CN111199092A - 太阳辐射遥感估算方法、系统及数据处理装置 - Google Patents
太阳辐射遥感估算方法、系统及数据处理装置 Download PDFInfo
- Publication number
- CN111199092A CN111199092A CN201911095337.4A CN201911095337A CN111199092A CN 111199092 A CN111199092 A CN 111199092A CN 201911095337 A CN201911095337 A CN 201911095337A CN 111199092 A CN111199092 A CN 111199092A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- solar radiation
- estimation
- sensing data
- cloud
- 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
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 title claims description 13
- 238000005286 illumination Methods 0.000 claims abstract description 20
- 238000002834 transmittance Methods 0.000 claims description 41
- 238000003860 storage Methods 0.000 claims description 25
- 238000012800 visualization Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 34
- 238000010521 absorption reaction Methods 0.000 description 21
- 239000000443 aerosol Substances 0.000 description 17
- 239000008276 ice cloud Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 8
- 239000002245 particle Substances 0.000 description 7
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 6
- 238000007499 fusion processing Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical compound [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004172 nitrogen cycle Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Landscapes
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明涉及一种太阳辐射遥感估算方法及系统,该方法包括分别获取晴空状况下的第一已知遥感数据,以及云天状况下太阳辐射的第二已知遥感数据;根据该第一已知辐射遥感数据和该第二已知遥感数据,分别构建晴空条件下的第一估算模型和云天条件下的第二估算模型;确定该第一估算模型和该第二估算模型的参数,并以该第一估算模型和该第二估算模型构建全天空状况下的太阳辐射遥感估算模型;以用户的输入遥感数据通过该太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度。本发明根据MODIS观测数据,基于宽波段辐射物理参数化方案估算地表太阳辐射,可满足遥感业务化监测需求,平衡了运行效率和精度。
Description
技术领域
本发明涉及地球科学计算领域,特别是涉及一种宽波段参数化的太阳辐射遥感估算方法。
背景技术
地表太阳辐射是地球生态系统最主要和最直接的能量来源,影响到地球上所有的物理、生物和化学过程;也是地表辐射交换中辐射能量的收入部分,对地表辐射平衡、地气能量交换以及各地天气气候的形成都具有决定性意义。同时也是全球变化研究中关于生态系统碳氮循环模型、水文模型及气候变化模型的必要参数。因此,地表辐射研究在国内外一些重大的研究计划中一直受到重视。
太阳辐射观测台站可以获得第一时间内的实测资料,积累大量的环境背景数据,但也存在其局限性,主要表现为:①太阳辐射的观测成本高,其观测密度远少于常规站气象要素的观测密度,全世界仅有太阳辐射观测站1000多个,其中我国约有100多个;②观测时期较短,且测站空间分布不均匀,不能保证研究所需的时间频率和空间覆盖率,获得较长时间序列、连续直观的区域地表太阳辐射受到限制。
利用卫星遥感反演得到地表太阳辐射解决了地面观测台站的局限。但高质量的遥感数据和复杂的辐射传输模型限制了传统卫星遥感反演的效率,许多经验关系被用来提高反演计算效率,但在非本地校准的区域内不能保证精度。此外,如何准确区别计算晴空和云天情况下的辐射透过率也是传统遥感反演方法面临的一个瓶颈。
故而,在这种背景下,一种新的、能够平衡地表辐射卫星遥感反演效率和精度的晴空和云天的物理参数化模型,为科研和产业中亟待解决的问题。
发明内容
本发明提出一种太阳辐射遥感估算方法,包括:分别获取晴空状况下的第一已知遥感数据,以及云天状况下太阳辐射的第二已知遥感数据;根据该第一已知遥感数据和该第二已知遥感数据,分别构建晴空条件下的第一估算模型和云天条件下的第二估算模型,并确定该第一估算模型和该第二估算模型的参数;以该第一估算模型和该第二估算模型构建全天空状况下的太阳辐射遥感估算模型;以用户的输入遥感数据通过该太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度。
进一步的,该太阳辐射遥感估算模型为:其中,Rall为实际地表太阳辐射照度,Rclr为晴空状况下的地表太阳辐射照度,Rcld为云天状况下的地表太阳辐射照度,ρa,clr为晴空状况下的大气球面反照率,ρa,cld为云天状况下的大气球面反照率,ρg为地表反照率,cf为云量参数,0≤cf≤1。
优选的,该第一估算模型为:其中,S为太阳常数,d1为该第一已知遥感数据对应的地日距离,d0为地日平均距离,μ1为该第一已知遥感数据对应的太阳天顶角的余弦值,为晴空状况下的全波段光束透过率,为晴空状况下的散射透过率。
优选的,该第二估算模型为:其中,S为太阳常数,d2为该第二已知遥感数据对应的地日距离,d0为地日平均距离,μ2为该第二已知遥感数据对应的太阳天顶角的余弦值,为云天状况下的全波段光束透过率,为云天状况下的散射透过率。
进一步的,该第一已知遥感数据和该第二已知遥感数据包括:卫星大气陆地产品,并通过该卫星大气陆地产品中标定的云晴标记和/或辐射地面观测数据将该卫星大气陆地产品划分为该第一已知遥感数据或该第二已知遥感数据。
进一步的,该输入遥感数据包括:该用户指定的估算时间和估算范围及对应的卫星大气陆地产品,该输入遥感数据的存储位置和该太阳辐射遥感估算模型输出结果的存储位置。
优选的,该卫星大气陆地产品为MODIS大气云产品。
优选的,该方法还包括:对该太阳辐射遥感估算模型输出的实际地表太阳辐射照度进行可视化,并提供给该用户。
本发明还提出一种太阳辐射遥感估算系统,包括:模型构建模块,用于根据已知遥感数据,构建全天空状况下的太阳辐射遥感估算模型;估算模块,用于将用户的输入遥感数据,通过该太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度。
进一步的,该模型构建模块包括:已知数据获取模块,用于分别获取晴空状况下的第一已知遥感数据,以及云天状况下太阳辐射的第二已知遥感数据;晴空模型构建模块,用于根据该第一已知遥感数据构建晴空条件下的第一估算模型,并确定该第一估算模型的参数;云天模型构建模块,用于根据该第二已知遥感数据构建云天条件下的第二估算模型,并确定该第二估算模型的参数;全天空模型构建模块,用于以该第一估算模型和该第二估算模型构建全天空状况下的太阳辐射遥感估算模型。
进一步的,该全天空模型构建模块构建的太阳辐射遥感估算模型为:其中,Rall为实际地表太阳辐射照度,Rclr为晴空状况下的地表太阳辐射照度,Rcld为云天状况下的地表太阳辐射照度,ρa,clr为晴空状况下的大气球面反照率,ρa,cld为云天状况下的大气球面反照率,ρg为地表反照率,cf为云量参数,0≤cf≤1。
优选的,该晴空模型构建模块构建的该第一估算模型为:其中,S为太阳常数,d1为该第一已知遥感数据对应的地日距离,d0为地日平均距离,μ1为该第一已知遥感数据对应的太阳天顶角的余弦值,为晴空状况下的全波段光束透过率,为晴空状况下的散射透过率。
优选的,该云天模型构建模块构建的该第二估算模型为:其中,S为太阳常数,d2为该第二已知遥感数据对应的地日距离,d0为地日平均距离,μ2为该第二已知遥感数据对应的太阳天顶角的余弦值,为云天状况下的全波段光束透过率,为云天状况下的散射透过率。
进一步的,该已知数据获取模块获取的该第一已知遥感数据和该第二已知遥感数据包括:卫星大气陆地产品,并通过该卫星大气陆地产品中标定的云晴标记和/或辐射地面观测数据将该卫星大气陆地产品划分为该第一已知遥感数据或该第二已知遥感数据。
进一步的,输入该估算模块的输入遥感数据包括:该用户指定的估算时间和估算范围及对应的卫星大气陆地产品,该输入遥感数据的存储位置和该太阳辐射遥感估算模型输出结果的存储位置。
优选的,该卫星大气陆地产品为MODIS大气云产品。
优选的,该系统还包括:可视化模块,用于对该太阳辐射遥感估算模型输出的实际地表太阳辐射照度进行可视化,并提供给该用户。
本发明还提出一种可读存储介质,存储有可执行指令,该可执行指令用于执行如前所述的太阳辐射遥感估算方法。
本发明还提出一种数据处理装置,包括如前所述的可读存储介质,该数据处理装置调取并执行该可读存储介质中的可执行指令,接收用户的输入遥感数据,并估算得到对应的实际地表太阳辐射照度。
本发明提出的太阳辐射遥感估算方法,根据各个窄波段上冰云水云的光学厚度、粒子半径、单次散射反照率和非对称因子发展出整个全波段上的有效系数来分别计算云吸收率及散射率,提高了运行效率;并针对晴空和云天各自不同辐射状况,采取了各自相应的太阳辐射参数化方案,这种对晴空和云天的物理参数化方式将有利于在高性能计算机上进行太阳辐射遥感反演的分布式计算,平衡了运行效率和精度。
附图说明
图1是本发明的构建太阳辐射遥感估算模型流程图。
图2是本发明的太阳辐射遥感估算方法流程图。
图3是本发明的太阳辐射遥感估算系统的结构示意图。
图4是本发明的太阳辐射遥感估算系统进行估算的流程图。
图5是本发明的数据处理装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作详细的说明,以进一步了解本发明之目的、方案及功效。
本发明提供的宽波段参数化的太阳辐射遥感估算方法包括模型构建和结果估算两个相对独立的过程,本发明的估算方法具备以下优势:
1、所有参数化过程基于物理过程演算的,没有利用其它经验关系,有效提高了模型的泛化能力和地表太阳辐射检索的准确性;
2、将整个大气看做是单层的,因此无需考虑大气参数的垂直剖面,提高了模型计算效率,也避免了大气参数垂直剖面数据获取的问题;
3、采用全波段形式,将整个短波波段(300-4000nm)视为一个波段进行处理,和其他方法(需要将短波波段分成多个波段单独进行参数化)相比,简化了参数化过程,实现了检索精度和计算效率的有效平衡。
本发明的估算模型构建过程的基本思想是:针对晴空和云天各自不同辐射状况,采取了各自相应的太阳辐射参数化方案。根据各个窄波段上冰云水云的光学厚度、粒子半径、单次散射反照率和非对称因子发展出整个全波段上的有效系数来分别计算云吸收率及散射率。进而基于整个全波段上的有效系数建立宽波段参数化的太阳辐射遥感估算模型。
本发明所要解决的技术问题在于提供一种宽波段参数化的太阳辐射遥感估算方法及估算系统,用于解决地太阳表辐射地面观测台站的不足、传统遥感反演方法受限卫星遥感反演效率和精度的问题。
本发明进一步解决了晴空和云天地表太阳辐射反演方案问题,针对晴空和云天各自不同辐射状况,采取了各自相应的太阳辐射参数化方案,有利于在高性能计算机上进行太阳辐射遥感反演的分布式计算。
为达到上述目的,本发明提供的太阳辐射遥感估算方法,包括:
1、获取已知遥感数据,即以晴空状况下太阳辐射的第一已知遥感数据及云天状况下太阳辐射的第二已知遥感数据;于本发明的实施例,已知遥感数据为卫星大气陆地产品,优选MODIS的大气云产品,第一已知遥感数据和第二已知遥感数据通过以下两种情况方法具体中的至少一种进行划分:
(1)使用MODIS的大气云产品中标定的云及晴空标记来划分(判定);
(2)采用频率密度峰值(PeakFrequency Density,PFD)依靠高时间分辨率的辐射地面观测数据来划分(判定);
2、根据第一已知遥感数据和第二已知遥感数据,分别构建晴空条件下的第一估算模型和云天条件下的第二估算模型,并确定第一估算模型和第二估算模型的参数;其中,
S为太阳常数,d0为地日平均距离,d1为第一已知遥感数据对应的地日距离,d2为第二已知遥感数据对应的地日距离,μ1为第一已知遥感数据对应的太阳天顶角的余弦值,μ2为该第二已知遥感数据对应的太阳天顶角的余弦值,为晴空状况下的全波段光束透过率,为晴空状况下的散射透过率,为云天状况下的全波段光束透过率,为云天状况下的散射透过率;
3、以第一估算模型和第二估算模型构建全天空状况下的太阳辐射遥感估算模型;其中,
Rall为实际地表太阳辐射照度,Rclr为晴空状况下的地表太阳辐射照度,Rcld为云天状况下的地表太阳辐射照度,ρa,clr为晴空状况下的大气球面反照率,ρa,cld为云天状况下的大气球面反照率,ρg为地表反照率,cf为云量参数,0≤cf≤1。
4、以用户的输入遥感数据通过太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度,并将获得的实际地表太阳辐射照度进行可视化后提供给该用户;其中,用户输入的遥感数据包括:用户指定的估算时间和估算范围及对应的卫星大气陆地产品,输入遥感数据的存储位置和太阳辐射遥感估算模型输出结果的存储位置,于本发明的实施例,输入的遥感数据为卫星大气陆地产品,优选MODIS的大气云产品。
具体来说,本发明的方法是对整个地表太阳辐照度(SSI)进行参数化,分为晴空、多云和全天空条件下的三个模型。
一、晴空状况的估算模型
晴空状况下的SSI由公式(1)获得:
其中,S为太阳常数,d0为地日平均距离,d1为晴空状况下的已知遥感数据(第一已知遥感数据)对应的地日距离,μ1为当前已知遥感数据对应的太阳天顶角的余弦值,为晴空状况下的全波段光束透过率,为晴空状况下的散射透过率,ρa,clr为晴空状况下的大气球面反照率;
其中:和分别由瑞利散射和气溶胶散射引起的漫射透射,τ0、τg、τw、τaa分別代表臭氧、水蒸气、均匀混合气体和气溶胶吸收的透过率,τas、τr分別表示气溶胶和瑞利散射的透过率,faer(·)表示气溶胶引起的前向散射比率。公式(1)中的晴空状况下的大气球面反照率ρa,clr为:
faer(·)=0.4482+(5.3664-22.1608t+28.699t2-11.1348t3)·g'a (5)
t=(μ1+0.1)0.25 (6)
ga表示晴空状况下气溶胶的非对称因子,于本发明的实施例,ga设为0.7;
二、云天状况下的估算模型
云天状况下的SSI由公式(8)获得:
其中,S为太阳常数,d0为地日平均距离,d2为云天状况下的已知遥感数据(第二已知遥感数据)对应的地日距离,μ2为当前已知遥感数据对应的太阳天顶角的余弦值,为云天状况下的全波段光束透过率,为云天状况下的散射透过率,ρa,cld为云天状况下的大气球面反照率;
其中,为由瑞利引起的漫射透射,为由气溶胶引起的漫射透射,为由水云引起的漫射透射,为由冰云引起的漫射透射,τwca为水云吸收的透过率,τwcs为水云散射的透过率,τica为冰云吸收的透过率,τics为冰云散射的透过率,fliq(·)为水云和冰云引起的前向散射比率,fice(·)为水云和冰云引起的前向散射比率,
公式(8)中的云天状况下的大气球面反照率ρa,cld为:
三、全天空状况下的估算模型
太阳辐射遥感估算模型为:
Rall为实际地表太阳辐射照度,Rclr为晴空状况下的地表太阳辐射照度,Rcld为云天状况下的地表太阳辐射照度,ρa,clr为晴空状况下的大气球面反照率,ρa,cld为云天状况下的大气球面反照率,ρg为地表反照率,cf为云量参数,0≤cf≤1。
四、对估算模型的细化
现有技术方案中,气溶胶的透过率值通常只考虑散射过程,不考虑吸收过程。本发明针对此缺陷进行了细化,使得水汽和气溶胶透过率同时考虑了散射和吸收过程。上述估算模型中,细化后的其他相关参数的表达式如下:
τ0=exp[-0.0365(ml)0.7136] (21)
τg=exp[-0.0117(ml)0.3139] (22)
τw=min[1.0,0.909-0.036ln(mw)] (23)
τr=exp[-0.0087mc(0.547+0.014mc-0.00038mc 2+4.6×10-6mc 3)-4.08] (24)
τaa=exp{-mβ[0.6777+0.1464(mβ)-0.00626(mβ)2](1-wa)} (25)
τas=exp{-mβ[0.6777+0.1464(mβ)-0.00626(mβ)2]wa} (26)
其中,
m=1/[sinh+0.15(57296h+3.885)-1.253] (27)
mc=mps/p0 (28)
五、窄波段估算模型有效系数的详细参数化方案
基于宽带方案,本发明还提出了云层吸收和散射的全波段传输特性。在这个方案中,整个短波范围被分成11个宽带,每个宽带的光学特性如下:
di=CWP(a0,i+a1,i/re) (29)
1-ωi=b0,i+b1,ire+b2,ire 2 (30)
gi=c0,i+c1,ire+c2,ire 2 (31)
i表示11个宽频带的索引,di为水/冰云光学厚度,re为云的有效粒子半径,ωi为单次散射反照率,gi为非对称因子,CWP为水/冰云路径,a0,i、a1,i、b0,i、b1,i、b2,i、c0,i、c1,i、c2,i表示给定系数,这些系数可在现有文献(Chou,M.-D.,and M.J.Suarez(1999),A solarradiation parameterization for atmospheric studies,NASATech.Memo,104606,40.)中检索到。
在本发明的方法中,上述三个性质的全波段有效值被参数化如下:
本发明还提出一种太阳辐射遥感估算系统,包括:
1、模型构建模块,用于根据已知遥感数据,构建全天空状况下的太阳辐射遥感估算模型;
2、估算模块,用于将用户的输入遥感数据,通过太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度;
3、可视化模块,用于对太阳辐射遥感估算模型输出的实际地表太阳辐射照度进行可视化,并提供给该用户。
具体的,本发明的模型构建模块包括:
1.1已知数据获取模块,用于分别获取晴空状况下的已知遥感数据,以及云天状况下太阳辐射的已知遥感数据;
1.2晴空模型构建模块,用于根据已知遥感数据构建晴空条件下的估算模型,并确定估算模型的参数;
1.3云天模型构建模块,用于根据已知遥感数据构建云天条件下的估算模型,并确定估算模型的参数;
1.4全天空模型构建模块,用于以晴空条件下的估算模型和云天条件下的估算模型构建全天空状况下的太阳辐射遥感估算模型。
接下来以具体实施例对本发明的太阳辐射估算方案进行进一步的说明。
图1示出了本发明宽波段参数化的太阳辐射遥感估算模型构建过程的具体实施流程。参考图1,本发明宽波段参数化的太阳辐射遥感估算中,建立估算模型的过程进一步包括以下步骤:
步骤S101,匹配卫星大气、陆地产品数据集。
大气云产品中标定的云及晴空标记,为步骤S102的晴空和云天各自相应的太阳辐射参数化方案的建立提供判定基础。晴空和云天的判定采用两种方式,一是使用MODIS的大气云产品中标定的云及晴空标记来判定,第二是采用频率密度峰值(Peak FrequencyDensity,PFD)依靠高时间分辨率的辐射地面观测数据来判定。
步骤S102,针对晴空和云天各自不同辐射状况,采取了各自相应的太阳辐射参数化方案。
太阳辐射参数化方案:对于晴空状况,直射透过率是臭氧、水汽、混合气体、气溶胶透过率和吸收率以及瑞利散射的综合函数,而漫射透过率则是气体瑞利散射和气溶胶散射之和,对于气溶胶散射的漫射透过率计算加入了前向散射比,其大小与气溶胶非对称因子的大小有关。对于云天状况,直射透过率是晴天直射透过率与水云、冰云的吸收率和散射率的函数,而漫射透过率则是气体瑞利散射、气溶胶散射、水云散射和冰云散射之和。其中,云的漫射透过率需要分别对水汽和冰云分别计算,而前向散射系数的大小与水云和冰云各自的非对称因子大小有关。
步骤S103,利用各个窄波段发展出整个全波段上的有消系数。
根据各个窄波段上冰云水云的光学厚度、粒子半径、单次散射反照率和非对称因子发展出整个全波段上的有效系数来分别计算云吸收率及散射率。这种对晴空和云天的物理参数化方式将有利于在高性能计算机上进行太阳辐射遥感反演的分布式计算。以之作为构建宽波段参数化的太阳辐射遥感估算模型基础。
步骤S104,根据有效系数构建宽波段参数化的太阳辐射遥感估算模型。
宽波段参数化的太阳辐射遥感估算模型是基于物理参数化过程构建的,不存在任何的经验关系。即太阳辐射在穿过大气的时候有部分能量被水汽吸收、有部分能量被气体吸收、有部分能量被气溶胶散射或者吸收、有部分被臭氧吸收,通过模型详细计算太阳辐射被上述不同因子吸收、反射以及散射的量而最终求得到达地表的太阳辐射能量。
图2示出了本发明宽波段参数化的太阳辐射遥感估算过程的具体实施例流程。参考图2,本发明估算方法中宽波段参数化的太阳辐射遥感估算过程具体包括以下步骤:
步骤S201,根据用户估算需求生成估算请求。
用户估算需求包括用户指定估算的时间和划定估算范围,相应MODIS大气参数数据存储位置以及反演估算得到的瞬时实际地表辐射结果输出位置。
步骤S202,根据估算请求进行估算。
根据步骤S201中的估算请求,检索得到用户指定的日期和划定的实际地表估算范围,然后根据相应日期和范围检索用来太阳辐射遥感估算的各大气参数的存储位置,从而得到估算结果。
步骤S203,对估算结果进行融合处理。
对于用户指定的日期,可能出现与该日期对应的多个时刻多景影像,或者包含划定范围的多景估算结果,需要对多景瞬时地表辐射估算结果影像进行融合处理,得到用户关注区域的最终估算结果。
步骤S204,生成估算响应并返回估算结果。
估算响应对瞬时地表辐射估算结果进行封装,根据步骤S201中用户的估算请求中设置好的估算结果存储位置进行存储。例如,输出TIFF格式或TXT格式存储并返回给用户。
步骤S205,估算结果的可视化。
基于MATLAB实现地表辐射估算结果的可视化,将估算结果直观形象的展示给用户,并可进行相应的查询和统计功能。
参考图3,本发明示出了一种宽波段参数化的太阳辐射遥感估算系统(图3),系统分为模型构建子系统、估算子系统和可视化子系统。
模型构建子系统301包括:数据检索单元3011、太阳辐射参数化方案单元3012、全波段估算单元3013和模型构建单元3014。
数据检索单元3011是进行太阳辐射反演的前期数据准备阶段,在整个模型构建子系统和估算子系统中都会被用到。数据检索单元3011可以根据估算请求单元3021用户动态输入估算需求(估算日期和估算实际地表范围),或者以提前设置好的配置文件形式导入到系统中,根据需求动态的检索相对应的遥感卫星大气数据,数据检索单元以静态方式存在于模型构建单元3013中,并在估算子系统302共享同一个数据检索单元3011,避免了频繁的构造数据检索单元。
太阳辐射参数化方案单元3012在数据检索单元的遥感大气云产品提供的标定云及晴空标记的基础上,根据晴空和云天不同的辐射状况,利用检索到的各大气参数数据采取不同的太阳辐射参数化方案。
全波段估算单元3013涉及各个窄波段发展出宽波段有效系数计算实际地表太阳辐射情况,其前提是太阳辐射参数化方案单元3012提供的太阳辐射参数化方案。
模型构建单元3014根据辐射传输模型,和全波段有效参数的计算结果,得到实际天气情况下的真实瞬时地表太阳辐射。
估算子系统302包括:估算请求单元3021、估算结果融合处理单元3022、估算结果存储单元3023。
估算请求单元3021涉及请求配置文件,请求配置文件可以为XML格式或TXT格式,由估算日期、估算范围、输出存储位置三个参数构成。其中,输出存储位置涉及对输出数据类型和格式的定义。估算请求单元3021为数据检索单元3011提供数据检索条件,是系统运行的基础。
估算结果融合处理单元3022对存在的多景瞬时地表辐射估算结果影像进行融合处理,得到用户关注区域的最终估算结果。其包括融合结果和数据库中存储的结果进一步融合得到不同时间尺度(年均、月均、日均等)和不同空间尺度(区域、国家、全球等)的地表辐射数据集。并且融合结果可直接输出到可视化单元3032。
估算结果存储单元3023对融合处理的最终结果按照用户的需求进行存储,可以是TXT或者TIFF等多种格式。
可视化子系统303包括:查询统计单元3031,可视化单元3032。
查询统计单元3031基于可视化单元的结果,对可视化结果进行辐射值查询和辐射值统计出图。
可视化单元3032:根据处理单元3031的结果执行可视化,封装MATLAB,进行估算结果的直观展示。
估算模型构建流程如图4,模型构建子系统的实施流程具体包括:
步骤S401,准备处理相应的卫星大气陆地产品,包括可降水含量、臭氧层厚度、气溶胶光学厚度、气压、云水路径、云有效粒子半径等产品;
步骤S402,根据遥感大气云产品中标定的云及晴空标记,针对晴空和云天建立各自相应的太阳辐射参数化方案。晴空情况下,计算水汽的吸收、混合气体的吸收、气溶胶吸收、臭氧吸收、气溶胶散射和瑞利散射;对有云情况,根据云属性进一步判断是冰云还是水云;
步骤S403,根据各个窄波段上冰云水云的光学厚度、粒子半径、单次散射反照率和非对称因子发展出整个全波段上的有效系数来分别计算云吸收率及散射率。得到晴空情况下的晴空吸收率和晴空散射率,有云情况下的水云吸收、水云散射、冰云吸收和冰云散射;
步骤S404,根据辐射传输模型得到晴空地表太阳辐射、云天地表太阳辐射,并结合实际地面云覆盖率和地表反照率计算得到实际地表太阳辐射。
图5是本发明的数据处理装置示意图。如图5所示,本发明实施例还提供一种可读存储介质,以及一种数据处理装置。本发明的可读存储介质存储有计可执行指令,可执行指令被数据处理装置的处理器执行时,实现上述太阳辐射估算方法。本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成,所述程序可以存储于可读存储介质中,如只读存储器、磁盘或光盘等。上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块可以采用硬件的形式实现,例如通过集成电路来实现其相应功能,也可以采用软件功能模块的形式实现,例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明实施例不限制于任何特定形式的硬件和软件的结合。
与现有技术相比,本发明的有益技术效果在于:
(1)根据各个窄波段上冰云水云的光学厚度、粒子半径、单次散射反照率和非对称因子发展出整个全波段上的有效系数来分别计算云吸收率及散射率,提高了运行效率。
(2)针对晴空和云天各自不同辐射状况,采取了各自相应的太阳辐射参数化方案,这种对晴空和云天的物理参数化方式将有利于在高性能计算机上进行太阳辐射遥感反演的分布式计算,平衡了运行效率和精度。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变形,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (19)
1.一种太阳辐射遥感估算方法,其特征在于,包括:
分别获取晴空状况下的第一已知遥感数据,以及云天状况下太阳辐射的第二已知遥感数据;
根据该第一已知遥感数据和该第二已知遥感数据,分别构建晴空条件下的第一估算模型和云天条件下的第二估算模型,并确定该第一估算模型和该第二估算模型的参数;
以该第一估算模型和该第二估算模型构建全天空状况下的太阳辐射遥感估算模型;
以用户的输入遥感数据通过该太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度。
5.如权利要求1所述的太阳辐射遥感估算方法,其特征在于,该第一已知遥感数据和该第二已知遥感数据包括:卫星大气陆地产品,并通过该卫星大气陆地产品中标定的云晴标记和/或辐射地面观测数据将该卫星大气陆地产品划分为该第一已知遥感数据或该第二已知遥感数据。
6.如权利要求1所述的太阳辐射遥感估算方法,其特征在于,该输入遥感数据包括:该用户指定的估算时间和估算范围及对应的卫星大气陆地产品,该输入遥感数据的存储位置和该太阳辐射遥感估算模型输出结果的存储位置。
7.如权利要求5或6所述的太阳辐射遥感估算方法,其特征在于,该卫星大气陆地产品为MODIS大气云产品。
8.如权利要求1所述的太阳辐射遥感估算方法,其特征在于,还包括:对该太阳辐射遥感估算模型输出的实际地表太阳辐射照度进行可视化,并提供给该用户。
9.一种太阳辐射遥感估算系统,其特征在于,包括:
模型构建模块,用于根据已知遥感数据,构建全天空状况下的太阳辐射遥感估算模型;
估算模块,用于将用户的输入遥感数据,通过该太阳辐射遥感估算模型获得对应的实际地表太阳辐射照度。
10.如权利要求9所述的太阳辐射遥感估算系统,其特征在于,该模型构建模块包括:
已知数据获取模块,用于分别获取晴空状况下的第一已知遥感数据,以及云天状况下太阳辐射的第二已知遥感数据;
晴空模型构建模块,用于根据该第一已知遥感数据构建晴空条件下的第一估算模型,并确定该第一估算模型的参数;
云天模型构建模块,用于根据该第二已知遥感数据构建云天条件下的第二估算模型,并确定该第二估算模型的参数;
全天空模型构建模块,用于以该第一估算模型和该第二估算模型构建全天空状况下的太阳辐射遥感估算模型。
14.如权利要求10所述的太阳辐射遥感估算系统,其特征在于,该已知数据获取模块获取的该第一已知遥感数据和该第二已知遥感数据包括:卫星大气陆地产品,并通过该卫星大气陆地产品中标定的云晴标记和/或辐射地面观测数据将该卫星大气陆地产品划分为该第一已知遥感数据或该第二已知遥感数据。
15.如权利要求9所述的太阳辐射遥感估算系统,其特征在于,输入该估算模块的输入遥感数据包括:该用户指定的估算时间和估算范围及对应的卫星大气陆地产品,该输入遥感数据的存储位置和该太阳辐射遥感估算模型输出结果的存储位置。
16.如权利要求14或15所述的太阳辐射遥感估算系统,其特征在于,该卫星大气陆地产品为MODIS大气云产品。
17.如权利要求9所述的太阳辐射遥感估算系统,其特征在于,还包括:
可视化模块,用于对该太阳辐射遥感估算模型输出的实际地表太阳辐射照度进行可视化,并提供给该用户。
18.一种可读存储介质,存储有可执行指令,该可执行指令用于执行如权利要求1~8任一项所述的太阳辐射遥感估算方法。
