CN110879923A - 阴天条件下长波下行辐射估算方法、存储介质及电子设备 - Google Patents
阴天条件下长波下行辐射估算方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110879923A CN110879923A CN201911229917.8A CN201911229917A CN110879923A CN 110879923 A CN110879923 A CN 110879923A CN 201911229917 A CN201911229917 A CN 201911229917A CN 110879923 A CN110879923 A CN 110879923A
- Authority
- CN
- China
- Prior art keywords
- simulation
- cloud
- temperature
- long
- cloud top
- 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.)
- Granted
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004088 simulation Methods 0.000 claims abstract description 118
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005457 ice water Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种阴天条件下长波下行辐射估算方法、计算机存储介质及电子设备,该方法包括:设置阴天的天气条件,根据天气条件模拟得到模拟库,并基于模拟库建立估算参数化模型;利用遥感获取云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率;根据遥感获取的云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率,通过估算参数化模型估算阴天条件下长波下行辐射。本申请根据天气条件建立估算参数化模型,根据该模型及获取的云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率估算阴天条件下长波下行辐射,实现有云时长波下行辐射的计算,弥补已有技术不能有效反演阴天条件下长波辐射的缺陷。
Description
技术领域
本发明涉及辐射估算技术领域,尤其涉及一种阴天条件下长波下行辐射估算方法、计算机存储介质及电子设备。
背景技术
目前利用遥感反演长波下行辐射主要依赖热红外波段,由于热红外波段很难穿透云层,只能获取云顶的一些参数,无法获取云下的大气状况,致使利用遥感反演长波下行辐射几乎都集中在晴空条件下,阴天有云时长波辐射的估算仍然有较大挑战。这样导致光学遥感反演的辐射产品空间不连续,难于被研究全球变化的模型采用,也难于准确刻画大气对地表的热辐射贡献,限制了遥感反演的长波辐射在全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域的广泛应用。因此,发展有云条件下长波下行辐射计算方法十分迫切。
发明内容
(一)要解决的技术问题
为了可视化预案,本发明提供一种阴天条件下长波下行辐射估算方法、计算机存储介质及电子设备。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
一种阴天条件下长波下行辐射估算方法,所述方法包括:
101,设置阴天的天气条件,根据所述天气条件模拟得到模拟库,并基于所述模拟库建立估算参数化模型;
102,利用遥感获取云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率;
103,根据遥感获取的云顶温度,获取的云顶高度,获取的大气总水汽含量,获取的地表温度,通过所述估算参数化模型估算阴天条件下长波下行辐射。
可选地,所述天气条件包括如下的一种或多种:大气温度廓线,湿度廓线,云顶高度,云层厚度,地表温度,地表发射率。
可选地,步骤101中根据所述天气条件模拟得到模拟库的实现步骤为:
201,基于所述天气条件,利用MODTRAN6辐射传输模型模拟生成各种大气条件下的长波下行辐射;
202,重复执行步骤201,建立模拟库。
可选地,MODTRAN6模拟时的大气参数包括温度和湿度廓线,地表温度,大气水汽含量,云顶高度,云层厚度,地表海拔高度。
可选地,模拟时的温度和湿度廓线包括如下6种模式:中纬度夏季,中纬度冬季,美国标准大气,热带大气,亚极地冬季,亚极地夏季;
模拟时的地表温度中大气温度廓线最底层为±15开尔文;
模拟时的大气水汽含量范围为[0.02克/平方厘米-8克/平方厘米];
模拟时的云顶高度的范围为[0.5千米-10千米];
