CN112345850A - 一种星载微波成像仪在轨灵敏度确定方法 - Google Patents
一种星载微波成像仪在轨灵敏度确定方法 Download PDFInfo
- Publication number
- CN112345850A CN112345850A CN202011174677.9A CN202011174677A CN112345850A CN 112345850 A CN112345850 A CN 112345850A CN 202011174677 A CN202011174677 A CN 202011174677A CN 112345850 A CN112345850 A CN 112345850A
- Authority
- CN
- China
- Prior art keywords
- data
- voltage
- gain
- satellite
- orbit
- 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
- 230000035945 sensitivity Effects 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000003908 quality control method Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000010287 polarization Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radiation Pyrometers (AREA)
Abstract
一种星载微波成像仪在轨灵敏度确定方法，包括如下步骤：S1：获取星载微波成像仪的热源观测数据，热源观测数据包括星载微波成像仪的增益数据和热定标源观测电压，增益数据与热定标源观测电压一一对应；S2：基于正态分布的3σ准则对增益数据和热定标源观测电压分别进行质量控制，得到增益优化数据和热定标源观测优化电压；S3：基于增益优化数据和热定标源观测优化电压进行Allan标准差计算，得到星载微波成像仪的在轨灵敏度。由于Allan标准差计算方法可以表征观测数据与观测数据之间的偏离程度，所以Allan标准差可以代表系统噪声导致的观测数据短时波动情况，准确计算星载微波成像仪的在轨灵敏度，提高气象卫星测量精准性，进而提升天基气候系统监测能力。
Description
技术领域
本发明属于卫星监测领域，尤其涉及一种星载微波成像仪在轨灵敏度确定方法。
背景技术
气象卫星通过微波成像仪测量地表和大气辐射信息，可以反演温度、风速、海冰、积雪、土壤湿度和降水等参数，广泛应用于大气、海洋和陆地等环境的探测领域。微波成像仪产品精度受仪器在轨性能稳定性的影响，而灵敏度是衡量成像仪系统在轨性能的重要参数之一，所以在评估成像仪在轨运行期间性能稳定性方面，准确计算在轨灵敏度参数至关重要。
微波成像仪在轨灵敏度的传统确定方法是，令成像仪观测一个辐射亮温固定的热定标源，统计观测数据的均方根标准差，用均方根标准差作为成像仪的灵敏度。为了准确计算微波成像仪的在轨灵敏度，传统方法需要首先选择观测区域为海面的热定标源观测数据，减少地面噪声的影响，但是无法缓解在轨运行时环境温度变化的干扰。
发明内容
本发明的技术目的是提供一种星载微波成像仪在轨灵敏度确定方法，以解决周围环境因素对灵敏度测算干扰的技术问题。
为解决上述问题，本发明的技术方案为：
一种星载微波成像仪在轨灵敏度确定方法，包括如下步骤：
S1：获取星载微波成像仪的热源观测数据，热源观测数据包括星载微波成像仪的增益数据和热定标源观测电压，增益数据与热定标源观测电压一一对应；
S2：基于正态分布的3σ准则对增益数据和热定标源观测电压分别进行质量控制，得到增益优化数据和热定标源观测优化电压；
S3：基于增益优化数据和热定标源观测优化电压进行Allan标准差计算，得到星载微波成像仪的在轨灵敏度。
其中，步骤S2中，基于正态分布的3σ准则对增益数据进行质量控制进一步包括以下步骤：
A1：基于增益数据计算得到增益均值和增益标准差；
A2：根据增益均值和增益标准差，基于正态分布的3σ准则更新增益数据，得到增益优化数据。
具体地，增益均值的计算公式为
增益标准差的计算公式为
其中，
为增益均值，n为增益数据的数据量，σG为增益标准差，Gi为增益数据。
进一步优选地，步骤A2中，根据增益均值和增益标准差更新增益数据进一步包括：
若增益数据满足
或
则令
否则增益数据Gi保持不变。
其中，步骤S2中，基于正态分布的3σ准则对热定标源观测电压进行质量控制进一步包括以下步骤：
B1：基于热定标源观测电压计算得到电压均值和电压标准差；
B2：根据电压均值和电压标准差，基于正态分布的3σ准则更新热定标源观测电压，得到热定标源观测优化电压。
具体地，电压均值的计算公式为
电压标准差的计算公式为
其中，
为电压均值，m为热定标源观测电压的数据量，σV为电压标准差，
为热定标源观测电压。
进一步优选地，步骤B2中根据电压均值和电压标准差更新热定标源观测电压进一步包括：
若热定标源观测电压满足
或
则令
否则热定标源观测电压
保持不变。
具体地，步骤S3中Allan标准差计算的计算公式为，
其中，NEDT为灵敏度，yi为分组后的热源观测数据，M为分组间隔，N为每组热源观测数据的数据量，其中，
进一步优选地，步骤S1之前进一步包括以下步骤，通过计算确定分组间隔M和每组热源观测数据的数据量N的取值。
进一步优选地，步骤S2与步骤S3之间还进一步包括：基于分组间隔M和每组热源观测数据的数据量N的取值对增益优化数据和热定标源观测优化电压进行分组。
本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效果：
本发明提供了一种星载微波成像仪在轨灵敏度确定方法，该方法主要采用Allan标准差表示星载微波成像仪的在轨灵敏度参数。由于Allan标准差计算方法可以表征观测数据与观测数据之间的偏离程度，而不是观测数据与平均值之间的偏离程度，所以Allan标准差可以代表系统噪声导致的观测数据短时波动情况，进而可以更有效的消除环境噪声对在轨灵敏度的干扰，从而准确计算星载微波成像仪的在轨灵敏度，提升天基气候系统监测能力。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
图1为本发明的一种星载微波成像仪在轨灵敏度确定方法步骤流程示意图；
图2为本发明的每组热源观测数据的数据量N的取值对灵敏度计算的影响示意图；
图3为本发明的星载微波成像仪接收常数信号时分组间隔M的取值对灵敏度计算的影响示意图；
图4为本发明的星载微波成像仪接收余弦信号时分组间隔M的取值对灵敏度计算的影响示意图；
图5为本发明的一种星载微波成像仪在轨灵敏度计算方法灵敏度比较结果示意图。
具体实施方式
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，下面将对照附图说明本发明的具体实施方式。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的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
以下结合附图和具体实施例对本发明提出的一种星载微波成像仪在轨灵敏度计算方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。
参看图1，本实施例提供一种星载微波成像仪在轨灵敏度确定方法，包括如下步骤：S1：获取星载微波成像仪的热源观测数据，热源观测数据包括星载微波成像仪的增益数据和热定标源观测电压，增益数据与热定标源观测电压一一对应；S2：基于正态分布的3σ准则对增益数据和热定标源观测电压分别进行质量控制，得到增益优化数据和热定标源观测优化电压；S3：基于增益优化数据和热定标源观测优化电压进行Allan标准差计算，得到星载微波成像仪的在轨灵敏度。
现对本实施例进行详细说明：
参看图1，在本实施例中，本方法基于气象卫星提出的，适用于目前在轨的所有气象卫星的星载微波成像仪，并且针对微波成像仪的L1级遥感数据。步骤S1具体步骤为：通过气象卫星获取星载微波成像仪的热源观测数据，热源观测数据包括增益数据和热定标源观测电压，增益数据与热定标源观测电压一一对应。
步骤S2具体步骤为：将步骤S1中所获取的增益数据与热定标源观测电压分别进行计算，其中，通过计算更新增益数据得到增益优化数据，具体如下，计算增益均值，其计算公式为
计算增益标准差，其计算公式为
其中，
为增益均值，n为增益数据的数据量，σG为增益标准差，Gi为增益数据，i为数学统计量。
根据上述计算得到的增益均值和增益标准差更新增益数据，若增益数据满足
或
则令
否则增益数据Gi保持不变，最后得到增益优化数据。
同理，通过计算热定标源观测电压得到热定标源观测优化电压，具体如下，计算电压均值，其计算公式为
计算电压标准差，其计算公式为
其中，
为电压均值，m为热定标源观测电压的数据量，σV为电压标准差，
为热定标源观测电压，i为数学统计量。
根据上述计算得到的电压均值和电压标准差更新热定标源观测电压，若热定标源观测电压满足
或
则令
否则热定标源观测电压
保持不变。
步骤S3具体步骤为：通过Allan标准差计算灵敏度，其计算公式为，
其中，NEDT为灵敏度，yi为分组后的热源观测数据，M为分组间隔，N为每组热源观测数据的数据量，i、j为数学统计量，具体地，上述公式内的yi+M-yi可进行公式展开，
参看图2-4，在本实施例中，步骤S1之前需对分组间隔M和每组热源观测数据的数据量N的取值进行详细说明：
其中，在本实施例中，N和M的取值均在地面真空定标试验环境下完成的，参看图2，首先对N的取值进行说明，在模拟环境下执行与步骤S1至S3相同的步骤，即将模拟环境下的微波成像仪的在轨热源观测数据代入进行优化并带入公式
中，改变N的取值，得到每个N值对应的带M的灵敏度计算结果，最终取计算结果稳定时对应的最小数据量作为本方法应用过程中的N值。利用目前在轨的国产气象卫星微波成像仪数据，得到计算结果与数据量N之间的对应关系如图2所示。由图2可知，对于本实施例中选择的气象卫星微波成像仪，取N＝400时结果已稳定，因此N值为400，即每组的数据量取400，当然N值也可以大于400但计算量会增加。
参看图3和图4，接着对M的取值进行说明，具体方法为：在模拟环境下，微波成像仪接收到的理想信号分为两种情况，常数信号和余弦信号，而成像仪的系统噪声为白噪声信号，所以微波成像仪实际接收到的信号为理想信号叠加白噪声信号的结果。模拟环境下的微波成像仪的在轨热源观测数据进行优化并带入公式
其中N取400，改变M的取值获得随M值变换的灵敏度计算结果，具体参看图3和图4。其中，图3中的理想信号为常数信号，图4中的理想信号为余弦信号，两图中的曲线即为灵敏度计算结果，直线为白噪音信号的均方根标准差。因此，由图3和图4可知，令M＝1时得到的实际接收信号的灵敏度计算结果最接近白噪声的均方根标准差，所以本实施例中取M＝1。
在步骤S2与S3之间，基于N＝400，M＝1，对获取得到的增益优化数据和热定标源观测优化电压进行各自分组，并带入到Allan标准差公式中，由于N、M取值以固定，因此将公式简化为
参看图5，在本实施例中，现对该方法进行验证是否可行，采用Allan标准差方法计算国产气象卫星微波成像仪(微波成像仪)在轨灵敏度，并分析三台成像仪在轨灵敏度的长期稳定性。微波成像仪工作频段有10.65GHz、18.7GHz、23.8GHz、36.5GHz以及89GHz，各频段均为双极化探测，所以微波成像仪各接收通道可以表示为10V、10H、18V、18H、23V、23H、36V、36H、89V以及89H。分析本方法计算微波成像仪灵敏度的准确性，在地面真空定标试验环境下，热定标源观测数据的均方根标准差即为实际灵敏度值，所以分别利用本方法和传统均方根标准差方法(简称传统法)计算微波成像仪地面真空定标试验的灵敏度，通过对比两种方法得到的灵敏度的差别，验证使用本方法计算微波成像仪在轨灵敏度是否可行。
表1.两种方法得到的灵敏度
| 通道 | 10V | 10H | 18V | 18H | 23V | 23H | 36V | 36H | 89V | 89H |
| 均方根/K | 0.29 | 0.26 | 0.34 | 0.39 | 0.3 | 0.32 | 0.24 | 0.19 | 0.38 | 0.38 |
| Allan/K | 0.28 | 0.27 | 0.34 | 0.38 | 0.33 | 0.34 | 0.23 | 0.18 | 0.36 | 0.38 |
具体地，表1给出了利用两种方法得到的微波成像仪各接收通道地面真空定标的灵敏度结果，其中10V代表10.65GHz垂直极化通道，10H代表10.65GHz水平极化通道，18V代表18.7GHz垂直极化通道，18H代表18.7GHz水平极化通道，23V代表23.8GHz垂直极化通道，23H代表23.8GHz水平极化通道，36V代表36.5GHz垂直极化通道，36H代表36.5GHz水平极化通道，89V代表89GHz垂直极化通道，89H代表89GHz水平极化通道。由表可知，两种方法得到的结果最大差别≤0.03K，证明在实验室环境下，本方法可以准确计算微波成像仪的灵敏度。而在太空中时具体参看图5，为应用本实施例的方法计算现有气象卫星的在轨灵敏度的长期结果，各接收通道的灵敏度长期结果误差≤0.6K。
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。即使对本发明作出各种变化，倘若这些变化属于本发明权利要求及其等同技术的范围之内，则仍落入在本发明的保护范围之中。
Claims (10)
1.一种星载微波成像仪在轨灵敏度确定方法，其特征在于，包括如下步骤：
S1：获取所述星载微波成像仪的热源观测数据，所述热源观测数据包括所述星载微波成像仪的增益数据和热定标源观测电压，所述增益数据与所述热定标源观测电压一一对应；
S2：基于正态分布的3σ准则对所述增益数据和所述热定标源观测电压分别进行质量控制，得到增益优化数据和热定标源观测优化电压；
S3：基于所述增益优化数据和所述热定标源观测优化电压进行Allan标准差计算，得到星载微波成像仪的在轨灵敏度。
2.根据权利要求1所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤S2中，所述基于正态分布的3σ准则对所述增益数据进行质量控制进一步包括以下步骤：
A1：基于所述增益数据计算得到增益均值和增益标准差；
A2：根据所述增益均值和所述增益标准差，基于正态分布的3σ准则更新所述增益数据，得到所述增益优化数据。
3.根据权利要求2所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述增益均值的计算公式为
所述增益标准差的计算公式为
其中，
为所述增益均值，n为所述增益数据的数据量，σG为所述增益标准差，Gi为所述增益数据。
4.根据权利要求3所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤A2中，所述根据所述增益均值和所述增益标准差更新所述增益数据进一步包括：
若所述增益数据满足
或
则令
否则所述增益数据Gi保持不变。
5.根据权利要求1所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤S2中，所述基于正态分布的3σ准则对所述热定标源观测电压进行质量控制进一步包括以下步骤：
B1：基于所述热定标源观测电压计算得到电压均值和电压标准差；
B2：根据所述电压均值和所述电压标准差，基于正态分布的3σ准则更新所述热定标源观测电压，得到所述热定标源观测优化电压。
6.根据权利要求5所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述电压均值的计算公式为
所述电压标准差的计算公式为
其中，
为所述电压均值，m为所述热定标源观测电压的数据量，σV为所述电压标准差，
为所述热定标源观测电压。
7.根据权利要求6所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤B2中所述根据所述电压均值和所述电压标准差更新所述热定标源观测电压进一步包括：
若所述热定标源观测电压满足
或
则令
否则所述热定标源观测电压
保持不变。
8.根据权利要求1至7任意一项所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤S3中Allan标准差计算的计算公式为，
其中，NEDT为灵敏度，yi为分组后的所述热源观测数据，M为分组间隔，N为每组所述热源观测数据的数据量，其中，
9.根据权利要求8所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤S1之前进一步包括以下步骤，通过计算确定所述分组间隔M和每组所述热源观测数据的数据量N的取值。
10.根据权利要求9所述的星载微波成像仪在轨灵敏度确定方法，其特征在于，所述步骤S2与所述步骤S3之间还进一步包括：基于所述分组间隔M和每组所述热源观测数据的数据量N的取值对所述增益优化数据和所述热定标源观测优化电压进行分组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011174677.9A CN112345850A (zh) | 2020-10-28 | 2020-10-28 | 一种星载微波成像仪在轨灵敏度确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011174677.9A CN112345850A (zh) | 2020-10-28 | 2020-10-28 | 一种星载微波成像仪在轨灵敏度确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112345850A true CN112345850A (zh) | 2021-02-09 |
Family
ID=74355353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011174677.9A Pending CN112345850A (zh) | 2020-10-28 | 2020-10-28 | 一种星载微波成像仪在轨灵敏度确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112345850A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114993484A (zh) * | 2022-08-02 | 2022-09-02 | 国家卫星海洋应用中心 | 一种星载微波辐射计异常数据检测方法、装置及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102519513A (zh) * | 2011-11-15 | 2012-06-27 | 上海卫星工程研究所 | 一种使用三定标源的星载被动微波遥感仪器地面真空定标试验方法 |
| CN106569186A (zh) * | 2015-10-13 | 2017-04-19 | 中国科学院国家空间科学中心 | 一种星载微波辐射计的偏差校正方法 |
-
2020
- 2020-10-28 CN CN202011174677.9A patent/CN112345850A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102519513A (zh) * | 2011-11-15 | 2012-06-27 | 上海卫星工程研究所 | 一种使用三定标源的星载被动微波遥感仪器地面真空定标试验方法 |
| CN106569186A (zh) * | 2015-10-13 | 2017-04-19 | 中国科学院国家空间科学中心 | 一种星载微波辐射计的偏差校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| MIAO TIAN等: "《Use of Allan Deviation for Characterizing Satellite Microwave Sounder Noise Equivalent Differential Temperature (NEDT)》", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》, 31 October 2015 (2015-10-31), pages 2477 * |
