CN103293084B - 基于多光谱气象卫星信息的海雾全天时全天候反演方法 - Google Patents
基于多光谱气象卫星信息的海雾全天时全天候反演方法 Download PDFInfo
- Publication number
- CN103293084B CN103293084B CN201310167706.2A CN201310167706A CN103293084B CN 103293084 B CN103293084 B CN 103293084B CN 201310167706 A CN201310167706 A CN 201310167706A CN 103293084 B CN103293084 B CN 103293084B
- Authority
- CN
- China
- Prior art keywords
- fog
- sea
- night
- time
- temperature value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多光谱气象卫星信息的海雾全天时全天候反演方法,该方法考虑到海表温度的昼夜变化对雾区判识的影响,根据海表温度的日变化特点,分别针对白天、夜间单独构建海表亮温背景场(晴空合成图CSCM),为卫星监测海面雾区的生消和浓度变化准确反演奠定了基础;进一步地,本申请针对白天、夜间和晨昏三种不同时段海雾卫星观测的典型光谱特性,分别选取最佳光谱组合和相应的算法流程,可靠实现了海面雾区、晴空区和云区的全天时准确识别。
Description
技术领域
本发明涉及一种基于多光谱气象卫星信息的海雾全天时全天候反演方法,属于海雾研究领域。
背景技术
海雾,特别是范围广、浓度大、持续时间长的海雾对船只航行、渔业生产、沿岸城市的环境,甚至是军事造成了巨大的影响。在海雾发生区域,海面能见度低,对港口作业、航行中的船只造成了严重的安全隐患。据青岛海事局不完全统计,2000~2003年海上船舶碰撞或搁浅事故中,50%左右与海雾有关。海雾发展成熟时通常会延伸至陆地,同样对沿岸的交通运输以及社会经济活动造成威胁。海雾与陆地雾的不同之处在于海雾的部分凝结核为盐晶(盐晶通过海洋中挥发或经过浪花泡沫飞溅出来的的盐分凝结而成),这类凝结核易在海滨城市输电线路的绝缘瓷瓶上堆积,长期的累积会导致断电事故,从而对海滨城市的用电产生不利的影响。海雾的发生降低了低层的空气质量,成为当今社会一种普遍的空气污染成因,同时浑浊的空气会导致农产品的病变,导致农产品产量和质量降低。
海雾的研究方法主要有以下几种:(1)海雾的天气气候学研究;(2)海雾的年际变化;(3)海雾的数值研究;(4)海雾卫星遥感实时监测技术研究;(5)海雾微物理研究。总体说来,可以分为两大类,即传统方法和卫星遥感监测方法。
传统的海雾研究方法主要是利用安装在海洋上的自动站或者人工站点的探测仪器,获得海上大气物理量数据,从而实现对海雾的监测研究。但是,海上站台分布地区及数量有限,并且夜间无法获得能见度资料,这使海雾的常规观测受到极大限制。相比之下,可进行大面积同步监测的卫星遥感方法的优越性就比较明显了。
卫星遥感监测方法最早是在1974年由Gurka等人提出,其最早提出了使用卫星资料监测雾的生成发展状况。随后其他研究者也对此做过一些研究改进,但由于受到早期气象卫星设备的制约,海雾,尤其是夜晚海雾的识别一直没有取得实质性进展。直到1997年,LEE等提出使用GOES-8-9卫星3.9μm和10.7μm的双通道组合表征夜间雾的光谱特性,并取得了较好的效果。2003年,Myoung-HwanAHN等(2003)首次提出了晴空合成图的概念,并将其运用到海雾研究中,得到了较好的结果。具体做法是获取海雾发生当天,以及前后各两天(总共五天,120时次)GMS5卫星11μm波段的海区亮温数据资料,采用时空结合的方法将120个时次中可信的晴空像素点采集出来,并用统计学的方法将同一像素点的众多可信亮温值进行计算,从而得到海表晴空温度底图。这样一来,海雾雾顶的红外亮温阈值就受到了下垫面局地差异的约束,使海雾判识更加精准。但其忽略了海表的热力状况随昼夜变化存在差异,且此方法得到的晴空合成图时间分辨率仅为一天,无法满足白天和夜晚海雾的分时段监测需要。除此之外,该方法仅使用了单一光谱特征来识别雾区,不足以体现晴空合成图的优势。
卫星遥感监测海雾研究在我国也取得了一定进展。2005年,鲍献文等提出了利用雾的光谱特性,在白天使用静止卫星GMS5远红外通道11μm和可见光通道的资料组合,夜晚则使用极轨卫星NOAA/AVHRR的远红外通道11μm和中红外通道3.9μm的资料组合,以此双光谱特征组合对雾区进行识别。此方法的实例验证表明,对于白天的雾,可以通过该法得到较好的识别,但由于该法忽略了在11μm通道上,高纬地区海表亮温值低于低纬地区海表亮温值,容易与低纬度地区雾顶亮温值发生混淆,故无法很好地表征雾区在11μm波段真正的光谱特性。而在夜晚,由于使用NOAA/AVHRR代替缺少中红外波段的GMS5,使得逐时次监测无法实现。2006,钱峻屏等使用MODIS1B的光谱范围0.4μm-14μm,分辨率1km的资料,并且利用其光谱范围划分细致的特点(36个光谱),提取了反映雾区光谱特点的多个通道的光谱特征,并建立了MODIS多光谱数据与能见度的函数关系式,为雾区的判别提供了可靠的依据。傅刚等(2007)使用了GOES-7的可见光云图资料作为雾区存在和发展的判据,表明GOES的可见光云图可清晰表征雾区,可将其作为白天雾区识别的重要参照。梁益同(2008)使用了中国气象卫星FY1D资料,提出FY1D雾区的可见光通道反照率介于0.2-0.48之间;通道4亮温值介于272K-289K之间,并且与地面实测站点的温度之差不超过6K。该方法的创新之处在于引入了地面实测站点的温度,可将其做为约束雾区红外阈值的重要参考。但由于与陆地相比,海面实测站点的分布稀少,远远无法满足监测海雾的需求,因此该方法在海上的运用仍是一个难题。
