基于激光雷达的机场风场特征探测方法、装置和设备

技术领域

本申请涉及航空气象保障技术领域，特别是涉及一种基于激光雷达的机场风场特征探测方法、装置和设备。

背景技术

低空风切变及湍流是国际上公认的严重影响飞行安全的风场现象。低空风切变通常是指近地面600米高度以下风矢量(风向、风速)在水平和(或)垂直距离上的变化；湍流是由空气急剧而不规则的流动引致，表现为风速的时间不规则性和空间的不均匀性，是由各种尺度的涡旋连续分布叠加而成。由于风切变和湍流具有强度大和难以预测等特性，严重危害飞机在起飞阶段和降落阶段的安全。目前，用于风切变和湍流探测技术主要包括测风仪、气象雷达、风廓线雷达以及激光雷达，其中激光雷达被认为晴空条件较优的风场探测系统。

采用激光雷达对风切变和湍流探测的扫描策略有多种，主要包括PPI(PlanPosition Indicator，平面位置显示器)、RHI(Range Height Indicator，距离高度显示器)、DBS(Doppler Beam Swinging，多普勒波束摆动)、凝视、GPScan(Glide Path Scan，滑动路径扫描)等方式。然而，在实现本发明过程中，发明人发现前述传统的激光雷达扫描策略仍存在着风场综合探测性能较差的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种风场综合探测性能较强的基于激光雷达的机场风场特征探测方法、一种基于激光雷达的机场风场特征探测装置，一种计算机设备以及一种计算机可读存储介质。

为了实现上述目的，本发明实施例采用以下技术方案：

一方面，本发明实施例提供一种基于激光雷达的机场风场特征探测方法，包括步骤：

根据设定的配置策略对部署在机场预定位置的激光雷达进行扫描策略配置；

根据激光雷达进行体积扫描获取的多普勒径向速度信息，反演得到扫描体积内的三维风场；

从三维风场中提取600米以下的风场数据，根据600米以下的风场数据计算得到相应的F因子数值；

提取多普勒径向速度信息中35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度；

提取多普勒径向速度信息中各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。

另一方面，还提供一种基于激光雷达的机场风场特征探测装置，包括：

配置处理模块，用于根据设定的配置策略对部署在机场预定位置的激光雷达进行扫描策略配置；

风场反演模块，用于根据激光雷达进行体积扫描获取的多普勒径向速度信息，反演得到扫描体积内的三维风场；

因子计算模块，用于从三维风场中提取600米以下的风场数据，根据600米以下的风场数据计算得到相应的F因子数值；

动能计算模块，用于提取多普勒径向速度信息中35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度；

湍流计算模块，用于提取多普勒径向速度信息中各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。

又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述基于激光雷达的机场风场特征探测方法的步骤。

再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于激光雷达的机场风场特征探测方法的步骤。

上述技术方案中的一个技术方案具有如下优点和有益效果：

上述基于激光雷达的机场风场特征探测方法、装置和设备，通过对部署至机场预定位置处的激光雷达按需要进行扫描策略配置后，由激光雷达进行体积扫描获取的径向速度反演扫描体积内的三维风场，然后提取600米以下风场数据用于计算相应的F因子数值，提取35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度，最后提取各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。如此形成了晴空条件下的多用途的测风激光雷达体积扫描策略，可有效兼顾空间覆盖范围、时空分辨率及鲁棒性，既能实现对飞机下滑道区域的重点探测，也能实现对于近场湍流强度的准确感知，还可以对三维风场有准确的探测与反演，达到了风场综合探测性能较强的效果。

附图说明

图1为一个实施例中基于激光雷达的机场风场特征探测方法的流程示意图；

图2为一个实施例中激光雷达的扫描策略示意图；

图3为一个实施例中改进VPP风场反演算法分析单元的示意图；

图4为一个实施例中飞机下滑道区域的示意图；

图5为一个实施例中35.3°高度角扫描的示意图；

图6为一个实施例中激光雷达的多普勒频谱的示意图；

图7为一个实施例中基于激光雷达的机场风场特征探测装置的模块结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。需要说明的是，当一个元件被认为是“连接”另一个元件，可以是直接连接到另一个元件并与之结合为一体，或者可能同时存在居中元件，即也可以是间接连接到另一个元件。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

