CN106680157A - 一种确定大颗粒水云云粒子谱分布的方法 - Google Patents
一种确定大颗粒水云云粒子谱分布的方法 Download PDFInfo
- Publication number
- CN106680157A CN106680157A CN201710161059.2A CN201710161059A CN106680157A CN 106680157 A CN106680157 A CN 106680157A CN 201710161059 A CN201710161059 A CN 201710161059A CN 106680157 A CN106680157 A CN 106680157A
- Authority
- CN
- China
- Prior art keywords
- cloud
- observation
- angle
- curve
- scattering
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000003595 spectral effect Effects 0.000 title claims abstract description 28
- 238000009826 distribution Methods 0.000 title abstract description 6
- 239000013598 vector Substances 0.000 claims abstract description 25
- 230000010287 polarization Effects 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 229920006343 melt-processible rubber Polymers 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种确定大颗粒水云云粒子谱分布的方法,解决反演精度差、计算效率低的问题。包含:计算偏振反射率查找表,包含偏振反射率的理论向量;从卫星观测数据计算像元的散射角和对应的偏振反射率观测值;设置空间反演分辨率,抽取散射角在130°~150°范围内偏振反射率值构成观测向量;针对不同的云粒子有效半径和云粒子有效方差离散值,对理论向量进行曲线拟合得到多个理论曲线;对观测向量进行曲线拟合得到观测曲线;将理论曲线和观测曲线进行比较,得到与观测曲线最相似的理论曲线。本发明计算效率高、计算精度高、反演单元面积小。
Description
技术领域
本申请涉及遥感领域,尤其涉及水云云粒子谱分布反演的方法。
背景技术
地球表面约有20%-30%被水云覆盖,通过卫星数据反演得到的水云光学特性和微物理特性参数广泛应用于气候变化、遥感监测、天气预报、模式开发等领域。水云云粒子谱分布包含两个重要参数:云滴有效粒子半径和有效方差。云粒子谱分布的反演多角度偏振方法可以同时获得云粒子有效半径和有效方差信息。GF系列卫星搭载的大气气溶胶多角度偏振探测仪(DPC)能够提供多角度的偏振观测数据
传统的多角度偏振方法反演水云粒子谱分布,使用散射角在135°~165°范围内的卫星观测数据,根据偏振反射相函数(或偏振反射率)随散射角变化的曲线分布,反演云滴有效粒子半径和有效方差。但是对于有效半径较大的水云云粒子,在135°~165°范围内有效半径和有效方差变化对偏振反射相函数(或偏振反射率)的影响较小,因此反演精度受到影响、反演计算效率降低。
发明内容
本发明提出一种确定大颗粒水云云粒子谱分布的方法,解决有效半径较大的水云云粒子反演精度差、计算效率低的问题。
本申请实施例提供的一种确定大颗粒水云云粒子谱分布的方法,包括以下步骤:
根据Mie散射理论计算偏振反射率随散射角、云粒子有效半径、云粒子有效方差变化的数据,组成查找表;所述查找表包含云粒子有效半径离散值和云粒子有效方差离散值条件下,偏振反射率随散射角变化的理论向量;
从卫星观测数据中获取水云的多角度偏振观测信息,计算各个像元的散射角,在每一个反演单元内,根据多角度偏振观测信息计算散射角在130°~150°范围内任意像元的偏振反射率值,构成偏振反射率随散射角变化的观测向量;
针对不同的云粒子有效半径离散值和云粒子有效方差离散值,对所述理论向量进行曲线拟合,得到多个理论曲线;对所述观测向量进行曲线拟合,得到观测曲线;比较所述多个理论曲线和所述观测曲线的相似度,得到与所述观测曲线最相似的理论曲线。
优选地,所述确定大颗粒水云云粒子谱分布的方法中,所述偏振反射率随散射角变化的理论向量,散射角范围为130°至150°。进一步优选地,所述散射角的间隔为0.5°。
优选地,所述确定大颗粒水云云粒子谱分布的方法中,所述查找表中的云粒子有效半径离散值的范围从10μm到25μm。进一步优选地,所述查找表中的云粒子有效方差离散值为0.01,0.02,0.05和0.1。
优选地,本申请任意一项实施例中确定大颗粒水云云粒子谱分布的方法,所述相似度为相关系数;或者,所述相似度为均方根误差。
任意一项实施例所述确定大颗粒水云云粒子谱分布的方法,所述曲线拟合的方法是多项式拟合。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:由于使用主虹曲线进行反演,计算效率高,该方法在不需要其他辅助数据前提下,能够快速稳定的实现较大颗粒云粒子谱分布的反演;由于主虹曲线对应大颗粒偏振反射率曲线相对水云粒子谱变化明显,因此计算精度高;使用本发明的方法,能够显著减小反演单元面积,反演的空间分辨率提高。本发明的方法实现数值天气预报、人工降雨、云与气溶胶对气候效应影响研究等方面应用的进步。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为在130°~150°范围内水云粒子偏振反射率随散射角、水云粒子有效半径、水云粒子有效方差变化的规律;
