CN107391794A - 一种台风连续立体风场反演方法 - Google Patents
一种台风连续立体风场反演方法 Download PDFInfo
- Publication number
- CN107391794A CN107391794A CN201710462087.8A CN201710462087A CN107391794A CN 107391794 A CN107391794 A CN 107391794A CN 201710462087 A CN201710462087 A CN 201710462087A CN 107391794 A CN107391794 A CN 107391794A
- Authority
- CN
- China
- Prior art keywords
- typhoon
- field
- wind
- parameter
- dependent vector
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
Abstract
本发明公开了一种台风连续立体风场反演方法。该方法包括以下步骤:S100:获取台风高层风场的一种或几种相关矢量参数和台风海面风场的一种或几种相关矢量参数;S200:将台风高层风场的每种相关矢量参数与台风海面风场的每种相关矢量参数进行相关性测试,选取相关性最高的一组台风高层风场相关矢量参数、台风海面风场相关矢量参数作为研究参数;S300:根据选取的研究参数进行迭代测试,确定反演的函数方程和系数,构建反演模型,进行台风连续立体风场反演。本发明时间分辨率较高、反演过程简单、对反演参数要求不高,适用于台风连续性立体风场反演的研究。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种从气象卫星与微波散射计的数据中进行台风连续立体风场反演的方法。
背景技术
现有台风连续立体风场反演技术主要针对微波散射计数据融合研究,基于多源数据的台风立体风场反演技术较为缺乏。现有技术方法有:
1、反距离加权法;
2、逐步订正法;
3、克里金插值法;
4、优插值法;
5、三维时空插值方法。
现有的这些风场反演方法具有以下缺陷:
(1)基于单一数据源微波散射计的反演方法受限于微波散射计数据时间分辨率低,反演结果时间分辨率也不高;
(2)不同时间和空间分辨率、不同误差特征的多源数据整合到一起,本身就容易造成误差,国外开发的全球海面风场数据产品在精度、时间分辨率、空间分辨率等方面未必适合我国的需求
(3)某些预报系统中,并没有海面风场融合模块,需要借用其他模块来分析模拟,易造成误差。
多数台风海面风场反演技术都只适用于微波散射计数据,利用气象卫星反演的模型和案例极少。
台风连续立体风场反演技术还处于起步阶段,其方法较为单一,多以微波散射计数据间相互融合为主,而微波散射计数据的时间分辨率不高,产品无法满足台风实时监测的需要。
发明内容
本发明的目的是克服现有台风连续立体风场反演方法时间分辨率不高、反演过程复杂、对反演参数要求较为苛刻的技术问题,提供了一种时间分辨率较高、反演过程简单、对反演参数要求不高的台风连续立体风场反演方法。
为了解决上述问题,本发明采用以下技术方案予以实现:
本发明的一种台风连续立体风场反演方法,包括以下步骤:
S100:获取台风高层风场的一种或几种相关矢量参数和台风海面风场的一种或几种相关矢量参数;
S200:将台风高层风场的每种相关矢量参数与台风海面风场的每种相关矢量参数进行相关性测试,选取相关性最高的一组台风高层风场相关矢量参数、台风海面风场相关矢量参数作为研究参数;
S300:根据选取的研究参数进行迭代测试,确定反演的函数方程和系数,构建反演模型,进行台风连续立体风场反演。
在本技术方案中,采用建立反演模型来反演台风风场。台风高层风场的一种或几种相关矢量参数来自于卫星上的气象卫星数据,台风海面风场的一种或几种相关矢量参数来自于微波散射计数据。
通过选取相关性最高的一组台风高层风场相关矢量参数、台风海面风场相关矢量参数作为研究参数,层层迭代,确定函数方程组,得到反演模型。结合气象卫星数据可反演得到台风海面风场,进而得到连续的台风立体风场。
作为优选,所述步骤S100包括以下步骤:
S101:获取气象卫星数据,选取与台风高层风场相关的一种或几种相关矢量参数;
S102:获取微波散射计数据,选取与台风海面风场相关的一种或几种相关矢量参数。
由于气象卫星获取的多为可见光和红外产品,其得到的台风风场多为云顶风场,可视为台风高层风场;微波散射计获取的多为微波产品,其得到的台风风场多为海面风场,可视为台风海面风场。
与台风高层风场相关的相关矢量参数为大气运动矢量、云顶温度、相当黑体温度、总云量、海表温度。与台风海面风场相关的相关矢量参数为风速、风向。
作为优选,所述步骤S200中台风高层风场的一种相关矢量参数与台风海面风场的一种相关矢量参数相关性测试的方法包括以下步骤:对该两种相关矢量参数先进行单因子测试,再进行多因子叠加测试。
