CN108761484A - 一种基于多源卫星遥感数据的海雾监测方法 - Google Patents

一种基于多源卫星遥感数据的海雾监测方法 Download PDF

Info

Publication number
CN108761484A
CN108761484A CN201810382620.4A CN201810382620A CN108761484A CN 108761484 A CN108761484 A CN 108761484A CN 201810382620 A CN201810382620 A CN 201810382620A CN 108761484 A CN108761484 A CN 108761484A
Authority
CN
China
Prior art keywords
remote sensing
mist
data
low clouds
lattice point
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.)
Pending
Application number
CN201810382620.4A
Other languages
English (en)
Inventor
陈昊
谢真珍
李超
康志明
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.)
JIANGSU METEOROLOGIC OBSERVATORY
Original Assignee
JIANGSU METEOROLOGIC OBSERVATORY
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 JIANGSU METEOROLOGIC OBSERVATORY filed Critical JIANGSU METEOROLOGIC OBSERVATORY
Priority to CN201810382620.4A priority Critical patent/CN108761484A/zh
Priority to US16/167,458 priority patent/US10782447B2/en
Publication of CN108761484A publication Critical patent/CN108761484A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种基于多源卫星遥感数据的海雾监测方法，利用可见光和红外卫星遥感数据初步识别出雾和低云混合区，利用卫星微波遥感的资料，获得该雾和低云混合区内，温度和湿度的垂直分层结构，由于雾和低云的大湿度区高度不同，则可以通过湿度的分层结构，提取出大湿度区的高度，进而将雾和低云进行区分，有效提高雾的监测正确率。

Description

一种基于多源卫星遥感数据的海雾监测方法
技术领域
本发明涉及一种基于多源卫星遥感数据的海雾监测方法，属于气象监测领域。
背景技术
海雾是海上的一种低能见度天气现象(能见度小于1km)，其对港口运营、远洋运输、渔业生产等海洋国民经济生产活动均具有重要影响，因此对其开展监测具有非常重要的意义。由于海上缺少观测资料，不能够通过能见度观测直接获取大范围海区的海雾分布监测信息。卫星遥感技术具有高时间和空间分辨率，同时其观测覆盖面广，可以对大范围海区进行快速观测并提取海雾信息，是海雾监测的重要手段之一。卫星遥感具有多个探测波段，通常使用可见光和红外波段对海雾进行监测识别信息提取。
目前，各类利用可见光红外遥感技术开展的海雾监测技术，都是利用雾层或云层的图像信息灰度值来判断是否存在云区或雾区。由于可见光及红外遥感卫星观测资料，并不能够穿透云层和雾层，只能观测云顶和雾顶信息，当云层较低或云层较浓时，雾顶和云顶的可见光和红外观测特征较为接近，会混淆云顶和雾顶信息，并不能够有效区分出低云和雾，会造成将低云误判为雾的结果。
发明内容
为了解决上述技术问题，本发明提供了一种基于多源卫星遥感数据的海雾监测方法。
为了达到上述目的，本发明所采用的技术方案是：
一种基于多源卫星遥感数据的海雾监测方法，包括以下步骤，
对卫星数据中的可见光红外遥感数据进行格点化，可见光红外遥感数据包括可见光遥感数据和红外遥感数据；
对卫星数据中的微波遥感数据进行格点化；
将微波遥感格点化数据插值到和可见光红外遥感格点化数据相同的网格；
将可见光红外遥感格点化数据分成白天时次数据和夜间时次数据；
对白天时次数据采用可见光红外雾检测算法，将检测的白天天空状况分为“雾、雾和低云、低云”和“晴空或高云”；
对夜间时次数据采用红外雾检测算法，将检测的夜间天空状况分为“雾、雾和低云、低云”和“晴空或高云”；
对检测出的“雾、雾和低云、低云”区域的红外遥感数据，采用拉普拉斯算子检测法，将“雾、低云和雾、低云”区域分为“低云、低云和雾”以及“雾”区域；
对插值后的微波遥感格点化数据，采用温湿廓线反演算法，反演得到温度和湿度的三维场；
利用温度和湿度的三维场，采用三维温度湿度场雾检测法，将“低云、低云和雾”区域分为“低云”和“低云和雾”区域。
微波遥感数据包括微波遥感辐射亮度温度；红外遥感数据包括红外遥感辐射亮度温度；可见光遥感数据包括可见光遥感反射率。
在数据格点化之前，对数据进行预处理，具体如下：
如果给出了微波遥感辐射亮度温度的定标系数，则对微波遥感辐射亮度温度进行定标，否则直接对微波遥感辐射亮度温度、经度和纬度进行读取；
如果给出了红外遥感辐射亮度温度的定标系数，则对红外遥感辐射亮度温度进行定标，否则直接对红外遥感辐射亮度温度、经度和纬度进行读取；
如果给出了可见光遥感反射率数据的定标系数，则对可见光遥感反射率进行定标，否则直接对可见光遥感反射率、经度和纬度进行读取。
可见光红外遥感数据进行格点化过程为，
构建红外遥感数据网格，将红外遥感辐射亮度温度，按照其对应的经度和纬度，填入红外遥感数据网格；
构建可见光遥感数据网格，将可见光遥感反射率，按照其对应的经度和纬度，填入可见光遥感数据网格。
微波遥感数据进行格点化过程为，
构建微波遥感数据，将微波遥感辐射亮度温度，按照其对应的经度和纬度，填入微波遥感数据。
对某区域的白天时次数据，当650nm通道的反射率大于0.2，且11.7um通道的辐射亮温大于270K，可判定该区域白天天空状况为“雾、雾和低云、低云”，否则为“晴空或高云”。
对某区域格点化的夜间时次红外遥感数据，采用双通道差值法，计算双通道的辐射值差ΔR，当ΔR大于2K时，判定该区域夜间天空状况为“雾、雾和低云、低云”，否则为“晴空或高云”。
对“雾、雾和低云、低云”区域的红外遥感数据进行拉普拉斯算子计算，对获得的算子进行阈值分析，当获得的算子大于0.1时，判定区域内有低云，否则没有低云。
选取“低云、低云和雾”区域温度和湿度的三维场，通过相同大气层结对应的温度和湿度，来计算各层的相对湿度分布，根据相对湿度判断区域是否有雾。
本发明所达到的有益效果：本发明利用可见光和红外卫星遥感数据初步识别出雾和低云混合区，利用卫星微波遥感的资料，获得该雾和低云混合区内，温度和湿度的垂直分层结构，由于雾和低云的大湿度区高度不同，则可以通过湿度的分层结构，提取出大湿度区的高度，进而将雾和低云进行区分，有效提高雾的监测正确率。
附图说明
图1为本发明的流程图；
图2为三角插值图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种基于多源卫星遥感数据的海雾监测方法，包括以下步骤：
1)对卫星数据进行预处理。
卫星数据为FY-3系列卫星、NOAA系列卫星或者其它同时搭载有可见光红外和微波遥感仪器的极地轨道和静止轨道卫星，所搭载的可见光红外遥感数据和微波遥感数据。
其中，微波遥感数据包括微波遥感辐射亮度温度；可见光红外遥感数据包括可见光遥感数据和红外遥感数据，红外遥感数据包括红外遥感辐射亮度温度，可见光遥感数据包括可见光遥感反射率。
如果官方技术手册中给出了微波遥感辐射亮度温度的定标系数，则对微波遥感辐射亮度温度进行定标，否则直接对微波遥感辐射亮度温度、经度和纬度进行读取；如果官方技术手册中给出了红外遥感辐射亮度温度的定标系数，则对红外遥感辐射亮度温度进行定标，否则直接对红外遥感辐射亮度温度、经度和纬度进行读取；如果官方技术手册中给出了可见光遥感反射率数据的定标系数，则对可见光遥感反射率进行定标，否则直接对可见光遥感反射率、经度和纬度进行读取。
2)对可见光红外遥感数据进行格点化，对微波遥感数据进行格点化。
可见光红外遥感数据格点化过程如下：
构建0.01°水平分辨率红外遥感数据网格，将红外遥感辐射亮度温度，按照其对应的经度和纬度，填入红外遥感数据网格；如若遇到同一网格中填入大于1个红外遥感辐射亮度温度时，取所有填入网格中数据的平均值。
构建0.01°水平分辨率可见光遥感数据网格，将可见光遥感反射率，按照其对应的经度和纬度，填入可见光遥感数据网格；如若遇到同一网格中填入大于1个可见光遥感反射率时，取所有填入网格中数据的平均值。
微波遥感数据格点化过程为：
构建0.1°水平分辨率的微波遥感数据，将微波遥感辐射亮度温度，按照其对应的经度和纬度，填入微波遥感数据；如若遇到同一网格中填入大于1个微波遥感辐射亮度温度时，取所有填入网格中数据的平均值。
3)可见光红外遥感格点化数据和微波遥感格点化数据处理。
可见光红外遥感格点化数据处理：
311)将可见光红外遥感格点化数据分成白天时次数据和夜间时次数据；
312)对白天时次数据采用可见光红外雾检测算法，将检测的白天天空状况分为“雾、雾和低云、低云”和“晴空或高云”；可见光红外雾检测算法：联合可见光遥感反射率和红外遥感辐射亮度温度检测雾是否存在的算法；
对某区域的白天时次数据，当650nm通道的反射率大于0.2，且11.7um通道的辐射亮温大于270K，可判定该区域白天天空状况为“雾、雾和低云、低云”，否则为“晴空或高云”；
313)对夜间时次数据采用红外雾检测算法，将检测的夜间天空状况分为“雾、雾和低云、低云”和“晴空或高云”；红外雾检测算法：利用红外遥感辐射亮度温度检测雾是否存在的算法；
对某区域格点化的夜间时次红外遥感数据，采用双通道差值法，利用短波红外的3.8um和长波红外的10.8um双通道的辐射值，计算双通道的辐射值差ΔR，当ΔR大于2K时，判定该区域夜间天空状况为“雾、雾和低云、低云”，否则为“晴空或高云”；
314)对检测出的“雾、雾和低云、低云”区域的红外遥感数据，采用拉普拉斯算子检测法，将“雾、低云和雾、低云”区域分为“低云、低云和雾”以及“雾”区域；
由于云相比雾而言，往往具有更大的起伏，纹理更加不平滑，因此对区域的红外遥感辐射亮度温度进行拉普拉斯算子计算，具体如下，
其中，ci,j为算子，i,j分别为需计算格点的行、列位置，i-1,i+1分别为需计算格点所在行的上一行和下一行，j-1,j+1分别为需计算格点所在列的上一列和下一列，Tbi,j表示需计算格点的红外遥感辐射亮度温度；
当ci,j大于0.1时，可判定区域内有低云，当ci,j小于等于0.1时，判定区域内没有低云。
微波遥感格点化数据处理：
321)将微波遥感格点化数据插值到和可见光红外遥感格点化数据相同的网格；
即将微波遥感格点化数据插值到0.01°水平分辨率网格，采用三角插值法进行插值，具体方法如下图2所示，
图中任意需要进行重构亮度温度的点D1，可以找到距离它最近的三个采样点构成三角形，A、B、C为三角形的顶点，a、b、c分别为需要重构的点D1与三角形三个顶点A、B、C之间的距离，那么D1点位置的微波遥感辐射亮度温度Tb D1可以由A、B、C三点的微波辐射亮度温度Tb A、Tb B、Tb C，以及AD1之间的距离a、BD1之间的距离b、CD1之间的距离c，经过下式计算得到，
在将微波遥感格点化数据插值到0.01°水平分辨率的网格后，微波遥感格点化数据和可见光红外遥感格点化数据可以进行一对一的匹配；
322)对插值后的微波遥感格点化数据，采用温湿廓线反演算法，反演得到温度和湿度的三维场；
采用D矩阵法计算判定区域每个格点的温度和湿度廓线，预先计算温度和湿度廓线的历史统计平均值<B1>和<B2>，以及微波遥感辐射亮度温度的历史统计平均值<A>，该三个参数将作为反演温湿廓线的输入参数，将需判定的区域内，每个单元的格点化微波遥感辐射亮度温度数据A利用，
可分别反演得到各个单元的温度和湿度廓线B1和B2，D1和D2可由下式计算，
D1或
其中，为历史统计的多气压层的温度(对应D1)/湿度(对应D2)数组p与对应的多通道微波遥感辐射亮度温度数据d的协方差矩阵，历史统计数据选取距离需要判定区域最近的沿海探空站近1个月的温度/湿度廓线数据、以及极轨卫星对该探空站的微波遥感辐射亮度温度观测数据，为多通道微波遥感辐射亮度温度数据d的自协方差矩阵，为各通道测量误差的平方所组成的对角矩阵。
4)利用温度和湿度的三维场，采用三维温度湿度场雾检测法(即利用温度和湿度的三维场检测雾是否存在的算法)，将“低云、低云和雾”区域分为“低云”和“低云和雾”区域。
选取“低云、低云和雾”区域温度和湿度的三维场，通过相同大气层结对应的温度和湿度，来计算各层的相对湿度分布，根据相对湿度判断区域是否有雾。首先对1000hPa的相对湿度进行判断，如若相对湿度大于等于90％，则判定有雾的存在，如若1000hPa相对湿度小于90％，则对925hPa相对湿度进行判断，如若925hPa相对湿度大于等于90％，则也判定有雾，如若925hPa相对湿度也小于90％，则判定该区域没有雾存在。
上述方法利用可见光和红外卫星遥感数据初步识别出雾和低云混合区，利用卫星微波遥感的资料，获得该雾和低云混合区内，温度和湿度的垂直分层结构，由于雾和低云的大湿度区高度不同，则可以通过湿度的分层结构，提取出大湿度区的高度，进而将雾和低云进行区分，有效提高雾的监测正确率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种基于多源卫星遥感数据的海雾监测方法，其特征在于：包括以下步骤，
对卫星数据中的可见光红外遥感数据进行格点化，可见光红外遥感数据包括可见光遥感数据和红外遥感数据；
对卫星数据中的微波遥感数据进行格点化；
将微波遥感格点化数据插值到和可见光红外遥感格点化数据相同的网格；
将可见光红外遥感格点化数据分成白天时次数据和夜间时次数据；
对白天时次数据采用可见光红外雾检测算法，将检测的白天天空状况分为“雾、雾和低云、低云”和“晴空或高云”；
对夜间时次数据采用红外雾检测算法，将检测的夜间天空状况分为“雾、雾和低云、低云”和“晴空或高云”；
对检测出的“雾、雾和低云、低云”区域的红外遥感数据，采用拉普拉斯算子检测法，将“雾、低云和雾、低云”区域分为“低云、低云和雾”以及“雾”区域；
对插值后的微波遥感格点化数据，采用温湿廓线反演算法，反演得到温度和湿度的三维场；
利用温度和湿度的三维场，采用三维温度湿度场雾检测法，将“低云、低云和雾”区域分为“低云”和“低云和雾”区域。
2.根据权利要求1所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：微波遥感数据包括微波遥感辐射亮度温度；红外遥感数据包括红外遥感辐射亮度温度；可见光遥感数据包括可见光遥感反射率。
3.根据权利要求2所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：在数据格点化之前，对数据进行预处理，具体如下：
如果给出了微波遥感辐射亮度温度的定标系数，则对微波遥感辐射亮度温度进行定标，否则直接对微波遥感辐射亮度温度、经度和纬度进行读取；
如果给出了红外遥感辐射亮度温度的定标系数，则对红外遥感辐射亮度温度进行定标，否则直接对红外遥感辐射亮度温度、经度和纬度进行读取；
如果给出了可见光遥感反射率数据的定标系数，则对可见光遥感反射率进行定标，否则直接对可见光遥感反射率、经度和纬度进行读取。
4.根据权利要求3所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：可见光红外遥感数据进行格点化过程为，
构建红外遥感数据网格，将红外遥感辐射亮度温度，按照其对应的经度和纬度，填入红外遥感数据网格；
构建可见光遥感数据网格，将可见光遥感反射率，按照其对应的经度和纬度，填入可见光遥感数据网格。
5.根据权利要求3所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：微波遥感数据进行格点化过程为，
构建微波遥感数据，将微波遥感辐射亮度温度，按照其对应的经度和纬度，填入微波遥感数据。
6.根据权利要求1所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：对某区域的白天时次数据，当650nm通道的反射率大于0.2，且11.7um通道的辐射亮温大于270K，可判定该区域白天天空状况为“雾、雾和低云、低云”，否则为“晴空或高云”。
7.根据权利要求1所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：对某区域格点化的夜间时次红外遥感数据，采用双通道差值法，计算双通道的辐射值差ΔR，当ΔR大于2K时，判定该区域夜间天空状况为“雾、雾和低云、低云”，否则为“晴空或高云”。
8.根据权利要求1所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：对“雾、雾和低云、低云”区域的红外遥感数据进行拉普拉斯算子计算，对获得的算子进行阈值分析，当获得的算子大于0.1时，判定区域内有低云，否则没有低云。
9.根据权利要求1所述的一种基于多源卫星遥感数据的海雾监测方法，其特征在于：选取“低云、低云和雾”区域温度和湿度的三维场，通过相同大气层结对应的温度和湿度，来计算各层的相对湿度分布，根据相对湿度判断区域是否有雾。
CN201810382620.4A 2018-04-26 2018-04-26 一种基于多源卫星遥感数据的海雾监测方法 Pending CN108761484A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810382620.4A CN108761484A (zh) 2018-04-26 2018-04-26 一种基于多源卫星遥感数据的海雾监测方法
US16/167,458 US10782447B2 (en) 2018-04-26 2018-10-22 Sea fog monitoring method based on multi-source satellite remote sensing data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810382620.4A CN108761484A (zh) 2018-04-26 2018-04-26 一种基于多源卫星遥感数据的海雾监测方法

Publications (1)

Publication Number Publication Date
CN108761484A true CN108761484A (zh) 2018-11-06

Family

ID=64012000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810382620.4A Pending CN108761484A (zh) 2018-04-26 2018-04-26 一种基于多源卫星遥感数据的海雾监测方法

Country Status (2)

Country Link
US (1) US10782447B2 (zh)
CN (1) CN108761484A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583319A (zh) * 2018-11-07 2019-04-05 北京市遥感信息研究所 一种基于海面红外遥感图像的舰船检测方法
CN109993087A (zh) * 2019-03-22 2019-07-09 中国海洋大学 一种利用遥感夜间灯光数据识别秋刀鱼渔船的方法
CN110717611A (zh) * 2019-01-08 2020-01-21 中国海洋大学 一种气象卫星反演海雾湿度的同化方法
CN111382698A (zh) * 2020-03-09 2020-07-07 上海眼控科技股份有限公司 云类型计算方法、装置、计算机设备和存储介质
CN112287838A (zh) * 2020-10-29 2021-01-29 北京邮电大学 基于静止气象卫星影像序列的云雾自动判识方法及系统
CN112378828A (zh) * 2020-12-11 2021-02-19 中科三清科技有限公司 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置
CN112526638A (zh) * 2020-11-27 2021-03-19 中国气象局气象探测中心 一种基于多源观测数据的云边界判识方法及相关设备
CN113392694A (zh) * 2021-03-31 2021-09-14 中南大学 一种基于h8/ahi的晨昏陆地雾快速提取方法、装置、介质及设备
CN115471761A (zh) * 2022-10-31 2022-12-13 宁波拾烨智能科技有限公司 集成多源遥感数据的海岸滩涂变化监测方法
CN117907965A (zh) * 2024-03-19 2024-04-19 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11164293B2 (en) * 2019-01-30 2021-11-02 National Cheng Kung University Adaptive enhancement method for image contrast based on level of detail
CN111222439B (zh) * 2019-12-31 2024-03-22 中国电子科技集团公司第十四研究所 一种基于支持向量机的海雾识别方法
CN112327388B (zh) * 2020-02-13 2022-01-18 中国农业科学院农业资源与农业区划研究所 一种基于全遥感数据的全天候相对湿度估算方法
CN111505740B (zh) * 2020-04-22 2021-12-07 上海眼控科技股份有限公司 气象预测方法、装置、计算机设备和存储介质
CN111814371B (zh) * 2020-06-28 2023-12-12 青岛哈船海智科技有限公司 一种基于船载实测数据的海水温度场构建方法
CN111914650A (zh) * 2020-06-30 2020-11-10 核工业北京地质研究院 一种基于aster遥感数据识别盐湖富矿水域的方法
CN111816263B (zh) * 2020-06-30 2024-01-16 核工业北京地质研究院 一种基于etm+遥感数据定性识别盐湖水域赋矿量的方法
CN111912819B (zh) * 2020-07-15 2023-11-07 北京华云星地通科技有限公司 基于卫星数据的生态检测方法
CN112052801B (zh) * 2020-09-08 2023-02-28 中科光启空间信息技术有限公司 基于Himawari-8的HSD数据火点实时监测自动分析系统
CN112288641B (zh) * 2020-09-16 2024-05-17 江苏省气候中心 一种高分卫星影像数据批量预处理方法
CN112183384B (zh) * 2020-09-29 2022-06-10 南京信息工程大学 一种基于卫星资料的气溶胶遥感分类方法
CN112819026B (zh) * 2020-12-11 2022-02-15 中科三清科技有限公司 多源卫星气溶胶光学厚度数据的融合方法及装置
CN112987131B (zh) * 2021-01-29 2023-08-08 重庆市气象台 一种云海景观预报方法及系统
CN113111529B (zh) * 2021-04-22 2023-10-10 南京气象科技创新研究院 融合数值模式和卫星微波云反演数据的红外亮温模拟方法
CN113340836A (zh) * 2021-05-18 2021-09-03 国家卫星气象中心(国家空间天气监测预警中心) 一种针对高纬复杂下垫面的大气温湿廓线反演方法
CN113776671B (zh) * 2021-08-11 2022-12-23 吉林大学 昼夜遥感影像短波红外火山温度-发射率联合反演方法
CN113822381A (zh) * 2021-11-22 2021-12-21 国家卫星气象中心(国家空间天气监测预警中心) 一种基于海温差阈值的海上云检测方法
CN114280694B (zh) * 2021-12-17 2023-05-05 南京信息工程大学 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统
CN114660678B (zh) * 2022-01-27 2024-03-19 四川省人工影响天气办公室 一种基于卫星遥感数据的飞机增雨效果评估方法
CN114580275B (zh) * 2022-02-23 2024-04-12 中国人民解放军63796部队 一种基于卫星遥感和探空廓线的积雨云监测方法
CN114325873B (zh) * 2022-03-07 2022-05-31 知一航宇(北京)科技有限公司 一种大气温湿廓线探测仪的亮温数据尺度精细化方法
CN115062527B (zh) * 2022-03-14 2023-04-18 北京华云星地通科技有限公司 一种基于深度学习的静止卫星海温反演方法及系统
CN114994794B (zh) * 2022-06-24 2023-05-09 昆明学院 一种云团无探测数据区的云粒子相态生长方法
CN114966899B (zh) * 2022-07-27 2022-11-01 南京云熙遥感科技有限公司 一种基于多源多元遥感技术协同的区域能见度预测方法
CN115267941B (zh) * 2022-07-29 2023-05-23 知天(珠海横琴)气象科技有限公司 一种高解析度真彩可见光模型生成、反演方法及其系统
CN115616580B (zh) * 2022-10-14 2023-06-30 宁波市气象网络与装备保障中心 一种近海航道海雾提取方法
CN115962851B (zh) * 2022-11-29 2023-12-12 生态环境部卫星环境应用中心 基于温度遥感反演的核电温排水基准温度确定方法和装置
CN116187025B (zh) * 2023-01-09 2023-09-15 中国科学院合肥物质科学研究院 基于地基红外遥感的晴空大气温湿度廓线快速反演方法
CN116011342B (zh) * 2023-02-08 2023-07-21 中国自然资源航空物探遥感中心 一种高分辨率热红外地表温度全天候重建方法
CN116227346B (zh) * 2023-02-24 2024-03-22 武汉大学 一种云垂直结构的被动遥感方法及装置
CN116246182A (zh) * 2023-03-17 2023-06-09 四川省气象灾害防御技术中心 基于agri红外分裂窗反演中高纬度云顶高度的方法
CN116862942B (zh) * 2023-09-05 2023-12-19 青岛哈尔滨工程大学创新发展中心 一种基于云检测去云及角度校正的海温反演精度修正方法
CN117576570B (zh) * 2024-01-16 2024-04-12 山东大学 一种全天候水汽反演弹性方法、系统、设备及介质
CN117935082A (zh) * 2024-03-22 2024-04-26 青岛星科瑞升信息科技有限公司 基于机器学习的夜间图像处理方法及系统
CN117953193B (zh) * 2024-03-26 2024-06-11 南京气象科技创新研究院 极轨气象卫星微波成像仪资料地理定位误差的估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452078A (zh) * 2008-12-30 2009-06-10 国家卫星气象中心 极轨气象卫星遥感白天和夜间海雾的检测方法
CN101464521A (zh) * 2008-12-31 2009-06-24 国家卫星气象中心 静止气象卫星遥感白天和夜间海雾的检测方法
CN103293084A (zh) * 2013-05-08 2013-09-11 南京大学 基于多光谱气象卫星信息的海雾全天时全天候反演方法
CN104502999A (zh) * 2014-12-10 2015-04-08 中国科学院遥感与数字地球研究所 一种基于静止卫星多通道数据的昼夜云检测方法与装置
CN104966298A (zh) * 2015-06-17 2015-10-07 南京大学 一种基于微光云图数据的夜间低云大雾监测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6237405B1 (en) * 1996-03-08 2001-05-29 Alliedsignal Inc. Apparatus and method for predicting clear air turbulence
US7353690B2 (en) * 2005-01-24 2008-04-08 Radiometrics Corporation Atmospheric refractivity profiling apparatus and methods
US10495787B2 (en) * 2016-06-16 2019-12-03 I.M. Systems Group, Inc. Integrated weather projection systems, methods, and apparatuses
WO2019101247A2 (zh) * 2018-07-20 2019-05-31 大舜激光(黄山)科技有限公司 激光海面能见度监测仪以及探测海雾的方法
CN109375290B (zh) * 2018-10-16 2020-09-25 象谱信息产业有限公司 一种基于机器学习的跨海大桥雾监测系统及其应用方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452078A (zh) * 2008-12-30 2009-06-10 国家卫星气象中心 极轨气象卫星遥感白天和夜间海雾的检测方法
CN101464521A (zh) * 2008-12-31 2009-06-24 国家卫星气象中心 静止气象卫星遥感白天和夜间海雾的检测方法
CN103293084A (zh) * 2013-05-08 2013-09-11 南京大学 基于多光谱气象卫星信息的海雾全天时全天候反演方法
CN104502999A (zh) * 2014-12-10 2015-04-08 中国科学院遥感与数字地球研究所 一种基于静止卫星多通道数据的昼夜云检测方法与装置
CN104966298A (zh) * 2015-06-17 2015-10-07 南京大学 一种基于微光云图数据的夜间低云大雾监测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KI‐YOUNG HEO等: "Algorithm for sea fog monitoring with the use of information technologies", 《METEOROLOGICAL APPLICATIONS》 *
刘代志等: "《地球物理环境与国家安全》", 31 December 2014 *
张志国等: "基于微波辐射计进行海雾监测", 《电子技术与软件工程》 *
张春桂等: "福建沿海海雾的卫星遥感监测", 《中国农业气象》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109583319A (zh) * 2018-11-07 2019-04-05 北京市遥感信息研究所 一种基于海面红外遥感图像的舰船检测方法
CN109583319B (zh) * 2018-11-07 2020-12-15 北京市遥感信息研究所 一种基于海面红外遥感图像的舰船检测方法
CN110717611A (zh) * 2019-01-08 2020-01-21 中国海洋大学 一种气象卫星反演海雾湿度的同化方法
CN110717611B (zh) * 2019-01-08 2023-05-05 中国海洋大学 一种气象卫星反演海雾湿度的同化方法
CN109993087A (zh) * 2019-03-22 2019-07-09 中国海洋大学 一种利用遥感夜间灯光数据识别秋刀鱼渔船的方法
CN111382698A (zh) * 2020-03-09 2020-07-07 上海眼控科技股份有限公司 云类型计算方法、装置、计算机设备和存储介质
CN112287838B (zh) * 2020-10-29 2022-09-27 北京邮电大学 基于静止气象卫星影像序列的云雾自动判识方法及系统
CN112287838A (zh) * 2020-10-29 2021-01-29 北京邮电大学 基于静止气象卫星影像序列的云雾自动判识方法及系统
CN112526638A (zh) * 2020-11-27 2021-03-19 中国气象局气象探测中心 一种基于多源观测数据的云边界判识方法及相关设备
CN112526638B (zh) * 2020-11-27 2022-07-29 中国气象局气象探测中心 一种基于多源观测数据的云边界判识方法及相关设备
CN112378828B (zh) * 2020-12-11 2021-09-17 中科三清科技有限公司 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置
CN112378828A (zh) * 2020-12-11 2021-02-19 中科三清科技有限公司 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置
CN113392694A (zh) * 2021-03-31 2021-09-14 中南大学 一种基于h8/ahi的晨昏陆地雾快速提取方法、装置、介质及设备
CN113392694B (zh) * 2021-03-31 2022-07-01 中南大学 一种基于h8/ahi的晨昏陆地雾快速提取方法、装置、介质及设备
CN115471761A (zh) * 2022-10-31 2022-12-13 宁波拾烨智能科技有限公司 集成多源遥感数据的海岸滩涂变化监测方法
CN117907965A (zh) * 2024-03-19 2024-04-19 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法
CN117907965B (zh) * 2024-03-19 2024-05-24 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法

Also Published As

Publication number Publication date
US20190331831A1 (en) 2019-10-31
US10782447B2 (en) 2020-09-22

Similar Documents

Publication Publication Date Title
CN108761484A (zh) 一种基于多源卫星遥感数据的海雾监测方法
CN107479065B (zh) 一种基于激光雷达的林窗立体结构量测方法
Inoue An instantaneous delineation of convective rainfall areas using split window data of NOAA-7 AVHRR
KR100934700B1 (ko) 밝기온도 표준편차 판정법에 의한 기상관측위성을 이용한안개 탐지시스템 및 그를 사용한 안개 탐지방법
CN108508439B (zh) 双机载sar对目标协同成像立体定位的方法
KR101483617B1 (ko) 강수 추정 시스템 및 그 방법
NO335845B1 (no) Fremgangsmåte for bestemmelse av stående attributter og et dataprogram for utførelse av fremgangsmåten
CN107505616A (zh) 一种基于sar的海面风场反演最优分辨率的判定方法
CN109522516A (zh) 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备
Wang et al. Application of multi-scale tracking radar echoes scheme in quantitative precipitation nowcasting
CN107862271B (zh) 一种舰船目标的检测方法
Lee et al. Classification of precipitation types using fall velocity-diameter relationships from 2D-video distrometer measurements
CN110988909A (zh) 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法
CN110632032A (zh) 一种基于地表反射率库的沙尘暴监测方法
Wang et al. Sea ice classification with convolutional neural networks using Sentinel-L scansar images
CN111561916B (zh) 一种基于四波段多光谱遥感图像的浅海水深无控提取方法
KR101161781B1 (ko) 위성영상을 이용한 호우의 정량적 산출 시스템 및 방법
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
Raaf Pattern recognition filtering and bidimensional FFT-based detection of storms in meteorological radar images
Stoffelen et al. C-band high and extreme-force speeds (CHEFS)
Daliakopoulos et al. A weather radar data processing module for storm analysis
CN108985292A (zh) 一种基于多尺度分割的sar图像cfar目标检测方法与系统
Liu et al. Development of building height data in Peru from high-resolution SAR imagery
CN109405809B (zh) 一种变电站洪水水深检测方法与系统
Stoffelen et al. C‐band High and Extreme‐Force Speeds (CHEFS)‐Final Report

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181106

RJ01 Rejection of invention patent application after publication