一种基于最优估计的气溶胶粒子类型识别方法与流程

本发明涉及粒子类型识别领域，尤其涉及一种基于最优估计的气溶胶粒子类型识别方法。

背景技术：

1、气溶胶类型信息对于研究地气系统辐射强迫、改进辐射传输和预报模型、以及提供污染预警和治理决策等均具有重要意义。利用激光雷达能够获取高时空分辨率的气溶胶光学微物理属性特征，为粒子类型识别提供了有利的数据支持。

2、目前基于激光雷达识别气溶胶粒子类型主要基于光学特征参数(如消光散射比)、退偏振比、angstrom指数、后向散射颜色比等展开，利用上述一种或多种参数，利用k均值聚类、决策树分类以及人工神经网络等数学方法，实现了单波长或多波长激光雷达的气溶胶类型识别，但以上识别方法对特征参数的依赖性较大，只依靠稀疏的观测样本来创建气溶胶类型索引库，会对分类结果带来较大不确定性，且由于激光雷达型号多样，能够产生的气溶胶特征参量也不尽相同，需要建立更具通用性和可移植型的分类模型。

3、本发明建立了一种新的基于激光雷达数据的气溶胶分类方法，经过系统的标定、质控、反演流程，获得与浓度无关的气溶胶光学、微物理参数，利用最优估计方法检索垂直方向上的气溶胶类型。

技术实现思路

1、有鉴于此，本发明提供了一种基于最优估计的气溶胶粒子类型识别方法。

2、为解决上述技术问题，本发明采取了如下技术方案：

3、一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，包括以下步骤：

4、步骤1：利用最具有辨识度的光学参数，通过决策树方法对目标物可能含有的气溶胶成分信息进行预估，返回状态向量的第一个初始值s；

5、步骤2：将激光雷达反演得到的参数信息写成状态矢量矩阵xa＝[lr387,pdr355,pdr532,bae]，s和xa之间可以通过正演模型f建立关系：s＝f(xa)+ε,ε为误差项；

6、步骤3：模型预待估计的目标是s，可观测的是xa，需要建立目标函数j，使s和k*xa之间的误差最小，即目标函数j＝(s-kxa)t*(s-kxa)+λktk；

7、步骤4：利用来最小化目标物函数，求得全局最优估计的s，即真实大气气溶胶中五种基础类型占比。

8、优选的，所述步骤2中，激光雷达反演过程为：

9、以拉曼-偏振激光雷达为例，拉曼-偏振激光雷达的反演方法主要基于其接收的大气米散射信号和振动拉曼散射信号开展，这两路信号的激光雷达方程分别可以表示为：

10、

11、其中和分别为激光雷达米散射回波功率信号和氮气拉曼回波功率信号；z为探测距离，和是雷达系统常数，o(z)为雷达的几何重叠因子，和分别是高度z处气溶胶和大气分子在发射波长为λ0时的后向散射系数，α同理；nr(z)是氮气在高度z处的分子数密度，是氮气的拉曼散射截面。

12、优选的，所述步骤1的光学参数包括：消光系数αaer、后散散射系数βaer、退偏比、后向散射相关的angstrom指数bae。

13、优选的，所述消光系数

14、优选的，所述后散散射系数

15、优选的，所述后向散射相关的angstrom指数

16、优选的，还包括气溶胶激光雷达比：saer(z,λ0)＝αaer(z,λ0)/βaer(z,λ0)

17、优选的，所述步骤2中，正演模型是建立在气溶胶混合理论基础之上的，如气溶胶的退偏比δ可以写成：其中j为气溶胶类型索引项，sj为每种成分的体积占比，其他参数同理。

18、优选的，所述步骤2中，由于xa和s之间是非线性关系，可通过雅可比矩阵进行线性逼近，即为：s＝k*xa+ε,其中k为雅可比矩阵。

19、本发明相对于现有技术取得了以下技术效果：

20、本发明建立了一种新的基于激光雷达数据的气溶胶分类方法，经过系统的标定、质控、反演流程，获得与浓度无关的气溶胶光学、微物理参数，利用最优估计方法检索垂直方向上的气溶胶类型。

1.一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述步骤2中，激光雷达反演过程为：

3.根据权利要求1所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述步骤1的光学参数包括：消光系数αaer、后散散射系数βaer、退偏比、后向散射相关的angstrom指数bae。

4.根据权利要求3所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述消光系数

5.根据权利要求3所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述后散散射系数

6.根据权利要求3所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述后向散射相关的angstrom指数

7.根据权利要求2所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，还包括气溶胶激光雷达比：saer(z,λ0)＝αaer(z,λ0)/βaer(z,λ0)。

8.根据权利要求1所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述步骤2中，正演模型是建立在气溶胶混合理论基础之上的，如气溶胶的退偏比δ可以写成：其中j为气溶胶类型索引项，sj为每种成分的体积占比，其他参数同理。

9.根据权利要求1所述的一种基于最优估计的气溶胶粒子类型识别方法，其特征在于，所述步骤2中，由于xa和s之间是非线性关系，可通过雅可比矩阵进行线性逼近，即为：s＝k*xa+ε,其中k为雅可比矩阵。