采用激光雷达对风切变和湍流探测的各种扫描策略中，PPI扫描方式是激光波束高度角固定，方位上作均匀扫描，基于该扫描方式，在同一高度的风场一致的假设下，可以通过傅里叶级数展开反演扫描区域的风廓线信息(包括风速和风向)；当高度角为35.3°时可以使用部分傅里叶分解算法快速获取湍流动能强度；同时可以通过径向速度方位结构函数反演湍流特征参数。

RHI扫描方式是激光波束的方位角固定，高度角作上下均匀扫描。该扫描方式能准确探测多个高度角的径向风场信息，通常在垂直方向的速度变化较大时使用，如飞机尾流的探测。基于该方式，通过拟合径向速度结构函数与冯卡尔曼频谱计算湍流各类参数。但该方式探测覆盖范围较小，只能探测某一方位的风场信息，无法对三维风场进行感知。

DBS扫描方式是激光波束在多个固定高度角和方位角的方向上作快速扫描，与PPI扫描方式类似，在同一高度的风场均匀的假设下，使用该扫描方式能够快速反演不同高度的风场廓线信息。基于该方式，通过建立径向脉动速度方程可以解算风速、风向及湍流动能强度等信息。但是该方法仅使用较少数量方位角上的测量信息，易受某些角度上测量误差的影响。

凝视扫描方式是激光波束的高度角和方位角均固定的探测方式，基于该方式，通过多普勒频谱法和径向速度结构函数法计算了湍流耗散率，但由于该方式只能获取一个方向的径向速度，因此无法反演出三维风场结构，且探测范围较小，无法感知大范围风场。

香港天文台Chan等人提出的GPScan扫描方式，其采用高度角和方位角协同变化使得激光雷达波束沿着飞机下降通道进行扫描，将GLYGA算法应用于该扫描方式时的风切变探测率可达90％。但该处理过程中是将激光雷达径向风速作为飞机的迎头风，只有激光雷达部署于飞机的降落点(或起飞点)附近时，该前提条件才比较合理。

综上，现有各种扫描方式是基于某些特定的风场特征获取需求而设置的，无法同时实现大范围三维风场、湍流强度和下滑道风场特征等的反演，风场综合探测性能较差，因此，亟需提出一种兼顾空间覆盖范围、时空分辨率及鲁棒性的激光雷达体积扫描方法，以获得较强的风场综合探测性能。

为解决上述传统的激光雷达扫描策略中存在着的风场综合探测性能较差的技术问题，本发明实施例提供了以下技术方案：

请参阅图1，在一个实施例中，本发明提供一种基于激光雷达的机场风场特征探测方法，包括如下步骤S12至S20：

S12，根据设定的配置策略对部署在机场预定位置的激光雷达进行扫描策略配置。

可以理解，用于机场风场特征探测的激光雷达应部署在飞机降落点附近，也即前述所说的机场预定位置，使得激光雷达的有效探测距离R

S14，根据激光雷达进行体积扫描获取的多普勒径向速度信息，反演得到扫描体积内的三维风场。

可以理解，激光雷达对机场空域进行体积扫描作业，可以输出相应的多普勒径向速度信息，该径向速度是指被扫描空域的径向风速信息。利用激光雷达扫描输出的多普勒径向速度信息，通过将数据转换至风场测量所使用的坐标体系中，即可反演获得激光雷达对机场空域进行扫描时，扫描体积内的三维风场。该三维风场中可以包含风场在三个维度上的风速数据，例如风场中不同高度角的径向速度、水平切向速度，以及径向速度与水平切向速度所在平面法向的垂直速度等风场数据。

