CN104849774A - 一种包含天气因素的日出日落时间测量方法 - Google Patents
一种包含天气因素的日出日落时间测量方法 Download PDFInfo
- Publication number
- CN104849774A CN104849774A CN201510185371.6A CN201510185371A CN104849774A CN 104849774 A CN104849774 A CN 104849774A CN 201510185371 A CN201510185371 A CN 201510185371A CN 104849774 A CN104849774 A CN 104849774A
- Authority
- CN
- China
- Prior art keywords
- brightness
- data
- sunrise
- time
- point
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Electric Clocks (AREA)
Abstract
本发明涉及一种包含天气因素的日出日落时间测量方法，包括以下步骤：在日出日落时间已知的地方对亮度传感器进行定标测试；采集已知地理位置点的不同天气状况下的日出前后亮度数据，找出亮度数据变大的拐点，并记录采集该拐点的时间点，由时间点向后选取一定时间内的亮度数据，记录从拐点到最后一个亮度数据采样点的N组数据；对N组数据进行求和得到总亮度，并计算出每一天N组数据的总亮度；查出每天日出时刻数据，计算出亮度拐点的时间点到日出时刻的时间间隔；找出时间间隔与总亮度的关系，并做多项式拟合，得到拟合多项式；通过该拟合多项式对未知地点的日出时刻进行测量。本发明能够减小由于天气变化导致的日出日落时间计算偏差。
Description
技术领域
本发明涉及野生动物标志定位技术领域，特别是涉及一种包含天气因素的日出日落时间测量方法。
背景技术
标志放流(tagged releasing)最早采用于17世纪，是研究鱼类洄游和鱼类资源的一种重要方法。其做法是：在捕获的鱼类活体做上标记后放回自然水域，再通过生产船只或调查船只重捕或追踪的过程。通过对重捕鱼的统计数据来研究鱼类的洄游、分布、生长和资源等状况。此外，根据鱼类标志放流的结果还可估算鱼类种群数量变动。现在用标志方法的研究对象不再仅限于鱼类，已扩展到多种野生动物，本发明中的鱼类标志，同样可用于其他野生动物。
标志放流的方法有很多种，从采用的技术上可分为传统标志法和采用现代科技的新技术标志法。传统的标志放流是指通过切鳍、穿孔、烙印、颜料染色、体外标等方法产生肉眼可分辨的标志鱼体。对于一条鱼，传统标志法一般可以获得放流和捕获两个地址，要获得洄游路线，需要对同一种群多条鱼标志，通过不同时间的多次捕捞描绘出洄游路径。
随着科学技术的发展，特别是电子技术的迅速发展，标志放流与现代电子技术相结合产生一些新的标志技术和方法，我们统称为采用现代科技的标志放流方法。目前新技术标志法主要有生物遥感标志法、被动整合雷达法、档案式标记法和浮起式(POP-UP)卫星标志法等。
生物遥感标法是利用能够产生超声波或电磁波信号的电子装置作为标志物，利用接收装置接收到标志物发出的信号，就可以对其进行跟踪和定位。生物遥感标自身带有电源，主动发射信号，接收装置被动接收。被动整合雷达标与生物遥感标中的电磁标类似，不同之处在于被动整合雷达标自身没有电源装置，而是通过外界的励磁系统提供能量。这两种方法理论上通过跟踪船只可以获得整个的洄游路径，但由于经费和技术原因，一般是在河流的不同位置安置多组固定点侦听装置，可以得到标志鱼类到达侦听点的时间，从而获得鱼类的洄游信息。
对于大洋性鱼类，由于活动范围广阔，以上方法均难以获得很好的效果。随着科技的发展，GPS成为常用的定位方式，但由于鱼类长期生活在水下，影响了电磁波的传播，不 能通过GPS对其定位，采用声学定位范围有限，对于大洋中的洄游鱼类几乎不可能。
将微型电子仪器固定在被标志鱼体上，其上的微型传感器可以记录周围的环境参数：温度、亮度、压强等，就构成了档案式标志，给档案式标志加上自动浮起和卫星通讯装置就构成了浮起式卫星标志。电子档案式标志可以记录被标识鱼周围环境数据，还可通过压强数据获得鱼类生活的深度。利用标志上传感器获得的亮度数据，通过一定的算法可以得到其位置。其原理是：由地理学知识可知，以格林威治标准时间计时，某地的正午时间由其经度决定，昼长则由其纬度决定(春分、秋分日除外)，这样只要电子标志上能够记录当地正午时间和昼长，就可以计算出当地位置。精确的时间对于现代科技而言不难，现在的石英晶振可以达到1PPM的精度，问题是如何精确确定当地正午时间？在地面上可以根据影子的方向和长度判断，在小型的鱼类标志上却不容易。地理学上的昼长是指从日出到日落的时间，如果日出时间和日落时间能确定，则正午时间在二者的中间点，昼长为二者之间的时长。因此，确定正午时间和昼长的问题就转化为精确确定日出和日落时间的问题。目前，在基于亮度反演地理位置的算法中，其定位精度主要取决于正午时间和昼长的精度，因而，日出日落时间计算的精度是提高基于亮度定位方法精度的关键。
目前采用的方法是对环境亮度进行记录，通过分析时间序列的环境亮度数据得到日出和日落时间。日出时间定义为太阳仰角为0度的时间，一般太阳仰角在－5度(此时太阳在地平线以下)时已经开始变亮，到日出后一段时间内亮度一直在增大，所以黎明亮度是渐变的(黄昏时的亮度变化与黎明时类似，但是减弱的)。从亮度变化直接界定日出日落时间精度不高，因而，界定的正午时间和昼长也不准确。
