一种云和气溶胶的多尺度分类方法及计算机可读介质 专利技术说明

测量装置的制造及其应用技术1.本发明属于大气激光雷达技术领域，尤其涉及一种云和气溶胶的多尺度分类方法及计算机可读介质。背景技术：2.气溶胶和云是大气的重要组成部分。研究表明，云和气溶胶在局部气象和全球气候变化中扮演着重要的角色，其与水文循环和辐射传输间有着不可分割的联系，因此，了解大气气溶胶和云垂直分布的精确测量和垂直方向上目标的精确分类，对于评估大气对气候变化的影响至关重要。而云和气溶胶分类可以精确得到大气中云和气溶胶的垂直分布及类型的定量信息，对于全球的云和气溶胶的研究具有重要意义。3.常用的被动探测手段只能获取大气水平空间上的光学特性，无法获取垂直类型的分布数据。目前，激光雷达是云和气溶胶三维探测的主要工具之一。地基激光雷达可以长时间对局部地区上空的云和气溶胶进行持续观测，比如美国国家航空航天局(nasa)组建的微脉冲激光雷达网(mplnet)。地基激光雷达的高时间分辨观测，为增进人们对云和气溶胶层在小时、日尺度上的宏观物理特性的理解起到了重要作用，但其站点的空间覆盖范围有限。而星载激光雷达如calipso等，可以实现全球覆盖，是观测大空间范围、长时间观测大气状况的有效手段。然而，目前calipso的官方分类算法仍存在一定的误分类现象，尤其是对于边界层的混叠层次。因此，亟需发展更加稳健可靠的算法，实现基于星载激光雷达探测的高精度层次分类。4.目前，基于星载激光雷达的特征层次分类方法主要分为：云和气溶胶分类算法、云相态分类算法和气溶胶子类型识别算法。5.云和气溶胶分类算法是根据云和气溶胶层次在物理、光学属性上的差异将层次区分为云层或气溶胶层。最新版本的云和气溶胶分类算法中，使用平均衰减后向散射系数、衰减总色比、体退偏比、层次中心高度、层次所在纬度构建气溶胶-云的五维联合密度函数；考虑到五维概率密度函数的复杂性以及云和气溶胶属性在不同物理区间的依赖性，官方构建的最新版本算法中，在各个不同的体退偏比、层次中心高度、层次纬度划分区间，构建关于衰减总色比和层积分衰减后向散射的二维高斯分布函数，实现云和气溶胶的分类。6.云相态分类算法是指将分类为云的特征层次区分为水云、随机朝向粒子的冰云、水平朝向粒子的冰云以及未知相态云。该算法也进行多个版本迭代，在最新的版本中提供了完善的云相态分类机制：首先根据星载激光雷达一定波段的层积分衰减后向散射系数和体退偏比的二维空间分布图，构建两条二维线性阈值，将云层初步分类为水云、随机朝向粒子的冰云以及水平朝向粒子的冰云，然后根据层质心温度、卫星视角、空间相关性等统计阈值设定决策树，对云相态进行更精细的分类。最终将云层分为四类：水云、随机朝向粒子的冰云、水平朝向粒子的冰云以及未知相态云(即未能可靠分类为前三种类型的云)。7.气溶胶子类型识别算法是根据不同类型气溶胶的物理、化学属性差异，将气溶胶区分为不同的子类别。最新版本的气溶胶子类型识别算法分别对对流层、平流层气溶胶进行分类。计算当前特征层次的粒子体退偏比、层积分衰减后向散射系数、层顶(底)高、衰减总色比、层中心温度等属性，并结合纬度、月份、地表类型信息按照统计的阈值设定决策树，对对流层和平流层内的气溶胶进行分类。8.以往的激光雷达信号特征层次分类算法大多是以特征层次为基本单位，在分类过程中不考虑混叠层次的影响，导致出现误分类现象。具体而言：9.云和气溶胶分类算法是以整个特征层次为基本单位，计算特征层次的五种属性，基于概率密度函数模型计算当前特征层次属于云或者气溶胶的概率，并计算置信度；云相态分类算法以整个特征层次为基本单位，计算当前特征层次的基本属性，按照已经构建的层积分衰减后向散射系数和体退偏比的线性阈值进行初步划分，再根据当前特征层次的其他属性进行更加精细的分类；气溶胶子类型分类算法同样以整个特征层次为基本单位，计算当前特征层次的粒子体退偏比、层积分衰减后向散射系数、层顶(底)高、层衰减总色比、层中心温度等属性，实现对流层和平流层内气溶胶的分类。10.以往的分类算法均存在一定的不足。首先，由于吸收和反射作用，激光雷达信号在穿透特征层次时发生衰减，因此需要计算每一个特征层次的透过率，并对发生衰减的信号进行衰减校正，但是由于分类算法是以特征层次为基本分类单位，衰减校正时不考虑特征层次内部的信号衰减影响，只对当前特征层次下方的信号进行衰减校正。其次，由于层次检测算法将混叠层次识别为单一层次，而分类的结果只存在一种，因此对于复杂的混叠层次而言，分类算法存在明显的误分类现象。11.为了更精确地对激光雷达信息检测到的特征层次进行分类，本专利提出了一种多尺度分类算法。算法基于多尺度的思想，不再以特征层次为基本单位，因此在衰减校正时不仅需要对当前特征层次下方的信号进行衰减校正，还需要对当前特征层次进行衰减校正，衰减程度从层顶到层底逐渐变大，需要对每个信号点进行分别校正。其次多尺度分类算法将特征层次按照信噪比的大小划分成不同的尺度，计算不同尺度下特征层次的光学、物理属性，将不同尺度下的检测结果与分类算法结合即可得到最终的分类结果。多尺度分类算法考虑到层次内部的空间相关性，使得对混叠层次的高精度分类成为可能，有效弥补当前分类算法中对于混叠层次的误分类现象。技术实现要素：12.为了解决上述技术问题，本发明提出了一种云和气溶胶的多尺度分类方法及计算机可读介质。13.本发明方法的技术方案为一种云和气溶胶的多尺度分类方法，具体步骤如下：14.步骤1：获取多个星载激光雷达位置多个海拔位置的雷达信号水平分量、多个星载激光雷达位置多个海拔位置的雷达信号垂直分量，根据每个星载激光雷达位置每个海拔位置的水平分量、垂直分量计算每个星载激光雷达位置每个海拔位置的雷达信号强度，获取每个星载激光雷达位置每个海拔位置的大气分子的衰减后向散射系数，通过获取每个星载激光雷达位置每个海拔位置的总衰减后向散射系数和大气分子的衰减后向散射系数计算每个星载激光雷达位置每个海拔位置的衰减散射比，根据每个星载激光雷达位置每个海拔位置的衰减散射比通过层次检测算法进行特征层次的检测得到每个星载激光雷达位置上的多段特征层次，即多段具有连续海拔位置的信号点集合；15.步骤2：结合步骤1所述的每个星载激光雷达位置每个特征层次海拔位置的衰减散射比，计算每个星载激光雷达位置每个特征层次的双向透过率，根据每个星载激光雷达位置每个特征层次的双向透过率分别对每个星载激光雷达位置每个特征层次海拔位置和低于当前特征层次海拔位置的水平分量、垂直分量进行校正，得到每个星载激光雷达位置每个海拔位置校正后的水平分量、校正后的垂直分量，根据每个星载激光雷达位置每个海拔位置校正后的水平分量、校正后的垂直分量计算每个星载激光雷达位置每个海拔位置校正后的雷达信号强度，即校正后的总衰减后向散射系数；16.