CN111273378B - 一种基于风应力扰动的台风中心定位方法 - Google Patents
一种基于风应力扰动的台风中心定位方法 Download PDFInfo
- Publication number
- CN111273378B CN111273378B CN202010375305.6A CN202010375305A CN111273378B CN 111273378 B CN111273378 B CN 111273378B CN 202010375305 A CN202010375305 A CN 202010375305A CN 111273378 B CN111273378 B CN 111273378B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- sea
- disturbance
- center
- wind
- 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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于风应力扰动的台风中心定位方法,技术涉及海洋遥感技术领域。所述方法包括:选择遥感图像波段,作为台风中心定位输入数据;选择并生成对应分辨率的海陆掩膜数据;计算红外图像分别沿经度方向和纬度方向的梯度;计算海面风场扰动因子;以海面风场的最大扰动因子位置为圆心,以设定的阈值为半径,在上述范围内确定最小扰动因子位置即为台风中心位置。本发明针对海面台风中心定位问题,提出了一种基于风应力扰动理论的海面台风中心定位方法,可以利用远红外遥感影像,结合预报台风的大致位置,确定台风中心位置。
Description
技术领域
本发明公开了一种基于风应力扰动的台风中心定位方法,属于海面台风中心定位方法,涉及海洋遥感技术领域。
背景技术
对台风中心进行自动定位是台风灾害预警预报的关键技术之一。目前,国内外对台风中心自动定位已有相对成熟的方法,精度尚需改进。有眼台风多出现在台风的成熟期,无眼台风是形成期台风和弱台风,这些台风的定位技术一直是台风分析预报业务中的难点。
国内外在台风自动定位方面进行了很多探索,主要包括:
(1)人工定位。台风实际业务中,很多时候仍借鉴人工定位来完成。人工主观定位经验规则主要依据台风眼特征和定义来判断。预报员通过目测,根据连续遥感图像序列的螺旋雨带的云洞或云带间的缝隙等细微结构,确定曲率中心对中心位置进行估计。或在遥感图像上覆盖螺旋模板,拟合螺旋云带找到最佳匹配,如果几条螺旋线拟合中心不共点,一般取平均值作为台风中心。人工定位需要大量的经验,结果也是相当主观的,无法保证定位的持续准确性,并且多个预报员的结果会大相径庭。
(2)Dvorak 技术 。Dvorak 技术是目前世界上台风分析最为重要的应用,从 20世纪 70 年代提出以来,历经了不同的发展阶段,主要有初始的 Dvorak 技术(DvorakTechnique, DT),客观 Dvorak 技术(Objective Dvorak Technique,ODT),先进客观Dvorak 技术(Advanced Objective Dvorak Technique,AODT),先进 Dvorak 技术(Advanced Dvorak Technique, ADT)。该技术环节较为复杂,且台风中心定位的物理机制解释尚不足够明晰。
(3)数学形态法。从卫星云图中提取台风云系,通过图像处理的方法(一般为阈值化),得到台风云系的若干连通域,通过一系列的数学形态学操作,得到台风眼区或候选区域,进而得到台风中心。数学形态学在有眼台风定位中发挥了很好的作用,但实际台风中心位置与数学模型的结果也有一定的差距。
(4)风场分析法。利用风场分析方法进行台风中心定位,需要时间连续的多幅遥感图像。主要包括:基于红外卫星云图的云导风(CMW-cloud motion wind)方法,主要基于序列云图,从云系反演出风场变化的矢量图,通过分析云导风矢量与云系运动变化的关系来确定台风中心;基于可见光光谱卫星云图的可见光光谱-云导风方法(VIS-CMW);基于云系特征追踪的半流行场分析法(MPSMA-massively parallel semi-fluid motionanalysis),使用半流形场模拟台风云系的非刚性运动情况,从而分析台风眼区的风场情况;使用台风外围风域进行台风位置 2阶段预测,第 1 阶段:对得到某类台风的 4 个方向并且针对类别选择细节预测模型;第2 阶段:通过外围风域预测台风位置;基于卫星云图的非刚性运动矢量场方法;运动矢量向心自旋的矢量分析方法,但是一般都是基于连续的多普勒雷达图像序列,间隔时间一般较短。风场分析方法需要时间连续的图像序列,如果丢失序列中某几个时刻的图像, 所构建的风场可能会不准确。
(5)模板匹配法。利用模板匹配法进行台风中心定位,只需要单幅遥感图像。对历史台风的形态进行归纳和统计,得到概念模型及其台风中心特征,将待定位图像与概念模型进行匹配,选择相似度最高的模型,确定台风中心,这是一种概念模型图匹配方法。主要有最大内接圆匹配方法,从红外云图中提取台风云系,在若干连通域中寻找最大的内接圆,其圆心即是当前台风中心;椭圆匹配方法,构造椭圆能量函数,通过调整椭圆参数尽可能多的包含连通域,得到的椭圆几何中心作为台风中心;圆环和对数螺旋同时匹配云墙与螺旋云带的方法。 台风形态千变万化,气象学家经验总结的模型也有一定的主观性和盲目性,而且并不是每一个台风都具有明显的云墙和螺旋云带,模板匹配法有一定的局限性。
如上所述,目前各种台风中心定位的方法,各有局限性,因此,需要发展与海面风场扰动相关联的遥感图像响应机制的方法,本发明提出一种基于风应力扰动理论的海面台风中心定位方法,以满足卫星监测海面台风的需求。
发明内容
本发明所要解决的技术问题是:针对现有技术的缺陷,提供一种基于风应力扰动的台风中心定位方法,公开了风应力对云和海面扰动引起红外通道遥感影像响应的机制。根据这这一机制,提出台风中心位置风应力扰动因子最小,对应的远红外亮温扰动最小,进而确定台风中心位置。
本发明为解决上述技术问题采用以下技术方案:
一种基于风应力扰动的台风中心定位方法,所述方法包括如下步骤:
步骤一、选择遥感图像波段,作为台风中心定位输入数据;
步骤二、选择并生成对应分辨率的海陆掩膜数据;
步骤三、计算红外图像分别沿经度方向和纬度方向的梯度;
步骤四、计算海面风场扰动因子;
步骤五、以海面风场的最大扰动因子位置为圆心,以设定的阈值为半径,在上述范围内确定最小扰动因子位置即为台风中心位置。
作为本发明的进一步优选方案,所述步骤一中,选用8-14μm远红外波段遥感图像作为台风中心定位输入数据。
作为本发明的进一步优选方案,所述步骤二中,选择全球海陆数据库1分分辨率数据,通过分辨率重构到对应卫星图像分辨率网格上,作为辅助数据实现海陆掩膜功能。
作为本发明的进一步优选方案,步骤五中所述设定的阈值为最大风眼半径。
进一步的,本发明所述方法具体包括:
读取远红外波段遥感图像中的红外波段亮温数据,其中晴空区域为海表面温度,云区为云顶亮温,获得整幅图像的ST矩阵T;
对成像区域各像素海陆掩膜值进行赋值,1代表海洋区域,2代表陆地区域,生成陆海掩膜矩阵M;
采用二维双线性插值法,对掩膜的陆地区域进行ST插值得到无缺测表面亮温矩阵Tf;
其中,x、y分别为经度方向上的距离和纬度方向上的距离;
利用上述表面温度梯度,计算出像素点上的散度和旋度:
根据风应力扰动理论,计算海面风场扰动因子对应的表温扰动参数:
搜索表温扰动参数P的最大值,以P值最大值位置为圆心,以最大风眼半径的距离为半径,在上述范围内进行搜索,获得P值最小值位置即为台风中心位置。
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:本发明针对海面台风中心定位问题,提出了一种基于风应力扰动理论的海面台风中心定位方法,可以利用远红外遥感影像,结合预报台风的大致位置,确定台风中心位置。
附图说明
图1是本发明的方法流程示意图。
图2是本发明的一个具体实施例中,风云四号静止卫星13波段红外图像最大风应力扰动因子位置A。
图3是本发明的一个具体实施例中,风云四号静止卫星13波段红外图像台风中心定位结果B。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明提供的台风中心定位方法,其方法流程示意图如图1所示,包括下列步骤:
步骤一、选择遥感图像波段,远红外波段用于观测云和地表温度,选用8-14μm远红外波段遥感图像作为台风中心定位输入数据;
步骤二、选择并生成对应分辨率的海陆掩膜数据,可以选择全球海陆数据库(General Bathymetric Chart of the Oceans 简称GEBCO又称为大洋地势图) 1分分辨率数据,通过分辨率重构到对应卫星图像分辨率网格上,作为辅助数据实现海陆掩膜功能;
步骤三、计算红外图像分别沿经度方向和纬度方向的梯度;
步骤四、求出海面风场扰动因子;
步骤五、以最大扰动因子位置为圆心,半径不超过120公里的范围内确定最小扰动因子位置即为台风中心位置。
本发明所公开的定位方法,适用于海洋洋面台风。其基本思路可以概括为:根据远红外波长电磁波只能探测地球最上表面(云、晴空海表面)温度(ST)的特点,ST扰动受表层(海面、云顶)风应力的影响,两者之间存在正相关,而台风中心位置风应力扰动最小,因此可以从ST扰动探测台风中心位置。本方法中,对于小海岛区域(40km以内)对应区域进行陆海掩膜和插值计算获得表面温度。
下面结合具体实施例,对本发明的技术方案做进一步的详细说明:
本发明提出一种基于风应力扰动理论的海面台风中心定位方法,主要包含以下几个步骤:
步骤一、读取8-14μm远红外波段遥感图像,具体为红外波段亮温数据,其中晴空区域为海表面温度,云区为云顶亮温,获得整幅图像的ST矩阵T;
步骤二、对成像区域各像素海陆掩膜值进行赋值,1代表海洋区域,2代表陆地区域,生成陆海掩膜矩阵M;
采用二维双线性插值法,对掩膜的陆地区域进行ST插值得到无缺测表面亮温矩阵Tf;
其中x、y分别为经度方向上的距离和纬度方向上的距离(单位为千米);
步骤四、利用上述表面温度梯度,计算出像素点上的散度和旋度:
根据风应力扰动理论,风应力与温度扰动在相互垂直的方向上均呈线性关系,计算海面风场扰动因子对应的表温扰动参数:
步骤五、搜索表温扰动参数P的最大值,以P值最大值位置A为中心,如图2所示,半径为120公里(已知最大风眼半径)范围内进行搜索,获得P值最小值位置B即为台风中心位置,如图3所示。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (3)
1.一种基于风应力扰动的台风中心定位方法,其特征在于,所述方法包括如下步骤:
步骤一、选择遥感图像波段,作为台风中心定位输入数据;
具体为:读取远红外波段遥感图像中的红外波段亮温数据,其中晴空区域为海表面温度,云区为云顶亮温,获得整幅图像的表面温度矩阵T;
步骤二、选择并生成对应分辨率的海陆掩膜数据;
具体为:对成像区域各像素海陆掩膜值进行赋值,1代表海洋区域,2代表陆地区域,生成陆海掩膜矩阵M;
采用二维双线性插值法,对掩膜的陆地区域进行表面温度插值得到无缺测表面亮温矩阵Tf;
步骤三、计算红外图像分别沿经度方向和纬度方向的梯度;
具体为:分别计算经度方向和纬度方向表面温度梯度:
其中,x、y分别为经度方向上的距离和纬度方向上的距离;
步骤四、计算海面风场扰动因子;
具体为:利用上述表面温度梯度,计算出像素点上的散度和旋度:
根据风应力扰动理论,计算海面风场扰动因子对应的表温扰动参数:
步骤五、以海面风场的最大扰动因子位置为圆心,以设定的阈值为半径,在上述范围内确定最小扰动因子位置即为台风中心位置;
具体为:搜索表温扰动参数P的最大值,以P值最大值位置为圆心,以最大风眼半径的距离为半径,在上述范围内进行搜索,获得P值最小值位置即为台风中心位置。
2.如权利要求1所述的一种基于风应力扰动的台风中心定位方法,其特征在于:所述步骤一中,选用8-14μm远红外波段遥感图像作为台风中心定位输入数据。
3.如权利要求1所述的一种基于风应力扰动的台风中心定位方法,其特征在于:所述步骤二中,选择全球海陆数据库1分分辨率数据,通过分辨率重构到对应卫星图像分辨率网格上,作为辅助数据实现海陆掩膜功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010375305.6A CN111273378B (zh) | 2020-05-07 | 2020-05-07 | 一种基于风应力扰动的台风中心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010375305.6A CN111273378B (zh) | 2020-05-07 | 2020-05-07 | 一种基于风应力扰动的台风中心定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273378A CN111273378A (zh) | 2020-06-12 |
CN111273378B true CN111273378B (zh) | 2020-08-14 |
Family
ID=71002812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010375305.6A Active CN111273378B (zh) | 2020-05-07 | 2020-05-07 | 一种基于风应力扰动的台风中心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273378B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396646B (zh) * | 2020-11-18 | 2021-10-01 | 国家海洋环境预报中心 | 台风中心点定位方法和装置 |
CN112364545A (zh) * | 2020-11-30 | 2021-02-12 | 南京师范大学 | 台风事件信息形式化表达方法 |
CN112801227B (zh) * | 2021-04-06 | 2021-09-28 | 航天宏图信息技术股份有限公司 | 一种台风识别模型的生成方法、装置、设备及存储介质 |
CN113408123B (zh) * | 2021-06-16 | 2022-08-23 | 国网湖南省电力有限公司 | 台风涡旋初始风场优化方法、系统及存储介质 |
CN117609954B (zh) * | 2024-01-18 | 2024-03-29 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于卫星远红外融合亮温数据对流爆发区判识方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6691035B1 (en) * | 2000-10-26 | 2004-02-10 | Ik-Ju Kang | Method of calculating the path of a hurricane |
JP2005106744A (ja) * | 2003-10-01 | 2005-04-21 | Mitsubishi Electric Corp | 画像解析装置 |
CN104992434A (zh) * | 2015-06-23 | 2015-10-21 | 国家卫星气象中心 | 根据历史卫星图像在当前卫星图像上进行台风定位的方法 |
CN107578441A (zh) * | 2017-08-24 | 2018-01-12 | 浙江师范大学 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
CN109164513A (zh) * | 2018-08-08 | 2019-01-08 | 湖北河海科技发展有限公司 | 基于葵花气象卫星的台风定位检测方法 |
-
2020
- 2020-05-07 CN CN202010375305.6A patent/CN111273378B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6691035B1 (en) * | 2000-10-26 | 2004-02-10 | Ik-Ju Kang | Method of calculating the path of a hurricane |
JP2005106744A (ja) * | 2003-10-01 | 2005-04-21 | Mitsubishi Electric Corp | 画像解析装置 |
CN104992434A (zh) * | 2015-06-23 | 2015-10-21 | 国家卫星气象中心 | 根据历史卫星图像在当前卫星图像上进行台风定位的方法 |
CN107578441A (zh) * | 2017-08-24 | 2018-01-12 | 浙江师范大学 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
CN109164513A (zh) * | 2018-08-08 | 2019-01-08 | 湖北河海科技发展有限公司 | 基于葵花气象卫星的台风定位检测方法 |
Non-Patent Citations (3)
Title |
---|
Tropical cyclone center determination algorithm by texture and gradient of infrared satellite image;Changjiang Zhang等;《IntechOpen》;20181105;全文 * |
Typhoon center location algorithm based on fractal feature and gradient of infrared satellite cloud image;Zhang Changjiang等;《Proceedings of SPIE》;20141118;全文 * |
卫星红外云图上台风中心定位技术研究和应用;曾明剑等;《热带气象学报》;20060630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111273378A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111273378B (zh) | 一种基于风应力扰动的台风中心定位方法 | |
Wang et al. | Sea ice concentration estimation during melt from dual-pol SAR scenes using deep convolutional neural networks: A case study | |
Chen et al. | Extraction of glacial lake outlines in Tibet Plateau using Landsat 8 imagery and Google Earth Engine | |
KR101880616B1 (ko) | 해상풍과 해무 위성정보를 이용한 해무 예측 방법 | |
Miao et al. | Object-based detection of Arctic sea ice and melt ponds using high spatial resolution aerial photographs | |
Dang et al. | A convolutional neural network for coastal classification based on ALOS and NOAA satellite data | |
Merrill et al. | A report on the recent demonstration of NOAA's upgraded capability to derive cloud motion satellite winds | |
Chen et al. | Rain-contaminated region segmentation of X-band marine radar images with an ensemble of SegNets | |
CN112926468A (zh) | 一种潮滩高程自动提取方法 | |
CN115546656A (zh) | 一种基于深度学习的遥感影像养殖区域提取方法 | |
Weissling et al. | EISCAM—Digital image acquisition and processing for sea ice parameters from ships | |
Leng et al. | A novel bathymetry signal photon extraction algorithm for photon-counting LiDAR based on adaptive elliptical neighborhood | |
Li et al. | Dynamic waterline mapping of inland great lakes using time-series SAR data from GF-3 and S-1A satellites: A case study of DJK reservoir, China | |
Yin et al. | Advanced machine learning techniques for predicting nha trang shorelines | |
Moschos et al. | Computer Vision for Ocean Eddy Detection in Infrared Imagery | |
CN116258608B (zh) | 融合gis和bim三维技术的水利实时监测信息管理系统 | |
CN116935244A (zh) | 一种融合主被动遥感数据的中小尺度涡旋特征识别方法 | |
Qiu et al. | Retrieval of sea ice drift from the central Arctic to the Fram Strait based on sequential Sentinel-1 SAR data | |
Liu et al. | Top cloud motion field of typhoon Megi-2016 revealed by GF-4 images | |
Lambhate et al. | W-net: A deep network for simultaneous identification of gulf stream and rings from concurrent satellite images of sea surface temperature and height | |
Notarstefano et al. | Estimation of surface currents in the Adriatic Sea from sequential infrared satellite images | |
Zhang et al. | FRS-Net: An efficient ship detection network for thin-cloud and FOG-covered high-resolution optical satellite imagery | |
Tsay et al. | Deep learning for satellite rainfall retrieval using Himawari-8 multiple spectral channels | |
Miyao et al. | A combined balloon photography and buoy-tracking experiment for mapping surface currents in coastal waters | |
KR20220071038A (ko) | 인공지능과 위성영상을 이용한 냉수대 탐지 및 예측을 위한 장치 및 방법 |
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 |