CN104181612B - 一种红外与激光联合的地基测云方法 - Google Patents
一种红外与激光联合的地基测云方法 Download PDFInfo
- Publication number
- CN104181612B CN104181612B CN201410398747.7A CN201410398747A CN104181612B CN 104181612 B CN104181612 B CN 104181612B CN 201410398747 A CN201410398747 A CN 201410398747A CN 104181612 B CN104181612 B CN 104181612B
- Authority
- CN
- China
- Prior art keywords
- cloud
- radiation
- data
- cloud base
- laser
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radiation Pyrometers (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
红外与激光联合的地基测云方法，包括以下步骤：(1)分别利用非致冷红外焦平面阵列传感器获得大气向下红外辐射数据，利用激光传感器获得天顶后向消光系数廓线数据；获得上述两个数据的时间同步；(2)联合上述数据对云下水汽和气溶胶辐射进行估计，并利用辐射传输模式计算的晴空阈值进行初步的云检测；并假定云为黑体，反演得到云底高；(3)对高时间分辨率的红外辐射图像进行序列分析，结合晴空阈值做进一步的云检测，并计算云量；(4)拟合红外辐射反演的云底高与激光测量的云底高之间的比例系数；(5)进行全视场云底高修正，并计算得出每10分钟的典型云底高度。
Description
技术领域
本发明涉及一种地基测云方法，尤其是一种联合地基红外与激光进行云检测和全视场云底高修正的方法，其主要用于地面气象观测自动化测量中。
背景技术
云通常覆盖地球大气约50％左右，是地气系统辐射收支的主要调节者。云的观测工作一直是气候研究、天气分析与预报工作的基础。长期以来，目测是气象业务中常用的估计云量、确定云高的方法，但由于人为观测误差大，加之夜间光照条件差，云的观测资料的准确性和昼夜一致性难以保证，同时对实际天空的描述也较为困难。目前主要的地基测云技术体制有可见光被动遥感体制、红外被动遥感体制和激光主动遥感体制。可见光测云仪由于其夜间无法测量，很难应用于实际观测业务中。红外测云仪和激光云高仪能昼夜连续观测且各有特点。
地基红外被动遥感测云技术国外以美国ICI测云仪研究团队为代表，国内以中科院大气物理所和解放军理工大学气象海洋学院为代表，均取得大量创新性成果。研究表明，8-14μm波段向下红外辐射主要受到水汽和气溶胶的影响，单一红外测云仪由于对云下水汽和气溶胶的估计不足会造成云检测出现偏差。另外，红外辐射反演的云底高只适用近似为黑体的云，其他情况下由于无法得知云的光学厚度，反演的云底高存在很大误差。
地基激光主动遥感测云技术，国外以Vaisala公司为代表，其研制的激光云高仪在20世纪90年代应用于美国地面自动观测系统(ASOS)中替代人工目测。国内也有多家公司研发出了激光云高仪。一些学者研究发现，激光云高仪会在一些明显无云的情况下出现错误的有云信号，这可能是由于路径上存在一个很薄的湿气层或气溶胶层造成的。此外噪声的影响使其测量卷云这一弱回波信号时的数据获取率极低，这一问题在我国雾霾多发地体现的尤为明显。更重要的是，激光云高仪采用时间积分计算的云量存在严重的空间代表性问题。
综上所述，红外被动遥感测云和激光主动遥感测云这两种最有可能实现测云业务化的技术体制目前仍然在不同程度上存在问题，尚不能完全替代人工目测。
发明内容
本发明的目的是：提出一种将地基红外被动遥感和激光主动遥感联合进行云检测和全视场云底高修正的方法，从而最大程度地克服地基红外被动遥感测云和激光主动遥感测云的使用场合的不足，提高地基昼夜连续测云的准确性。
本发明的技术方案为：一种红外与激光联合的地基测云方法。该方法包括以下步骤：
(1)分别利用非致冷红外焦平面阵列传感器获得大气向下红外辐射数据，利用激光传感器获得天顶后向消光系数廓线数据；获取数据的时间同步；(如通过数据采集系统每1分钟同步进行数据采集，并将数据存储。)
(2)联合上述数据对云下水汽辐射和气溶胶辐射进行估计，并利用辐射传输模式计算的晴空阈值进行初步的云检测；并假定云为黑体，反演得到云底高；
(3)对高时间分辨率的红外辐射图像进行序列分析，结合晴空阈值做进一步的云检测，并计算云量；