步骤3：计算每个星载激光雷达位置上每个特征层次海拔位置的雷达信号信噪比，通过多尺度模型进行多尺度窗口的划分得到所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口，并记录尺度窗口编号；17.步骤4：结合所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口，计算每种尺度窗口的平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度、平均纬度；18.步骤5：重复执行步骤1-4多次，得到多个星载激光雷达轨迹上的每个星载激光雷达位置上每个特征层次的海拔位置上每种尺度窗口的平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度、平均纬度五个参数的数据集，通过calipso官方场景分类算法得到训练后的云和气溶胶分类模型；19.步骤6：实时采集星载激光雷达一定波段接收的水平分量、垂直分量信号和星载激光雷达1064nm波段接收的信号，通过执行步骤1-4依次计算得到未知类型特征层次的每种尺度窗口的平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度、平均纬度，输入至步骤5训练后得到的云和气溶胶分类模型得到未知类型特征层次的每种尺度窗口的分类结果，若未知类型特征层次所在的尺度窗口的分类结果为云类型，根据平均衰减后向散射系数、体退偏比、平均海拔高度数据通过calipso官方云相态分类方法对云的相态进行细致分类，得到水云、随机朝向冰晶、水平朝向平板状冰晶的云相态分类结果；若未知类型特征层次所在的尺度窗口的分类结果为气溶胶类型，根据平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度数据，通过calipso官方气溶胶子类型分类方法，根据气溶胶吸收性和粒径大小对气溶胶子类型进行细致分类，得到包括沙尘气溶胶、烟尘气溶胶、海洋气溶胶、陆地气溶胶、污染型气溶胶、火山灰气溶胶、硫酸盐在内的气溶胶子类型分类结果。20.作为优选，步骤1所述计算每个星载激光雷达位置每个海拔位置的雷达信号强度，即总衰减后向散射系数，具体如下：21.β′total,n(k)＝β′⊥,n(k)+β′||,n(k)[0022][0023][0024]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[1,k]，k代表星载激光雷达一个位置处进行扫描得到的信号点的数量；β′total,n(k)代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的衰减后向散射系数；β′||,n(k)、β′⊥,n(k)分别代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的雷达信号的水平分量、垂直分量；βm,||,n(k)、βm,⊥,n(k)分别代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的后向散射系数的水平分量、垂直分量；βp,||,n(k)、βp,⊥,n(k)分别代表处于第n个位置的处于第k个信号点的海拔高度处的粒子后向散射系数的水平分量、垂直分量；代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的双向透过率；代表处于第n个位置的处于第k个信号点的海拔高度处的臭氧的双向透过率；代表处于第n个位置的处于第k个信号点的海拔高度处的粒子的双向透过率。[0025]步骤1所述计算每个星载激光雷达位置每个海拔位置的大气分子的衰减后向散射系数，具体如下：[0026][0027]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[1,k]，k代表星载激光雷达一个位置处进行扫描得到的信号点的数量；β′air,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的衰减后向散射系数；βm,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的后向散射系数；代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的双向透过率；代表处于第n个位置的处于第k个信号点的海拔高度处的臭氧的双向透过率。[0028]步骤1所述计算每个星载激光雷达位置每个海拔位置的衰减散射比，具体如下：[0029][0030]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[1,k]，k代表星载激光雷达一个位置处进行扫描得到的信号点的数量；r′n(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的衰减散射比；β′total,n(k)代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的衰减后向散射系数；β′air,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的衰减后向散射系数。[0031]步骤1所述根据每个星载激光雷达位置每个海拔位置的衰减散射比通过层次检测算法进行特征层次的检测得到每个星载激光雷达位置上的多段特征层次，即多段具有连续海拔位置的信号点集合，具体如下：[0032]使用现有公开的层次检测算法，通过相邻的多个星载激光雷达位置多个相邻的海拔高度的信号点的衰减散射比数据根据伯努利分布原理计算信号点属于清洁大气的概率，若相邻的多个星载激光雷达位置多个相邻的海拔高度的信号点集合属于清洁大气的概率小于概率阈值时，则将这些信号点所在的星载激光雷达上对应的海拔位置标记为特征层次。