作为优选,所述步骤S200中选取的台风高层风场相关矢量参数设定为x、台风海面风场相关矢量参数设定为F(x),所述步骤S300包括以下步骤:
S301:选取一块包含台风高层风场和台风海面风场的区域,确定该区域的经纬度坐标范围,从该区域内选取N个坐标点,获取这N个坐标点对应的研究参数(x,F(x));
S302:从N个研究参数(x,F(x))中选取M个研究参数(x,F(x))作为建模数据,M≤N,通过迭代测试对建模数据进行分段,使每段建模数据的相关性最高,对每段建模数据进行拟合,得到每段建模数据对应的拟合函数;
S303:将得到的所有拟合函数进行整合,得到完整的拟合方程,即得到完整的反演模型;
S304:将高时间分辨率的台风高层风场利用反演模型进行反演,得到高时间分辨率的台风海面风场,将高时间分辨率的台风高层风场与高时间分辨率的台风海面风场一一对应,即得到台风连续立体风场。
N个坐标点对应的研究参数(x,F(x))按照x或F(x)大小顺序排列。可以在整段建模数据的测试过程中观察到,在某一个或者某一些特殊值处,相关性在整段中是最高的,所以可以根据这些点将建模数据分成几段;通过对每一段建模数据进行黑箱测试,得到每一段建模数据的拟合函数;将所有拟合函数整合起来获得完整的方程组,反演模型构建完成。
作为优选,所述步骤S302还包括以下步骤:将没有选作建模数据的研究参数(x,F(x))代入对应的拟合函数进行调试,将各个拟合函数的系数调整到最优值。使得相关性最高。
作为优选,所述步骤S302中通过迭代测试对建模数据进行分段的方法包括以下步骤:通过迭代测试,从建模数据中选出关键值,将关键值作为分界点对建模数据进行分段,使每段建模数据的相关性最高。
作为优选,所述一种台风连续立体风场反演方法还包括步骤S400:对反演后的风场与实际风场进行均方根误差验证和/或均方误差验证,进行精度评价。
本发明的有益效果是:本方法时间分辨率较高、反演过程简单、对反演参数要求不高,提高了台风海面风场数据的时间分辨率,具有较高的适应性,使通过气象卫星数据和微波散射计数据进行台风立体风场反演的流程更适合在业务中稳定运行。
附图说明
图1是本发明的一种流程图;
图2是本发明的一种反演得到的台风海面风场效果图;
图3是本发明的一种反演得到的台风海面风场效果图;
图4是一种台风高层风场图;
图5是与图4对应的台风海面风场图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的一种台风连续立体风场反演方法,如图1所示,包括以下步骤:
S100:获取台风高层风场的一种或几种相关矢量参数和对应台风海面风场的一种或几种相关矢量参数;
S200:将台风高层风场的每种相关矢量参数与台风海面风场的每种相关矢量参数进行相关性测试,选取相关性最高的一组台风高层风场相关矢量参数、台风海面风场相关矢量参数作为研究参数;
S300:根据选取的研究参数进行迭代测试,确定反演的函数方程和系数,构建反演模型,进行台风连续立体风场反演;
S400:对反演后的风场与实际风场进行均方根误差验证和/或均方误差验证,进行精度评价。
S101:获取气象卫星数据,选取与台风高层风场相关的一种或几种相关矢量参数;
S102:获取微波散射计数据,选取与台风海面风场相关的一种或几种相关矢量参数。
本方法采用建立反演模型来反演台风风场。由于气象卫星获取的多为可见光和红外产品,其得到的台风风场多为云顶风场,可视为台风高层风场;微波散射计获取的多为微波产品,其得到的台风风场多为海面风场,可视为台风海面风场。
台风高层风场的一种或几种相关矢量参数来自于卫星上的气象卫星数据,台风海面风场的一种或几种相关矢量参数来自于微波散射计数据。与台风高层风场相关的相关矢量参数为大气运动矢量、云顶温度、相当黑体温度、总云量、海表温度。与台风海面风场相关的相关矢量参数为风速、风向。
通过选取相关性最高的一组台风高层风场相关矢量参数、台风海面风场相关矢量参数作为研究参数,层层迭代,确定函数方程组,得到反演模型。结合气象卫星数据可反演得到台风海面风场,进而得到连续的台风立体风场。图2、图3分别为两个时间点反演得到的高时间分辨率的台风海面风场效果图。
采用均方根误差(RMSE)将反演的风场与实际风场进行验证,误差值作为精度评价标准;采用均方误差(MAE)将反演的风场与实际风场进行验证,误差值作为精度评价标准。
步骤S200中选取的台风高层风场相关矢量参数设定为x、台风海面风场相关矢量参数设定为F(x),步骤S300包括以下步骤:
S301:选取一块包含台风高层风场和台风海面风场的区域,确定该区域的经纬度坐标范围,从该区域内选取N个坐标点,获取这N个坐标点对应的研究参数(x,F(x));