发明内容
本发明针对现有技术的不足,提供一种基于多光谱气象卫星信息的海雾全天时全天候反演方法,该方法考虑到海表温度的昼夜变化对雾区判识的影响,根据海表温度的日变化特点,分别针对白天、夜间单独构建海表亮温背景场(晴空合成图CSCM),为卫星监测海面雾区的生消和浓度变化准确反演奠定了基础;进一步地,本申请针对白天、夜间和晨昏三种不同时段海雾卫星观测的典型光谱特性,分别选取最佳光谱组合和相应的算法流程,可靠实现了海面雾区、晴空区和云区的全天时准确识别。
为实现以上的技术目的,本发明将采取以下的技术方案:
一种基于多光谱气象卫星信息的海雾全天时全天候反演方法,包括以下步骤:(1)构建晴空合成图——首先,根据海表温度的日变化特点,将一天划分为白天时次、夜间时次;然后,基于多光谱气象卫星信息,按照所对应时次分别构建白天晴空合成图CSCM、夜间晴空合成图CSCM;(2)构建海雾二维光谱矩阵——基于多光谱气象卫星信息,针对白天时次构建海雾白天二维光谱矩阵,针对夜间时次构建海雾夜间二维光谱矩阵;所述的海雾白天二维光谱矩阵中,横轴为可见光反照率、纵轴为红外通道1亮温值与白天晴空合成图中对应时刻晴空亮温值的差值;所述的海雾夜间二维光谱矩阵中,横轴为红外通道4亮温值与夜间晴空合成图中对应时刻晴空亮温值的差值、纵轴为红外通道1亮温值与夜间晴空合成图中对应时刻晴空亮温值的差值;其中:可见光反照率波长为0.5-0.75μm;红外通道1亮温值的波长为10.3-11.3μm;红外通道4亮温值的波长为3.5-4.0μm;(3)海雾识别——根据所构建的海雾白天二维光谱矩阵、海雾夜间二维光谱矩阵,分别进行白天时次、夜间时次的海雾识别;(4)通过雾区纹理图像的提取算法,剔除破碎的云或者云边界。
进一步地,步骤(1)中,晴空合成图的构建方法如下:第一步、首先选取海雾发生当日及之前四日所对应的红外通道1的亮温值作为构建晴空合成图的对象,然后使用空间相干法,根据预设局地标准差法的阈值,筛选得到各像素点对应的所有初步可信值;第二步、使用众数平均的方法对通过第一步得到的初步可信值进行精细筛选,获取各像素点所对应的确认可信值;第三步、对通过第二步检验得到的各像素点所对应的确认可信值,计算其算数平均值,得到每个像素点的晴空亮温值;若某一像素点所对应的确认可信值样板容量不超过最低可平均样板容量,则先将该像素点所对应的晴空亮温值计为空值,待其余晴空亮温值均计算出后,再通过双线性插值法,计算得到该空值像素点所对应的晴空亮温值,完成晴空合成图的构建。
进一步地,局地标准差法的阈值为:红外通道1的亮温值大于273K,局地标准差小于0.5;最低可平均样板容量为5。
进一步地,所述步骤(3)中,白天时次的海雾识别:根据可见光反照率的差异,区分海表和雾区,再根据红外通道1亮温值与白天晴空合成图CSCM的差值区分雾或者低云与中高云的分离;夜间时次的海雾识别:根据红外通道4亮温值与CSCM的差值区分海表和雾区,再根据红外通道1亮温值与CSCM差值区分雾或者低云和中高云。
进一步地,所述的夜间时次由晨昏时次和夜晚时次构成;白天时次为北京时间08点至17点,夜晚时次为北京时间20点至次日04点,晨昏时次为北京时间05点、06点、07点;18点、19点、20点。
根据以上的技术方案,相对于现有技术,本发明具有以下的优点:
本发明在构建晴空合成图时,考虑到海表温度的昼夜变化对雾区判识的影响,分别制作了针对白天时次的白天晴空合成图CSCM和夜间时次的夜间晴空合成图CSCM,为卫星监测海面雾区的生消和浓度变化准确反演奠定了基础;本申请采用二维光谱特性进行海雾识别,可以基本消除海表温度随纬度变化对光谱特性带来的影响,进一步提高了海雾反演精度。
附图说明
图1a:某一正午12时点时次,海域范围内的反照率一维直方图;
图1b:下午16时为订正反照率一维直方图;
图1c:下午16时太阳高度角订正之后的反照率一维直方图;
图2:本发明海雾识别的流程图;
图3:Deojeok-do附近海域浮标的测得的海表温度随时间变化的趋势图,横坐标表示时间步长为5天,纵坐标表示浮标温度读值,errorbars表示5天内的海表温度变化的上下限;
图4:2008年4月29日大雾过程,白天CSCM与夜晚CSCM温差图,黑色区域代表温差大于1.5K;
图5:单个像素点60个时次的具体标准差图;
图6:单个像素点,初步可信值的频数统计图;
图7:2008.4.29白天CSCM;
图8:2008.4.29夜晚CSCM;
图9:白天海雾双光谱特性,其中,方块、乘号、圆圈分别代表雾、地表、云;
图10:夜晚海雾双光谱特性,其中,方块、乘号、圆圈分别代表雾、地表、云;
图11:白天分级的海雾双光谱单位特征空间矩阵-部分(128*64);
图12:夜晚分级的海雾双光谱单位特征空间矩阵(128*128)。
具体实施方式
以下将结合附图详细地说明本发明的技术方案。
FY-2C气象卫星特点概述
FY2C为我国第一颗业务型地球静止轨道气象卫星,于2004年10月19日9时20分由长征3号甲运载火箭发射升空,定位于东经105°赤道上空。表1所示为FY2C可见光通道,水汽通道,分裂窗区红外通道与中红外通道所有五个通道的参数。值得提出的是FY2C增加了中红外波段(3.5μm-4.0μm),可应用于森林火灾,草原火灾,海雾、陆地雾,沙尘暴等观测。
表1FY-2C可见光和红外自旋扫描辐射计特性
FY2C具有“汛期观测”和“非汛期观测”两种观测模式。每年UTC9月1号00时至5月31号24时采用非汛期观测模式。FY2C除整点时次之外在四个标准天气学时间00、05、11、17时次,都有观测数据。因此在非汛期一天提供28个时次5个通道的数据。而在汛期,即每年UTC6月1号00至8月31日23时,FY2C可提供一天48个时次(时间分辨率半小时)的加密观测资料。
卫星资料预处理
