天气雷达空中生态监测

胡 程 崔 铠 王 锐 龙 腾 吴东丽 吴孔明

（1.北京理工大学雷达技术研究院，北京 100081；2.嵌入式实时信息处理技术北京市重点实验室，北京 100081；3.北京理工大学前沿技术研究院，山东济南 250300；4.北京理工大学计算机学院，北京 100081；5.中国气象局气象探测中心，北京 100081；6.中国农业科学院植物保护研究所植物病虫害生物学国家重点实验室，北京 100193）

1 引言

每年数以亿计的昆虫、候鸟、蝙蝠等空中动物在繁殖地和越冬地之间远距离迁飞，迁飞范围覆盖全球［1］。动物的迁飞行为显著影响空中生态系统的结构与功能，它直接影响食物链中各级生产者和消费者的种群数量，同时也在间接层面影响营养、能量和病原体的传播路径［2］。近年来，全球变暖、森林碎片化、农业结构变化等全球气候与环境的变化，导致候鸟种群数量逐年减少，而昆虫繁殖数量显著上升，空中生态环境急剧恶化［3-5］。此外，空中生态还与人类生活密切相关，昆虫迁飞可致农作物遭受病虫害，鸟类迁飞可影响航空安全，蝙蝠迁飞可致人畜疫病流行，对人类的生命和健康构成了严重威胁［6-7］。

目前，空中生态监测技术多样，但传统GPS 跟踪、环志标记等方法难以用于昆虫监测，而空中网捕、灯光诱集等方法无法获取空中动物飞行状态［8-9］。雷达具有全天候、全天时、大空域取样的优势，是监测空中动物迁飞的有效手段之一［9-10］。其中，昆虫雷达与探鸟雷达等小尺度监测雷达的相继出现［11-13］，可实现空中个体飞行动物的体长、体重、高度、体轴朝向、振翅频率等生物学和行为学参数的遥感精细测量［14-16］。而以天气雷达为代表的大尺度监测雷达，可实现百千千米洲际尺度动物群体迁飞生物量和迁飞轨迹的宏观监测，是对传统动物迁飞监测手段的重要补充［17-18］。昆虫雷达、探鸟雷达等点目标探测雷达通常采用X 波段（波长3 cm）、Ku波段（波长1.5 cm）等较高频段，并采用脉冲压缩技术和高增益天线技术，实现数百米至数千米内空中微弱点目标的高分辨高灵敏小尺度探测。同时，点目标探测雷达还经常采用相控阵天线和高重频等技术，快速搜索并持续跟踪空中目标，并对目标运动速度进行精确测量。天气雷达采用S波段（波长10 cm）、C波段（波长5 cm）等相对较低的工作频段，并采用较宽脉冲宽度和高峰值发射功率（几百千瓦量级），实现数百千米内云滴、雨滴等气象粒子群和虫群、鸟群等生物群体目标的长时间大尺度探测。与传统点目标探测雷达相比，天气雷达虽然无法精确测量单个目标的大小、位置和速度信息，但是却可以对空中弥散群体目标进行数百千米范围的大尺度探测。并且，天气雷达作为气象监测基础设施，其常年业务运行的特点也使得雷达历史数据中包含了大量动物迁飞信息。通过分析挖掘天气雷达数据，可以评估迁飞鸟类、昆虫和蝙蝠对物候变化的响应，解译宏观生态规律，实现空中生态研究由微观到宏观的跨越式发展［19-21］。

早在二十世纪中叶，Lack 等人就发现军用雷达和气象雷达中可观测到很多既非军事也非天气的目标点，随着研究的深入，最终证实这些目标为鸟类［22］；此外，Rainey 等人利用舰载雷达还观测到夜间高空蝗群的大规模跨区域迁飞现象［23］。随着技术的进步，Browning 等人在利用多普勒雷达进行观测时经常发现晴空时有离散昆虫点目标，并发现其多普勒特征可作为风速观测的示踪物，这是第一次利用多普勒雷达对空中迁飞动物进行观测［24］；之后，Hardy 等人的长期观测结果确认了多普勒雷达回波中昆虫和鸟类产生的散射回波占据了雷达晴空回波的主要部分［25］。1970 年，Gauthreaux 等人首次发现天气雷达可以探测到大尺度动物迁飞，开启了利用天气雷达研究空中生态学的大门［26-28］；然后，Riley 等人又进一步推导了笔形波束雷达在方位扫描模式下的密度反演算法，推动雷达昆虫探测进入定量化阶段［12］；接着，Mueller 等人及Wilczak 等人分别利用双极化雷达成功观测到了迁飞昆虫的极化回波［29-30］；此外，Vaughn 等人还从电磁仿真和实测数据结果中详细总结了鸟类和昆虫作为雷达目标的极化电磁散射特性［31］。进入二十一世纪后，具备大尺度组网天气雷达的美国、欧洲和中国均已开展天气雷达空中生态监测研究。至此，天气雷达空中生态监测的基本框架已经确立。

因此，天气雷达已成为未来空中生态监测技术的国际热点研究方向，可为揭示动物迁飞规律、研究空中生态环境变迁、保护生物多样性等科学研究提供重要宏观监测数据。本文综述了天气雷达空中生态监测研究进展：首先，梳理了全球天气雷达组网现状；随后，总结了全球基于天气雷达的空中生态科学研究进展；接着，整理了天气雷达迁飞动物监测中的关键技术；之后，详细介绍了中国天气雷达空中生态监测技术研究进展；最后，对未来研究方向进行了展望和总结。

