CN111178384A - 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 - Google Patents
一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN111178384A CN111178384A CN201911209371.XA CN201911209371A CN111178384A CN 111178384 A CN111178384 A CN 111178384A CN 201911209371 A CN201911209371 A CN 201911209371A CN 111178384 A CN111178384 A CN 111178384A
- Authority
- CN
- China
- Prior art keywords
- layer
- convective
- water vapor
- height
- convection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 111
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000003068 static effect Effects 0.000 claims abstract description 16
- 239000005436 troposphere Substances 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012950 reanalysis Methods 0.000 description 7
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 6
- 230000002349 favourable effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 4
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 239000005437 stratosphere Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于气象卫星的动力对流层顶高度反演方法,包括以下步骤,获取实时静止气象卫星成像仪数据和定位信息,计算中层、高层水汽通道亮温,长波红外通道亮温;获取数值预报模式的实时三维温度场信息,并与气象卫星进行时空匹配;获得对流层中层、高层平均比湿,将以上获得的预测因子数据输入回归预测模型,通过反演计算公式得到动力对流层顶高度;将反演计算得到的结果按像元输出。本发明反演方法得到的对流层顶高度结果与现有技术反演的结果保持一致,具备有效性,且能够获得比现有反演方法更高的空间分辨率和时间分辨率的动力对流层顶高度数据,有利于获得对流层顶的中尺度结构信息及天气气候特征。
Description
技术领域
本发明涉及气象遥感技术领域,尤其涉及一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备。
背景技术
大气对流层顶是对流层的上边界,是对流层和平流层之间的过渡层。在这个区域,大气属性,例如位涡、水汽、温度,以及化学属性含量,例如臭氧、二氧化硫、二氧化碳和很多氮氧化物浓度都会发生突变。大气对流层顶不仅会受到天气发展影响而具有日变化特征,还会随纬度和季节变化发生改变。
从19世纪末至今,国际上对对流层顶从不同角度给出了多种定义,例如,热力对流层顶、动力对流层顶、臭氧对流层顶以及最冷点对流层顶等。其中动力对流层顶是指位涡的零阶不连续面,现在常用2PVU(位涡单位)作为阈值来确定动力对流层顶高度(气压),在北半球取正值(2PVU),在南半球取负值(-2PVU)。近年来,气象学者发现动力对流层顶的异常变化(例如动力对流层顶折叠,穿透性对流等)与很多天气现象(包括热带气旋、温带气旋或者寒潮天气等)具有密切关系,可以帮助我们揭示这些天气现象发生发展的机理。因此,越来越受到重视,并作为一类重要的大气要素进行分析和监测。
现在大气动力对流层顶高度的反演计算方法主要基于数值预报资料(如温度、湿度、风场)来计算位涡,以及基于极轨气象卫星资料臭氧探空探测仪的信息再反演动力对流层顶高度,例如Aura/OMI卫星利用臭氧总量推导得到臭氧对流层顶,再反演获得大气动力对流层顶高度。这些资料本身的空间和时间分辨率较低,例如ECMWF数值预报资料空间分辨率为25km,时间分辨率最高为1小时;基于极轨气象卫星得到的动力对流层顶高度空间覆盖小,轨道宽度一般为1000km~2000km,时间分辨率低,一天经过同一个地方2次,间隔约12小时。例如极轨气象卫星Aura/OMI的空间分辨率约为24km,时间分辨率为12小时,单轨宽度为1440km。以上现有技术反演方法存在空间和时间分辨率较低的问题,不能满足动力对流层顶的中尺度特征以及其他相关的天气气候研究的要求,因此需要一种新的反演大气动力对流层顶高度(气压)的方法,从而获得更高时空分辨率的动力对流层顶高度。
发明内容
本发明的目的是提供一种基于静止气象卫星的动力对流层顶高度反演方法及装置,该方法能够基于静止气象卫星辐射成像仪资料及有关信息,反演得到动力对流层顶高度,便于深入认识大气动力对流层顶高度及其时空分布特征。
本发明提供了一种气象卫星动力对流层顶高度反演方法,包括以下步骤:
获取经过定位定标处理后的实时静止气象卫星成像仪数据和定位信息,计算中层水汽通道亮温、高层水汽通道亮温、长波红外通道亮温;
获取实时三维温度场信息,将所述温度场信息与所述气象卫星的观测时间及经纬度进行时空匹配;
利用匹配后的温度场数据,分别计算第一对流层高度范围的加权平均温度以及第二对流层高度范围的加权平均温度;
基于第一对流层高度范围的加权平均温度、第一对流层水汽通道亮温以及卫星天顶角获得第一对流层水汽通道平均比湿,基于第二对流层高度范围的加权平均温度、第二对流层水汽通道亮温以及卫星天顶角获得第二对流层水汽通道平均比湿;
将所述观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿以及第二对流层水汽通道平均比湿输入动力对流层顶高度回归预测模型,通过回归反演得到动力对流层顶高度;
将回归反演得到的动力对流层顶高度数据输出,并区分对流层顶高度。
根据本发明实施例,所述回归预测模型通过以下步骤构建:
收集气象卫星指定时间段的历史观测数据,构建训练样本集;其中,所述气象卫星指定时间段的历史数据包括观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿、第二对流层水汽通道平均比湿,以及对应的动力对流层顶高度;对所述训练样本集中的训练样本的经纬度进行粗化处理;
基于粗化处理的训练样本,采用随机森林回归法建立所述动力对流层顶高度回归预测模型。
根据本发明实施例,所述气象卫星指定时间段的历史观测数据包括6个月以上的包含日变化及季节变化的气象卫星观测数据,并且在空间上覆盖低纬度和中纬度以及高纬度地区。
根据本发明实施例,所述动力对流层顶高度回归预测模型用于反演动力对流层顶高度的计算式为,
其中,Y(t+Δt)是反演预测的动力对流层顶高度,xi是预测因子,Ki(t+Δt,xi)为回归预测模型,t为时间,Δ时为时间段的长度,n为预测因子的个数;
所述预测因子包括观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿、第二对流层水汽通道平均比湿。
根据本发明实施例,所述第一对流层水汽通道平均比湿、所述第一对流层水汽通道平均比湿计算步骤如下:
第一对流层高度范围的加权平均温度计算式为,
第二对流层高度范围的加权平均温度计算式为,
对流层的所述第一对流层/第二对流层水汽通道平均比湿计算式为,
根据本发明实施例,所述第一对流层水汽通道平均比湿、所述第一对流层水汽通道平均比湿计算步骤如下:
第一对流层高度范围的加权平均温度计算式为,
第二对流层高度范围的加权平均温度计算式为,
对流层的所述第一对流层/第一对流层水汽通道平均比湿计算式为,
根据本发明实施例,所述训练样本的经纬度粗化处理为所述训练样本的经度和纬度分别除以5°;
所述随机森林回归法中的集合数≥20。
根据本发明实施例,所述第一对流层水汽通道为波长5.8-6.7μm的通道;
所述第二对流层水汽通道为波长6.9-7.3μm的通道;
所述长波红外通道包含波长为10.3-11.3μm的第一红外通道和波长为11.5-12.5μm的第二红外通道。
本发明还提供了一种气象卫星动力对流层顶高度反演装置,所述装置包括:
静止气象卫星信息获取单元,用于获取经过定位定标处理后的实时静止气象卫星成像仪数据和定位信息;
通道亮温计算单元,用于计算第一对流层水汽通道亮温、第一对流层水汽通道亮温、长波红外通道亮温;
三维温度场信息获取单元,用于获取实时三维温度场信息,将所述温度场信息与所述气象卫星的观测时间及经纬度进行时空匹配;
温度场加权平均温度计算单元,用于利用匹配后的温度场数据来分别计算第一对流层高度范围的加权平均温度以及第二对流层高度范围的加权平均温度;
对流层平均比湿计算单元,基于第一对流层高度范围的加权平均温度、第一对流层水汽通道亮温以及卫星天顶角获得第一对流层水汽通道平均比湿,基于第二对流层高度范围的加权平均温度、第二对流层水汽通道亮温以及卫星天顶角获得第二对流层水汽通道平均比湿;
反演动力对流层顶高度计算单元,用于将所述观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿以及第二对流层水汽通道平均比湿输入动力对流层顶高度回归预测模型,通过回归反演得到动力对流层顶高度;
反演结果输出单元,用于将回归反演得到的动力对流层顶高度数据输出,并区分对流层顶高度。
本发明还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现以上所述基于气象卫星的动力对流层顶高度反演方法的步骤。
本发明还提供了一种计算机设备,包括:
存储器,其上存储有计算机程序;以及
处理器,用于执行所述存储器中的所述计算机程序,以实现以上所述基于气象卫星的动力对流层顶高度反演方法的步骤。
与现有技术相比,本发明的一个或多个实施例可以具有如下优点:
1、本发明基于静止气象卫星辐射成像资料及有关资料来对大气动力对流层顶高度进行反演,本发明的反演方法得到的对流层顶高度结果与现有技术反演的结果保持一致,具备有效性。
2、本发明基于静止气象卫星来反演大气动力对流层顶高度,能够获得比现有反演方法更高的空间分辨率和时间分辨率的动力对流层顶高度,有利于获得对流层顶的中尺度结构信息,有利于获得更高的时空分辨率对流层顶的天气气候特征,也有利于监测和预报对流层天气,并对航空飞行安全保障具有重要作用。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一示例的基于静止气象卫星的动力对流层顶高度反演流程示意图;
图2是本发明一示例构建回归预测模型流程示意图;
图3是本发明一示例基于风云4号A星多通道扫描成像辐射计反演动力对流层顶高度流程示意图;
图4是本发明一示例FY4A/AGRI通道9(水汽通道5.8-6.7μm)亮温灰度图像(2018年9月11日06:00UTC);
图5-1是本发明一示例ECMWF-Interim全球再分析资料(空间分辨率0.25°×0.25°)动力对流层顶高度(气压)分布图(图中赤道地区深褐色填色区为无效值);
图5-2是本发明一示例GEOS-5/MERRA-2全球再分析资料(空间分辨率0.5°×0.625°)动力对流层顶高度(气压)分布图;
图6是本发明一示例FY4A/AGRI应用本发明方法生成的动力对流层顶高度(气压)分布图(2018年9月11日06:00UTC);
图7-1ECMWF-Interim再分析的动力对流层顶高度(气压)与FY4A/AGRI应用本发明方法生成的动力对流层顶高度(气压)散点分布图(2018年9月11日06:00UTC);
图7-2GEOS-5/MERRA-2再分析的动力对流层顶高度(气压)与FY4A/AGRI应用本发明方法生成的动力对流层顶高度(气压)散点分布图(2018年9月11日06:00UTC)。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图对本发明作进一步地详细说明,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
动力对流层顶高度(气压)是气象和气候研究中重要的大气要素之一,目前除基于数值预报资料和少数基于极轨气象卫星资料臭氧探测仪(例如Aura/OMI卫星)可反演获得动力对流层顶高度以外,未公布有基于静止气象卫星辐射成像仪资料反演大气对流层顶高度的方法,本发明提供了一种基于静止气象卫星的高时空分辨率大气动力对流层顶高度(气压)反演处理的方法及装置。
目前“风云四号”(FY-4)系列静止卫星是我国第二代“风云”静止轨道气象卫星。该系列的应用目标是面向2020年前后中国气象局气象观测需求,仪器设计指标与美国和日本最新一代静止气象卫星GOES-R和Himawari系列相当。风云四号(FY-4)静止气象卫星上搭载了先进的静止轨道多通道扫描成像辐射计(Advanced GeosynchronousRadiation Imager,AGRI)(以下简称成像仪),其光谱范围为0.45-13.8μm,共有14个通道,其中包含3个可见光和近红外通道(光谱范围为0.45~0.9μm),3个短波红外(光谱范围为1.36~2.35μm),8个中长波红外通道(光谱范围为3.5~13.8μm)。除可见光和近红外通道以外,中长波红外通道的星下点水平分辨率为4km,中长波红外通道中现包含2个水汽通道(5.8-6.7μm)和(6.9-7.3μm),卫星水汽通道以及分裂窗红外通道的辐射值与大气动力对流层顶上的温度、水汽和风场具有密切关系。其中卫星水汽通道对对流层高层(~400hPa)和中层(~600hPa)的水汽具有较高的敏感性,另外2个分裂窗红外通道(10.3-11.3μm)和(11.5-12.5μm)对云和大气总水汽具有敏感性。
其中,静止气象卫星的高层水汽通道为波长5.8-6.7μm的通道,中层水汽通道为波长6.9-7.3μm的通道,长波红外通道包含波长为10.3-11.3μm的第一红外通道和波长为11.5-12.5μm的第二红外通道。
第一实施例
图1为本发明基于静止气象卫星的动力对流层顶高度反演流程示意图,
图2是本发明一示例构建回归预测模型流程示意图;
图3是本发明一示例基于风云4号A星多通道扫描成像辐射计反演动力对流层顶高度流程示意图;
本实施例中,第一对流层为对流层高层,第二对流层为对流层中层。
所述气象卫星动力对流层顶高度反演方法,包括以下步骤:
步骤S10:获取实时静止气象卫星成像仪数据和定位信息,计算中高层水汽通道亮温、长波红外通道亮温。
具体为,读取定位定标处理后的实时风云4号A星(简称FY4A)静止气象卫星成像仪AGRIL1B数据和定位信息,该数据为HDF5格式,其中包含高层水汽通道9(波长5.8-6.7μm)、中层水汽通道10(波长为6.9-7.3μm)、长波红外通道12(波长10.3-11.3μm)和长波红外通道13(波长11.5-12.5μm)通道计数值、定标系数、卫星天顶角、经纬度数据等。
根据上述各通道计数值和定标系数数据计算高层水汽通道9、中层水汽通道10、长波红外通道12和长波红外通道13的亮温,具体计算步骤不再赘述。
本实施例中使用的FY4A/AGRI L1B数据来自国家卫星气象中心,文件名为FY4A-_AGRI--_N_DISK_1047E_L1-_FDI_MULT_NOM_20180911060000_20180911061459_4000M_V0001.HDF以及FY4A-_AGRI--_N_DISK_1047E_L1-_GEO-_MULT_NOM_20180911060000_20180911061459_4000M_V0001.HDF;
步骤S20,获取数值预报模式的实时三维温度场信息,将温度场信息与气象卫星观测时间及经纬度进行时空匹配。
具体为,读取实时NCEP GDAS/FNL数值预报模式的6小时一次,空间分辨率为0.25°×0.25°的三维温度场资料;
本实施例中使用NCEP GDAS/FNL(Global Data Assimilation System/Finaloperationalglobal analysis and forecast,GDAS/FNL)全球分析和预报资料(空间分辨率为0.25°×0.25°),文件名为gdas1.fnl0p25.2018091106.f00.grib2.nc。
将上述的温度场信息与FY4A静止气象卫星观测时间及经纬度进行时空匹配。
步骤S30,采用第一对流层高度范围的加权平均温度、第一对流层水汽通道亮温和卫星天顶角信息获得第一对流层平均比湿,采用第二对流层高度范围的加权平均温度、第二对流层水汽通道亮温和和卫星天顶角信息获得第二对流层平均比湿。
具体为,使用步骤S20匹配后的温度场数据,分别计算对流层中层高度范围300hPa、400hPa、500hPa,以及对流层高层高度范围为400hPa、500hPa、600hPa的加权平均温度。
对流层高层高度范围的加权平均温度计算公式为,
对流层中层高度范围的加权平均温度计算公式为,
使用步骤S10读入的卫星天顶角定位信息和计算得到的通道9及通道10的亮温,计算通道9的平均比湿Q*Hi和通道10平均比湿Q*Mid,计算公式如下:
本发明的实施例,对流层中层、高层平均比湿计算公式还能简化为,
其中,c2为8.9,T0为240K,Tb为高层、中层水汽通道亮温,θ为卫星天顶角。
步骤S40,将以上步骤获得的预测因子数据输入回归预测模型,通过反演计算公式得到动力对流层顶高度。
本实施例使用的预测因子包括时间、经纬度、卫星天顶角、中层水汽通道亮温、高层水汽通道亮温、长波红外通道亮温、中层水汽通道平均比湿、高层水汽通道平均比湿。
本实施例,高层水汽通道为波长5.8-6.7μm的通道;中层水汽通道为波长6.9-7.3μm的通道;长波红外通道包含波长为10.3-11.3μm的第一红外通道和波长为11.5-12.5μm的第二红外通道。
本实施例构建回归预测模型包括以下步骤:
步骤S410,以观测站点的时间及经纬度获得对应静止气象卫星的中高层水汽通道及长波红外通道的亮温、计算卫星观测的对流层中层、高层平均比湿和卫星观测的动力对流层顶高度信息。
具体为,基于FY4A/AGRI长时间序列卫星观测资料,以观测站点的时间及经纬度获得FY4A静止气象卫星的中高层水汽通道及长波红外通道的亮温,并计算静止气象卫星观测的对流层中高层平均比湿,再获取GEOS-5/MERRA-2分析的动力对流层顶气压(空间分辨率0.5°×0.625°),或者获取ECMWF-Interim再分析资料计算得到的位涡大小为2PVU(PVU=10-6K)的动力对流层顶气压。
如图4是本实施例FY4A/AGRI通道9(水汽通道5.8-6.7μm)亮温的灰度图像(2018年9月11日06:00UTC)。
如图5-1是本实施例ECMWF-Interim全球再分析资料(空间分辨率0.25°×0.25°)动力对流层顶高度(气压)分布图。
如图5-2是本实施例GEOS-5/MERRA-2全球再分析资料(空间分辨率0.5°×0.625°)动力对流层顶高度(气压)分布图。
步骤S420,构建训练样本集。
本实施例,训练样本采用6个月以上包含日变化及季节变化的卫星观测资料与观测的动力对流层顶高度的信息,并且在空间上覆盖低纬度和中高纬度地区。
具体为,根据步骤410的信息建立匹配样本数据集,匹配数据集覆盖的时间范围为一年,从2017年8月1日至2018年7月31日每小时1次的FY4A/AGRI观测资料和GEOS-5/MERRA-2再分析的动力对流层顶高度(气压)提取样本,空间覆盖FY4A/AGRI观测区域(80°S-80°N,25°E-170°W);
步骤S430,对训练样本的经纬度进行粗化处理。
具体为,训练样本的经纬度粗化处理为所述训练样本的经度和纬度分别除以5°;
步骤S440,选用预测因子并采用随机森林回归法建立回归预测模型。
根据步骤S40选用的预测因子,基于上述训练样本集,利用随机森林回归法计算得到回归预测模型。其中随机森林回归法中的集合数≥20。
本实施例得到的回归预测模型反演动力对流层顶高度计算公式为,
其中,Y(t+Δt)是反演预测的动力对流层顶高度,xi是预测因子,Ki(t+Δt,xi)为回归预测模型。
把每个预测因子的系数Ki带入,并输入预测因子的值,即可反演动力对流层顶高度,例如,
步骤S50,将反演计算得到的动力对流层顶高度数据按像元输出,用不同方式来区分对流层顶高度。
反演结果按像元输出的方式为以下两种:一种是输出到二进制的反演结果文件;一种是输出到打印设备或显示设备,根据高度(气压)大小分别用不同颜色表示。
FY4A/AGRI应用本实施例方法生成的同时间的以位涡大小为2PVU为阈值确定的动力对流层顶高度(气压)分布图(2018年9月11日06:00UTC),如图6所示,对比图5-1、图5-2和图6,可以发现三者的空间分布和强度有非常高的一致性。
ECMWF-Interim再分析的动力对流层顶高度(气压)与FY4A/AGRI应用本发明方法生成的动力对流层顶高度(气压)散点分布图(2018年9月11日06:00UTC)如图7-1所示;由图7-1可见,两者呈显著的正相关关系,相关系数达到0.9603,均方根误差为42.96hPa。
GEOS-5/MERRA-2再分析的动力对流层顶高度(气压)与FY4A/AGRI应用本发明方法生成的动力对流层顶高度(气压)散点分布图(2018年9月11日06:00UTC)如图7-2所示,其中GEOS-5/MERRA-2全球再分析资料的空间分辨率为0.5°×0.625°,二者的相关系数达到0.9609,均方根误差为22.7hPa。
以上说明本发明的反演方法得到的对流层顶高度结果与现有技术反演的结果保持一致,具备有效性。
此外,目前全球数值预报模式的空间最高分辨率为0.25°,约25km,时间分辨率最高为1小时,探空探测的空间分辨率约200km,时间分辨率为12小时,而FY4A红外通道空间分辨率为4km,时间分辨率为5分钟-1小时,Himawari-8或者GOES-R的红外通道空间分辨率为2km,时间分辨率为5分钟-30分钟,这些静止气象卫星的空间和时间分辨率均远高于当前的数值预报模式和探空观测。
综上,本发明实施例基于静止气象卫星来反演大气动力对流层顶高度,能够获得比现有反演方法更高的空间分辨率和时间分辨率的动力对流层顶高度,有利于获得对流层顶的中尺度结构信息,有利于获得更高的时空分辨率对流层顶的天气气候特征,也有利于监测和预报对流层天气,并对航空飞行安全保障具有重要作用。
第二实施例
对于上述的方法,本发明实施例还提供了一种气象卫星动力对流层顶高度的反演装置,所述装置包括:
静止气象卫星信息获取单元,用于获取经过定位定标处理后的实时静止气象卫星成像仪数据和定位信息;
通道亮温计算单元,用于计算第一对流层水汽通道亮温、第一对流层水汽通道亮温、长波红外通道亮温;
三维温度场信息获取单元,用于获取实时三维温度场信息,将所述温度场信息与所述气象卫星的观测时间及经纬度进行时空匹配;
温度场加权平均温度计算单元,用于利用匹配后的温度场数据来分别计算第一对流层高度范围的加权平均温度以及高度范围的加权平均温度;
对流层平均比湿计算单元,基于第一对流层高度范围的加权平均温度、第一对流层水汽通道亮温以及卫星天顶角获得第一对流层水汽通道平均比湿,基于第二对流层高度范围的加权平均温度、第二对流层水汽通道亮温以及卫星天顶角获得第二对流层水汽通道平均比湿;
反演动力对流层顶高度计算单元,用于将所述观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿以及第二对流层水汽通道平均比湿输入动力对流层顶高度回归预测模型,通过回归反演得到动力对流层顶高度;
反演结果输出单元,用于将回归反演得到的动力对流层顶高度数据输出,并区分对流层顶高度。
本实施例中,第一对流层为对流层高层,第二对流层为对流层中层。
上述装置中各单元的具体实施过程为上述方法实施例中的内容。
第三实施例
对于第一实施例的方法,本发明还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一实施例中所述基于气象卫星的动力对流层顶高度反演方法的步骤。
第四实施例
对于第一实施例的方法,本发明还提供了一种计算机设备,包括:
存储器,其上存储有计算机程序;以及
处理器,用于执行所述存储器中的所述计算机程序,以实现第一实施例中所述基于气象卫星的动力对流层顶高度反演方法的步骤。
虽然本发明公开的实施方式如上,但的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,本发明的保护范围并不局限于文中公开的特定实施例,而是包括落入权利要求范围内的所有技术方案。
Claims (11)
1.一种基于气象卫星的动力对流层顶高度反演方法,其特征在于,包括以下步骤:
获取经过定位定标处理后的实时静止气象卫星成像仪数据和定位信息,计算第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温;
获取实时三维温度场信息,将所述温度场信息与所述气象卫星的观测时间及经纬度进行时空匹配;
利用匹配后的温度场数据,分别计算第一对流层高度范围的加权平均温度以及第二对流层高度范围的加权平均温度;
基于第一对流层高度范围的加权平均温度、第一对流层水汽通道亮温以及卫星天顶角获得第一对流层水汽通道平均比湿,基于第二对流层高度范围的加权平均温度、第二对流层水汽通道亮温以及卫星天顶角获得第二对流层水汽通道平均比湿;
将所述观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿以及第二对流层水汽通道平均比湿输入动力对流层顶高度回归预测模型,通过回归反演得到动力对流层顶高度;
将回归反演得到的动力对流层顶高度数据输出,并区分对流层顶高度。
2.根据权利要求1的动力对流层顶高度反演方法,其特征在于,所述回归预测模型通过以下步骤构建:
收集气象卫星指定时间段的历史观测数据,构建训练样本集;其中,所述气象卫星指定时间段的历史数据包括观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿、第二对流层水汽通道平均比湿,以及对应的动力对流层顶高度;对所述训练样本集中的训练样本的经纬度进行粗化处理;
基于粗化处理的训练样本,采用随机森林回归法建立所述动力对流层顶高度回归预测模型。
3.根据权利要求2的动力对流层顶高度反演方法,其特征在于,
所述气象卫星指定时间段的历史观测数据包括6个月以上的包含日变化及季节变化的气象卫星观测数据,并且在空间上覆盖低纬度和中纬度以及高纬度地区。
5.根据权利要求4的动力对流层顶高度反演方法,其特征在于,
所述第一对流层水汽通道平均比湿、所述第一对流层水汽通道平均比湿计算步骤如下:
第一对流层高度范围的加权平均温度计算式为,
第二对流层高度范围的加权平均温度计算式为,
对流层的所述第一对流层/第二对流层水汽通道平均比湿计算式为,
6.根据权利要求4的动力对流层顶高度反演方法,其特征在于,
所述第一对流层水汽通道平均比湿、所述第一对流层水汽通道平均比湿计算步骤如下:
第一对流层高度范围的加权平均温度计算式为,
第二对流层高度范围的加权平均温度计算式为,
对流层的所述第一对流层/第一对流层水汽通道平均比湿计算式为,
7.根据权利要求2的动力对流层顶高度反演方法,其特征在于,
所述训练样本的经纬度粗化处理为所述训练样本的经度和纬度分别除以5°;
所述随机森林回归法中的集合数≥20。
8.根据权利要求4的动力对流层顶高度反演方法,其特征在于,
所述第一对流层水汽通道为波长5.8-6.7μm的通道;
所述第二对流层水汽通道为波长6.9-7.3μm的通道;
所述长波红外通道包含波长为10.3-11.3μm的第一红外通道和波长为11.5-12.5μm的第二红外通道。
9.一种气象卫星动力对流层顶高度反演装置,其特征在于,所述装置包括:
静止气象卫星信息获取单元,用于获取经过定位定标处理后的实时静止气象卫星成像仪数据和定位信息;
通道亮温计算单元,用于计算第一对流层水汽通道亮温、第一对流层水汽通道亮温、长波红外通道亮温;
三维温度场信息获取单元,用于获取实时三维温度场信息,将所述温度场信息与所述气象卫星的观测时间及经纬度进行时空匹配;
温度场加权平均温度计算单元,用于利用匹配后的温度场数据来分别计算第一对流层高度范围的加权平均温度以及第二对流层高度范围的加权平均温度;
对流层平均比湿计算单元,基于第一对流层高度范围的加权平均温度、第一对流层水汽通道亮温以及卫星天顶角获得第一对流层水汽通道平均比湿,基于第二对流层高度范围的加权平均温度、第二对流层水汽通道亮温以及卫星天顶角获得第二对流层水汽通道平均比湿;
反演动力对流层顶高度计算单元,用于将所述观测时间、经纬度、卫星天顶角、第一对流层水汽通道亮温、第二对流层水汽通道亮温、长波红外通道亮温、第一对流层水汽通道平均比湿以及第二对流层水汽通道平均比湿输入动力对流层顶高度回归预测模型,通过回归反演得到动力对流层顶高度;
反演结果输出单元,用于将回归反演得到的动力对流层顶高度数据输出,并区分对流层顶高度。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8中任一项所述基于气象卫星的动力对流层顶高度反演方法的步骤。
11.一种计算机设备,其特征在于,包括:
存储器,其上存储有计算机程序;以及
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1至8中任一项所述基于气象卫星的动力对流层顶高度反演方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911209371.XA CN111178384B (zh) | 2019-12-01 | 2019-12-01 | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911209371.XA CN111178384B (zh) | 2019-12-01 | 2019-12-01 | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178384A true CN111178384A (zh) | 2020-05-19 |
CN111178384B CN111178384B (zh) | 2023-05-05 |
Family
ID=70656451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911209371.XA Active CN111178384B (zh) | 2019-12-01 | 2019-12-01 | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178384B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462369A (zh) * | 2020-10-30 | 2021-03-09 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种用于微波成像仪反演海上大气可降水的方法及装置 |
CN113095690A (zh) * | 2021-04-16 | 2021-07-09 | 中国气象局气象探测中心 | 地面观测站基本要素的质量滚动评估方法和装置 |
CN113532652A (zh) * | 2021-05-20 | 2021-10-22 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于浮标和大气再分析数据的红外遥感传感器绝对定标方法 |
CN113591387A (zh) * | 2021-08-05 | 2021-11-02 | 安徽省气象台 | 基于Huber范数约束的卫星资料反演降水方法及系统 |
CN118131366A (zh) * | 2024-05-07 | 2024-06-04 | 南京信息工程大学 | 一种大气对流层顶折叠现象的预报方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820250A (zh) * | 2015-04-14 | 2015-08-05 | 国家卫星气象中心 | 一种极轨气象卫星virr海洋上云检测的处理方法 |
CN106054283A (zh) * | 2016-05-27 | 2016-10-26 | 中国科学技术大学 | 一种反演上对流层与下平流层风场的方法及装置 |
CN108875254A (zh) * | 2018-07-03 | 2018-11-23 | 南京信息工程大学 | 一种大气温湿廓线的一维变分反演方法 |
CN109580003A (zh) * | 2018-12-18 | 2019-04-05 | 成都信息工程大学 | 一种静止气象卫星热红外数据估算近地面大气温度方法 |
-
2019
- 2019-12-01 CN CN201911209371.XA patent/CN111178384B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820250A (zh) * | 2015-04-14 | 2015-08-05 | 国家卫星气象中心 | 一种极轨气象卫星virr海洋上云检测的处理方法 |
CN106054283A (zh) * | 2016-05-27 | 2016-10-26 | 中国科学技术大学 | 一种反演上对流层与下平流层风场的方法及装置 |
CN108875254A (zh) * | 2018-07-03 | 2018-11-23 | 南京信息工程大学 | 一种大气温湿廓线的一维变分反演方法 |
CN109580003A (zh) * | 2018-12-18 | 2019-04-05 | 成都信息工程大学 | 一种静止气象卫星热红外数据估算近地面大气温度方法 |
Non-Patent Citations (6)
Title |
---|
吕达仁等: "平流层-对流层相互作用的多尺度过程特征及其与天气气候关系――研究进展", 《大气科学》 * |
寿亦萱等: "对流层顶折叠检测新方法及其在中纬度灾害性天气预报中的应用", 《大气科学》 * |
徐晓华等: "利用COSMIC掩星弯曲角数据分析中国区域对流层顶结构变化", 《地球物理学报》 * |
朱克云等: "基于通道差异及云指数法的西藏雷暴卫星云图特征分析", 《高原气象》 * |
袁等: "利用COSMIC数据分析全球对流层顶温度和高度的变化特性", 《空间科学学报》 * |
赵柏林等: "气象卫星遥感大气对流层顶的研究", 《科学通报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462369A (zh) * | 2020-10-30 | 2021-03-09 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种用于微波成像仪反演海上大气可降水的方法及装置 |
CN113095690A (zh) * | 2021-04-16 | 2021-07-09 | 中国气象局气象探测中心 | 地面观测站基本要素的质量滚动评估方法和装置 |
CN113532652A (zh) * | 2021-05-20 | 2021-10-22 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于浮标和大气再分析数据的红外遥感传感器绝对定标方法 |
CN113591387A (zh) * | 2021-08-05 | 2021-11-02 | 安徽省气象台 | 基于Huber范数约束的卫星资料反演降水方法及系统 |
CN113591387B (zh) * | 2021-08-05 | 2023-09-01 | 安徽省气象台 | 基于Huber范数约束的卫星资料反演降水方法及系统 |
CN118131366A (zh) * | 2024-05-07 | 2024-06-04 | 南京信息工程大学 | 一种大气对流层顶折叠现象的预报方法 |
CN118131366B (zh) * | 2024-05-07 | 2024-08-20 | 南京信息工程大学 | 一种大气对流层顶折叠现象的预报方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111178384B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178384A (zh) | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 | |
Wan et al. | Quality assessment and validation of the MODIS global land surface temperature | |
Guha et al. | Annual assessment on the relationship between land surface temperature and six remote sensing indices using Landsat data from 1988 to 2019 | |
Wargan et al. | The global structure of upper troposphere‐lower stratosphere ozone in GEOS‐5: A multiyear assimilation of EOS Aura data | |
Zhong et al. | Clear sky irradiances using REST2 and MODIS | |
Weisz et al. | Advances in simultaneous atmospheric profile and cloud parameter regression based retrieval from high‐spectral resolution radiance measurements | |
Şahin | Comparison of modelling ANN and ELM to estimate solar radiation over Turkey using NOAA satellite data | |
Vázquez-Cuervo et al. | The effect of aerosols and clouds on the retrieval of infrared sea surface temperatures | |
Liu et al. | Estimation of Summer Air Temperature over China Using Himawari‐8 AHI and Numerical Weather Prediction Data | |
CN111241698A (zh) | 对流层顶风场反演方法、装置、存储介质及计算机设备 | |
Jiang et al. | Split‐window algorithm for land surface temperature estimation from MSG1‐SEVIRI data | |
Etten‐Bohm et al. | Evaluating the relationship between lightning and the large‐scale environment and its use for lightning prediction in global climate models | |
Niu et al. | Performances between the FY‐4A/GIIRS and FY‐4B/GIIRS long‐wave infrared (LWIR) channels under clear‐sky and all‐sky conditions | |
Veenus et al. | A comparison of temperature and relative humidity measurements derived from COSMIC-2 radio occultations with radiosonde observations made over the Asian summer monsoon region | |
Xue et al. | One-dimensional variational retrieval of temperature and humidity profiles from the FY4A GIIRS | |
Zhan et al. | Improved estimation of the global top-of-atmosphere albedo from AVHRR data | |
Borbas et al. | MODIS atmospheric profile retrieval algorithm theoretical basis document | |
Chen et al. | Comparison of variability and change rate in tropospheric NO2 column obtained from satellite products across China during 1997–2015 | |
KR20190037855A (ko) | 수증기 채널 및 적외 채널을 이용한 상향 장파 복사 산출 방법 | |
Ronzio et al. | A survey on different radiative and cloud schemes for the solar radiation modeling | |
Ridwana et al. | Monitoring aerosol optical depth for air quality through Himawari-8 in urban area West Java Province Indonesia | |
Lee et al. | Total column ozone retrieval from the infrared measurements of a geostationary imager | |
Prijith et al. | Estimation of planetary boundary layer height using Suomi NPP-CrIS soundings | |
Jaiswal et al. | Intensification of tropical cyclone FANI observed by INSAT-3DR rapid scan data | |
Zhuge et al. | Dependence of simulation biases at AHI surface-sensitive channels on land surface emissivity over China |
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 |