CN109164513A - 基于葵花气象卫星的台风定位检测方法 - Google Patents

基于葵花气象卫星的台风定位检测方法 Download PDF

Info

Publication number
CN109164513A
CN109164513A CN201810898209.2A CN201810898209A CN109164513A CN 109164513 A CN109164513 A CN 109164513A CN 201810898209 A CN201810898209 A CN 201810898209A CN 109164513 A CN109164513 A CN 109164513A
Authority
CN
China
Prior art keywords
typhoon
meteorological satellite
sunflower
detection method
image
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
CN201810898209.2A
Other languages
English (en)
Inventor
袁鹏万
张飞
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.)
Hubei River Sea Science And Technology Development Co Ltd
Original Assignee
Hubei River Sea Science And Technology Development Co Ltd
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 Hubei River Sea Science And Technology Development Co Ltd filed Critical Hubei River Sea Science And Technology Development Co Ltd
Priority to CN201810898209.2A priority Critical patent/CN109164513A/zh
Publication of CN109164513A publication Critical patent/CN109164513A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明提出了一种基于葵花气象卫星的台风定位检测方法，采用0.64微米短波红外窗口频带的气象卫星云图，检测精度更高，实时性好；本发明的检测方法在台风初期和末期因为形态极不规则，导致检测的中心位置与CMA最优路径偏差较大，当台风形成明显的风眼或者在成熟阶段，本文的检测方法对于台风的中心定位精确度较高。

Description

基于葵花气象卫星的台风定位检测方法
技术领域
本发明涉及气象临近预报领域，尤其涉及一种基于葵花气象卫星的台风定位检测方法。
背景技术
在我国沿海地区，几乎每年夏秋两季都会或多或少地遭受台风的侵袭，因此而遭受的生命财产损失也不小。因此，我们要在台风来临之前就做好防御措施，以减少台风所带来的生命财产损失。
台风检测是极其重要，同时也是极为复杂的课题。其最主要的问题就是确定台风的中心位置，台风形成初期，形状极其不规则，中心位置较难确定，而达到成熟阶段后，就会呈现出涡旋状，且周边有明显的螺旋云带。在此基础上，台风一般可以划分为有眼台风和无眼台风，有眼台风中心温度相比周围云墙明显较高，所以在卫星云图上可以观察到明显的风眼，而无眼台风虽然中心温度较低，但是由于冷云的遮盖等原因并不能凭肉眼观测到其中心，因此无眼台风的中心定位难度较大。总的来说，对于大部分的台风，中心亮温值较高，周围云墙亮温值具有极高的对称性，且云带具有极强的螺旋性。这些特征都能够帮助我们检测台风中心位置。
葵花气象卫星上搭载有可见光通道(0.5～0.9μm)、中波红外通道(3.5～4.0μm)、红外1通道(10.3～11.3μm)、红外2通道(11.5～12.5μm)及水汽探测通道(6.3～7.6μm)，其中，0.64微米仅限白天使用，看到分散和反射的能量，看到云和地球的表面，对土壤、水和云类型敏感；对悬浮沉积物和浑浊水域敏感，根据太阳卫星的几何形状，特别是在一天的早期和晚期，感觉到雾霾，烟雾和灰尘；最佳使用可能需要增强，阴影可用于估算云高度，因此适合用于检测台风的中心位置。
发明内容
有鉴于此，本发明提出了一种准确度高、实时性好的基于葵花气象卫星的台风定位检测方法。
本发明的技术方案是这样实现的：本发明提供了一种基于葵花气象卫星的台风定位检测方法，包括以下步骤，
S1，获取一段时间内葵花气象卫星0.64微米短波红外窗口频带的气象卫星云图，按照时间顺序存储；
S2，检查数据一致性，对于数据中的无效值和缺失值进行纠正或者排除在接下来的步骤之外；
S3，对气象卫星云图进行灰度处理；
S4，对步骤S3的灰度图像进行通过二值化处理，取其中最大的连通域，确定台风大致轮廓；
S5，根据台风大致轮廓确定台风样本的矩形图像；
S6，求方差图像；
S7，求梯度图像；
S8，根据梯度图像求出对应的密度矩阵；
S9，对密度矩阵中最大值所在位置周围的像元进行高斯滤波；
S10，中心修正；
S11，将步骤S10检测到的中心位置在气象卫星云图上叠加显示。
在以上技术方案的基础上，优选的，步骤S4中，对灰度图像进行通过二值化处理选取阈值为150，白色部分为云团，求得的连通域外接矩形的比例必须满足在(0.3，3)之内，随后选取剩余云团中连通域面积最大的一个视为台风，求其轮廓便得到台风的大致位置。
在以上技术方案的基础上，优选的，所述步骤S5中，对台风轮廓的外接矩形向外延伸若干像素，得到一个台风样本图像进行下一步操作。
在以上技术方案的基础上，优选的，步骤S6中，对于样本图像中每个像元(i,j)3×3范围内的亮温值，用如下公式求方差，
其中，Vi,j为亮温方差值，Ii,j为亮温。
进一步优选的，步骤S7中，对于样本图像中每个像元(i,j)，求对应像元的亮温梯度，公式如下，
其中，其中，Gxi,j和Gyi,j分别为水平方向和垂直方向的梯度，k＝3。
更进一步优选的，步骤S8中，对于步骤S7得到的每个像元的亮温梯度向量，过该像元作与亮温梯度向量平行的直线，把整个图像上的所有直线相加，得到关于图像的密度矩阵，密度矩阵中的最大值即为初步检测到的台风中心位置。
再进一步优选的，步骤S9中，对于步骤S8中得到的台风中心位置41×41像素点范围内的亮温值进行高斯滤波，高斯滤波函数公式如下，
最优选的，步骤S10中，最后用如下公式求得台风中心位置m，
在以上技术方案的基础上，优选的。
本发明的基于葵花气象卫星的台风定位检测方法相对于现有技术具有以下有益效果：
(1)采用0.64微米短波红外窗口频带的气象卫星云图，检测精度更高，实时性好；
(2)本发明的检测方法在台风初期和末期因为形态极不规则，导致检测的中心位置与CMA最优路径偏差较大，当台风形成明显的风眼或者在成熟阶段，本文的检测方法对于台风的中心定位精确度较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于葵花气象卫星的台风定位检测方法的流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
如图1所示，本发明的基于葵花气象卫星的台风定位检测方法，包括以下步骤，
S1，获取一段时间内葵花气象卫星0.64微米短波红外窗口频带的气象卫星云图，按照时间顺序存储。
S2，检查数据一致性，对于数据中的无效值和缺失值进行纠正或者排除在接下来的步骤之外。
S3，对气象卫星云图进行灰度处理。
S4，对步骤S3的灰度图像进行通过二值化处理，取其中最大的连通域，确定台风大致轮廓。具体的，对灰度图像进行通过二值化处理选取阈值为150，白色部分为云团，求得的连通域外接矩形的比例必须满足在(0.3，3)之内，随后选取剩余云团中连通域面积最大的一个视为台风，求其轮廓便得到台风的大致位置。
S5，根据台风大致轮廓确定台风样本的矩形图像。具体的，对台风轮廓的外接矩形向外延伸若干像素，得到一个台风样本图像进行下一步操作。
S6，求方差图像。具体的，对于样本图像中每个像元(i,j)3×3范围内的亮温值，用如下公式求方差，
其中，Vi,j为亮温方差值，Ii,j为亮温。
S7，求梯度图像。具体的，对于样本图像中每个像元(i,j)，求对应像元的亮温梯度，公式如下，
其中，其中，Gxi,j和Gyi,j分别为水平方向和垂直方向的梯度，k＝3。
S8，根据梯度图像求出对应的密度矩阵。具体的，对于步骤S7得到的每个像元的亮温梯度向量，过该像元作与亮温梯度向量平行的直线，把整个图像上的所有直线相加，得到关于图像的密度矩阵，密度矩阵中的最大值即为初步检测到的台风中心位置。
S9，对密度矩阵中最大值所在位置周围的像元进行高斯滤波。具体的，对于步骤S8中得到的台风中心位置41×41像素点范围内的亮温值进行高斯滤波，高斯滤波函数公式如下，
S10，中心修正。最后用如下公式求得台风中心位置m，
S11，将步骤S10检测到的中心位置在气象卫星云图上叠加显示。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于葵花气象卫星的台风定位检测方法，其特征在于：包括以下步骤，
S1，获取一段时间内葵花气象卫星0.64微米短波红外窗口频带的气象卫星云图，按照时间顺序存储；
S2，检查数据一致性，对于数据中的无效值和缺失值进行纠正或者排除在接下来的步骤之外；
S3，对气象卫星云图进行灰度处理；
S4，对步骤S3的灰度图像进行通过二值化处理，取其中最大的连通域，确定台风大致轮廓；
S5，根据台风大致轮廓确定台风样本的矩形图像；
S6，求方差图像；
S7，求梯度图像；
S8，根据梯度图像求出对应的密度矩阵；
S9，对密度矩阵中最大值所在位置周围的像元进行高斯滤波；
S10，中心修正；
S11，将步骤S10检测到的中心位置在气象卫星云图上叠加显示。
2.如权利要求1所述的基于葵花气象卫星的台风定位检测方法，其特征在于：步骤S4中，对灰度图像进行通过二值化处理选取阈值为150，白色部分为云团，求得的连通域外接矩形的比例必须满足在(0.3，3)之内，随后选取剩余云团中连通域面积最大的一个视为台风，求其轮廓便得到台风的大致位置。
3.如权利要求1所述的基于葵花气象卫星的台风定位检测方法，其特征在于：所述步骤S5中，对台风轮廓的外接矩形向外延伸若干像素，得到一个台风样本图像进行下一步操作。
4.如权利要求1所述的基于葵花气象卫星的台风定位检测方法，其特征在于：步骤S6中，对于样本图像中每个像元(i,j)3×3范围内的亮温值，用如下公式求方差，
其中，Vi,j为亮温方差值，Ii,j为亮温。
5.如权利要求4所述的基于葵花气象卫星的台风定位检测方法，其特征在于：步骤S7中，对于样本图像中每个像元(i,j)，求对应像元的亮温梯度，公式如下，
其中，其中，Gxi,j和Gyi,j分别为水平方向和垂直方向的梯度，k＝3。
6.如权利要求5所述的基于葵花气象卫星的台风定位检测方法，其特征在于：步骤S8中，对于步骤S7得到的每个像元的亮温梯度向量，过该像元作与亮温梯度向量平行的直线，把整个图像上的所有直线相加，得到关于图像的密度矩阵，密度矩阵中的最大值即为初步检测到的台风中心位置。
7.如权利要求6所述的基于葵花气象卫星的台风定位检测方法，其特征在于：步骤S9中，对于步骤S8中得到的台风中心位置41×41像素点范围内的亮温值进行高斯滤波，高斯滤波函数公式如下，
8.如权利要求7所述的基于葵花气象卫星的台风定位检测方法，其特征在于：步骤S10中，最后用如下公式求得台风中心位置m，
CN201810898209.2A 2018-08-08 2018-08-08 基于葵花气象卫星的台风定位检测方法 Pending CN109164513A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810898209.2A CN109164513A (zh) 2018-08-08 2018-08-08 基于葵花气象卫星的台风定位检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810898209.2A CN109164513A (zh) 2018-08-08 2018-08-08 基于葵花气象卫星的台风定位检测方法

Publications (1)

Publication Number Publication Date
CN109164513A true CN109164513A (zh) 2019-01-08

Family

ID=64895102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810898209.2A Pending CN109164513A (zh) 2018-08-08 2018-08-08 基于葵花气象卫星的台风定位检测方法

Country Status (1)

Country Link
CN (1) CN109164513A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111273378A (zh) * 2020-05-07 2020-06-12 南京海气智绘信息技术有限公司 一种基于风应力扰动的台风中心定位方法
CN111427100A (zh) * 2020-03-30 2020-07-17 广州数鹏通科技有限公司 一种台风中心定位方法、装置及台风路径生成方法
CN112069955A (zh) * 2020-08-26 2020-12-11 河海大学 基于深度学习的台风强度遥感反演方法
CN112307862A (zh) * 2019-10-23 2021-02-02 朱桂苓 外形匹配度大数据分析系统
CN112396646A (zh) * 2020-11-18 2021-02-23 国家海洋环境预报中心 台风中心点定位方法和装置
CN112686254A (zh) * 2020-12-31 2021-04-20 山西三友和智慧信息技术股份有限公司 一种基于红外卫星云图的台风中心定位方法
CN114355483A (zh) * 2022-03-18 2022-04-15 南方海洋科学与工程广东省实验室(广州) 一种台风中心定位方法、装置、电子设备及存储介质
CN114740550A (zh) * 2022-06-14 2022-07-12 广东海洋大学 一种连续风暴事件智能识别预警方法及系统
CN115512236A (zh) * 2022-10-13 2022-12-23 昆明理工大学 一种基于K-means ++的Himawari-8多光谱云检测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992434A (zh) * 2015-06-23 2015-10-21 国家卫星气象中心 根据历史卫星图像在当前卫星图像上进行台风定位的方法
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992434A (zh) * 2015-06-23 2015-10-21 国家卫星气象中心 根据历史卫星图像在当前卫星图像上进行台风定位的方法
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 (1)

* Cited by examiner, † Cited by third party
Title
刘佳: "《基于卫星图像的目标识别研究》", 《电脑知识与技术》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307862A (zh) * 2019-10-23 2021-02-02 朱桂苓 外形匹配度大数据分析系统
CN111427100A (zh) * 2020-03-30 2020-07-17 广州数鹏通科技有限公司 一种台风中心定位方法、装置及台风路径生成方法
CN111427100B (zh) * 2020-03-30 2021-09-03 广州数鹏通科技有限公司 一种台风中心定位方法、装置及台风路径生成方法
CN111273378B (zh) * 2020-05-07 2020-08-14 南京海气智绘信息技术有限公司 一种基于风应力扰动的台风中心定位方法
CN111273378A (zh) * 2020-05-07 2020-06-12 南京海气智绘信息技术有限公司 一种基于风应力扰动的台风中心定位方法
CN112069955B (zh) * 2020-08-26 2022-07-26 河海大学 基于深度学习的台风强度遥感反演方法
CN112069955A (zh) * 2020-08-26 2020-12-11 河海大学 基于深度学习的台风强度遥感反演方法
CN112396646A (zh) * 2020-11-18 2021-02-23 国家海洋环境预报中心 台风中心点定位方法和装置
CN112396646B (zh) * 2020-11-18 2021-10-01 国家海洋环境预报中心 台风中心点定位方法和装置
CN112686254A (zh) * 2020-12-31 2021-04-20 山西三友和智慧信息技术股份有限公司 一种基于红外卫星云图的台风中心定位方法
CN112686254B (zh) * 2020-12-31 2022-08-09 山西三友和智慧信息技术股份有限公司 一种基于红外卫星云图的台风中心定位方法
CN114355483A (zh) * 2022-03-18 2022-04-15 南方海洋科学与工程广东省实验室(广州) 一种台风中心定位方法、装置、电子设备及存储介质
CN114740550A (zh) * 2022-06-14 2022-07-12 广东海洋大学 一种连续风暴事件智能识别预警方法及系统
CN115512236A (zh) * 2022-10-13 2022-12-23 昆明理工大学 一种基于K-means ++的Himawari-8多光谱云检测方法及系统
CN115512236B (zh) * 2022-10-13 2023-04-28 昆明理工大学 一种基于K-means ++的Himawari-8多光谱云检测方法及系统

Similar Documents

Publication Publication Date Title
CN109164513A (zh) 基于葵花气象卫星的台风定位检测方法
Kearney et al. Landsat imagery shows decline of coastal marshes in Chesapeake and Delaware Bays
CN104198052B (zh) 基于海洋二号卫星扫描微波辐射计的海冰密集度获取方法
Agenbag et al. A suggested physical explanation for the existence of a biological boundary at 24° 30′ S in the Benguela system
CN111797712B (zh) 基于多尺度特征融合网络的遥感影像云与云阴影检测方法
CN108491844A (zh) 基于图像处理的水表自动检测系统及其图像处理方法
CaBrera et al. Barrier layer control of entrainment and upwelling in the Bohol Sea, Philippines
CN104318504B (zh) 海边浴场退潮报警系统
CN110488297B (zh) 一种复杂地形区域雹暴的预警方法
CN106650663B (zh) 建筑物真伪变化的判定方法及含此方法的伪变化去除方法
Liu et al. Using SPOT 5 fusion-ready imagery to detect Chinese tamarisk (saltcedar) with mathematical morphological method
CN110009146A (zh) 一种基于高光谱遥感技术的输电线路树障砍伐规划方法
CN105590316A (zh) 面向对象的高分辨率遥感影像阴影提取方法
CN206674701U (zh) 一种智能茶园自动灌溉系统
CN109031473A (zh) 完全晴天的自动判断方法和装置
CN204086893U (zh) 位于无人机上的田间旱情采集装置
Oscar Satellite observations and the annual cycle of surface circulation in the Yellow Sea, East China Sea and Korea Strait
CN110399785B (zh) 一种基于深度学习与传统算法的树叶遮挡的检测方法
CN112308901B (zh) 一种modis影像云下海表面绿潮覆盖面积的估测方法
CN104881659B (zh) 一种不透水层的提取方法及装置
CN104636716A (zh) 绿色果实识别方法
CN109166127A (zh) 一种可穿戴式植物表型感知系统
CN116644554A (zh) 一种考虑不同天气情况的阴、阳叶分离方法
Jiang et al. Using WSR-88D polarimetric data to identify bird-contaminated Doppler velocities
CN110361331A (zh) 基于rs/gis的城市地质环境动态监测与评价方法

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: 20190108

RJ01 Rejection of invention patent application after publication