本文主要使用的FY2C资料为:IR1(10.3-11.3μm)、IR2(11.5-12.5μm)、IR4(3.5-4.0μm)和VIS(0.5-0.75μm)。数据分辨率为5公里,主要研究范围包括中国渤海、黄海等东部海域的海雾频发区。
可见光反照率由于受到太阳高度角的影响,白天不同时次,同一时次不同经纬地区接收到的太阳光辐射彼此各有差异。本文进行了针对FY2C可将光通道的太阳高度角订正。基本思想是,以本地时间正午12点为基准,向其他白天时次逐时次订正。本地时间正午12点的反照率频数分布图的频数最大所在的反照率阈值,以及反照率一维直方图分布的形态,标准差作为其他时次订正的标准。如图1a所示,为某一正午12时点时次,海域范围内的反照率一维直方图。图1b为下午16时为订正反照率一维直方图,图1c为下午16时太阳高度角订正之后的反照率一维直方图。
海雾识别的基本原理
海雾识别,在白天主要利用海雾红外1通道亮温值与晴空合成图温差以及可见光通道反照率的双光谱特征实现;在夜晚则主要利用海雾红外1通道亮温值与晴空合成图温差以及红外4通道亮温值与晴空合成图温差的双光谱特征完成。文中白天时次指:UTC00-UTC09(北京时间08点至17点);夜晚时次指:UTC12-UTC20(北京时间20点至次日04点);文中的UTC21,UTC22,UTC23,UTC10,UTC11,UTC12(北京时间05点、06点、07点;18点、19点、20点)则定义为:晨昏时次。
图2是海雾识别流程图。
白天时次(北京时间08点至17点),FY2C可见光通道反照率受目标物(海表,雾,云)自身反射率和太阳高度角的影响,当经过太阳高度角订正后,卫星探测到得反照率只与目标物的反射率有关。海表与云雾在反照率上差别是很明显的,通常海面的反照率很小,而云雾的反照率较大,这就是通常白天可以通过可见光云图肉眼轻松地识别雾区的原因,但雾和云却无法仅仅通过可见光反照率很好地加以区分。一般采用红外1通道探测到的亮温值来区分雾区和云区,红外1通道接受到得辐射取决于目标物的温度和发射率,而物体的发射率对于波长是固定的,因此红外1通道的亮温值只与目标物的温度有关。雾区一般出现在低空而云大多发展到更高的高度,雾顶温度较云顶温度而言一般都比较高,因此通常使用红外1亮温值区分雾区和云区。
夜晚时次(北京时间20点至次日04点),由于夜晚FY2C可见光反照率资料不可用,本文使用红外4通道亮温值与夜晚晴空合成图的差值代替可见光通道反照率进行夜晚雾区识别。3.7μm的红外4通道亮温值在夜晚与雾/低云具有紧密的相关性,这一点已经在(1997LEE等人)的工作中得到论证。LEE等人研究发现夜晚虽然没有可将光资料,但是可以用3.9μm的中波红外代替可见光反照率与10.7μm的长波红外组合成双光谱空间,低云在此双光谱空间中表现出较好的光谱特征。而雾与低云在物理机制、光谱特性上具有很大的相似性,因此可以预见的是夜晚使用FY2C红外4通道可以较好得替代白天可见光反照率。
晨昏时次(北京时间05点、06点、07点;18点、19点、20点)由于地球自转以及太阳高度角随之变化的原因,本文主要分析海域只有部分区域可接收到可见光通道的有效反照率数据,于此同时红外4通道3.7μm由于比起其他红外通道更接近可见光波段,因此更容易受到可见光波段能量的影响。晨昏时次红外4通道接收到了一部分可见光波段的能量呈现出数据普遍偏大的现象。这里将晨昏时次单独处理,方法依然是参照夜晚的双光谱法,只是光谱空间发生了些微平移,但基本不影响雾区的判识。
改进的晴空合成图
A、白天和夜晚的改进的晴空合成图
晴空合成图-Clear sky composite map-以下简称CSCM,由Myoung Hwan AHN等人于2003年提出。Myoung Hwan AHN采用时空结合法,由雾个例发生当天以及前后各两天(一共五天120个时次),统计计算得到CSCM。如此方法得到的CSCM时间分辨率为一天,无法客观体现海表温度昼夜变化。文中Myoung Hwan AHN由朝鲜半岛沿海浮标温度测值记录,得出海表温度的日变化不大于0.5K/5天的结论,如图3所示。文章认为这样的温度日变化与其他因素例如海表存在大量水汽造成的卫星探测值变化相比是微不足道的,可以忽略。但Myoung Hwan AHN未考虑到海表温度的昼夜变化。更甚的是卫星探测到的亮温值表征的是海表蒸发面上水膜的温度,而浮标探测到的温度值则是近表面水层的温度从几十厘米到几米不等。实际情况表明卫星探测的红外亮温值的在五日内的波动并不是微乎其微的,这种温度波动主要体现在:存在较大的昼夜温差。如图4所示,4月29日CSCM昼夜温差图。在渤海湾海区温差大于2K,其余大部分海区也存在明显的温差,而雾顶的温度与海表亮温值差是较小的,一般在正负1.5K之间。由此可见海表昼夜温差容易对雾区的判识造成较大的影响,因此需要将白天与夜晚单独制作CSCM。
B、改进的晴空合成图制作方法
本文改进了Myoung Hwan AHN等人的CSCM时空结合计算方法,提出了结合空间相干法和众数平均值法统计计算CSCM的方法。并且采用雾个例发生当天以及之前四天(总共三天120个时次,白天60个时次、夜晚60个时次)FY2C红外通道1的亮温值,分别制作白天和夜晚两张CSCM,而Myoung Hwan AHN等人采用的是雾发生当天以及前后各两天的GSM5卫星数据。这里不采用雾发生之后时次的数据,主要是为了实现实时检测的目标,因为对于实际情况来说,雾发生当天之后几天的温度是未知的。为尔后的雾区消散的预报提供基础。
第一步使用空间相干法筛选得到初步可信值。具体方法是对单个像素点计算周围3*3,9个点的标准差。图5为某一像素点的散点图,图中共有60个散点,分别对应这个像素点60个时次内的红外1亮温值,及其局地标准差。散点大致成拱顶状分布,散落在拱顶顶部的为红外1亮温值较低(低于零摄氏度度)、局地标准差较大(大于1)的点,一般对应为纹理不平整,温度较低的云边界、中云等;拱顶左下方为红外1亮温值极低(达到零下40摄氏度甚至更低)、局地标准差较小(小于1)的点,一般对应为厚的云顶;而分布在拱顶右下方的散点,红外1亮温值较高(大于零摄氏度)、局地标准差较小(小于1),对应于雾或低云。本文将局地标准差法的阈值定为:红外1亮温值大于273K,局地准差小于0.5。将所有通过此检验的点都标记为初步可信值。
