CN108269268A - 基于微波散射计数据自动提取台风高风速云系区域算法 - Google Patents

基于微波散射计数据自动提取台风高风速云系区域算法 Download PDF

Info

Publication number
CN108269268A
CN108269268A CN201810101021.0A CN201810101021A CN108269268A CN 108269268 A CN108269268 A CN 108269268A CN 201810101021 A CN201810101021 A CN 201810101021A CN 108269268 A CN108269268 A CN 108269268A
Authority
CN
China
Prior art keywords
typhoon
data
wind speed
region
wind
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
Application number
CN201810101021.0A
Other languages
English (en)
Other versions
CN108269268B (zh
Inventor
张登荣
胡潭高
吴祎越
张煜洲
张路
谢斌
刘婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Normal University
Original Assignee
Hangzhou Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Normal University filed Critical Hangzhou Normal University
Priority to CN201810101021.0A priority Critical patent/CN108269268B/zh
Publication of CN108269268A publication Critical patent/CN108269268A/zh
Application granted granted Critical
Publication of CN108269268B publication Critical patent/CN108269268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)

Abstract

本发明公开了一种基于微波散射计数据自动提取台风高风速云系区域算法。它包括以下步骤：S1：将从微波散射计获取的台风区域的风速数据、风向数据进行网格化处理，形成网格数据点；S2：计算出每个网格数据点的风矢量；S3：用设定大小的窗口遍历台风区域获得若干个窗口区域，计算每个窗口区域的风速均值；S4：风速均值最大的窗口区域为台风高风速云系区域。本发明能够根据微波散射计数据自动提取出台风高风速云系区域，花费时间短，能够满足业务化发展的要求。

Description

基于微波散射计数据自动提取台风高风速云系区域算法
技术领域
本发明涉及遥感技术领域，尤其涉及一种基于微波散射计数据自动提取台风高风速云系区域算法。
背景技术
现有台风高风速云系区域提取主要依赖目视解译人工判定，自动提取的方法较为缺乏。主要技术方法有：
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)基于人工目视解译提取高风速云系区域的方法受限于判定者的经验，不同的判定人的结果不同；
(2)单一对风向进行反距离加权插值，容易对某些区域的风向造成误判，且容易造成整轨数据北向倒置；
(3)在对一轨微波散射计进行气旋中心定位时，若不进行高风速云系区域提取，可能会定位出多个气旋中心。
目前自动提取台风高风速云系区域的方法很少，利用海洋二号微波散射计数据进行自动提取的算法极少。海洋二号微波散射计数据提取台风高风速云系区域技术还处于起步阶段，其方法较为单一，多以单一插值方法和求算特定范围的风速均值为主，而微波散射计数据存储方式使得单一的插值方法对风向结果造成误判，结果无法满足提取的需要。
发明内容
本发明为了解决现有人工目视解译判定微波散射计高风速云系区域技术所存在的花费时间长、标准不同一、无法做到业务化的技术问题，提供了一种基于微波散射计数据自动提取台风高风速云系区域算法，其能够根据微波散射计数据自动提取出台风高风速云系区域，花费时间短，能够满足业务化发展的要求。
为了解决上述问题，本发明采用以下技术方案予以实现：
本发明的基于微波散射计数据自动提取台风高风速云系区域算法，包括以下步骤：
S1：将从微波散射计获取的台风区域的风速数据、风向数据进行网格化处理，形成网格数据点；
S2：计算出每个网格数据点的风矢量；
S3：用设定大小的窗口遍历台风区域获得若干个窗口区域，计算每个窗口区域的风速均值；
S4：风速均值最大的窗口区域为台风高风速云系区域。
本算法所处理的对象是来自于微波散射计数据，由一个个的数据点构成，微波散射计数据的数据点不是标准的网格，因此先要对台风区域的风速数据、风向数据进行网格化处理。
作为优选，所述台风区域的风速数据的网格化处理包括以下步骤：
N1：获取台风区域的微波散射计数据，经过预处理，得到风速数据；
N2：将风速数据通过反距离加权插值，得到的网格化数据，每个网格的经度长度为a°、纬度长度为a°。
作为优选，所述台风区域的风向数据的网格化处理包括以下步骤：
M1：获取台风区域的微波散射计数据，经过预处理，得到风向数据；
M2：将风向数据先通过反距离加权插值，再通过单方向线性插值，得到的网格化数据，每个网格的经度长度为a°、纬度长度为a°。
对风向数据单方向线性插值包括以下步骤：比较待插入点东西相邻点的风速大小，以风速大的相邻点的东西走向的风向作为待插入点东西走向的风向；比较待插入点南北相邻点的风速大小，以风速大的相邻点的南北走向的风向作为待插入点南北走向的风向；根据待插入点东西走向的风向和南北走向的风向计算出待插入点的风向。
作为优选，所述计算每个窗口区域的风速均值的方法包括以下步骤：
D1：计算每个窗口区域内所有有效网格数据点的风矢量之和的模；
D2：将每个窗口区域的风矢量之和的模除以其内所有有效网格数据点个数得到每个窗口区域的风速均值。
作为优选，如果网格数据点有风矢量数据，则该网格数据点为有效网格数据点，如果网格数据点没有风矢量数据，则该网格数据点为无效网格数据点。
本发明的有益效果是：可根据微波散射计数据自动提取出台风高风速云系区域，省时省力，更适合在业务中稳定运行。
附图说明
图1是本发明的流程图。
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：本实施例的基于微波散射计数据自动提取台风高风速云系区域算法，如图1所示，包括以下步骤：
S1：将从微波散射计获取的台风区域的风速数据、风向数据按照经纬度进行网格化处理，形成网格数据点；
S2：计算出每个网格数据点的风矢量；
S3：用设定大小的窗口(经度85°×纬度85°)遍历台风区域获得若干个窗口区域，计算每个窗口区域的风速均值；
S4：风速均值最大的窗口区域为台风高风速云系区域。
台风区域的风速数据的网格化处理包括以下步骤：
N1：获取台风区域的微波散射计数据，经过预处理，得到风速数据；
N2：将风速数据通过反距离加权插值，得到网格化数据，每个网格为经度0.25°×纬度0.25°。
台风区域的风向数据的网格化处理包括以下步骤：
M1：获取台风区域的微波散射计数据，经过预处理，得到风向数据；
M2：将风向数据先通过反距离加权插值，再通过单方向线性插值(只考虑同一方向水平和垂直)，得到网格化数据，每个网格为经度0.25°×纬度0.25°。
计算每个窗口区域的风速均值的方法包括以下步骤：
D1：计算每个窗口区域内所有有效网格数据点的风矢量之和的模；
D2：将每个窗口区域的风矢量之和的模除以其内所有有效网格数据点个数得到每个窗口区域的风速均值。
如果网格数据点有风矢量数据，则该网格数据点为有效网格数据点，如果网格数据点没有风矢量数据，则该网格数据点为无效网格数据点。
本算法所处理的对象是来自于海洋二号卫星微波散射计数据，由一个个的数据点构成，海洋二号卫星微波散射计数据的数据点不是标准的网格，因此先要对台风区域的风速数据、风向数据进行网格化处理，包括如下步骤：将台风区域网格化，从微波散射计获取台风区域的风速数据、风向数据，并将这些风速数据、风向数据对应到网格数据点上。既有风速数据又有风向数据的网格数据点就是有效网格数据点，否则就是无效网格数据点。
每个网格的经度长度为0.25°、纬度长度为0.25°。网格化后会有缺省点因为海洋二号卫星微波散射计测的是海面风速，会受海表面地物(岛屿)之类的影响，因此部分网格数据点是没有数据的无效点。对风向和风速进行插值是为了使图像更平滑，插值得到的有效数据点的数量增多，人为增大的图像的分辨率。规定一定大小的窗口(经度85°×纬度85°)遍历所有数据，将将每个窗口区域的风矢量之和的模除以其内所有有效网格数据点个数得到每个窗口区域的风速均值，风速均值最大的窗口即为高风速云系区域所在窗口。
初始海洋二号卫星微波散射计数据为离散的点，风向的反距离加权插值法与单方向线性插值法的结合能避免风向异常情况出现。每个窗口得到的风矢量之和的模除以其内所有有效网格数据点个数，可排除高风速云系区域出现在图像边缘使致出现无数据点导致判定不准确情况
对风向数据单方向线性插值包括以下步骤：比较待插入点东西相邻点的风速大小，以风速大的相邻点的东西走向的风向作为待插入点东西走向的风向；比较待插入点南北相邻点的风速大小，以风速大的相邻点的南北走向的风向作为待插入点南北走向的风向；根据待插入点东西走向的风向和南北走向的风向计算出待插入点的风向。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了矢量参数、插值等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (5)

1.一种基于微波散射计数据自动提取台风高风速云系区域算法，其特征在于，包括以下步骤：
S1：将从微波散射计获取的台风区域的风速数据、风向数据按照经纬度进行网格化处理，形成网格数据点；
S2：计算出每个网格数据点的风矢量；
S3：用设定大小的窗口遍历台风区域获得若干个窗口区域，计算每个窗口区域的风速均值；
S4：风速均值最大的窗口区域为台风高风速云系区域。
2.根据权利要求1所述的基于微波散射计数据自动提取台风高风速云系区域算法，其特征在于，所述台风区域的风速数据的网格化处理包括以下步骤：
N1：获取台风区域的微波散射计数据，经过预处理，得到风速数据；
N2：将风速数据通过反距离加权插值，得到的网格化数据，每个网格的经度长度为a°、纬度长度为a°。
3.根据权利要求1所述的基于微波散射计数据自动提取台风高风速云系区域算法，其特征在于，所述台风区域的风向数据的网格化处理包括以下步骤：
M1：获取台风区域的微波散射计数据，经过预处理，得到风向数据；
M2：将风向数据先通过反距离加权插值，再通过单方向线性插值，得到的网格化数据，每个网格的经度长度为a°、纬度长度为a°。
4.根据权利要求1或2或3所述的基于微波散射计数据自动提取台风高风速云系区域算法，其特征在于，所述计算每个窗口区域的风速均值的方法包括以下步骤：
D1：计算每个窗口区域内所有有效网格数据点的风矢量之和的模；
D2：将每个窗口区域的风矢量之和的模除以其内所有有效网格数据点个数得到每个窗口区域的风速均值。
5.根据权利要求1或2或3所述的基于微波散射计数据自动提取台风高风速云系区域算法，其特征在于，如果网格数据点有风矢量数据，则该网格数据点为有效网格数据点，如果网格数据点没有风矢量数据，则该网格数据点为无效网格数据点。
CN201810101021.0A 2018-01-31 2018-01-31 基于微波散射计数据自动提取台风高风速云系区域方法 Active CN108269268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810101021.0A CN108269268B (zh) 2018-01-31 2018-01-31 基于微波散射计数据自动提取台风高风速云系区域方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810101021.0A CN108269268B (zh) 2018-01-31 2018-01-31 基于微波散射计数据自动提取台风高风速云系区域方法

Publications (2)

Publication Number Publication Date
CN108269268A true CN108269268A (zh) 2018-07-10
CN108269268B CN108269268B (zh) 2020-04-21

Family

ID=62777248

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810101021.0A Active CN108269268B (zh) 2018-01-31 2018-01-31 基于微波散射计数据自动提取台风高风速云系区域方法

Country Status (1)

Country Link
CN (1) CN108269268B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109506880A (zh) * 2018-11-14 2019-03-22 杭州师范大学 一种台风强风圈提取方法
CN110598939A (zh) * 2019-09-18 2019-12-20 中国电建集团青海省电力设计院有限公司 一种提高测风效率及测风系统可靠性的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262789A (zh) * 2011-07-04 2011-11-30 西北大学 一种利用拉普拉斯方程的随机点数据网格化方法
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
CN103824280A (zh) * 2013-12-30 2014-05-28 杭州师范大学 一种台风中心提取方法
CN105975763A (zh) * 2016-04-29 2016-09-28 国家卫星海洋应用中心 一种多源海面风场的融合方法和装置
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262789A (zh) * 2011-07-04 2011-11-30 西北大学 一种利用拉普拉斯方程的随机点数据网格化方法
CN103824280A (zh) * 2013-12-30 2014-05-28 杭州师范大学 一种台风中心提取方法
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
CN105975763A (zh) * 2016-04-29 2016-09-28 国家卫星海洋应用中心 一种多源海面风场的融合方法和装置
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TANGAO HU ET AL.: "Study on Typhoon Center Monitoring Based on HY-2 and FY-2 Data", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
张煜洲: "基于星载微波散射计的台风中心自动定位技术研究", 《万方数据知识服务平台》 *
王中元 等: "《计算机地图制图算法与原理》", 31 January 2017, 中国矿业大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109506880A (zh) * 2018-11-14 2019-03-22 杭州师范大学 一种台风强风圈提取方法
CN110598939A (zh) * 2019-09-18 2019-12-20 中国电建集团青海省电力设计院有限公司 一种提高测风效率及测风系统可靠性的方法

Also Published As

Publication number Publication date
CN108269268B (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
Jin et al. Evaluation of climatological tropical cyclone activity over the western North Pacific in the CORDEX-East Asia multi-RCM simulations
Lock et al. Empirical examination of the factors regulating thunderstorm initiation
Zhang et al. Characteristics of thunderstorm outflows in Beijing urban area
CN105426881B (zh) 山体背景热场模型约束的地下热源昼间遥感探测定位方法
Kumar et al. On the effects of large-scale environment and surface types on convective cloud characteristics over Darwin, Australia
CN103824280B (zh) 一种台风中心提取方法
Cioni et al. Thermal structure and dynamical precursor of a Mediterranean tropical‐like cyclone
Unuma et al. A role of environmental shear on the organization mode of quasi-stationary convective clusters during the warm season in Japan
CN111340668B (zh) 一种台风灾害评估系统
CN106886564B (zh) 一种基于空间聚类订正nwp风能图谱的方法及装置
Ekhtesasi et al. Determining area affected by dust storms in different wind speeds, using satellite images
CN108269268A (zh) 基于微波散射计数据自动提取台风高风速云系区域算法
CN108254750A (zh) 一种基于雷达资料的下击暴流智能识别预警方法
Vant-Hull et al. Global comparisons of regional life cycle properties and motion of multiday convective systems: Tropical and midlatitude land and ocean
Pinheiro et al. Structure and evolution of intense austral cut‐off lows
Kirshbaum et al. Cloud trails past the Lesser Antilles
CN104573662B (zh) 一种云判方法和系统
Berkovic et al. Self-organizing map classification of the boundary layer profile: a refinement of Eastern Mediterranean winter synoptic regimes
Gentile et al. Attribution of observed extreme marine wind speeds and associated hazards to midlatitude cyclone conveyor belt jets near the British Isles
CN107403004A (zh) 一种基于地形数据的遥测雨量站点可疑数值检验方法
Young et al. A proposal for general conventions in analyses of mesoscale boundaries
Lee et al. Dual-Doppler radar analysis of a near-shore line-shaped convective system on 27 July 2011, Korea: a case study
CN109254287A (zh) 基于合成孔径雷达影像检测输电导线的方法
CN111476434A (zh) 一种基于gis的土壤重金属分形维数空间变异分析方法
Knippertz A simple identification scheme for upper-level troughs and its application to winter precipitation variability in northwest Africa

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