S302:从N个研究参数(x,F(x))中选取M个研究参数(x,F(x))作为建模数据,M≤N,通过迭代测试对建模数据进行分段,使每段建模数据的相关性最高,对每段建模数据进行拟合,得到每段建模数据对应的拟合函数,将没有选作建模数据的研究参数(x,F(x))代入对应的拟合函数进行调试,将各个拟合函数的系数调整到最优值;
S303:将得到的所有拟合函数进行整合,得到完整的拟合方程,即得到完整的反演模型;
S304:将高时间分辨率的台风高层风场利用反演模型进行反演,得到高时间分辨率的台风海面风场,将高时间分辨率的台风高层风场与高时间分辨率的台风海面风场一一对应,即得到台风连续立体风场。
N个坐标点对应的研究参数(x,F(x))按照x或F(x)大小顺序排列。可以在整段建模数据的测试过程中观察到,在某一个或者某一些特殊值处,相关性在整段中是最高的,所以可以根据这些点将建模数据分成几段;通过对每一段建模数据进行黑箱测试,得到每一段建模数据的拟合函数;将所有拟合函数整合起来获得完整的拟合方程,反演模型构建完成。例如:拟合方程可以是:
步骤S302中通过迭代测试对建模数据进行分段的方法包括以下步骤:通过迭代测试,从建模数据中选出关键值,将关键值作为分界点对建模数据进行分段,使每段建模数据的相关性最高。
步骤S200中台风高层风场的一种相关矢量参数与台风海面风场的一种相关矢量参数相关性测试的方法包括以下步骤:对该两种相关矢量参数先进行单因子测试,再进行多因子叠加测试。测试得到相关性系数值,相关性系数值越大,相关性越大。
例如:某一时刻的台风高层风场图和台风海面风场图,如图4、图5所示。将台风高层风场的每种相关矢量参数(大气运动矢量、云顶温度、相当黑体温度、总云量、海表温度)与台风海面风场的每种相关矢量参数(风速、风向)进行相关性测试,选取相关性最高的黑体温度、风速作为研究参数,研究参数为(相当黑体温度x,风速F(x))。
步骤S300包括以下步骤:
S301:选取一块包含台风高层风场和台风海面风场的区域,确定该区域的经纬度坐标范围,从该区域内选取660个坐标点,获取这660个坐标点对应的研究参数(x,F(x));
S302:从660个研究参数(x,F(x))中选取495个研究参数(x,F(x))作为建模数据,通过迭代测试对建模数据进行分段,得到3段建模数据,使每段建模数据的相关性最高,对每段建模数据进行拟合,得到每段建模数据对应的拟合函数,将没有选作建模数据的165个研究参数(x,F(x))代入对应的拟合函数进行调试,将各个拟合函数的系数调整到最优值,各个拟合函数分别为:F(x)=0.001251x3-0.4766x2+60.55x-2548,x∈(109-149),R2=0.5171;F(x)=4.2*10-6x4-0.00142x3+39.13x-3229,x∈(150-189),R2=0.5426;F(x)=0.01962lnx-22.88,x∈(190-241),R2=0.5202;
S303:将得到的所有拟合函数进行整合,得到完整的拟合方程,即得到完整的反演模型;
S304:将高时间分辨率的台风高层风场利用反演模型进行反演,得到高时间分辨率的台风海面风场,将高时间分辨率的台风高层风场与高时间分辨率的台风海面风场一一对应,即得到台风连续立体风场。
Claims (7)
1.一种台风连续立体风场反演方法,其特征在于,包括以下步骤:
S100:获取台风高层风场的一种或几种相关矢量参数和台风海面风场的一种或几种相关矢量参数;
S200:将台风高层风场的每种相关矢量参数与台风海面风场的每种相关矢量参数进行相关性测试,选取相关性最高的一组台风高层风场相关矢量参数、台风海面风场相关矢量参数作为研究参数;
S300:根据选取的研究参数进行迭代测试,确定反演的函数方程和系数,构建反演模型,进行台风连续立体风场反演。
2.根据权利要求1所述的一种台风连续立体风场反演方法,其特征在于,所述步骤S100包括以下步骤:
S101:获取气象卫星数据,选取与台风高层风场相关的一种或几种相关矢量参数;
S102:获取微波散射计数据,选取与台风海面风场相关的一种或几种相关矢量参数。
3.根据权利要求1所述的一种台风连续立体风场反演方法,其特征在于,所述步骤S200中台风高层风场的一种相关矢量参数与台风海面风场的一种相关矢量参数相关性测试的方法包括以下步骤:对该两种相关矢量参数先进行单因子测试,再进行多因子叠加测试。
4.根据权利要求1或2或3所述的一种台风连续立体风场反演方法,其特征在于,所述步骤S200中选取的台风高层风场相关矢量参数设定为x、台风海面风场相关矢量参数设定为F(x),所述步骤S300包括以下步骤:
S301:选取一块包含台风高层风场和台风海面风场的区域,确定该区域的经纬度坐标范围,从该区域内选取N个坐标点,获取这N个坐标点对应的研究参数(x,F(x));
S302:从N个研究参数(x,F(x))中选取M个研究参数(x,F(x))作为建模数据,M≤N,通过迭代测试对建模数据进行分段,使每段建模数据的相关性最高,对每段建模数据进行拟合,得到每段建模数据对应的拟合函数;
