CN112327388A - 一种基于全遥感数据的全天候相对湿度估算方法 - Google Patents

一种基于全遥感数据的全天候相对湿度估算方法 Download PDF

Info

Publication number
CN112327388A
CN112327388A CN202010091126.XA CN202010091126A CN112327388A CN 112327388 A CN112327388 A CN 112327388A CN 202010091126 A CN202010091126 A CN 202010091126A CN 112327388 A CN112327388 A CN 112327388A
Authority
CN
China
Prior art keywords
weather
clear
pixel
water vapor
relative humidity
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
Application number
CN202010091126.XA
Other languages
English (en)
Other versions
CN112327388B (zh
Inventor
冷佩
廖前瑜
李召良
任超
高懋芳
段四波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Agricultural Resources and Regional Planning of CAAS
Hebei GEO University
Original Assignee
Institute of Agricultural Resources and Regional Planning of CAAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Agricultural Resources and Regional Planning of CAAS filed Critical Institute of Agricultural Resources and Regional Planning of CAAS
Priority to CN202010091126.XA priority Critical patent/CN112327388B/zh
Publication of CN112327388A publication Critical patent/CN112327388A/zh
Application granted granted Critical
Publication of CN112327388B publication Critical patent/CN112327388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (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全遥感数据的全天候相对湿度估算方法，该方法从MODIS卫星遥感的水汽产品数据、云产品数据和大气廓线产品数据分别读取大气水汽含量、地表温度、温度廓线、湿度廓线和大气压廓线；利用地表温度、大气压廓线和温度廓线，推导获得全天候饱和水汽压；大气水汽含量、大气压廓线和湿度廓线，推导获得全天候实际水汽压；利用得到的全天候饱和水汽压和实际水汽压计算全天候相对湿度，并进行Savitzky‑Golay滤波，得到最终的全天候相对湿度。本发明提供的基于全遥感数据的全天候相对湿度估算方法，在不借助于任何辅助数据的基础上，完全利用MODIS卫星遥感数据，计算全天候相对湿度，方法简单，结果准确。

Description

一种基于全遥感数据的全天候相对湿度估算方法
技术领域
本发明涉及气象遥感技术领域，特别是涉及一种基于全遥感数据的全天候相对湿度估算方法。
背景技术
相对湿度定义为实际水汽压与饱和水汽压的比值，它是大气和水循环系统中最为重要的参数之一，关系到降水的形成和陆地-大气之间水量和能量的交换过程。同时，相对湿度也是人舒适度最敏感的参数之一，其准确估算对于人类生命健康和生产生活也具有重要的意义。
相对湿度是传统的气象台站观测的基本参数之一。然而，台站观测毕竟数量相对不足，难以获取区域尺度空间连续分布的相对湿度。相较而言，遥感方法能够快速获取大范围地表和大气观测数据，为区域尺度相对湿度估算提供了可能。传统光学与热红外遥感只能在晴空条件下获得有效观测数据，因此难以获得全天候相对湿度。同时，传统方法在估算相对湿度的过程中大多也需要借助一些辅助数据，使得这些方法在实际应用中可能会遇到诸多限制。
发明内容
本发明的目的是提供一种基于全遥感数据的全天候相对湿度估算方法，在不借助于任何辅助数据的基础上，完全利用MODIS卫星遥感数据，先后估算全天候实际水汽压和全天候饱和水汽压，最后计算全天候相对湿度，方法简单，结果准确。
为实现上述目的，本发明提供了如下方案：
一种基于全遥感数据的全天候相对湿度估算方法，该方法包括以下步骤：
S1，从MODIS卫星遥感的大气廓线产品数据获取晴空像元气温；
S2，利用晴空像元气温，基于MODIS卫星遥感的云产品数据估算云覆盖像元气温；
S3，基于晴空像元气温、云覆盖像元气温得到全天候气温，基于全天候气温估算全天候饱和水汽压；
S4，基于MODIS卫星遥感的大气廓线产品数据的湿度廓线，获得晴空露点温度；
S5，利用晴空像元露点温度估算晴空实际水汽压；
S6，利用晴空像元实际水汽压和MODIS卫星遥感的水汽产品数据，估算全天候实际水汽压；
S7，基于全天候饱和水汽压和全天候实际水汽压，计算得到初步的全天候相对湿度，并对初步的全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度。
可选的，所述步骤S1中，从MODIS卫星遥感的大气廓线产品数据获取晴空像元气温，具体包括：
从MODIS卫星遥感的大气廓线产品数据读取最接近地表的两层气温Tlower和Tupper以及对应的大气压Plower和Pupper；
根据压高公式，大气廓线上述两层高度参数Zlower、Zupper分别为：
Figure BDA0002383755360000021
Figure BDA0002383755360000022
其中，R为通用气体常数，取287.053J·K-1·kg-1，g为重力加速度，取9.8m·s-2，Psurface为地表大气压；
利用最接近地表的两层气温Tlower和Tupper进行线性插值，得到晴空像元气温Ta clear：
Figure BDA0002383755360000023
可选的，所述步骤S2中，利用晴空像元气温，基于MODIS卫星遥感的云产品数据估算云覆盖像元气温，具体包括：
从MODIS卫星遥感的云产品数据中读取地表温度Ts，包括晴空像元地表温度
Figure BDA0002383755360000024
和云覆盖像元地表温度Ts cloud，建立步骤S1中获取的晴空像元气温
Figure BDA0002383755360000025
和晴空像元地表温度Ts clear的统计关系：
Figure BDA0002383755360000031
其中，a1和b1为统计系数，根据本发明方法获取的晴空像元气温Ta clear和晴空像元地表温度Ts clear回归得到；
将式(4)中统计关系的系数应用到云覆盖像元，估算云覆盖像元气温Ta cloud：
Ta cloud＝a1×Ts cloud+b1 (5)
可选的，所述步骤S3中，基于晴空像元气温、云覆盖像元气温得到全天候气温，基于全天候气温估算全天候饱和水汽压，具体包括：
利用式(3)和(5)，获得全天候气温Ta，根据像元为晴空或云覆盖，其取值分别为Ta clear或Ta cloud；
利用获得的全天候气温Ta估算全天候饱和水汽压es：
Figure BDA0002383755360000032
可选的，所述步骤S4中，基于MODIS卫星遥感的大气廓线产品数据的湿度廓线，获得晴空露点温度，具体包括：
从MODIS卫星遥感的大气廓线产品数据读取最接近地表的两层露点温度T1和T2以及对应的大气压P1和P2，根据压高公式，湿度廓线上述两层高度参数Z1、Z2分别为：
Figure BDA0002383755360000033
Figure BDA0002383755360000034
其中，R为通用气体常数，g为重力加速度，Psurface为地表大气压；
利用最接近地表的两层露点温度T1和T2进行线性插值，得到晴空像元露点温度Td clear：
Figure BDA0002383755360000035
可选的，所述步骤S5中，利用晴空像元露点温度估算晴空实际水汽压，具体包括：
利用步骤S4中计算的晴空像元露点温度Td clear估算晴空实际水汽压ea clear：
Figure BDA0002383755360000041
可选的，所述步骤S6中，利用晴空像元实际水汽压和MODIS卫星遥感的水汽产品数据，估算全天候实际水汽压，具体包括：
从MODIS卫星遥感的水汽产品数据中读取大气水汽含量，包括晴空像元大气水汽含量PWVclear和云覆盖像元地表温度PWVcloud，建立步骤S5中获取的晴空像元实际水汽压ea clear和晴空像元大气水汽含量PWVclear的统计关系：
ea clear＝a2×PWVclear+b2 (11)
其中，a2和b2为统计系数，根据本发明方法获取的晴空像元实际水汽压ea clear和晴空像元大气水汽含量PWVclear回归得到；
将式(11)中统计关系的系数应用到云覆盖像元，估算云覆盖像元实际水汽压ea cloud：
ea cloud＝a2×PWVcloud+b2 (12)
利用式(10)和(12)，获得全天候实际水汽压ea，根据像元为晴空或云覆盖，其取值分别为ea clear或ea cloud。
可选的，所述步骤S7中，基于全天候饱和水汽压和全天候实际水汽压，计算得到初步的全天候相对湿度，并对初步的全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度，具体包括：
利用步骤S3中估算的全天候饱和水汽压和步骤S6中估算的全天候实际水汽压，计算得到初步的全天候相对湿度：
Figure BDA0002383755360000042
对全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于全遥感数据的全天候相对湿度估算方法，从MODIS卫星遥感的水汽产品数据、云产品数据和大气廓线产品数据分别读取大气水汽含量、地表温度、温度廓线、湿度廓线和大气压廓线；利用地表温度、大气压廓线和温度廓线，推导获得全天候饱和水汽压；大气水汽含量、大气压廓线和湿度廓线，推导获得全天候实际水汽压；利用得到的全天候饱和水汽压和实际水汽压计算全天候相对湿度，并进行Savitzky-Golay滤波，得到最终的全天候相对湿度；在不借助于任何辅助数据的基础上，完全利用MODIS卫星遥感数据，提高了计算效率和估算结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于全遥感数据的全天候相对湿度估算方法流程图；
图2为本发明美国西部干旱/半干旱区和东部湿润区地理分布图；
图3为本发明美国西部干旱/半干旱区的湿度数据图；
图4为本发明美国东部湿润区地理分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明的目的是提供一种基于全遥感数据的全天候相对湿度估算方法，采用自适应阈值思想进行陆地像元分类，可灵活选取阈值，减少了火点的误检、漏检，提高了温带地区森林火灾检测精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明的实施流程图，如图1所示，本发明提供的基于全遥感数据的全天候相对湿度估算方法，该方法包括以下步骤：
该方法包括以下步骤：
S1，从MODIS卫星遥感的大气廓线产品数据获取晴空像元气温；
S2，利用晴空像元气温，基于MODIS卫星遥感的云产品数据估算云覆盖像元气温；
S3，基于晴空像元气温、云覆盖像元气温得到全天候气温，基于全天候气温估算全天候饱和水汽压；
S4，基于MODIS卫星遥感的大气廓线产品数据的湿度廓线，获得晴空露点温度；
S5，利用晴空像元露点温度估算晴空实际水汽压；
S6，利用晴空像元实际水汽压和MODIS卫星遥感的水汽产品数据，估算全天候实际水汽压；
S7，基于全天候饱和水汽压和全天候实际水汽压，计算得到初步的全天候相对湿度，并对初步的全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度。
其中，所述步骤S1中，将MODIS大气廓线的气温廓线插值到近地表高度(约2m)，获得晴空像元气温，具体包括：
从MODIS卫星遥感的大气廓线产品数据MOD07_L2读取最接近地表的两层气温Tlower和Tupper以及对应的大气压Plower和Pupper；
根据压高公式，MOD07_L2大气廓线上述两层高度参数Zlower、Zupper分别为：
Figure BDA0002383755360000061
Figure BDA0002383755360000062
其中，R为通用气体常数，取287.053J·K-1·kg-1，g为重力加速度，取9.8m·s-2，Psurface为地表大气压，可直接由MOD07_L2读取；
利用MOD07_L2最接近地表的两层气温Tlower和Tupper进行线性插值，得到晴空像元气温Ta clear：
Figure BDA0002383755360000071
其中，所述步骤S2中，利用晴空像元气温，基于MODIS卫星遥感的云产品数据MOD06_L2估算云覆盖像元气温，具体包括：
从MODIS卫星遥感的云产品数据MOD06_L2中读取地表温度Ts，包括晴空像元地表温度Ts clear和云覆盖像元地表温度Ts cloud，建立步骤S1中获取的MOD06_L2晴空像元气温Ta clear和晴空像元地表温度Ts clear的统计关系：
Ta clear＝a1×Ts clear+b1 (4)
其中，a1和b1为统计系数，根据本发明方法获取的晴空像元气温Ta clear和MOD06_L2晴空像元地表温度Ts clear回归得到；对每一个像元，根据一段时期(例如3年)的MODIS产品数据，便可计算该像元的统计系数a1和b1；
将式(4)中统计关系的系数应用到云覆盖像元，估算云覆盖像元气温Ta cloud：
Ta cloud＝a1×Ts cloud+b1 (5)
其中，所述步骤S3中，基于晴空像元气温、云覆盖像元气温得到全天候气温，基于全天候气温估算全天候饱和水汽压，具体包括：
利用式(3)和(5)，获得全天候气温Ta，根据像元为晴空或云覆盖，其取值分别为Ta clear或Ta cloud；
利用获得的全天候气温Ta估算全天候饱和水汽压es：
Figure BDA0002383755360000072
其中，所述步骤S4中，将MODIS大气廓线的湿度廓线插值到近地表高度(约2m)，获得晴空露点温度，具体包括：
从MODIS卫星遥感的大气廓线产品数据MOD07_L2读取最接近地表的两层露点温度T1和T2以及对应的大气压P1和P2，根据压高公式，MOD07_L2湿度廓线上述两层高度参数Z1、Z2分别为：
Figure BDA0002383755360000073
Figure BDA0002383755360000081
其中，R为通用气体常数，g为重力加速度，Psurface为地表大气压，可直接由MOD07_L2读取；
利用MOD07_L2最接近地表的两层露点温度T1和T2进行线性插值，得到晴空像元露点温度Td clear：
Figure BDA0002383755360000082
其中，所述步骤S5中，所述利用晴空像元露点温度估算晴空实际水汽压，具体包括：
利用步骤S4中计算的晴空像元露点温度Td clear估算晴空实际水汽压ea clear：
Figure BDA0002383755360000083
其中，所述步骤S6中，利用晴空像元实际水汽压和MODIS卫星遥感的水汽产品数据MOD05_L2，估算全天候实际水汽压，具体包括：
从MODIS卫星遥感的水汽产品数据MOD05_L2中读取大气水汽含量，包括晴空像元大气水汽含量PWVclear和云覆盖像元地表温度PWVcloud，建立步骤S5中获取的MOD05_L2晴空像元实际水汽压ea clear和晴空像元大气水汽含量PWVclear的统计关系：
ea clear＝a2×PWVclear+b2 (11)
其中，a2和b2为统计系数，根据本发明方法获取的晴空像元实际水汽压ea clear和晴空像元大气水汽含量PWVclear回归得到；对每一个像元，根据一段时期(例如3年)的MODIS产品数据，便可计算该像元的统计系数a2和b2；
将式(11)中统计关系的系数应用到云覆盖像元，估算云覆盖像元实际水汽压ea cloud：
ea cloud＝a2×PWVcloud+b2 (12)
利用式(10)和(12)，获得全天候实际水汽压ea，根据像元为晴空或云覆盖，其取值分别为ea clear或ea cloud。
其中，所述步骤S7中，基于全天候饱和水汽压和全天候实际水汽压，计算得到初步的全天候相对湿度，并对初步的全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度，具体包括：
利用步骤S3中估算的全天候饱和水汽压和步骤S6中估算的全天候实际水汽压，计算得到初步的全天候相对湿度：
Figure BDA0002383755360000091
对全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度。
如图2-图3，以美国西部干旱/半干旱区1和东部湿润区2为例，得到全天候相对湿度，从结果来看，用本发明的方法反演干旱/半干旱区1相对湿度的均方根误差(RMSE)为15.3％，湿润区2的均方根误差为17.0％，精度与现有方法相当。但传统方法大多只能估算晴空像元相对湿度，本方法能够估算云覆盖像元的相对湿度；传统方法大多需要辅助数据，本方法只需要公开发布的遥感数据产品作为输入，无需任何辅助数据。
本发明提供的基于全遥感数据的全天候相对湿度估算方法，从MODIS卫星遥感的水汽产品数据MOD05_L2、云产品数据MOD06_L2和大气廓线产品数据MOD07_L2分别读取大气水汽含量、地表温度、温度廓线、湿度廓线和大气压廓线；利用MOD06_L2的地表温度和MOD07_L2的大气压廓线和温度廓线，推导获得全天候饱和水汽压；利用MOD05_L2的大气水汽含量和MOD07_L2的大气压廓线和湿度廓线，推导获得全天候实际水汽压；利用得到的全天候饱和水汽压和实际水汽压计算全天候相对湿度，并进行Savitzky-Golay(S-G)滤波，得到最终的全天候相对湿度；在不借助于任何辅助数据的基础上，完全利用MODIS卫星遥感数据，提高了计算效率和估算结果的准确性。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于全遥感数据的全天候相对湿度估算方法，其特征在于，包括以下步骤：
S1，从MODIS卫星遥感的大气廓线产品数据获取晴空像元气温；
S2，利用晴空像元气温，基于MODIS卫星遥感的云产品数据估算云覆盖像元气温；
S3，基于晴空像元气温、云覆盖像元气温得到全天候气温，基于全天候气温估算全天候饱和水汽压；
S4，基于MODIS卫星遥感的大气廓线产品数据的湿度廓线，获得晴空露点温度；
S5，利用晴空像元露点温度估算晴空实际水汽压；
S6，利用晴空像元实际水汽压和MODIS卫星遥感的水汽产品数据，估算全天候实际水汽压；
S7，基于全天候饱和水汽压和全天候实际水汽压，计算得到初步的全天候相对湿度，并对初步的全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度。
2.根据权利要求1所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S1中，从MODIS卫星遥感的大气廓线产品数据获取晴空像元气温，具体包括：
从MODIS卫星遥感的大气廓线产品数据读取最接近地表的两层气温Tlower和Tupper以及对应的大气压Plower和Pupper；
根据压高公式，大气廓线上述两层高度参数Zlower、Zupper分别为：
Figure FDA0002383755350000011
Figure FDA0002383755350000012
其中，R为通用气体常数，取287.053J·K-1·kg-1，g为重力加速度，取9.8m·s-2，Psurface为地表大气压；
利用最接近地表的两层气温Tlower和Tupper进行线性插值，得到晴空像元气温Ta clear：
Figure FDA0002383755350000021
3.根据权利要求2所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S2中，利用晴空像元气温，基于MODIS卫星遥感的云产品数据估算云覆盖像元气温，具体包括：
从MODIS卫星遥感的云产品数据中读取地表温度Ts，包括晴空像元地表温度Ts clear和云覆盖像元地表温度Ts cloud，建立步骤S1中获取的晴空像元气温Ta clear和晴空像元地表温度Ts clear的统计关系：
Ta clear＝a1×Ts clear+b1 (4)
其中，a1和b1为统计系数，根据本发明方法获取的晴空像元气温Ta clear和晴空像元地表温度Ts clear回归得到；
将式(4)中统计关系的系数应用到云覆盖像元，估算云覆盖像元气温Ta cloud：
Figure FDA0002383755350000022
4.根据权利要求3所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S3中，基于晴空像元气温、云覆盖像元气温得到全天候气温，基于全天候气温估算全天候饱和水汽压，具体包括：
利用式(3)和(5)，获得全天候气温Ta，根据像元为晴空或云覆盖，其取值分别为Ta clear或
Figure FDA0002383755350000023
利用获得的全天候气温Ta估算全天候饱和水汽压es：
Figure FDA0002383755350000024
5.根据权利要求4所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S4中，基于MODIS卫星遥感的大气廓线产品数据的湿度廓线，获得晴空露点温度，具体包括：
从MODIS卫星遥感的大气廓线产品数据读取最接近地表的两层露点温度T1和T2以及对应的大气压P1和P2，根据压高公式，湿度廓线上述两层高度参数Z1、Z2分别为：
Figure FDA0002383755350000031
Figure FDA0002383755350000032
其中，R为通用气体常数，g为重力加速度，Psurface为地表大气压；
利用最接近地表的两层露点温度T1和T2进行线性插值，得到晴空像元露点温度Td clear：
Figure FDA0002383755350000033
6.根据权利要求5所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S5中，利用晴空像元露点温度估算晴空实际水汽压，具体包括：
利用步骤S4中计算的晴空像元露点温度Td clear估算晴空实际水汽压ea clear：
Figure FDA0002383755350000034
7.根据权利要求6所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S6中，利用晴空像元实际水汽压和MODIS卫星遥感的水汽产品数据，估算全天候实际水汽压，具体包括：
从MODIS卫星遥感的水汽产品数据中读取大气水汽含量，包括晴空像元大气水汽含量PWVclear和云覆盖像元地表温度PWVcloud，建立步骤S5中获取的晴空像元实际水汽压ea clear和晴空像元大气水汽含量PWVclear的统计关系：
ea clear＝a2×PWVclear+b2 (11)
其中，a2和b2为统计系数，根据本发明方法获取的晴空像元实际水汽压ea clear和晴空像元大气水汽含量PWVclear回归得到；
将式(11)中统计关系的系数应用到云覆盖像元，估算云覆盖像元实际水汽压ea cloud：
ea cloud＝a2×PWVcloud+b2 (12)
利用式(10)和(12)，获得全天候实际水汽压ea，根据像元为晴空或云覆盖，其取值分别为ea clear或ea cloud。
8.根据权利要求7所述的基于全遥感数据的全天候相对湿度估算方法，其特征在于，所述步骤S7中，基于全天候饱和水汽压和全天候实际水汽压，计算得到初步的全天候相对湿度，并对初步的全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度，具体包括：
利用步骤S3中估算的全天候饱和水汽压和步骤S6中估算的全天候实际水汽压，计算得到初步的全天候相对湿度：
Figure FDA0002383755350000041
对全天候相对湿度进行Savitzky-Golay滤波，去除部分噪声，得到最终的全天候相对湿度。
CN202010091126.XA 2020-02-13 2020-02-13 一种基于全遥感数据的全天候相对湿度估算方法 Active CN112327388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010091126.XA CN112327388B (zh) 2020-02-13 2020-02-13 一种基于全遥感数据的全天候相对湿度估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010091126.XA CN112327388B (zh) 2020-02-13 2020-02-13 一种基于全遥感数据的全天候相对湿度估算方法

Publications (2)

Publication Number Publication Date
CN112327388A true CN112327388A (zh) 2021-02-05
CN112327388B CN112327388B (zh) 2022-01-18

Family

ID=74303481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010091126.XA Active CN112327388B (zh) 2020-02-13 2020-02-13 一种基于全遥感数据的全天候相对湿度估算方法

Country Status (1)

Country Link
CN (1) CN112327388B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111529A (zh) * 2021-04-22 2021-07-13 南京气象科技创新研究院 融合数值模式和卫星微波云反演数据的红外亮温模拟方法
CN113255148A (zh) * 2021-06-04 2021-08-13 中国科学院地理科学与资源研究所 基于modis产品数据估算全天气气温及其时空分布方法
CN115525854A (zh) * 2022-09-01 2022-12-27 国家卫星气象中心(国家空间天气监测预警中心) 一种静止气象卫星的水汽总量与分层水汽产品的生产方法
CN116381163A (zh) * 2023-05-29 2023-07-04 宁德时代新能源科技股份有限公司 湿度检测方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036086A (zh) * 2014-06-17 2014-09-10 杭州电子科技大学 一种基于modis数据的大气相对湿度估算方法
CN105572763A (zh) * 2015-12-15 2016-05-11 中国科学院遥感与数字地球研究所 云层覆盖下大气温度与湿度廓线处理方法和系统
CN107065036A (zh) * 2017-04-19 2017-08-18 中国农业科学院农业资源与农业区划研究所 一种联合遥感和气象数据获取全天候蒸散发的方法
US20190331831A1 (en) * 2018-04-26 2019-10-31 Jiangsu Meteorological Observatory Sea fog monitoring method based on multi-source satellite remote sensing data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036086A (zh) * 2014-06-17 2014-09-10 杭州电子科技大学 一种基于modis数据的大气相对湿度估算方法
CN105572763A (zh) * 2015-12-15 2016-05-11 中国科学院遥感与数字地球研究所 云层覆盖下大气温度与湿度廓线处理方法和系统
CN107065036A (zh) * 2017-04-19 2017-08-18 中国农业科学院农业资源与农业区划研究所 一种联合遥感和气象数据获取全天候蒸散发的方法
US20190331831A1 (en) * 2018-04-26 2019-10-31 Jiangsu Meteorological Observatory Sea fog monitoring method based on multi-source satellite remote sensing data

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENBIN ZHU, ET AL.: "Retrievals of all-weather daytime air temperature from MODIS products", 《REMOTE SENSING OF ENVIRONMENT》 *
张丽文，等: "气温遥感估算方法研究综述", 《自然资源学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111529A (zh) * 2021-04-22 2021-07-13 南京气象科技创新研究院 融合数值模式和卫星微波云反演数据的红外亮温模拟方法
CN113111529B (zh) * 2021-04-22 2023-10-10 南京气象科技创新研究院 融合数值模式和卫星微波云反演数据的红外亮温模拟方法
CN113255148A (zh) * 2021-06-04 2021-08-13 中国科学院地理科学与资源研究所 基于modis产品数据估算全天气气温及其时空分布方法
CN115525854A (zh) * 2022-09-01 2022-12-27 国家卫星气象中心(国家空间天气监测预警中心) 一种静止气象卫星的水汽总量与分层水汽产品的生产方法
CN115525854B (zh) * 2022-09-01 2023-05-12 国家卫星气象中心(国家空间天气监测预警中心) 一种静止气象卫星的水汽总量与分层水汽产品的生产方法
CN116381163A (zh) * 2023-05-29 2023-07-04 宁德时代新能源科技股份有限公司 湿度检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112327388B (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN112327388B (zh) 一种基于全遥感数据的全天候相对湿度估算方法
Cheng et al. Improved estimates of changes in upper ocean salinity and the hydrological cycle
WO2014200258A1 (ko) 적외선 영상을 이용한 지표온도감률 추정 방법
Zeng et al. Surface skin temperature and the interplay between sensible and ground heat fluxes over arid regions
CN109359411B (zh) 一种气候变化影响下沼泽湿地植被覆盖度估算方法
Deka et al. Implementation of forest canopy density model to monitor tropical deforestation
CN111881581B (zh) 一种建立三维水汽格网模型的方法和系统
Hoek van Dijke et al. Examining the link between vegetation leaf area and land–atmosphere exchange of water, energy, and carbon fluxes using FLUXNET data
CN111241701A (zh) 一种基于支持向量回归计算区域覆冰量级的方法
CN113569488A (zh) 一种基于随机森林回归的体感温度预测方法及系统
CN104463835B (zh) 一种基于鲁棒性卫星数据分析技术的地震红外辐射异常特征多角度遥感提取方法
Saha Assessment of regional soil moisture conditions by coupling satellite sensor data with a soil-plant system heat and moisture balance model
Raj et al. Surface temperature estimation from Landsat ETM data for a part of the Baspa Basin, NW Himalaya, India
Zhang et al. A remote sensing model of CO2 flux for wheat and studying of regional distribution
Spiess et al. MODIS-derived interannual variability of the equilibrium-line altitude across the Tibetan Plateau
CN115080629A (zh) 一种基于遥感技术的气象要素预报系统及方法
Menz Regionalization of precipitation models in EastAfrica using meteosat data
CN111310649B (zh) 一种无人机高分辨率影像对山岳冰川运动消融的提取方法
Paul et al. Evaluating surface energy balance system (SEBS) using aircraft data collected during BEAREX07
CN110096743B (zh) 基于遥感数据和高程信息估算地表水汽压方法
Shkol’nik et al. Temperature extremes and wildfires in Siberia in the 21st century: the MGO regional climate model simulation
CN113255148A (zh) 基于modis产品数据估算全天气气温及其时空分布方法
Yee et al. Drivers of urban heat in Hong Kong over the past 116 years
ZHANG Cloud-climate feedback: how much do we know?
KR102431307B1 (ko) 고해상도 습구온도 생성 시스템 및 이를 이용한 고해상도 습구온도 생성 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Leng Pei

Inventor after: Liao Qianyu

Inventor after: Li Zhaoliang

Inventor after: Ren Chao

Inventor after: Gao Maofang

Inventor after: Duan Sibo

Inventor after: Shang Guobei

Inventor after: Zhang Xia

Inventor after: Ren Jian

Inventor before: Leng Pei

Inventor before: Liao Qianyu

Inventor before: Li Zhaoliang

Inventor before: Ren Chao

Inventor before: Gao Maofang

Inventor before: Duan Sibo

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210508

Address after: 100000 No. 12 South Main Street, Haidian District, Beijing, Zhongguancun

Applicant after: INSTITUTE OF AGRICULTURAL RESOURCES AND REGIONAL PLANNING, CHINESE ACADEMY OF AGRICULTURAL SCIENCES

Applicant after: HEBEI GEO University

Address before: 100000 No. 12 South Main Street, Haidian District, Beijing, Zhongguancun

Applicant before: INSTITUTE OF AGRICULTURAL RESOURCES AND REGIONAL PLANNING, CHINESE ACADEMY OF AGRICULTURAL SCIENCES

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant