CN108089240A - 一种过冷水云检测方法 - Google Patents
一种过冷水云检测方法 Download PDFInfo
- Publication number
- CN108089240A CN108089240A CN201810018315.7A CN201810018315A CN108089240A CN 108089240 A CN108089240 A CN 108089240A CN 201810018315 A CN201810018315 A CN 201810018315A CN 108089240 A CN108089240 A CN 108089240A
- Authority
- CN
- China
- Prior art keywords
- cloud
- phase
- water
- criterion
- subcooled
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 222
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 239000002245 particle Substances 0.000 claims abstract description 63
- 238000004781 supercooling Methods 0.000 claims abstract description 54
- 230000000153 supplemental effect Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000000428 dust Substances 0.000 description 10
- 238000012937 correction Methods 0.000 description 4
- 239000008276 ice cloud Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 239000005457 ice water Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000011089 carbon dioxide Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000191 radiation effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 229940045105 silver iodide Drugs 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
Landscapes
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Analytical Chemistry (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Ecology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种过冷水云检测方法,解决现有方法无法精确的识别冰水混合云相态下过冷水云的分布范围的问题。所述方法包括:针对待研究区域,下载历史云参数数据,组建历史样本数据;根据影像,区分历史过冷水云区域、历史非过冷水云区域,统计历史云参数数据的各种云相态出现频率,确定云相态判据、云顶温度判据、云滴有效半径判据;针对待研究区域,获取当期云参数数据,组建当期样本数据;根据云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域;根据云顶温度判据,区分云顶温度过冷水云区域;根据云滴有效半径判据,区分过冷水云区域。本发明实现了快速稳定的过冷水云的检测,计算高效且适用范围广。
Description
技术领域
本发明涉及卫星遥感数据云检测技术领域,尤其涉及一种过冷水云检测方法。
背景技术
云中温度低于0℃的液态水滴构成过冷水云,是人工降水技术中干冰、碘化银等人工冰核播撒的主要区域,其中的过冷水滴撞击飞机表面也会导致飞机积冰危害的产生。目前对过冷水云的探测方法主要有:机载粒子测量法、激光雷达、毫米波雷达法和云参数阈值法。机载粒子测量法会受到飞机积冰灾害及时空范围的限制;激光雷达和毫米波雷达衰减很大,易低估云中过冷水含量,衰减订正也较为复杂;云参数阈值法根据过冷水云独特的低于0℃液态的物理性质,利用云顶温度、相态、云水路径等云参数识别过冷水,但易混淆水云与过冷水云的分布范围。
发明内容
本发明提供一种过冷水云检测方法,解决现有方法无法精确的识别冰水混合云相态下过冷水云的分布范围的问题。