图2为水云粒子谱反演时的空间观测坐标和反演单元示意图,其中,图2a为水云粒子谱反演时的空间观测坐标系示意图,图2b为空间反演单元示意图;
图3为偏振反射率随散射角、云粒子有效半径、云粒子有效方差变化的数据查找表结构示意图;
图4为偏振反射率理论向量、观测向量、理论曲线、观测曲线关系的示意图;
图5为本发明方法确定大颗粒水云云粒子谱分布的方法流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为在130°~150°范围内水云粒子偏振反射率随散射角、水云粒子有效半径、水云粒子有效方差变化的规律示意图。图中为有效半径reff1、有效方差veff1的主虹曲线和有效半径reff2、有效方差veff2的主虹曲线。根据散射角与散射强度建立的散射曲线,在散射角为130°~150°的主虹区,会出现明显的极化反射峰,而极化反射峰对应散射角的角度会随着云粒子有效半径变化而变化,并表现为大粒子半径10~25μm范围时变化最为敏感,因而可以利用主虹区的散射峰值所在的散射角判读较大云粒子颗粒半径,同时在主虹区当有效粒子半径确定,反射波峰、波谷峰的振幅会随着有效方差的变化而变化,表现为有效方差越小振幅越大。
图2为水云粒子谱反演时的空间观测坐标和反演单元示意图。对水云粒子进行观测时,要建立空间观测坐标系,包含云平面、太阳方向、卫星观测方向(云粒子散射方向)、散射角等。图2a为水云粒子谱反演时的空间观测坐标系示意图;包含卫星观测天顶角θ’,卫星方位角太阳天顶角θ,太阳方位角偏振散射角Θ。其中偏振散射角是太阳光入射方向和散射方向之间的夹角。利用当期卫星数据中的卫星方位角和太阳方位角计算象元每个角度观测的相对方位角;利用当期卫星数据中的卫星天顶角,太阳天顶角数据,和以上步骤中得到的相对方位角数据,计算象元每个角度观测的散射角Θ。
图2b为空间反演单元示意图。在反演单元内,包含多个观测象元,假设在一个反演单元内的水云粒子分布相同,即各个像元中水云粒子有效半径相同、有效方差相同;采集反演单元内每个像元的卫星观测数据,包含卫星观测天顶角θ’,卫星方位角太阳天顶角θ,太阳方位角多角度偏振反射率云、云识别和云相态数据组建样本集,对样本集中观测的散射角进行提取,获取每个象元落在130°~150°散射角范围内的观测值。
作为例子,图2b中还表示出云平面上4×4像元的反演单元面积、8×8像元的反演单元面积。假定反演单元面积中水云粒子有效半径相同、有效方差相同,通过比较观测的偏振反射率曲线和理论的偏振反射率曲线,确定反演单元面积内水云粒子有效半径、有效方差。如果每个像元的大小为6km×7km,8×8像元的反演单元面积大小则为48km×56km。4×4像元的反演单元面积大小则为24km×28km。在云平面内观测范围中,包含大量反演单元,在多个反演单元上获得的水云粒子参数值的集合,即云平面内观测范围中水云粒子分布状况。传统的反演方法,反演单元面积取25×25像元;
使用本发明的方法,能够显著减小反演单元面积,反演的空间分辨率提高。作为本申请任意一项实施例所述确定大颗粒水云云粒子谱分布的方法,由于采用主虹曲线进行判断,效率提高,反演单元面积能够明显减小。优选地,所述反演单元的面积为14×14像元。
图3为偏振反射率随散射角、云粒子有效半径、云粒子有效方差变化的数据查找表结构示意图。例如,在结构同中的横向,所述云粒子有效半径离散值从10μm到25μm,间隔为0.5μm;所述云粒子有效方差离散值为0.01,0.02,0.05和0.1。在结构图中的纵向,表示散射角离散值,从130°~150°间隔为0.5°。结构图中每一个最小方格,代表一个元素,包含一个偏振反射率值。
图4为偏振反射率理论向量、观测向量、理论曲线、观测曲线关系的示意图。图中,xi=RM(Θi)为确定的云粒子有效半径reff=reff0、云粒子有效方差veff=veff0条件下,偏振反射率随离散的散射角Θi变化的理论值;yj=RO(Θj)为在观测的云粒子有效半径、云粒子有效方差条件下,偏振反射率随离散的散射角Θj变化的理论值(其中,i,j为自然数)。
X={xi}为偏振反射率理论向量;Y={yj}为偏振反射率观测向量;
MPRs为X的离散值xi进行曲线拟合后得到的理论值曲线;
OPRs为Y的离散值yj进行曲线拟合后得到的观测值曲线;
当MPRs和OPRs最相近时,认为所述观测的云粒子有效半径≈reff0、所述观测的云粒子有效方差≈veff0。
所述MPRs和OPRs相近的程度,用衡量相近程度的参数(简称相似度)来表示。
具体地,例如以相关系数作为相似度,有T1=correlate(OPRs,MPRs),其中T1为相关系数;相关系数约大(趋近于1)表示两条曲线越相近。
或者,例如以均方根误差作为相似度,有其中T2为均方根误差;均方根误差越小(趋近于0)表示两条曲线越相近。SA表示散射角,N表示MPRs和OPRs在计算T2时的点数,每个点对应一个散射角。
图5为本发明方法确定大颗粒水云云粒子谱分布的方法流程图。
步骤11、根据Mie散射理论计算偏振反射率随散射角、云粒子有效半径、云粒子有效方差变化的数据,组成查找表;所述查找表包含云粒子有效半径离散值和云粒子有效方差离散值条件下,偏振反射率随散射角变化的理论向量;
优选地,所述确定大颗粒水云云粒子谱分布的方法中,所述偏振反射率随散射角变化的理论向量,散射角范围为130°至150°。进一步优选地,所述散射角的间隔为0.5°。
优选地,所述确定大颗粒水云云粒子谱分布的方法中,所述查找表中的云粒子有效半径离散值的范围从10μm到25μm。进一步优选地,所述查找表中的云粒子有效方差离散值为0.01,0.02,0.05和0.1。
查找表的结构如图3所示。
步骤12、从卫星观测数据中获取水云的多角度偏振观测信息,计算各个像元的散射角,将卫星影像按照n×n像元(n为自然数,一般n≤25;优选地,n=14)划分成多个方块,每个方块作为一个反演单元。在每一个反演单元内,计算散射角在130°~150°范围内任意像元的偏振反射率值,构成偏振反射率随散射角变化的观测向量;
具体地,针对待研究区域,下载卫星观测数据其中包含卫星观测天顶角,卫星方位角,太阳天顶角,太阳方位角,多角度偏振反射率云、云识别和云相态数据组建样本集,对样本集中观测的散射角进行提取,获取每个象元落在130°至150°散射角的观测值,进一步包含以下步骤:
步骤121、根据云识别结果逐个象元判断是否为云象元,对于云象元进一步判断是否为水云象元,对满足筛选条件的水云象元行以下判断:
步骤122、利用当期卫星数据中的卫星方位角和太阳方位角计算象元每个角度观测的相对方位角;
步骤123、利用当期卫星数据中的卫星天顶角,太阳天顶角数据,和以上步骤中得到的相对方位角数据,计算象元观测数据的散射角;
步骤124、对每个象元的观测值进行角度筛选,选取落在主虹区130°至150°散射角的观测值;
步骤125、利用观测角度信息和多角度偏振观测信息,计算每个观测值的归一化多角度偏振反射率。以上步骤中所使用的产品为卫星观测的观测天顶角,卫星方位角,太阳天顶角,太阳方位角,多角度偏振反射率云、云识别和云相态等数据。例如POLDER传感器,它搭载在法国PARASOL卫星上,其一级产品针对每个象元包括不同波段的辐亮度、经纬度、不同观测角度的观测几何信息,云识别、云相态数据,分辨率为6km,格式为文本格式。法国的地表反射率偏振和方向传感器(POLDER)包括以下波段:443nm,490nm,565nm,670nm,763nm,765nm,865nm,910nm,1020nm。其中490nm,670nm和860nm为偏振通道,其余为非偏振通道。除了偏振观测以外,POLDER具有多角度观测的优势,同一象元至多可以获得16个角度的观测值。POLDER一级产品中存放基本观测数据,如所有非偏振波段的反射率、偏振波段的偏振辐射强度等,一级产品数据的分辨率为6km。二级产品按照类型分为陆地产品、海洋产品和辐射收支产品三种。二级产品是在一级产品的基础上生产而来,其分辨率为18km。本发明中使用的云参数产品属于POLDER二级辐射收支产品,数据自带象元的经纬度值、云参数的校正系数等,数据格式为文本格式。
步骤13、针对不同的云粒子有效半径离散值和云粒子有效方差离散值,对所述理论向量进行曲线拟合,得到多个理论曲线;
步骤14、对所述观测向量进行曲线拟合,得到观测曲线;
优选地,步骤13~14任意一项实施例所述曲线拟合的方法是多项式拟合。
步骤15、比较所述多个理论曲线和所述观测曲线的相似度,得到与所述观测曲线最相似的理论曲线。
优选地,本申请任意一项实施例中,所述相似度为相关系数;或者,所述相似度为均方根误差。例如,反演结果的确定条件是最小的T2值和超过一定阈值的T1值。
取与所述观测曲线最相似的理论曲线所对应的粒子有效半径离散值和有效方差离散值,作为反演结果。
对每一个反演单元,重复步骤11~15。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPΜ)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的粒子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种确定大颗粒水云云粒子谱分布的方法,其特征在于,包括以下步骤:
根据Mie散射理论计算偏振反射率随散射角、云粒子有效半径、云粒子有效方差变化的数据,组成查找表;所述查找表包含云粒子有效半径离散值和云粒子有效方差离散值条件下,偏振反射率随散射角变化的理论向量;
从卫星观测数据中获取水云的多角度偏振观测信息,计算各个像元的散射角,在每一个反演单元内,根据多角度偏振观测信息计算散射角在130°~150°范围内任意像元的偏振反射率值,构成偏振反射率随散射角变化的观测向量;
针对不同的云粒子有效半径离散值和云粒子有效方差离散值,对所述理论向量进行曲线拟合,得到多个理论曲线;对所述观测向量进行曲线拟合,得到观测曲线;比较所述多个理论曲线和所述观测曲线的相似度,得到与所述观测曲线最相似的理论曲线。
2.如权利要求1所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述偏振反射率随散射角变化的理论向量,散射角范围为130°至150°。
3.如权利要求1所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述查找表中的云粒子有效半径离散值的范围从10μm到25μm。
4.如权利要求2所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述散射角的间隔为0.5°。
5.如权利要求3所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述查找表中的云粒子有效方差离散值为0.01,0.02,0.05和0.1。
6.如权利要求1~5任意一项所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述相似度为相关系数。
7.如权利要求1~5任意一项所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述相似度为均方根误差。
8.如权利要求1~5任意一项所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述曲线拟合的方法是多项式拟合。
9.如权利要求1~5任意一项所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述反演单元的面积为n×n像元,其中,n是自然数,且n≤25。
