针对民航机场区域内单部激光雷达探测水平风场存在较大误差的问题，提出一种基于支持向量回归的双激光雷达水平风场估计模型。该模型以两部激光雷达重叠扫描区域风速为基础，对非重叠区雷达径向的其他数据点水平风速进行估计。首先，提取重叠区的径向风速、水平风速和距离三个特征，以重叠区域数据点为训练集，在同一维度规范化后设定惩罚因子和核函数参数，用支持向量回归得到初始估计值。然后，以单部激光雷达的径向风速为先验条件，估计出非重叠区相邻径向点水平风速。将估计的结果扩展为新的训练集，依次逐步扩大训练集进而估计出非重叠区的水平风速。最后，通过实测数据分析了该方法逐步估计的误差，分析了风速大小和回波信噪比对该方法估计性能的影响，结果表明该方法估计的风场的均方根误差较单部雷达的均方根误差更小，减小了水平风速误差，扩大了双激光雷达探测水平风场范围，提高了雷达的利用率。

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)的湍流速度结构函数构造方法, 将该方法构造的速度结构函数与湍流模型拟合, 可以实现激光雷达的湍流识别。首先对激光雷达扫描的空间数据进行距离门扇区划分, 在每个子扇区内对湍流风场做奇异值分解, 得到特征速度基准值和每个距离门的湍流脉动速度, 构建出速度结构函数。选取标准von Kármán湍流模型函数作为拟合约束, 得出涡流耗散率的立方根来判断湍流的强度。最后, 利用兰州机场的实测数据, 对比分析了在不同湍流强度下SVD方法的速度结构函数与局部平均方法的性能。通过与机组报告的湍流数据进行对比分析, SVD方法进行湍流预警的预警率可以达到85.2%。该方法对提高机场湍流探测和识别有重要意义。