在每个星载激光雷达位置多个海拔位置中筛选出符合特征层次的海拔位置，对所有具有连续海拔位置的特征层次依次编号，h＝1,2,3,…,h，并记录每个特征层次的顶部和底部的海拔位置和信号点编号，进而实现星载激光雷达一条完整轨迹内所有特征层次的检测与定位。[0033]作为优选，步骤2所述计算每个星载激光雷达位置每个特征层次所处海拔位置的双向透过率，具体如下：[0034][0035][0036][0037]bn(k)＝βm,n(k)·r′n(k)[0038]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；h代表星载激光雷达一个位置上检测出来的特征层次的编号，h＝1,2,3,…,h，h代表星载激光雷达一个位置上检测出的特征层次的数量，不同星载激光雷达位置上的特征层次数量不一定相同；tlayer,n,h代表星载激光雷达处于第n个位置的第h个特征层次的单向透过率；代表星载激光雷达处于第n个位置的第h个特征层次的双向透过率；代表星载激光雷达处于第n个位置的第h个特征层次单向透过率的估计值；代表星载激光雷达处于第n个位置的第h个特征层次双向透过率的估计值；代表星载激光雷达处于第n个位置的第h个特征层次的海拔高度下方最小清洁大气距离内的衰减散射比均值；γ′n,h代表星载激光雷达处于第n个位置的第h个特征层次的激光雷达层积分衰减后向散射系数；s代表经验激光雷达比；mh,t、mh,b分别代表星载激光雷达处于第n个位置的第h个特征层次的层顶、层底信号点的编号；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[mh,t,mh,b]；zk代表第k个信号点的海拔高度；zk-1代表第k-1个信号点的海拔高度；代表第mh,t个信号点的海拔高度；代表第mh,b个信号点的海拔高度；bn(k)、bn(k-1)分别代表星载激光雷达处于第n个位置的第k、k-1个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达一定波段的衰减后向散射系数；bn(mh,t)、bn(mh,b)分别代表星载激光雷达处于第n个位置的第mh,t、mh,b个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达一定波段的衰减后向散射系数；βm,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的后向散射系数；r′n(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的衰减散射比。[0039]步骤2所述计算每个每个星载激光雷达位置每个特征层次内部每个海拔位置的双向透过率，具体如下：[0040][0041]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；h代表星载激光雷达一个位置上检测出来的特征层次的编号，h＝1,2,3,…,h，h代表星载激光雷达一个位置上检测出的特征层次的数量，不同星载激光雷达位置上的特征层次数量不一定相同；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致；mh,t、mh,b分别代表星载激光雷达处于第n个位置的第h个特征层次的层顶、层底信号点的编号；tlayer,n,h(k)代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的单向透过率，k∈[mh,t,mh,b]；代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的双向透过率，k∈[mh,t,mh,b]；tlayer,n,h代表星载激光雷达处于第n个位置的第h个特征层次的单向透过率；代表星载激光雷达处于第n个位置的第h个特征层次的双向透过率；[0042]步骤2所述分别对每个星载激光雷达位置每个特征层次海拔位置和低于当前特征层次的每个海拔位置的水平分量、垂直分量进行校正，并计算计算每个星载激光雷达位置每个海拔位置校正后的雷达信号强度，即校正后的总衰减后向散射系数，具体如下：[0043][0044][0045][0046][0047][0048]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；h代表星载激光雷达一个位置上检测出来的特征层次的编号，h＝1,2,3,…,h，h代表星载激光雷达一个位置上检测出的特征层次的数量，不同星载激光雷达位置上的特征层次数量不一定相同；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致；k代表星载激光雷达一个位置处进行扫描得到的信号点的数量；代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的校正过的特征层次衰减影响的总衰减后向散射系数；信号点的海拔高度处的校正过的特征层次衰减影响的总衰减后向散射系数；分别代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的校正了特征层次衰减影响的雷达信号的水平分量、垂直分量；mh,t、mh,b分别代表星载激光雷达处于第n个位置的第h个特征层次的层顶、层底信号点的编号；tlayer,n,h(k)代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的单向透过率，k∈[mh,t,mh,b]；代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的双向透过率，k∈[mh,t,mh,b]；tlayer,n,h代表星载激光雷达处于第n个位置的第h个特征层次的单向透过率；代表星载激光雷达处于第n个位置的第h个特征层次的双向透过率；β′||,n(k)、β′⊥,n(k)分别代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的雷达信号的水平分量、垂直分量。