在理想条件下，目前的定位精度为：在经度上约为0.5度，纬度精度与季节和纬度高低有关，一般在1～3度。造成精度不高的原因主要是由于由亮度数据反演正午时间和昼长的误差较大。因此，如何从时间序列的亮度数据获得高精度的正午时间和昼长数据是提高定位精度的关键。目前已有的方法有：1，固定参照法：通过搜集一定数量的光照数据对传感器进行定标，配置参照光亮度，然后建立方程进行定位。2，可变参照法：将最大光亮度缩小到一定倍率作为参照值，在本质上与固定参照法类似，只是参照光亮度依赖于光亮度观测。3，曲线映射法：将晨光曲线和暮光曲线进行对称处理，通过对比一系列不同纬度的晨昏光曲线获得地理位置。由于天气变化，同样在日出时刻，晴朗的天气和阴云密布的亮度相差很多，以上几种方法都没有考虑由于天气变化导致亮度变化因素，因此在日出日落时间的计算上会产生较大偏差。
发明内容
本发明所要解决的技术问题是提供一种包含天气因素的日出日落时间测量方法，能够减小由于天气变化导致的日出日落时间计算偏差。
本发明解决其技术问题所采用的技术方案是：提供一种包含天气因素的日出日落时间测量方法，包括以下步骤：
(1)在日出日落时间已知的地方对亮度传感器进行定标测试；
(2)采集已知地理位置点的不同天气状况下的日出前后亮度数据，找出亮度数据变大的拐点，并记录采集该拐点的时间点，由该时间点向后选取一定时间内的亮度数据，记录从拐点到最后一个亮度数据采样点的N组数据；
(3)对N组数据进行求和得到总亮度，并计算出每一天N组数据的总亮度；
(4)查出每天日出时刻数据，计算出亮度拐点的时间点到日出时刻的时间间隔；
(5)找出时间间隔与总亮度的关系，对时间间隔与总亮度做多项式拟合，得到拟合多项式；
(6)通过该拟合多项式对未知地点的日出时刻进行测量。
所述步骤(1)具体包括：使用亮度传感器测出夜间的亮度，并取日落后1小时到日出前1小时的数据进行平均，作为本底噪声，并将测得的数据去除本底噪声从而实现定标。
所述步骤(6)具体包括：首先根据夜间亮度低的现象，计算对每个小时的亮度求和，然后选取连续5个小时的亮度之和最小的那组数据作为夜间本底亮度数据，除以采样组数，计算得到本底噪声，然后计算出亮度拐点及拐点时刻时间点和总亮度，将总亮度带入所述拟合多项式，计算出亮度拐点时刻到日出时刻的时间间隔，得到未知地点的日出时刻。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明在不额外增加传感器的情况下，修正由于天气原因造成亮度偏差，从而获得较高精度的日出日落时间。
附图说明
图1是本发明实施例中二阶多项式拟合曲线示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而 不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种包含天气因素的日出日落时间测量方法，包括以下步骤：
1，由于亮度传感器灵敏度不同，首先要对亮度传感器进行定标测试。在地理位置已知，也就是日出日落时间已知的地方进行定标，测量亮度传感器在夜间的读出数值，夜间数据可取日落后1小时到日出前1小时的数据进行平均，作为本底噪声：
式中：Lnoise为亮度本底噪声，Loi为第i次采样的原始亮度数据。Ns为夜间采样开始时的计数，Ne夜间采样结束时的计数，Ne-Ns为整个夜间采样次数
对测量数据去除本底噪声：Li＝Loi-Lnoise
式中：Li为去除本底噪声的第i次亮度采样数据
经过去除本底噪声处理的夜间亮度数据Li基本为0。在日出前的一段时间，Li会逐渐变大，根据传感器的灵敏度不同，从亮度开始变大到日出的时间可能会有所不同，可通过实验进行测定。
2，采集已知地理位置点的不同天气状况下的日出前后亮度数据，并按上面的方法计算出去除本底噪声后的亮度数据Li，找出Li变大的拐点，该点就是亮度由夜间到白天的转变节点，该点的数据记为Listart，并记录采集该数据的时间点Tstart由该点向后选取一定时间内的亮度数据，使得无论在何种天气状况下，日出一定包含在这段时间内，这个时间的长度与最终计算结果的精度有关，可通过具体数据进行优化，这段时间最后一个亮度采样数据记为Liend，期间从Listart到Liend共采集Ndawn组数据，
3，对Ndawn组数据进行求和：
得到这段时间内的亮度数据总和，分别计算出每一天的Lsum。Lsum的大小与天气状况有关，阴雨天气Lsum较小，晴朗天气Lsum较大。
4，计算或查表得到每天相应的日出时刻数据Tsunrise，计算出从亮度拐点时刻Tstart到日出时刻的时间间隔t＝Tsunrise-Tstart
5，找出t与总亮度Lsum之间的关系：对t与Lsum做多项式拟合，通过数据分析找出适当的拟合阶数，得到多项式各阶系数，从而得到拟合多项式，该多项式即可用于未知地点的日出时刻计算。
6，对于未知地点的日出日落数据的计算：由于未知地点，需要首先计算出夜间亮度的本底数据，由于该点的日出日落时间就是需要计算的量，因此不可利用步骤1中的方法计算本底噪声Lnoise。此时可以根据夜间亮度低的现象，计算对每个小时的亮度求和，然后选取连续5个小时的亮度之和最小的那组数据作为夜间本底亮度数据，除以采样组数，计算得到本底噪声Lnoise。
然后利用步骤2－3中的方法计算出亮度拐点Listart及拐点时刻时间点Tstart和总亮度Lsum，将Lsum带入步骤5中得到的拟合多项式，计算出亮度拐点时刻Tstart到日出时刻的时间间隔t＝Tsunrise-Tstart，则日出时间Tsunrise＝Tstart+t，至此，即求出日出时刻，同样的方法可以计算出日落时刻Tsunset，计算出Tsunrise和Tsunset即可利用公式计算出该点的经纬度。