S303:将得到的所有拟合函数进行整合,得到完整的拟合方程,即得到完整的反演模型。
S304:将高时间分辨率的台风高层风场利用反演模型进行反演,得到高时间分辨率的台风海面风场,将高时间分辨率的台风高层风场与高时间分辨率的台风海面风场一一对应,即得到台风连续立体风场。
5.根据权利要求4所述的一种台风连续立体风场反演方法,其特征在于,所述步骤S302还包括以下步骤:将没有选作建模数据的研究参数(x,F(x))代入对应的拟合函数进行调试,将各个拟合函数的系数调整到最优值。
6.根据权利要求4所述的一种台风连续立体风场反演方法,其特征在于,所述步骤S302中通过迭代测试对建模数据进行分段的方法包括以下步骤:通过迭代测试,从建模数据中选出关键值,将关键值作为分界点对建模数据进行分段,使每段建模数据的相关性最高。
7.根据权利要求1或2或3所述的一种台风连续立体风场反演方法,其特征在于,还包括步骤S400:对反演后的风场与实际风场进行均方根误差验证和/或均方误差验证,进行精度评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710462087.8A CN107391794B (zh) | 2017-06-16 | 2017-06-16 | 一种台风连续立体风场反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710462087.8A CN107391794B (zh) | 2017-06-16 | 2017-06-16 | 一种台风连续立体风场反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107391794A true CN107391794A (zh) | 2017-11-24 |
CN107391794B CN107391794B (zh) | 2020-09-01 |
Family
ID=60332372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710462087.8A Active CN107391794B (zh) | 2017-06-16 | 2017-06-16 | 一种台风连续立体风场反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107391794B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596380A (zh) * | 2018-04-18 | 2018-09-28 | 中国科学院国家空间科学中心 | 一种海面台风风场的定量探测方法 |
CN111175720A (zh) * | 2020-01-15 | 2020-05-19 | 中国科学院国家空间科学中心 | 一种海面风场星上快速反演方法及系统 |
CN111580138A (zh) * | 2020-06-18 | 2020-08-25 | 北京卫星信息工程研究所 | 多波束gnss-r系统、海面风场反演方法和预测方法 |
CN113533644A (zh) * | 2021-06-26 | 2021-10-22 | 西北工业大学 | 基于无人机的对面源常规大气污染物的监测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6137437A (en) * | 1999-03-24 | 2000-10-24 | Agence Spatiale Europeenne | Spaceborne scatterometer |
CN102495943A (zh) * | 2011-10-31 | 2012-06-13 | 国家卫星海洋应用中心 | 地球物理模型建模方法 |
CN103698750A (zh) * | 2014-01-07 | 2014-04-02 | 国家卫星海洋应用中心 | 海洋二号卫星散射计海面风场反演方法和装置 |
CN104156629A (zh) * | 2014-09-04 | 2014-11-19 | 哈尔滨工程大学 | 一种基于相对辐射校正的导航雷达图像反演海面风向方法 |
CN105955934A (zh) * | 2016-05-06 | 2016-09-21 | 国家卫星气象中心 | 一种多个频率探测通道的线性加权求海面风速的方法 |
CN106199604A (zh) * | 2016-06-16 | 2016-12-07 | 杭州电子科技大学 | 一种基于相关性分析的台风运动追踪方法 |
CN106443830A (zh) * | 2016-06-16 | 2017-02-22 | 杭州师范大学 | 一种基于多源卫星数据的台风监测及评价监测精度的方法 |
CN106529075A (zh) * | 2016-11-28 | 2017-03-22 | 西安交通大学 | 一种考虑分时段的非线性模拟风速方法 |
CN106779201A (zh) * | 2016-12-08 | 2017-05-31 | 贵州电网有限责任公司电力科学研究院 | 一种考虑高原山区风机位置的风速建模方法 |
-
2017
- 2017-06-16 CN CN201710462087.8A patent/CN107391794B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6137437A (en) * | 1999-03-24 | 2000-10-24 | Agence Spatiale Europeenne | Spaceborne scatterometer |
CN102495943A (zh) * | 2011-10-31 | 2012-06-13 | 国家卫星海洋应用中心 | 地球物理模型建模方法 |
CN103698750A (zh) * | 2014-01-07 | 2014-04-02 | 国家卫星海洋应用中心 | 海洋二号卫星散射计海面风场反演方法和装置 |
CN104156629A (zh) * | 2014-09-04 | 2014-11-19 | 哈尔滨工程大学 | 一种基于相对辐射校正的导航雷达图像反演海面风向方法 |
CN105955934A (zh) * | 2016-05-06 | 2016-09-21 | 国家卫星气象中心 | 一种多个频率探测通道的线性加权求海面风速的方法 |
CN106199604A (zh) * | 2016-06-16 | 2016-12-07 | 杭州电子科技大学 | 一种基于相关性分析的台风运动追踪方法 |
CN106443830A (zh) * | 2016-06-16 | 2017-02-22 | 杭州师范大学 | 一种基于多源卫星数据的台风监测及评价监测精度的方法 |
CN106529075A (zh) * | 2016-11-28 | 2017-03-22 | 西安交通大学 | 一种考虑分时段的非线性模拟风速方法 |
CN106779201A (zh) * | 2016-12-08 | 2017-05-31 | 贵州电网有限责任公司电力科学研究院 | 一种考虑高原山区风机位置的风速建模方法 |
Non-Patent Citations (8)
Title |
---|
DENGRONG ZHANG等: ""A Comparison of HY-2 and QuikSCAT Vector Wind Products for Tropical Cyclone Track and Intensity Development Monitoring"", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
PETH LAUPATTARAKASEM等: ""Improved high wind speed retrievals using AMSR and the next generation NASA Dual Frequency Scatterometer"", 《2010 11TH SPECIALIST MEETING ON MICROWAVE RADIOMETRY AND REMOTE SENSING OF THE ENVIRONMENT》 * |
WANG ZHIXIONG等: ""Assessment of wind products obtained from multiple microwave scatterometers over the China Seas"", 《CHINESE JOURNAL OF OCEANOLOGY AND LIMNOLOGY》 * |
李芸等: """神舟4号"飞船微波辐射计亮温反演海面温度、风速和大气水汽含量"", 《遥感技术与应用》 * |
王振占: ""用19.35GHz星载微波辐射计(SSM/I)亮温反演海面风速"", 《海洋技术学报》 * |
王蕊等: ""利用全极化微波辐射计资料反演台风境内海面风场"", 《地球物理学报》 * |
胡潭高等: ""基于遥感卫星资料的台风监测技术研究进展"", 《遥感技术与应用》 * |
高晓萍: ""全极化微波辐射计海面风场测量的反演及精度分析"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596380A (zh) * | 2018-04-18 | 2018-09-28 | 中国科学院国家空间科学中心 | 一种海面台风风场的定量探测方法 |
CN111175720A (zh) * | 2020-01-15 | 2020-05-19 | 中国科学院国家空间科学中心 | 一种海面风场星上快速反演方法及系统 |
CN111175720B (zh) * | 2020-01-15 | 2022-03-08 | 中国科学院国家空间科学中心 | 一种海面风场星上快速反演方法及系统 |
CN111580138A (zh) * | 2020-06-18 | 2020-08-25 | 北京卫星信息工程研究所 | 多波束gnss-r系统、海面风场反演方法和预测方法 |
CN111580138B (zh) * | 2020-06-18 | 2022-09-09 | 北京卫星信息工程研究所 | 多波束gnss-r系统、海面风场反演方法和预测方法 |
CN113533644A (zh) * | 2021-06-26 | 2021-10-22 | 西北工业大学 | 基于无人机的对面源常规大气污染物的监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107391794B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635511B (zh) | 一种基于条件生成对抗网络的高层居住区强排方案生成设计方法 | |
CN110132238B (zh) | 用于地形影像数字高程模型的无人机测绘方法 | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
CN107391794A (zh) | 一种台风连续立体风场反演方法 | |
CN108761484A (zh) | 一种基于多源卫星遥感数据的海雾监测方法 | |
CN110189399A (zh) | 一种室内三维布局重建的方法及系统 | |
CN108182724B (zh) | 一种高精度城市热岛检测方法、设备及存储设备 | |
CN106295613A (zh) | 一种无人机目标定位方法及系统 | |
CN102004856A (zh) | 高频观测资料实时数据的快速集合卡曼滤波同化方法 | |
CN105631218A (zh) | 基于idtcm的遥感地表温度时间归一化方法 | |
CN111784831A (zh) | 一种基于倾斜摄影的城区河道洪水三维淹没分析方法 | |
CN111626501B (zh) | 一种评估互花米草适生区域的方法 | |
CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
CN116223511A (zh) | 基于无人机自动巡检的分布式屋顶光伏组件缺陷诊断方法及装置 | |
CN112285808A (zh) | 一种aphrodite降水数据的降尺度方法 | |
CN115082798A (zh) | 一种基于动态感受野的输电线路销钉缺陷检测方法 | |
CN117496103A (zh) | 一种融合无人机倾斜摄影点云与地形图高程信息的多山地形区域dem生产的技术方法 | |
CN117853955A (zh) | 一种基于改进YOLOv5的无人机小目标检测方法 | |
CN104729529A (zh) | 地形图测量系统误差判断的方法和系统 | |
Bi et al. | Multi-View Analysis of High-Resolution Geomorphic Features in Complex Mountains Based on UAV–LiDAR and SfM–MVS: A Case Study of the Northern Pit Rim Structure of the Mountains of Lufeng, China | |
CN114170524A (zh) | 一种高时-空卫星数据融合的单日潮滩数字地形构建方法 | |
Dong et al. | RETRACTED ARTICLE: Research on North Gulf distributed big data submarine 3D terrain computing system based on remote sensing and multi-beam | |
Shan et al. | Feasibility of Accurate Point Cloud Model Reconstruction for Earthquake‐Damaged Structures Using UAV‐Based Photogrammetry | |
IOLI | Evaluation of Airborne Image Velocimetry approaches using low-cost UAVs in riverine environments | |
CN115877345A (zh) | 一种风廓线雷达缺测数据的补齐方法和装置 |
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 |