[0049]作为优选，步骤3所述计算每个星载激光雷达位置上每个特征层次海拔位置的雷达信号信噪比，具体如下：[0050][0051][0052]其中，l代表参与计算每个星载激光雷达位置每个海拔位置的雷达信号信噪比所使用的星载激光雷达位置的数量；n、i代表星载激光雷达位置的编号，i∈[n-l/2,n+l/2]，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；snrn(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的雷达信号信噪比；代表星载激光雷达一定波段通道接收的处于第i个位置的处于第k个信号点的海拔高度处的校正了特征层次衰减影响的总衰减后向散射系数；μn(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的l个星载激光雷达位置的校正了特征层次衰减影响的衰减后向散射系数的均值。[0053]步骤3所述通过多尺度模型进行多尺度窗口的划分得到所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口，具体如下：[0054]设定尺度窗口的数量为w个；[0055]设定尺度窗口的大小为1×1、2×2、3×3…、w×w，即相邻的w个星载激光雷达位置上的相邻的w个信号点的海拔位置组成的窗口；[0056]步骤3.1：使用每个星载激光雷达位置上每个特征层次海拔位置的雷达信号信噪比数据筛选出满足尺度判定条件snrn(k)≥tthreshold的信号点，并标记为尺度1，同时对信号点进行尺度编号s＝1,2,3,…,q1，已经被标记的信号点不参与后续的计算以及尺度划分；[0057]步骤3.2：使用上一个尺度的相邻的每两个星载激光雷达位置上相邻的每两个海拔位置的雷达信号信噪比，计算更新后的信噪比，具体如下：[0058][0059]其中，m代表新的多尺度窗口下尚未被标记的信号点的总个数；w代表新的多尺度窗口大小，即w×w；n、i代表星载激光雷达位置的编号，i∈[n,n+w]，n∈[1,n]，n代表一条完整轨迹中星载激光雷达所在不同位置的数量；j、k代表序号，代表第j、k个信号点，k∈[1,k]，k代表星载激光雷达一个位置处进行扫描得到的信号点的数量，i∈[k,k+w]；snri(j)代表处于第i个星载激光雷达位置的处于第j个信号点的海拔高度处的信噪比；snrupdate,n(k)代表代表处于第n个星载激光雷达位置的处于第k个信号点的海拔高度处的使用相邻的个星载激光雷达位置上相邻的海拔位置计算更新的雷达信号信噪比。[0060]步骤3.3：使用更新后的信噪比数据筛选出满足尺度判定条件snrupdate,n(k)≥tthreshold的信号点，并标记尺度为2，将信号点进行尺度编号s＝q1+1,q1+2,q1+3,…,q2，已经被标记的信号点不参与后续的计算以及尺度划分；[0061]步骤3.4：重复上述步骤3.2-3.3完成信噪比数据的更新和尺度的划分，将所有未被标记的信号点标记为最后一个尺度，完成所有星载激光雷达位置上每个特征层次的海拔位置的雷达信号点的尺度划分，得到所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口；[0062]步骤3所述记录尺度窗口编号具体如下：[0063]s＝1,2,3,…,q1,…,q2,…,q3,…,qw。[0064]作为优选，步骤4所述计算每种尺度窗口的平均衰减后向散射系数，具体如下：[0065]所述每种尺度窗口的编号为：[0066]s＝1,2,3,…,q1,…,q2,…,q3,…,qw[0067][0068]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小；ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；m代表尺度编号为s的信号点的总数目；代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的校正了特征层次衰减影响的衰减后向散射系数；代表尺度编号为s的平均衰减后向散射系数。[0069]步骤4所述计算每种尺度窗口的体退偏比，具体如下：[0070][0071]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小，ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；代表星载激光雷达一定波段通道接收的处于第i个位置的处于第j个信号点的海拔高度处的校正了特征层次衰减影响的雷达信号的水平分量、垂直分量；δs代表尺度编号为s的体退偏比。[0072]步骤4所述计算每种尺度窗口的衰减总色比，具体如下：[0073][0074][0075]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小；ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，i代表星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；bi(j)代表星载激光雷达处于第i个位置的第j个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达一定波段通道的衰减后向散射系数；b-1064n(k)代表星载激光雷达处于第n个位置的第k个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达1064nm波段通道的衰减后向散射系数；β-1064m,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的大气分子的后向散射系数，m代表大气分子；β-1064p,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的粒子的后向散射系数，p代表粒子；t-1064p,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的粒子的单向透过率，p代表粒子；代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的粒子的双向透过率，p代表粒子；χs代表尺度编号为s的衰减总色比。