(4)拟合红外辐射反演的云底高与激光测量的云底高之间的比例系数；
(5)进行全视场云底高修正，并计算得出每10分钟的典型云底高度。
进一步，通过数据采集系统每1分钟同步进行非致冷红外焦平面阵列传感器数据采集和激光传感器的数据采集。
进一步，联合非致冷红外焦平面阵列传感器获取的红外辐射数据和激光传感器获取的天顶回波数据对云下水汽和气溶胶辐射进行估计，并计算出晴空辐射阈值。
(2)的具体化：联合上述数据对云下水汽和气溶胶辐射进行估计，并利用辐射传输模式计算的晴空阈值进行初步的云检测；并假定云为黑体，反演得到云底高：
步骤1：云下气溶胶辐射估计；将消光廓线转换为光学厚度廓线，代入Libradtran辐射传输模式，估算垂直路径的气溶胶向下辐射值Iaerosol；
步骤2：云下水汽辐射估计：利用激光无云时的天顶向下红外辐射IIR_clear和地面水汽密度ρwater_vapour估算垂直路径的可降水含量PWV(PWV＝f(IIR_clear，ρwater_vapour))，其中函数f利用一段时间(例如不少于1年的时间)的探空廓线、天空红外辐射和地面水汽密度统计得出，具体统计模型可使用二元线性回归模型，并利用最小二乘法得到回归系数。将PWV代入Libradtran辐射传输模式(但不限于Libradtran)，即可估算垂直路径的水汽向下辐射值Iwater_vapour。
步骤3：晴空辐射阈值确定；利用Libradtran辐射传输模式计算大气廓线以及臭氧等其他稳定少变气体的固定辐射值Ic，结合步骤1、2得到的Iaerosol和Iwater_vapour，计算出晴空辐射阈值I0＝Iaerosol+Iwater_vapour+Ic；
步骤4：初步的云检测；遍历红外辐射图像，判断实际测量的大气向下红外辐射I与I0的大小，若实际测量的辐射I大于晴空辐射阈值I0，则判为有云，否则无云；此步骤得到初步估计云量记为CC1；并进一步得到修正后的云体向下红外辐射I1＝I-Iaerosol-Iwater_vapour-Ic。
步骤5：利用红外辐射反演云底高；根据步骤4中得到的I1，假设云为黑体，求出云层底亮温，根据该地区该时间段内的典型温度递减率，得到红外辐射反演的云底高HIR。
对高时间分辨率的红外辐射图像进行序列分析，结合晴空阈值做进一步的云检测，并计算云量；具体步骤为：
步骤1：求取各像素点的序列辐射标准差。以1分钟为迭代周期，按10分钟为间隔进行图像的序列分析，将每个像素点的10次辐射数据求标准差σ；利用辐射标准差判断每个像素随时间的均匀性；
步骤2：标记可疑像素云点。如步骤1求取各像素点的序列辐射标准差，遍历红外辐射标准差图像，得σ，若σ>σ0，则此像素点标记为可疑云点，否则标记为晴空点，其中σ0通过大量晴空样本统计得出。此步骤得到可疑云量记为CC2。
步骤3：对初步云检测进行修正：
对于(2)中判断为无云的区域，若(3)中步骤2得到的是可疑云区，则晴空辐射阈值I0按0.2W/(m2.sr)向下调整，直到CC1与CC2的差值绝对值小于1；
对于(2)中判断为有云的区域，且根据红外辐射反演的云底高在6000m以上，若(3)中步骤2得到的是无云区，则晴空辐射阈值I0按0.2W/(m2.sr)向上调整，直到CC1与CC2的差值绝对值小于1；对于其他情况不做修正。
通过此步骤，进一步提高了对高云的检测能力。
步骤4：按照调整后的晴空阈值进行云检测，并得到修正后的云量CC。
拟合红外辐射反演的云底高与激光测量的云底高之间的比例系数：具体方法是，统计10分钟内，天顶5°以内红外辐射反演的云底高HIR和最低层天顶激光云底高HLaser的中间值(10组数据)，若两类数据均存在，且大于等于3组，则拟合得到比例系数；若其中任一类不存在，则天顶扩大至10°，统计时间向前扩展至15分钟。若其中任一类仍不存在或者两类数据均存在的情况不足3组数据，则放弃拟合，利用前一次拟合结果作为本次拟合系数。将拟合系数记入拟合系数数据库，将有效的HIR、HLaser记入云底高数据库。
进行全视场云底高修正，并计算得出每10分钟的典型云底高度：具体步骤为；
步骤1：天空均匀性判断。利用大视场的红外辐射数据的标准差判断天空的均匀性，分为均匀天空和不均匀天空两类。
步骤2：全视场云底高修正。根据步骤1的结果，若为均匀天空，则直接利用拟合系数进行全视场云底高修正，得到全天空云底高分布图；若为不均匀天空，则根据待修正的红外辐射反演的云底高查找云底高数据库，将之前2小时内相差在500m以内的数据对找出，拟合得到修正比例因子，并将云底高乘以修正比例因子进行修正。
步骤3：典型云底高度的求取。按照低云(0-2500m)、中云(2500-6000m)和高云(6000m以上)三档分别进行统计。将每一档的云底高以10分钟为统计范围，由低到高排序，然后求得前2％所对应的云底高，作为每一档的典型云底高度。