2 全球天气雷达组网现状

目前，可应用于天气雷达空中生态宏观监测的组网平台共有三个，分别为基于欧洲各国现有天气雷达的网络化数据共享工程（Operational Program for Exchange of Weather Radar Information，OPERA），中国新一代天气雷达网（China New Generation Weather Radar，CINRAD），以及美国天气雷达网（The Next Generation Weather Radar，NEXRAD），如图1 所示。其中，欧洲OPERA工程包含30个成员国家共200余部天气雷达，主要以C 波段雷达，有少量S 波段和X波段雷达；中国CINRAD天气雷达网由236部S和C波段天气雷达构成，覆盖东北、华北、华东、华南以及西北西南部分地区；美国NEXRAD天气雷达网由160部高分辨率S波段双极化天气雷达组成，覆盖美国大陆国土以及部分沿海海域和岛屿。

图1 全球天气雷达网Fig.1 Global weather radar network

2013 年，欧洲组织了动物迁飞雷达监测专项（European Network for the Radar surveillance of Animal Movement，ENRAM）［33］，组建了由生态学家、气象学家、计算机科学家等人员组成的跨学科团队，专门开发基于天气雷达的动物迁飞监测技术［36］。组网天气雷达的宏观监测数据不仅可以对空中迁飞动物进行分类和跟踪，还能够发现并监测它们的重要经停地和栖息地［37］，评估它们对人类健康和生态系统功能的影响［38］，帮助它们应对环境变化［39］。通过开发标准化雷达生态信息处理软件，能够使生态学家和生物学家更有效地访问和分析雷达数据，促进雷达在生态研究中的应用［40-41］。综上所述，天气雷达已经不仅局限于传统天气过程的监测和预报，还在生物多样性保护、迁飞性虫害监测、疫源疫病传播防控等全球性重大空中生态议题中起到日益重要的作用。

3 基于天气雷达的空中生态科学研究进展

3.1 全球科研项目布局

美国国家科学基金（National Science Foundation，NSF）自2011年起，在天气雷达空中生态监测领域资助的经费总额超千万美元，开展综合利用天气雷达、声学监测、光学记录等手段的迁飞动物监测技术研究［42-45］，探索迁飞动物对环境变化的响应机制等宏观科学规律［46-48］，并利用洲际尺度组网天气雷达和人工智能技术对空中生态变化趋势进行预测［49-50］，已经在空中生态监测与应用领域取得多项重要进展。

欧洲在2006年开发了航空安全鸟类预警模型项目（FlySafe Bird Avoidance Model，FlySafe-BAM），帮助鸟击事故预警［51］，之后欧洲动物迁飞雷达监测ENRAM 专项为欧洲天气雷达网的协同组网奠定基础，提供洲际尺度动物迁飞的实时监测信息，而后在2018 年开始资助全球空中生物流量监测预报计划（Global Biomass flows of Aerial Migrants，GloBAM），旨在利用全球天气雷达网监测空中动物动态，解译全球迁飞路线及节律，并预测全球变化对迁飞的影响。

中国国家自然科学基金在2017 年资助了国家重大科研仪器设备研制项目（部门推荐）“面向动物迁飞机理分析的高分辨多维协同雷达测量仪”，该项目由北京理工大学牵头，联合多家合作单位，总资助金额9000余万元，研制一套高分辨动物探测雷达，并和中国新一代天气雷达网相结合，实现迁飞动物的多尺度和广覆盖监测。

3.2 重要科学发现

天气雷达网可以提高空中迁飞动物的高度探测覆盖范围，探索生物多样性监测等宏观生态规律，弥补传统监测手段缺憾，填补生态研究空白［52-53］。例如，利用天气雷达可以对鸟类、蝙蝠等多种空中动物的活动进行监测，可以定量评估空中动物的种群变化、确定迁飞动物死亡原因，以及制定、评估和实施降低迁飞动物死亡风险的方法［54］。目前，基于天气雷达迁飞动物监测相关技术，国际学者已经有多项科学发现。

（1）鸟类监测研究

利用天气雷达可以研究鸟类对烟火、日食、夜光等光照条件变化的行为反应，分析鸟撞事故发生原因，有助于减少鸟类活动受人造光源的影响，并制定空中生态保护策略。其中，在烟火对鸟类飞行影响分析方面，利用天气雷达定量观测鸟类对烟火事件做出的大规模行为反应，发现荷兰新年夜烟火庆祝表演时上万只鸟类在烟火之后短时间内起飞，并利用雷达数据估计了这些鸟类的高强度活动持续时间和聚集高度［55］。在日食对鸟类飞行影响分析方面，利用全美143部天气雷达的数据定量评估了日全食时期的空中动物活动，发现日食虽然不足以引发类似日落时的夜间动物活动，但足以抑制白天的动物活动［56］。在夜间灯光对鸟类飞行影响分析方面，通过仿真和分析纽约911纪念光柱开启期间附近天气雷达和声学监测数据，发现光柱在七天中共影响超过110 万只鸟类，选择性移除夜晚灯光是减少鸟类被人造光源吸引致死的一种可行策略［57］。在鸟撞事故发生原因的分析方面，结合机场鸟击数据和eBird观鸟数据，建立鸟击危害等级模型，确定鸟击事故数和迁飞强度的关系，发现鸟击事故并不仅限于鸟类夜间活动中，由于白天迁飞鸟类体型更大，日间迁飞可能具有更大的鸟击事故风险［58］；利用人工记录鸟类撞窗数据，发现雷达反演的鸟类迁飞强度和夜晚鸟类撞窗死亡数量有关，雷达可以作为预测鸟类撞窗的有效预测手段，可以指导减少夜间灯光等生态保护操作［59］；还发现鸟类夜间迁飞强度、建筑物光照强度、风场情况是鸟类撞窗死亡数量的重要预测因子，灯光减半可以减少60%的鸟类死亡［60］。

