1.一种双偏振雷达降水优化反演方法，其特征在于：基于对雷达探测目标区域所包括的各像素点，实现目标区域内各像素点降水量的反演，其中，通过步骤1到步骤10实现目标区域各像素点降水反演公式的最优选择，并基于目标区域内各像素点降水反演公式的选择，通过步骤11实现目标区域内各像素点降水量的最优估计：步骤1：测量目标区域各像素点指定历史时间段内各单位时间节点的双偏振雷达数据，其中双偏振雷达数据包括水平偏振反射率测量值ZH、差分反射率测量值ZDR、差分相移率测量值KDP、相关系数ρHV；

测量目标区域指定一个站点历史时间段内各单位时间节点的雨滴谱数据N(D)；

测量目标区域指定各站点历史时间段内各单位时间节点的雨量计测量降水量数据RG，即雨量计数据RG；

步骤2：针对目标区域各像素点指定历史时间段内各单位时间节点的双偏振雷达数据，执行质量控制，对双偏振雷达数据进行质控；

步骤3：基于目标区域各像素点指定历史时间段内各单位时间节点的双偏振雷达数据，利用模糊逻辑算法对各像素点雷达探测的粒子进行水凝物类型识别，将目标区域划分为液态水凝物像素点、以及非液态水凝物像素点；

步骤4：基于目标区域指定一个站点所测量历史时间段内各单位时间节点的雨滴谱数据N(D)，利用T矩阵算法得到历史时间段内各单位时间节点的散射振幅，进而计算历史时间段内各单位时间节点的双偏振参量，其中双偏振参量包括水平偏振反射率计算值ZH’、差分反射率计算值ZDR’、差分相移率计算值KDP’；

步骤5：基于水平偏振反射率计算值ZH’、差分反射率计算值ZDR’、差分相移率计算值KDP’之间预设的各个偏振组合关系(ZH’)、(KDP’)、(ZH’,ZDR’)，以对应历史时间段内各单位时间节点的各偏振组合关系的数据为输入，对应历史时间段内各单位时间节点雨滴谱仪的降水量R为输出，针对指定神经网络进行训练，训练出适合雷达探测目标区域的降水反演关系式R(ZH’)、R(KDP’)、R(ZH’,ZDR’)；

步骤6：将各像素点历史时间段内各单位时间节点的双偏振雷达数据ZH、ZDR、KDP作为降水反演关系式对应的输入量，分别代入步骤5得到的关系式R(ZH’)、R(KDP’)、R(ZH’，ZDR’)进行降水反演，得到目标区域各像素点历史时间段内各单位时间节点所对应的三种降水量估算结果；

步骤7：分别针对各个液态水凝物像素点，将历史时间段内各单位时间节点与雨量计数据时空匹配的降水量估算结果与对应的雨量计数据进行对比，得到降水量估算结果和雨量计数据的绝对偏差 若 最小，则该液态水凝物像素点对应于1，其他情况，则该液态水凝物像素点对应于0，构成0‑1分布的二分类数据组；

步骤8：分别针对各个液态水凝物像素点，将相应历史时间段内各单位时间节点与雨量计数据时空匹配的双偏振雷达数据ZH、ZDR、KDP作为输入，该液态水凝物像素点对应的二分类数据结果为输出，构建Logistic多元回归预测模型，作为液态水凝物该像素点所对应的双偏振雷达最优降水反演选择公式,进而得到各个液态水凝物像素点分别对应的双偏振雷达最优降水反演选择公式，再结合ZDR数值与预设阈值的比较公式，得到各个液态水凝物样本分别所对应的双偏振雷达最优降水反演公式；

步骤9：分别针对各个非液态水凝物像素点，基于含雹像素点与非含雹像素点的划分，获得各个非液态水凝物像素点分别所对应的双偏振雷达最优降水反演选择公式；

步骤10：结合步骤8和步骤9，得到每个像素点分别对应的双偏振雷达最优降水反演选择公式；

步骤11：基于以上步骤，在目标区域各个像素点对应最优降水公式选择的基础上，将各像素点的双偏振雷达数据ZH、ZDR、KDP代入相应的公式中，得到目标区域内每个像素点降水量的最优估计结果。

2.根据权利要求1所述的一种双偏振雷达降水优化反演方法，其特征在于：所述步骤2中对双偏振雷达数据进行质量控制的具体方法为：利用模糊逻辑法对反射率因子数据ZH进行杂波识别并去除；