[0076]步骤4所述计算每种尺度窗口的平均海拔高度，具体如下：[0077][0078]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小,ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；m代表尺度编号为s的信号点的总数目；zj代表第j个信号点的海拔高度；代表尺度编号为s的平均海拔高度。[0079]步骤4所述计算每种尺度窗口的平均纬度，具体如下：[0080][0081]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小,ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；m代表尺度编号为s的信号点的总数目,lati代表第i个星载激光雷达位置的纬度；lats代表尺度编号为s的平均纬度；[0082]本发明还提供了一种计算机可读介质，所述计算机可读介质存储电子设备执行的计算机程序，当所述计算机程序在电子设备上运行时，使得所述黑启动电源优化布点的供电方法的步骤。[0083]本发明具有如下优点：本算法基于多尺度算法思想，认为星载激光雷达信号中的特征层次可以进行拆分，不再以整个特征层次为分类单位，因此在衰减校正时不仅可以对当前特征层次下方的衰减信号进行校正，还可以校正当前特征层次内部的衰减信号，最后迭代计算校正所有因为特征层次的存在而发生衰减的信号。基于信噪比数据对特征层次进行多尺度划分，将多尺度划分结果结合到云和气溶胶分类及其子类型区分算法中，与现有分类算法相比，多尺度分类算法充分考虑到特征层次内部的空间相关性，使得对混叠层次的高精度分类成为可能，可以有效弥补当前分类算法中对于混叠层次的误分类现象。附图说明[0084]图1：本发明实施例的方法流程图；[0085]图2：本发明实施例的迭代衰减校正流程图；[0086]图3：本发明实施例的迭代衰减校正的前后对比图；[0087]图4：本发明实施例的多尺度划分示意图；[0088]图5：本发明实施例的星载激光雷达数据经过多尺度窗口划分的结果图；[0089]图6：本发明实施例的基于云和气溶胶多尺度分类方法的云和气溶胶分类结果图；[0090]图7：本发明实施例的分类的结果对比图。具体实施方式[0091]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0092]具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。[0093]下面结合图1-7介绍本发明实施例方法的技术方案为一种云和气溶胶的多尺度分类方法，具体如下：[0094]本发明方法的流程图如图1所示。[0095]步骤1：获取多个星载激光雷达位置多个海拔位置的雷达信号水平分量、多个星载激光雷达位置多个海拔位置的雷达信号垂直分量，根据每个星载激光雷达位置每个海拔位置的水平分量、垂直分量计算每个星载激光雷达位置每个海拔位置的雷达信号强度，获取每个星载激光雷达位置每个海拔位置的大气分子的衰减后向散射系数，通过获取每个星载激光雷达位置每个海拔位置的总衰减后向散射系数和大气分子的衰减后向散射系数计算每个星载激光雷达位置每个海拔位置的衰减散射比，根据每个星载激光雷达位置每个海拔位置的衰减散射比通过层次检测算法进行特征层次的检测得到每个星载激光雷达位置上的多段特征层次，即多段具有连续海拔位置的信号点集合。[0096]步骤1所述计算每个星载激光雷达位置每个海拔位置的雷达信号强度，即总衰减后向散射系数，具体如下：[0097]β′total,n(k)＝β′⊥,n(k)+β′||,n(k)[0098][0099][0100]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[1,k]，k＝1291代表星载激光雷达一个位置处进行扫描得到的信号点的数量；β′total,n(k)代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的衰减后向散射系数；β′||,n(k)、β′⊥,n(k)分别代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的雷达信号的水平分量、垂直分量；βm,||,n(k)、βm,⊥,n(k)分别代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的后向散射系数的水平分量、垂直分量；βp,||,n(k)、βp,⊥,n(k)分别代表处于第n个位置的处于第k个信号点的海拔高度处的粒子后向散射系数的水平分量、垂直分量；代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的双向透过率；代表处于第n个位置的处于第k个信号点的海拔高度处的臭氧的双向透过率；代表处于第n个位置的处于第k个信号点的海拔高度处的粒子的双向透过率。[0101]步骤1所述计算每个星载激光雷达位置每个海拔位置的大气分子的衰减后向散射系数，具体如下：[0102][0103]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[1,k]，k＝1291代表星载激光雷达一个位置处进行扫描得到的信号点的数量；β′air,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的衰减后向散射系数；βm,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的后向散射系数；代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的双向透过率；代表处于第n个位置的处于第k个信号点的海拔高度处的臭氧的双向透过率。[0104]步骤1所述计算每个星载激光雷达位置每个海拔位置的衰减散射比，具体如下：[0105][0106]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[1,k]，k＝1291代表星载激光雷达一个位置处进行扫描得到的信号点的数量；r′n(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的衰减散射比；β′total,n(k)代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的衰减后向散射系数；β′air,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的衰减后向散射系数。[0107]步骤1所述根据每个星载激光雷达位置每个海拔位置的衰减散射比通过层次检测算法进行特征层次的检测得到每个星载激光雷达位置上的多段特征层次，即多段具有连续海拔位置的信号点集合，具体如下：[0108]使用现有公开的层次检测算法，例如一种简单多尺度层次检测算法，通过相邻的多个星载激光雷达位置多个相邻的海拔高度的信号点的衰减散射比数据根据伯努利分布原理计算信号点属于清洁大气的概率，若相邻的多个星载激光雷达位置多个相邻的海拔高度的信号点集合属于清洁大气的概率小于0.01时，则将这些信号点所在的星载激光雷达上对应的海拔位置标记为特征层次。在每个星载激光雷达位置多个海拔位置中筛选出符合特征层次的海拔位置，对所有具有连续海拔位置的特征层次依次编号，h＝1,2,3,…,h，并记录每个特征层次的顶部和底部的海拔位置和信号点编号，进而实现星载激光雷达一条完整轨迹内所有特征层次的检测与定位。[0109]步骤2所述迭代衰减校正流程图如图2所示。[0110]步骤2所述一个星载激光雷达位置上获取的多个海拔位置的激光雷达信号经过迭代衰减校正的前后对比如图3所示，图3(a)表示未经过迭代衰减校正的激光雷达信号，图3(b)表示经过了迭代衰减校正的激光雷达信号。[0111]步骤2：结合步骤1所述的每个星载激光雷达位置每个特征层次海拔位置的衰减散射比，计算每个星载激光雷达位置每个特征层次的双向透过率，根据每个星载激光雷达位置每个特征层次的双向透过率分别对每个星载激光雷达位置每个特征层次海拔位置和低于当前特征层次海拔位置的水平分量、垂直分量进行校正，得到每个星载激光雷达位置每个海拔位置校正后的水平分量、校正后的垂直分量，根据每个星载激光雷达位置每个海拔位置校正后的水平分量、校正后的垂直分量计算每个星载激光雷达位置每个海拔位置校正后的雷达信号强度，即校正后的总衰减后向散射系数；[0112]步骤2所述计算每个星载激光雷达位置每个特征层次所处海拔位置的双向透过率，具体如下：[0113][0114][0115][0116]bn(k)＝βm,n(k)·r′n(k)[0117]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；h代表星载激光雷达一个位置上检测出来的特征层次的编号，h＝1,2,3,…,h，h代表星载激光雷达一个位置上检测出的特征层次的数量，不同星载激光雷达位置上的特征层次数量不一定相同；tlayer,n,h代表星载激光雷达处于第n个位置的第h个特征层次的单向透过率；代表星载激光雷达处于第n个位置的第h个特征层次的双向透过率；代表星载激光雷达处于第n个位置的第h个特征层次单向透过率的估计值；代表星载激光雷达处于第n个位置的第h个特征层次双向透过率的估计值；代表星载激光雷达处于第n个位置的第h个特征层次的海拔高度下方最小清洁大气距离内的衰减散射比均值；γ′n,h代表星载激光雷达处于第n个位置的第h个特征层次的激光雷达层积分衰减后向散射系数；s代表经验激光雷达比；mh,t、mh,b分别代表星载激光雷达处于第n个位置的第h个特征层次的层顶、层底信号点的编号；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致，k∈[mh,t,mh,b]；zk代表第k个信号点的海拔高度；zk-1代表第k-1个信号点的海拔高度；代表第mh,t个信号点的海拔高度；代表第mh,b个信号点的海拔高度；bn(k)、bn(k-1)分别代表星载激光雷达处于第n个位置的第k、k-1个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达一定波段的衰减后向散射系数；bn(mh,t)、bn(mh,b)分别代表星载激光雷达处于第n个位置的第mh,t、mh,b个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达一定波段的衰减后向散射系数；βm,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的大气分子的后向散射系数；r′n(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的衰减散射比。[0118]步骤2所述计算每个每个星载激光雷达位置每个特征层次内部每个海拔位置的双向透过率，具体如下：[0119][0120]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；h代表星载激光雷达一个位置上检测出来的特征层次的编号，h＝1,2,3,…,h，h代表星载激光雷达一个位置上检测出的特征层次的数量，不同星载激光雷达位置上的特征层次数量不一定相同；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致；mh,t、mh,b分别代表星载激光雷达处于第n个位置的第h个特征层次的层顶、层底信号点的编号；tlayer,n,h(k)代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的单向透过率，k∈[mh,t,mh,b]；代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的双向透过率，k∈[mh,t,mh,b]；tlayer,n,h代表星载激光雷达处于第n个位置的第h个特征层次的单向透过率；代表星载激光雷达处于第n个位置的第h个特征层次的双向透过率；[0121]步骤2所述分别对每个星载激光雷达位置每个特征层次海拔位置和低于当前特征层次的每个海拔位置的水平分量、垂直分量进行校正，并计算计算每个星载激光雷达位置每个海拔位置校正后的雷达信号强度，即校正后的总衰减后向散射系数，具体如下：[0122][0123][0124][0125][0126][0127]其中，n代表星载激光雷达的位置编号，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；h代表星载激光雷达一个位置上检测出来的特征层次的编号，h＝1,2,3,…,h，h代表星载激光雷达一个位置上检测出的特征层次的数量，不同星载激光雷达位置上的特征层次数