与现有技术相比，本发明的有益效果在于：本发明公开了一种将地基红外被动遥感和激光主动遥感联合进行云检测和全视场云底高修正的方法。
本能更加准确地估计云下气溶胶和水汽的向下红外辐射，这将使得辐射传输模式计算的晴空阈值更加接近真实值，从而提高了云检测效果。进一步地，利用高时间分辨率的序列分析可以提高对卷云的检测能力。结合激光云底高可以修正红外反演的云底高，不但能得到更加准确的全天空云底高分布，还可统计得出全天空典型云底高度信息。本发明通过充分联合地基测量的大气向下红外辐射数据、天顶激光回波数据、高时间分辨率的红外辐射序列图像，采用综合观测的理念，为新一代自动气象站中云的自动观测提供一种联合探测的技术途径，较好地克服了单一测云手段的不足。
附图说明
图1红外与激光联合的地基测云方法流程图；
图2本发明得到的云量与只使用红外测云仪的云量结果对比；
图3本发明得到的修正后天顶云底高与只使用红外测云仪的天顶云底高对比。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1是本发明提出的红外与激光联合的地基测云方法流程图，所述方法的具体实施方式如下：
(1)分别利用非致冷红外焦平面阵列传感器获得大气向下红外辐射数据，利用激光传感器获得天顶后向消光系数廓线数据。这一步骤中，关键在于获取数据的时间同步，通过数据采集系统每1分钟同步进行数据采集，并将数据存储。
(2)联合上述数据对云下水汽和气溶胶辐射进行估计，并利用辐射传输模式计算的晴空阈值进行初步的云检测；并假定云为黑体，反演得到云底高。具体步骤有：
步骤1：云下气溶胶辐射估计。将消光廓线转换为光学厚度廓线，代入Libradtran辐射传输模式，估算垂直路径的气溶胶向下辐射Iaerosol。
步骤2：云下水汽辐射估计：利用激光无云时的天顶向下红外辐射IIR_clear和地面水汽密度ρwater_vapour估算垂直路径的可降水含量PWV(PWV＝f(IIR_clear，ρwater_vapour))，其中函数f利用一段时间(例如不少于1年的时间)的探空廓线、天空红外辐射和地面水汽密度统计得出，具体统计模型可使用二元线性回归模型，并利用最小二乘法得到回归系数。将PWV代入Libradtran辐射传输模式(但不限于Libradtran)，即可估算垂直路径的水汽向下辐射值Iwater_vapour。
步骤3：晴空辐射阈值确定。利用Libradtran辐射传输模式计算大气廓线以及臭氧等其他稳定少变气体的固定辐射值Ic，结合步骤1、2得到的Iaerosol和Iwater_vapour，计算出晴空辐射阈值I0＝Iaerosol+Iwater_vapour+Ic。
步骤4：初步的云检测。遍历红外辐射图像，判断实际测量的大气向下红外辐射I与I0的大小，若实际测量的辐射I大于晴空辐射阈值I0，则判为有云，否则无云。此步骤得到初步估计云量记为CC1。并进一步得到修正后的云体向下红外辐射I1＝I-Iaerosol-Iwater_vapour-Ic。
步骤5：利用红外辐射反演云底高。根据步骤4中得到的I1，假设云为黑体，求出云层底亮温，根据该地区该时间段内的典型温度递减率，得到红外辐射反演的云底高HIR。此步骤由于大多数利用红外辐射反演云底高均采用此方法，不做详细介绍。
(3)对高时间分辨率的红外辐射图像进行序列分析，结合晴空阈值做进一步的云检测，并计算云量。具体步骤为：
步骤1：求取各像素点的序列辐射标准差。以1分钟为迭代周期，按10分钟为间隔进行图像的序列分析，将每个像素点的10次辐射数据求标准差σ。利用辐射标准差判断每个像素随时间的均匀性。
步骤2：标记可疑云点。遍历红外辐射标准差图像，若σ>σ0，则此像素点标记为可疑云点，否则标记为晴空点，其中σ0通过大量晴空样本统计得出。此步骤得到可疑云量记为CC2。
步骤3：对初步云检测进行修正。对于(2)中判断为无云的区域，若(3)中步骤2得到的是可疑云区，则晴空辐射阈值I0按0.2W/(m2.sr)向下调整，直到CC1与CC2的差值绝对值小于1。对于(2)中判断为有云的区域，且根据红外辐射反演的云底高在6000m以上，若(3)中步骤2得到的是无云区，则晴空辐射阈值I0按0.2W/(m2.sr)向上调整，直到CC1与CC2的差值绝对值小于1。对于其他情况不做修正。通过此步骤，进一步提高了对高云的检测能力。
步骤4：按照调整后的晴空阈值进行云检测，并得到修正后的云量CC。图2为使用本发明获得的云量与不使用本发明获得的云量差异。