应用天气雷达还可以对鸟类迁飞高度进行监测，揭示夜间迁飞鸟类的高度选择行为，定量评估迁飞鸟类对地表风速、气流条件和城市化等因素的应对方式。在地表风速对鸟类迁飞高度影响分析方面，通过测量春秋两季夜间迁飞鸟类的飞行高度，发现鸟类会在地表风速不利于其迁飞的情况下提高飞行高度来寻找更适合它们迁飞的风场情况［61］，并且迁飞动物会根据最适风力情况调整他们的迁飞高度［62］，在特定夜晚会选择具有最佳迁飞风速的高海拔位置进行迁飞，这种习性导致在最高高达3 km高的不同高度处形成结构化层状迁飞［63］。在气流条件对鸟类迁飞高度影响分析方面，发现雨燕在黄昏和黎明时都会进行爬升［64］；结合激光测风雷达数据，发现春秋两季迁飞动物应对低空急流时存在不同的迁飞高度选择偏好［65］。在城市化程度对鸟类迁飞高度影响分析方面，统计不同区域夜间鸟类迁飞时的垂直分布，发现城市地区鸟类迁飞高度更高［66］。

通过分析多年间天气雷达监测数据，还可以统计和分析迁飞生物量、空间分布、迁飞策略、迁飞物候等多个鸟类迁飞关键指标，可以帮助进一步理解鸟类迁飞行为，保护空中生态系统。在迁飞生物量和空间分布分析方面，利用全美143部天气雷达估计夜间鸟类迁飞流量，发现美国南部回迁生物量大于北部，迁徙到更南方的鸟类死亡率明显低于在温带过冬的鸟类，强调了保护重要非繁殖栖息地的重要性［67］；结合多年鸟类调查数据进行综合分析，发现北美鸟类相比于与1970年已经减少30亿只，迫切需要避免未来鸟类崩溃［4］；统计墨西哥湾区域鸟类在停留地的密度，和历史气象数据进行对比分析，发现鸟类迁飞过程中经历的大范围天气影响了鸟类何时何地停下来休息和补充能量［68］；定量分析墨西哥湾迁飞通道的鸟类迁飞时间、强度和分布，发现每年迁飞数量和迁飞高峰期没有显著改变［69］。在迁飞策略分析方面，发现春季迁飞鸟类倾向于随风漂移，秋季迁飞行为和风速之间的关系不显著［70］；利用欧洲天气雷达网数据确定洲际尺度鸟类迁飞路线，发现迁飞动态和气象风场条件密切相关，大规模迁飞可以在风速改变情况下迅速发生［71］；结合eBird 观鸟数据，发现不同体型鸟类的飞行速度和风飘补偿等迁飞策略存在明显差异［72］；结合卫星遥感数据，识别并统计鸟类数量受光污染影响的高峰时间和地点，可以针对特定鸟类迁飞策略制定动态保护方案［73］；用停留途径比分析北美鸟类迁飞通道季节性迁飞过程，发现春季鸟类聚集在海岸，秋季聚集在内陆［74］；利用海量天气雷达数据构建鸟类预测系统，确定鸟类迁飞所需天数，发现制定固定时间窗口保护策略可以降低鸟类空中死亡风险［75］。在迁飞物候分析方面，发现北美春季鸟类迁飞具有明显的年际变化，且与区域温度的年际和低频变化呈负相关［76-77］；还发现春秋季节迁飞高峰时间提前，并且纬度越高提前得越多［78］；结合eBird观鸟数据计算的物候指标，发现天气雷达数据和迁飞物候指标具有正相关关系［79］。

（2）昆虫监测研究

利用天气雷达还可以研究昆虫的夜间迁飞行为，定量评估城市照明对迁飞昆虫种群数量的影响，揭示昆虫飞行行为受高空气流的影响机制，并监测评估害虫重大爆发事件。天气雷达可定位并监测害虫迁飞程度，估计昆虫迁徙飞行的时间、强度和位移［80］；利用天气雷达等遥感监测手段，发现在迁飞爆发的高峰期超过4500万只蝗虫起飞，且在高强度城市照明区域最为集中，蝗虫的密集活动甚至导致地表植被指数出现下降［81］；将雷达数据与气象数据结合，发现两者有助于评估害虫大爆发时期的发展动态，发现蛾类通常在温度和风速最高的逆温层区域顶部分散，有助于改进昆虫迁飞大气扩散模型［82］；还发现飞过密西西比河上游的单次爆发蜉蝣可高达879亿只，并释放3078.6吨生物量到天空，且近年间蜉蝣的数量降低了50%［20］。

（3）蝙蝠监测研究

利用多年天气雷达数据还可以监测蝙蝠种群的迁徙行为和数量变化，揭示蝙蝠对气候和天气条件的灵活适应性，有助于判断气候变化对蝙蝠迁徙和丰度的影响。通过天气雷达数据监测蝙蝠种群数量变化，发现雷达监测数量和传统手段监测的数量非常吻合，表明可以利用天气雷达来监测蝙蝠出洞活动的时间和活动方向［83］；还发现集群栖息蝙蝠物种的群体出现行为是蝙蝠对气候和天气条件的灵活反应，其大规模群体出现行为是动物对长期气候变化反应的关键指标［84］；分析多年间洞穴蝙蝠夜间种群数量，发现春季迁徙和夏季繁殖期提前了大约2周，揭示了蝙蝠适应资源不断变化时的行为可塑性［21，85］；结合温度、降水量和高空风场数据分析多年间蝙蝠种群数量，发现温度对蝙蝠迁飞没有造成影响，春季迁飞主要受风场条件影响，秋季迁飞主要受降水影响［86］。

总体来看，美国、欧洲和中国等地开展了多项空中生态科学研究项目，利用天气雷达、声学监测、光学记录等手段进行空中迁飞动物监测研究。这些研究解答了诸多宏观空中生态科学问题，涵盖了鸟类、昆虫和蝙蝠等多个方面。对于鸟类监测，利用天气雷达揭示了它们对烟火、日食、夜光等客观条件变化的行为反应，并为制定空中生态保护策略提供了数据支持；对于昆虫和蝙蝠的迁徙行为监测，提供了评估种群数量变化和生态适应性的研究新视角。综合而言，基于天气雷达的空中生态科学研究为理解和保护迁飞动物及其生态系统提供了强大的宏观监测工具和方法，取得了显著的科研成果。

4 天气雷达空中生态监测技术

针对天气雷达在空中生态监测中存在的空间分辨率低、气象回波干扰等问题，研究人员开发了一系列天气雷达空中生态专用技术。其中，电磁散射建模可直观反映迁飞动物在天气雷达数据中的回波特性，为后续回波提取和生物量化提供关键信息；基于迁飞动物和气象粒子等的回波特征差异可实现迁飞动物回波的提取，剔除气象等回波的干扰；而后，参数反演实现从天气雷达回波提取量化的迁飞信息；利用高分辨雷达等设备开展天气雷达迁飞监测外场验证试验；结合天气雷达网观测数据，构建空间大尺度的宏观模型，为生态变迁研究提供数据支撑。这一系列技术的应用有望显著提高天气雷达在生态监测中的性能和应用前景。

4.1 迁飞动物电磁散射建模

迁飞动物的电磁散射模型是通过天气雷达观测数据反演迁飞动物信息的基础。目前针对昆虫等空中动物，已经在给定波长、入射角和极化方式的情况下开展室内测量试验，积累了大量散射信息数据。但目前这种研究主要针对电磁波固定入射角或者有限的几个方位、俯仰角开展，并且通常针对专用探虫、探鸟雷达工作波长和极化方式。天气雷达迁飞动物监测由于其观测俯仰角低，且360°全向方位扫描，对天气雷达回波数据进行准确的解译必须明确迁飞动物各个入射角方向的电磁散射特性。为了获取全方位入射角的空中动物电磁散射特性，可以通过对空中动物进行电磁散射建模，仿真得到其全向雷达散射矩阵，进而得到其RCS等相关信息。空中动物精确全向单站RCS 信息有助于利用天气雷达强度监测数据对空中动物密度、迁飞率以及种群数量进行精确量化应用。

针对迁飞动物全向RCS 的研究，主要包括对空中动物进行电磁散射建模和外场实测验证两种。对天气雷达升级双极化后，研究人员已经对空中鸟类、蝙蝠和昆虫等动物的共振散射效应、去极化效应，以及其对差分相位、差分反射率因子、相关系数等极化天气雷达基数据测量参数的影响进行了分析和解读，为极化雷达研究空中生态学提供了新思路［87］。对于昆虫目标，重点分析了昆虫几何参数和节点模型对散射特性准确度的影响，通过分析不同几何尺寸模型和昆虫标本的RCS测量结果，发现昆虫介质的长椭球模型对实验室测量结果的复现效果最好，为进一步建模工作提供了一种合适的技术手段［88］。对于蝙蝠目标，通过三维结构建模电磁仿真结果和外场悬吊蝙蝠全向极化RCS 数据，建立了优于传统椭球模型的三维电磁散射模型。并且，利用移动双极化气象雷达对野外蝙蝠活动进行观测，验证了天气雷达极化测量参数中有足够的特征用来对迁飞动物进行定量监测［89］，如图2 所示。还进一步通过仿真穴居巴西无尾蝠夜间出洞的物理模型，叠加蝙蝠个体RCS 散射特性，开发了合成极化脉冲多普勒雷达基带信号的仿真方法［90］。

图2 蝙蝠3D模型及全极化RCS仿真结果［89］Fig.2 3D model of bat and simulation results of fully polarized RCS［89］

4.2 迁飞动物回波提取

天气雷达监测数据的后处理与传统雷达信号处理存在很大差异。传统雷达信号处理主要在快时间或慢时间内对接收机采样得到的原始数据进行检测、跟踪或成像等任务。但业务运行的天气雷达监测数据中并不包含原始IQ原始数据，而是对原始数据进行专门天气信号处理过后的反射率因子、径向速度、多普勒谱宽等每个雷达分辨单元的统计信息。并且天气雷达对空间进行多仰角全方位空域覆盖扫描，使得天气雷达监测数据包含对整个空域的大范围采样，监测的气象、迁飞动物、地物杂波等不同种类的雷达回波在监测数据中存在不同的水平、垂直空间结构特征。除此之外，由于天气雷达全天候不间断工作，其监测数据还存在时间连续性，不同种类的回波在天气雷达长时间监测数据序列中的时空态势也存在较大区别。

对天气雷达监测到的迁飞动物信息进行解译，需要对雷达回波种类进行辨识，并从中提取迁飞动物回波。现有方法主要包括三类，第一类是依靠雷达极化数据特性从散射机理上区分迁飞动物回波和气象回波。该类方法对迁飞动物回波的识别效果较好，但要求雷达系统必须具备双极化监测能力。

极化天气雷达通过同时或交替发射水平、垂直线极化电磁波，在遇到目标发生散射之后同时接收两个极化分量，可得到目标的极化散射特性。利用气象粒子与迁飞动物个体之间极化散射差异，可准确区分目标类别。对于鸟类和昆虫来说，两者的极化测量参数之间存在统计差异，可由各项极化参数的判断具体生物类别。在利用极化天气雷达观测飓风时，发现其中存在着部分回波差分反射率因子远高于气象目标，同时同极化相关系数很低，最终表明它们属于生物回波［91］。极化天气雷达中差分反射率的方差、与三维反射率结构有关的变量，以及差分相移率对区分降水、非降水回波最为重要［92］。利用双极化雷达对昆虫和鸟类回波进行观测，发现生物回波极化参数明显低于气象回波，并且昆虫和鸟类的双极化参数差异较大，可以利用双极化参数区分两者［93］。进一步，利用无监督分层聚类分析方法并结合双极化天气雷达和灯诱昆虫数据，可以对极化天气雷达准垂直廓线数据进行分类，利用雷达观测值特征差异区分不同种昆虫［94-95］，如图3所示。

图3 极化参数准垂直廓线数据与昆虫种类划分结果［95］Fig.3 Data of quasi-vertical profiles of polarization parameters and results of insect species classification［95］

第二类是依靠雷达监测的各项数据通过统计决策的方法判断回波种类。该类方法依靠贝叶斯理论等统计决策模型，需积累大量实测数据构建各种类回波监测数据的概率密度分布情况，且大多仅考虑局部雷达测量参数对回波类型进行判断。在单极化天气雷达无法简单通过阈值判断的方法准确区分回波类别的情况下，从概率学的角度采用统计决策理论的方法依靠贝叶斯决策理论的回波种类辨别技术开始发展。对天气雷达数据的质量控制方式从以前侧重去除非降水回波，逐渐过渡到天气雷达数据中各种信息进行充分解译挖掘。发现平均反射率、速度数据覆盖率、速度符号变化率等天气雷达回波类型特征对回波分类非常重要［96］；然后利用大量包含真值的数据确定回波特征先验概率，依据贝叶斯统计决策理论得到基于回波特征的种类辨别公式［97］；并开发了一种基于朴素贝叶斯分类器的天气雷达回波类型识别方法，数据表明该分类器对降水回波可实现超过90%的准确率［98］，如图4所示。

图4 基于贝叶斯分类器的天气雷达回波分类辨识结果［98］Fig.4 Classification and identification results of weather radar echoes based on Bayesian classifier［98］

第三类是从雷达图像角度依靠空间信息判断回波种类。该类方法综合考虑回波空间特征，对雷达监测信息的利用率较高，对单极化天气雷达回波分类能力比较好。随着计算机图形学以及人工智能技术的发展，图像处理的手段开始被引入天气雷达回波分类提取领域，以卷积神经网络为代表的机器学习技术可综合利用天气雷达海量历史数据内的数据特点，并综合不同尺度内的数据特点，可有效解决天气雷达回波提取难题。将天气雷达体扫数据通过空间映射的方式转换合成为雷达图像，可以应用图像处理方法获取空中生态监测数据［99］，并进一步利用神经网络方法基于数据特征、反射率垂直廓线、相邻位置的径向速度、速度谱宽等参数对雷达回波进行分类［100-101］。应用海量雷达数据对神经网络模型进行训练，其去除气象回波的性能已经超过传统方法［102］，目前应用广泛的美国MistNet 天气雷达迁飞生物回波识别模型中可识别95.9%的生物量［103］，如图5所示。

图5 MistNet天气雷达鸟类迁飞回波提取网络［103］Fig.5 MistNet weather radar bird migration echo extraction network［103］

4.3 迁飞动物辨识反演方法

在完成迁飞动物回波提取后，还需要对动物回波的类型进行判断，区分昆虫和鸟类。目前除双极化天气雷达可直接从迁飞动物监测数据中直接区分昆虫和鸟类外，仅靠单极化天气雷达数据很难将昆虫和鸟类区分开，但可依靠目标飞行空速、飞行高度、温度等信息对迁飞动物回波类型进行细分。

目前辨别单极化天气雷达迁飞动物回波究竟是由昆虫还是鸟类产生，主要依据空中目标的净飞行速度，也就是目标的空速来判断。目标空速通常由雷达监测的径向速度通过VAD方式计算得到，减去探空气球或者大气再分析模型的背景风场数据得到。昆虫飞行能力一般弱于迁飞鸟类，在实测数据及仿真过程中均发现两者的飞行速度存在较大差异，虽然两者的飞行速度分布存在一定重叠，但应用门限监测的方法可以判断迁飞动物的主要构成。早在1991年，研究人员就已经利用X 波段雷达对空中动物开展了大量观测，并利用回波自相关提取目标振翅频率区分昆虫和鸟类，发现昆虫和鸟类的飞行速度区分界线大约在6 m/s［104］。除直接观测外，还利用多种昆虫和鸟类体型参数信息，通过飞行仿真模型软件仿真了虫鸟最小功率飞行的速度、最大航程时的速度以及平均飞行速度，最终认定昆虫和鸟类的最小功率飞行速度重合点5.5 m/s 和平均飞行速度重合点9 m/s之间为合适的速度辨别区间，其中以7 m/s作为检测门限可以最小化昆虫的影响，保留大部分鸟类［105］。而后大量的观测数据均表明，昆虫空速在2～6 m/s 之间［106］，应用5 m/s 至7 m/s 的空速门限可以较好地去除昆虫活动回波［107-109］。

2004 年开始，研究人员开始研究基于多普勒谱的气象雷达目标分类方法，从每个雷达空间分辨单元的原始双极化IQ数据入手，利用非气象目标的谱型特点识别单个分辨单元内的飞机、鸟类、昆虫等多种目标。在实测数据中发现飞机目标在多普勒谱中有明显螺旋桨旋转旁瓣，并且不同飞机的多普勒谱存在差异［110-112］，进一步对昆虫和鸟类的极化多普勒谱特征进行了细致的分析和研究［113］。通过分析S 波段双极化天气雷达业务观测数据，发现在昆虫和鸟类同时活动的季节，在水平、垂直极化通道的多普勒谱中同时存在昆虫和鸟类的两个对应不同平均速度的谱峰［114］。进一步对沿距离向多普勒谱进行分析，发现昆虫和鸟类的极化多普勒谱之间存在显著差异，鸟类的极化谱峰差异较大，而昆虫两极化通道间的谱峰差异较为稳定，基于这种方式可以对目标类别进行主观判断［115］。在此基础上，提出谱速度方位显示技术（Spectral Velocity Azimuth Display，SVAD）对极化多普勒谱进行分析，由于群体飞行的昆虫和鸟类各自的平均速度、方向和群体速度离散程度不同，可在SVAD 上观察对群体昆虫和鸟类进行区分并分别估计其群体速度特征［116-117］。并提出利用极化通道间差分多普勒速度（Differential Doppler Velocities，DDVs）、谱估计参数等多种特征识别雷达回波中的昆虫和鸟类的系列方法［118-119］，还进一步应用图像处理技术从多普勒谱的速度、高度两维数据识别昆虫和鸟类［120］。