10.如权利要求1~5任意一项所述确定大颗粒水云云粒子谱分布的方法,其特征在于,所述反演单元的面积为14×14像元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710161059.2A CN106680157B (zh) | 2017-03-17 | 2017-03-17 | 一种确定大颗粒水云云粒子谱分布的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710161059.2A CN106680157B (zh) | 2017-03-17 | 2017-03-17 | 一种确定大颗粒水云云粒子谱分布的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106680157A true CN106680157A (zh) | 2017-05-17 |
CN106680157B CN106680157B (zh) | 2020-04-14 |
Family
ID=58826355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710161059.2A Active CN106680157B (zh) | 2017-03-17 | 2017-03-17 | 一种确定大颗粒水云云粒子谱分布的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106680157B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389087A (zh) * | 2019-08-02 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 一种污染天气下的pm2.5浓度卫星遥感估算方法 |
CN110647289A (zh) * | 2018-06-27 | 2020-01-03 | 北京市环境保护监测中心 | 卫星遥感云计算平台及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000028279A1 (en) * | 1998-11-12 | 2000-05-18 | Cambridge Management Advanced Systems Corp. | Method and apparatus for determining cloud cover |
CN101587190A (zh) * | 2009-06-25 | 2009-11-25 | 国家海洋局第二海洋研究所 | 白天海雾的卫星遥感监测方法 |
US20100220431A1 (en) * | 2008-09-15 | 2010-09-02 | Viper Subsea Limited | Subsea Protection Device |
CN105954812A (zh) * | 2016-04-29 | 2016-09-21 | 中国科学院遥感与数字地球研究所 | 一种确定云相态的方法和设备 |
-
2017
- 2017-03-17 CN CN201710161059.2A patent/CN106680157B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000028279A1 (en) * | 1998-11-12 | 2000-05-18 | Cambridge Management Advanced Systems Corp. | Method and apparatus for determining cloud cover |
US20100220431A1 (en) * | 2008-09-15 | 2010-09-02 | Viper Subsea Limited | Subsea Protection Device |
CN101587190A (zh) * | 2009-06-25 | 2009-11-25 | 国家海洋局第二海洋研究所 | 白天海雾的卫星遥感监测方法 |
CN105954812A (zh) * | 2016-04-29 | 2016-09-21 | 中国科学院遥感与数字地球研究所 | 一种确定云相态的方法和设备 |
Non-Patent Citations (2)
Title |
---|
陈渭民,陶国庆,邱新法: "《全球气候系统卫星遥感导论》", 31 July 2012, 气象出版社 * |
陈渭民: "《卫星气象学》", 28 February 2003 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110647289A (zh) * | 2018-06-27 | 2020-01-03 | 北京市环境保护监测中心 | 卫星遥感云计算平台及系统 |
CN110389087A (zh) * | 2019-08-02 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 一种污染天气下的pm2.5浓度卫星遥感估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106680157B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | Ionospheric plasma irregularities characterized by the Swarm satellites: Statistics at high latitudes | |
Li et al. | A physics-based atmospheric and BRDF correction for Landsat data over mountainous terrain | |
Zhou et al. | Comparison of seasonal and spatial variations of albedos from Moderate‐Resolution Imaging Spectroradiometer (MODIS) and Common Land Model | |
