CN109946235B - 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 - Google Patents
风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 Download PDFInfo
- Publication number
- CN109946235B CN109946235B CN201910141496.7A CN201910141496A CN109946235B CN 109946235 B CN109946235 B CN 109946235B CN 201910141496 A CN201910141496 A CN 201910141496A CN 109946235 B CN109946235 B CN 109946235B
- Authority
- CN
- China
- Prior art keywords
- cloud
- channel
- multilayer
- algorithm
- layer
- 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
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明公开了风云4A气象卫星多通道扫描成像辐射计的多层云反演方法,填补了国内该算法的空白。充分考虑国产卫星辐射计AGRI独特的光谱通道设计特点,以快速辐射传输仿真模拟为理论基础,建立多层云模型,分析不同短波红外通道(1.6和2.25μm)对不同相态云的敏感性,首次发现这两个通道可用于云相态的识别。模型验证了在不同云光学厚度下,短波红外通道的穿透力较好,下层水云信息可以透过上层冰云并由卫星观测中提取。结合红外通道对云顶相态的识别,最终提出了一种全新的辐射计观测多层云(上层冰云、下层水云)的识别算法。本算法的多层云结果利用准确的主动星载激光雷达CALIOP得到了验证,具有较好的准确性。本发明充分考虑我国成像仪独特的光谱通道设计特点,用于我国新一代成像仪AGRI,可以为未来业务应用提供更加准确、高效的多层云探测结果。
Description
技术领域
本发明属于卫星遥感领域,尤其涉及一种风云4A气象卫星多通道扫描成像辐射计的多层云反演方法。
背景技术
目前国内外几乎所有的云光学特性和微物理特性的反演都是以单层云假设为基础,即假设单层物理特性完全相同的云层,但实际大气中往往存在着多层云。多层云的重要性不仅体现在其全球范围内较大的发生频率下,对入射太阳辐射和地球发射辐射的影响,同时也影响着云特性的反演效果。气象卫星具有跨越国界,全球覆盖等优势,是获得云全球时空分布的主要方法,对了解云特性具有重要的意义。基于卫星的多层云识别、特性反演的算法目前有很多,例如,被广泛应用MODIS/Aqua和VIIRS/NPP多层云算法。业务上的MODIS多层云算法是利用水汽通道(0.94 μm)和CO2 通道(13.3、13.6、13.8和 14.2 μm);业务上的VIIRS算法则利用可见光通道(0.67 μm)、短波红外通道(1.38和1.6 μm)和红外通道(11和12 μm)。但是目前的多层云算法都还存在很大的不确定性,很难为后续的定量遥感提供准确的产品数据。并且,由于光谱通道的变化,我国的AGRI/FY-4A云产品、特别是多层云产品的开发不能完全参考现有成熟算法。
发明内容
本发明所要解决的技术问题是针对背景技术的不足,充分考虑我国成像仪独特的光谱通道设计特点,开发适用于我国新一代成像仪AGRI的多层云反演算法,可以为未来业务应用提供更加准确、高效的算法和多层云探测结果。
本发明为解决上述技术问题采用以下技术方案
气象卫星风云4A多通道扫描成像辐射计的多层云反演方法,具体包含如下步骤;
步骤1,基于多光谱阈值的云检测算法,开发云识别算法;
步骤2,以红外通道云顶相态算法为基础进行云顶相态识别;
步骤3,建立快速辐射传输仿真模拟器及对应的多层云模型,分析星载AGRI仪器1.6和2.25 μm两个短波红外通道对不同相态云的敏感性,得到两通道数值模拟的卫星观测反射率的差别,从而联合使用这两个通道直接用于云相态的识别,发现短波红外通道较好的穿透力,下层水云信息可以透过上层较薄的冰云,所以结合红外通道云相态算法,实现对上层冰云、下层水云情况下的多层云识别;
步骤4,利用主动遥感仪器能够给出的更加准确的云垂直结构,验证算法的有效性,结合辐射仿真模拟,论证该多层云反演算法的适用范围,并根据不同云光学厚度的情况,对算法进行优化。
作为本发明所述的气象卫星风云多通道扫描成像辐射计的多层云反演方法的进一步优选方案,在步骤1中,以国家卫星气象中心根据气象卫星风云3D成像仪MERSI-II开发的基于多光谱阈值的云检测算法,开发优化适用于AGRI的云识别算法。
作为本发明所述的气象卫星风云多通道扫描成像辐射计的多层云反演方法的进一步优选方案,在步骤2中,以红外通道8.5和红外通道11 μm云顶相态算法为基础进行云顶相态识别。
作为本发明所述的气象卫星风云多通道扫描成像辐射计的多层云反演方法的进一步优选方案,在步骤3中,辐射仿真模拟充分结合相关k分布方法和快速辐射传输模式的优势,考虑各个通道下的气体吸收、辐射,云层反射、透射及地表等作用,给出特定大气背景和云层条件下的辐射亮度,与精确模式对比,太阳反射通道反射率的相对误差在2%以内,红外辐射通道亮温的差别在0.2K以内,但是其计算速度比精确模式快三至五个数量级,达到了卫星遥感对精度和效率的要求。
作为本发明所述的气象卫星风云多通道扫描成像辐射计的多层云反演方法的进一步优选方案,在步骤3中,利用红外通道对冰云穿透能力较弱,而对云相态却十分敏感的特点,只利用红外通道进行云顶云相态的识别;短波红外通道对不同相态云既有很好的敏感性,同时又具有较高的穿透性,从而在多层云的情况下,下层水云信息可以透过上层较薄的冰云,进而实现多层云的探测。
作为本发明所述的气象卫星风云多通道扫描成像辐射计的多层云反演方法的进一步优选方案,在步骤3中,通过假设上层冰云、下层水云的典型多层云示例,分析不同云光学厚度下多层云算法适用性,对算法进行有效优化。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明充分考虑我国成像仪独特的光谱通道设计特点,相比于MODIS和VIIRS等被广泛使用的多层云算法,本发明更适用于我国的AGRI/FY-4A成像仪;
通过个例结果分析,本发明的多层云结果与更加准确的主动遥感仪器CALIOP的多层云算法结果更加一致。本发明充分考虑我国成像仪独特的光谱通道设计特点,用于我国新一代成像仪AGRI,可以为未来业务应用提供更加准确、高效的多层云探测结果。
附图说明
图1是用于风云4A(FY-4A)多通道扫描成像辐射计(AGRI)的多层云反演算法的原理及流程图;
图2是用于风云4A(FY-4A)多通道扫描成像辐射计(AGRI)的多层云反演算法的结果与MODIS及CALIOP多层云产品对比分析结果。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
多层云对于大气辐射收支、气候变化以及云特性反演具有重要影响,是国际气象卫星辐射计都需要设计的产品之一。全球性的多层云识别和观测不但有利于研究多层云的辐射特性,也能为模式中云重叠假设方案的合理评估提供宝贵的观测基础。同时,真实大气中大量多层云的存在,其实给目前基于卫星成像仪的云特性反演结果带来很大的不确定性。基于卫星的被动光谱成像仪得到的云顶特性、光学厚度及粒子尺度等的反演算法是建立在单层云、各向均匀假设的基础上。因此,多层云存在时,不可避免地会使云顶特性和光学厚度等反演产生误差。所以,多层云的研究对卫星定量反演云类型和特性具有重要意义,并可以为气象监测和气候观测提供更加准确的云产品。近年来我国在气象卫星领域取得了巨大的发展。作为第二代地球静止轨道卫星第一个卫星,风云四号A星(FY-4A)连续、稳定的运行将大幅提升我国静止轨道气象卫星的业务和科研水平,为气象监测、防灾减灾、气候观测提供服务。其搭载的多通道扫描成像辐射计(AGRI)的辐射成像通道增加到了14个,覆盖了可见光、短波红外、中波红外和长波红外等波段。由于光谱通道的变化,AGRI/FY-4A云产品,特别是多层云产品的开发不能完全参考现有成熟算法。由于多层云对于大气辐射收支、气候变化以及云特性反演具有重要影响,目前急需一种新的算法以解决多层云探测问题。充分考虑我国成像仪独特的光谱通道设计特点,本发明旨在专门针对AGRI/FY-4A成像仪的云识别和红外云相态算法的基础上,开发适用于我国新一代成像仪的多层云反演算法,可以为未来业务应用提供更加准确、高效的算法和多层云探测结果,并可以更好的服务于多层云辐射效应的研究。
本发明具体实施方式如下:
(1)以国家卫星气象中心根据气象卫星风云3D(FY-3D)成像仪MERSI-II开发的基于多光谱阈值的云检测算法,开发优化适用于AGRI/FY-4A的云识别算法。利用AGRI/FY-4A数据,根据基于多光谱阈值的云检测算法得到的云检测产品,确定各个pixels有云或晴空条件,具体分为四类:有云、可能有云、晴空和可能晴空。本发明中使用到的AGRI/FY-4A数据(如图1所示,其中Ref(1.6)和Ref(2.25)分别表示1.6和2.25 μm通道反射率,BT(8.5)、BT(11)分别代表8.5和11μm通道亮度温度,BTD[8.5-11]表示8.5和11μm通道亮度温度差,Lon和Lat表示经度和纬度),包括:短波红外通道(1.6和2.25 μm)反射率,红外通道(8.5和11μm)亮度温度(BT),以及代表地理位置信息的经度(Lon)和纬度(Lat)。当确定有云条件时,进一步,以国际上较成熟的红外通道(8.5和11μm)云相态算法为基础,通过亮度温度以及亮度温度差(BTD)进行云顶相态识别,具体阈值参数如图1所示。
(2)以申请人开发的用于VIIRS光谱仪的快速辐射传输仿真模拟器为理论基础,建立多层云(下层水云、上层冰云)模型,分析不同短波红外通道(1.6和2.25 μm)对不同相态云(冰/水)的敏感性。该辐射仿真模拟充分结合相关k分布方法和快速辐射传输模式的优势,考虑各个通道下的气体吸收、辐射,云层反射、透射及地表等作用,给出特定大气背景和云层条件下的辐射亮度。与精确模式对比,太阳反射通道反射率的相对误差在2%以内,红外辐射通道亮温的差别在0.2K以内。但是其计算速度比精确模式快三至五个数量级,达到了卫星遥感对精度和效率的要求。所使用的冰云模型为表面粗糙的由8个实心柱体组成的紧密聚集体,该模型目前为国际上广泛使用的最先进、最准确的冰云模型。
(3)理论结果证明由于水云和冰云的复折射指数虚部在短波红外通道(1.6和2.25μm)会有不同的吸收特性,从而得到的反射率有差别,进而可以联合使用这两个通道直接用于云相态的识别。并且短波红外通道较好的穿透力,下层水云信息可以透过上层较薄的冰云。在这种情况下,只使用1.6和2.25μm通道仍然会该多层云判断为水云。我们以辐射传输仿真模拟结果为理论基础,确定多层云在短波红外通(1.6和2.25 μm)的道理论阈值。
通过辐射仿真模拟对红外通道进行分析,利用红外通道(8.5和11μm)对冰云穿透能力较弱,而对云相态却十分敏感的特点,只利用红外通道进行云顶云相态的识别。而短波红外对不同相态云既有很好的敏感性,同时又具有较高的穿透性,从而在多层云的情况下,下层水云信息可以透过上层较薄的冰云。所以结合短波红外和红外通道的在云相态反演上优势,可以实现对上层冰云、下层水云情况下的多层云识别。
使用FY-4A一级产品(短波红外通道反射率和红外通道亮度温度),遍历所有数据,结合步骤(1)中晴空条件为有云,利用红外通道进行,云顶相态识别。当云顶相态判断为水云时,则改pixel判断为单层水云;当云顶相态判断为冰云时,进而利用短波红外通道进行下层水云的识别,若短波红外通道判断为水云,则改pixel判断为多层云,否则判断为单层冰云,具体阈值如图1所示。
(3) 利用主动遥感仪器能够给出的更加准确的云垂直结构,验证算法的有效性。同时,结合辐射仿真模拟,论证该多层云反演算法的适用范围,通过假设上层冰云、下层水云的典型多层云示例,分析不同条件(主要指不同云光学厚度)下多层云算法适用性,对算法进行有效优化。
本发明充分考虑我国成像仪独特的光谱通道设计特点,以快速辐射传输仿真模拟为理论基础,建立多层云(下层水云、上层冰云)模型。通过分析不同短波红外通道(1.6和2.25 μm)对不同相态云(冰/水)的敏感性,进而证实这两个通道可用于云相态的识别;并且验证了在不同云光学厚度下,短波红外通道的穿透力较好,下层水云信息可以透过上层较薄的冰云。结合国际上成熟的红外通道云顶相态算法,可以实现对上层冰云、下层水云情况多层云的识别。相比于MODIS和VIIRS等被广泛使用的多层云算法,本算法更适用于我国的AGRI/FY-4A成像仪。通过个例结果分析如图2所示,本算法的多层云结果与更加准确的主动遥感仪器CALIOP的多层云算法结果更加一致。本发明充分考虑我国成像仪独特的光谱通道设计特点,用于我国新一代成像仪AGRI,可以为未来业务应用提供更加准确、高效的多层云探测结果。
Claims (5)
1.气象卫星风云4A多通道扫描成像辐射计的多层云反演方法,其特征在于:具体包含如下步骤;
步骤1,基于多光谱阈值的云检测算法,开发云识别算法;
步骤2,以红外通道8.5μm和红外通道11 μm的云顶相态算法为基础,进行云顶相态识别;
步骤3,建立快速辐射传输仿真模拟器及对应的多层云模型,分析星载仪器AGRI的两个短波红外通道1.6和2.25 μm对不同相态云的敏感性,并联合使用这两个通道用于云相态的识别,发现该短波红外通道在云探测方向具有较好的穿透力,使得下层水云信息可以透过上层较薄的冰云,并结合红外通道云相态算法,按如下步骤3.1至步骤3.6,实现对上层冰云且下层水云情况下的多层云识别;
步骤3.1:获取风云4号A星搭载的AGRI仪器一级观测数据,即短波红外1.6μm通道反射率Ref(1.6)、短波红外2.25μm通道反射率Ref(2.25)、短波红外1.38μm通道反射率Ref(1.38)、长波红外8.5μm通道亮度温度BT(8.5)、长波红外11μm通道亮度温度BT(11),以及8.5μm和11μm通道的亮度温度差BTD[8.5-11];然后进入步骤3.2;
步骤3.2:判断是否满足条件A和条件B中的至少一个条件:
条件A:BT(11)≤238K;条件B:BTD[8.5-11]≥0.5K;
是则进入步骤3.3,否则进入步骤3.5;
步骤3.3:判断是否满足如下条件:Ref(2.25)-Ref(1.6)≤0.04;
是则进入步骤3.4;否则判定云相态为单层冰云;
步骤3.4:判断是否满足如下条件:Ref(2.25)-Ref(1.6)>0;
是则判定云相态为可能多层云,否则判定云相态为多层云;
步骤3.5:判断是否满足条件C和条件D中的至少一个条件:
条件C:BT(11)>238K,且BTD[8.5-11]≤-1K;
条件D:BT(11)>285K,且BTD[8.5-11]≤-0.5K;
是则进入步骤3.6;否则判定云相态为不确定;
步骤3.6:判断是否满足如下条件:0.025<Ref(1.38)<0.40;
是则判定云相态为多层云;否则判定云相态为单层水云;
步骤4,利用主动遥感仪器能够给出的更加准确的云垂直结构,验证算法的有效性,结合辐射仿真模拟,论证多层云反演算法的适用范围,并根据不同云光学厚度的情况,对算法进行优化。
2.据权利要求1所述的气象卫星风云4A多通道扫描成像辐射计的多层云反演方法,其特征在于:在步骤1中,以国家卫星气象中心根据气象卫星风云3D成像仪MERSI-II开发的基于多光谱阈值的云检测算法,开发优化适用于AGRI的云识别算法。
3.根据权利要求1所述的气象卫星风云4A多通道扫描成像辐射计的多层云反演方法,其特征在于:在步骤3中,辐射仿真模拟充分结合相关k分布方法和快速辐射传输模式的优势,考虑各个通道下的气体吸收、辐射,云层反射、透射及地表作用,给出特定大气背景和云层条件下的辐射亮度,与精确模式对比,太阳反射通道反射率的相对误差在2%以内,红外辐射通道亮温的差别在0.2K以内,但是其计算速度比精确模式快三至五个数量级,达到了卫星遥感对精度和效率的要求。
4.根据权利要求1所述的气象卫星风云4A多通道扫描成像辐射计的多层云反演方法,其特征在于:在步骤3中,利用红外通道对冰云穿透能力较弱,而对云相态却十分敏感的特点,只利用红外通道进行云顶云相态的识别;短波红外通道对不同相态云既有很好的敏感性,同时又具有较高的穿透性,从而在多层云的情况下,下层水云信息可以透过上层较薄的冰云,进而实现多层云的探测。
5.根据权利要求1所述的气象卫星风云4A多通道扫描成像辐射计的多层云反演方法,其特征在于:在步骤3中,通过假设上层冰云、下层水云的典型多层云示例,分析不同云光学厚度下多层云算法适用性,对算法进行有效优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910141496.7A CN109946235B (zh) | 2019-02-26 | 2019-02-26 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910141496.7A CN109946235B (zh) | 2019-02-26 | 2019-02-26 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109946235A CN109946235A (zh) | 2019-06-28 |
CN109946235B true CN109946235B (zh) | 2021-11-02 |
Family
ID=67007711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910141496.7A Active CN109946235B (zh) | 2019-02-26 | 2019-02-26 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109946235B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832828B (zh) * | 2020-07-17 | 2023-12-19 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于风云四号气象卫星的智能降水预测方法 |
CN112242942B (zh) * | 2020-08-10 | 2021-07-06 | 上海交通大学 | 多通道辐射计成像系统双层拓扑架构的信息传输方法 |
CN112730313B (zh) * | 2020-12-21 | 2023-05-02 | 国家卫星气象中心(国家空间天气监测预警中心) | 用于冰云探测的多频太赫兹探测仪通道选取方法及装置 |
CN112816071B (zh) * | 2021-01-06 | 2021-12-28 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于云顶高度算法的红外通道辐射稳定性监测方法 |
CN112464920B (zh) * | 2021-02-01 | 2021-04-30 | 中国人民解放军国防科技大学 | 基于极端随机树的fy-3d红外高光谱云检测方法 |
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 |
CN114354529B (zh) * | 2022-01-10 | 2024-06-04 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
CN114354510B (zh) * | 2022-01-12 | 2024-06-04 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于极轨气象卫星mersi的白天云相态反演方法 |
CN114778454B (zh) * | 2022-03-30 | 2022-09-20 | 中国人民解放军国防科技大学 | 基于星载多通道辐射成像仪的多层云云顶高度反演方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201104273Y (zh) * | 2007-07-13 | 2008-08-20 | 中国人民解放军理工大学气象学院 | 基于红外的测云传感器 |
CN102646272A (zh) * | 2012-02-23 | 2012-08-22 | 南京信息工程大学 | 基于局部方差和加权相结合的小波气象卫星云图融合方法 |
CN102707336A (zh) * | 2012-02-13 | 2012-10-03 | 安徽师范大学 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
CN103926591A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种基于卫星2.0微米通道数据的卷云识别方法 |
CN103293084B (zh) * | 2013-05-08 | 2015-09-30 | 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 |
CN105913033A (zh) * | 2016-04-15 | 2016-08-31 | 北京航空航天大学 | 遥感图像中多层云和单层云类型综合分类与识别的方法 |
CN107917880A (zh) * | 2017-11-06 | 2018-04-17 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的云底高度反演方法 |
KR20180090576A (ko) * | 2017-02-03 | 2018-08-13 | 울산과학기술원 | 정지궤도 인공위성을 이용한 항공기 착빙 발생 지역 탐지 시스템 |
CN108802853A (zh) * | 2018-06-13 | 2018-11-13 | 中国科学院遥感与数字地球研究所 | 一种云相态识别方法 |
CN108981916A (zh) * | 2018-08-01 | 2018-12-11 | 合肥中科九衡科技有限公司 | 一种基于多通道滤光辐射计的数据采集方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8338785B2 (en) * | 2011-04-29 | 2012-12-25 | Rosemount Aerospace Inc. | Apparatus and method for detecting aircraft icing conditions |
-
2019
- 2019-02-26 CN CN201910141496.7A patent/CN109946235B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201104273Y (zh) * | 2007-07-13 | 2008-08-20 | 中国人民解放军理工大学气象学院 | 基于红外的测云传感器 |
CN102707336A (zh) * | 2012-02-13 | 2012-10-03 | 安徽师范大学 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
CN102646272A (zh) * | 2012-02-23 | 2012-08-22 | 南京信息工程大学 | 基于局部方差和加权相结合的小波气象卫星云图融合方法 |
CN103293084B (zh) * | 2013-05-08 | 2015-09-30 | 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 |
CN103926591A (zh) * | 2014-04-24 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种基于卫星2.0微米通道数据的卷云识别方法 |
CN105913033A (zh) * | 2016-04-15 | 2016-08-31 | 北京航空航天大学 | 遥感图像中多层云和单层云类型综合分类与识别的方法 |
KR20180090576A (ko) * | 2017-02-03 | 2018-08-13 | 울산과학기술원 | 정지궤도 인공위성을 이용한 항공기 착빙 발생 지역 탐지 시스템 |
CN107917880A (zh) * | 2017-11-06 | 2018-04-17 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的云底高度反演方法 |
CN108802853A (zh) * | 2018-06-13 | 2018-11-13 | 中国科学院遥感与数字地球研究所 | 一种云相态识别方法 |
CN108981916A (zh) * | 2018-08-01 | 2018-12-11 | 合肥中科九衡科技有限公司 | 一种基于多通道滤光辐射计的数据采集方法 |
Non-Patent Citations (4)
Title |
---|
Effects and Applications of Satellite Radiometer 2.25-mu m Channel on Cloud Property Retrievals;Jianjie Wang 等;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20180827;第56卷(第9期);参见摘要,第5208-5214页 * |
Jianjie Wang 等.Effects and Applications of Satellite Radiometer 2.25-mu m Channel on Cloud Property Retrievals.《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》.2018,第56卷(第9期),5207-5216. * |
基于BP 神经网络的风云四号遥感图像云检测算法;高军 等;《红外与毫米波学报》;20180831;第37卷(第4期);477-485 * |
气象卫星可见光红外光学成像仪发展沿革;杨忠东 等;《应用气象学报》;20160930;第27卷(第5期);592-603 * |
Also Published As
Publication number | Publication date |
---|---|
CN109946235A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109946235B (zh) | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 | |
Veefkind et al. | Improvements to the OMI O 2–O 2 operational cloud algorithm and comparisons with ground-based radar–lidar observations | |
CN103293084B (zh) | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 | |
CN100547438C (zh) | 一种油气勘探方法及系统 | |
CA3088983A1 (en) | Apparatuses and methods for gas flux measurements | |
CN102163264B (zh) | 一种高光谱数据质量与应用能力的评价方法 | |
CN111982822B (zh) | 一种长时间序列高精度植被指数改进算法 | |
CN113253233B (zh) | 基于全天空流星雷达信号的分析处理方法、系统 | |
CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
CN114048944A (zh) | 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法 | |
CN115267941A (zh) | 一种高解析度真彩可见光模型生成、反演方法及其系统 | |
CN113408111A (zh) | 大气可降水量反演方法及系统、电子设备和存储介质 | |
Filizzola et al. | Assessing RAT (Robust AVHRR Techniques) performances for volcanic ash cloud detection and monitoring in near real-time: The 2002 eruption of Mt. Etna (Italy) | |
CN117710508A (zh) | 基于改进条件生成对抗网络的近地表温度反演方法和装置 | |
CN111912819B (zh) | 基于卫星数据的生态检测方法 | |
Colaninno et al. | Towards an operational model for estimating day and night instantaneous near-surface air temperature for urban heat island studies: outline and assessment | |
CN110261341A (zh) | 一种基于静止气象卫星数据的火山灰云检测方法及系统 | |
Ricciardulli et al. | Remote sensing and analysis of tropical cyclones: Current and emerging satellite sensors | |
Lupu et al. | Assimilation of cloud-affected radiances from Meteosat-9 at ECMWF | |
Chen et al. | Urban land surface temperature retrieval from high spatial resolution thermal infrared image using a modified split-window algorithm | |
Bojinski et al. | Towards nowcasting in Europe in 2030 | |
Jaiswal et al. | Intensification of tropical cyclone FANI observed by INSAT-3DR rapid scan data | |
CN115753602A (zh) | 一种海雾检测方法与系统 | |
CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及系统 | |
Song et al. | Top-of-Atmosphere Clear-Sky Albedo Estimation Over Ocean: Preliminary Framework for MODIS |
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 |