下面以一个具体的实施例来进一步说明本发明。
本发明的实施方式涉及一种由亮度计算日出日落时间的方法，采用亮度传感器的型号为ISL29001，其为数字输出。利用亮度传感器以60秒的采样间隔在已知经纬度的地点连续采集数据，采集数据期间应包括晴朗和阴雨的天气，本例中采集了39天的数据。由于采样地点的经纬度已知，取当地地方时午夜12点的前后各2.5个小时的时间为夜间时间，这段时间的亮度数据均值作为亮度本底噪声，由于本例中选用的亮度传感器ISL29001灵敏度有限。其夜间的亮度数据为0，因此认为亮度本底噪声为0，因此采样直接得到的数据即为Li。观察Li数据与日出时间的关系可知：日出时间一般出现在亮度不为零后的十几到二十几分钟内，其时间的长短与天气有关。因此，取亮度不为零后30分钟内的数据计算其总亮度，下表给出了39天时间的总亮度和日出时间的关系，
| 日出时间 | 13 | 10 | 15 | 19 | 23 | 24 | 26 | 27 | 27 | 27 | 24 | 26 | 26 |
| 总亮度 | 379 | 469 | 348 | 1142 | 932 | 805 | 1925 | 1769 | 1664 | 1929 | 1713 | 1720 | 2195 |
[0041]
| 日出时间 | 28 | 19 | 15 | 25 | 25 | 17 | 17 | 27 | 18 | 17 | 18 | 19 | 27 |
| 总亮度 | 1495 | 534 | 503 | 1580 | 1618 | 1155 | 1153 | 1615 | 968 | 573 | 622 | 831 | 1582 |
| 日出时间 | 20 | 27 | 26 | 19 | 25 | 26 | 25 | 26 | 27 | 26 | 20 | 26 | 23 |
| 总亮度 | 645 | 2149 | 1618 | 586 | 1263 | 1452 | 1450 | 1073 | 1435 | 1321 | 644 | 1656 | 802 |
从上表中可以看到，日出时间和总亮度有较高的相关性，对其做二阶多项式拟合得其拟合曲线如附图1，拟合相关数据为：
Y＝A+B1*X+B2*X^2
式中A＝8.24461，B1＝0.018，B2＝－4.39573x10-6，标准差为2.5258分钟。从图1中还可以看出，当总亮度较低时数据的离散度较大，这时利用拟合公式计算出的日出时间的误差也较大，总亮度较大的晴朗天气数据离散度较小，拟合的准确度也较高。如果用上面数据中总亮度大于1250的20个数据进行拟合，其标准差仅为1.026分钟，准确度大大提高。
利用上面的得到的公式Y＝8.24461+0.018X-4.39573x10-6X2，将未知地点的总亮度作为式中的X带入，即可得到Y，Y表示的是从亮度拐点到日出时刻的时长，找到对应亮度拐点的采样时刻加上Y就可以得到日出时刻。同理可求出日落时刻。
Claims (3)
1.一种包含天气因素的日出日落时间测量方法，其特征在于，包括以下步骤：
(1)在日出日落时间已知的地方对亮度传感器进行定标测试；
(2)采集已知地理位置点的不同天气状况下的日出前后亮度数据，找出亮度数据变大的拐点，并记录采集该拐点的时间点，由该时间点向后选取一定时间内的亮度数据，记录从拐点到最后一个亮度数据采样点的N组数据；
(3)对N组数据进行求和得到总亮度，并计算出每一天N组数据的总亮度；
(4)查出每天日出时刻数据，计算出亮度拐点的时间点到日出时刻的时间间隔；
(5)找出时间间隔与总亮度的关系，对时间间隔与总亮度做多项式拟合，得到拟合多项式；
(6)通过该拟合多项式对未知地点的日出时刻进行测量。
2.根据权利要求1所述的包含天气因素的日出日落时间测量方法，其特征在于，所述步骤(1)具体包括：使用亮度传感器测出夜间的亮度，并取日落后1小时到日出前1小时的数据进行平均，作为本底噪声，并将测得的数据去除本底噪声从而实现定标。
3.根据权利要求1所述的包含天气因素的日出日落时间测量方法，其特征在于，所述步骤(6)具体包括：首先根据夜间亮度低的现象，计算对每个小时的亮度求和，然后选取连续5个小时的亮度之和最小的那组数据作为夜间本底亮度数据，除以采样组数，计算得到本底噪声，然后计算出亮度拐点及拐点时刻时间点和总亮度，将总亮度带入所述拟合多项式，计算出亮度拐点时刻到日出时刻的时间间隔，得到未知地点的日出时刻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510185371.6A CN104849774B (zh) | 2015-04-17 | 2015-04-17 | 一种包含天气因素的日出日落时间测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510185371.6A CN104849774B (zh) | 2015-04-17 | 2015-04-17 | 一种包含天气因素的日出日落时间测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104849774A true CN104849774A (zh) | 2015-08-19 |
| CN104849774B CN104849774B (zh) | 2017-03-29 |
Family
