4、风场反演：VAD算法、DBS算法与风廓线合成
风场反演是激光测风LiDAR数据处理的核心环节，其目标是从原始径向风速（视线风速）数据中，重建出三维风场信息。本章将重点介绍两种最经典、应用最广泛的反演算法：VAD（速度方位显示）算法和DBS（多波束扫描）算法，并阐述如何通过这两种算法合成最终的风廓线。
4.1 VAD（速度方位显示）算法
VAD算法基于一个基本假设：在扫描的锥体范围内，风场是水平均匀且定常的。LiDAR通过进行PPI（平面位置指示）扫描，即固定仰角、旋转方位角，获取不同方位角上的径向风速数据。
4.1.1 基本原理
在笛卡尔坐标系下，径向风速 \( V_r \) 与水平风速 \( u \)、\( v \) 及垂直风速 \( w \) 的关系为：
\[ V_r(\theta) = u \sin\theta \sin\phi + v \cos\theta \sin\phi + w \cos\phi \]
其中：
- \( \theta \)：方位角（通常以正北为0°，顺时针增加）
- \( \phi \)：仰角（扫描锥体半角）
- \( u \)：东向风速分量
- \( v \)：北向风速分量
- \( w \)：垂直风速分量
对上述公式进行傅里叶级数展开，可以得到：
\[ V_r(\theta) = A_0 + A_1 \cos\theta + B_1 \sin\theta \]
其中：
- \( A_0 = w \cos\phi \) （零阶谐波，代表垂直风速贡献）
- \( A_1 = v \sin\phi \) （一阶余弦系数）
- \( B_1 = u \sin\phi \) （一阶正弦系数）
4.1.2 反演步骤
- 数据采集：在固定距离库（Range Gate）上，获取不同方位角 \( \theta \) 的径向风速 \( V_r \)。
- 谐波拟合：对 \( V_r(\theta) \) 序列进行最小二乘法拟合，求解系数 \( A_0, A_1, B_1 \)。
- 风场计算：
- 水平风速 \( U_h = \frac{\sqrt{A_1^2 + B_1^2}}{\sin\phi} \)
- 水平风向 \( \alpha = \arctan\left(\frac{B_1}{A_1}\right) \) （需根据象限修正）
- 垂直风速 \( w = \frac{A_0}{\cos\phi} \)
4.1.3 优缺点
| 优点 | 缺点 |
|---|---|
| 数据利用率高，所有方位数据参与反演 | 假设风场水平均匀，不适用于复杂地形或锋面系统 |
| 可同时反演水平风和垂直风 | 对数据质量要求高，云、降水或低信噪比区域易产生误差 |
| 算法成熟，计算效率高 | 垂直风速反演精度受仰角影响较大（低仰角时误差放大） |
4.2 DBS（多波束扫描）算法
DBS算法通过发射多个固定方向的波束（通常为3~5个），利用不同方向上的径向风速测量值，直接求解三维风矢量。该算法不依赖风场均匀性假设，更适合于复杂风场环境。
4.2.1 基本原理
典型的DBS配置包含一个垂直波束和四个倾斜波束（东、南、西、北）。假设在测量点附近，风场是均匀的，则每个波束的径向风速方程构成一个线性方程组：
\[ \begin{cases} V_{r,N} = u \sin\phi \sin(0°) + v \cos\phi \cos(0°) + w \cos\phi = v \cos\phi + w \sin\phi \\ V_{r,E} = u \sin\phi \sin(90°) + v \cos\phi \cos(90°) + w \cos\phi = u \sin\phi + w \cos\phi \\ V_{r,S} = u \sin\phi \sin(180°) + v \cos\phi \cos(180°) + w \cos\phi = -v \cos\phi + w \cos\phi \\ V_{r,W} = u \sin\phi \sin(270°) + v \cos\phi \cos(270°) + w \cos\phi = -u \sin\phi + w \cos\phi \\ V_{r,Z} = w \quad (\text{垂直波束，仰角90°}) \end{cases} \]
4.2.2 反演步骤
- 波束选择：选取同一高度层（或同一距离库）上，不同方向的波束数据。
- 方程求解：利用最小二乘法或直接代数法求解上述方程组。
- 水平风分量：\( u = \frac{V_{r,E} - V_{r,W}}{2\sin\phi} \)，\( v = \frac{V_{r,N} - V_{r,S}}{2\cos\phi} \)
- 垂直风分量：\( w = V_{r,Z} \) 或由倾斜波束平均得到。
- 质量控制：检查各波束的信噪比（CNR），剔除异常值。
4.2.3 优缺点
| 优点 | 缺点 |
|---|---|
| 不依赖水平均匀假设，适用于复杂地形 | 空间采样点分散，反演结果代表波束覆盖区域的平均风 |
| 垂直风速测量直接、准确（有垂直波束时） | 波束数量有限，数据冗余度低，抗噪能力弱于VAD |
| 扫描速度快，时间分辨率高 | 需要精确的波束指向校准，否则引入系统误差 |
4.3 风廓线合成
无论是VAD还是DBS算法，最终输出的都是单层（或单个距离库）的风矢量。风廓线合成则是将不同高度层（不同距离库）的反演结果，按照高度顺序排列，形成一条完整的风廓线。
4.3.1 合成流程
- 高度配准：将每个距离库的斜距转换为垂直高度：\( h = R \sin\phi + H_0 \)，其中 \( R \) 为斜距，\( H_0 \) 为LiDAR安装高度。
- 时间对齐：对于VAD扫描，一次完整扫描（360°）通常需要数十秒，需将扫描起始时间作为该层风廓线的时间戳。对于DBS，需确保各波束数据在时间上同步。
- 质量控制与插值：
- 剔除信噪比低于阈值的层。
- 剔除风速、风向突变超过物理阈值的异常点。
- 对缺失层进行线性插值或样条插值（需注意边界效应）。
- 输出格式：标准风廓线数据通常包含以下字段：
- 时间戳（UTC或本地时间）
- 高度（m AGL）
- 水平风速（m/s）
- 水平风向（°）
- 垂直风速（m/s，可选）
- 信噪比/数据质量标志
4.3.2 算法选择建议
- 平坦地形、边界层观测：优先选择VAD算法，数据稳定，风廓线平滑。
- 复杂地形、山地风场：推荐DBS算法，避免均匀性假设带来的误差。
- 高时间分辨率需求：DBS（尤其是5波束模式）可在1~2秒内完成一次风廓线测量。
- 垂直风测量：DBS配合垂直波束可获得更准确的 \( w \) 值。
4.3.3 实战注意事项
- 低层盲区：由于激光发射与接收的几何关系，LiDAR在近地面（通常<30m）存在探测盲区，需结合测风塔数据补充。
- 雨雪衰减：恶劣天气下，激光穿透力下降，高层数据缺失严重，需在质量控制中标记。
- 风切变识别：当相邻高度层风向差超过30°或风速差超过5m/s时，应标记为强风切变层，并考虑使用更精细的插值方法。
通过本章的学习，您应能够根据实际应用场景，选择合适的反演算法，并独立完成从原始径向风速到标准风廓线的数据处理流程。