(4)拟合红外辐射反演的云底高与激光测量的云底高之间的比例系数。具体方法是：统计10分钟内，天顶5°以内红外辐射反演的云底高HIR和最低层天顶激光云底高HLaser的中间值(10组数据)，若两类数据均存在，且大于等于3组，则拟合得到比例系数；若其中任一类不存在，则天顶扩大至10°，统计时间向前扩展至15分钟。若其中任一类仍不存在或者两类数据均存在的情况不足3组数据，则放弃拟合，利用前一次拟合结果作为本次拟合系数。将拟合系数记入拟合系数数据库，将有效的HIR、HLaser记入云底高数据库。
(5)进行全视场云底高修正，并计算得出每10分钟的典型云底高度。图3为使用本发明获得的天顶云底高与不使用本发明获得的天顶云底高差异。具体步骤为：
步骤1：天空均匀性判断。利用大视场的红外辐射数据的标准差判断天空的均匀性，分为均匀天空和不均匀天空两类。
步骤2：全视场云底高修正。根据步骤1的结果，若为均匀天空，则直接利用拟合系数进行全视场云底高修正，得到全天空云底高分布图；若为不均匀天空，则根据待修正的红外辐射反演的云底高查找云底高数据库，将之前2小时内相差在500m以内的数据对找出，拟合得到修正比例因子，并将云底高乘以修正比例因子进行修正。
步骤3：典型云底高度的求取。按照低云(0-2500m)、中云(2500-6000m)和高云(6000m以上)三档分别进行统计。将每一档的云底高以10分钟为统计范围，由低到高排序，然后求得前2％所对应的云底高，作为每一档的典型云底高度。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种红外与激光联合的地基测云方法，其特征在于，包括以下步骤：
（1）分别利用非致冷红外焦平面阵列传感器获得大气向下红外辐射数据，利用激光传感器获得天顶后向消光系数廓线数据；获得上述两个数据的时间同步；
（2）联合上述数据对云下水汽和气溶胶辐射进行估计，并利用辐射传输模式计算的晴空阈值进行初步的云检测；并假定云为黑体，反演得到云底高；
（3）对高时间分辨率的红外辐射图像进行序列分析，结合晴空阈值做进一步的云检测，并计算云量；
（4）拟合红外辐射反演的云底高与激光测量的云底高之间的比例系数；
（5）进行全视场云底高修正，并计算得出每10分钟的典型云底高度。
2.根据权利要求1所述的方法，其特征在于：通过数据采集系统每1分钟同步进行非致冷红外焦平面阵列传感器数据采集和激光传感器的数据采集。
3.根据权利要求1所述的方法，其特征在于：联合非致冷红外焦平面阵列传感器获取的红外辐射数据和激光传感器获取的天顶回波数据对云下水汽和气溶胶辐射进行估计，并计算出晴空辐射阈值。
4.根据权利要求1所述的方法，其特征在于：步骤（2）的具体化：根据（1）大气向下红外辐射数据和天顶后向的消光系数廓线数据对云下水汽和气溶胶辐射进行估计，并利用辐射传输模式计算的晴空阈值进行初步的云检测；并假定云为黑体，反演得到云底高：
步骤1：云下气溶胶辐射估计；将消光廓线转换为光学厚度廓线，代入Libradtran辐射传输模式，估算垂直路径的气溶胶向下辐射值Iaerosol；
步骤2：云下水汽辐射估计：利用激光无云时的天顶向下红外辐射IIR_clear和地面水汽密度ρwater_vapour估算垂直路径的可降水含量PWV，PWV=f（IIR_clear，ρwater_vapour），其中函数f利用不少于1年的时间的探空廓线、天空红外辐射和地面水汽密度统计得出，具体统计模型使用二元线性回归模型，并利用最小二乘法得到回归系数；将PWV代入包括Libradtran的辐射传输模式，即能估算垂直路径的水汽向下辐射值Iwater_vapour；
步骤3：晴空辐射阈值确定；利用Libradtran辐射传输模式计算大气廓线以及臭氧和其他稳定少变气体的固定辐射值Ic，结合步骤1、2得到的Iaerosol和Iwater_vapour，计算出晴空辐射阈值I0=Iaerosol+Iwater_vapour+Ic；
步骤4：初步的云检测；遍历红外辐射图像，判断实际测量的大气向下红外辐射I与I0的大小，若实际测量的辐射I大于晴空辐射阈值I0，则判为有云，否则无云；此步骤得到初步估计云量记为CC1；并进一步得到修正后的云体向下红外辐射I1=I-Iaerosol-Iwater_vapour-Ic；
步骤5：利用红外辐射反演云底高；根据步骤4中得到的I1，假设云为黑体，求出云层底亮温，根据该地区该时间段内的典型温度递减率，得到红外辐射反演的云底高HIR。
5.根据权利要求4所述的方法，其特征在于：对高时间分辨率的红外辐射图像进行序列分析，结合晴空阈值做进一步的云检测，并计算云量；具体步骤为：
步骤1：求取各像素点的序列辐射标准差；以1分钟为迭代周期，按10分钟为间隔进行图像的序列分析，将每个像素点的10次辐射数据求标准差σ；利用辐射标准差判断每个像素随时间的均匀性；
步骤2：标记可疑像素云点；如步骤1求取各像素点的序列辐射标准差，遍历红外辐射标准差图像，得σ，若σ>σ0，则此像素点标记为可疑云点，否则标记为晴空点，其中σ0通过大量晴空样本统计得出；此步骤得到可疑云量记为CC2；
步骤3：对初步云检测进行修正：
对于（2）中判断为无云的区域，若（3）中步骤2得到的是可疑云区，则晴空辐射阈值I0按0.2W/(m2.sr)向下调整，直到CC1与CC2的差值绝对值小于1；
对于（2）中判断为有云的区域，且根据红外辐射反演的云底高在6000m以上，若（3）中步骤2得到的是无云区，则晴空辐射阈值I0按0.2W/(m2.sr)向上调整，直到CC1与CC2的差值绝对值小于1；对于其他情况不做修正；
步骤4：按照调整后的晴空阈值进行云检测，并得到修正后的云量CC。
6.根据权利要求1所述的方法，其特征在于：拟合红外辐射反演的云底高与激光测量的云底高之间的比例系数：具体方法是，统计10分钟内，天顶5°以内红外辐射反演的云底高HIR和最低层天顶激光云底高HLaser10组数据的中间值，若两类数据均存在，且大于等于3组，则拟合得到比例系数；若其中任一类不存在，则天顶扩大至10°，统计时间向前扩展至15分钟；若其中任一类仍不存在或者两类数据均存在的情况不足3组数据，则放弃拟合，利用前一次拟合结果作为本次拟合系数；将拟合系数记入拟合系数数据库，将有效的HIR、HLaser记入云底高数据库。
7.根据权利要求6所述的方法，其特征在于：进行全视场云底高修正，并计算得出每10分钟的典型云底高度：具体步骤为；
步骤1：天空均匀性判断：利用大视场的红外辐射数据的标准差判断天空的均匀性，分为均匀天空和不均匀天空两类；
步骤2：全视场云底高修正：根据步骤1的结果，若为均匀天空，则直接利用拟合系数进行全视场云底高修正，得到全天空云底高分布图；若为不均匀天空，则根据待修正的红外辐射反演的云底高查找云底高数据库，将之前2小时内相差在500m以内的数据对找出，拟合得到修正比例因子，并将云底高乘以修正比例因子进行修正；
步骤3：典型云底高度的求取：按照0-2500m低云、2500-6000m中云和6000m以上的高云三档分别进行统计；将每一档的云底高以10分钟为统计范围，由低到高排序，然后求得前2%所对应的云底高，作为每一档的典型云底高度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410398747.7A CN104181612B (zh) | 2014-08-13 | 2014-08-13 | 一种红外与激光联合的地基测云方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410398747.7A CN104181612B (zh) | 2014-08-13 | 2014-08-13 | 一种红外与激光联合的地基测云方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104181612A CN104181612A (zh) | 2014-12-03 |
| CN104181612B true CN104181612B (zh) | 2016-03-30 |
Family
ID=51962799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410398747.7A Expired - Fee Related CN104181612B (zh) | 2014-08-13 | 2014-08-13 | 一种红外与激光联合的地基测云方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104181612B (zh) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10690540B2 (en) | 2015-10-06 | 2020-06-23 | View, Inc. | Multi-sensor having a light diffusing element around a periphery of a ring of photosensors |
| US10533892B2 (en) | 2015-10-06 | 2020-01-14 | View, Inc. | Multi-sensor device and system with a light diffusing element around a periphery of a ring of photosensors and an infrared sensor |