在明确迁飞动物电磁散射特性并从天气雷达数据中完成迁飞动物回波提取后，需要对虫鸟回波中的迁飞参数信息进行反演和估计。目前可从天气雷达数据中提取的迁飞参数主要包括反映空中生物数量信息的空中动物密度，反映迁飞高度偏好的空中动物密度垂直廓线、反映迁飞路线信息的迁飞方向及朝向。对于空中动物密度，可将天气雷达直接观测的反射率因子转换为雷达反射率，根据雷达反射率、目标密度、目标平均雷达截面积的关系定量空中动物密度［121］；对于迁飞方向和朝向，可利用雷达极化参数中的方位向扫描的径向速度反演迁飞动物飞行方向，并利用相关系数关于对称目标轴向的方位对称性估计头部朝向，获取迁飞动物飞行参数的垂直剖面数据［122-124］。

4.4 外场验证试验

在建立迁飞动物电磁散射模型，并应用回波提取方法对天气雷达监测数据内迁飞参数进行估计后，需开展外场验证试验，评估方法和模型的准确性，为实际应用提供参考数据和平均RCS等模型参数。目前可与天气雷达迁飞动物数量、密度进行比较验证的技术手段包括望远镜观测［27］、人工观鸟记录［125-126］、热红外相机［127］、声学记录器［128］、高分辨雷达［18，129-130］等多种方式。其中，天气雷达监测到的鸟类雷达反射率数据与望远镜观测和eBird 人工观鸟记录数据均显著强相关，表明天气雷达有潜力帮助理解迁飞系统的时空动态以及它们对气候变化的响应。而天气雷达与热红外摄像机、声学记录器等夜间监测数据高一致性表明天气雷达可以提供了夜间迁飞强度，不受昼夜影响。高分辨雷达在获取空中动物数量、密度的同时，还可以获得高度分布、飞行速度等信息，可实现定量对比验证的效果。天气雷达与探鸟雷达、航海雷达等高分辨雷达的联合观测试验结果均表明天气雷达可以作为定量观测空中鸟类密度的可靠业务观测手段，可以连续观测宏观鸟类生物流量。

4.5 宏观迁飞模型

综合天气雷达网中每部雷达的局部监测结果，可以建立洲际尺度的宏观生物迁飞模型，获取迁飞动物在大范围内的空间变化动态监测数据，有助于解答宏观生态学科学问题［131］。将雷达多仰角扫描信息直观整合为二维雷达反射率空间图像，可获取并评估大尺度动物迁飞态势，并分析影响动物迁飞的区域和精细尺度因素［132］，可为北美紫燕等迁飞生物繁殖过程中的位置和动态提供关键监测数据［133］。利用天气雷达网数据进行空间插值和迁飞流建模，可统计洲际尺度不同日期、时间夜间迁徙鸟类的密度、迁徙路线、空速和地速等宏观生态数据，有助于在时间和空间上确定迁飞物候和长期种群趋势，并研究季节性决策模式和气候变化对飞行策略的影响，填补鸟类年周期的知识空白［109，134-135］；结合轨迹模拟技术，可以进一步对鸟类迁飞进行72 小时预测［136］。利用法国比斯开湾2015年春季5部天气雷达的数据计算夜间迁飞鸟类的飞行方向和迁飞流量，发现春季鸟类进行了跨海和跨陆地的迁飞，跨海迁飞距离最远可达500 km［137］。结合鸟类GPS数据，可以模拟它们的迁飞轨迹，发现区域性东风调节着迁飞鸟类的流量，验证了气候变化对食物链的连锁效应［138］。将天气雷达网宏观数据和迁飞动物的昼间发生概率进行建模分析，发现生物迁飞高度的风速最能预测高峰迁飞强度［139］，气候变化可能对生态系统产生连锁影响［140］。

综上所述，对于天气雷达空中生态监测技术难点，特别是天气雷达空间分辨率低和存在气象回波干扰等问题，国内外学者已经提出了大量创新技术。具体来说，通过电磁散射建模、迁飞动物回波提取等技术，成功解析了迁飞动物在雷达数据中的特征，提高了雷达在生态监测中的性能。其中，对迁飞动物的电磁散射建模涉及昆虫、蝙蝠等多个目标，通过仿真和实测验证提供了可靠的散射信息。在回波提取方面，通过极化数据特性、统计决策模型以及图像处理等方法，成功辨识了迁飞动物回波，为生态学研究提供了数据支持。进一步，针对迁飞动物的辨识反演方法，通过目标空速和雷达多普勒谱等信息，有效判断了昆虫和鸟类。外场验证试验结果表明天气雷达在迁飞动物密度观测上具有可靠性，而宏观迁飞模型的构建进一步拓展了空中动物迁飞研究的尺度和深度。这些技术难点的突破有望显著提高天气雷达在生态监测中的性能和应用前景。

