CN108594335A - 一种全球降水检测方法 - Google Patents
一种全球降水检测方法 Download PDFInfo
- Publication number
- CN108594335A CN108594335A CN201810378291.6A CN201810378291A CN108594335A CN 108594335 A CN108594335 A CN 108594335A CN 201810378291 A CN201810378291 A CN 201810378291A CN 108594335 A CN108594335 A CN 108594335A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- dispersion factor
- data
- event
- determined
- 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
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
- G01N22/04—Investigating moisture content
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种全球降水检测方法,所述方法包括:步骤1)对于海洋降水检测,计算散射因子阈值,将实时计算的散射因子与散射因子阈值进行比较判断是否有降水事件;步骤2)对于陆地降水检测,判定对流强度类型,根据对流强度类型判定是否有降水事件。本发明的方法有效地提高了FY‑3C/MWHS‑II数据利用率,得到的全球海洋和陆地降水检测结果准确率较高,可以做为FY‑3C/MWHS‑II的全球海洋和陆地降水检测方法的一种参考,从而为后续的降水反演、数值天气预报、资料同化等研究奠定了基础。
Description
技术领域
本发明涉及微波遥感降水领域,具体而言,涉及一种全球降水检测方法,该方法适用于风云三号03星新型微波湿度计(FY-3C/MWHS-II)。
背景技术
降水是天气分析、天气预报以及气候变化研究等的重要参数,另外,它还直接影响着全球辐射能量的收支平衡,与人类的生存和生活直接相关。但是降水的时间和空间变化很大,是最难测的气候因素之一。目前,测量降水的手段主要有三种:地面雨量计测量,地基雷达遥感和卫星遥感。虽然地面雨量计测量是其他探测手段的基准,但是其时间和空间的分辨率远远不能满足大气科学研究的需求,而地基雷达遥感同样面临着空间分辨率的问题,同时雷达探测降水受地形遮挡,雷达射线抬升和Z-R关系不确定性的影响,在复杂区域很难实施。星载遥感由于具有空间覆盖广,时间和空间分辨率高等优势,发展迅速。与红外相比,微波可以穿透云雨等,因此星载微波遥感具有独特的优势。
我国第二代极轨气象卫星——“风云三号”气象卫星03星(FY-3C)于2013年9月23日发射成功。“风云三号”对地观测每天绕地球南北极飞行14圈,飞行一圈的时间为102分钟,卫星高度836km。其上的一个重要载荷新型微波湿度计(MWHS-II)作为FY-3A和FY-3B气象卫星上的更新换代产品,保留了原来的大气水汽主探测频点183.31-GHz,该频点扩展为5个的探测通道对大气不同高度层水汽垂直特征有不同响应,位于水汽吸收带中心的通道能探测大气上层约300百帕的水汽分布信息,逐渐远离吸收线中心移向翼区的通道,穿透深度逐渐加强,可以探测大气中层400、500和700百帕,以及底层850百帕的水汽分布信息;同时窗区通道设置为89-GHz和150-GHz,用于探测地表微波辐射信息;国际上首次用于极轨气象卫星的118-GHz作为氧气吸收频点设置为8个通道,可用于垂直高度的大气温度探测,与183.31-GHz的5个水汽探测通道相结合,实现了湿度和温度的同时探测。FY-3C/MWHS-II的15个通道设置参数情况如表1。新型微波湿度计作为一种被动的微波遥感器,不仅能够穿透云层和雨区,并且能够穿透一定深度的地表或植被,用于全天时、全天候探测全球地表及不同高度层的湿度和温度、水汽含量、降水量等气象信息,具有探测降水的能力,为数值天气预报提供及时准确的大气湿度初始场信息,提升对台风暴雨等灾害性强对流天气的监测预警能力,在大气探测及海洋观测中具有重要作用。
表1 FY-3C/MWHS-II通道设置参数
从FY-3C/MWHS-II硬件设计的角度来看,水平已达国际先进水平,但是从数据应用的角度来看,与国外同类载荷AMSU、ATMS等相比,数据利用率较低,基于FY-3C/MWHS-II的全球降水检测研究具有重要意义。