利用中值滤波法对差分相移率KDP进行滤波处理；

利用ZH‑KDP联合订正法对反射率因子数据ZH进行衰减订正，并利用KDP订正法对差分反射率ZDR数据进行衰减订正。

3.根据权利要求1所述的一种双偏振雷达降水优化反演方法，其特征在于：

其所述步骤3中水凝物识别的类型共有9种，分别是：干雪、湿雪、冰晶、霰、大滴、中雨、大雨、小雨、雨雹混合物，其中识别出的大滴、中雨、大雨、小雨归类为液态，剩余的归类为非液态。

4.根据权利要求3所述的一种双偏振雷达降水优化反演方法，其特征在于：

所述水凝物识别的过程如下：

4.1)输入为双偏振雷达数据ZH、ZDR、KDP、ρHV和水凝物粒子高度H，输出为水凝物类型；

4.2)利用梯形隶属函数MFB对5个输入量进行模糊化处理，对应所有水凝物类型，分别建立各自对应的隶属函数，每个隶属函数分别对每个输入量进行模糊化处理；

梯形隶属函数MFB公式为：

式中，x为各输入量，X1为左起始点值，X2为左区间点值，X3为右区间点值，X4为右结束点值，它们决定了梯形函数的形状，X1、X2、X3、X4的值根据统计各种水凝物的雷达参量的概率分布得到；

4.3)构建好各隶属函数MFB后，按一定的规则进行判断，每种水凝物类型同时对应5个输入量的隶属函数值进行判断；

4.4)对于所有水凝物类型，将各类型对应的输入量模糊化后的贡献值进行加权求和，得到各水凝物类型对应的总贡献度；

4.5)对各总贡献度进行去模糊化处理，总贡献度最大值对应的水凝物类型，即为输出水凝物类型。

5.根据权利要求1所述的一种双偏振雷达降水优化反演方法，其特征在于：所述步骤4中双偏振参量ZH’、ZDR’、KDP’的计算公式为：Z'H＝10log10(Z'h),[dBZ]

ZV'＝10log10(Zv'),[dBZ]

式中，Zh’表示水平偏振反射率计算值，ZH’是Zh’经过单位换算后的水平偏振反射率计算值，Zv'表示垂直偏振反射率计算值，ZV’是Zv’经过单位换算后的垂直偏振反射率计算值，2

λ为雷达波长，|K| 为粒子的介电常数，Dmax、Dmin表示雨滴直径的最大值与最小值，fhh(π,D)为粒子水平偏振方向的后向散射振幅，fvv(π,D)为粒子垂直偏振方向的后向散射振幅，N(D)dD表示单位体积内雨滴直径处于D～D+dD之间的粒子数，fhh(0,D)表示粒子水平偏振方向的前向散射振幅，fvv(0,D)表示粒子垂直偏振方向的前向散射振幅，Re表示取复数实部。

6.根据权利要求1所述的一种双偏振雷达降水优化反演方法，其特征在于：所述步骤7和步骤8时间匹配的依据为：时间匹配以雨量计数据时间分辨率1小时为依据，将1小时内目标区域各像素点对应历史时间段内各单位时间节点相应的双偏振雷达数据和降水估算结果分别提取出作为匹配数据；空间匹配以将距离雨量计测量像素点最近的6个像素点为依据，分别提取出6个像素点内对应历史时间段内各单位时间节点相应的双偏振雷达数据和降水估算结果作为匹配数据。

7.根据权利要求1所述的一种双偏振雷达降水优化反演方法，其特征在于：所述步骤8对各个液态水凝物像素点，选取最优降水反演公式的方式为：若预测结果为1，则此像素点选择R(KDP’)作为此像素点的降水反演公式；

若预测结果为0，且ZDR大于0.5dB，则此像素点选择R(ZH’,ZDR’)作为降水反演公式；

否则，选择R(ZH’)进行降水反演。

8.根据权利要求1所述的一种双偏振雷达降水优化反演方法，其特征在于：所述步骤9对各个非液态水凝物像素点，选取最优降水反演公式方式为：对于各含雹像素点，选择R(KDP’)进行降水反演；

对于各非含雹像素点，基于R(ZH’)降水公式，利用各像素分别对应指定历史时间段内各单位时间节点的降水估算结果与相应的雨量计数据进行对比，确定非含雹像素点对应的修正系数α，使该样本中指定历史时间段内各单位时间节点两者的均方误差总和值达到最小，即：2

∑(αR(Z'H)‑RG) →min

其中，Σ表示所有相关样本的累加，min表示达到最小，

得到各非含雹像素点降水反演公式为αR(ZH’)。