本发明涉及一种气象信息处理与应用领域，特别涉及基于微波传输过程的雨致衰减信息的处理与应用领域，更为具体的说是涉及用于双频、双偏振微波链路的雨致衰减信息的反演。
背景技术：
测量降雨的实时性与准确性对于气象研究、灾害预警以及部队军事保障等方面具有十分重要的意义。目前，在气象观测业务中投入使用的主要有雨量计、天气雷达以及测雨卫星等，雨量计单点测量较为准确，但空间分辨率低，在复杂地区组网困难，并且增加成本；天气雷达虽然测雨的时空分辨率高，但准确性较差，并且会受到杂波抑制；测雨卫星有较大的空间分辨率，但其时间分辨率与测雨的准确性无法满足实际业务要求。
利用微波通信信号传播的衰减信息反演地表降雨强度是近些年来降水测量的新方法，该方法具有时空分辨高、利用现有的通信设备等优势。目前，利用单频微波链路衰减信息反演降水的方法主要依据雨衰幂律经验关系，通过实测的路径微波雨致衰减信息，反演得到路径平均降水强度。然而，非降雨因素造成的衰减会影响反演精度，因此，通过挖掘双频、双偏振微波链路的微波雨致衰减信息，对其进行联合衰减差分处理，反演降水谱参数等降水精细化信息，同时对水平、垂直方向的偏振衰减进行处理，识别降水类型。
技术实现要素：
本发明的目的在于，提供一种有效的降水测量方法，能够实时准确测量降水强度。
为了实现上述发明目的，本发明技术方案是，一种双频双偏振微波链路联合的雨滴谱反演及降水类型识别方法，包括如下步骤，
步骤1反演Gamma谱参数：利用微波发射机和接收机测得双频段水平和垂直方向的偏振方向的雨致衰减强度，基于双频双偏振微波链路的雨致衰减信息反演路径平均降雨强度，首先，利用微波发射机和接收机测得不同频率、不同偏振方向的雨致衰减强度；然后，利用衰减信息反演路径降雨谱参数，最后，利用谱参数计算得到路径降水强度，并进行降水识别；具体步骤如下：
步骤1.1利用微波发射机和接收机测得不同频率微波传输的雨致衰减：Af1、Af2，单位为dB/km，f1、f2为不同频率，对其进行衰减差分处理，得到双频差分衰减率因子：
式中，是入射波频率为f1、f2偏振方向为水平的差分衰减因子，Cext,h是入射波水平偏振时降水粒子的消光截面，其与入射波频率、粒子等效直径等因素有关；D为降水粒子等效直径；N(D)为降水粒子Gamma谱分布；降水粒子的消光截面Cext,h采用T矩阵进行计算。
步骤1.2利用微波发射机和接收机测得同一频率不同偏振方向微波传输的雨致衰减：Ah、Av，h代表入射波水平偏振，v代表入射波垂直偏振；对其进行衰减差分处理，得到双偏振差分衰减因子：
式中，Ahv是入射波频率为f1偏振方向分别为水平、垂直方向的偏振衰减因子，Cext,v为入射波频率为垂直偏振时降水粒子的消光截面。
步骤1.3联立(1)、(2)式，消除非降雨因素的衰减影响，采用联合衰减迭代算法，联合Gamma分布参数，反演得到Gamma谱参数。
步骤2计算路径降雨强度：基于步骤1得到的Gamma谱参数，根据公式：
降雨强度
计算得到降雨强度，其中V(D)为降水粒子的末速度。
步骤3识别降水类型，其具体步骤为：利用步骤1得到的Gamma雨滴谱参数，计算得到双偏振差分衰减率因子，对其进行ADR处理，并联合支持向量机(SVM)，根据偏振差分因子与雨滴形状的关系，识别降水类型，其具体流程如下：
(1)、对入射波水平偏振的雨致衰减Ah和入射波垂直偏振的雨致衰减Av进行ADR处理：
(2)、对所得值按不同的阈值区间进行降水粒子类型分类；
