CN112730313B - 用于冰云探测的多频太赫兹探测仪通道选取方法及装置 - Google Patents
用于冰云探测的多频太赫兹探测仪通道选取方法及装置 Download PDFInfo
- Publication number
- CN112730313B CN112730313B CN202011520718.5A CN202011520718A CN112730313B CN 112730313 B CN112730313 B CN 112730313B CN 202011520718 A CN202011520718 A CN 202011520718A CN 112730313 B CN112730313 B CN 112730313B
- Authority
- CN
- China
- Prior art keywords
- frequency
- ice cloud
- ice
- cloud
- terahertz detector
- 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
- 239000008276 ice cloud Substances 0.000 title claims abstract description 166
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000010187 selection method Methods 0.000 title claims description 16
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 239000002245 particle Substances 0.000 claims description 34
- 230000005855 radiation Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 12
- 239000005457 ice water Substances 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 19
- 238000013461 design Methods 0.000 abstract description 8
- 238000004836 empirical method Methods 0.000 abstract description 3
- 238000011002 quantification Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 238000004891 communication Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
-
- 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
Abstract
本发明公开了一种用于冰云探测的多频太赫兹探测仪通道选取方法及装置。该方法包括如下步骤;计算待选择的多频段各个频率通道的模拟卫星测量亮温;将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差;从频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道。该方法通过以反演冰云参数的均方根误差作为一种定量度量来衡量冰云探测多频太赫兹探测仪频率通道选择的性能,和传统经验法相比具有客观、定量化的特点,能够实现更加精细的设计。
Description
技术领域
本发明涉及一种用于冰云探测的多频太赫兹探测仪通道选取方法,同时也涉及相应的多频太赫兹探测仪通道选取装置,属于微波遥感技术领域。
背景技术
冰云覆盖范围广,所处高度决定了其对地球能量循环和水汽循环起着重要的作用,冰云与地球气候的关键要素联系在一起,因此需要在气候模型中对冰云进行准确的表示。并且,不同数值预报模式之间的大气冰量存在显著差异,因此,研究有关冰云参数(覆盖率、高度、厚度、冰水路径、冰粒形状和大小分布)的信息对于冰云预报模式的发展、实时全球云分析的升级和全球气候变化中云反馈的研究至关重要。
现有冰云探测能力的载荷系统有三类,分别是微波遥感载荷系统、雷达载荷系统和光学遥感载荷系统。微波载荷系统只能探测到粒子尺寸较大、云层较厚的冰云,微波雷达仅能探测大粒子,激光雷达仅能探测小粒子。此外雷达载荷系统的水平分辨率低,难以实现宽幅成像;可见光无法穿透云层,仅能提供光学厚云的顶部信息,而红外探测仅适用于半透明卷云,对于较厚的卷云,红外传感器只能看到云层顶部的发射。因此需要采用微波和红外之间的太赫兹频段来弥补50~500μm尺寸的冰云探测间隙。