量不一定相同；k为序号，代表第k个信号点，星载激光雷达不同位置处的第k个信号点表示的海拔高度一致；k＝1291代表星载激光雷达一个位置处进行扫描得到的信号点的数量；代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的校正过的特征层次衰减影响的总衰减后向散射系数；分别代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的校正了特征层次衰减影响的雷达信号的水平分量、垂直分量；mh,t、mh,b分别代表星载激光雷达处于第n个位置的第h个特征层次的层顶、层底信号点的编号；tlayer,n,h(k)代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的单向透过率，k∈[mh,t,mh,b]；代表星载激光雷达处于第n个位置的第h个特征层次内部序号为k的信号点的双向透过率，k∈[mh,t,mh,b]；tlayer,n,h代表星载激光雷达处于第n个位置的第h个特征层次的单向透过率；代表星载激光雷达处于第n个位置的第h个特征层次的双向透过率；β′||,n(k)、β′⊥,n(k)分别代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的雷达信号的水平分量、垂直分量。[0128]步骤3所述基于激光雷达信号实现多种尺度窗口划分的示意图如图4所示。图3中从左到右依次为多尺度算法中尺度1、尺度2、尺度3和尺度4的划分结果，每个表格表示激光雷达信号中检测为特征层次的信号，其中黑色网格线表示当前的尺度窗口大小，深灰色表格表示当前尺度下满足条件的信号点，浅灰色表格表示尚未被划分尺度的信号点，白色表格表示已经进行了尺度划分的信号点。[0129]步骤3所述使用激光雷达信号实现多尺度窗口划分的结果如图5所示，图5(a)表示星载激光雷达接收的总衰减后向散射系数，图5(b)表示多尺度窗口划分的结果；[0130]步骤3：计算每个星载激光雷达位置上每个特征层次海拔位置的雷达信号信噪比，通过多尺度模型进行多尺度窗口的划分得到所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口，并记录尺度窗口编号：[0131]步骤3所述计算每个星载激光雷达位置上每个特征层次海拔位置的雷达信号信噪比，具体如下：[0132][0133][0134]其中，l代表参与计算每个星载激光雷达位置每个海拔位置的雷达信号信噪比所使用的星载激光雷达位置的数量；n、i代表星载激光雷达位置的编号，i∈[n-l/2,n+l/2]，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；snrn(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的雷达信号信噪比；代表星载激光雷达一定波段通道接收的处于第i个位置的处于第k个信号点的海拔高度处的校正了特征层次衰减影响的总衰减后向散射系数；μn(k)代表星载激光雷达处于第n个位置的处于第k个信号点的海拔高度处的l个星载激光雷达位置的校正了特征层次衰减影响的衰减后向散射系数的均值。[0135]步骤3所述通过多尺度模型进行多尺度窗口的划分得到所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口，具体如下：[0136]设定尺度窗口的数量为w个；[0137]设定尺度窗口的大小为1×1、2×2、3×3…、w×w，即相邻的w个星载激光雷达位置上的相邻的w个信号点的海拔位置组成的窗口；[0138]步骤3.1：使用每个星载激光雷达位置上每个特征层次海拔位置的雷达信号信噪比数据筛选出满足尺度判定条件snrn(k)≥tthreshold的信号点，并标记为尺度1，同时对信号点进行尺度编号s＝1,2,3,…,q1，已经被标记的信号点不参与后续的计算以及尺度划分；[0139]步骤3.2：使用上一个尺度的相邻的每两个星载激光雷达位置上相邻的每两个海拔位置的雷达信号信噪比，计算更新后的信噪比，具体如下：[0140][0141]其中，m代表新的多尺度窗口下尚未被标记的信号点的总个数；w代表新的多尺度窗口大小，即w×w；n、i代表星载激光雷达位置的编号，i∈[n,n+w]，n∈[1,n]，n＝3936代表一条完整轨迹中星载激光雷达所在不同位置的数量；j、k代表序号，代表第j、k个信号点，k∈[1,k]，k＝1291代表星载激光雷达一个位置处进行扫描得到的信号点的数量，i∈[k,k+w]；snri(j)代表处于第i个星载激光雷达位置的处于第j个信号点的海拔高度处的信噪比；snrupdate,n(k)代表代表处于第n个星载激光雷达位置的处于第k个信号点的海拔高度处的使用相邻的个星载激光雷达位置上相邻的海拔位置计算更新的雷达信号信噪比。[0142]步骤3.3：使用更新后的信噪比数据筛选出满足尺度判定条件snrupdate,n(k)≥tthreshold的信号点，并标记尺度为2，将信号点进行尺度编号s＝q1+1,q1+2,q1+3,…,q2，已经被标记的信号点不参与后续的计算以及尺度划分；[0143]步骤3.4：重复上述步骤3.2-3.3完成信噪比数据的更新和尺度的划分，将所有未被标记的信号点标记为最后一个尺度，完成所有星载激光雷达位置上每个特征层次的海拔位置的雷达信号点的尺度划分，得到所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口；[0144]步骤3所述记录尺度窗口编号具体如下：[0145]s＝1,2,3,…,q1,…,q2,…,q3,…,qw。[0146]步骤4：结合所有星载激光雷达位置上每个特征层次的海拔位置上划分的多种尺度窗口，计算每种尺度窗口的平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度、平均纬度；[0147]步骤4所述计算每种尺度窗口的平均衰减后向散射系数，具体如下：[0148]所述每种尺度窗口的编号为：[0149]s＝1,2,3,…,q1,…,q2,…,q3,…,qw[0150][0151]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小；ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；m代表尺度编号为s的信号点的总数目；代表星载激光雷达一定波段通道接收的处于第n个位置的处于第k个信号点的海拔高度处的校正了特征层次衰减影响的衰减后向散射系数；代表尺度编号为s的平均衰减后向散射系数。