第二步使用众数平均的方法对通过第一步得到的初步可信值进行精细筛选。具体方法是对这个像素点所有可信点进行频数统计,并作出频数统计图,图6为某一像素点的频数直方图。计算得到频数最高的亮温值,即样本的众数平均值。取样本中所有亮温高于这个众数平均值的样本,将这些点标记为真正的可信值。
第三步对通过第二步检验得到的所有可信值,计算其算数平均值,得到每个像素点的晴空亮温值。若通过第二步检验得到的可信值样本容量不超过5,则认为不具有统计意义。暂时将这个像素点的晴空亮温值标记为空值。待所有像素点的晴空亮温值都按照如上的方法计算得到后,再通过双线性插值,计算得到该空值像素点的亮温值。
以2008年4月29日大雾过程为例,使用FY-2C4月29日以及之前四天(总共五天)红外1亮温值资料,通过改进的晴空合成图计算方法制作白天与晚上的CSCM。图7、图8为等值线图。
海雾光谱特性
A、海雾白天的二维光谱特性
白天海雾的光谱特征指的是海雾在UTC00-UTC09时次,对于FY2C可见光波段和红外1波段的双光谱特征。将所制作的白天CSCM,作为一个海表晴空背景场,引入白天海雾的双光谱特性中。这里讨论的是:海雾白天对于可见光反照率、红外1亮温值减CSCM差的双光谱特征,即海雾在横轴为可将光反照率、纵轴为红外1亮温值减CSCM差的二维光谱空间中的分布情况。横轴上:海雾的可见光反照率一般在0.2到0.5之间;海表的可见光反照率不超过0.2;
云由于种类繁多,云顶的可见光反照率范围分布比较广一般在0.1到0.6之间。因此在可见光维度上可以区分海雾和海表,但是无法区分海雾和云。纵轴上:由于雾顶比较低,雾区又常出现逆温现象,因此海雾雾顶的红外1亮温值减CSCM差较小,一般在-2K到2K之间;海表自身红外1亮温值与CSCM差同样也较小一般在-2K到2K之间;而云由于大多发展到较高的大气层中,云顶温度与CSCM差值比较大,一般在10K以上。因此在红外1亮温值减CSCM维度上,可以区分海雾与云,但是无法区分海雾和海表。结合两个维度上各自的特点,在二维光谱空间中便可以将海雾这个集群与云,海表区分开来。白天雾区表现出明显的光谱特性:雾区红外1减CSCM差值-2K到2K之间,可见光反照率0.2到0.5之间。
为了量化得到雾区的二维光谱空间的分布,采用了单位特征空间归类法,白天将可见光反照率范围0到1、红外1亮温值减CSCM差值范围-61K到3K,划分成128行64列的矩阵。横轴的步长为1/64,纵轴的步长为0.5K。统计每一个矩阵单元中的像素点为雾的概率,概率大于0.5的矩阵单元被标记为1,其余都标记为0,由此得到的0,1矩阵为识别白天海雾的特征矩阵。
B、海雾夜晚的二维光谱特性
夜晚海雾的光谱特征指的是海雾在UTC12-UTC20时次,对于FY2C红外1波段和红外4波段的双光谱特征。使用夜晚CSCM,将其作为夜晚雾区海表温度的背景场,引入夜晚的双光谱特性中,即在使用红外4通道光谱特性的同时引入了夜晚的晴空合成图,以消除纬度差异造成的海雾在红外4上的光谱特征的差异。较低纬度海雾下垫面海表温度较高,导致雾顶温度虽然较下垫面有所降低但与较高纬度的晴空海表温度却容易发生混淆,在红外4光谱空间上低纬地区的海雾与较高纬度地区的海表发生了重叠现象。引入的夜晚晴空合成图可以很好地解决这个问题,雾区无论发生在哪个纬度,雾顶红外4的亮温值与CSCM的差地阈值是固定不变的,因此消除了海表温度随纬度变化带来的影响。海雾在横轴为红外4亮温值减CSCM、纵轴为红外1亮温值减CSCM的二维光谱空间中有明显的分布特征。横轴上:红外4亮温值与CSCM差一般都小于零;而晴空海表的红外4亮温值与使用红外1亮温值制作出的CSCM的差一般都大于零。纵轴上:雾区红外1亮温值减CSCM的差比较小,而云红外1亮温值与CSCM的差异一般都在10K以上。夜晚雾区表现出明显的光谱特性:雾区红外1亮温值减CSCM差值-2K到2K之间,红外4亮温值减CSCM差值小于零。
夜晚将红外4亮温值减CSCM差值范围-49K到15K、红外1亮温值减CSCM差值范围-61K到3K,划分成128行128列的矩阵。横轴步长为0.5K,纵轴步长为0.5K,并由此统计、标记得到夜晚海雾的特征矩阵
图9、图10所示。分别采集了08年渤海、黄海海雾过程中白天和夜晚典型的海雾像素点、各类云像素点以及海表像素点。图9、图10为以此为样本绘制的白天和夜晚海雾的二维光谱空间特征分布图。
海雾识别
本文设计总结出了全天候逐时次海雾监测方法的流程。图2为海雾监测方法的流程图。(1)首先,将卫星资料按照时次不同分为,白天,夜晚和晨昏,分别处理。(2)其次,根据白天、夜晚和晨昏各自不同的光谱特征识别雾区。白天根据可见光反照率的差异,区分海表和雾区,再根据红外1亮温值与CSCM差值区分雾/低云与中高云的分离;夜晚采用红外4代替可见光反照率,根据红外4亮温值与CSCM的差值区分海表和雾区,再根据红外1亮温值与CSCM差值区分雾/低云和中高云;晨昏采用夜晚的光谱空间范围,但由于晨昏红外4接收到了部分可见光波段的辐射,因此红外4亮温值会偏高,导致红外4亮温值减CSCM差值偏大,实际识别雾区的过程中需要根据时次不用进行相应微小的水平右平移。(3)再次,由于破碎的云和云边界往往也具有雾的光谱空间,本文通过纹理区分雾区与破碎的云/云边界。计算像素点周围3*3像素点的标准差,若大于某一阈值(本文定为0.5),则说明该像素点所在的区域纹理极不均匀,很可能是破碎的云或者云的边界,需要剔除。而雾区的空间分布稳定,纹理较细,边界清晰,雾区周围3*3像素点的标准差一般小于这个阈值。
海雾浓度分级