目前虽然还没有在轨业务运行的星载太赫兹冰云探测载荷,但是对其开展了一系列的机载和星载太赫兹冰云探测研究后发现,赫兹频段中有118、157、183、220、243、325、380、425、448、640、664、874GHz等频率可以用于冰云的探测,不同的频率可用于量化粒子尺寸分布,并提供精确的冰水含量和等效粒子尺寸测量。因此,探测频率通道的优化设计对于冰云探测太赫兹探测仪系统设计是非常必要的。
发明内容
本发明所要解决的首要技术问题在于提供一种用于冰云探测的多频太赫兹探测仪通道选取方法。
本发明所要解决的另一技术问题在于提供一种用于冰云探测的多频太赫兹探测仪通道选取装置。
为了实现上述目的,本发明采用下述技术方案:
根据本发明实施例的第一方面,提供一种用于冰云探测的多频太赫兹探测仪通道选取方法,包括如下步骤:
计算待选择的多频段各个频率通道的模拟卫星测量亮温;
将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差;
从所述频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道。
其中较优地,计算所述待选择的多频段各个频率通道的模拟卫星测量亮温,包括如下步骤:
获得冰云廓线数据集,包括某一时刻某一场景下待选择的多频段各个频率通道的所有冰云廓线;
根据所述冰云廓线数据集,计算所述待选择的多频段各个频率通道的大气上视辐射亮温;
对所述大气上视辐射亮温进行微波载荷仿真,得到所述待选择的多频段各个频率通道的模拟卫星测量亮温。
其中较优地,获得所述冰云廓线数据集时,从历史气象再分析资料中获得某一时刻某一场景下用于冰云探测的所有频段各个频率通道的所有冰云廓线;
当所述历史气象再分析资料中无法获得所述冰云廓线数据集时,选取某个时刻的观测资料初始化数值预报模式,预报所需的冰云廓线数据集。
其中较优地,将所述冰云廓线数据集输入到大气辐射传输模型中,计算出所述多频段各个频率通道的大气上视辐射亮温。
其中较优地,对所述大气上视辐射亮温进行微波载荷仿真时,将所述大气上视辐射亮温和天线方向图加权积分并加入观测噪声,得到待选择的多频段各个频率通道的模拟卫星测量亮温。
其中较优地,采用移动步长最小二乘法函数、高斯增益函数或贝塞尔函数中任意一种函数计算所述天线方向图。
其中较优地,将所述不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,从多频太赫兹探测仪待选择的多个频段中选取一个或多个频段,将每一次所选取的一个或多个频段的所有频率通道作为一个频率通道组合,并将所述频率通道组合的模拟卫星测量亮温反演得到相应的冰云参数,所述冰云参数主要包括冰水路径、冰云等效粒子尺寸、等效云高。
其中较优地,分别计算反演得到的每个频率通道组合的冰云参数与真实冰云参数之间的均方根误差;其中,真实冰云参数中,冰水路径IWP表示为:
IWP=∫XWCdz
上式中,XWC表示冰云粒子含量,即冰云粒子在垂直高度上的密度分布,单位g/m3;
冰云等效粒子尺寸Dme是冰云粒子的质量加权中位尺寸,为冰云粒子等效直径,单位:μm,根据如下公式得到;
上式中,m(D)表示冰云粒子的质量,N(D)表示冰云粒子尺寸分布函数,即等效球径在D和D+dD之间的冰云粒子数量;
等效云高Zme为冰水路径IWP一半时对应的高度,单位:km,并根据如下公式得到。
根据本发明实施例的第二方面,提供一种用于冰云探测的多频太赫兹探测仪通道选取装置,包括处理器和存储器,所述处理器读取所述存储器中的计算机程序或指令,用于执行以下操作:
计算待选择的多频段各个频率通道的模拟卫星测量亮温;
将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差;
从所述频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道。
本发明所提供的用于冰云探测的多频太赫兹探测仪通道选取方法及装置基于大气数值模式和大气辐射传输模式计算待选择的多频段各个频率通道的模拟卫星测量亮温,然后将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差。均方根误差越小的频率通道组合则具有最优的冰云探测性能。本发明通过以反演冰云参数的均方根误差作为一种定量度量来衡量冰云探测多频太赫兹探测仪频率通道选择的性能,和传统经验法相比具有客观、定量化的特点,能够实现更加精细的设计。
附图说明
图1为本发明提供的用于冰云探测的多频太赫兹探测仪通道选取方法的流程图;
图2为本发明提供的用于冰云探测的多频太赫兹探测仪通道选取方法的流程详图;
图3为本发明提供的用于冰云探测的多频太赫兹探测仪通道选取装置的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容做进一步的详细说明。
针对用于冰云探测的多频太赫兹探测仪对频率通道选择的设计需求,克服目前缺乏太赫兹频段冰云探测频率通道选择的精细设计方法的困难,如图1所示,本发明提供了一种用于冰云探测的多频太赫兹探测仪通道选取方法,包括如下步骤:
步骤S1、计算待选择的多频段各个频率通道的模拟卫星测量亮温。
将目前研究出的多频太赫兹探测仪可以用于冰云探测的所有频段作为待选择的多频段;由于多频太赫兹探测仪用于冰云探测的每个频段包括一个或多个频率通道,因此需要计算出每个频段各个频率通道的模拟卫星测量亮温,具体包括如下步骤:
步骤S11、获得冰云廓线数据集,包括某一时刻某一场景下待选择的多频段各个频率通道的所有冰云廓线。
如图2所示,从历史气象再分析资料中获得某一时刻某一场景下用于冰云探测的所有频段各个频率通道的冰云廓线数据集。其中,冰云廓线数据集包括某一时刻某一气象场景下用于冰云探测的所有频段各个频率通道的所有冰云廓线。
由于历史气象再分析资料包括以特定时刻的观测资料初始化数值预报模式,并以相同时间间隔生成的满足时空匹配要求的冰云廓线数据集。因此,当从历史气象再分析资料中无法获得某一时刻某一场景下用于冰云探测的所有频段各个频率通道的冰云廓线数据集时,可以选取某个时刻的观测资料初始化数值预报模式,实现预报所需的某一时刻某一场景下用于冰云探测的所有频段各个频率通道的冰云廓线数据集。
例如,假设历史气象再分析资料包括采用初始化数值预报模式每间隔4个小时生成的满足时空匹配要求的冰云廓线数据集,实际需要07时15分时晴空场景下用于冰云探测的所有频段各个频率通道的冰云廓线数据集。由于历史气象再分析资料中全部是整时刻对应的相应场景的冰云廓线数据集,因此无法从历史气象再分析资料中获得07时15分时晴空场景下用于冰云探测的所有频段各个频率通道的冰云廓线数据集。此时,可以以0时刻的观测资料作为数值预报模式的初始预报资料进行预报,直到生成07时15分时晴空场景下用于冰云探测的所有频段各个频率通道的所有冰云廓线,以组成07时15分时晴空场景下用于冰云探测的所有频段各个频率通道的冰云廓线数据集。
步骤S12、根据冰云廓线数据集,计算待选择的多频段各个频率通道的大气上视辐射亮温。
如图2所示,将步骤S11获得的某一时刻某一场景下待选择的多频段各个频率通道的所有冰云廓线分别输入到大气辐射传输模型中,计算出各个频率通道的每个冰云廓线对应的大气上视辐射亮温。
步骤S13、对大气上视辐射亮温进行微波载荷仿真,得到待选择的多频段各个频率通道的模拟卫星测量亮温。
对步骤S12计算的某一时刻某一场景下待选择的多频段各个频率通道的大气上视辐射亮温进行微波载荷仿真时,将大气上视辐射亮温和天线方向图加权积分并加入观测噪声,分别得到待选择的多频段各个频率通道的模拟卫星测量亮温。其中,某一频段某一频率通道的模拟卫星观测亮温具体表示为:
Tai=∫E F(ρAi,ρ)Tb(ρ)dA+δ (1)
上式中,E表示二维空间上的积分,F(ρAi,ρ)表示天线的归一化方向图,ρ表示地球曲面的矢量位置,ρAi表示地球曲面波束中心的矢量位置,Tb表示大气上视辐射亮温,dA表示立体角微元,δ表示卫星观测噪声。在计算天线方向图时可以采用移动步长最小二乘法函数、高斯增益函数和贝塞尔函数,为了更好的截取出天线主波束,选取贝塞尔函数计算天线方向图,具体如下:
上式中,F表示天线方向图,D表示天线的圆形口径(直径)大小,J1表示一阶贝塞尔函数,λ为波长,θ表示天线坐标系下的俯仰角。
步骤S2、将不同频率通道组合的模拟卫星测量亮温反演得到相应的冰云参数,并计算其均方根误差。
从多频太赫兹探测仪待选择的多个频段中选取一个或多个频段,将每一次所选取的一个或多个频段的所有频率通道作为一个频率通道组合,并采用现有任意一种冰云参数反演方法将该频率通道组合的模拟卫星测量亮温反演得到相应的冰云参数,例如统计类冰云参数反演方法(如统计回归冰云参数反演方法、神经网络冰云参数反演方法)和物理类冰云参数反演方法(如一维变分冰云参数反演方法)中任意一种。其中,冰云参数主要包括冰水路径IWP、冰云等效粒子尺寸Dme、等效云高Zme。
分别计算反演得到的每个频率通道组合的冰云参数与真实冰云参数之间的均方根误差。其中,真实冰云参数中,冰水路径IWP表示为:
IWP=∫XWCdz (3)
上式中,XWC表示冰云粒子含量,即冰云粒子在垂直高度上的密度分布,单位g/m3。
冰云等效粒子尺寸Dme是冰云粒子的质量加权中位尺寸,为冰云粒子等效直径,单位:μm,根据如下公式得到。
上式中,m(D)表示冰云粒子的质量,N(D)表示冰云粒子尺寸分布函数,即等效球径在D和D+dD之间的冰云粒子数量。
等效云高Zme为冰水路径IWP一半时对应的高度,单位:km,并根据如下公式得到。
步骤S3、从频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道。
由于冰云参数均方根误差越小的频率通道组合具有最优的冰云探测性能,因此从步骤S2得到的不同频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施案例,对本发明进行进一步详细说明。
以本发明实施例中待选择的多频段各个频率通道包括183GHz频段的3个频率通道、243GHz频段的1个频率通道、325GHz频段的3个频率通道、448GHz频段的3个频率通道,664GHz频段的1个频率通道为例,如下表所示。