ID=53849554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510185371.6A Active CN104849774B (zh) | 2015-04-17 | 2015-04-17 | 一种包含天气因素的日出日落时间测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104849774B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133354A (zh) * | 2017-12-07 | 2018-06-08 | 北京小米移动软件有限公司 | 信息提醒方法及装置 |
| CN112462669A (zh) * | 2020-12-01 | 2021-03-09 | 郑州鸿彩照明科技有限公司 | 一种蓝牙经纬度定时开关控制方法 |
| CN113156546A (zh) * | 2021-03-12 | 2021-07-23 | 重庆市气象台 | 一种日出日落景观预报方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050057363A1 (en) * | 2003-09-15 | 2005-03-17 | Salles Cicero De Oliveira | Weather dial |
| CN1690727A (zh) * | 2004-04-23 | 2005-11-02 | 富士施乐株式会社 | 紫外线辐射测量方法及紫外线测量设备 |
| CN1877367A (zh) * | 2005-03-30 | 2006-12-13 | 万志臣 | 天气气候征兆预报法 |
| CN102663263A (zh) * | 2012-04-28 | 2012-09-12 | 西安交通大学 | 一种连续时间太阳辐射能预测方法 |
| CN102721988A (zh) * | 2012-06-14 | 2012-10-10 | 中国气象科学研究院 | 基于天空可见光图像的日照时数测量方法 |
-
2015
- 2015-04-17 CN CN201510185371.6A patent/CN104849774B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050057363A1 (en) * | 2003-09-15 | 2005-03-17 | Salles Cicero De Oliveira | Weather dial |
| CN1690727A (zh) * | 2004-04-23 | 2005-11-02 | 富士施乐株式会社 | 紫外线辐射测量方法及紫外线测量设备 |
| CN1877367A (zh) * | 2005-03-30 | 2006-12-13 | 万志臣 | 天气气候征兆预报法 |
| CN102663263A (zh) * | 2012-04-28 | 2012-09-12 | 西安交通大学 | 一种连续时间太阳辐射能预测方法 |
| CN102721988A (zh) * | 2012-06-14 | 2012-10-10 | 中国气象科学研究院 | 基于天空可见光图像的日照时数测量方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108133354A (zh) * | 2017-12-07 | 2018-06-08 | 北京小米移动软件有限公司 | 信息提醒方法及装置 |
| CN112462669A (zh) * | 2020-12-01 | 2021-03-09 | 郑州鸿彩照明科技有限公司 | 一种蓝牙经纬度定时开关控制方法 |
| CN113156546A (zh) * | 2021-03-12 | 2021-07-23 | 重庆市气象台 | 一种日出日落景观预报方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104849774B (zh) | 2017-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Woodgate | Increases in the Pacific inflow to the Arctic from 1990 to 2015, and insights into seasonal trends and driving mechanisms from year-round Bering Strait mooring data | |
| Bakun et al. | Environmental inputs to fishery population models for eastern boundary current regions | |
| Peduzzi et al. | Assessing high altitude glacier thickness, volume and area changes using field, GIS and remote sensing techniques: the case of Nevado Coropuna (Peru) | |
| Uhlhorn et al. | Observational undersampling in tropical cyclones and implications for estimated intensity | |