(3)、利用SVM建立降水类型识别模型，根据步骤(2)中所得的阈值区间进行模型训练，建立稳定的识别模型，识别降水类型。
还包括对利用不同降水粒子形状的偏振雨致衰减信息不同，识别降水类型。
反演的降雨谱参数服从Gamma谱分布。
对雨滴末速度采取分段式末速度法，基于Gamma谱分布，反演时序降雨。
对于降水类型识别方法包括但不限于支持向量机。
对于消光截面的计算方法包括但不限于T矩阵计算方法。
有益效果：与现有测雨手段相比，本发明的有益效果：本发明提出的双频双偏振微波降雨联合反演方法，对雨致微波衰减信息进行了充分挖掘，通过对雨致衰减进行差分处理，反演得到路径雨滴谱的谱参数；同时，根据雨滴形状对不同偏振微波的影响，得到偏振差分因子，进而得到降水类型。本发明的时空分辨率也要优于传统方法。该方法充分挖掘了微波雨致衰减信息，利用反演的手段将雨衰信息转化为降雨信息，具有高时空分辨率的特点。同时，由于采用了联合衰减差分的方法，消除了非降雨因素的影响，提高了反演精度。本方法可以作为降水观测的一种新方法投入到气象观测业务中。
附图说明
图1是本发明的双频双偏振微波降雨联合反演工作示意图；
图2是本发明的双频双偏振微波降雨联合反演流程图；
图3是本发明的仿真模拟降雨强度实验结果图。
具体实施方式
本发明利用不同频段以及不同偏振方式的降雨对微波衰减信息不同，联合反演降雨信息，根据散射理论，计算得到雨滴谱、降雨强度和雨滴粒子类型等信息，主要包括如下步骤：
步骤一：如图1所示，微波发射机在降雨的情况下，沿同一路径发射三条微波链路，其具体发射情况如表1所示：
表1
通过另一端的微波接收机，测量得到三条链路的微波雨致衰减：其中，h表示入射波水平偏振，v表示入射波垂直偏振。
步骤二：对步骤一所测得的三条链路的微波雨致衰减进行联合差分处理，消除非降雨因素的影响，得到差分衰减因子Ahh、Ahv：
上述关系中，为降水粒子的消光截面，主要与粒子尺度、温度和入射波频率有关，本发明中采用T矩阵的方法计算降水粒子的消光截面。N(D)为Gamma雨滴谱分布，分布公式为：
N(D)＝N0·Deμ·exp(-Λ·De)
式中，N0为粒子数密度，μ为形状因子，Λ为尺度因子，De为粒子等效直径。
步骤三：为得到Gamma谱参数，对步骤二的差分衰减关系进行联合衰减迭代处理，通过联合衰减迭代法，消除非雨致衰减因素影响基于T矩阵计算得到消光截面，联合雨滴谱参数迭代，反演出符合精度的粒子数密度、形状因子以及尺度参数。
步骤四：利用步骤三反演的雨滴谱参数，结合雨滴降落的末速度，根据式(3)，计算得到基于Gamma谱参数的时序降雨强度，其中雨滴降落末速度采用分段式末速度法，具体方法如下式所示：
式中，D为粒子尺度。
步骤五：降水类型识别，利用双偏振差分衰减因子进行ADR处理，具体方法如下式
经过ADR处理后，包括但不限于利用支持向量机(SVM)进行降水类型识别。
结合SVM的理论方法说明降水类型识别的具体步骤：
(1)、对水平和垂直两种偏振方向的衰减进行ADR处理，对所得值按不同的阈值区间进行降水粒子类型分类；
(2)、利用SVM建立降水类型识别模型，根据步骤(1)中所得的阈值区间进行模型训练，建立稳定的识别模型。
虽然上述说明描述了完整的实施例，包括差分衰减因子的获取、联合衰减迭代反演雨滴谱参数、计算基于Gamma谱分布的时序降雨、降水类型的识别，但并不局限于上述举例。本领域的技术人员，在本发明的实质范围内做出的变型、修改或替换，都应属于本发明的保护范围。