TRMM(Tropical Rainfall Measuring Mission)多卫星降水数据TMPA(TRMMPrecipitation Analysis)在近10年经历了多次升级(V5-V7),由于融合了多个卫星数据,且数据质量较高,已被成功运用在降水、水文、气候等研究领域。TMPA 3B42(V7)数据由于其较高的精度,成为国际上广泛应用的一种重要的研究性降水产品。
发明内容
本发明的目的在于克服上述技术缺陷,提出一种基于FY-3C/MWHS-II的全球降水检测方法,该方法能够实现海洋和陆地的降水检测。
为了实现上述目的,本发明提供了一种全球降水检测方法,所述方法包括:
步骤1)对于海洋降水检测,计算散射因子阈值,将实时计算的散射因子与散射因子阈值进行比较判断是否有降水事件;
步骤2)对于陆地降水检测,判定对流强度类型,根据对流强度类型判定是否有降水事件。
作为上述方法的一种改进,所述步骤1)的计算散射因子阈值,具体包括:
步骤1-1)根据海陆标识码选择并读取卫星载荷的海洋1级数据和2级数据,提取1级数据中的亮温、仪器观测天顶角、地理位置和时间信息,同时可提取其2级数据中的散射因子、降水标识码地理位置和时间信息;
步骤1-2)根据步骤1-1)得到的地理位置信息以南北纬度50°区分两个研究区域,一个是50°S~50°纬度范围,另一个是50°S~90°S和50°N~90°N纬度范围内;
步骤1-3)根据步骤1-2)划分的区域,分别提取89-GHz和150-GHz通道的亮温、仪器观测天顶角和散射因子,根据线性拟合公式进行拟合,得到拟合系数和拟合指标,其中线性拟合公式为:
SI=(BT89-BT150)-(a1+a2β) (1)
其中,SI是散射因子,BT89和BT150分别代表窗区89-GHz和150-GHz通道的亮度温度,β是微波遥感器的天顶角,a1、a2代表拟合系数;
步骤1-4)根据公式(1)和步骤1-3)得到的拟合系数计算散射因子;
步骤1-5)提取降水标识码,根据步骤1-4)计算得到的特定散射因子,大于特定散射因子的情况确定为发生降水事件,小于特定散射因子的情况确定为未发生降水事件;
步骤1-6)依据这个降水事件的判定规则,根据降水正确率公式循环计算降水正确率Correct,从步骤1-4)中计算得到的散射因子的最小值循环计算到最大值;其中,降水正确率的计算公式为:
其中,Correct是降水正确率,Num1表示实际发生降水事件,根据降水检测算法正确判定为降水事件的数量,Num2表示实际没有发生降水事件,根据降水检测算法正确判定为无降水事件的数量,Num示事件的总数量;
步骤1-7)从步骤1-6)中循环得到的降水正确率中寻找最佳的降水正确率,并把取得最佳降水正确率时的散射因子确定为云系统的散射因子阈值SI0。
作为上述方法的一种改进,所述步骤1)的将实时计算的散射因子SI与散射因子阈值进行比较判断是否有降水事件;具体为:
根据步骤1-4)计算散射因子,把散射因子大于散射因子阈值SI0的情况确定为发生降水事件;把散射因子小于散射因子阈值SI0的情况确定为未发生降水事件,完成海洋降水检测过程。
作为上述方法的一种改进,所述步骤2)的判定对流强度类型,具体包括:
步骤2-1)根据海陆标识码选择并读取卫星载荷的陆地1级数据,提取其中的15个通道亮温、地理位置和时间信息;
步骤2-2)提取TMPA 3B42陆地数据中的降水量、地理位置和时间信息;
步骤2-3)将步骤2-1)的数据和步骤2-2)的数据根据陆地匹配规则进行数据的匹配得到满足要求的匹配数据集;
步骤2-4)把步骤2-3)得到的匹配数据集中的通道亮温计算三个亮温差如下:
Δ1=TB183±1-TB183±7 (3)
Δ2=TB183±3-TB183±7 (4)
Δ3=TB183±1-TB183±3 (5)
其中,Δ1为第一亮温差,Δ2为第二亮温差,Δ3为第三量温差,TB183±1、TB183±3和TB183±7分别为183±1-GHz、183±3-GHz和183±7-GHz三个通道的亮度温度;
步骤2-5)判定云系统的对流强度的类型:
CI=1 Δ2>0,Δ2>Δ1,Δ2>Δ3 (6)
CI=2 Δ1>0,Δ2>0,Δ3>0,Δ1>Δ2,Δ1>Δ3,Δ2>Δ3 (7)
CI=3 Δ1>0,Δ2>0,Δ3>0,Δ1>Δ2,Δ1>Δ3,Δ2<Δ3 (8)
其中,CI=1判定为弱对流,CI=2判定为中型对流,CI=3判定为强对流。
作为上述方法的一种改进,所述步骤2-3)的陆地匹配规则如下:
(a)采用亮温极值法去掉不合理的数据,选取50K~400K之间的亮温;
(b)采用降水量极值法去掉不符合要求的数据,选取0mm/hr~100mm/hr之间的降水量;
(c)选择匹配数据前后时间差不超过30min的数据,即时间分辨率设置为30min;
(d)选择纬度在50°S~50°N范围内的数据;
(e)选择匹配数据前后经度和纬度差都不超过0.25°的数据。
作为上述方法的一种改进,所述步骤2)的根据对流强度类型判定是否有降水事件,具体为:
把判定为CI=2和CI=3的天气情况判定为降水事件的发生,剩余情况判定为无降水事件的发生,完成陆地降水检测过程。
本发明的优点在于:
1、本发明的一种全球降水检测方法,包括全球海洋降水检测方法和全球陆地降水检测方法;运用本发明的方法能够有效判别降水事件的发生与否,实现了利用FY-3C/MWHS-II的全球检测降水,有效提高了FY-3C/MWHS-II数据利用率,此发明方法得到的全球海洋和陆地降水检测结果准确率较高,可以做为FY-3C/MWHS-II的全球海洋和陆地的降水检测业务算法的一种参考,从而为后续的降水反演、数值天气预报、资料同化等研究奠定了基础;
2、本发明的方法提高了FY-3C/MWHS-II数据的利用率,海洋和陆地降水检测结果准确率分别达到99%和96%,验证了该方法具有较高的应用价值。
附图说明
图1是本发明的全球海洋和陆地降水检测方法整体流程示意图;
图2是本发明的全球海洋降水检测方法的流程示意图;
图3是本发明的全球陆地降水检测方法的流程示意图。
具体实施方式
下面结合附图和具体实施方案对本发明的一种全球降水检测方法进行清楚、完整的描述,作进一步的详细说明。
图1是本发明的全球海洋和陆地降水检测方法整体流程示意图。该降水检测方法分别对海洋和陆地提出了不同的检测方案,本发明以南北纬度50°为区分进一步对海洋和陆地提出不同的降水检测方案。
在海洋降水检测方案中,针对FY-3C/MWHS-II窗区89-GHz和150-GHz通道的特点,提出了散射因子Scatter Index(SI)的计算方法和设置散射因子阈值的方法,根据散射因子阈值判断降水事件的发生。
在陆地降水检测方案中,根据FY-3C/MWHS-II水汽吸收通道183-GHz的探测特点,提出云系统的对流强度Convection Intensity(CI)的计算方法,根据对流强度(CI)判定是否有降水事件。
本发明提出的海洋和陆地降水检测方法,实现了利用FY-3C/MWHS-II的全球海洋和陆地的检测降水,从而为后续的降水反演、数值天气预报、资料同化等研究奠定了基础。
图2是本发明的全球海洋降水检测方法的流程示意图。如图2所示,详细步骤如下:
步骤1)根据FY-3C/MWHS-II 1级数据中的海陆标识码选择并读取卫星载荷的海洋1级数据和2级数据,提取1级数据中的亮温、仪器观测天顶角、地理位置和时间等信息,同时可提取其2级数据中的散射因子、降水标识码地理位置和时间等信息;
步骤2)根据上一步得到的地理位置信息以南北纬度50°区分两个研究区域,一个是50°S~50°纬度范围,另一个是50°S~90°S和50°N~90°N纬度范围内;
把上一步即步骤2)得到的不同纬度范围内的数据分别做如下步骤3)到步骤6)的处理:
步骤3)提取89-GHz和150-GHz通道的亮温、仪器观测天顶角和散射因子根据线性拟合公式进行拟合,得到拟合系数和拟合指标,其中线性拟合公式为:
SI=(BT89-BT150)-(a1+a2β) (1)
其中,SI是FY-3C/MWHS-II的散射因子,也称散射指数,BT89和BT150分别代表窗区89-GHz和150-GHz通道的亮度温度,β是MWHS-II微波遥感器的天顶角,ai(i=1,2)代表拟合系数。
步骤4)根据公式(1)和上一步即步骤3)得到的拟合系数计算散射因子;
步骤5)提取降水标识码和上一步即步骤4)计算得到的特定散射因子,大于特定散射因子的情况确定为发生降水事件,小于特定散射因子的情况确定为未发生降水事件。根据降水正确率公式计算降水正确率Correct,寻找最佳的降水正确率,把取得最佳降水正确率时的散射因子确定为散射因子阈值SI0。其中,降水正确率的计算公式为:
其中,降水正确率是Correct,Num(判定降水/发生降水)表示实际发生降水事件,根据降水检测算法又正确判定为降水事件的数量,Num(判定无降水/没有发生降水)表示实际没有发生降水事件,根据降水检测算法也正确判定为无降水事件的数量,Num(总数)表示事件的总数量。
步骤6)计算散射因子,根据步骤5)中确定的散射因子阈值SI0判定降水事件的发生与否,完成海洋降水检测过程。
把散射因子大于散射因子阈值SI0的情况确定为发生降水事件;把散射因子小于散射因子阈值SI0的情况确定为未发生降水事件,完成海洋降水检测过程。
图3是本发明的新型全球陆地降水检测方法流程示意图。FY-3C/MWHS-II的2级数据仅涉及海洋,所以对陆地降水检测的研究选取TMPA 3B42数据,但是此数据中只涉及纬度范围在50°S~50°N以内的区域,考虑到此范围区域外陆地较少,本发明对于陆地降水检测也只考虑50°S~50°N范围内的区域。此发明方法得到的陆地降水检测结果准确率较高,可以做为FY-3C/MWHS-II的陆地降水检测方法的一种参考。一种全球陆地降水检测方法流程示意图如图3所示,详细步骤如下:
步骤1)提取FY-3C/MWHS-II的1级数据中的亮温、海陆标识码、地理位置和时间等信息;
步骤2)提取TMPA 3B42数据中的降水量、地理位置和时间等信息;
步骤3)按照FY-3C/MWHS-II和TMPA 3B42的陆地匹配规则进行数据的匹配并得到满足要求的匹配数据集,其具体匹配规则如下:
(a)采用亮温极值法去掉不合理的数据,选取50K~400K之间的亮温;
(b)采用降水量极值法去掉不符合要求的数据,选取0mm/hr~100mm/hr之间的降水量;
(c)选择匹配数据前后时间差不超过30min的数据,即时间分辨率设置为30min;
(d)选择纬度在50°S~50°N范围内的数据;
(e)选择匹配数据前后经度和纬度差都不超过0.25°的数据,即空间分辨率设置为0.25°;
步骤4)把上一步即步骤3)得到的匹配数据集中的通道亮温根据公式(3)-(5)计算亮温差;
Δ1=TB183±1-TB183±7 (3)
Δ2=TB183±3-TB183±7 (4)
Δ3=TB183±1-TB183±3 (5)
步骤5)根据公式(6)-(8)判定云系统的对流强度的类型,其中CI=1判定为弱对流,CI=2和CI=3分别判定为中型对流和强对流;
CI=1 Δ2>0,Δ2>Δ1,Δ2>Δ3 (6)
CI=2 Δ1>0,Δ2>0,Δ3>0,Δ1>Δ2,Δ1>Δ3,Δ2>Δ3 (7)
CI=3 Δ1>0,Δ2>0,Δ3>0,Δ1>Δ2,Δ1>Δ3,Δ2<Δ3 (8)
步骤6)把上一步即步骤5)中判定的CI=2和CI=3(中型对流和强对流)天气情况判定为降水事件的发生,剩余情况判定为无降水事件的发生,完成陆地降水检测过程。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种全球降水检测方法,所述方法包括:
步骤1)对于海洋降水检测,计算散射因子阈值,将实时计算的散射因子与散射因子阈值进行比较判断是否有降水事件;
步骤2)对于陆地降水检测,判定对流强度类型,根据对流强度类型判定是否有降水事件。
2.根据权利要求1所述的全球降水检测方法,其特征在于,所述步骤1)的计算散射因子阈值,具体包括:
步骤1-1)根据海陆标识码选择并读取卫星载荷的海洋1级数据和2级数据,提取1级数据中的亮温、仪器观测天顶角、地理位置和时间信息,同时可提取其2级数据中的散射因子、降水标识码地理位置和时间信息;
步骤1-2)根据步骤1-1)得到的地理位置信息以南北纬度50°区分两个研究区域,一个是50°S~50°纬度范围,另一个是50°S~90°S和50°N~90°N纬度范围内;
步骤1-3)针对步骤1-2)划分的区域,分别提取89-GHz和150-GHz通道的亮温、仪器观测天顶角和散射因子,根据线性拟合公式进行拟合,得到拟合系数和拟合指标,其中线性拟合公式为:
SI=(BT89-BT150)-(a1+a2β) (1)
其中,SI是散射因子,BT89和BT150分别代表窗区89-GHz和150-GHz通道的亮度温度,β是微波遥感器的天顶角,a1、a2代表拟合系数;
步骤1-4)根据公式(1)和步骤1-3)得到的拟合系数计算散射因子;
步骤1-5)提取降水标识码,根据步骤1-4)计算得到特定散射因子,大于特定散射因子的情况确定为发生降水事件,小于特定散射因子的情况确定为未发生降水事件;
步骤1-6)依据这个降水事件的判定规则,根据降水正确率公式循环计算降水正确率Correct,从步骤1-4)中计算得到的散射因子的最小值循环计算到最大值;其中,降水正确率的计算公式为:
其中,Correct是降水正确率,Num1表示实际发生降水事件,根据降水检测算法正确判定为降水事件的数量,Num2表示实际没有发生降水事件,根据降水检测算法正确判定为无降水事件的数量,Num示事件的总数量;
步骤1-7)从步骤1-6)中循环得到的降水正确率中寻找最佳的降水正确率,并把取得最佳降水正确率时的散射因子确定为云系统的散射因子阈值SI0。
3.根据权利要求2所述的全球降水检测方法,其特征在于,所述步骤1)的将实时计算的散射因子SI与散射因子阈值进行比较判断是否有降水事件;具体为:
根据步骤1-4)计算散射因子,把散射因子大于散射因子阈值SI0的情况确定为发生降水事件;把散射因子小于散射因子阈值SI0的情况确定为未发生降水事件,完成海洋降水检测过程。
4.根据权利要求1所述的全球降水检测方法,其特征在于,所述步骤2)的判定对流强度类型,具体包括:
步骤2-1)根据海陆标识码选择并读取卫星载荷的陆地1级数据,提取其中的15个通道亮温、地理位置和时间信息;
步骤2-2)提取TMPA 3B42陆地数据中的降水量、地理位置和时间信息;
步骤2-3)将步骤2-1)的数据和步骤2-2)的数据根据陆地匹配规则进行数据的匹配得到满足要求的匹配数据集;
步骤2-4)根据步骤2-3)得到的匹配数据集中的通道亮温计算三个亮温差:
Δ1=TB183±1-TB183±7 (3)
Δ2=TB183±3-TB183±7 (4)
Δ3=TB183±1-TB183±3 (5)
其中,Δ1为第一亮温差,Δ2为第二亮温差,Δ3为第三量温差,TB183±1、TB183±3和TB183±7分别为183±1-GHz、183±3-GHz和183±7-GHz三个通道的亮度温度;
步骤2-5)判定云系统的对流强度的类型:
CI=1 Δ2>0,Δ2>Δ1,Δ2>Δ3 (6)
CI=2 Δ1>0,Δ2>0,Δ3>0,Δ1>Δ2,Δ1>Δ3,Δ2>Δ3 (7)
CI=3 Δ1>0,Δ2>0,Δ3>0,Δ1>Δ2,Δ1>Δ3,Δ2<Δ3 (8)
其中,CI=1判定为弱对流,CI=2判定为中型对流,CI=3判定为强对流。
5.根据权利要求4所述的全球降水检测方法,其特征在于,所述步骤2-3)的陆地匹配规则如下:
(a)采用亮温极值法去掉不合理的数据,选取50K~400K之间的亮温;
(b)采用降水量极值法去掉不符合要求的数据,选取0mm/hr~100mm/hr之间的降水量;
(c)选择匹配数据前后时间差不超过30min的数据,即时间分辨率设置为30min;
(d)选择纬度在50°S~50°N范围内的数据;
(e)选择匹配数据前后经度和纬度差都不超过0.25°的数据。
6.根据权利要求4所述的全球降水检测方法,其特征在于,所述步骤2)的根据对流强度类型判定是否有降水事件,具体为:
把判定为CI=2和CI=3的天气情况判定为降水事件的发生,剩余情况判定为无降水事件的发生,完成陆地降水检测过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810378291.6A CN108594335B (zh) | 2018-04-25 | 2018-04-25 | 一种全球降水检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810378291.6A CN108594335B (zh) | 2018-04-25 | 2018-04-25 | 一种全球降水检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108594335A true CN108594335A (zh) | 2018-09-28 |
CN108594335B CN108594335B (zh) | 2020-11-06 |
Family
ID=63609200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810378291.6A Active CN108594335B (zh) | 2018-04-25 | 2018-04-25 | 一种全球降水检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108594335B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175214A (zh) * | 2019-02-01 | 2019-08-27 | 中国空间技术研究院 | 一种利用重力卫星数据监测极端气候变化的方法和系统 |
CN110263838A (zh) * | 2019-06-13 | 2019-09-20 | 南京信息工程大学 | 一种多传感器降水估计融合方法 |
-
2018
- 2018-04-25 CN CN201810378291.6A patent/CN108594335B/zh active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175214A (zh) * | 2019-02-01 | 2019-08-27 | 中国空间技术研究院 | 一种利用重力卫星数据监测极端气候变化的方法和系统 |
CN110263838A (zh) * | 2019-06-13 | 2019-09-20 | 南京信息工程大学 | 一种多传感器降水估计融合方法 |
CN110263838B (zh) * | 2019-06-13 | 2023-04-18 | 南京信息工程大学 | 一种多传感器降水估计融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108594335B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Higurashi et al. | A study of global aerosol optical climatology with two-channel AVHRR remote sensing | |
Han et al. | Trends of land surface heat fluxes on the Tibetan Plateau from 2001 to 2012 | |
CN105204024B (zh) | 微波遥感表面温度向热红外遥感肤面温度转换的方法 | |
Schroedter-Homscheidt et al. | Total water vapor column retrieval from MSG-SEVIRI split window measurements exploiting the daily cycle of land surface temperatures | |
CN108874734A (zh) | 一种全球陆地降水反演方法 | |
CN113552320A (zh) | 一种基于Chan方法的土壤水分遥感反演方法 | |
CN109871637A (zh) | 一种云天条件下近地面气温估算方法 | |
Wang et al. | Water vapor retrievals from near-infrared channels of the advanced Medium Resolution Spectral Imager instrument onboard the Fengyun-3D satellite | |
CN108802853B (zh) | 一种云相态识别方法 | |
Tao et al. | Soil moisture retrieval from SAR and optical data using a combined model | |
Gong et al. | Validation on MERSI/FY-3A precipitable water vapor product | |
Yu et al. | Satellite observations of the seasonal vegetation growth in central Asia: 1982-1990 | |
Zhou et al. | Drought monitoring using the Sentinel-3-based multiyear vegetation temperature condition index in the Guanzhong plain, China | |
CN106768348A (zh) | 一种基于热成像技术的屋顶植被蒸散发量测定方法 | |
CN108594335A (zh) | 一种全球降水检测方法 | |
Wang et al. | Estimation of surface longwave radiation over the Tibetan plateau region using MODIS data for cloud-free skies | |
Qi et al. | Estimation of land surface temperature over the Tibetan Plateau based on Sentinel-3 SLSTR data | |
Yu et al. | Estimation of clear-sky longwave downward radiation from HJ-1B thermal data | |
CN110658325B (zh) | 一种确定sm监测中lst/fvc空间的方法 | |
CN115546658B (zh) | 一种数据集质量提升与改进cnn相结合的夜间云检测方法 | |
Wang et al. | Retrieval of aerosol optical depth for Chongqing using the HJ-1 satellite data | |
Jedlovec et al. | A satellite-derived upper-tropospheric water vapor transport index for climate studies | |
CN108897074B (zh) | 一种全球海洋降水反演方法 | |
Kern et al. | Estimation of vertically integrated water vapor in Hungary using MODIS imagery | |
Van den Hurk et al. | Assimilation of land surface temperature data from ATSR in an NWP environment--a case study |
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 |