表1 太赫兹冰云探测通道设置
编号 | 中心频率(GHz) | 带宽 | 通道用途 |
1 | 183.31±7 | 2000 | 水汽廓线,降雪 |
2 | 183.31±3.4 | 1000 | 水汽廓线,降雪 |
3 | 183.31±2 | 500 | 水汽廓线,降雪 |
4 | 243.2±2.5 | 3000 | 云冰,卷云 |
5 | 325.15±9.5 | 3000 | 云冰有效直径 |
6 | 325.15±3.5 | 2400 | 云冰有效直径 |
7 | 325.15±1.5 | 1600 | 云冰有效直径 |
8 | 448.0±7.2 | 3000 | 云冰路径,卷云 |
9 | 448.0±3.0 | 2000 | 云冰路径,卷云 |
10 | 448.0±1.4 | 1200 | 云冰路径,卷云 |
11 | 664.0±4.2 | 5000 | 云冰路径,卷云 |
12 | 874.38 | 5000 | 云冰路径,卷云 |
在本实施案例中将以上待选择多频段各个频率通道以下面4种频率通道组合情况研究;
1)用325+448GHz共2个频段的6个频率通道(观测频点)的模拟卫星测量亮温反演冰云参数;
2)用325+448+664GHz共3个频段的7个频率通道的模拟卫星测量亮温反演冰云参数;
3)用448+664GHz共2个频段的4个频率通道的模拟卫星测量亮温反演冰云参数;
4)用183+243+325+448+664+874GHz共6个频段的12个频率通道的模拟卫星测量亮温反演冰云参数;
上述四种频率通道组合下利用神经网络冰云参数反演算法反演得到的冰云参数的均方根误差数值RMSE如下表所示。
表2 不同频率组合反演冰云参数的RMSE
从四种频率通道组合下反演得到的冰云参数的均方根误差结果来看,对于冰水路径IWP,325+448GHz频段组合反演结果最差,而对于冰云等效粒子尺寸Dme、等效云高Zme,448+664GHz频段组合反演结果最差。不论是哪种冰云参数,325+448+664GHz频段组合反演结果比前两种频率组合反演误差都要更小,但是方案4的183+243+325+448+664+874GHz六个频段组合方案反演结果的误差最小,因此,方案4是最优的频率通道设计方案。
进一步地,如图3所示,本发明还提供一种用于冰云探测的多频太赫兹探测仪通道选取装置,包括处理器32和存储器31,还可以根据实际需要进一步包括通信组件、传感器组件、电源组件、多媒体组件及输入/输出接口。其中,存储器、通信组件、传感器组件、电源组件、多媒体组件及输入/输出接口均与该处理器32连接。前已述及,存储器31可以是静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器等;处理器可以是中央处理器(CPU)、图形处理器(GPU)、现场可编程逻辑门阵列(FPGA)、专用集成电路(ASIC)、数字信号处理(DSP)芯片等。其它通信组件、传感器组件、电源组件、多媒体组件等均可以采用现有智能手机中的通用部件实现,在此就不具体说明了。
另一方面,在用于冰云探测的多频太赫兹探测仪通道选取装置中,处理器32读取存储器31中的计算机程序或指令,用于执行以下操作:
计算待选择的多频段各个频率通道的模拟卫星测量亮温。
将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差。
从频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道。
本发明所提供的用于冰云探测的多频太赫兹探测仪通道选取方法及装置基于大气数值模式和大气辐射传输模式计算待选择的多频段各个频率通道的模拟卫星测量亮温,然后将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差。均方根误差越小的频率通道组合则具有最优的冰云探测性能。本发明通过以反演冰云参数的均方根误差作为一种定量度量来衡量冰云探测多频太赫兹探测仪频率通道选择的性能,和传统经验法相比具有客观、定量化的特点,能够实现更加精细的设计。
以上对本发明所提供的用于冰云探测的多频太赫兹探测仪通道选取方法及装置进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质内容的前提下对它所做的任何显而易见的改动,都将属于本发明专利权的保护范围。
Claims (9)
1.一种用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于包括如下步骤:
计算待选择的多频段各个频率通道的模拟卫星测量亮温,所述待选择的多频段为183GHz、243GHz、325GHz、448GHz、664GHz和874GHz中的部分或者全部;
将不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,并计算其均方根误差;
从所述频率通道组合的反演冰云参数均方根误差中选择误差最小值作为最优的探测频率通道,
所述探测频率通道为太赫兹频率通道,并且在特定频段的特定频率通道的模拟卫星观测亮温表示为:
Tai=∫EF(ρAi,ρ)Tb(ρ)dA+δ,
其中,∫E表示二维空间上的积分,F(ρAi,ρ)表示天线的归一化方向图,ρ表示地球曲面的矢量位置,ρAi表示地球曲面波束中心的矢量位置,Tb表示大气上视辐射亮温,dA表示立体角微元,δ表示卫星观测噪声。
2.如权利要求1所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
计算所述待选择的多频段各个频率通道的模拟卫星测量亮温,包括如下步骤:
获得冰云廓线数据集,包括某一时刻某一场景下待选择的多频段各个频率通道的所有冰云廓线;
根据所述冰云廓线数据集,计算所述待选择的多频段各个频率通道的大气上视辐射亮温;
对所述大气上视辐射亮温进行微波载荷仿真,得到所述待选择的多频段各个频率通道的模拟卫星测量亮温。
3.如权利要求2所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
获得所述冰云廓线数据集时,从历史气象再分析资料中获得某一时刻某一场景下用于冰云探测的所有频段各个频率通道的所有冰云廓线;
当所述历史气象再分析资料中无法获得所述冰云廓线数据集时,选取某个时刻的观测资料初始化数值预报模式,预报所需的冰云廓线数据集。
4.如权利要求2所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
将所述冰云廓线数据集输入到大气辐射传输模型中,计算出所述多频段各个频率通道的大气上视辐射亮温。
5.如权利要求2所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
对所述大气上视辐射亮温进行微波载荷仿真时,将所述大气上视辐射亮温和天线方向图加权积分并加入观测噪声,得到待选择的多频段各个频率通道的模拟卫星测量亮温。
6.如权利要求5所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
采用移动步长最小二乘法函数、高斯增益函数或贝塞尔函数中任意一种函数计算所述天线方向图。
7.如权利要求1所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
将所述不同频率通道组合的模拟测量亮温反演得到相应的冰云参数,从多频太赫兹探测仪待选择的多个频段中选取一个或多个频段,将每一次所选取的一个或多个频段的所有频率通道作为一个频率通道组合,并将所述频率通道组合的模拟卫星测量亮温反演得到相应的冰云参数,所述冰云参数主要包括冰水路径、冰云等效粒子尺寸、等效云高。
8.如权利要求7所述的用于冰云探测的多频太赫兹探测仪通道选取方法,其特征在于:
分别计算反演得到的每个频率通道组合的冰云参数与真实冰云参数之间的均方根误差;其中,真实冰云参数中,冰水路径IWP表示为:
IWP=∫XWCdz
上式中,XWC表示冰云粒子含量,即冰云粒子在垂直高度上的密度分布,单位g/m3;
冰云等效粒子尺寸Dme是冰云粒子的质量加权中位尺寸,为冰云粒子等效直径,单位:μm,根据如下公式得到;
上式中,m(D)表示冰云粒子的质量,N(D)表示冰云粒子尺寸分布函数,即等效球径在D和D+dD之间的冰云粒子数量;
等效云高Zme为冰水路径IWP一半时对应的高度,单位:km,并根据如下公式得到。
9.一种用于冰云探测的多频太赫兹探测仪通道选取装置,包括处理器和存储器,所述处理器读取所述存储器中的计算机程序或指令,用于执行权利要求1~8中任意一项所述的多频太赫兹探测仪通道选取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011520718.5A CN112730313B (zh) | 2020-12-21 | 2020-12-21 | 用于冰云探测的多频太赫兹探测仪通道选取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011520718.5A CN112730313B (zh) | 2020-12-21 | 2020-12-21 | 用于冰云探测的多频太赫兹探测仪通道选取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112730313A CN112730313A (zh) | 2021-04-30 |
CN112730313B true CN112730313B (zh) | 2023-05-02 |
Family
ID=75605598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011520718.5A Active CN112730313B (zh) | 2020-12-21 | 2020-12-21 | 用于冰云探测的多频太赫兹探测仪通道选取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112730313B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5777481A (en) * | 1996-04-01 | 1998-07-07 | University Corporation For Atmospheric Research | Ice detection using radiometers |
US6035710A (en) * | 1999-05-28 | 2000-03-14 | Lockheed Martin Missiles & Space Co. | Cloud base height and weather characterization, visualization and prediction based on satellite meteorological observation |
US20110218734A1 (en) * | 2010-03-08 | 2011-09-08 | Radiometrics Corporation | Methods and apparatus for passive tropospheric measurments utilizing a single band of frequencies adjacent to a selected millimeter wave water vapor line |
CN108736990A (zh) * | 2018-03-20 | 2018-11-02 | 南京信息工程大学 | 一种检测多源被动微波资料无线电频率干扰的方法 |
CN109031467B (zh) * | 2018-07-24 | 2020-12-18 | 西安空间无线电技术研究所 | 一种星载太赫兹冰云天底探测仪系统 |
CN109946235B (zh) * | 2019-02-26 | 2021-11-02 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
CN110455689B (zh) * | 2019-08-01 | 2020-12-29 | 中国科学院遥感与数字地球研究所 | 一种模拟冰晶粒子的光散射特性的方法 |
CN110470602A (zh) * | 2019-08-27 | 2019-11-19 | 上海航天测控通信研究所 | 星载太赫兹多角度冰云成像仪 |
CN110826693B (zh) * | 2019-10-29 | 2022-10-14 | 华中科技大学 | 基于DenseNet卷积神经网络的三维大气温度廓线反演方法和系统 |
CN111610524B (zh) * | 2020-05-09 | 2022-07-12 | 华中科技大学 | 一种基于一维变分算法的冰云廓线反演方法及系统 |
CN111651934B (zh) * | 2020-05-25 | 2024-03-22 | 华中科技大学 | 一种冰云廓线反演方法 |
CN111737913B (zh) * | 2020-06-15 | 2023-08-15 | 洛阳师范学院 | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 |
-
2020
- 2020-12-21 CN CN202011520718.5A patent/CN112730313B/zh active Active
Non-Patent Citations (2)
Title |
---|
吴举秀等.非球形冰晶在94/220 GHz毫米波的散射特性模拟计算.红外与毫米波学报.2016,第35卷(第3期),全文. * |
吴琼等.星载双频云雷达的云微物理参数反演算法研究.气象学报.2018,第76卷(第1期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112730313A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Martucci et al. | Detection of cloud-base height using Jenoptik CHM15K and Vaisala CL31 ceilometers | |
US7353690B2 (en) | Atmospheric refractivity profiling apparatus and methods | |
Rogers et al. | Estimating evaporation duct heights from radar sea echo | |
Hong et al. | Separation of convective and stratiform precipitation using microwave brightness temperature | |
