CN108897074B - 一种全球海洋降水反演方法 - Google Patents
一种全球海洋降水反演方法 Download PDFInfo
- Publication number
- CN108897074B CN108897074B CN201810377667.1A CN201810377667A CN108897074B CN 108897074 B CN108897074 B CN 108897074B CN 201810377667 A CN201810377667 A CN 201810377667A CN 108897074 B CN108897074 B CN 108897074B
- Authority
- CN
- China
- Prior art keywords
- precipitation
- data
- ocean
- scattering factor
- inversion
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种全球海洋降水反演方法，所述方法包括：步骤1)设置散射因子阈值，计算散射因子SI，根据散射因子阈值判断降水事件是否发生；步骤2)提取海洋1级数据与TMPA 3B42海洋数据，按照海洋匹配规则对两个数据进行匹配，计算云系统的对流强度CI，对不同类型的对流强度CI选用不同的反演模型进行反演，得到海洋降雨率；步骤3)综合步骤1)和步骤2)的结果得到最终的海洋降雨率。本发明的方法得到的海洋降水反演结果准确率较高，可以作为FY‑3C/MWHS‑II的海洋降水反演业务算法的一种参考，从而为后续的数值天气预报、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，涉及一种全球海洋降水反演方法，此发明方法可用于风云三号03星新型微波湿度计(FY-3C/MWHS-II)，适用于纬度在50°S-50°N范围内的全球海洋区域。
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，与人类的生存和生活直接相关。另外，它还直接影响着全球辐射能量的收支平衡，对于地球热量输送、维持热平衡有很重要的意义。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，测量海洋降水的手段主要有三种：船只观测，海上浮标观测和卫星遥感。船只观测不可同时观测大范围区域且投入费用高，不切实可行；海上浮标观测虽然可作为其他探测手段的基准，但是其数量少，位置固定且造价很高等不利因素，其空间的分辨率远远不能满足大气科学研究的需求；星载遥感由于空间覆盖广、快速重复观测的特点，受恶劣天气影响小，使其具有观测稳定、时间和空间分辨率高等优势，发展迅速。与红外相比，具有全天时、全天候的工作优点，微波最主要的特点是能够穿透云层、浓雾和雨层，甚至是云以下等的海表状况，因此星载微波遥感在降水观测方面具有独特的优势。
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的全球降水海洋反演研究具有重要意义。FY-3C/MWHS-II的1级数据主要有海陆标识码、亮温、仪器观测天顶角、地理位置和时间等信息，其2级数据中有散射因子、降水标识码地理位置和时间等信息；FY-3C/MWHS-II数据质量较高，已于2016年4月被欧洲ECMWF同化进入业务同化系统，对全球数值天气预报起到了正效应。
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，提供了适用于FY-3C/MWHS-II的全球海洋降水反演方法。该方法将FY-3C/MWHS-II的1级数据、2级产品数据和TMPA 3B42相结合，该降水反演方法适用于纬度在50°S-50°N范围内的全球海洋区域。
为了实现上述目的，本发明提出了一种全球海洋降水反演方法，所述方法包括：
步骤1)设置散射因子阈值，计算散射因子SI，根据散射因子阈值判断降水事件是否发生；
步骤2)提取海洋1级数据与TMPA 3B42海洋数据，按照海洋匹配规则对两个数据进行匹配，计算云系统的对流强度CI，对不同类型的对流强度CI选用不同的反演模型进行反演，得到海洋降雨率；
步骤3)综合步骤1)和步骤2)的结果得到最终的海洋降雨率。
作为上述方法的一种改进，所述步骤1)具体包括：
步骤1-1)根据海洋1级数据中的海陆标识码选择并读取卫星载荷的海洋1级数据和海洋2级数据，提取海洋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，保留纬度50°S～50°N范围内的海洋数据；
步骤1-3)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是散射因子，BT89和BT150分别代表窗区89-GHz和150-GHz通道的亮温，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。
作为上述方法的一种改进，所述步骤2)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海洋1级数据，提取其中的15个通道亮温、仪器观测天顶角、地理位置和时间信息；
步骤2-2)提取TMPA3B42海洋数据中的降水量、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)的数据根据海洋匹配规则进行数据的匹配并得到满足要求的匹配数据集；
步骤2-4)计算步骤2-3)得到的匹配数据集中的通道亮温计算亮温差；
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为第三亮温差，TB183±1、TB183±3和TB183±7分别为183±1-GHz、183±3-GHz和183±7-GHz三个通道的亮温；
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；
步骤2-6)把步骤2-5)中判定的CI＝1和CI＝2的天气情况一起用BP神经网络模型2进行降水的反演；把CI＝3和未分类的其他天气情况一起用BP神经网络模型1进行降水的反演；由此得到降雨率。
作为上述方法的一种改进，所述BP神经网络模型1使用的是FY-3C/MWHS-II的15个全通道亮温建立的全天候条件下的BP神经网络降水反演算法，所述BP神经网络模型2使用的是FY-3C/MWHS-II的15个全通道亮温建立的CI＝1和CI＝2天气情况下的BP神经网络降水反演算法。
作为上述方法的一种改进，所述步骤2-3)的海洋匹配规则如下：
(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3)具体包括：
步骤3-1)根据步骤1)设置的散射因子表达式计算散射因子，把大于散射因子阈值SI0的情况确定为发生降水事件，小于散射因子阈值SI0的情况确定为未发生降水事件；
步骤3-2)把步骤2-6)中反演的降雨率根据步骤3-1)中判定的未发生降事件设置为0mm/hr；
步骤3-3)把步骤2-6)中反演得到的小于0mm/hr的降雨率设置为0mm/hr。
本发明的优点在于：
1、本发明的一种全球海洋降水反演方法能够有效判别降水事件的发生与否和反演降雨率，实现了全球海洋反演降水，有效提高了FY-3C/MWHS-II数据利用率，此发明方法得到的海洋降水反演结果准确率较高，可以做为FY-3C/MWHS-II的海洋降水反演业务算法的一种参考，从而为后续的数值天气预报、资料同化等研究奠定了基础；
2、本发明提供的一种新型全球海洋降水反演方法，实现了全球海洋降水反演，提高了FY-3C/MWHS-II数据的利用率，海洋降水反演结果相关性达到0.82，验证了本发明提出的全球海洋降水反演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降水反演方法的流程图；
图2是本发明的基于FY-3C/MWHS-II的海洋散射因子表达式和散射因子阈值的确定方法流程图；
图3是本发明的全球海洋降水反演方法中，反演算法的流程示意图。
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海洋降水反演方法进行清楚、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降水反演方法整体流程示意图。如图1所示，该反演方法主要包括三部分：第一部分，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SI0的方法，根据散射因子阈值先判断降水事件的发生；第二部分，提取FY-3C/MWHS-II1级数据与TMPA 3B42数据，按照海洋的匹配规则把这两个数据进行匹配，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(CI)的计算方法，对对流强度(CI)的不同类型选用不同的反演模型算法进行反演；第三部分，综合前两部分的结果得到最终的全球海洋降雨率(mm/hr)。通过这三部分可完成基于FY-3C/MWHS-II的全球海洋降雨率反演。
图2是本发明的基于FY-3C/MWHS-II的海洋散射因子表达式和散射因子阈值的确定方法流程示意图。其具体如下步骤：
步骤1-1)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1-2)根据上一步得到的地理位置信息，保留纬度50°S～50°N范围内的海洋数据，舍弃其他纬度范围的海洋数据；
步骤1-3)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通道的亮温，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Correct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。
至此，即可完成海洋散射因子表达式和散射因子阈值的确定过程。
图3是本发明的新型全球海洋降水反演方法中，反演算法的流程示意图。如图3所示，详细步骤如下：
步骤2-1)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，提取其中的15个通道亮温、仪器观测天顶角、地理位置和时间等信息；
步骤2-2)提取TMPA 3B42数据中的降水量、地理位置和时间等信息；
步骤2-3)按照FY-3C/MWHS-II和TMPA 3B42的海洋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2-4)结合海洋降水检测中的步骤确定散射因子表达式和散射因子阈值，采用散射因子阈值法判定降水事件的发生与否，把大于散射因子阈值的情况确定为发生降水事件，小于散射因子阈值的情况确定为未发生降水事件；其中，散射因子表达式和散射因子阈值的确定方法如上述即图2所述步骤。
步骤2-5)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为第三亮温差，TB183±1、TB183±3和TB183±7分别为FY-3C/MWHS-II 183±1-GHz、183±3-GHz和183±7-GHz三个通道的亮温；
步骤2-6)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2-7)把步骤2-6)中判定的CI＝1和CI＝2(弱对流和中型对流)天气情况一起用BP神经网络模型2进行降水的反演；同时，把CI＝3(强对流)和未分类的其他天气情况一起用BP神经网络模型1进行降水的反演。其中，BP神经网络模型1使用的是FY-3C/MWHS-II的15个全通道亮温建立的全天候条件下的BP神经网络降水反演算法，而BP神经网络模型2使用的是FY-3C/MWHS-II的15个全通道亮温建立的CI＝1和CI＝2(弱对流和中型对流)天气情况下的BP神经网络降水反演算法。
步骤2-8)把步骤2-7)中反演的降水根据步骤1-4)中判定的未发生降水事件设置为0mm/hr；
步骤2-9)把步骤2-7)中反演得到的小于0mm/hr的降雨率设置为0mm/hr，完成全球海洋降水反演过程。
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 (2)
1.一种全球海洋降水反演方法，所述方法包括：
步骤1)设置散射因子阈值，计算散射因子SI，根据散射因子阈值判断降水事件是否发生；
步骤2)提取海洋1级数据与TMPA 3B42海洋数据，按照海洋匹配规则对两个数据进行匹配，计算云系统的对流强度CI，对不同类型的对流强度CI选用不同的反演模型进行反演，得到海洋降雨率；
步骤3)综合步骤1)和步骤2)的结果得到最终的海洋降雨率；
所述步骤1)具体包括：
步骤1-1)根据海洋1级数据中的海陆标识码选择并读取卫星载荷的海洋1级数据和海洋2级数据，提取海洋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，保留纬度50°S～50°N范围内的海洋数据；
步骤1-3)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是散射因子，BT89和BT150分别代表窗区89-GHz和150-GHz通道的亮温，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)依据步骤1-5)的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；
所述步骤2)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海洋1级数据，提取其中的15个通道亮温、仪器观测天顶角、地理位置和时间信息；
步骤2-2)提取TMPA 3B42海洋数据中的降水量、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)的数据根据海洋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为第三亮温差，TB183±1、TB183±3和TB183±7分别为183±1-GHz、183±3-GHz和183±7-GHz三个通道的亮温；
步骤2-5)判定云系统的对流强度的类型CI：
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；
步骤2-6)把步骤2-5)中判定的CI＝1和CI＝2的天气情况一起用BP神经网络模型2进行降水的反演；把CI＝3和未分类的其他天气情况一起用BP神经网络模型1进行降水的反演；由此得到降雨率；
所述步骤2-3)的海洋匹配规则如下：
(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；
所述步骤3)具体包括：
步骤3-1)根据步骤1)设置的散射因子表达式计算散射因子，把大于散射因子阈值SI0的情况确定为发生降水事件，小于散射因子阈值SI0的情况确定为未发生降水事件；
步骤3-2)把步骤2-6)中反演的降雨率根据步骤3-1)中判定的未发生降事件设置为0mm/hr；
步骤3-3)把步骤2-6)中反演得到的小于0mm/hr的降雨率设置为0mm/hr。
2.根据权利要求1所述的全球海洋降水反演方法，其特征在于，所述BP神经网络模型1使用的是FY-3C/MWHS-II的15个全通道亮温建立的全天候条件下的BP神经网络降水反演算法，所述BP神经网络模型2使用的是FY-3C/MWHS-II的15个全通道亮温建立的CI＝1和CI＝2天气情况下的BP神经网络降水反演算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810377667.1A CN108897074B (zh) | 2018-04-25 | 2018-04-25 | 一种全球海洋降水反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810377667.1A CN108897074B (zh) | 2018-04-25 | 2018-04-25 | 一种全球海洋降水反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108897074A CN108897074A (zh) | 2018-11-27 |
| CN108897074B true CN108897074B (zh) | 2020-08-04 |
Family
ID=64342441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810377667.1A Active CN108897074B (zh) | 2018-04-25 | 2018-04-25 | 一种全球海洋降水反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108897074B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019513B (zh) * | 2021-11-23 | 2024-05-07 | 上海航天测控通信研究所 | 一种星载探测数据全球海洋降雨类型判别装置及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102789004B (zh) * | 2012-07-20 | 2015-02-04 | 南京大学 | 夜间降雨率的卫星反演方法 |
| CN103675788B (zh) * | 2013-12-05 | 2015-12-30 | 中国科学院空间科学与应用研究中心 | 散射计回波信号中降水回波及海面后向散射的分离方法 |
| CN107356554B (zh) * | 2017-06-20 | 2019-08-20 | 东南大学 | 一种基于神经网络的反演大气可降水量的modis模型改进方法 |
-
2018
- 2018-04-25 CN CN201810377667.1A patent/CN108897074B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108897074A (zh) | 2018-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108874734B (zh) | 一种全球陆地降水反演方法 | |
| Park et al. | High-resolution urban observation network for user-specific meteorological information service in the Seoul Metropolitan Area, South Korea | |
| Beyrich et al. | Results from one-year continuous operation of a large aperture scintillometer over a heterogeneous land surface | |
| Muñoz et al. | Daytime mixed layer over the Santiago Basin: Description of two years of observations with a lidar ceilometer | |
| CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
| CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
| KR101914061B1 (ko) | 인공위성에 의한 열섬특성 분석방법 | |
| CN109580003A (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
| Angevine et al. | The Flatland boundary layer experiments | |
| CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
| CN112016696B (zh) | 融合卫星与地基观测的pm1浓度反演方法及系统 | |
| Sun-Mack et al. | Regional apparent boundary layer lapse rates determined from CALIPSO and MODIS data for cloud-height determination | |
| CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
| CN115308386B (zh) | 一种基于cygnss卫星数据的土壤盐分反演方法和系统 | |
| Ghate et al. | Turbulence in the marine boundary layer and air motions below stratocumulus clouds at the ARM Eastern North Atlantic site | |
| CN108594335B (zh) | 一种全球降水检测方法 | |
| CN108897074B (zh) | 一种全球海洋降水反演方法 | |
| CN114218740A (zh) | 一种森林影响全球雪水当量动态反演方法和装置 | |
| CN108717526A (zh) | 基于avhrr数据的卫星监测林火热点识别方法 | |
| Lee et al. | Improvement of AMSR2 soil moisture products over South Korea | |
| Chen et al. | Urban land surface temperature retrieval from high spatial resolution thermal infrared image using a modified split-window algorithm | |
| Wang et al. | Regional estimates of evapotranspiration over Northern China using a remote-sensing-based triangle interpolation method | |
| Lelovics et al. | Mapping local climate zones with a vector-based GIS method | |
| Wang et al. | A simple method for surface radiation estimating using FY-4A data | |
| Santosh | Estimation of daytime planetary boundary layer height (PBLH) over the tropics and subtropics using COSMIC-2/FORMOSAT-7 GNSS–RO measurements |
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 |