[0152]步骤4所述计算每种尺度窗口的体退偏比，具体如下：[0153][0154]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小，ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；代表星载激光雷达一定波段通道接收的处于第i个位置的处于第j个信号点的海拔高度处的校正了特征层次衰减影响的雷达信号的水平分量、垂直分量；δs代表尺度编号为s的体退偏比。[0155]步骤4所述计算每种尺度窗口的衰减总色比，具体如下：[0156][0157][0158]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小；ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，i代表星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；bi(j)代表星载激光雷达处于第i个位置的第j个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达一定波段通道的衰减后向散射系数；b_1064n(k)代表星载激光雷达处于第n个位置的第k个信号点的海拔高度处的校正了大气分子和臭氧双向透过率影响的星载激光雷达1064nm波段通道的衰减后向散射系数；β_1064m,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的大气分子的后向散射系数，m代表大气分子；β_1064p,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的粒子的后向散射系数，p代表粒子；t_1064p,n(k)代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的粒子的单向透过率，p代表粒子；代表处于第n个位置的处于第k个信号点的海拔高度处的1064nm波段的粒子的双向透过率，p代表粒子；χs代表尺度编号为s的衰减总色比。[0159]步骤4所述计算每种尺度窗口的平均海拔高度，具体如下：[0160][0161]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小,ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；m代表尺度编号为s的信号点的总数目；zj代表第j个信号点的海拔高度；代表尺度编号为s的平均海拔高度。[0162]步骤4所述计算每种尺度窗口的平均纬度，具体如下：[0163][0164]其中，s代表所有星载激光雷达位置上的所有检测为特征层次的每个海拔位置的雷达信号点经过了多尺度划分的尺度窗口的编号；ws代表编号为s的尺度窗口的大小,ns代表编号为s的尺度窗口所在的星载激光雷达位置的编号，ks代表编号为s的尺度窗口所在海拔高度所对应的信号点序号，i代表星载激光雷达位置的编号，i∈[ns,ns+ws]；j代表序号，代表第j个信号点，j∈[ks,ks+ws]；m代表尺度编号为s的信号点的总数目,lati代表第i个星载激光雷达位置的纬度；代表尺度编号为s的平均纬度；[0165]步骤5：重复执行步骤1-4多次，得到多个星载激光雷达轨迹上的每个星载激光雷达位置上每个特征层次的海拔位置上每种尺度窗口的平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度、平均纬度五个参数的数据集，通过calipso官方场景分类算法得到训练后的云和气溶胶分类模型；[0166]步骤6：实时采集星载激光雷达一定波段接收的水平分量、垂直分量信号和星载激光雷达1064nm波段接收的信号，通过执行步骤1-4依次计算得到未知类型特征层次的每种尺度窗口的平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度、平均纬度，输入至步骤5训练后得到的云和气溶胶分类模型得到未知类型特征层次的每种尺度窗口的分类结果，若未知类型特征层次所在的尺度窗口的分类结果为云类型，根据平均衰减后向散射系数、体退偏比、平均海拔高度数据通过calipso官方云相态分类方法对云的相态进行细致分类，得到水云、随机朝向冰晶、水平朝向平板状冰晶的云相态分类结果；若未知类型特征层次所在的尺度窗口的分类结果为气溶胶类型，根据平均衰减后向散射系数、体退偏比、衰减总色比、平均海拔高度数据，通过calipso官方气溶胶子类型分类方法，根据气溶胶吸收性和粒径大小对气溶胶子类型进行细致分类，得到包括沙尘气溶胶、烟尘气溶胶、海洋气溶胶、陆地气溶胶、污染型气溶胶、火山灰气溶胶、硫酸盐在内的气溶胶子类型分类结果。[0167]图6：使用云和气溶胶多尺度分类方法的云和气溶胶分类结果图；[0168]图7：是使用calipso官方气溶胶子类型区分算法的分类结果和使用多尺度气溶胶子类型分类的结果对比图，图7(a)表示星载激光雷达飞行轨迹，经过阿拉伯半岛南部海洋，周边地区沙漠较多；图7(b)表示calipso官方气溶胶子类型区分算法的分类结果，将当地气溶胶识别为沙尘气溶胶和污染性海洋气溶胶两大类；图7(c)表示多尺度气溶胶子类型区分算法的分类结果，将气溶胶识别为海洋气溶胶、污染型海洋气溶胶、沙尘气溶胶以及污染型沙尘气溶胶，各类气溶胶从下往上依次递进、层次分明，符合当地气溶胶传播情况；[0169]本发明的具体实施例还提供了一种计算机可读介质。[0170]所述计算机可读介质为服务器工作站；[0171]所述服务器工作站存储电子设备执行的计算机程序，当所述计算机程序在电子设备上运行时，使得所述电子设备执行本发明实施例的云和气溶胶的多尺度分类方法的步骤。[0172]应当理解的是，本说明书未详细阐述的部分均属于现有技术。[0173]应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!