S16，从三维风场中提取600米以下的风场数据，根据600米以下的风场数据计算得到相应的F因子数值。

可以理解，低空风切变通常是指近地面600米高度以下风矢量(风向、风速)在水平和(或)垂直距离上的变化。因此，在反演得到三维风场后，即可从该三维风场中提取所需的600米以下的风场数据，例如600米以下飞机下滑道区域内的迎头风、侧风和垂直风等的风速数据。利用这些风场数据，根据本领域中F因子的计算方式计算获得本次风场探测中的相应F因子数值。

S18，提取多普勒径向速度信息中35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度。

可以理解，可以从激光雷达进行体积扫描获取的多普勒径向速度信息中，提取35.3°高度角的径向风速数据，其中，部分傅里叶分解算法为本领域中已有的数据处理算法，利用该算法在PPI扫描上对提取的这一特点高度角的径向风速数据进行求解处理，即可计算获得不同高度上湍流的动能强度。进行体积扫描的空域中不同点的高度可以通过激光雷达的径向距离和高度角换算得到。

S20，提取多普勒径向速度信息中各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。

可以理解，获取的多普勒径向速度信息中可以包含激光雷达分别在各高度角上的多个扫描周期内的数据，因此从获取的多普勒径向速度信息中可以直接提取各高度角的多普勒频谱数据，然后相应地利用多普勒频谱算法计算各径向距离上的湍流耗散率。

上述基于激光雷达的机场风场特征探测方法，通过对部署至机场预定位置处的激光雷达按需要进行扫描策略配置后，由激光雷达进行体积扫描获取的径向速度反演扫描体积内的三维风场，然后提取600米以下风场数据用于计算相应的F因子数值，提取35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度，最后提取各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。如此形成了晴空条件下的多用途的测风激光雷达体积扫描策略，可有效兼顾空间覆盖范围、时空分辨率及鲁棒性，既能实现对飞机下滑道区域的重点探测，也能实现对于近场湍流强度的准确感知，还可以对三维风场有准确的探测与反演，达到了风场综合探测性能较强的效果。

请参阅图2，在一个实施例中，关于上述步骤S12，可以包括如下处理步骤：

确定激光雷达部署的机场预定位置；机场预定位置距离飞机跑道的垂直距离为100m至200m之间的任一距离值，激光雷达与飞机下滑道之间无障碍物遮挡；

以激光雷达为原点建立笛卡尔坐标系(x,y,z)和球坐标系(φ,θ,r)；其中，x表示水平面垂直飞机跑道方向上距激光雷达的距离，y表示平行飞机跑道方向上距激光雷达的距离，z表示垂直方向上距激光雷达的距离，φ表示高度角，θ表示方位角，r表示到激光雷达的径向距离；图2中，L表示激光雷达(下文中相应附图的激光雷达同理使用字母L表示)，(φ

设定激光雷达交替采用不同高度角PPI扫描的方式进行体积扫描；其中，不同高度角按照φ＝1,3,8,15,25,35.3,45,90进行配置。

具体的，在对机场空域进行所需的风场特征探测前，激光雷达应部署在飞机降落点附近，距跑道垂直距离d

在一个实施例中，关于上述步骤S12中设定激光雷达交替采用不同高度角PPI扫描的方式进行体积扫描的子步骤，可选的，具体可以通过如下处理步骤实现其设定过程：

设定激光雷达在每个高度角采用完整PPI扫描方式或扇区PPI扫描方式获得各高度角的多普勒径向速度信息；

设定激光雷达的旋转角速度和扫描扇区大小分别随关注的探测空间区域可调。

需要说明的是，前述的完整PPI扫描方式或扇区PPI扫描方式均为本领域已有的PPI扫描策略，对此两种扫描方式的具体解释说明可以参照本领域有关PPI扫描的技术同理理解，本实施例中不再展开赘述。关注的探测空间区域是指根据机场的实际空域环境和/或飞机入场情况等，由监测人员指定需重点探测的空间区域。不同的扫描方式、旋转角速度和扫描扇区等扫描控制信息可以实时或者定时传送至激光雷达，以使激光雷达按照最新配置的扫描控制信息进行相应的体积扫描。

通过上述步骤，可以实现对激光雷达更精确灵活的扫描方式配置，适应不同工况需要下的扫描需要。

请参阅图2和图3，在一个实施例中，关于上述的步骤S14，可以包括如下处理步骤：

在激光雷达的扫描空间中选取分析体积单元，确定分析体积单元内各点的反演速度；

其中，分析体积单元为高度角跨度为

其中，φ

将任一点的反演速度转换至笛卡尔坐标系中，得到三维风场；三维风场为：

其中，u、v和w分别表示笛卡尔坐标系中x轴、y轴和z轴的速度分量，u

可以理解，在激光雷达的扫描空间中，可按照上述步骤选取分析体积单元A

假设分析体积单元内所有速度相等，则分析体积单元内任一点的径向速度

F

+w

将任一点反演速度(u

通过上述处理步骤，即可快速且准确地实现三维风场的反演。

在一个实施例中，关于上述的步骤S16，可以包括如下处理步骤：

若激光雷达和飞机降落点之间的连线与飞机跑道的夹角小于30°，则飞机下滑道内的迎头风速为方位角上的3°高度角的径向速度；

根据三维风场提取飞机下滑道内的垂直风速；

根据迎头风速和垂直风速，计算得到F因子数值；F因子数值通过如下公式计算得到：

其中，V

可以理解，当激光雷达与飞机的降落点之间的连线，通飞机跑道之间的夹角Θ小于30°时，可以直接选择飞机跑道所在方位角上的3°高度角的径向速度作为飞机的迎头风速，相应的竖直方向风速，也即飞机下滑道内的垂直风速可以由上述步骤中反演的三维风场中相应的风速数据直接得到。利用前述迎头风速和垂直风速通过上述F因子数值的计算公式即可计算得到相应的F因子数值。

通过上述步骤，即可以快速实现连线与飞机跑道的夹角小于30°时，相应F因子数值的计算获取。

请参阅图4，在一个实施例中，关于上述的步骤S16，或者可以包括如下处理步骤：

若激光雷达和飞机降落点之间的连线与飞机跑道的夹角大于30°，则从三维风场中提取方位角上的3°高度角、以飞机下滑道为轴径向30m空间范围内的风场数据；

根据提取的风场数据合成飞机下滑道内的迎头风速和垂直风速；

根据迎头风速和垂直风速，计算得到F因子数值；F因子数值通过如下公式计算得到：

其中，V

可以理解，当激光雷达与飞机的降落点之间的连线，通飞机跑道之间的夹角Θ大于30°时，根据提取的三维风场数据，筛选出飞机下滑道区域内的风场数据，即以飞机跑道所在方位角上的3°高度角的飞机下滑道为轴，选取附近30m空间范围内三维的风场数据。根据提取的前述三维的风场数据再次合成飞机下滑道内的迎头风的迎头风速V

通过上述步骤，即可以快速实现连线与飞机跑道的夹角大于30°时，相应F因子数值的计算获取。

请参阅图5，在一个实施例中，关于上述的步骤S18，可以包括如下处理步骤：

提取35.3°高度角上多个扫描周期内的径向风速数据，计算相应风场每一点的径向速度在多个周期内的平均值

根据每一点的径向速度及相应平均值，计算得到相应风场每一点的脉动径向速度；

根据脉动径向速度，在整个PPI扫描上计算得到湍流的动能强度；湍流的动能强度通过如下公式计算获得：

其中，φ表示高度角，V′

具体的，在分析体积单元内，提取35.3°高度角上多个扫描周期内的径向风速数据，计算分析体积单元内，每一点的径向速度在多个周期内的平均值

其中，u′、v′和w′分别表示三维风场的三个脉动速度分量。通过上述步骤，即可以高效失效湍流的动能强度的计算获取。

请参阅图6，在一个实施例中，关于上述的步骤S20，可以包括如下处理步骤：

提取各高度角上多个扫描周期内的多普勒频谱数据，计算相应风场每一点的多普勒频谱在多个周期内的平均值；

根据在多个周期内的平均值，计算得到径向速度方差和湍流外尺度；

根据径向速度方差和湍流外尺度，计算得到湍流耗散率；湍流耗散率通过如下公式计算获得：

其中，σ

可以理解，本实施例中，提取各高度角上多个扫描周期内的多普勒频谱数据，计算每一点的多普勒频谱在多个周期内的平均值

具体的，有如下关系式子：

其中，

需要说明的是，图6中，a表示湍流引起的频谱展宽，b表示风切变引起的频谱展宽，c表示均匀风场引起的频谱展宽，d表示观测噪声。

在已知激光雷达固有参数特性且不考虑观测误差的前提下，可计算出对应

其中，δr表示径向距离分辨率。最后，可以计算得到湍流耗散率如上步骤中所示。通过上述处理步骤，高效且准确地获得了所需的湍流耗散率ε。

应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且图1的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

请参阅图7，另一方面，还提供一种基于激光雷达的机场风场特征探测装置100，包括配置处理模块13、风场反演模块15、因子计算模块17、动能计算模块19和湍流计算模块21。配置处理模块13用于根据设定的配置策略对部署在机场预定位置的激光雷达进行扫描策略配置。风场反演模块15用于根据激光雷达进行体积扫描获取的多普勒径向速度信息，反演得到扫描体积内的三维风场。因子计算模块17用于从三维风场中提取600米以下的风场数据，根据600米以下的风场数据计算得到相应的F因子数值。动能计算模块19用于提取多普勒径向速度信息中35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度。湍流计算模块21用于提取多普勒径向速度信息中各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。

上述基于激光雷达的机场风场特征探测装置100，通过各模块的协作，对部署至机场预定位置处的激光雷达按需要进行扫描策略配置后，由激光雷达进行体积扫描获取的径向速度反演扫描体积内的三维风场，然后提取600米以下风场数据用于计算相应的F因子数值，提取35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度，最后提取各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。如此形成了晴空条件下的多用途的测风激光雷达体积扫描策略，可有效兼顾空间覆盖范围、时空分辨率及鲁棒性，既能实现对飞机下滑道区域的重点探测，也能实现对于近场湍流强度的准确感知，还可以对三维风场有准确的探测与反演，达到了风场综合探测性能较强的效果。

在一个实施例中，上述配置处理模块13具体可以用于确定激光雷达部署的机场预定位置；机场预定位置距离飞机跑道的垂直距离为100m至200m之间的任一距离值，激光雷达与飞机下滑道之间无障碍物遮挡，用于以激光雷达为原点建立笛卡尔坐标系(x,y,z)和球坐标系(φ,θ,r)；其中，x表示水平面垂直飞机跑道方向上距激光雷达的距离，y表示平行飞机跑道方向上距激光雷达的距离，z表示垂直方向上距激光雷达的距离，φ表示高度角，θ表示方位角，r表示到激光雷达的径向距离，以及用于设定激光雷达交替采用不同高度角PPI扫描的方式进行体积扫描；其中，不同高度角按照φ＝1,3,8,15,25,35.3,45,90进行配置。

在一个实施例中，上述配置处理模块13在用于设定激光雷达交替采用不同高度角PPI扫描的方式进行体积扫描的过程中，具体可以用于设定激光雷达在每个高度角采用完整PPI扫描方式或扇区PPI扫描方式获得各高度角的多普勒径向速度信息；以及用于设定激光雷达的旋转角速度和扫描扇区大小分别随关注的探测空间区域可调。

在一个实施例中，上述风场反演模块15具体可以用于在激光雷达的扫描空间中选取分析体积单元，确定分析体积单元内各点的反演速度；

其中，分析体积单元为高度角跨度为

其中，φ

以及用于将任一点的反演速度转换至笛卡尔坐标系中，得到三维风场；三维风场为：

其中，u、v和w分别表示笛卡尔坐标系中x轴、y轴和z轴的速度分量，u

在一个实施例中，上述因子计算模块17具体可以用于在激光雷达和飞机降落点之间的连线与飞机跑道的夹角小于30°时，确定飞机下滑道内的迎头风速为方位角上的3°高度角的径向速度；以及用于根据三维风场提取飞机下滑道内的垂直风速；还用于根据迎头风速和垂直风速，计算得到F因子数值；F因子数值通过如下公式计算得到：

其中，V

在一个实施例中，上述因子计算模块17还可以用于实现如下功能：在激光雷达和飞机降落点之间的连线与飞机跑道的夹角大于30°，从三维风场中提取方位角上的3°高度角、以飞机下滑道为轴径向30m空间范围内的风场数据；根据提取的风场数据合成飞机下滑道内的迎头风速和垂直风速；根据迎头风速和垂直风速，计算得到F因子数值；F因子数值通过如下公式计算得到：

其中，V

在一个实施例中，上述动能计算模块19具体可以用于实现如下功能：提取35.3°高度角上多个扫描周期内的径向风速数据，计算相应风场每一点的径向速度在多个周期内的平均值

其中，φ表示高度角，V′

在一个实施例中，上述湍流计算模块21具体可以用于实现如下功能：提取各高度角上多个扫描周期内的多普勒频谱数据，计算相应风场每一点的多普勒频谱在多个周期内的平均值；根据在多个周期内的平均值，计算得到径向速度方差和湍流外尺度；根据径向速度方差和湍流外尺度，计算得到湍流耗散率；湍流耗散率通过如下公式计算获得：

其中，σ

关于基于激光雷达的机场风场特征探测装置100的具体限定，可以参见上文中基于激光雷达的机场风场特征探测方法的相应限定，在此不再赘述。上述基于激光雷达的机场风场特征探测装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于具体数据处理功能的设备中，也可以软件形式存储于前述设备的存储器中，以便于处理器调用执行以上各个模块对应的操作，前述设备可以是但不限于雷达站的控制系统的监测终端、控制设备或者个人计算机。

又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时可以实现以下步骤：根据设定的配置策略对部署在机场预定位置的激光雷达进行扫描策略配置；根据激光雷达进行体积扫描获取的多普勒径向速度信息，反演得到扫描体积内的三维风场；从三维风场中提取600米以下的风场数据，根据600米以下的风场数据计算得到相应的F因子数值；提取多普勒径向速度信息中35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度；提取多普勒径向速度信息中各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。

在一个实施例中，处理器执行计算机程序时还可以实现上述基于激光雷达的机场风场特征探测方法各实施例中增加的步骤或者子步骤。

再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：根据设定的配置策略对部署在机场预定位置的激光雷达进行扫描策略配置；根据激光雷达进行体积扫描获取的多普勒径向速度信息，反演得到扫描体积内的三维风场；从三维风场中提取600米以下的风场数据，根据600米以下的风场数据计算得到相应的F因子数值；提取多普勒径向速度信息中35.3°高度角的径向风速数据，通过部分傅里叶分解算法计算得到不同高度上的湍流的动能强度；提取多普勒径向速度信息中各高度角的多普勒频谱数据，通过多普勒频谱方法计算得到风场各径向距离上的湍流耗散率。

在一个实施例中，计算机程序被处理器执行时，还可以实现上述基于激光雷达的机场风场特征探测方法各实施例中增加的步骤或者子步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM，简称RDRAM)以及接口动态随机存储器(DRDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可做出若干变形和改进，都属于本申请保护范围。因此本申请专利的保护范围应以所附权利要求为准。