A、海雾浓度划分
根据陆地雾的研究结果表明,白天雾区的双光谱特性在空间上与雾浓度存在一定关系。不同浓度等级的雾对应雾区双光谱空间中的某一块固定区域,同时也对应于地面站点不同的湿度。海雾与陆地雾在光谱特性上存在一定得相似性。越浓的雾,雾顶越高越平整,因此可见光反照率越大。探测到的雾顶红外1亮温值一定程度上是能够反映雾的水平能见度的。能见度越低,即雾粒子越大越密,阻挡更多的低层向上的热辐射,使探测到的雾顶温度更低。因此越浓的雾,红外1亮温值越小、与CSCM的差值越大。可以看出白天雾的光谱分布空间中越靠近右下方的区域对应的雾的实际浓度总是越高的,越靠近左上方的区域对应的雾的实际浓度总是越低的。同样对于夜晚,浓雾的红外4亮温值更低,与CSCM差值越大;红外1亮温值也更低,与CSCM差值越大。因此夜晚雾的光谱空间中越靠近左下方的区域对应的雾的实际浓度总是越高的,越靠近右上方的区域对应的雾的实际浓度越低。陆地雾的研究定义湿度0.60-0.69对应雾浓度等级为1级,对应的光谱空间用深蓝表示;湿度0.70-0.79对应的雾浓度为2级,光谱空间中用天蓝色表示;湿度0.80-0.89对应雾浓度3级,光谱空间中用绿色;湿度0.90-0.95对应的雾浓度等级4级,光谱空间中用黄色表示;湿度0.95-1对应雾浓度为5级,光谱空间中用红色表示。以此标准划分白天和夜晚的光谱空间,得到分5个等级的白天和夜晚的海雾双光谱特征空间分布。本文雾区光谱分级分为5个等级,5级为最浓的雾,1级为最淡的雾。
B、浓度与消散的关系
浓度的分级为海雾消散提供了一个量化的工具,一般海雾下一时次消散的地区在上一时次的浓度是1级;而在下时次减弱的区域,在上一时次的浓度往往比其浓度高一级,因此可以初步推断,海雾浓度是随时间递减的。但实际情况并非完全遵守这样的规则,有小部分区域雾浓度得到了加强,这之间与复杂的物理化学过程相联系,虽然这里无法给出完美的解释,但是可以肯定的是浓度为1的区域是最有可能下一时次消散的,而事实证明下一时次消散的区域在上一时次都是浓度等级为1的薄雾。因此雾区的浓度等级划分为海雾的消散预报提供了很好的思路与帮助。
4.实例验证
以2008年4月28日06时到2008年4月30日16时(北京时间)由上海入海口附近小片海区发展起来,随后发展到黄海中大片海域,最后于辽东半岛附近消亡的整个海雾生消过程为例。将格林威治时间2008年4月27日22时至2008年4月30日05时FY2C卫星数据按照图2所示流程,并且以上述原则分级雾区浓度,反演连续时次海雾发展过程。其中:FY2C夜晚UTC15、UTC16、UTC17、UTC18时次红外4通道不可用,而UTC21时次,监测的海域一半接收到太阳光辐射,一半未接收到,因此无法通过单一的白天或者晚上的光谱特征空间进行识别判断。
结论与讨论
考虑到海区白天与夜晚的温度变化,本文将CSCM的时间分辨率提高到两张/天。将夜晚时次与白天时次分开,单独制作各自的CSCM。试验表明夜晚与白天的CSCM温差大部分区域在1.5K以上。白天与夜晚CSCM分别单独使用在白天和夜晚海雾判识的背景场中,对雾区的准确定位贡献是非常大。改进的CSCM算法,简化了海表温度值的筛选流程,减少由于算法误差造成的真值的减少。引用了众数平均的概念,保留了统计学意义上温度高的集群。CSCM更接近真实海表温度分布。
由08年全年的海雾个例采集样本得到白天与夜晚的双光谱特征,特别的夜晚采用红外4亮温值减CSCM差作为光谱特征的一个量度,可以很好地消除由于海表温度纬向分布差异造成的夜晚雾区红外4亮温值阈值的失效。较高维度海表温度较低,容易与较低维度的雾顶温度在红外4光谱空间分布上发生重叠、混淆。而雾区红外4亮温值与CSCM的差的阈值是固定的而且与海表红外4亮温值与CSCM的差的阈值明显是区分开来的。由于晨昏时刻可见光不可用,而红外4亮温值却由于吸收了部分可见光波段的辐射而偏高,晨昏的光谱空间使用右平移后的夜晚光谱空间。使用特征矩阵法清晰地标记、刻画雾光谱特征的形态分布,最大程度上保留了雾光谱特点的原型。
根据雾区的双光谱特性,设计一套自动识别海雾的算法流程,第一步将海雾根据不同的时次划分成白天,夜晚和晨昏时刻,对不同的时刻的资料分别处理。第二步根据白天,夜晚以及晨昏的光谱空间范围初步识别海雾,第三步,根据海雾纹理平整,边界光滑的特点,使用局地标准差法阈值法,剔除破碎的云以及云边界。
根据陆地雾浓度与光谱空间对应的关系,推广到海雾。将海雾的光谱特征与湿度,雾浓度等级对应。特定的光谱空间对应不同的海雾浓度等级。由此分级的光谱空间出发,识别分级海雾,可以明显观察到海雾浓度的变化以及浓雾中心的移动。并且初步得到海雾浓度与消散的定性关系。为之后海雾消散预报提供可靠地思路。
尽管上述实施例公开海雾分析是针对FY2C多光谱卫星信息进行的,事实上,本申请所述的海雾分析方法同样适用于MTSAT卫星多光谱信息。
Claims (5)
1.一种基于多光谱气象卫星信息的海雾全天时全天候反演方法,其特征在于,包括以下步骤:(1)构建晴空合成图——首先,根据海表温度的日变化特点,将一天划分为白天时次、夜间时次;然后,基于多光谱气象卫星信息,按照所对应时次分别构建白天晴空合成图CSCM、夜间晴空合成图CSCM;(2)构建海雾二维光谱矩阵——基于多光谱气象卫星信息,针对白天时次构建海雾白天二维光谱矩阵,针对夜间时次构建海雾夜间二维光谱矩阵;所述的海雾白天二维光谱矩阵中,横轴为可见光反照率、纵轴为红外通道1亮温值与白天晴空合成图中对应时刻晴空亮温值的差值;所述的海雾夜间二维光谱矩阵中,横轴为红外通道4亮温值与夜间晴空合成图中对应时刻晴空亮温值的差值、纵轴为红外通道1亮温值与夜间晴空合成图中对应时刻晴空亮温值的差值;其中:可见光反照率波长为0.5-0.75μm;红外通道1亮温值的波长为10.3-11.3μm;红外通道4亮温值的波长为3.5-4.0μm;(3)海雾识别——根据所构建的海雾白天二维光谱矩阵、海雾夜间二维光谱矩阵,分别进行白天时次、夜间时次的海雾识别;(4)通过雾区纹理图像的提取算法,剔除破碎的云或者云边界。
2.根据权利要求1所述基于多光谱气象卫星信息的海雾全天时全天候反演方法,其特征在于,步骤(1)中,晴空合成图的构建方法如下:第一步、首先选取海雾发生当日及之前四日所对应的红外通道1的亮温值作为构建晴空合成图的对象,然后使用空间相干法,根据预设局地标准差法的阈值,筛选得到各像素点对应的所有初步可信值;第二步、使用众数平均的方法对通过第一步得到的初步可信值进行精细筛选,获取各像素点所对应的确认可信值;第三步、对通过第二步检验得到的各像素点所对应的确认可信值,计算其算数平均值,得到每个像素点的晴空亮温值;若某一像素点所对应的确认可信值样板容量不超过最低可平均样板容量,则先将该像素点所对应的晴空亮温值计为空值,待其余晴空亮温值均计算出后,再通过双线性插值法,计算得到该空值像素点所对应的晴空亮温值,完成晴空合成图的构建。
3.根据权利要求2所述基于多光谱气象卫星信息的海雾全天时全天候反演方法,其特征在于,局地标准差法的阈值为:红外通道1的亮温值大于273K,局地标准差小于0.5;最低可平均样板容量为5。
4.根据权利要求1所述基于多光谱气象卫星信息的海雾全天时全天候反演方法,其特征在于,所述步骤(3)中,白天时次的海雾识别:根据可见光反照率的差异,区分海表和雾区,再根据红外通道1亮温值与白天晴空合成图CSCM的差值区分雾或者低云与中高云的分离;夜间时次的海雾识别:根据红外通道4亮温值与CSCM的差值区分海表和雾区,再根据红外通道1亮温值与CSCM差值区分雾或者低云和中高云。
5.根据权利要求1所述基于多光谱气象卫星信息的海雾全天时全天候反演方法,其特征在于,所述的夜间时次由晨昏时次和夜晚时次构成;白天时次为北京时间08点至17点,夜晚时次为北京时间20点至次日04点,晨昏时次为北京时间05点、06点、07点;18点、19点、20点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310167706.2A CN103293084B (zh) | 2013-05-08 | 2013-05-08 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310167706.2A CN103293084B (zh) | 2013-05-08 | 2013-05-08 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103293084A CN103293084A (zh) | 2013-09-11 |
CN103293084B true CN103293084B (zh) | 2015-09-30 |
Family
ID=49094327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310167706.2A Expired - Fee Related CN103293084B (zh) | 2013-05-08 | 2013-05-08 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103293084B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946235A (zh) * | 2019-02-26 | 2019-06-28 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674794B (zh) * | 2013-12-16 | 2016-06-01 | 中国科学院遥感与数字地球研究所 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
CN103868502B (zh) * | 2013-12-30 | 2015-06-17 | 华中科技大学 | 一种大椭圆卫星地球背景成像区域昼夜分布的确定方法 |
CN104502999B (zh) * | 2014-12-10 | 2019-07-19 | 中国科学院遥感与数字地球研究所 | 一种基于静止卫星多通道数据的昼夜云检测方法与装置 |
CN104820250B (zh) * | 2015-04-14 | 2017-03-15 | 国家卫星气象中心 | 一种极轨气象卫星virr海洋上云检测的处理方法 |
CN107633240B (zh) * | 2017-10-19 | 2021-08-03 | 京东方科技集团股份有限公司 | 视线追踪方法和装置、智能眼镜 |
CN108564608A (zh) * | 2018-04-23 | 2018-09-21 | 中南大学 | 一种基于h8/ahi的白天雾快速提取的方法 |
CN108761484A (zh) * | 2018-04-26 | 2018-11-06 | 江苏省气象台 | 一种基于多源卫星遥感数据的海雾监测方法 |
CN109033984B (zh) * | 2018-06-29 | 2022-04-05 | 中南大学 | 一种夜间雾快速自动检测方法 |
CN109583319B (zh) * | 2018-11-07 | 2020-12-15 | 北京市遥感信息研究所 | 一种基于海面红外遥感图像的舰船检测方法 |
CN109990902B (zh) * | 2018-12-29 | 2020-02-14 | 华中科技大学 | 一种图谱关联的分谱段估计目标亮温的方法 |
CN110717611B (zh) * | 2019-01-08 | 2023-05-05 | 中国海洋大学 | 一种气象卫星反演海雾湿度的同化方法 |
CN109618099B (zh) * | 2019-01-10 | 2021-01-08 | 深圳英飞拓科技股份有限公司 | 双光谱摄像机图像融合方法及装置 |
CN109815968A (zh) * | 2019-03-04 | 2019-05-28 | 中国石油大学(华东) | 一种基于Himawari-8卫星数据的晨昏时刻海雾探测算法 |
CN111223153A (zh) * | 2020-01-03 | 2020-06-02 | 上海眼控科技股份有限公司 | 云顶高度计算方法、装置、计算机设备和存储介质 |
CN111382698A (zh) * | 2020-03-09 | 2020-07-07 | 上海眼控科技股份有限公司 | 云类型计算方法、装置、计算机设备和存储介质 |
CN111856620A (zh) * | 2020-07-03 | 2020-10-30 | 上海眼控科技股份有限公司 | 云顶高度及云底高度确定方法及设备 |
CN112115405B (zh) * | 2020-09-16 | 2023-11-14 | 中国海洋大学 | 基于图像识别的日间海雾雾区反演方法 |
CN112883857A (zh) * | 2021-02-05 | 2021-06-01 | 南京恩瑞特实业有限公司 | 一种nriet卫星识别低云大雾落区方法 |
CN113108918B (zh) * | 2021-04-07 | 2022-06-21 | 成都信息工程大学 | 一种极轨气象卫星热红外遥感数据反演气温方法 |
CN113537083A (zh) * | 2021-07-20 | 2021-10-22 | 傅吉利 | 一种大雾识别方法及装置 |
CN113989644B (zh) * | 2021-11-03 | 2022-08-19 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
CN114354529B (zh) * | 2022-01-10 | 2024-06-04 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
CN115267941B (zh) * | 2022-07-29 | 2023-05-23 | 知天(珠海横琴)气象科技有限公司 | 一种高解析度真彩可见光模型生成、反演方法及其系统 |
CN117541939B (zh) * | 2024-01-09 | 2024-04-26 | 江西省气象台(江西省环境气象预报中心) | 一种山区大雾识别方法、系统及计算机设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424741A (zh) * | 2008-12-08 | 2009-05-06 | 中国海洋大学 | 卫星遥感海雾特征量的实时提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101162006B1 (ko) * | 2011-02-24 | 2012-07-03 | 부산대학교 산학협력단 | 일출 전후의 안개 탐지 방법 |
-
2013
- 2013-05-08 CN CN201310167706.2A patent/CN103293084B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424741A (zh) * | 2008-12-08 | 2009-05-06 | 中国海洋大学 | 卫星遥感海雾特征量的实时提取方法 |
Non-Patent Citations (2)
Title |
---|
FY-2C星在天气与环境监测服务中的应用;朱小祥等;《上海航天》;20051231;全文 * |
Identification of Fog with NOAA AVHRR Images;Jun-ichi Kudoh and Shoichi Noguchi;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;19910930;第29卷(第5期);全文 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946235A (zh) * | 2019-02-26 | 2019-06-28 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
CN109946235B (zh) * | 2019-02-26 | 2021-11-02 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103293084A (zh) | 2013-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103293084B (zh) | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 | |
Luo et al. | Comparison of rainfall characteristics and convective properties of monsoon precipitation systems over South China and the Yangtze and Huai River basin | |
CN101424741B (zh) | 卫星遥感海雾特征量的实时提取方法 | |
CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
Comiso et al. | Studies of Antarctic sea ice concentrations from satellite data and their applications | |
Meng et al. | Wind estimation around the shipwreck of Oriental Star based on field damage surveys and radar observations | |
KR20200059085A (ko) | 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법 | |
Bravin et al. | An investigation into location and convective lifecycle trends in an ice crystal icing engine event database | |
Cavalieri et al. | Assessment of AMSR-E Antarctic winter sea-ice concentrations using Aqua MODIS | |
Gao et al. | Detection of nighttime sea fog/stratus over the Huang-hai Sea using MTSAT-1R IR data | |
Huang et al. | Distribution and variability of satellite‐derived signals of isolated convection initiation events over central Eastern China | |
CN114896544A (zh) | 一种风云气象卫星协同多数据源的三维云融合分析的方法 | |
Kazumori | Assimilation of Himawari-8 clear sky radiance data in JMA’s global and mesoscale NWP systems | |
Hosoda et al. | Algorithm for estimating sea surface temperatures based on Aqua/MODIS global ocean data. 1. Development and validation of the algorithm | |
Amin et al. | Optical algorithm for cloud shadow detection over water | |
Lu et al. | Satellite retrieval of cloud base height and geometric thickness of low-level cloud based on CALIPSO | |
Wang et al. | Monitoring Sea Ice in Liaodong Bay of Bohai Sea during the Freezing Period of 2017/2018 Using Sentinel‐2 Remote Sensing Data | |
Wan et al. | Sea fog detection based on dynamic threshold algorithm at dawn and dusk time | |
Oguro et al. | Comparisons of Brightness Temperatures of Landsat‐7/ETM+ and Terra/MODIS around Hotien Oasis in the Taklimakan Desert | |
Li et al. | Sea fetch observed by synthetic aperture radar | |
Gao et al. | A revised method with a temperature constraint for assimilating satellite-derived humidity in forecasting sea fog over the Yellow Sea | |
Hao et al. | Arctic sea ice concentration retrieval using the DT-ASI algorithm based on FY-3B/MWRI data | |
Hosoda | Algorithm for estimating sea surface temperatures based on Aqua/MODIS global ocean data. 2. Automated quality check process for eliminating cloud contamination | |
Wang et al. | Glacier shrinkage in the Daxue and Danghenan ranges of the western Qilian Mountains, China, from 1957 to 2010 | |
Zhang et al. | Spatial Distribution of High-temperature Risk with a Return Period of Different Years in the Yangtze River Delta Urban Agglomeration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150930 Termination date: 20180508 |
|
CF01 | Termination of patent right due to non-payment of annual fee |