| Luo et al. | Dynamic monitoring and prediction of Dianchi Lake cyanobacteria outbreaks in the context of rapid urbanization | |
| CN104849774B (zh) | 一种包含天气因素的日出日落时间测量方法 | |
| Adeboye et al. | Evaluation of FAO-56 Penman-Monteith and temperature based models in estimating reference evapotranspiration using complete and limited data, application to Nigeria | |
| Porter et al. | Techniques to improve the accuracy of location estimation using light-level geolocation to track shorebirds | |
| Akhil et al. | Assessment of seasonal and year-to-year surface salinity signals retrieved from SMOS and Aquarius missions in the Bay of Bengal | |
| Hawari et al. | Development of IoT monitoring system for aquaculture application | |
| Pan et al. | Estimation of evapotranspiration using a nonparametric approach under all sky: Accuracy evaluation and error analysis | |
| Lawler et al. | River bank erosion events on the Upper Severn detected by the Photo-Electronic Erosion Pin (PEEP) system | |
| Suzuki et al. | Last interglacial coral record of enhanced insolation seasonality and seawater 18O enrichment in the Ryukyu Islands, northwest Pacific | |
| Allard et al. | Spatial and temporal patterns of in situ sea surface temperatures within the Gulf of Mexico from 1901-2010 | |
| Yang et al. | Migrating monarch butterfly localization using multi-modal sensor fusion neural networks | |
| Tomkovich et al. | Transcontinental pathways and seasonal movements of an Asian migrant, the Common Ringed Plover Charadrius hiaticula tundrae | |
| CN102109456B (zh) | Landsat卫星传感器的高悬浮泥沙浓度计算方法 | |
| Seitz et al. | Evaluating light-based geolocation for estimating demersal fish movements in high latitudes. | |
| CN113052484A (zh) | 基于格点化气象数据的农产品气候品质评估方法及装置 | |
| Ryu et al. | The regional water cycle and heavy spring rainfall in Iowa: observational and modeling analyses from the IFloodS campaign | |
| Nussbaumer et al. | Global positioning by atmospheric pressure retrieved from multi-sensor geolocators | |
| McKinnon et al. | Seasonal constraints on inferred planetary heat content | |
| CN109272545A (zh) | 一种定量表征河流决口扇的几何参数关系及其规模的方法 | |
| Megantoro et al. | Development of an internet of things-based weather station device embedded with O2, CO2, and CO sensor readings | |
| Yang et al. | Migrating monarch butterfly localization using multi-sensor fusion neural networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |