低空风切变已经成为严重影响飞机起飞和进场着陆阶段的一个危险因素,而且不同风切变具有独特的风场特征,对飞机的飞行影响也有很大不同,需要飞行员针对不同类型的风切变做出最正确的操作,所以对低空风切变的探测以及对其类型的识别就十分重要。而由于其突发性以及持续时间较短,使得实际探测资料比较缺乏。所以,能够仿真出风切变的风场数据,将有利于对风切变的类型识别等研究。多普勒激光雷达相比于微波天气雷达和风廓线仪等测风设备,具有探测距离远、分辨率高、探测精度高等特点,可在晴空天气条件下工作,是目前探测三维风场信息最有效的工具之一。本文基于多普勒激光雷达,结合大气流场理论实现对下击暴流、侧风切变、低空急流及顺逆风切变四种低空风切变的三维模拟仿真,建立雷达图像样本库,解决了风场数据难以获得及样本库难以建立的难题。基于图像处理方法实现风切变类型识别,分别提取图像的形状特征及奇异值特征,分别采用人工神经网络和支持向量机分类器算法,对于完整信息的样本库达到了较高的识别率。同时,针对缺失信息的样本,以及同类样本差异较大的难题,提出多特征提取方法,提取图像的纹理特征,结合形状特征进行识别。同时采用基于SOM-SVM的二次识别算法,实现了对缺失信息的图像的有效识别,进一步提高了整体识别率。与传统的风切变研究相比,本文方法忽略气象因素,完全转化为图像处理问题,实现低空风切变的类型识别。