一种过冷水云检测方法,包括以下步骤:针对待研究区域,下载历史云参数数据,组建历史样本数据,所述历史云参数数据包括云相态、云顶温度、云滴有效半径;根据所述待研究区域影像,区分历史过冷水云区域、历史非过冷水云区域,统计所述历史云参数数据的各种云相态出现频率,并确定云相态判据、云顶温度判据、云滴有效半径判据;针对待研究区域,获取当期云参数数据,组建当期样本数据;对所述当期云参数数据的云相态数据,根据所述云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域;对所述云相态过冷水云区域的云顶温度数据,根据所述云顶温度判据,区分云顶温度过冷水云区域;对所述云顶温度过冷水云区域的云滴有效半径数据,根据所述云滴有效半径判据,区分过冷水云区域。
进一步地,所述确定云相态判据、云顶温度判据、云滴有效半径判据的方法是:对所述历史过冷水云区域的云相态数据,统计各种云相态出现频率,根据过冷水云出现频率确定云相态判据;对所述历史过冷水云区域的过冷水云出现频率与云顶温度拟合第一曲线,对所述历史非过冷水云区域的非过冷水云出现频率与云顶温度拟合第二曲线,确定第一、第二曲线的交点为云顶温度判据;对所述历史过冷水云区域的过冷水云出现频率与云滴有效半径拟合第三曲线,对所述历史非过冷水云区域的非过冷水云出现频率与云滴有效半径拟合第四曲线,确定第三、第四曲线的交点为云滴有效半径判据。
优选地,在针对待研究区域,下载历史云参数数据,组建历史样本数据的步骤之后,所述方法还包括:对所述历史云参数数据进行校正。
进一步地,在针对待研究区域,获取当期云参数数据,组建当期样本数据的步骤之后,所述方法还包括:对所述当期云参数数据进行校正。
优选地,所述对当期云参数数据的云相态数据,根据所述云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域的步骤,进一步包含:对所述云相态数据的每个像元,根据所述云相态判据,确定云相态过冷水云掩膜值,满足云相态判据的像元的云相态过冷水云掩膜值为1,不满足的为0;将所述云相态数据的像元与所述云相态过冷水云掩膜值相乘,确定当期云相态冷水云区域、当期云相态非过冷水云区域。
优秀地,所述对云相态过冷水云区域的云顶温度数据,根据所述云顶温度判据,区分云顶温度过冷水云区域的步骤,进一步包含:对所述云相态冷水云区域的每个像元,根据云顶温度判据,确定云顶温度过冷水云掩膜值,满足云顶温度判据像元的云顶温度过冷水云掩膜值为1,不满足的为0;将所述云相态数据的像元与所述云顶温度过冷水云掩膜值相乘,确定当期云顶温度过冷水云区域。
优选地,所述对云顶温度过冷水云区域的云滴有效半径数据,根据所述云滴有效半径判据,区分过冷水云区域的步骤,进一步包含:对所述云相态数据的每个像元,根据云滴有效半径判据,确定云滴有效半径过冷水云掩膜值,满足云滴有效半径判据像元的云滴有效半径过冷水云掩膜值为1,不满足的为0;将所述云相态数据的像元与所述云滴有效半径过冷水云掩膜值相乘,确定当期过冷水云区域。
进一步地,所述待研究区域的云参数数据来自AHI卫星传感器,搭载在日本Himawari-8卫星上,分辨率为5km,格式为nc格式。
优选地,所述云相态判据为过冷水云出现频率大于等于5%。
优选地,读取云参数数据的软件为IDL语言。
本发明有益效果包括:本发明针对现有过冷水云识别算法在冰水混合相态中易混淆过冷水云与水云分布范围的问题,第一次引入云滴有效半径数据,使用卫星观测的云相态、云顶温度和云滴有效半径数据来识别过冷水云的范围。该方法不需要其他辅助数据,能够快速稳定的实现过冷水云的检测,计算高效且适用范围广,为人工影响天气、排除飞机积冰危害,进一步研究过冷水云对地气系统辐射影响提供必要的支持。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为一种过冷水云检测方法流程实施例;
图2为一种包含数据修正的过冷水云检测方法流程实施例;
图3为一种包含过冷水云掩膜值的过冷水云检测方法流程实施例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
目前,遥感领域对过冷水云的探测方法主要有:机载粒子测量法;激光雷达、毫米波雷达法和云参数阈值法等。国内对过冷水云的研究一般采用机载粒子测量方法,该方法大气粒子采样范围为0.1μm至6200μm,通过对云中粒子的全覆盖观测,分析云中粒子的相互转化、判断粒子的形态特征等,但会受到飞机积冰灾害及时空范围的限制。激光雷达和毫米波雷达分别利用不同相态中后向散射系数与粒子直径的关系及反射率因子、谱宽等特征,识别粒子较大、反射率因子较高且谱宽较宽的过冷水滴,以地基和机载两种角度监测过冷水云的分布范围及垂直结构特征。这种方法雷达衰减很大,易低估云中过冷水含量,衰减订正也较为复杂。云参数阈值法根据过冷水云独特的低于0℃液态的物理性质,利用云顶温度、相态、云水路径等云参数识别过冷水,但易混淆水云与过冷水云的分布范围。云滴有效半径是指云滴粒子半径的三次方之和与二次方之和的商,在水云、过冷水云及冰云中逐渐增大。
日本的可见光和红外扫描辐射计(AHI)包括以下波段:0.46μm,0.51μm,0.64μm,0.86μm,1.6μmnm,2.3μm,3.9μm,6.2μm,6.9μm,7.3μm,8.6μm,9.6μm,10.4μm,11.2μm,12.4μm,13.3μm。AHI一级产品中存放基本观测数据,如反射率和黑体亮度温度等,一级产品数据的分辨率为5km。二级产品按照类型分为云产品、气溶胶产品、能量产品等,其分辨率为5km。AHI中国区域时间分辨率为10min,为连续识别过冷水云提供可能。
以下结合附图,详细说明本发明各实施例提供的技术方案。
图1为一种过冷水云检测方法流程实施例,本发明实施例提供一种过冷水云检测方法,包括以下步骤:
步骤101,针对待研究区域,下载历史云参数数据,组建历史样本数据,所述历史云参数数据包括云相态、云顶温度、云滴有效半径。
在步骤101中,本发明实施例所述待研究区域为中国区域,所述历史云参数数据的时间为2016年1月至2017年1月,是下载2016年1月到2017年1月全国范围内Himawari-8二级CLP数据,分辨率5km。也可以是其他区域,也可以是其他时间,这里不做特别限定。
在步骤101中,需要说明的是,所使用的云参数产品为卫星观测的云相态、云顶温度、云滴有效半径等数据,所有能够提供此类数据的卫星传感器都可以使用该方法识别过冷水云范围,例如AHI传感器,它搭载在日本Himawari-8卫星上,其二级云产品中包含云相态、云顶温度和云滴有效半径数据,同时包括成像的经纬度数据,分辨率为5km,格式为nc格式。
针对待研究区域,筛选该区域范围内过冷水云出现及对应的日期,下载这些日期的云相态、云顶温度和云滴有效半径数据,组建历史样本集。
需说明的是,本发明还可应用与其它能够获得云相态、云顶温度、云滴有效半径的卫星传感器,例如美国Terra卫星上的MODIS传感器,这里不做特别限定。
步骤102,根据所述待研究区域影像,区分历史过冷水云区域、历史非过冷水云区域,统计所述历史云参数数据的各种云相态出现频率,并确定云相态判据、云顶温度判据、云滴有效半径判据。
进一步地,所述确定云相态判据、云顶温度判据、云滴有效半径判据的方法是:对所述历史过冷水云区域的云相态数据,统计各种云相态出现频率,根据过冷水云出现频率确定云相态判据;对所述历史过冷水云区域的过冷水云出现频率与云顶温度拟合第一曲线,对所述历史非过冷水云区域的非过冷水云出现频率与云顶温度拟合第二曲线,确定第一、第二曲线的交点为云顶温度判据;对所述历史过冷水云区域的过冷水云出现频率与云滴有效半径拟合第三曲线,对所述历史非过冷水云区域的非过冷水云出现频率与云滴有效半径拟合第四曲线,确定第三、第四曲线的交点为云滴有效半径判据。
在步骤102中,统计历史过冷水云区域各种云相态出现的频率,各种云相态如水云、冰云、冰水混合云、无法确定类型、晴空,根据各种云相态出现的频率,频率超过5%的云相态类型即为所述云相态判据。本发明实施例根据实际数据分析,所述云相态判据为水云和冰水混合云两种类型,即云相态数据={水云、冰水混合云}。
在步骤102中,统计历史过冷水云区域对应的云顶温度数据、非过冷水云区域的云顶温度数据,确定云顶温度判据为-3℃~20℃为水云,-20℃~38℃为冰水混合云。
在步骤102中,统计历史过冷水云区域对应的云滴有效半径数据、非过冷水云区域的云滴有效半径数据,确定云滴有效半径判据:5μm-16μm为水云,16μm-50μm为冰水混合云。
需要说明的是,本发明实施例中所述云相态判据可以是5%,也可以是其他数值,这里不做特别限定;所述云顶温度判据为-3℃~20℃为水云,-20℃~38℃为冰水混合云,也可以是其他数值,这里不做特别限定;所述云滴有效半径判据:5μm-16μm为水云,16μm-50μm为冰水混合云,也可以是其他数值,这里不做特别限定。
步骤103,针对待研究区域,获取当期云参数数据,组建当期样本数据。
步骤104,对所述当期云参数数据的云相态数据,根据所述云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域。
步骤105,对所述云相态过冷水云区域的云顶温度数据,根据所述云顶温度判据,区分云顶温度过冷水云区域。
步骤106,对所述云顶温度过冷水云区域的云滴有效半径数据,根据所述云滴有效半径判据,区分过冷水云区域。
本发明实施例针对现有过冷水云识别算法在冰水混合相态中易混淆过冷水云与水云分布范围的问题,第一次引入云滴有效半径数据,使用卫星观测的云相态、云顶温度和云滴有效半径数据来识别过冷水云的范围,不需要其他辅助数据,能够快速稳定的实现过冷水云的检测,计算高效且适用范围广。
图2为一种包含数据修正的过冷水云检测方法流程实施例,本发明实施例提供的过冷水云检测方法包括历史数据、当期数据的修正,具体包括以下步骤:
步骤101,针对待研究区域,下载历史云参数数据,组建历史样本数据,所述历史云参数数据包括云相态、云顶温度、云滴有效半径。
步骤201,对所述历史云参数数据进行校正。
在步骤201中,校正系数可以从云参数产品中读取,具体的做法是将云产品数据乘以校正系数即可。
步骤202,根据所述待研究区域影像,区分历史过冷水云区域、历史非过冷水云区域,统计所述历史云参数数据的各种云相态出现频率,并确定云相态判据、云顶温度判据、云滴有效半径判据。
步骤103,针对待研究区域,获取当期云参数数据,组建当期样本数据。
步骤203,对所述当期云参数数据进行校正。
步骤204,对所述当期云参数数据的云相态数据,根据所述云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域。
步骤205,对所述云相态过冷水云区域的云顶温度数据,根据所述云顶温度判据,区分云顶温度过冷水云区域。
步骤206,对所述云顶温度过冷水云区域的云滴有效半径数据,根据所述云滴有效半径判据,区分过冷水云区域。
图3为一种包含过冷水云掩膜值的过冷水云检测方法流程实施例,本发明实施例提供的过冷水云检测方法包含过冷水云掩膜值,具体包括以下步骤:
步骤101,针对待研究区域,下载历史云参数数据,组建历史样本数据,所述历史云参数数据包括云相态、云顶温度、云滴有效半径。
步骤102,根据所述待研究区域影像,区分历史过冷水云区域、历史非过冷水云区域,统计所述历史云参数数据的各种云相态出现频率,并确定云相态判据、云顶温度判据、云滴有效半径判据。
在步骤102中,通过影响筛选出过冷水云出现的区域,作为主要试验区域,利用idl程序语言读取该数据中的图像高度和宽度,象元经纬度数据,重新生成与输入数据等高和等宽的Geotiff影像,所有象元的初始赋值为1,作为Himawari-8过冷水云范围识别的掩膜。
步骤103,针对待研究区域,获取当期云参数数据,组建当期样本数据。
步骤301,对所述云相态数据的每个像元,根据所述云相态判据,确定云相态过冷水云掩膜值,满足云相态判据的像元的云相态过冷水云掩膜值为1,不满足的为0。
在步骤301中,利用idl语言读取云参数产品中的图像高度和宽度,象元经纬度数据。重新生成与输入数据等高和等宽的影像,像素值均为1,作为过冷水云识别的掩膜。这里所说的掩膜又可以称为过冷水云掩膜,是指用来对待识别数据进行过冷水云识别的特定图像。
在步骤301中,利用idl语言读取卫星的云相态数据,即每个象元在以下几类中的归属:水云、冰云、冰水混合云、晴空或者无法确定相态,逐个象元判断其云相态类别。云相态类别与判据={水云,冰水混合云}中的类别一致的象元,其对应的掩膜值保持不变,而没有通过判据判断的象元的掩膜值为0。
步骤302,将所述云相态数据的像元与所述云相态过冷水云掩膜值相乘,确定当期云相态冷水云区域、当期云相态非过冷水云区域。
在步骤302中,卫星数据和掩膜进行对应像元值相乘处理后,是过冷水云的象元数据被保留,非过冷水云的象元像素值则变为0。
步骤303,对所述云相态冷水云区域的每个像元,根据云顶温度判据,确定云顶温度过冷水云掩膜值,满足云顶温度判据像元的云顶温度过冷水云掩膜值为1,不满足的为0。
步骤304,将所述云相态数据的像元与所述云顶温度过冷水云掩膜值相乘,确定当期云顶温度过冷水云区域。
步骤305,对所述云相态数据的每个像元,根据云滴有效半径判据,确定云滴有效半径过冷水云掩膜值,满足云滴有效半径判据像元的云滴有效半径过冷水云掩膜值为1,不满足的为0。
步骤306,将所述云相态数据的像元与所述云滴有效半径过冷水云掩膜值相乘,确定当期过冷水云区域。
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。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种过冷水云检测方法,其特征在于,包括以下步骤:
针对待研究区域,下载历史云参数数据,组建历史样本数据,所述历史云参数数据包括云相态、云顶温度、云滴有效半径;
根据所述待研究区域影像,区分历史过冷水云区域、历史非过冷水云区域,统计所述历史云参数数据的各种云相态出现频率,并确定云相态判据、云顶温度判据、云滴有效半径判据;
针对待研究区域,获取当期云参数数据,组建当期样本数据;
对所述当期云参数数据的云相态数据,根据所述云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域;
对所述云相态过冷水云区域的云顶温度数据,根据所述云顶温度判据,区分云顶温度过冷水云区域;
对所述云顶温度过冷水云区域的云滴有效半径数据,根据所述云滴有效半径判据,区分过冷水云区域。
2.如权利要求1所述的过冷水云检测方法,其特征在于,所述确定云相态判据、云顶温度判据、云滴有效半径判据的方法是:
对所述历史过冷水云区域的云相态数据,统计各种云相态出现频率,根据过冷水云出现频率确定云相态判据;
对所述历史过冷水云区域的过冷水云出现频率与云顶温度拟合第一曲线,对所述历史非过冷水云区域的非过冷水云出现频率与云顶温度拟合第二曲线,确定第一、第二曲线的交点为云顶温度判据;
对所述历史过冷水云区域的过冷水云出现频率与云滴有效半径拟合第三曲线,对所述历史非过冷水云区域的非过冷水云出现频率与云滴有效半径拟合第四曲线,确定第三、第四曲线的交点为云滴有效半径判据。
3.如权利要求1所述的过冷水云检测方法,其特征在于,在针对待研究区域,下载历史云参数数据,组建历史样本数据的步骤之后,所述方法还包括:
对所述历史云参数数据进行校正。
4.如权利要求1所述的过冷水云检测方法,其特征在于,在针对待研究区域,获取当期云参数数据,组建当期样本数据的步骤之后,所述方法还包括:
对所述当期云参数数据进行校正。
5.如权利要求1所述的过冷水云检测方法,其特征在于,所述对当期云参数数据的云相态数据,根据所述云相态判据,区分云相态过冷水云区域、云相态非过冷水云区域的步骤,进一步包含:
对所述云相态数据的每个像元,根据所述云相态判据,确定云相态过冷水云掩膜值,满足云相态判据的像元的云相态过冷水云掩膜值为1,不满足的为0;
将所述云相态数据的像元与所述云相态过冷水云掩膜值相乘,确定当期云相态冷水云区域、当期云相态非过冷水云区域。
6.如权利要求1所述的过冷水云检测方法,其特征在于,所述对云相态过冷水云区域的云顶温度数据,根据所述云顶温度判据,区分云顶温度过冷水云区域的步骤,进一步包含:
对所述云相态冷水云区域的每个像元,根据云顶温度判据,确定云顶温度过冷水云掩膜值,满足云顶温度判据像元的云顶温度过冷水云掩膜值为1,不满足的为0;
将所述云相态数据的像元与所述云顶温度过冷水云掩膜值相乘,确定当期云顶温度过冷水云区域。
7.如权利要求1所述的过冷水云检测方法,其特征在于,所述对云顶温度过冷水云区域的云滴有效半径数据,根据所述云滴有效半径判据,区分过冷水云区域的步骤,进一步包含:
对所述云相态数据的每个像元,根据云滴有效半径判据,确定云滴有效半径过冷水云掩膜值,满足云滴有效半径判据像元的云滴有效半径过冷水云掩膜值为1,不满足的为0;
将所述云相态数据的像元与所述云滴有效半径过冷水云掩膜值相乘,确定当期过冷水云区域。
8.如权利要求1~6任一项所述的过冷水云检测方法,其特征在于,所述待研究区域的云参数数据来自AHI卫星传感器,搭载在日本Himawari-8卫星上,分辨率为5km,格式为nc格式。
9.如权利要求1~7任一项所述的过冷水云检测方法,其特征在于,所述云相态判据为过冷水云出现频率大于等于5%。
10.如权利要求1~8任一项所述的过冷水云检测方法,其特征在于,读取云参数数据的软件为IDL语言。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018315.7A CN108089240B (zh) | 2018-01-09 | 2018-01-09 | 一种过冷水云检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018315.7A CN108089240B (zh) | 2018-01-09 | 2018-01-09 | 一种过冷水云检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108089240A true CN108089240A (zh) | 2018-05-29 |
CN108089240B CN108089240B (zh) | 2020-06-02 |
Family
ID=62182771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810018315.7A Active CN108089240B (zh) | 2018-01-09 | 2018-01-09 | 一种过冷水云检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108089240B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110058208A (zh) * | 2019-04-23 | 2019-07-26 | 南京信息工程大学 | 基于混编技术的阈值法过冷水区域识别方法 |
CN113435401A (zh) * | 2021-07-14 | 2021-09-24 | 中国气象科学研究院 | 过冷水区的飞机云物理探测识别方法、装置及存储介质 |
CN113989644A (zh) * | 2021-11-03 | 2022-01-28 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
RU2011124356A (ru) * | 2011-06-17 | 2012-12-27 | Открытое акционерное общество "Чебоксарское производственное объединение имени В.И. Чапаева" | Пиротехнический состав для воздействия на переохлажденные облака |
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 |
CN106569289A (zh) * | 2016-10-18 | 2017-04-19 | 北京无线电测量研究所 | 一种识别过冷水的方法及装置 |
US20170161584A1 (en) * | 2015-12-07 | 2017-06-08 | The Climate Corporation | Cloud detection on remote sensing imagery |
CN110361742A (zh) * | 2019-06-21 | 2019-10-22 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
-
2018
- 2018-01-09 CN CN201810018315.7A patent/CN108089240B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
RU2011124356A (ru) * | 2011-06-17 | 2012-12-27 | Открытое акционерное общество "Чебоксарское производственное объединение имени В.И. Чапаева" | Пиротехнический состав для воздействия на переохлажденные облака |
US20170161584A1 (en) * | 2015-12-07 | 2017-06-08 | The Climate Corporation | Cloud detection on remote sensing imagery |
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 |
CN106569289A (zh) * | 2016-10-18 | 2017-04-19 | 北京无线电测量研究所 | 一种识别过冷水的方法及装置 |
CN110361742A (zh) * | 2019-06-21 | 2019-10-22 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
Non-Patent Citations (1)
Title |
---|
吴举秀 等: "利用毫米波测云雷达反演层状云中过冷水", 《干旱气象》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110058208A (zh) * | 2019-04-23 | 2019-07-26 | 南京信息工程大学 | 基于混编技术的阈值法过冷水区域识别方法 |
CN113435401A (zh) * | 2021-07-14 | 2021-09-24 | 中国气象科学研究院 | 过冷水区的飞机云物理探测识别方法、装置及存储介质 |
CN113435401B (zh) * | 2021-07-14 | 2024-04-30 | 中国气象科学研究院 | 过冷水区的飞机云物理探测识别方法、装置及存储介质 |
CN113989644A (zh) * | 2021-11-03 | 2022-01-28 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
CN113989644B (zh) * | 2021-11-03 | 2022-08-19 | 中科三清科技有限公司 | 基于Himawari-8数据的沙尘区域获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108089240B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schneebeli et al. | High-resolution vertical profiles of X-band polarimetric radar observables during snowfall in the Swiss Alps | |
CN101281142B (zh) | 一种测量大气能见度的方法 | |
Mroz et al. | Hail-detection algorithm for the GPM Core Observatory satellite sensors | |
Smith et al. | Results of WetNet PIP-2 project | |
Beier et al. | Simulation of infrared detection range at fog conditions for enhanced vision systems in civil aviation | |
Pamment et al. | Objective identification of echoes due to anomalous propagation in weather radar data | |
Fu et al. | The variability of tropical precipitation profiles and its impact on microwave brightness temperatures as inferred from TRMM data | |
CN108089240A (zh) | 一种过冷水云检测方法 | |
Mead et al. | A volume-imaging radar wind profiler for atmospheric boundary layer turbulence studies | |
WO1999014702A1 (en) | Apparatus and method for monitoring and reporting weather conditions | |
Falconi et al. | Snowfall retrieval at X, Ka and W bands: consistency of backscattering and microphysical properties using BAECC ground-based measurements | |
Kim et al. | Global precipitation measurement (GPM) ground validation (GV) prototype in the Korean Peninsula | |
Dave | Effect of atmospheric conditions on remote sensing of a surface nonhomogeneity | |
Freret-Lorgeril et al. | In situ terminal settling velocity measurements at Stromboli volcano: Input from physical characterization of ash | |
Leinonen et al. | Performance assessment of a triple-frequency spaceborne cloud–precipitation radar concept using a global cloud-resolving model | |
Formenti et al. | Aerosol optical properties derived from POLDER-3/PARASOL (2005–2013) over the western Mediterranean Sea–Part 1: Quality assessment with AERONET and in situ airborne observations | |
Mroz et al. | Global precipitation measuring dual-frequency precipitation radar observations of hailstorm vertical structure: Current capabilities and drawbacks | |
Le et al. | Ground validation of surface snowfall algorithm in GPM dual-frequency precipitation radar | |
Shrestha et al. | Evaluation of the COSMO model (v5. 1) in polarimetric radar space–impact of uncertainties in model microphysics, retrievals and forward operators | |
Olson et al. | GPM combined radar-radiometer precipitation algorithm theoretical basis document (version 4) | |
Maier et al. | Simulating Z–LWC relations in natural fogs with radiative transfer calculations for future application to a cloud radar profiler | |
Kennedy et al. | Variations in snow crystal riming and ZDR: A case analysis | |
Maahn et al. | Introducing the video in situ snowfall sensor (VISSS) | |
Choi et al. | GOCI Yonsei aerosol retrieval version 2 aerosol products: improved algorithm description and error analysis with uncertainty estimation from 5-year validation over East Asia | |
Sy et al. | Impact of mass–size parameterizations of frozen hydrometeors on microphysical retrievals: Evaluation by matching radar to in situ observations from GCPEx and OLYMPEx |
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 |