US20210055180A1 (en) | Apparatuses and methods for gas flux measurements | |
Mead et al. | A volume-imaging radar wind profiler for atmospheric boundary layer turbulence studies | |
Lindskog et al. | Doppler radar wind data assimilation with HIRLAM 3DVAR | |
CN106547840A (zh) | 一种全球三维大气数据的解析及管理方法 | |
Leinonen et al. | Improved retrieval of cloud liquid water from CloudSat and MODIS | |
Kleinkort et al. | Visual hull method for realistic 3D particle shape reconstruction based on high-resolution photographs of snowflakes in free fall from multiple views | |
CN112733394A (zh) | 一种大气参数反演方法及装置 | |
JP7386136B2 (ja) | 雲高計測装置、計測点決定方法、および雲種類決定方法 | |
Bauer et al. | Correction of three-dimensional effects for passive microwave remote sensing of convective clouds | |
CN109884605A (zh) | 云雨对雷达信号的吸收衰减和米氏散射衰减的提取方法 | |
Huang et al. | Dual-wavelength radar technique development for snow rate estimation: A case study from GCPEx | |
Wang et al. | Comparisons of reflectivities from the TRMM precipitation radar and ground-based radars | |
Ioannidou et al. | Comparison of the TRMM Precipitation Radar rainfall estimation with ground-based disdrometer and radar measurements in South Greece | |
Pu et al. | The impact of assimilation of GPM microwave imager clear-sky radiance on numerical simulations of Hurricanes Joaquin (2015) and Matthew (2016) with the HWRF model | |
CN112730313B (zh) | 用于冰云探测的多频太赫兹探测仪通道选取方法及装置 | |
Davison et al. | A revised conceptual model of the tropical marine boundary layer. Part II: Detecting relative humidity layers using Bragg scattering from S-band radar | |
CN113344954A (zh) | 边界检测方法、装置、计算机设备、存储介质和传感器 | |
Xu et al. | A validation of passive microwave rain-rate retrievals from the Chinese FengYun-3B satellite | |
Lee et al. | All‐sky microwave humidity sounder assimilation in the Korean Integrated Model forecast system | |
Piyush et al. | An analysis of rainfall measurements over different spatio-temporal scales and potential implications for uncertainty in satellite data validation | |
Manninen et al. | Forestry parameter retrieval from texture in CARABAS VHF-band SAR images |
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 |