CN110287587B - 一种确定污染云微物理属性的方法 - Google Patents
一种确定污染云微物理属性的方法 Download PDFInfo
- Publication number
- CN110287587B CN110287587B CN201910548913.XA CN201910548913A CN110287587B CN 110287587 B CN110287587 B CN 110287587B CN 201910548913 A CN201910548913 A CN 201910548913A CN 110287587 B CN110287587 B CN 110287587B
- Authority
- CN
- China
- Prior art keywords
- cloud
- data
- satellite
- channel data
- optical thickness
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种确定污染云微物理属性的方法,解决了现有技术云微物理属性反演算法在污染背景下仅按单一层云反演微物理属性的问题。包含以下步骤:选取两个不同频段卫星通道;选取波段响应函数曲线上若干积分节点;确定影响卫星通道数据的因子敏感性;根据两个波段响应函数,通过辐射传输模式,构建查找表;对模式提供的云下气溶胶光学厚度进行重采样;根据卫星通道数据和查找表,利用最小方差方法计算云微物理属性。对于污染较重的地区而言,在考虑云‑气溶胶双层结构的前提下反演云光学厚度,有助于提高有云条件下地表太阳辐射的计算精度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种确定污染云微物理属性的方法。
背景技术
云覆盖大约50%的地球表面,其对太阳辐射的反射和自身热辐射的向外发射分别对地气系统具有冷却和加热的效应;两种作用的综合效果决定地气系统是否处于平衡状态及其辐射收支状况。云光学性质变化所带来的气候负反馈与云量变化引起的正反馈量级相当,全球气候模式也需要对云光学和辐射特性进行准确的参数化。然而近年来污染状况严重,云下气溶胶的存在为包括云光学厚度和云粒子有效半径的云微物理属性反演增加了难度。目前,遥感领域对云微物理属性的反演方法主要有:飞机观测计算和卫星通道数据反演。飞机观测计算是指利用可见光和近红外探测仪观测,根据观测数据中的云粒子谱分布计算云滴有效半径和液水含量,液水路径由后者在高度上积分得到,用液水路径和有效粒子半径计算光学厚度。但该方法具有较强的空间和时间变化特性,某特定地区或季节观测的云微物理属性不具有代表性。卫星遥感云微物理属性的基本原理是可见光波段云的反射函数主要依赖于云的光学厚度,近红外和红外波段主要依赖于云粒子有效半径的大小。结合辐射传输模式模拟结果和卫星观测通道数据,反演云微物理属性。
卫星搭载的常规被动光学传感器,例如MODIS,反演算法主要面向清洁大气背景。对于云和气溶胶同时存在的情况,仅按单一层云反演微物理属性,不符合近年来污染愈发严重的中国华北等地区大气中,客观存在的云-气溶胶双层结构情况(云下气溶胶),给云微物理属性的反演引入误差。同时,地表太阳辐射估算误差随着气溶胶光学厚度增加而增大。
发明内容
本申请提供一种确定污染云微物理属性的方法,解决了现有技术云微物理属性反演算法在污染背景下仅按单一层云反演微物理属性的问题。
本申请实施例提供一种确定污染云微物理属性的方法,其特征在于,包含以下步骤:
提取污染云数据样本上的一个像元点,选取该像元点两个不同频段的卫星通道数据,选取两个卫星通道数据的波段响应函数曲线上多个典型的波段响应函数节点作为积分节点;
所述多个典型的波段响应函数节点要达到98%的密集卫星接收辐射亮度光谱积分值;
确定影响卫星通道数据的因子敏感性,用所述积分节点,通过辐射传输模式,构建查找表;
所述因子敏感性参数包含太阳天顶角、卫星天顶角、相对方位角、云的光学厚度、云粒子的有效半径、气溶胶光学厚度、地表反照率;
所述查找表参数包含太阳天顶角、卫星天顶角、相对方位角、云的光学厚度、云粒子的有效半径、气溶胶光学厚度、地表反照率;
对模式气溶胶光学厚度数据按通道数据空间分辨率进行重采样;
所述模式气溶胶光学厚度是通过模式模拟得出的气溶胶光学厚度;
提取的像元点对应不同通道的卫星通道数据,根据查找表,利用最小方差方法计算云微物理属性;
所述云微物理属性包含云的光学厚度和云粒子有效半径。
进一步地,所述卫星通道数据通过AHI传感器获得。
优选地,述卫星通道数据是中心频率为0.64μm和1.6μm的反射率数据。
进一步地,所述污染云的数据样本包含云相态数据、几何角度数据、卫星通道数据和对应不同通道的地表反照率数据。
优选地,选取波段响应函数曲线上若干典型波长作为积分节点求积分与卫星通道数据的波段响应函数直接求积分相似度大于98%。
优选地,对气溶胶光学厚度数据按通道数据分辨率5km进行重采样。
进一步地,所述卫星通道数据通过校正系数校正。
优选地,所述AHI传感器搭载于葵花-8卫星上。
优选地,所述地表反照率数据通过MODIS传感器获得。
优选地,所述MODIS传感器搭载于Terra卫星上。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
对于污染较重的地区而言,在考虑云-气溶胶双层结构的前提下反演云光学厚度,有助于提高有云条件下地表太阳辐射的计算精度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为确定污染云微物理属性的方法流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为确定污染云微物理属性的方法流程图。
首先选取待研究区域和时间段,区分待研究区域时间段内水云和非水云区域,从水云数据中筛选并下载时间段内污染云的数据样本。
事先选定待研究区域和时间段,下载历史云相态产品、几何角度数据、通道数据和不同通道对应的地表反照率数据组建样本集,准备模式气溶胶光学厚度数据。
污染云通常为水云,本申请实施例针对水云研究,因此区分待研究区域时间段内的水云和非水云区域,将非水云区域排除出去。
一种确定污染云微物理属性的方法,包含以下步骤:
步骤101、提取污染云数据样本上的一个像元点,选取该像元点两个不同频段的卫星通道数据,选取两个卫星通道数据的波段响应函数曲线上多个典型的波段响应函数节点作为积分节点。
本申请实施例要通过计算云的光学厚度和云粒子的有效半径,相当于两个未知数,因此需要两个方程式,选择两个卫星通道数据,相当于两个方程式解两个未知数。
例如,所述卫星通道数据是中心频率为0.64μm和1.6μm的反射率数据,0.64μm为可见光波段中心波长,1.6μm近红外波段中心波长。可见光波段云的反射函数主要依赖于云的光学厚度,近红外和中红外波段主要依赖于云粒子有效半径的大小。
所述卫星通道数据通过校正系数校正。本申请实施例中使用的卫星观测数据都需要经过校正,校正系数可以从卫星观测数据中读取,具体的做法是将卫星观测数据乘以校正系数即可。
选取波段响应函数曲线上多个典型的波段响应函数节点作为积分节点求积分与卫星通道数据的波段响应函数直接求积分相似度大于98%。
例如,典型的波段响应函数节点数量为30个左右,在计算过程中,为了平衡计算速度和精度,选取了30个典型波长作为积分节点,该30个典型的波段响应函数节点能达到98%的密集卫星接收辐射亮度光谱积分值,满足计算速度和精度的需求。
步骤102、确定影响卫星通道数据的因子敏感性,用所述积分节点,通过辐射传输模式,构建查找表。
在步骤102中,根据卫星通道数据的因子敏感性,划分查找表参数离散值,构建查找表。
所述因子敏感性,表示参数对卫星通道数据的影响程度大小。根据因子敏感性确定查找表参数划分的尺度,查找表参数的因子敏感性越高,对影响程度越大,划分的尺度就越小,在查找表参数离散值的数量越多。
所述查找表参数包含太阳天顶角、卫星天顶角、相对方位角、云的光学厚度、云粒子的有效半径、气溶胶光学厚度、地表反照率。
例如,针对0.64μm和1.6μm构建两个查找表,根据因子敏感性将太阳天顶角为0、10、20、30、40、50、60、70、80度;卫星天顶角为0、10、20、30、40、50、60、70、80度,相对方位角为0、20、40、60、80、100、120、140、160、180度;云的光学厚度为0.33、0.67、1.5、3.0、5.7、7.8、10.3、15.7、25.8、34.91、44.3、58.8、76.56、91.88、121.68、158.78;云粒子的有效半径为2、4、8、16、32、48μm、气溶胶光学厚度为0、0.1、0.2、0.3、0.4、0.5、0.65、0.87、1.0、1.5、2.0。
所述污染云的数据样本包含云相态数据、几何角度数据、卫星通道数据和对应不同通道的地表反照率数据。
所述云相态数据、几何角度数据、卫星通道数据通过AHI传感器获得。所述AHI传感器搭载于葵花-8卫星上。
所述地表反照率数据通过MODIS传感器获得。例如,所述MODIS传感器可以搭载于Terra卫星上,也可以搭载于Aqua卫星上。
通过影响卫星通道数据的因子和两个波段响应函数上的积分节点,通过辐射传输模式,构建查找表。
所述积分节点组成的折线图求积分与卫星通道数据的波段响应函数直接求积分相似度大于98%,因此所述积分节点可以作为参数,构建查找表。
步骤103、对模式气溶胶光学厚度数据按通道数据空间分辨率进行重采样。
对气溶胶光学厚度数据按通道数据分辨率5km进行重采样。
模式气溶胶数据是通过模式模拟出来的数据,它的水平分辨率与卫星观测的数据的水平分辨率不同,因此需要经过重采样。
优选的,葵花-8的数据分辨率为5km,因此对模式气溶胶的光学厚度数据按分辨率5km进行重采样。
步骤104、提取的像元点对应不同通道的卫星通道数据,根据查找表,利用最小方差方法计算云微物理属性。
所述云微物理属性包含云的光学厚度和云粒子有效半径。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种确定污染云微物理属性的方法,其特征在于,包含以下步骤:
选取待研究区域和时间段,区分待研究区域时间段内水云和非水云区域,从水云数据中筛选并下载污染云的数据样本;
提取污染云数据样本上的一个像元点,选取该像元点两个不同频段的卫星通道数据,选取两个卫星通道数据的波段响应函数曲线上多个典型的波段响应函数节点作为积分节点;所述卫星通道数据是中心频率为0.64μm和1.6μm的反射率数据;
所述多个典型的波段响应函数节点要达到98%的密集卫星接收辐射亮度光谱积分值;
确定影响卫星通道数据的因子敏感性,用所述积分节点,通过辐射传输模式,构建查找表;
所述因子敏感性参数包含太阳天顶角、卫星天顶角、相对方位角、云的光学厚度、云粒子的有效半径、气溶胶光学厚度、地表反照率;
所述查找表参数包含太阳天顶角、卫星天顶角、相对方位角、云的光学厚度、云粒子的有效半径、气溶胶光学厚度、地表反照率;
对模式气溶胶光学厚度数据按通道数据空间分辨率进行重采样;所述模式气溶胶光学厚度是通过模式模拟得出的气溶胶光学厚度;
提取的像元点对应不同通道的卫星通道数据,根据查找表,利用最小方差方法计算云微物理属性;
所述云微物理属性包含云的光学厚度和云粒子有效半径。
2.根据权利要求1所述一种确定污染云微物理属性的方法,其特征在于,所述卫星通道数据通过AHI传感器获得。
3.根据权利要求1所述一种确定污染云微物理属性的方法,其特征在于,所述污染云的数据样本包含云相态数据、几何角度数据、卫星通道数据和对应不同通道的地表反照率数据。
4.根据权利要求1所述一种确定污染云微物理属性的方法,其特征在于,选取波段响应函数曲线上若干典型波长作为积分节点求积分与卫星通道数据的波段响应函数直接求积分相似度大于98%。
5.根据权利要求1所述一种确定污染云微物理属性的方法,其特征在于,对气溶胶光学厚度数据按通道数据分辨率5km进行重采样。
6.根据权利要求1所述一种确定污染云微物理属性的方法,其特征在于,所述卫星通道数据通过校正系数校正。
7.根据权利要求2所述一种确定污染云微物理属性的方法,其特征在于,所述AHI传感器搭载于葵花-8卫星上。
8.根据权利要求3所述一种确定污染云微物理属性的方法,其特征在于,所述地表反照率数据通过MODIS传感器获得。
9.根据权利要求8所述一种确定污染云微物理属性的方法,其特征在于,所述MODIS传感器搭载于Terra卫星上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548913.XA CN110287587B (zh) | 2019-06-24 | 2019-06-24 | 一种确定污染云微物理属性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910548913.XA CN110287587B (zh) | 2019-06-24 | 2019-06-24 | 一种确定污染云微物理属性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110287587A CN110287587A (zh) | 2019-09-27 |
CN110287587B true CN110287587B (zh) | 2020-10-13 |
Family
ID=68004405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910548913.XA Active CN110287587B (zh) | 2019-06-24 | 2019-06-24 | 一种确定污染云微物理属性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110287587B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114778463B (zh) * | 2022-06-22 | 2022-09-23 | 广东省科学院广州地理研究所 | 一种无人机高光谱影像辐射定标方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628940A (zh) * | 2012-04-20 | 2012-08-08 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
CN104535979A (zh) * | 2014-12-23 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种陆地云光学厚度的遥感反演方法及系统 |
CN105675016A (zh) * | 2016-01-11 | 2016-06-15 | 环境保护部卫星环境应用中心 | 一种大气校正方法以及系统 |
CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI586266B (zh) * | 2016-06-17 | 2017-06-11 | 元智大學 | 水產養殖系統 |
-
2019
- 2019-06-24 CN CN201910548913.XA patent/CN110287587B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628940A (zh) * | 2012-04-20 | 2012-08-08 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
CN104535979A (zh) * | 2014-12-23 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种陆地云光学厚度的遥感反演方法及系统 |
CN105675016A (zh) * | 2016-01-11 | 2016-06-15 | 环境保护部卫星环境应用中心 | 一种大气校正方法以及系统 |
CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 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 |
Non-Patent Citations (1)
Title |
---|
利用MODIS资料计算不同云天条件下的地表太阳辐射;黎微微 等;《遥感技术与应用》;20170831;第32卷(第4期);第643-650页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110287587A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stone | An accurate method for computing atmospheric refraction | |
Olson | Physical retrieval of rainfall rates over the ocean by multispectral microwave radiometry: Application to tropical cyclones | |
Leinonen et al. | Improved retrieval of cloud liquid water from CloudSat and MODIS | |
US20130006534A1 (en) | System and Method for Atmospheric Correction of Information | |
Boers et al. | Ground-based observations and modeling of the visibility and radar reflectivity in a radiation fog layer | |
Yang et al. | Error sources in remote sensing of microwave land surface emissivity | |
CN108802853B (zh) | 一种云相态识别方法 | |
Sterckx et al. | Atmospheric correction of APEX hyperspectral data | |
CN110287587B (zh) | 一种确定污染云微物理属性的方法 | |
CN107368617A (zh) | 基于Lowtran7大气软件的地空探测红外成像系统作用距离计算方法 | |
Girdwood et al. | Design and field campaign validation of a multi-rotor unmanned aerial vehicle and optical particle counter | |
Nauss et al. | The intercomparison of selected cloud retrieval algorithms | |
Kokhanovsky et al. | First retrievals of surface and atmospheric properties using EnMAP measurements over Antarctica | |
CN108956392B (zh) | 一种潮滩沉积物类型的无人机识别方法 | |
Zarei et al. | Evaluating the changes in Gavkhuni Wetland using MODIS satellite images in 2000-2016 | |
Grimming et al. | Refining atmosphere profiles for aerial target detection models | |
Ham et al. | Combining cloud properties from CALIPSO, CloudSat, and MODIS for top-of-atmosphere (TOA) shortwave broadband irradiance computations: Impact of cloud vertical profiles | |
Egerer et al. | Estimating turbulent energy flux vertical profiles from uncrewed aircraft system measurements: exemplary results for the MOSAiC campaign | |
Drechsel et al. | Three-dimensional wind retrieval: Application of MUSCAT to dual-Doppler lidar | |
CN112698354B (zh) | 一种大气气溶胶与云的识别方法和系统 | |
Boone et al. | Line-of-sight winds and Doppler effect smearing in ACE-FTS solar occultation measurements | |
Guo et al. | Evaluating the feasibility of GF-1 remote sensing comparison with hyperspectral data for soil organic carbon prediction and mapping | |
CN111044489B (zh) | 一种基于多波长测量获得大气折射率高度分布剖面的方法 | |
US8917385B1 (en) | Automatic identification of volcanic ash plumes using measured spectral radiance over a plurality of field of views | |
Campalani et al. | Validation of PM MAPPER aerosol optical thickness retrievals at 1× 1 km 2 of spatial resolution |
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 |