| 黑马程序员: "《Python数据分析与应用 从数据获取到可视化》", 《中国铁道出版社》, 31 January 2019 (2019-01-31), pages 90 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114993484A (zh) * | 2022-08-02 | 2022-09-02 | 国家卫星海洋应用中心 | 一种星载微波辐射计异常数据检测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ménétrier et al. | Linear filtering of sample covariances for ensemble-based data assimilation. Part I: Optimality criteria and application to variance filtering and covariance localization | |
| CN106569186B (zh) | 一种星载微波辐射计的偏差校正方法 | |
| CN102818635B (zh) | 一种提高红外传感器标定精度的方法 | |
| CN104181511B (zh) | 一种地基微波辐射计定标方法 | |
| US20210003461A1 (en) | Sensor calibration | |
| CN102779333B (zh) | 一种基于卡尔曼滤波的光学影像复原方法 | |
| Marécal et al. | Experiments on 4D‐Var assimilation of rainfall data using an incremental formulation | |
| CN115062527B (zh) | 一种基于深度学习的静止卫星海温反演方法及系统 | |
| CN111737912A (zh) | 一种基于深度神经网络的mwhts模拟亮温计算方法 | |
| CN116449331B (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
| Pastorek et al. | Precipitation estimates from commercial microwave links: Practical approaches to wet-antenna correction | |
| CN113484918A (zh) | 一种提高微波辐射计在云、雨天气条件下测量精度的方法 | |
| CN112345813A (zh) | 动态测量精度的动态补偿方法 | |
| JP7529337B1 (ja) | 非等方性を考慮した水平方向対流圏遅延分類方法 | |
| CN110418283A (zh) | 基于WiFi数据的位置指纹库创建方法 | |
| CN112345850A (zh) | 一种星载微波成像仪在轨灵敏度确定方法 | |
| PrivÉ et al. | The importance of simulated errors in observing system simulation experiments | |
| Xu et al. | Estimation of three-dimensional error covariances. Part I: Analysis of height innovation vectors | |
| CN109298466B (zh) | 探空特性层择取的阈值参数选定方法 | |
| CN112784218B (zh) | 一种非高斯随机振动信号的峭度估计方法 | |
| CN113742929A (zh) | 一种针对格点气象实况的数据质量评价方法 | |
| KR20190125872A (ko) | 관측자료 품질검사 장치 및 이를 이용한 관측자료 품질검사 방법 | |
| US20230103168A1 (en) | Using mobile data to improve weather information | |
| Ma et al. | Assimilation of all-sky radiance from the FY-3 MWHS-2 with the Yinhe 4D-Var system | |
| CN116465502A (zh) | 一种地面站点辐射测温的大气校正方法 |
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: 20210209 |
|
| WD01 | Invention patent application deemed withdrawn after publication |