Medvedev et al. | Relation of internal gravity wave anisotropy with neutral wind characteristics in the upper atmosphere | |
Sriwongsitanon et al. | Influence of atmospheric correction and number of sampling points on the accuracy of water clarity assessment using remote sensing application | |
Masuda et al. | A new parameterization for the determination of solar flux absorbed at the surface from satellite measurements | |
Wang et al. | A simple enhanced water index (EWI) for percent surface water estimation using Landsat data | |
CN107705309A (zh) | 激光点云中林木参数评估方法 | |
Feng et al. | Exploring the potential of Rayleigh-corrected reflectance in coastal and inland water applications: A simple aerosol correction method and its merits | |
Flaounas et al. | Cyclone contribution to dust transport over the Mediterranean region | |
Gonsamo et al. | The sensitivity based estimation of leaf area index from spectral vegetation indices | |
Li et al. | Estimation of direct, diffuse, and total FPARs from Landsat surface reflectance data and ground‐based estimates over six FLUXNET sites | |
Florinsky et al. | Geomorphometry from unmanned aerial surveys | |
Kotivuori et al. | Calibration of nationwide airborne laser scanning based stem volume models | |
CN105678236A (zh) | 一种陆地植被冠层偏振反射建模方法 | |
Pimenta et al. | Ionospheric plasma blobs observed by OI 630 nm all‐sky imaging in the Brazilian tropical sector during the major geomagnetic storm of April 6–7, 2000 | |
CN106680157A (zh) | 一种确定大颗粒水云云粒子谱分布的方法 | |
CN115308386B (zh) | 一种基于cygnss卫星数据的土壤盐分反演方法和系统 | |
Khovratovich et al. | Forest change detection based on sub-pixel estimation of crown cover density using bitemporal satellite data | |
Zhao et al. | Evaluation of the soil profile quality of subsided land in a coal mining area backfilled with river sediment based on monitoring wheat growth biomass with UAV systems | |
Wang et al. | Statistical characteristics of mid‐latitude ionospheric irregularities at geomagnetic quiet time: observations from the jiamusi and hokkaido east superDARN HF radars | |
Ishalina et al. | Recognition of crevasses with high‐resolution digital elevation models: Application of geomorphometric modeling and texture analysis | |
Fiori et al. | PCN magnetic index and average convection velocity in the polar cap inferred from SuperDARN radar measurements | |
CN110618145B (zh) | 一种基于无人机的快速测定黄土塬区泉眼位置的方法 | |
CN106959474A (zh) | 一种水云云粒子谱分布的空间反演分辨率优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |