对的气象条件较为相似。例如，该雷达距离阈值可以为200km。

本公开通过利用第一初始雷达数据处理模型学习由双偏振雷达采集的双偏振雷达数据以及根据双偏振雷达数据质量控制算法处理所述双偏振雷达数据获取的双偏振雷达标注结果，可以使训练后得到的双偏振雷达数据处理模型能够学习到双偏振雷达数据质量控制算法，之后将双偏振雷达数据处理模型应用到处理多普勒雷达采集的多普勒雷达数据，可以提高根据多普勒雷达数据对地物/超折射杂波、电磁干扰杂波、噪声/孤立点、晴空回波等杂波的识别效果，确保根据多普勒雷达实时识别结果能够准确分辨降水回波与杂波，降低了根据多普勒雷达实时识别结果对降水回波的误判率。

在本实施例的一个可选实现方式中，图2示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图2所示，在步骤S103之前，上述天气雷达数据处理方法还可以包括如下步骤：

在步骤S105中，根据双偏振质量控制检验算法获取双偏振雷达标注结果的准确率。

在步骤S106中，根据勘误处理算法对准确率小于或等于准确率阈值的双偏振雷达标注结果进行勘误处理，以获取勘误处理后的双偏振雷达标注结果。

在步骤S107中，在勘误处理后的双偏振雷达标注结果以及准确率大于准确率阈值的双偏振雷达标注结果中确定第一时刻的双偏振雷达标注结果。

在该可选实现方式中，双偏振雷达标注结果虽然总体质控效果较好，但依然存在一些效果不好的个例，这些个例往往集中出现于9月份的夜晚，由于在秋季近地面逆温效应导致超折射、晴空回波面积较大，双偏振雷达数据质量控制算法不能给予有效识别，这些效果不好的个例在全部双偏振雷达标注结果中约占10％。通过上述步骤，可以确定这些个例即准确率小于或等于准确率阈值的双偏振雷达标注结果，并对这些个例进行勘误处理，使其准确率过关，避免损失能够用于训练的数据，在不降低训练可靠性的前提下，加快了训练速度。

在本实施例的一个可选实现方式中，图3示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图3所示，在步骤S104之前，上述天气雷达数据处理方法还可以包括如下步骤：

在步骤S108中，根据双偏振雷达数据处理模型对第二时刻的双偏振雷达数据进行处理，以获取双偏振雷达识别结果。

其中，第二时刻的双偏振雷达数据可以占全部双偏振雷达数据的20％。对应的，第二时刻的双偏振雷达标注结果也可以占全部双偏振雷达标注结果的20％。

在步骤S109中，获取双偏振雷达识别结果与第二时刻的双偏振雷达标注结果的识别结果相似度。

在步骤S104中，获取多普勒雷达实时采集的实时多普勒雷达数据，并根据双偏振雷达数据处理模型对实时多普勒雷达数据进行处理，以获取多普勒雷达实时识别结果，可以通过步骤S1041实现：

在步骤S1041中，当识别结果相似度大于或等于识别结果相似度阈值时，获取实时多普勒雷达数据，并根据双偏振雷达数据处理模型对实时多普勒雷达数据进行处理，以获取多普勒雷达实时识别结果。

在该可选实现方式中，通过利用双偏振雷达数据处理模型对第二时刻的双偏振雷达数据进行处理以获取双偏振雷达识别结果，并获取双偏振雷达识别结果与第二时刻的双偏振雷达标注结果的识别结果相似度，该识别结果相似度能够反映训练后的双偏振雷达数据处理模型对降水回波以及非降水杂波进行识别的准确率，当识别结果相似度大于或等于识别结果相似度阈值时，说明训练后的双偏振雷达数据处理模型对降水回波以及非降水杂波进行识别的准确率较高，此时获取实时多普勒雷达数据，并根据双偏振雷达数据处理模型对实时多普勒雷达数据进行处理，以获取多普勒雷达实时识别结果，可以确保多普勒雷达实时识别结果对降水回波以及非降水杂波进行识别的准确率较高。

在本实施例的一个可选实现方式中，图4示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图4所示，上述天气雷达数据处理方法还可以包括如下步骤：

在步骤S110中，获取由多普勒雷达采集的多普勒雷达数据。

在步骤S111中，确定第二初始雷达数据处理模型，并将第三时刻的多普勒雷达数据作为输入，将第三时刻的双偏振雷达标注结果作为输出，对第二初始天气数据处理模型进行训练，得到多普勒雷达数据处理模型。

其中，第二初始雷达数据处理模型也可以为Linknet图像语义分割网络模型。

在步骤S112中，根据多普勒雷达数据处理模型对实时多普勒雷达数据进行处理，以获取目标多普勒实时天气识别结果。

在该可选实现方式中，通过利用第二初始雷达数据处理模型由多普勒雷达采集的多普勒雷达数据以及根据双偏振雷达数据质量控制算法处理所述双偏振雷达数据获取的双偏振雷达标注结果，可以使训练后得到的双偏振雷达数据处理模型能够学习到如何根据多普勒雷达数据得到双偏振雷达标注结果，之后将多普勒雷达数据处理模型应用到处理多普勒雷达采集的多普勒雷达数据，同样提高了普勒雷达实时识别结果在对地物/超折射杂波、电磁干扰杂波、噪声/孤立点杂波的识别效果，降低了根据目标多普勒雷达实时识别结果对降水回波的误判率。

在本实施例的一个可选实现方式中，图5示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图5所示，上述天气雷达数据处理方法中的步骤S102可以实现为以下步骤：

在步骤S1021中，根据双偏振雷达数据获取水平极化雷达返回和垂直极化雷达返回之间的交叉相关系数ρ_HV。

在步骤S1022中，根据ρ_cor＝ρ_hv×(1+1/10^0.1SNR)获取降噪交叉相关系数ρ_cor，其中SNR为双偏振雷达测量信号比参数；

在步骤S1023中，根据降噪交叉相关系数获取双偏振雷达标注结果。

在该可选实现方式中，由于双偏振雷达的信噪比往往不稳定，所获取的交叉相关系数容易受到信噪比的影响而相对于正常值较小，存在一定的误差。通过获取降噪交叉相关系数，并根据降噪交叉相关系数获取双偏振雷达标注结果，可以降低因交叉相关系数存在误差而导致的对部分降水回波存在误判。

在本实施例的一个可选实现方式中，图6示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图6所示，在步骤S1023之前，上述天气雷达数据处理方法还可以包括：

在步骤S113中，根据双偏振雷达数据获取降水系统的差分反射率因子Z_DR；

在步骤S114中，当交叉相关系数ρ_cor大于0.9时，根据

获取差分反射率因子水平纹理Z_DR_Texture，并根据

获取相关系数水平纹理ρ_HV_Texture。

其中N_A为是识别窗口方位的索引值，N_R为是被窗口距离的索引值。

在步骤S1023中，根据降噪交叉相关系数获取双偏振雷达标注结果，可以通过如下步骤实现：

在步骤S1123中，根据差分反射率因子水平纹理以及相关系数水平纹理获取双偏振雷达标注结果。

其中，根据相关系数水平纹理ρ_HV_Texture可以区分降水回波与非降水回波，具体的，降水回波纹理结构均匀，其相关系数水平纹理ρ_HV_Texture的值小，但非降水回波纹理结构粗糙，其相关系数水平纹理ρ_HV_Texture的值大。之后，可以根据差分反射率因子水平纹理Z_DR_Texture对残留的杂波进行过滤。

在该可选实现方式中，通过根据关系数水平纹理ρ_HV_Texture以及差分反射率因子水平纹理Z_DR_Texture识别降水回波及非降水回波，从而获取双偏振雷达标注结果，可以提高对降水回波及非降水回波的有效识别率。

在本实施例的一个可选实现方式中，图7示出根据本公开一实施方式的一种天气雷达数据处理方法的流程图，如图7所示，在步骤S103之前，上述天气雷达数据处理方法还可以包括如下步骤：

在步骤S115中，根据双偏振雷达数据获取降水系统的水平偏振反射率因子。

在步骤S116中，根据水平偏振反射率因子对双偏振雷达标注结果进行降水回波空洞填补。

其中，根据水平偏振反射率因子对双偏振雷达标注结果进行降水回波空洞填补时，可以采用中值法。例如，可以在以回波空洞点为中心9×9的窗口内，若有效回波的个数占窗口总数的70％以上，则采用9×9窗口内的有效回波的水平偏振反射率因子的平均值代替回波空洞点的水平偏振反射率因子的值，此时水平偏振反射率因子的单位为(mm6/m3)。具体的，是将9×9窗口内反射率因子dBz值转换为(mm6/m3)后进行平均，最后再将平均后的(mm6/m3)值转换为反射率因子dBz值。

由于大多数降水回波的相关系数大于0.95，只有极少降水回波相关系数小于0.7，因此可能会有一些降水回波点被误判为非降水回波而形成降水回波空洞。

在该可选实现方式中，通过根据双偏振雷达数据获取降水系统的水平偏振反射率因子，并根据水平偏振反射率因子对双偏振雷达标注结果进行降水回波空洞填补，可以降低降水回波点被误判为非降水回波而导致形成降水回波空洞的几率，提高了对降水回波及非降水回波的有效识别率。

在本实施例的一个可选实现方式中，上述天气雷达数据处理方法还可以包括如下步骤：

根据双偏振雷达数据获取降水系统的水平偏振反射率因子Z、降水系统的18dBz回波顶高ETOP_18dBz以及降水系统的0dBz回波顶高ETOP_0dBz、降水系统中风暴单体核到双偏振雷达达站的斜距r_{storm_core}以及降水系统中观测到的单体到双偏振雷达达站的斜距range。

当交叉相关系数ρ_cor小于或等于0.9、且交叉相关系数ρ_cor、降水系统的18dBz回波顶高ETOP_18dBz以及降水系统的水平偏振反射率因子Z满足ρ_cor＜0.95∩(ETOP_18dBz＞8.0km∩Z＞45dBz)时，确定降水系统为冰雹。

当交叉相关系数ρ_cor小于或等于0.9，且交叉相关系数ρ_cor、降水系统的0dBz回波顶高ETOP_0dBz、降水系统中风暴单体核到双偏振雷达达站的斜距r_{storm_core}以及降水系统中观测到的单体到双偏振雷达达站的斜距range满足ρ_cor＜0.95∩(ETOP_0dBz＞9.0km∩range＞r_{storm_core})时，确定降水系统为非均一波束充塞。

其中，在雷达回波中，水回波的相关系数值较大，在0.95以上，非降水回波的相关系数较小，在0.7以下。当降水回波的相关系数小于0.95甚至更低时，考虑冰雹、对流单体及冰水混合物观测过程中发生非均一波束充塞的可能性较大。在一个脉冲周期内，当相关系数值的减小伴随着较大的梯度时，或者说是由于梯度变化而导致交叉相关系数ρ_HV减小，这种现象称为非均一波束充塞。当双偏振雷达水平和垂直波束分辨率均为1°时，在对流性降水观测过程中，若波束照射体内存在冰雹或对流单体，且对流单体未被1°波束充满，则容易发生非均一波束充塞，且距离越远，随着雷达波束的展宽作用，非均一波束充塞现象越明显，交叉相关系数ρ_HV。

在该可选实现方式中，由于冰雹、对流单体和非均一波束充塞通常发生在强对流降水过程中，伴随较高的回波强度和回波顶高。当一个距离库中的相关系数小于0.95时，检查该距离库对应的反射率因子值和回波顶高ETOP(18dBz)和ETOP(0dBz)值。当距离库中相关系数小于0.95时，反射率因子值高于45dBz，且18dBz回波顶高值高于8km，则将降水系统识别为冰雹。当径向上连续出现高的反射率因子值(Z>45dBz)，且长度超过1km，则认为降水系统是风暴单体核，在远于风暴单体核的位置，当0dBz回波顶高大于9km时，则识别为非均一波束充塞。从而提高了对冰雹以及非均一波束充塞的识别准确率。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图8示出根据本公开一实施方式的天气雷达数据处理装置的示意性结构框图。该气雷达数据处理装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图8所示，该气雷达数据处理装置包括：

双偏振雷达数据获取模块201，被配置为获取由双偏振雷达采集的双偏振雷达数据。

双偏振雷达数据处理模块202，被配置为根据双偏振雷达数据质量控制算法处理双偏振雷达数据，获取双偏振雷达标注结果；

双偏振模型训练模块203，被配置为确定第一初始雷达数据处理模型，并将第一时刻的双偏振雷达数据作为输入，将第一时刻的双偏振雷达标注结果作为输出，对第一初始天气数据处理模型进行训练，得到双偏振雷达数据处理模型。

多普勒雷达数据处理模块204，被配置为获取多普勒雷达实时采集的实时多普勒雷达数据，并根据双偏振雷达数据处理模型对实时多普勒雷达数据进行处理，以获取多普勒雷达实时识别结果，多普勒雷达与双偏振雷达的距离小于或等于雷达距离阈值。

本公开实施例提供的技术方案，通过利用第一初始雷达数据处理模型学习由双偏振雷达采集的双偏振雷达数据以及根据双偏振雷达数据质量控制算法处理所述双偏振雷达数据获取的双偏振雷达标注结果，可以使训练后得到的双偏振雷达数据处理模型能够学习到双偏振雷达数据质量控制算法，之后将双偏振雷达数据处理模型应用到处理多普勒雷达采集的多普勒雷达数据，可以提高根据多普勒雷达数据对地物/超折射杂波、电磁干扰杂波、噪声/孤立点、晴空回波等杂波的识别效果，确保根据多普勒雷达实时识别结果能够准确分辨降水回波与杂波，降低了根据多普勒雷达实时识别结果对降水回波的误判率。

本公开还公开了一种电子设备，图9示出根据本公开一实施方式的电子设备的示意性结构框图，如图9所示，所述电子设备300包括存储器301和处理器302；其中，

所述存储器301用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器302执行以实现本公开实施方式中的任一方法。

图10示出用来实现根据本公开实施方式的天气雷达数据方法的电子设备的结构示意图。

如图10所示，电子设备400包括处理单元401，其可实现为CPU、GPU、FPGA、NPU等处理单元。处理单元401可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行本公开上述任一方法的实施方式中的各种处理。在RAM403中，还存储有电子设备400操作所需的各种程序和数据。处理单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本公开的实施方式，上文参考本公开实施方式中的任一方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行本公开实施方式中任一方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。