模拟时的云层厚度的范围为[0.5千米-3千米];
模拟时的地表海拔高度的范围为[0千米-5千米]。
可选地,再次重复步骤201时,模拟时的地表温度中大气温度廓线最底层相比于前一次变化2开尔文,模拟时的大气水汽含量相比于前一次变化0.15克/平方厘米,模拟时的云顶高度相比于前一次变化1千米,模拟时的云层厚度相比于前一次变化0.5千米,模拟时的地表海拔高度相比于前一次变化0.5千米。
可选地,步骤101中基于所述模拟库建立估算参数化模型的实现步骤为:
基于所述模拟库,利用POWELL算法确定模拟系数α0,α1,α2,α3,β0,β1,β2,β3,形成如下估算参数化模型:
其中,LWF为阴天条件下长波下行辐射,WV为大气总水汽含量,Hc为云顶高度,Tc为云顶温度,T为地表温度,ε为地表发射率。
可选地,所述地表温度包括陆地地表温度和海洋地表温度。
为了达到上述目的,本发明采用的主要技术方案还包括:一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述方面所述的方法。
为了达到上述目的,本发明采用的主要技术方案还包括:一种电子设备,其特征在于,包括存储器、以及一个或多个处理器,所述存储器用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器执行时,实现上述方面所述的方法。
(三)有益效果
本发明的有益效果是:根据设置的天气条件建立估算参数化模型,根据该模型及获取的云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率估算阴天条件下长波下行辐射,实现有云时长波下行辐射的计算,弥补已有技术不能有效反演阴天条件下长波辐射的缺陷,为充分利用目前海量的遥感数据提供了可能,扩展了遥感数据的应用潜力,为全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域提供技术支撑。
附图说明
图1为本申请一实施例提供的一种阴天条件下长波下行辐射估算方法的流程示意图;
图2为本申请一实施例提供的另一种阴天条件下长波下行辐射估算方法的流程示意图;
图3为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
现有的阴天条件下的长波下行辐射算法和遥感产品,多数依赖大气温度、云水含量、冰水含量、云底温度等关键参数,然而这些参数在遥感上都不容易估算,限制了遥感的应用,致使虽然有大量遥感数据,但很难充分利用起来进行长波下行辐射的计算。考虑到热红外遥感能获得云顶的高度、温度等信息,大气总水汽含量目前遥感也观测的比较准确,本专利发明一种简单、通用的长波下行辐射估算方法,该方法只输入目前容易获取的一些参数,即,云顶温度、云顶高度、大气总水汽含量、地表温度、地表发射率五个参数。
将遥感容易获得的云顶温度作为参数直接用于长波辐射估算的是国际上的第一次,本技术针对当前该领域存在的缺陷,利用遥感容易估算的云顶温度建立模型,实现有云条件下长波下行辐射的计算。最大的好处是可以利用当前几乎所有热红外遥感数据估算下行辐射,可以充分利用现有的各种分辨率的遥感数据,提高遥感的应用,而且,使得估算高分辨率云下长波辐射成为可能。
参见图1,本实施例提供的预案可视化方法实现流程如下:
101,设置阴天的天气条件,根据天气条件模拟得到模拟库,并基于模拟库建立估算参数化模型。
本步骤中设置的天气条件包括但不限于如下的一种或多种:大气温度廓线,湿度廓线,云顶高度,云层厚度,地表温度,地表发射率。
在设置阴天的天气条件后,会根据天气条件模拟得到模拟库,也可称为样本库。具体的建立方案为:
201,基于设置的天气条件,利用MODTRAN6辐射传输模型模拟生成各种大气条件下的长波下行辐射。
202,重复执行步骤201,建立模拟库。
其中,MODTRAN6模拟时的大气参数包括温度和湿度廓线,地表温度,大气水汽含量,云顶高度,云层厚度,地表海拔高度。
另外,模拟时的温度和湿度廓线包括如下6种模式:中纬度夏季,中纬度冬季,美国标准大气,热带大气,亚极地冬季,亚极地夏季。
模拟时的地表温度中大气温度廓线最底层为±15K(开尔文)。
模拟时的大气水汽含量范围为[0.02g/cm2(克/平方厘米)-8g/cm2]。
模拟时的云顶高度的范围为[0.5km(千米)-10km]。
模拟时的云层厚度的范围为[0.5km-3km]。
模拟时的地表海拔高度的范围为[0km-5km]。
每一次重复步骤201时,模拟时的地表温度中大气温度廓线最底层相比于前一次变化2K,模拟时的大气水汽含量相比于前一次变化0.15g/cm2,模拟时的云顶高度相比于前一次变化1km,模拟时的云层厚度相比于前一次变化0.5km,模拟时的地表海拔高度相比于前一次变化0.5km。
其中,2K为模拟时的地表温度中大气温度廓线最底层的变化步长,也可以成为模拟步长,0.15g/cm2为模拟时的大气水汽含量模拟步长,1km为模拟时的云顶高度模拟步长,0.5km为模拟时的云层厚度模拟步长,0.5km为模拟时的地表海拔高度模拟步长。
以模拟时的地表温度中大气温度廓线最底层为例,若第一次执行步骤201时,模拟时的地表温度中大气温度廓线最底层为-15K,则第二次执行步骤201时,模拟时的地表温度中大气温度廓线最底层为-15+2=-13K。
建好模拟库之后,会基于该模拟库构建估算参数化模型,该模型即可用于后续估算阴天条件下长波下行辐射。
模型的具体构建过程如下:
基于模拟库,利用POWELL算法确定模拟系数α0,α1,α2,α3,β0,β1,β2,β3,形成如下估算参数化模型:
其中,LWF为阴天条件下长波下行辐射,WV为大气总水汽含量,Hc为云顶高度,Tc为云顶温度,T为地表温度,ε为地表发射率。
地表温度包括陆地地表温度和海洋地表温度。
上述估算参数化模型将云顶温度、大气水汽含量等容易获得的参数纳入估算模型,构建了简单易用的阴天条件下长波下行辐射,填补有云条件下长波下行辐射缺乏简单、有效反演技术的空白。
102,利用遥感获取云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率。
103,根据遥感获取的云顶温度,获取的云顶高度,获取的大气总水汽含量,获取的地表温度,通过估算参数化模型估算阴天条件下长波下行辐射。
通过上述方法,可以实现有云时候长波下行辐射的计算,通过引入云顶温等数据,弥补已有技术不能有效反演阴天条件下长波辐射的缺陷,为充分利用目前海量的遥感数据提供了可能,扩展了遥感数据的应用潜力,为全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域提供技术支撑。
参见图2,再次对本实施例提供的方法,进行说明。
(1)设定各种阴天的天气条件(大气温度廓线、湿度廓线、云顶高度、云层厚度、地表温度、地表发射率),利用MODTRAN6辐射传输模型模拟生成各种大气条件下对应的长波下行辐射,通过循环调用MODTRAN6建立模拟库。基于模拟库(或者样本库)构建利用云顶温度、云顶高度、大气总水汽含量、地表温度、地表发射率五个参数估算阴天条件下长波下行辐射的多元非线性回归算法。
(2)利用MODTRAN6模拟生成样本库的时候各个大气参数的设置如表1所示:
表1
(3)基于模拟库构建估算参数化模型,具体形式如下:
其中,LWF为阴天条件下长波下行辐射,WV为大气总水汽含量,Hc为云顶高度,Tc为云顶温度,T为地表温度,ε为地表发射率,α0,α1,α2,α3,β0,β1,β2,β3为拟合系数。
(4)基于模拟库,利用POWELL算法确定α0,α1,α2,α3,β0,β1,β2,β3的具体值,实现模型构建。
(5)基于上述构建的模型,利用遥感图像给定所需的五个输入数据,即可得到有云条件下的长波下行辐射。
本实施例提供的方法,利用阴天条件下的云顶温度、云顶高度、地表温度、地表发射率和大气总水汽含量五个变量,建立全球通用的参数化模型,进而估算云下长波辐射。要建立模型,必须要有代表性的样本数据,本专利主要利用辐射传输模型MODTRAN6,通过给定地表温度、云顶高度、云厚度、大气温度和湿度廓线等条件模拟长波下行辐射构建样本库。
本发明提供的方法根据设置的天气条件建立估算参数化模型,根据该模型及获取的云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率估算阴天条件下长波下行辐射,实现有云时长波下行辐射的计算,弥补已有技术不能有效反演阴天条件下长波辐射的缺陷,为充分利用目前海量的遥感数据提供了可能,扩展了遥感数据的应用潜力,为全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域提供技术支撑。
基于同一发明构思,本实施例提供了一种计算机存储介质,其上存储有计算机程序所述程序被处理器执行时实现如下步骤。
101,设置阴天的天气条件,根据天气条件模拟得到模拟库,并基于模拟库建立估算参数化模型;
102,利用遥感获取云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率;
103,根据遥感获取的云顶温度,获取的云顶高度,获取的大气总水汽含量,获取的地表温度,通过估算参数化模型估算阴天条件下长波下行辐射。
可选地,天气条件包括如下的一种或多种:大气温度廓线,湿度廓线,云顶高度,云层厚度,地表温度,地表发射率。
可选地,步骤101中根据天气条件模拟得到模拟库的实现步骤为:
201,基于设置的天气条件,利用MODTRAN6辐射传输模型模拟生成各种大气条件下的长波下行辐射;
202,重复执行步骤201,建立模拟库。
可选地,MODTRAN6模拟时的大气参数包括温度和湿度廓线,地表温度,大气水汽含量,云顶高度,云层厚度,地表海拔高度。
可选地,模拟时的温度和湿度廓线包括如下6种模式:中纬度夏季,中纬度冬季,美国标准大气,热带大气,亚极地冬季,亚极地夏季;
模拟时的地表温度中大气温度廓线最底层为±15开尔文;
模拟时的大气水汽含量范围为[0.02克/平方厘米-8克/平方厘米];
模拟时的云顶高度的范围为[0.5千米-10千米];
模拟时的云层厚度的范围为[0.5千米-3千米];
模拟时的地表海拔高度的范围为[0千米-5千米]。
可选地,再次重复步骤201时,模拟时的地表温度中大气温度廓线最底层相比于前一次变化2开尔文,模拟时的大气水汽含量相比于前一次变化0.15克/平方厘米,模拟时的云顶高度相比于前一次变化1千米,模拟时的云层厚度相比于前一次变化0.5千米,模拟时的地表海拔高度相比于前一次变化0.5千米。
可选地,步骤101中基于模拟库建立估算参数化模型的实现步骤为:
基于模拟库,利用POWELL算法确定模拟系数α0,α1,α2,α3,β0,β1,β2,β3,形成如下估算参数化模型:
其中,LWF为阴天条件下长波下行辐射,WV为大气总水汽含量,Hc为云顶高度,Tc为云顶温度,T为地表温度,ε为地表发射率。
可选地,地表温度包括陆地地表温度和海洋地表温度。
本实施例提供的计算机存储介质上存储的计算机程序,根据设置的天气条件建立估算参数化模型,根据该模型及获取的云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率估算阴天条件下长波下行辐射,实现有云时长波下行辐射的计算,弥补已有技术不能有效反演阴天条件下长波辐射的缺陷,为充分利用目前海量的遥感数据提供了可能,扩展了遥感数据的应用潜力,为全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域提供技术支撑。
基于同一发明构思,本实施例提供了一种电子设备,参见图3,包括存储器301、处理器302、总线303以及存储在存储器301上并可在处理器302上运行的计算机程序,所述处理器302执行所述程序时实现如下步骤。
101,设置阴天的天气条件,根据天气条件模拟得到模拟库,并基于模拟库建立估算参数化模型;
102,利用遥感获取云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率;
103,根据遥感获取的云顶温度,获取的云顶高度,获取的大气总水汽含量,获取的地表温度,通过估算参数化模型估算阴天条件下长波下行辐射。
可选地,天气条件包括如下的一种或多种:大气温度廓线,湿度廓线,云顶高度,云层厚度,地表温度,地表发射率。
可选地,步骤101中根据天气条件模拟得到模拟库的实现步骤为:
201,基于设置的天气条件,利用MODTRAN6辐射传输模型模拟生成各种大气条件下的长波下行辐射;
202,重复执行步骤201,建立模拟库。
可选地,MODTRAN6模拟时的大气参数包括温度和湿度廓线,地表温度,大气水汽含量,云顶高度,云层厚度,地表海拔高度。
可选地,模拟时的温度和湿度廓线包括如下6种模式:中纬度夏季,中纬度冬季,美国标准大气,热带大气,亚极地冬季,亚极地夏季;
模拟时的地表温度中大气温度廓线最底层为±15开尔文;
模拟时的大气水汽含量范围为[0.02克/平方厘米-8克/平方厘米];
模拟时的云顶高度的范围为[0.5千米-10千米];
模拟时的云层厚度的范围为[0.5千米-3千米];
模拟时的地表海拔高度的范围为[0千米-5千米]。
可选地,再次重复步骤201时,模拟时的地表温度中大气温度廓线最底层相比于前一次变化2开尔文,模拟时的大气水汽含量相比于前一次变化0.15克/平方厘米,模拟时的云顶高度相比于前一次变化1千米,模拟时的云层厚度相比于前一次变化0.5千米,模拟时的地表海拔高度相比于前一次变化0.5千米。
可选地,步骤101中基于模拟库建立估算参数化模型的实现步骤为:
基于模拟库,利用POWELL算法确定模拟系数α0,α1,α2,α3,β0,β1,β2,β3,形成如下估算参数化模型:
其中,LWF为阴天条件下长波下行辐射,WV为大气总水汽含量,Hc为云顶高度,Tc为云顶温度,T为地表温度,ε为地表发射率。
可选地,地表温度包括陆地地表温度和海洋地表温度。
本实施例提供的电子设备,根据设置的天气条件建立估算参数化模型,根据该模型及获取的云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率估算阴天条件下长波下行辐射,实现有云时长波下行辐射的计算,弥补已有技术不能有效反演阴天条件下长波辐射的缺陷,为充分利用目前海量的遥感数据提供了可能,扩展了遥感数据的应用潜力,为全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域提供技术支撑。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种阴天条件下长波下行辐射估算方法,其特征在于,所述方法包括:
101,设置阴天的天气条件,根据所述天气条件模拟得到模拟库,并基于所述模拟库建立估算参数化模型;
102,利用遥感获取云顶温度,云顶高度,大气总水汽含量,地表温度,地表发射率;
103,根据遥感获取的云顶温度,获取的云顶高度,获取的大气总水汽含量,获取的地表温度,通过所述估算参数化模型估算阴天条件下长波下行辐射。
2.根据权利要求1所述的方法,其特征在于,所述天气条件包括如下的一种或多种:大气温度廓线,湿度廓线,云顶高度,云层厚度,地表温度,地表发射率。
3.根据权利要求1所述的方法,其特征在于,步骤101中根据所述天气条件模拟得到模拟库的实现步骤为:
201,基于所述天气条件,利用MODTRAN6辐射传输模型模拟生成各种大气条件下的长波下行辐射;
202,重复执行步骤201,建立模拟库。
4.根据权利要求3所述的方法,其特征在于,MODTRAN6模拟时的大气参数包括温度和湿度廓线,地表温度,大气水汽含量,云顶高度,云层厚度,地表海拔高度。
5.根据权利要求4所述的方法,其特征在于,
模拟时的温度和湿度廓线包括如下6种模式:中纬度夏季,中纬度冬季,美国标准大气,热带大气,亚极地冬季,亚极地夏季;
模拟时的地表温度中大气温度廓线最底层为±15开尔文;
模拟时的大气水汽含量范围为[0.02克/平方厘米-8克/平方厘米];
模拟时的云顶高度的范围为[0.5千米-10千米];
模拟时的云层厚度的范围为[0.5千米-3千米];
模拟时的地表海拔高度的范围为[0千米-5千米]。
6.根据权利要求5所述的方法,其特征在于,再次重复步骤201时,模拟时的地表温度中大气温度廓线最底层相比于前一次变化2开尔文,模拟时的大气水汽含量相比于前一次变化0.15克/平方厘米,模拟时的云顶高度相比于前一次变化1千米,模拟时的云层厚度相比于前一次变化0.5千米,模拟时的地表海拔高度相比于前一次变化0.5千米。
8.根据权利要求7所述的方法,其特征在于,所述地表温度包括陆地地表温度和海洋地表温度。
9.一种计算机存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一所述方法的步骤。
10.一种电子设备,其特征在于,包括存储器、以及一个或多个处理器,所述存储器用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器执行时,实现如权利要求1至8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911229917.8A CN110879923B (zh) | 2019-12-04 | 2019-12-04 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911229917.8A CN110879923B (zh) | 2019-12-04 | 2019-12-04 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110879923A true CN110879923A (zh) | 2020-03-13 |
CN110879923B CN110879923B (zh) | 2023-08-11 |
Family
ID=69729957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911229917.8A Active CN110879923B (zh) | 2019-12-04 | 2019-12-04 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879923B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486581A (zh) * | 2021-07-02 | 2021-10-08 | 宁夏大学 | 一种基于知识驱动和逻辑推理的机器学习地表温度估算方法、系统、存储介质及设备 |
CN114781655A (zh) * | 2022-06-16 | 2022-07-22 | 航天宏图信息技术股份有限公司 | 一种地表下行长波辐射通量的计算方法和装置 |
CN115795781A (zh) * | 2022-09-23 | 2023-03-14 | 北京大学 | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060212279A1 (en) * | 2005-01-31 | 2006-09-21 | The Board of Trustees of the University of Illinois and | Methods for efficient solution set optimization |
WO2009057190A1 (ja) * | 2007-10-29 | 2009-05-07 | Japan Agency For Marine-Earth Science And Technology | 気象シミュレーション装置、及び、方法 |
CN102338869A (zh) * | 2011-06-20 | 2012-02-01 | 北京师范大学 | 下行短波辐射和光合有效辐射数据的反演方法及系统 |
CN104899555A (zh) * | 2015-05-12 | 2015-09-09 | 中国科学院遥感与数字地球研究所 | 光学遥感图像云下地表温度及发射长波辐射的估算方法 |
CN105572677A (zh) * | 2016-03-23 | 2016-05-11 | 中国科学院遥感与数字地球研究所 | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 |
CN105652284A (zh) * | 2016-01-05 | 2016-06-08 | 中国科学院遥感与数字地球研究所 | 一种长波下行辐射的确定方法和装置 |
CN105808874A (zh) * | 2016-03-18 | 2016-07-27 | 中国科学院国家空间科学中心 | 一种大气顶层微波传输模型函数的建立方法及装置 |
CN106017678A (zh) * | 2016-06-12 | 2016-10-12 | 中国科学院上海技术物理研究所 | 一种热红外高光谱遥感数据在轨光谱定标方法 |
CN106372434A (zh) * | 2016-08-31 | 2017-02-01 | 中国科学院遥感与数字地球研究所 | 一种被动微波遥感瞬时地表发射率估算方法及装置 |
CN106547840A (zh) * | 2016-10-13 | 2017-03-29 | 国家卫星气象中心 | 一种全球三维大气数据的解析及管理方法 |
CN109297605A (zh) * | 2018-10-09 | 2019-02-01 | 北京大学 | 一种基于中红外与热红外数据的地表温度反演方法 |
CN109460532A (zh) * | 2018-10-24 | 2019-03-12 | 中国科学院地理科学与资源研究所 | 一种太阳直接辐射遥感计算方法和装置 |
CN109540339A (zh) * | 2018-12-29 | 2019-03-29 | 中国科学院大气物理研究所 | 用于分析高空气球平台大气温度测量受辐射影响的装置 |
CN109871637A (zh) * | 2019-03-06 | 2019-06-11 | 成都信息工程大学 | 一种云天条件下近地面气温估算方法 |
CN110175375A (zh) * | 2019-05-13 | 2019-08-27 | 中国科学院遥感与数字地球研究所 | 一种基于深度学习的地表太阳辐射计算方法 |
-
2019
- 2019-12-04 CN CN201911229917.8A patent/CN110879923B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060212279A1 (en) * | 2005-01-31 | 2006-09-21 | The Board of Trustees of the University of Illinois and | Methods for efficient solution set optimization |
WO2009057190A1 (ja) * | 2007-10-29 | 2009-05-07 | Japan Agency For Marine-Earth Science And Technology | 気象シミュレーション装置、及び、方法 |
CN102338869A (zh) * | 2011-06-20 | 2012-02-01 | 北京师范大学 | 下行短波辐射和光合有效辐射数据的反演方法及系统 |
CN104899555A (zh) * | 2015-05-12 | 2015-09-09 | 中国科学院遥感与数字地球研究所 | 光学遥感图像云下地表温度及发射长波辐射的估算方法 |
CN105652284A (zh) * | 2016-01-05 | 2016-06-08 | 中国科学院遥感与数字地球研究所 | 一种长波下行辐射的确定方法和装置 |
CN105808874A (zh) * | 2016-03-18 | 2016-07-27 | 中国科学院国家空间科学中心 | 一种大气顶层微波传输模型函数的建立方法及装置 |
CN105572677A (zh) * | 2016-03-23 | 2016-05-11 | 中国科学院遥感与数字地球研究所 | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 |
CN106017678A (zh) * | 2016-06-12 | 2016-10-12 | 中国科学院上海技术物理研究所 | 一种热红外高光谱遥感数据在轨光谱定标方法 |
CN106372434A (zh) * | 2016-08-31 | 2017-02-01 | 中国科学院遥感与数字地球研究所 | 一种被动微波遥感瞬时地表发射率估算方法及装置 |
CN106547840A (zh) * | 2016-10-13 | 2017-03-29 | 国家卫星气象中心 | 一种全球三维大气数据的解析及管理方法 |
CN109297605A (zh) * | 2018-10-09 | 2019-02-01 | 北京大学 | 一种基于中红外与热红外数据的地表温度反演方法 |
CN109460532A (zh) * | 2018-10-24 | 2019-03-12 | 中国科学院地理科学与资源研究所 | 一种太阳直接辐射遥感计算方法和装置 |
CN109540339A (zh) * | 2018-12-29 | 2019-03-29 | 中国科学院大气物理研究所 | 用于分析高空气球平台大气温度测量受辐射影响的装置 |
CN109871637A (zh) * | 2019-03-06 | 2019-06-11 | 成都信息工程大学 | 一种云天条件下近地面气温估算方法 |
CN110175375A (zh) * | 2019-05-13 | 2019-08-27 | 中国科学院遥感与数字地球研究所 | 一种基于深度学习的地表太阳辐射计算方法 |
Non-Patent Citations (5)
Title |
---|
CHENG WEIYI: "Objective Quantification of Convective clustering Observed During the AMIE/DYNAMO Two-Day Rain Episodes" * |
孙越君: "高分四号静止卫星数据的地表反照率反演" * |
王军: "针叶辐射传输模型研究" * |
赵静;阎广建;焦中虎;陈玲;储卿;: "SBDART的参数化短波辐射传输模型" * |
赵静;阎广建;焦中虎;陈玲;储卿;: "SBDART的参数化短波辐射传输模型", 遥感学报, no. 06 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486581A (zh) * | 2021-07-02 | 2021-10-08 | 宁夏大学 | 一种基于知识驱动和逻辑推理的机器学习地表温度估算方法、系统、存储介质及设备 |
CN114781655A (zh) * | 2022-06-16 | 2022-07-22 | 航天宏图信息技术股份有限公司 | 一种地表下行长波辐射通量的计算方法和装置 |
CN114781655B (zh) * | 2022-06-16 | 2022-09-13 | 航天宏图信息技术股份有限公司 | 一种地表下行长波辐射通量的计算方法和装置 |
CN115795781A (zh) * | 2022-09-23 | 2023-03-14 | 北京大学 | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110879923B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110879923A (zh) | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 | |
Wild et al. | Projections of long-term changes in solar radiation based on CMIP5 climate models and their influence on energy yields of photovoltaic systems | |
Dwyer et al. | Projected changes in the seasonal cycle of surface temperature | |
Massonnet et al. | A model reconstruction of the Antarctic sea ice thickness and volume changes over 1980–2008 using data assimilation | |
Wang et al. | Development and evaluation of a new regional coupled atmosphere–ocean model in the North Sea and Baltic Sea | |
Wei et al. | Coupling of a regional atmospheric model (RegCM3) and a regional oceanic model (FVCOM) over the maritime continent | |
US9507333B2 (en) | Method of predicting the energy consumption of a building | |
Chang et al. | Coupled response of the trade wind, SST gradient, and SST in the Caribbean Sea, and the potential impact on Loop Current's interannual variability | |
Williams et al. | Mechanisms of heat content and thermocline change in the subtropical and subpolar North Atlantic | |
Che et al. | Characteristics of the summer atmospheric boundary layer height over the Tibetan Plateau and influential factors | |
Cambon et al. | Assessing the impact of downscaled winds on a regional ocean model simulation of the Humboldt system | |
CN111652126B (zh) | 一种基于卫星云图的反演辐射方法 | |
Rode et al. | Simulation of moisture content in alpine rockwalls during freeze–thaw events | |
Helsen et al. | On the importance of the albedo parameterization for the mass balance of the Greenland ice sheet in EC-Earth | |
Peng et al. | A holistic assessment of 1979–2016 global cryospheric extent | |
CN113127794B (zh) | 一种北极海冰密集度的计算方法 | |
CN105652284A (zh) | 一种长波下行辐射的确定方法和装置 | |
Cha et al. | Impact of local sea surface temperature anomaly over the western North Pacific on extreme East Asian summer monsoon | |
CN107632327A (zh) | 地表太阳短波辐射的确定方法和装置 | |
Graham et al. | An observational study of air and water vapour convergence over the Bernese Alps, Switzerland, during summertime and the development of isolated thunderstorms | |
KR101614397B1 (ko) | 북극해 해빙 면적비 예측 시스템 및 예측 방법 | |
CN105572677A (zh) | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 | |
Luis et al. | Characteristics of atmospheric forcing and SST cooling events in the Gulf of Mannar during winter monsoon | |
Huang et al. | Development of CMAQ for East Asia CO 2 data assimilation under an EnKF framework: A first result | |
Huiru et al. | Simulating wave climate fluctuation in the Bohai Sea related to oscillations in the East Asian circulation over a sixty year period |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Estimation method, storage medium, and electronic equipment for longwave downward radiation under cloudy conditions Granted publication date: 20230811 Pledgee: China Co. truction Bank Corp Beijing Zhongguancun branch Pledgor: BEIJING SINOKEY TECHNOLOGY Co.,Ltd. Registration number: Y2024980013860 |