| US9645465B2 (en) | 2011-03-16 | 2017-05-09 | View, Inc. | Controlling transitions in optically switchable devices |
| US11635666B2 (en) | 2012-03-13 | 2023-04-25 | View, Inc | Methods of controlling multi-zone tintable windows |
| US11950340B2 (en) | 2012-03-13 | 2024-04-02 | View, Inc. | Adjusting interior lighting based on dynamic glass tinting |
| US9638978B2 (en) | 2013-02-21 | 2017-05-02 | View, Inc. | Control method for tintable windows |
| US10048561B2 (en) | 2013-02-21 | 2018-08-14 | View, Inc. | Control method for tintable windows |
| US11674843B2 (en) | 2015-10-06 | 2023-06-13 | View, Inc. | Infrared cloud detector systems and methods |
| US11960190B2 (en) | 2013-02-21 | 2024-04-16 | View, Inc. | Control methods and systems using external 3D modeling and schedule-based computing |
| US11719990B2 (en) | 2013-02-21 | 2023-08-08 | View, Inc. | Control method for tintable windows |
| US11966142B2 (en) | 2013-02-21 | 2024-04-23 | View, Inc. | Control methods and systems using outside temperature as a driver for changing window tint states |
| TW202130977A (zh) | 2014-09-29 | 2021-08-16 | 美商唯景公司 | 組合式感測器系統 |
| US11781903B2 (en) | 2014-09-29 | 2023-10-10 | View, Inc. | Methods and systems for controlling tintable windows with cloud detection |
| US11566938B2 (en) | 2014-09-29 | 2023-01-31 | View, Inc. | Methods and systems for controlling tintable windows with cloud detection |
| CN114019580A (zh) | 2014-09-29 | 2022-02-08 | 唯景公司 | 具有可变距离感测的日光强度或云检测 |
| CN104536009B (zh) | 2014-12-30 | 2016-12-28 | 华中科技大学 | 一种激光红外复合的地面建筑物识别及导航方法 |
| TWI823168B (zh) | 2015-07-07 | 2023-11-21 | 美商唯景公司 | 用於可著色窗戶之控制方法 |
| US11255722B2 (en) | 2015-10-06 | 2022-02-22 | View, Inc. | Infrared cloud detector systems and methods |
| CN105657342B (zh) * | 2015-12-22 | 2019-02-19 | 哈尔滨工业大学 | 基于热像仪的星地双向高速激光通信大气影响探测方法 |
| CN106226842B (zh) * | 2016-07-13 | 2018-11-13 | 成都信息工程大学 | 一种城市下垫面气溶胶对雷电过程影响机理的测试方法 |
| TW202334672A (zh) * | 2016-10-06 | 2023-09-01 | 美商唯景公司 | 紅外線雲偵測器系統及方法 |
| CN106909722B (zh) * | 2017-02-10 | 2019-07-26 | 广西壮族自治区气象减灾研究所 | 一种近地面气温的大面积精准反演方法 |
| CN107728163B (zh) * | 2017-09-05 | 2020-04-07 | 兰州大学 | 大气特征层检测方法及装置 |
| CN107608008B (zh) * | 2017-09-15 | 2020-09-25 | 哈尔滨工程大学 | 一种基于广义大气浑浊度的晴空时段的检测方法 |
| CN109977463A (zh) * | 2019-02-15 | 2019-07-05 | 南京航空航天大学 | 一种使用缩比模型测量大型装备红外辐射特征的相似实验方法 |
| CN110411928B (zh) * | 2019-08-02 | 2020-09-01 | 山东农业大学 | 基于机载双色激光点云的海水悬沙浓度获取方法及装置 |
| CN110688606B (zh) * | 2019-08-30 | 2021-10-12 | 中国科学院遥感与数字地球研究所 | 一种热红外遥感反演云微物理参数的方法 |
| CN111142090B (zh) * | 2019-12-25 | 2022-03-18 | 自然资源部国土卫星遥感应用中心 | 一种激光测高仪云散射误差修正方法及装置 |
| CN114372945B (zh) * | 2021-12-30 | 2024-04-26 | 华南理工大学 | 基于可见光和红外合成图像的全天空成像仪及云量计算方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201104273Y (zh) * | 2007-07-13 | 2008-08-20 | 中国人民解放军理工大学气象学院 | 基于红外的测云传感器 |
| CN101089657B (zh) * | 2007-07-13 | 2010-05-19 | 中国人民解放军理工大学气象学院 | 光学测云仪器的三伺服装置 |
| FI20105476A (fi) * | 2010-04-30 | 2011-10-31 | Vaisala Oyj | Ilmakehän kosteus- tai lämpötilaprofiilin tai pilvenkorkeuden mittausmenetelmä ja -laitteisto |
| WO2013105244A1 (ja) * | 2012-01-12 | 2013-07-18 | 株式会社日立製作所 | 影位置予測システム及び影位置予測方法 |
-
2014
- 2014-08-13 CN CN201410398747.7A patent/CN104181612B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104181612A (zh) | 2014-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104181612B (zh) | 一种红外与激光联合的地基测云方法 | |
| Nie et al. | Above-ground biomass estimation using airborne discrete-return and full-waveform LiDAR data in a coniferous forest | |
| KR101404430B1 (ko) | 적외선 영상을 이용한 지표온도감률 추정 방법 | |
| Hosoi et al. | Estimation of vertical plant area density profiles in a rice canopy at different growth stages by high-resolution portable scanning lidar with a lightweight mirror | |
| Lao et al. | Retrieving building height in urban areas using ICESat-2 photon-counting LiDAR data | |
| Zhang et al. | Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications | |
| CN103901420A (zh) | 先验地表反射率支持的动态阈值法遥感数据云识别方法 | |
| Nie et al. | A revised terrain correction method for forest canopy height estimation using ICESat/GLAS data | |
| CN108874734B (zh) | 一种全球陆地降水反演方法 | |
| KR101503509B1 (ko) | 수동형 마이크로파 인공위성 자료를 이용한 해상풍 산출 시스템 및 이를 이용한 산출방법 | |
| Zhang et al. | Observation of atmospheric boundary layer height by ground-based LiDAR during haze days | |
| Lim et al. | A land data assimilation system using the MODIS-derived land data and its application to numerical weather prediction in East Asia | |
| Zhao et al. | Surface soil moisture relationship model construction based on random forest method | |
| CN104155705A (zh) | 一种利用地基红外测云仪间接测量大气可降水量的方法 | |
| Tang et al. | How accurate are satellite-derived surface solar radiation products over tropical oceans? | |
| Wang et al. | Retrieval of the change of precipitable water vapor with zenith tropospheric delay in the Chinese mainland | |
| KR101948706B1 (ko) | 히마와리 8호 ahi 센서를 이용한 대기상단 광대역 알베도 산출 방법 | |
| Sun et al. | Individual tree segmentation and biomass estimation based on UAV Digital aerial photograph | |
| Li et al. | Soil moisture retrieval by combining using active and passive microwave data | |
| Feng et al. | ESTIMATION OF FOREST BIOMASS BASED ON MULITI-SOURCE REMOTE SENSING DATA SET–A CASE STUDY OF SHANGRI-LA COUNTY | |
| CN108897074A (zh) | 一种全球海洋降水反演方法 | |
| Gao et al. | A neural network based method for land surface temperature retrieval from AMSR-E passive microwave data | |
| Son et al. | Development of a Retrieval Algorithm for Adjustment of Satellite-viewed Cloudiness | |
| Yan et al. | Relationship Model between Nightlight Data and Floor Area Ratio from High Resolution Images | |
| Zhou et al. | Deriving soil and vegetation temperatures of a dynamically developing maize field from ground thermal images recorded during the HiWATER-MUSOEXE |
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: 20160330 Termination date: 20170813 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |