CN105068151A - 一种雨团识别及其特征参数的构建方法和装置 - Google Patents
一种雨团识别及其特征参数的构建方法和装置 Download PDFInfo
- Publication number
- CN105068151A CN105068151A CN201510482235.3A CN201510482235A CN105068151A CN 105068151 A CN105068151 A CN 105068151A CN 201510482235 A CN201510482235 A CN 201510482235A CN 105068151 A CN105068151 A CN 105068151A
- Authority
- CN
- China
- Prior art keywords
- rain
- precipitation
- group
- characteristic parameter
- pixel
- 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)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种雨团识别及其特征参数的构建方法和装置,该方法首先利用星载测雨雷达提供的降水量对降水像素进行识别,将所述PR在扫描宽度范围内探测的完整降水区识别为雨团;结合南北40度之间以及3至10公里水平分辨率范围的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;根据所述雨团的物理内涵定义雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、PR原始数据进行匹配,构建雨团特征参数数据集。该方法和装置有利于认识不同天气系统的雨团特性,为未来开发多仪器多波段多角度的卫星联合观测数据融合提供了一个很好的试验平台。
Description
技术领域
本发明涉及气象参数特征识别和预报技术领域,尤其涉及一种雨团识别及其特征参数的构建方法和装置。
背景技术
降水是一种重要的天气过程,降水的多少与旱涝、收成丰歉以及人民生命财产紧密相连,而降水异常对人类生态环境和地球水循环具有重要影响,及时准确地预报降水强度及位置是减少灾害损失的有效手段;但由于降水具有高度时空非连续性的特点,且不同时空尺度降水系统的可预报性不同,所以降水预报仍是一项富有挑战性的工作,其中也包含了我们对不同时空尺度降水认识的不足,尤其是对雨团及其相应特征参数的认识还非常有限。为了提高卫星资料在天气模式降水模拟和预报方面的应用能力,研究和揭示雨团的几何特征参数和物理特征参数具有重要的科学意义及应用价值。
现有技术主要是通过统计静止卫星光谱测得的云信号来识别云团、或利用星载测雨雷达(PR,PrecipitationRadar)测得降水像素的数目作为降水尺度,来描述降水雨团的形状和结构,但没有考虑PR扫描对雨团的截断效应。因此,急需发展一套考虑卫星搭载仪器扫描轨道截断效应的雨团识别方法,并由此建立雨团几何特征参数和物理特征参数的计算技术,为未来深入研究降水雨团结构特征及其时空分布特征奠定基础。
发明内容
本发明的目的是提供一种雨团识别及其特征参数的构建方法和装置,该方法能更好的表征雨团三维几何特征及物理特征,从而便于认识不同天气系统和地理环境下的雨团特征。
一种雨团识别及其特征参数的构建方法,所述方法包括:
利用星载测雨雷达提供的降水强度对降水像素进行识别,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团;
结合0.1度水平分辨率的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;
根据所述雨团的物理内涵,定义雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;
将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、星载测雨雷达PR原始的数据进行匹配,构建雨团特征参数数据集。
一种雨团识别及其特征参数的构建装置,所述装置包括:
雨团识别单元,用于利用星载测雨雷达提供的降水量对降水像素进行识别,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团;
海陆和地形高度信息获取单元,用于结合0.1度水平分辨率的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;
特征参数获取单元,用于根据所述雨团的物理内涵,定义所述雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;
特征参数数据集构建单元,用于将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、星载测雨雷达原始的数据进行匹配,构建雨团特征参数数据集。
由上述本发明提供的技术方案可以看出,该方法能更好的表征雨团三维结构特征及物理属性特征,便于在科学研究和业务应用中认识雨团在不同天气系统和地理环境中的几何特征和物理特征,为卫星遥感降水和天气模式预报降水提供理论基础。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例所提供雨团识别及其特征参数的构建方法流程示意图;
图2为本发明所举实例一次降水过程中雨团识别的效果示意图;
图3为本发明所举实例降水过程的匹配效果示意图;
图4为本发明所举实例匹配方法的应用实例示意图;
图5为本发明实施例所提供雨团识别及其特征参数的构建装置结构示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明实施例的方法利用了PR对降水强度的三维观测数据,结合地形数据对海陆的识别,从而进行具有地理信息的降水雨团识别,以及针对雨团三维结构的几何特征参数和物理特征参数的计算,最终形成数据集。这对深入研究雨团的水平尺度和垂直结构等、不同地形环境下的雨团形态特征与物理特征参数之间关系等提供了技术支撑和数据保证。下面将结合附图对本发明实施例作进一步地详细描述,如图1所示为本发明实施例所提供雨团识别及其特征参数的构建方法的流程示意图,所述方法包括:
步骤11:利用星载测雨雷达提供的地表降水率对降水像素进行识别,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团;
在该步骤中,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团的过程具体为:
首先进行降水像素轨道截断识别和微型雨团(像素数小于4个)的剔除,即遍历降水像素是否紧挨轨道边沿,如果轨道边沿存在降水像素,则将定义这些降水雨团为截轨雨团;如果雨团内像素数小于4个,则定义其为微型雨团,将予以剔除。
随后进行降水雨团识别:即识别降水像素连续区。举例来说,对任一降水像素A,遍历搜索其周围相邻像素点(共8个点),若其中有一个或多个像素同样为降水像素(记为B,C,…),则认为A和B,C,…为同一雨团,随后继续对B,C,…等降水像素重复上述搜索过程,直到该雨团中任一降水像素周围相邻像素点均为非降水像素为止,至此,完成对一个雨团的识别,并对所识别的雨团进行编号;
步骤12:结合南北40度之间以及3至10公里水平分辨率范围的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;
具体来说,可以使用已有的10公里(约0.1度格点)海陆地形标识地图和3公里地形高度,将雨团区相应的经纬度坐标与之相匹配,以决定该像素点位于陆地或海洋,并获取相应的地形高度信息。
在该步骤中,所述雨团的海陆和地形高度信息包括:
雨团像素的所处位置的下垫面状况(如海洋、陆地、冰面等)和大陆架高度(陆地为海报高度、水域为深度)。
步骤13:根据所述雨团的物理内涵,定义雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;
这里,所定义的雨团几何特征参数包括以下一种或多种:雨团的长轴与短轴长度,雨团的四个特征点(即长轴左侧点、长轴右侧点、短轴上侧点、短轴下侧点),雨团的最小外接矩形,雨团的中心点位置,雨团长轴与纬圈的角度,雨团的平均尺度,雨团的充塞度;
所定义的雨团物理特征参数包括以下一种或多种:雨团的平均地表降水率,雨团的最大地表降水率,雨团的降水率标准差,雨团的平均降水回波顶高度,雨团的降水回波顶最大高度,雨团总平均降水率廓线,雨团总平均降水回波廓线,雨团总平均降水率标准差廓线,雨团总平均降水回波标准差廓线,雨团各类型平均降水率廓线,雨团各类型平均降水回波廓线。
具体实现中,上述雨团的长轴长度为:遍历计算每一雨团所有两两像素点间的距离,最终以最大距离作为长轴长度。
雨团的短轴长度:遍历雨团所有像素点,计算其与长轴法线(垂直)方向的距离,分别选择长轴上下侧距离最大值作为短轴的上下半轴,相加即为短轴长度,所对应的像素点分别作为短轴的上下侧点,并获取对应的经纬度。
长轴左右侧点:最大距离所对应的左右两个像素点。
雨团的最小外接矩形:长、宽分别为长轴长度、短轴长度,且能包含雨团所有像素的矩形。
雨团的中心点位置:雨团内所有像素经纬度的算术平均值,也就是雨团的重心。
雨团长轴与纬圈的角度:根据长轴左右侧点的经纬度,计算长轴与纬向方向夹角。
雨团的平均尺度:长轴长度和短轴长度的均值。
雨团的充塞度:以长轴和短轴长度作为矩形的边(见图2),以长短轴相乘作为矩形面积,将雨团总像素数乘以单个PR像素的面积得到雨团面积,用雨团面积除以矩形面积即为充塞度(0-1之间取值)。
雨团的平均地表降水率、最大地表降水率和降水率的标准差:对雨团所有像素点的地表降水率进行统计,计算平均值和标准差;对所有地表降水率进行遍历,得到最大降水率。
雨团的平均降水回波顶高度和标准差:遍历雨团内的像素点,定义PR从上至下的第一个回波信号大于17dBZ所对应的高度为回波顶高度。对雨团所有像素点的回波顶高度进行统计,计算平均值和标准差。
雨团各类型的降水数量(雨团的平均地表降水率,雨团的最大地表降水率,雨团的降水率标准差):分别统计任一雨团内四种不同的降水类型(对流、层云、浅对流、其他)的像素数。
雨团总平均降水率廓线及总平均降水率标准差廓线:对雨团所有像素点的降水率廓线(如某像素某一层降水率为0,仍作为其值为0的有效样本参与计算)进行平均和标准差统计。
雨团总平均降水回波廓线及总平均降水回波标准差廓线:对雨团所有像素点的降水回波廓线(如某像素某一层降水回波为0,仍作为其值为0的有效样本参与计算)进行平均和标准差统计。
雨团各类型平均降水率廓线:同总平均降水率廓线,仅选择各类型的降水像素作为样本进行统计。
雨团各类型平均降水回波廓线:同总平均降水回波廓线,仅选择各类型的降水像素作为样本进行统计。
步骤14:将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、PR原始的数据进行匹配,构建雨团特征参数数据集。
在具体实现中,星载测雨雷达PR原始的数据是指雨团内各个像素的经纬度、地表降水率、冻结层高度、降水回波顶高度及相应的降水率廓线和降水回波廓线等。
特征参数集构建过程是指:将之前步骤获得的雨团几何参数和物理参数、海陆及地形高度信息、雨团内各像素降水信息按照雨团发生的年月日进行编号,文件名包含雨团中心点位置、时间和轨道号及雨团大小,以方便用户使用。
举例来说,如图2所示为本发明所举实例一次降水过程中雨团识别、计算的效果示意图,图2中:黑色和白色圆圈分别为星载测雨雷达识别为对流降水和层云降水的像素,其中浅对流也属于对流降水;通过步骤11、12、13所列的过程,对雨团进行了识别,并计算得到了雨团几何特征参数和物理特征参数,图中的矩形为计算获得的包围此雨团的最小外接矩形,同时右侧即给出了计算得到的雨团的几何特征参数或物理特征参数,例如此雨团长约330.1km,宽约150.7km。
如图3所示为该次降水过程的匹配效果示意图,其中图3a代表地表降水强度分布,图3b为像素所处位置的地形高度,图3c为冻结层高度,图3d为降水回波顶高度。由于这些变量的来源不同(有的是原始数据,有的是定义并计算得到的结果),为了把他们写入数据库,我们利用步骤14的方法进行了匹配计算,具体是将各个像素所对应的不同类型数据统一归在一起,所得到的结果就是,任意给定一个雨团内的像素,便可迅速得到它的各种信息。
如图4所示为本发明实例所提供的匹配方法的应用实例示意图,其中左图为整个雨团降水率的平均廓线,右图为整个雨团雷达回波的高度频率等值线图(CFAD)。两张图均较好的表现出了一个包含多降水像素雨团的垂直结构的整体信息。
基于上述的方法,本发明实施例还提供了一种雨团识别及其特征参数的构建装置,如图5所示为本发明实施例所提供装置的结构示意图,所述装置包括:
雨团识别单元,用于利用星载测雨雷达提供的降水量对降水像素进行识别,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团;
海陆和地形高度信息获取单元,用于结合南北40度之间以及3至10公里水平分辨率范围的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;
特征参数获取单元,用于根据所述雨团的物理内涵,定义所述雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;
特征参数数据集构建单元,用于将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、星载测雨雷达原始的数据进行匹配,构建雨团特征参数数据集。
另外,在具体实现过程中,所述雨团识别单元可以包括:
降水像素识别模块,用于在某一像素的地表降水率大于0.4mm/h,将该像素识别为降水像素,否则识别为非降水像素;
降水像素归类模块,用于在所述降水像素识别模块识别出降水像素后,对相邻位置的降水像素进行识别和归类,并剔除非降水像素;
雨团订正模块,用于剔除被轨道截断的非完整雨团以及包含像素数小于4个的微型雨团。
综上所述,本发明实施例所提供的方法和装置能更好的揭示不同尺度、形态降水的几何特征和物理特征及发生的地理环境特点,有利于认识不同天气系统的雨团特性,从而为未来开发多仪器多波段多角度的卫星联合观测数据融合提供了一个很好的试验平台,具有重要的科学意义和应用价值。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种雨团识别及其特征参数的构建方法,其特征在于,所述方法包括:
利用星载测雨雷达提供的降水量对降水像素进行识别,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团;
结合南北40度之间以及3至10公里水平分辨率范围的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;
根据所述雨团的物理内涵,定义雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;
将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、星载测雨雷达原始的数据进行匹配,构建雨团特征参数数据集。
2.根据权利要求1所述雨团识别及其特征参数的构建方法,其特征在于,所述将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团的过程具体为:
如果像素的地表降水率大于0.4mm/h,则将该像素识别为降水像素,否则为非降水像素;
对相邻位置的降水像素进行识别和归类,并剔除非降水像素;
再进一步订正,剔除被轨道截断的非完整雨团以及包含像素数小于4个的微型雨团。
3.根据权利要求1所述雨团识别及其特征参数的构建方法,其特征在于,所述雨团的海陆和地形高度信息包括:
雨团像素所处位置的下垫面状况,包括海洋、陆地或冰面信息;
大陆架高度信息。
4.根据权利要求1所述雨团识别及其特征参数的构建方法,其特征在于,
所定义的雨团几何特征参数包括以下一种或多种:雨团的最小外接矩形,雨团的四个特征点,雨团的中心点位置,雨团的长轴与短轴长度,雨团的平均尺度,雨团的充塞度,雨团长轴与纬圈的角度;
所定义的雨团物理特征参数包括以下一种或多种:雨团的平均地表降水率,雨团的最大地表降水率,雨团的降水率标准差,雨团的平均降水回波顶高度,雨团的降水回波顶最大高度,雨团总平均降水率廓线,雨团总平均降水回波廓线,雨团总平均降水率标准差廓线,雨团总平均降水回波标准差廓线,雨团各类型平均降水率廓线,雨团各类型平均降水回波廓线。
5.一种雨团识别及其特征参数的构建装置,其特征在于,所述装置包括:
雨团识别单元,用于利用星载测雨雷达提供的降水量对降水像素进行识别,将所述星载测雨雷达在扫描宽度范围内探测的完整降水区识别为雨团;
海陆和地形高度信息获取单元,用于结合南北40度之间以及3至10公里水平分辨率范围的地形数据对所述雨团进行匹配,得到所述雨团的海陆和地形高度信息;
特征参数获取单元,用于根据所述雨团的物理内涵,定义所述雨团的几何特征参数和物理特征参数,并计算所定义的雨团几何特征参数和物理特征参数;
特征参数数据集构建单元,用于将计算得到的雨团几何特征参数和物理特征参数与所述雨团的海陆和地形高度信息、星载测雨雷达原始的数据进行匹配,构建雨团特征参数数据集。
6.根据权利要求5所述雨团识别及其特征参数的构建装置,其特征在于,所述雨团识别单元进一步包括:
降水像素识别模块,用于在某一像素的地表降水率大于0.4mm/h,将该像素识别为降水像素,否则识别为非降水像素;
降水像素归类模块,用于在所述降水像素识别模块识别出降水像素后,对相邻位置的降水像素进行识别和归类,并剔除非降水像素;
雨团订正模块,用于剔除被轨道截断的非完整雨团以及包含像素数小于4个的微型雨团。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510482235.3A CN105068151B (zh) | 2015-07-31 | 2015-08-07 | 一种雨团识别及其特征参数的构建方法和装置 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2015104679694 | 2015-07-31 | ||
CN201510467969 | 2015-07-31 | ||
CN201510482235.3A CN105068151B (zh) | 2015-07-31 | 2015-08-07 | 一种雨团识别及其特征参数的构建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105068151A true CN105068151A (zh) | 2015-11-18 |
CN105068151B CN105068151B (zh) | 2017-07-11 |
Family
ID=54497566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510482235.3A Active CN105068151B (zh) | 2015-07-31 | 2015-08-07 | 一种雨团识别及其特征参数的构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105068151B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105954821A (zh) * | 2016-04-20 | 2016-09-21 | 中国水利水电科学研究院 | 一种用于数值大气模式的典型降雨事件选取方法 |
CN106568437A (zh) * | 2016-11-03 | 2017-04-19 | 上海卫星工程研究所 | 静止卫星成像导航与配准恒星南北参数提取方法及系统 |
CN108196316A (zh) * | 2017-12-26 | 2018-06-22 | 广州积雨云科技有限公司 | 一种自动校正的瞬时大风预警方法 |
CN109459802A (zh) * | 2018-10-30 | 2019-03-12 | 中国科学院遥感与数字地球研究所 | 一种暴雨过程的重构方法及系统 |
CN112035593A (zh) * | 2020-09-09 | 2020-12-04 | 中国科学技术大学 | 一种卫星云降水参数与模式再分析大气参数进行融合的方法及装置 |
CN114089444A (zh) * | 2021-11-23 | 2022-02-25 | 上海航天测控通信研究所 | 一种星载探测数据全球陆地降雨类型判别装置及方法 |
CN115494507A (zh) * | 2022-11-21 | 2022-12-20 | 南京气象科技创新研究院 | 基于星载双频降水雷达和微波成像仪的闪电识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100921424B1 (ko) * | 2008-11-13 | 2009-10-14 | 부경대학교 산학협력단 | 도플러 기상레이더의 관측 자료를 이용한 강수량 추정 방법 |
US20140081573A1 (en) * | 2012-09-20 | 2014-03-20 | Google Inc. | Detecting road weather conditions |
CN104656163A (zh) * | 2015-02-04 | 2015-05-27 | 中国人民解放军理工大学 | 一种基于大数据的移动通信网降水分布及动态测量方法 |
-
2015
- 2015-08-07 CN CN201510482235.3A patent/CN105068151B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100921424B1 (ko) * | 2008-11-13 | 2009-10-14 | 부경대학교 산학협력단 | 도플러 기상레이더의 관측 자료를 이용한 강수량 추정 방법 |
US20140081573A1 (en) * | 2012-09-20 | 2014-03-20 | Google Inc. | Detecting road weather conditions |
CN104656163A (zh) * | 2015-02-04 | 2015-05-27 | 中国人民解放军理工大学 | 一种基于大数据的移动通信网降水分布及动态测量方法 |
Non-Patent Citations (2)
Title |
---|
万玉发等: "基于准同雨团样本概念雷达和雨量计的实时同步结合方法", 《气象学报》 * |
傅云飞等: "基于星载测雨雷达探测的亚洲对流和层云降水季尺度特征分析", 《气象学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105954821A (zh) * | 2016-04-20 | 2016-09-21 | 中国水利水电科学研究院 | 一种用于数值大气模式的典型降雨事件选取方法 |
CN106568437A (zh) * | 2016-11-03 | 2017-04-19 | 上海卫星工程研究所 | 静止卫星成像导航与配准恒星南北参数提取方法及系统 |
CN106568437B (zh) * | 2016-11-03 | 2019-06-21 | 上海卫星工程研究所 | 静止卫星成像导航与配准恒星南北参数提取方法及系统 |
CN108196316B (zh) * | 2017-12-26 | 2020-03-31 | 广州风雨雷科技有限公司 | 一种自动校正的瞬时大风预警方法 |
CN108196316A (zh) * | 2017-12-26 | 2018-06-22 | 广州积雨云科技有限公司 | 一种自动校正的瞬时大风预警方法 |
CN109459802B (zh) * | 2018-10-30 | 2020-11-03 | 中国科学院遥感与数字地球研究所 | 一种暴雨过程的重构方法及系统 |
CN109459802A (zh) * | 2018-10-30 | 2019-03-12 | 中国科学院遥感与数字地球研究所 | 一种暴雨过程的重构方法及系统 |
CN112035593A (zh) * | 2020-09-09 | 2020-12-04 | 中国科学技术大学 | 一种卫星云降水参数与模式再分析大气参数进行融合的方法及装置 |
CN112035593B (zh) * | 2020-09-09 | 2024-02-27 | 中国科学技术大学 | 一种卫星云降水参数与模式再分析大气参数进行融合的方法及装置 |
CN114089444A (zh) * | 2021-11-23 | 2022-02-25 | 上海航天测控通信研究所 | 一种星载探测数据全球陆地降雨类型判别装置及方法 |
CN114089444B (zh) * | 2021-11-23 | 2024-04-12 | 上海航天测控通信研究所 | 一种星载探测数据全球陆地降雨类型判别装置及方法 |
CN115494507A (zh) * | 2022-11-21 | 2022-12-20 | 南京气象科技创新研究院 | 基于星载双频降水雷达和微波成像仪的闪电识别方法 |
CN115494507B (zh) * | 2022-11-21 | 2023-02-14 | 南京气象科技创新研究院 | 基于星载双频降水雷达和微波成像仪的闪电识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105068151B (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105068151A (zh) | 一种雨团识别及其特征参数的构建方法和装置 | |
CN107063197B (zh) | 一种基于空间信息技术的水库特征曲线提取方法 | |
Effat | Selection of potential sites for solar energy farms in Ismailia Governorate, Egypt using SRTM and multicriteria analysis | |
CN102645203B (zh) | 基于机载激光雷达数据的电力线路交叉跨越测量方法 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
Wicki et al. | Attribution of local climate zones using a multitemporal land use/land cover classification scheme | |
CN109100719B (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
CN104463164A (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN112750135B (zh) | 一种无人机倾斜摄影测量像控点优化方法及系统 | |
CN109556569A (zh) | 地形图测绘方法及装置 | |
CN114626572A (zh) | 基于智能图像识别的输电线路路径优选方法 | |
CN106780586A (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
Taubenböck et al. | Remote sensing—An effective data source for urban monitoring | |
CN103116183A (zh) | 一种石油地震采集面元覆盖次数属性体切片成图方法 | |
CN103777196B (zh) | 基于地理信息的地面目标距离单站测量方法及其测量系统 | |
CN110806606B (zh) | 一种电力气象精细化预报预警系统及方法 | |
CN115620165B (zh) | 城市建成区慢行系统设施评价方法、装置、设备及介质 | |
Zeybek et al. | Investigation of landslide-based road surface deformation in mountainous areas with single period UAV data | |
CN115546551A (zh) | 一种基于深度学习的地理信息提取方法及系统 | |
Guo et al. | Population estimation in Singapore based on remote sensing and open data | |
Ihsan et al. | Development of Low-Cost 3D Building Model Using National Digital Elevation Model in Urban Area of Bandung City, Indonesia | |
Hnila et al. | Quality Assessment of Digital Elevation Models in a Treeless High-Mountainous Landscape: A Case Study from Mount Aragats, Armenia | |
CN116385686B (zh) | 基于不规则倾斜摄影的实景三维模型重建方法及系统 | |
Ozturk et al. | Determination of land use/cover and topographical/morphological features of river watershed for water resources management using remote sensing and GIS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |