一种基于静止卫星数据的闪电三维辐射源位置反演方法

技术领域

本发明涉及闪电辐射源特征参量反演领域，尤其是一种基于静止卫星数据的闪电三维辐射源位置反演方法。

背景技术

目前，地基闪电定位系统一般通过获取脉冲辐射源到达相应观测子站间的时间差，再通过非线性最小二乘拟合算法等得到脉冲辐射源的三维特征参量；静止卫星闪电成像仪等探测设备则通过探测777.4nm红外光辐射监测云顶光斑变化，得到一系列闪电相关信息，再利用静止卫星闪电组（group）信息来反演出对应时间的闪电辐射源特征，从而实现从二维光斑图像得到三维的闪电辐射源特征参量。然而，由于现有工作忽略了雷暴云的云体形态以及云内水成物粒子的时空特征等因素对卫星观测到的云顶光斑的特征参量（空间尺度、强度和形态等）的影响，导致利用卫星数据的反演出的辐射源水平位置可能存在较大偏差。

发明内容

为了克服现有技术中存在的上述问题，本发明提出一种基于静止卫星数据的闪电三维辐射源位置反演方法。

本发明解决其技术问题所采用的技术方案是：一种基于静止卫星数据的闪电三维辐射源位置反演方法，利用静止卫星多源数据实现闪电三维辐射源位置反演，包括：

步骤1，利用选取的静止卫星气象观测数据以及相互匹配的组多维度特征数据和三维辐射源位置数据建立地基/卫星同步观测数据集；

步骤2，将步骤1中地基/卫星同步观测数据集按7:3分为训练集和验证集，基于机器学习算法，进行训练，选择误差最小的模型作为最终的闪电三维辐射源位置反演模型；

步骤3，将和模型训练中采用的特征量对应的静止卫星新数据输入到步骤2所得的闪电三维辐射源位置反演模型，得到闪电三维辐射源位置。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤1中三维辐射源位置数据包括：

步骤A，通过地基三维雷电探测网获取三维辐射源位置；

步骤B，将多个三维辐射源的空间位置和强度进行加权处理，等效为一个点源。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤A包括：建立地基三维雷电探测网，每个地基三维雷电探测网覆盖100 km×100 km，包含7-8个三维探测站，不同探测子站之间通过高精度GPS时钟实现时间同步；通过不同探测站探测到的同步梯级先导脉冲时间差，利用时间到达方法，采用最小二乘迭代算法求解，获取三维辐射源位置。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤B包括：利用强度和空间位置计算公式将多个三维辐射源合并为一个点源，其计算公式为：

；

其中，J表示光辐射能量的总和，i表示脉冲数，Q

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤1中静止卫星气象观测数据选取过程包括：

步骤a，建立可以同时考虑闪电光源结构和云的不规则形状与不均匀特性的闪电光辐射传输优化模型；

步骤b，通过步骤a中优化后的闪电光辐射传输模型提取影响闪电光辐射特征的因素，按因素确定静止卫星气象观测数据。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤a具体包括：闪电光辐射传输模型采用Monte Carlo方法，对闪电光源释放的每一个光子在云中与云粒子多次碰撞散射的全过程进行模拟，不断重复直到达到设定好的模拟光子数；

其中对单个光子的模拟过程为：赋予光子一个初始权重值，根据光子所在位置的特性计算其下一步的散射方向和距离，逐步跟踪其散射路径，并在每次散射发生之前产生一个0到1之间的随机数与单次散射反照率ω

；

其中，g表示不对称因子,是所有散射角的平均值，与波长和云粒子的大小相关；

；

其中，α表示光子传输的散射角；r表示均匀分布在0到1之间的随机数；

；

其中，s表示光子在两次散射过程间行进的距离；

；

其中，a表示云中粒子平均半径，N表示粒子平均数浓度；

为考虑闪电光源结构，让闪电光辐射传输模型可加载的光源形式包括点光源和线光源；其中线光源为一系列的点光源间隔一定距离组成，组成线光源的每个点光源平分发射的总光子，从而实现光源在空间上的延伸；

为考虑云的不规则形状与不均匀特性，利用边长为200m的立方体网格组成任意形状的三维云；每个小立方体内云的性质相同，按照需要给每个小立方体赋予不同参数值来表现云的不均匀性，向小立方体添加的参数来源于对云的实际观测数据，且符合云水粒子通常的分布趋势。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤b具体包括：在优化的闪电光辐射传输模型中通过控制变量的方法，研究不同的光源的形状、位置、云几何形状、云不均匀性和观测角度对闪电光辐射特征的影响，并对影响程度大的因素进行提取；按照提取的影响因素选择与之相关静止卫星气象观测数据类型；根据匹配的闪电的发生时间和位置以及确定使用的静止卫星气象观测数据类型，选取闪电周围100km*100km范围内同一时间的静止卫星气象观测数据。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤1中将数据匹配的具体过程包括：将静止卫星闪电探测组数据对应的像元覆盖区域外延一个邻近和对角像素点，以外延后的区域为搜索区域寻找与静止卫星闪电观测数据相匹配的三维辐射源；匹配后得到的闪电发生位置和时间用于寻找静止卫星气象观测数据。

上述的一种基于静止卫星数据的闪电三维辐射源位置反演方法，所述步骤2中机器学习算法为极度梯度提升树算法。

本发明的有益效果是，本发明克服了目前利用静止卫星数据对闪电三维辐射源位置反演时由于雷暴云对闪电红外辐射光子的吸收散射作用，以及雷暴云几何形态、云顶高度等因素的影响，静止卫星给出的位置和闪电三维辐射源实际水平位置差异较大的问题，实现了对三维辐射源位置更高精度的反演。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明流程示意图；

图2为本发明模型反演结果与地基定位结果对比图，其中（a）表示辐射源地基定位结果图；（b）表示模型预测结果图；（c）表示辐射源地基定位与模型预测结果误差图。

具体实施方式

为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。

如图1所示，本实施例公开了一种基于静止卫星数据的闪电三维辐射源位置反演方法，包括：

步骤1，利用匹配的组(group)多维度特征数据、三维辐射源位置数据和选取的静止卫星气象观测数据建立地基/卫星同步观测数据集。

步骤1中获取三维辐射源位置数据具体过程包括：

步骤A，通过地基三维雷电探测网获取三维辐射源位置；

步骤A具体包括：三维辐射源位置来源于建立的地基三维雷电探测网，包括南京、广东珠三角、福建九仙山、黄渤海湾、海南和新疆乌鲁木齐六个地基三维雷电探测网，每个地基三维雷电探测网覆盖约100 km×100 km，包含7-8个三维探测站（每个探测站包括快电场变化测量仪、慢电场变化测量仪和磁场变化测量仪数据），测站间距20-40 km不等；仪器采样率为1MHz，采用连续不间断的采集方式，每秒一个文件，实时存储在本地，然后将超过信噪比1.2的脉冲数据保留并实时发送。不同观测子站之间通过授时精度为50 ns的高精度GPS时钟实现时间同步。通常，由于观测距离较远，每个梯级先导脉冲等效为一个偶极子，只需要测到同步的4个及以上测站的同步梯级先导脉冲时间差，就可以通过时间到达法（TOA），采用最小二乘迭代计算获取梯级先导的位置，得到三维辐射源位置数据。

步骤B，将三维辐射源位置数据中多个三维辐射源的空间位置和强度进行加权处理，等效为一个点源。

步骤B具体包括：静止卫星闪电组（group）与三维辐射源脉冲不是一一对应的，一个组（group）可能对应一个脉冲，也可能是多个脉冲。但在2ms时间尺度内，不同辐射源的位置分布范围可能小于静止卫星空间分辨率，导致从静止卫星的组（group）数据中无法反演多个不同的辐射源。因此，在本实施例中，将多个三维辐射源的空间位置和强度进行加权处理，从而等效为一个点源。该点源的强度和空间位置可通过以下公式确定：

；

其中，J表示光辐射能量的总和，i表示脉冲数，Q

步骤1中静止卫星气象观测数据选取过程包括：

步骤a，建立可以同时考虑闪电光源结构和云的不规则形状与不均匀特性的闪电光辐射传输优化模型。

步骤a具体包括：闪电光辐射传输模型采用Monte Carlo方法，对闪电光源释放的每一个光子在云中与云粒子间多次散射的全过程进行模拟，不断重复，直到达到设定好的模拟光子数（本实施例为10

其中对单个光子的模拟过程为：赋予光子一个初始权重值（本实施例为1），根据光子所在位置的特性计算其下一步的散射方向和距离，逐步跟踪其散射路径，并在每次散射发生前产生一个0到1之间的随机数与1-ω

；

其中，g表示不对称因子,是所有散射角的平均值，与波长和云粒子的大小相关；

；

其中，α表示光子传输的散射角；r表示均匀分布在0到1之间的随机数；

；

其中，s表示光子在两次散射过程间行进的距离；

；

其中，a表示云中粒子平均半径，N表示粒子平均数浓度。

为考虑闪电光源结构，让闪电光辐射传输模型可加载的光源形式包括点光源和线光源。其中线光源为一系列的点光源间隔一定距离组成，组成线光源的每个点光源平分发射的总光子，从而实现光源在空间上的延伸。

为考虑云的不规则形状与不均匀特性，利用边长为200m的立方体网格组成任意形状的三维云。每个小立方体内云的性质相同，按照需要给每个小立方体赋予不同参数值来表现云的不均匀性。向小立方体添加的参数来源于对云的实际观测数据，且符合云水粒子通常的分布趋势，如云核心处的粒子分布更密集。

步骤b，通过步骤a中优化后的闪电光辐射传输模型提取影响闪电光辐射特征的因素，并按因素选择静止卫星气象观测数据。

在优化的闪电光辐射传输模型中通过控制变量的方法，研究不同的光源的形状、位置、云几何形状、云不均匀性和观测角度等对闪电光辐射特征的影响，并对影响程度大的那些因素进行提取；按照提取的影响因素选择与之相关静止卫星气象观测数据，如云顶高度，云顶温度等；根据匹配的闪电的发生时间和位置以及确定使用的静止卫星气象观测数据类型，选取闪电周围100km*100km范围内同一时间的静止卫星气象观测数据。

步骤1中将静止卫星闪电观测数据与三维辐射源位置数据集进行匹配过程包括：由于存在雷暴云内水成物粒子的分布不均，对红外光子的吸收和散射能力不同，存在辐射源上方的云顶没有被照亮，而相邻的区域被照亮（典型的现象如“空洞”）的情况。因此，在本实施例中，将静止卫星闪电探测数据所有像元（event）覆盖区域外延一个邻近和对角像素点（event），以此为搜索区域寻找与静止卫星闪电观测数据相匹配的三维辐射源，匹配后得到的闪电发生位置和时间用于寻找静止卫星气象观测数据。

本实施例组(group)多维度特征数据采用如表1所示的十二个参数。

表1 用来描述组(group)多维度特征数据的十二个参数

另外，值得注意的是，当连续电流过程发生时，其静止卫星观测到的云顶光斑会持续发亮并超过5帧，但地基探测到的辐射源仅有一次，因此，在进行闪电三维辐射源特征参量反演需要剔除连续电流过程的同步数据。其中连续电流过程的判断为如果在相同位置至少五个连续帧中检测到光辐射，则认为该闪电具有连续电流。

步骤2，将步骤1中地基/卫星同步观测数据集数据按7:3的比例分为训练集和验证集，基于机器学习算法，在训练集中训练，并通过验证集检验，检验评估指标采用均误差平方根（RMSE），选择均误差平方根最低的模型作为最终的闪电三维辐射源位置反演模型。

目前，在机器学习中，Boosting 算法是应用比较广泛的，该算法是集成多个效果一般的弱学习器，来获得效果较好的强学习器。其中，XGBoost算法（该方法也称为极度梯度提升树）对损失函数进行了优化，通过不断迭代生成新的决策树，每棵树都是基于上一颗树和目标值的残差来进行学习，迭代之后将每棵树进行集成。XGBoost算法在针对分类和回归等问题方面表现优异，且运行效率高。

步骤3，将和模型训练中采用的特征量对应的静止卫星新数据输入到步骤2所得的闪电三维辐射源位置反演模型中，得到闪电三维辐射源位置。

在采用静止卫星数据对辐射源三维定位中最大的问题是对辐射源高度的反演，因此在本实施例中对模型预测的高度和根据地基定位获取的高度进行了对比，对比结果如图2所示，从图2中可以看出，模型预测的高度和根据地基定位获取的高度误差中位数为0.82km，满足了从二维光斑图像到三维辐射源位置的更高精度的反演。

以上实施例仅为本发明的示例性实施例，不用于限制本发明。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。