19.一种数据处理装置,包括如权利要求18所述的可读存储介质,该数据处理装置调取并执行该可读存储介质中的可执行指令,接收用户的输入遥感数据,并估算得到对应的实际地表太阳辐射照度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095337.4A CN111199092A (zh) | 2019-11-11 | 2019-11-11 | 太阳辐射遥感估算方法、系统及数据处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095337.4A CN111199092A (zh) | 2019-11-11 | 2019-11-11 | 太阳辐射遥感估算方法、系统及数据处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111199092A true CN111199092A (zh) | 2020-05-26 |
Family
ID=70746749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911095337.4A Pending CN111199092A (zh) | 2019-11-11 | 2019-11-11 | 太阳辐射遥感估算方法、系统及数据处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199092A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112930010A (zh) * | 2021-02-01 | 2021-06-08 | 苏州思萃融合基建技术研究所有限公司 | 一种办公室智能照明控制方法及其控制系统 |
CN113392499A (zh) * | 2021-05-08 | 2021-09-14 | 中国辐射防护研究院 | 电子直线加速器机房辐射屏蔽及臭氧浓度计算方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663263A (zh) * | 2012-04-28 | 2012-09-12 | 西安交通大学 | 一种连续时间太阳辐射能预测方法 |
CN107767448A (zh) * | 2017-10-09 | 2018-03-06 | 中国科学院遥感与数字地球研究所 | 考虑云‑地形效应的地表太阳辐射遥感计算方法及系统 |
-
2019
- 2019-11-11 CN CN201911095337.4A patent/CN111199092A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663263A (zh) * | 2012-04-28 | 2012-09-12 | 西安交通大学 | 一种连续时间太阳辐射能预测方法 |
CN107767448A (zh) * | 2017-10-09 | 2018-03-06 | 中国科学院遥感与数字地球研究所 | 考虑云‑地形效应的地表太阳辐射遥感计算方法及系统 |
Non-Patent Citations (1)
Title |
---|
邹玲: "中国大陆地区地表太阳辐射估算及其时空变化分析" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112930010A (zh) * | 2021-02-01 | 2021-06-08 | 苏州思萃融合基建技术研究所有限公司 | 一种办公室智能照明控制方法及其控制系统 |
CN113392499A (zh) * | 2021-05-08 | 2021-09-14 | 中国辐射防护研究院 | 电子直线加速器机房辐射屏蔽及臭氧浓度计算方法和装置 |
CN113392499B (zh) * | 2021-05-08 | 2023-01-17 | 中国辐射防护研究院 | 电子直线加速器机房辐射屏蔽及臭氧浓度计算方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Massari et al. | Exploiting satellite-based surface soil moisture for flood forecasting in the Mediterranean area: State update versus rainfall correction | |
CN110516816B (zh) | 基于机器学习的全天候地表温度生成方法及装置 | |
CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
Sun et al. | Estimating the spatial distribution of solar photovoltaic power generation potential on different types of rural rooftops using a deep learning network applied to satellite images | |
EP2287638B1 (en) | Method and device for evaluation of solar radiation intensity | |
Yang et al. | Merging high‐resolution satellite‐based precipitation fields and point‐scale rain gauge measurements—A case study in Chile | |
Monaghan et al. | Evaluating the impact of urban morphology configurations on the accuracy of urban canopy model temperature simulations with MODIS | |
WO2018098738A1 (zh) | 一种基于航空航天多源遥感数据的监测方法及装置 | |
CN110427995A (zh) | 一种基于多源遥感数据的贝叶斯土壤水分估算方法 | |
Yoon et al. | Evaluation of hourly solar radiation on inclined surfaces at Seoul by Photographical Method | |
CN109974665A (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
CN112580982B (zh) | 一种基于多时相遥感和casa模型的生态保护红线实施评估 | |
Caya et al. | Analysis and forecasting of sea ice conditions with three-dimensional variational data assimilation and a coupled ice–ocean model | |
Huang et al. | Evaluation and comparison of MODIS collection 6.1 and collection 6 dark target aerosol optical depth over mainland China under various conditions including spatiotemporal distribution, haze effects, and underlying surface | |
CN111199092A (zh) | 太阳辐射遥感估算方法、系统及数据处理装置 | |
Lee et al. | Analytical approach to estimating aerosol extinction and visibility from satellite observations | |
Harrison et al. | Advancing early warning capabilities with CHIRPS-compatible NCEP GEFS precipitation forecasts | |
Yun et al. | Mitigating atmospheric effects in InSAR measurements through high-resolution data assimilation and numerical simulations with a weather prediction model | |
Chen et al. | Importance of shaded leaf contribution to the total GPP of Canadian terrestrial ecosystems: evaluation of MODIS GPP | |
Lovejoy et al. | Space‐time cascades and the scaling of ECMWF reanalyses: Fluxes and fields | |
Lu et al. | TropNet: a deep spatiotemporal neural network for tropospheric delay modeling and forecasting | |
Yang et al. | Establishment and assessment of a zenith wet delay (ZWD) augmentation model | |
Jing et al. | Estimating PM2. 5 concentrations in a central region of China using a three-stage model | |
Chen et al. | A framework to assess the potential uncertainties of three FPAR products | |
CN116609859A (zh) | 一种气象灾害高分辨率区域模式预报系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200526 |
|
WD01 | Invention patent application deemed withdrawn after publication |