5 中国天气雷达空中生态监测研究进展

天气雷达网作为我国气象探测的基础设施，其雷达回波不仅包含空中云雨等气象回波，还包含了大量的空中生物回波。2018 年，北京理工大学雷达技术研究所联合中国气象局气象探测中心等多家单位，获批国家重大科研仪器研制项目“面向动物迁飞机理分析的高分辨多维协同雷达测量仪”，研制动物迁飞监测专用雷达，并结合天气雷达网开展空中生态监测技术研究，推进了中国天气雷达空中生态监测的技术研究和科学应用。

5.1 技术研究

利用高分辨雷达仪器获取空中迁飞动物真值信息，开发了多项天气雷达空中生态监测关键技术，实现了空中动物回波识别、迁飞虫鸟定量反演，和宏观动物迁飞的智能预测，促进了天气雷达生物监测由定性向定量化发展，填补了我国天气雷达用于空中生态监测研究的空白，可为探索空中生态结构与功能、动物迁飞动力学行为机制、动物宏观迁飞规律等科学问题提供基础观测数据。

具体包括：

（1）天气雷达迁飞生物智能识别模型

针对天气雷达回波中存在多种云/雨/冰雹等气象回波，难以挖掘海量雷达数据中鸟类、昆虫等生物回波的问题，提出结合编码器解码器结构，利用扩张卷积操作提取雷达回波多尺度特征（如低维特征：像素级的边缘、角点、强度等细节特征；高维特征：网络权重、形态等抽象的空间特征），综合整体和局部特征权重，构建天气雷达数据生物回波智能提取网络［141］，如图6 所示。并进一步提出使用双流卷积神经网络，融合压缩激励模块和带孔金字塔池化等模块，增强对特征图的注意力并扩展感受野，帮助网络理解雷达图像全局形状信息［142］。基于我国天气雷达大量历史数据，构建由17 个雷达站点6 年间11294 条数据构成的生物回波数据集，完成生物回波智能提取网络的训练测试。该系列生物智能识别模型，可以应对天气雷达回波数据中复杂的天气条件，实现对生物迁飞回波的长期自动化监测和提取，可以实现我国宏观生物迁飞强度的监测分析［143-144］。

图6 天气雷达生物回波提取网络流程图［141］Fig.6 Flow chart of weather radar biological echo extraction network［141］

（2）迁飞昆虫和鸟类的生物密度精确反演算法

针对天气雷达群体生物迁飞定量观测误差大的问题，基于雷达观测几何关系与大尺度迁飞情况下动物聚集成层的特点，构建了其垂直反射率廓线与雷达观测值之间的生物密度廓线观测方程，引入正则化手段求解病态问题，提高了迁飞动物反射率垂直廓线反演的准确度和分辨率，实现对生物迁飞垂直密度廓线的准确估计，使得天气雷达对大尺度迁飞动物的垂直分布观测性能有了很大提高［145］。并且，针对天气雷达昆虫、鸟类定量监测中生物密度映射关系不确定的问题，分别在山东东营农科院基地和山东济南开展了高分辨昆虫雷达、相控阵探鸟雷达和天气雷达的联合观测试验，对天气雷达反射率和空中迁飞昆虫和鸟类密度之间的定量关系进行了长时间持续探测。东营试验数据中天气雷达垂直累积反射率和昆虫雷达密度的线性拟合结果对应的平均RCS 为0.17 cm2，相关系数为0.63。济南试验数据中秋季夜晚鸟类活动频繁，空间密度可达15只每立方千米，两雷达监测数据间的相关系数可达0.91，且天气雷达的垂直累积反射率和探鸟雷达监测的鸟类累积密度在时间序列上较为吻合［146］，如图7所示。两项试验数据的统计结果均表明天气雷达可以作为定量监测迁飞昆虫和鸟类的新技术手段。此外，通过对昆虫电磁散射特性的仿真并借助昆虫雷达高分辨低盲距波形，可以开展与天气雷达的联合观测试验，确定雷达回波强度和生物量的映射关系［147-148］。

图7 天气雷达鸟类定量观测试验结果［146］Fig.7 Results of quantitative observation of birds by weather radar［146］

（3）基于图神经网络的迁飞智能预测方法

针对洲际尺度生物迁飞趋势难以准确预测的问题，利用图卷积和门控循环单元获取雷达站点间的时空相关性，结合注意力机制提高长期监测数据相关性，开发了一套大尺度动物迁飞时空预测方法，该方法预测时段最长为6小时，输入数据为预测时段之前6小时的迁飞强度以及预测时段前一天对应6 小时时段的迁飞强度，同时利用近期段和周期段迁飞数据预测未来迁飞强度。基于2017 年秋季我国天气雷达网东部地区40 部S 波段天气雷达30分钟间隔监测数据评估了该方法的预测效果，迁飞生物量的预测结果决定系数R2可达0.78，与传统基于梯度提升树的方法相比，生物量预测的均方根误差降低了23%。实测数据表明，可以基于天气雷达网监测数据，实现宏观生物迁飞态势的预测和预报［149］，如图8所示。

图8 基于天气雷达的宏观迁飞预测方法［149］Fig.8 Macro migration prediction method based on weather radar［149］

5.2 科学应用

基于以上技术研究成果，利用天气雷达长期观测数据解析了渤海湾区域空中生物年际间、季节性跨海迁飞现象，为揭示渤海湾生物跨海迁飞物候规律提供关键支撑；获得我国大尺度生物回迁收益态势，为生物迁飞宏观生态调控、虫害预警防控等提供核心支撑。

具体包括：

（1）渤海湾跨海迁飞规律分析

渤海湾区域作为连接华北平原和东北平原的迁飞要道，通过分析近十年天气雷达数据，计算了每个雷达监测数据中单位时间和截线长度的迁飞动物总雷达反射率，即动物迁飞率，并对各季节的动物迁飞率进行了时间累加，完成了生物迁飞总量的季节性变化规律评估，迁飞节律受气温的影响分析，和空中生物季节跨海迁飞策略分析。具体来说，通过对渤海湾区域与典型站点近十二年数据进行统计，发现秋季的迁飞生物量相当于春季的2.32倍，各年间年迁飞总量最高值和最低值的比值可达2.88，如图9 所示。计算春、秋迁飞季节的迁飞总量和反映迁飞节律的迁飞高峰日，以大气再分析数据中的地表温度作为反映气温的指标，发现春季温度升高将导致春季北迁提前，而秋季温度升高将导致南迁延后。此外，将渤海湾区域划分为山东半岛、渤海湾西侧和辽东半岛三部分，分别计算春、秋迁飞季节平均迁飞总量。结果表明，春季山东半岛占渤海湾区域迁飞总量的55.7%，而在秋季辽东半岛占迁飞总量的53%，渤海湾西侧春秋季相差较小，分别为21.8%和32.2%，表明山东半岛和辽东半岛是渤海湾区域生物春、秋季迁飞的主要区域，进一步反映了生物聚集到陆地边缘然后集中迁飞的跨海迁飞策略。

图9 生物迁飞率计算过程以及天津塘沽雷达站近12年统计结果Fig.9 Calculation process of biological migration rate and statistical results of Tianjin Tanggu radar Station in recent 12 years

（2）全国迁飞态势监测分析

利用覆盖我国大部分城市地区的全国天气雷达网，可以对全国生物迁飞态势进行监测，对我国宏观生物迁飞态势进行空间量化，并根据季节性迁飞量差异确定宏观生物迁飞路线。具体来说，对我国2017 年秋季迁飞季超90 部天气雷达数据进行处理，发现我国迁飞较强的地区主要位于华北平原以及湖北湖南地区，并发现在10月上旬有明显的迁飞高峰区域由北向南移动的过程，如图10所示。分别计算春季北迁和秋季南迁累积生物量，然后根据春秋累积生物量比值确定秋季宏观迁飞通道，发现除长三角、长江中游和山东半岛外大部分区域秋季迁飞强度均大于春季，基于天气雷达数据验证了我国有中部和东部两条主要的迁飞路线。

图10 2017年秋季典型迁飞过程空间插值结果Fig.10 Spatial interpolation results of typical migration process in autumn 2017

总的来说，以北京理工大学雷达技术研究所为代表的多个中国天气雷达空中生态监测研究团队，在技术研究和科学应用方面取得了一系列成果。研究团队提出了天气雷达回波智能识别模型、生物密度反演算法和迁飞智能预测方法等针对中国天气雷达的空中生态监测关键技术，极大解决了雷达数据中的生物回波提取难、定量观测误差大等问题。在科学应用方面，揭示了渤海湾长达十二年的生物迁飞规律，并实现了全国范围内宏观生物迁飞态势监测。这一系列成果填补了中国天气雷达在空中生态监测方面的研究空白，为科学和应用领域提供了基础观测数据。

6 未来发展方向

目前，天气雷达空中生态监测技术已经初具雏形，相关科学发现正逐步涌现。在监测技术方面，从微观层面的迁飞动物电磁散射建模，到单站雷达尺度的迁飞动物回波提取和迁飞参数反演方法，以及相应的外场验证试验，再到组网雷达的宏观迁飞可视化及预测技术，天气雷达空中生态监测的全流程技术已经基本可以满足研究与应用需求。在科学发现方面，已经利用天气雷达网开展了大量昆虫、鸟类和蝙蝠的迁飞规律研究，从迁飞强度受烟火、人造光源、日食等光照条件的影响机制，到动物迁飞高度与温度、风场、地表类型等因素的关系，再到长达十数年间的种群物候变化长期规律，基于天气雷达的空中生态研究已经可以解答部分宏观生态规律。

尽管天气雷达在空中生态监测研究方面已经取得了一些成果，但是针对中国当前农业害虫监测和鸟类迁飞宏观监测的重大需求，仍然需要进一步突破迁飞动物的精准探测、信息反演和态势预测等技术难题，实现对重大迁飞事件天气雷达监测结果的详尽解读，并分析宏观迁飞的周期性规律以及迁飞动物在不同气象条件下的反应，进一步推动中国天气雷达在空中生态监测领域的实际应用。

（1）扩维探测

当前仅从天气雷达谱矩估计产品的少量参数维度探测空中生物目标，需要充分发挥雷达在多普勒、极化、频段、观测模式等多个测量维度的探测能力，提高空中生物目标的检测识别水平［115］。通过改造现有天气雷达信号处理通道，融合多频段和多极化雷达的多维探测信息，切实提高天气雷达空中生态精细探测能力［150］。

（2）多参反演

天气雷达对空中生物目标的观测视角单一，且目标三维体型和散射介质复杂且时变，造成参数反演信息量不足，限制了天气雷达空中生态监测技术的应用。未来可以在当前雷达基数据参数反演技术的基础上，进一步在多普勒、多频段、多极化、多观测角度等多个维度提取目标参数，开展针对空中生态的多参反演技术研究，有望提高对空中动物群体目标的信息获取能力。

（3）多源预测

宏观生态变化过程受到风场、温度、湿度等环境因素的影响，同时还受地表高程、植被覆盖等地理因素耦合影响，并且，宏观迁飞行为还受到迁飞状态的时间和空间连续演变规律的约束。因此，要精准预测宏观迁飞态势，必须综合考虑时间规律、各个雷达站点之间的空间关系，以及大尺度风温背景场等信息，开展针对空中生态的多源预测技术研究，提高天气雷达空中生态的应用价值。

未来，依靠天气雷达监测网络，进一步探索扩维探测、多参反演，以及多源预测技术手段，有望进一步提高空中昆虫和鸟类种类辨识和参数反演能力，拓展和提升气象监测雷达在空中生态研究中的应用价值，增强对空中生态系统的认知。