CN112733394A - 一种大气参数反演方法及装置 - Google Patents
一种大气参数反演方法及装置 Download PDFInfo
- Publication number
- CN112733394A CN112733394A CN202011522754.5A CN202011522754A CN112733394A CN 112733394 A CN112733394 A CN 112733394A CN 202011522754 A CN202011522754 A CN 202011522754A CN 112733394 A CN112733394 A CN 112733394A
- Authority
- CN
- China
- Prior art keywords
- temperature
- atmospheric
- inverted
- bright
- humidity profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 238000012950 reanalysis Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种大气参数反演方法及装置。该方法包括如下步骤:获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温;利用待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线;验证当前得到的大气温湿度廓线的精度。该方法在传统反演算法的基础上,对反演所用亮温数据做超分辨率重建处理,提高亮温数据的水平空间分辨率,解决因微波辐射计天线口径大小受限,导致亮温数据的水平空间分辨率不能完全达到要求的问题,同时对大气参数反演的结果进行分析比较,从而提高大气参数反演的精度。
Description
技术领域
本发明涉及一种大气参数反演方法,同时也涉及相应的大气参数反演装置,属于微波遥感技术领域。
背景技术
大气温湿度廓线等物理参数可用来初始化数值天气预报模型、实时预报极端天气以及评估天气状态的稳定性,大气参数的高精度反演是天气监测、气象预报和气候分析的重要内容,对保障人民的生命和财产的安全具有重要意义。
微波遥感具有全天时、全天候的特性,且相较于红外具有更强的穿透性,在大气探测领域应用广泛。目前主要的大气参数反演方法包括统计类反演方法(如统计回归反演方法、神经网络反演方法)和物理类反演方法(如一维变分反演方法)。如图1所示,统计类反演方法通过匹配时间、空间相对应的观测亮温和大气参数值构建数据集,利用数据集训练回归矩阵或者神经网络等反演模型,训练完成后向反演模型输入待反演的亮温即可得到反演的大气温湿度廓线。如图2所示,一维变分反演方法采用将初始化大气温湿度廓线输入微波大气辐射传输模型得到正演亮温,计算正演亮温与真实观测亮温的误差,通过数学方法利用误差迭代更新大气温湿度廓线,使误差降低至阈值以下,最终得到真实观测亮温对应的大气温湿度廓线。
现有大气参数反演方法在实际应用中,观测亮温为微波辐射计实际观测所得,其空间分辨率较低,导致大气参数反演精度不高。
发明内容
本发明所要解决的首要技术问题在于提供一种大气参数反演方法。
本发明所要解决的另一技术问题在于提供一种大气参数反演装置。
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,提供一种大气参数反演方法,包括如下步骤:
获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温;
利用所述待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线;
验证当前得到的大气温湿度廓线的精度。
其中较优地,所述待反演模拟卫星观测亮温为某一时刻某一场景下,气象卫星卫星载荷观测的一个或多个频段组合对反演大气温湿度廓线灵敏度高的真实卫星观测亮温。
其中较优地,获得所述待反演模拟卫星观测亮温,包括如下步骤:
获得参考大气温湿度廓线数据集,包括某一时刻某一场景对应的固定分辨率范围内相应频段的所有参考大气温湿度廓线;
根据所述参考大气温湿度廓线数据集,计算地物亮温;
对所述地物亮温进行微波载荷仿真,得到所述待反演模拟卫星观测亮温。
其中较优地,获得所述参考大气温湿度廓线数据集时,从历史气象再分析资料中获得某一时刻某一场景相应频段所述的参考大气温湿度廓线数据集;
当所述历史气象再分析资料中无法获得所述参考大气温湿度廓线数据集时,选取某个时刻的观测资料初始化数值预报模式,预报所需的参考大气温湿度廓线数据集。
其中较优地,将所述参考大气温湿度廓线数据集输入到微波大气辐射传输模型中,计算出某一时刻某一场景对应的固定分辨率范围内,每个参考大气温湿度廓线对应的地物亮温。
其中较优地,对所述地物亮温进行微波载荷仿真时,将所述地物亮温和天线方向图加权积分并加入观测噪声,得到所述待反演模拟卫星观测亮温。
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,对所述待反演模拟卫星观测亮温利用Backus-Gilbert算法进行超分辨率重建处理,得到所述待反演分辨率增强亮温,表示为:
上式中,ai是Backus-Gilbert算法反演的理论加权系数,Tai是卫星载荷观测到的第i个观测亮温;N表示第i个观测亮温所在格点位置周围的网格数。
其中较优地,验证当前得到的大气温湿度廓线的精度,包括如下步骤:
将对应于所述待反演分辨率增强亮温的地物亮温和模拟卫星观测亮温采用与所述待反演分辨率增强亮温相同的大气参数反演方法,反演出对应的大气温度廓线,并将所得温湿廓线插值到标准气压分层中,作为大气温湿度廓线估值;
计算所述待反演分辨率增强亮温及对应的地物亮温和模拟卫星观测亮温反演的大气温湿度廓线估值与真实值之间的均方根误差,并进行比较分析,以验证当前得到的大气温湿度廓线的精度。
根据本发明实施例的第二方面,提供一种大气参数反演装置,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:
获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温;
利用所述待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线;
验证当前得到的大气温湿度廓线的精度。
本发明所提供的大气参数反演方法及装置在传统反演算法的基础上,对反演所用亮温数据做超分辨率重建处理,提高亮温数据的水平空间分辨率,解决因微波辐射计天线口径大小受限,导致亮温数据的水平空间分辨率不能完全达到要求的问题,同时对大气参数反演的结果进行分析比较,从而提高大气参数反演的精度。
附图说明
图1为现有统计类大气参数反演方法的原理框图;
图2为现有一维变分大气参数反演方法的原理框图;
图3为本发明提供的大气参数反演方法的流程图;
图4为本发明提供的大气参数反演方法的流程详图;
图5为本发明提供的大气参数反演方法中,54HZ频段不同亮温反演大气温度RMSE廓线的示意图;
图6为本发明提供的大气参数反演方法中,183HZ频段不同亮温反演大气湿度RMSE廓线的示意图;
图7为本发明提供的大气参数反演装置的结构示意图。
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。
在现有观测平台和加工精度的条件下,由于微波辐射计天线口径大小受限,导致观测数据的水平空间分辨率不能完全达到要求,从而使得利用该观测数据反演得到的大气温湿度廓线的精度较低。为此,如图3所示,本发明实施例提供了一种大气参数反演方法,包括如下步骤:
步骤S1、获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温。
待反演模拟卫星观测亮温为某一时刻某一场景下,气象卫星卫星载荷观测的一个或多个频段组合对反演大气温湿度廓线灵敏度高的真实卫星观测亮温。例如,获得2015年10月03日06时台风“彩虹”场景下54GHz和183GHz频段的真实卫星观测亮温,分别作为反演大气温度廓线和湿度廓线的真实卫星观测亮温。其中,获得某一时刻某一场景的模拟卫星观测亮温时,采用如下步骤实现。
步骤S11、获得参考大气温湿度廓线数据集,包括某一时刻某一场景对应的固定分辨率范围内相应频段的所有参考大气温湿度廓线。
如图4所示,从历史气象再分析资料中获得某一时刻某一场景相应频段的参考大气温湿度廓线数据集。其中,参考大气温湿度廓线数据集包括某一时刻某一气象场景对应的固定分辨率范围内相应频段的所有参考大气温湿度廓线。其中,相应频段为对反演大气温湿度廓线灵敏度高一个频段或多个频段组合。
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大气温湿度廓线数据集。因此,如图4所示,当从历史气象再分析资料中无法获得某一时刻某一场景相应频段的参考大气温湿度廓线数据集时,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相应频段的的参考大气温湿度廓线数据集。
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大气温湿度廓线数据集,实际需要05时20分时晴空场景下500*500格点范围内54GHz和183GHz频段的参考大气温湿度廓线数据集,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大气温湿度廓线数据集,因此无法从历史气象再分析资料中获得05时20分时晴空场景下54GHz和183GHz频段的参考大气温湿度廓线数据集;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05时20分时晴空场景下,以0.25°*0.25°为一个格点,500*500格点范围内54GHz和183GHz频段的所有大气温湿度廓线,以组成05时20分时晴空场景下500*500格点范围内54GHz和183GHz频段的参考大气温湿度廓线数据集。
步骤S12、根据参考大气温湿度廓线数据集,计算地物亮温。
如图4所示,将步骤S11获得的某一时刻某一场景对应的固定分辨率范围内相应频段的所有参考大气温湿度廓线分别输入到微波大气辐射传输模型中,计算出某一时刻某一场景对应的固定分辨率范围内,每个参考大气温湿度廓线对应的地物亮温(卫星载荷从下往上观测的多个频段的亮温)。
步骤S13、对地物亮温进行微波载荷仿真,得到待反演模拟卫星观测亮温。
如图4所示,对某一时刻某一场景对应的固定分辨率范围内54GHz和183GHz频段的所有参考大气温湿度廓线对应的地物亮温进行微波载荷仿真时,将地物亮温和天线方向图加权积分并加入观测噪声,分别得到54GHz和183GHz频段的真实卫星观测亮温,作为待反演模拟卫星观测亮温。其中,某一频段的真实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表示地物亮温,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:
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。
对待反演模拟卫星观测亮温Ta利用Backus-Gilbert算法进行超分辨率重建处理,得到待反演分辨率增强亮温Ta_bg,表示为:
上式中,ai是Backus-Gilbert算法反演的理论加权系数,Tai是卫星载荷观测到的第i个观测亮温;N表示第i个观测亮温所在格点位置周围的网格数,该网格数N的选取也决定了Backus-Gilbert算法的效率和性能,研究发现当网格数N增加的时候,Backus-Gilbert算法得到的分辨率增强亮温Ta_bg会更加接近卫星载荷实际亮温,并且在图像视觉中会有很明显的变化产生。网格数当N增加到某个值时,分辨率增强亮温Ta_bg的分辨率增强的效果将收敛,因此,可以对比选取合适的网格数N以达到Backus-Gilbert算法时间效率更高。例如,经测试网格数N=3时,Backus-Gilbert算法时间效率远大N=4,且两者亮温重建效果接近,故设置网格数N为3。
步骤S2、利用待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线。
如图4所示,将采用现有任意一种大气参数反演方法,对经超分辨率重建处理的模拟卫星观测亮温进行反演,得到某一时刻某一场景的大气温湿度廓线。
以现有神经网络大气参数反演方法为例,首先采用步骤S1的方法获得2015年10月03日06时台风“彩虹”场景下的所有频段的参考大气温湿度廓线对应的地物亮温Tb、卫星载荷观测到的亮温Ta(模拟卫星观测亮温)和分辨率增强亮温Ta_bg,筛选出晴空场景下的所有频率的参考大气温湿度廓线对应的地物亮温Tb、卫星载荷观测到的亮温Ta和分辨率增强亮温Ta_bg。从晴空场景下的所有频率的参考大气温湿度廓线对应的地物亮温Tb、卫星载荷观测到的亮温Ta和分辨率增强亮温Ta_bg中选取3000组亮温,并将相应的参考大气温湿度廓线插值到标准气压分层中,用于训练大气参数反演模型,选取200组亮温作为测试样本,同样将相应的参考大气温湿度廓线插值到标准气压分层中,用于测试训练好的大气参数反演模型的精度。
由于数值预报模式预报得到的大气温湿度廓线共分为59个垂直气压分层,且每条大气温湿度廓线的气压分层不同,最高空的气压约为50hPa,最接近地表的气压约为1000hPa,为使所有大气温湿度廓线数据具有相同的分布,需要将训练和测试大气参数反演模型的大气温湿度廓线数据插值到标准气压分层中。插值后的大气温度廓线分为59层,大气湿度廓线在气压小于200hPa时数据几乎为0,反演意义很小,故截取1000hPa至200hPa之间的湿度廓线数据共42层数据进行插值,插值后的大气温湿度廓线作为训练和测试大气参数反演模型的真值。
将2015年10月03日06时台风“彩虹”场景下54GHz频段的待反演分辨率增强亮温输入到训练好的大气参数反演模型中反演大气温度廓线,2015年10月03日06时台风“彩虹”场景下183GHz频段的待反演分辨率增强亮温输入到训练好的大气参数反演模型中反演大气湿度廓线,并将所得温湿廓线插值到标准气压分层中,作为大气温湿度廓线估值。
步骤S3、验证当前得到的大气温湿度廓线的精度。
本发明中,通过比较分析反演得到的温湿度廓线的误差,验证当前得到的大气温湿度廓线的精度,以实现进一步验证本发明的大气参数反演方法的有效性,具体包括如下步骤:
步骤S31、将对应于待反演分辨率增强亮温的地物亮温和模拟卫星观测亮温采用与待反演分辨率增强亮温相同的大气参数反演方法,反演出对应的大气温度廓线,并将所得温湿廓线插值到标准气压分层中,作为大气温湿度廓线估值。
例如,将2015年10月03日06时台风“彩虹”场景下54GHz频段和183GHz频段的地物亮温输入到训练好的大气参数反演模型中反演出大气温湿度廓线,并将所得温湿廓线插值到标准气压分层中,作为大气温湿度廓线估值。将2015年10月03日06时台风“彩虹”场景下54GHz频段和183GHz频段的模拟卫星观测亮温输入到训练好的大气参数反演模型中反演出大气温湿度廓线,并将所得温湿廓线插值到标准气压分层中,作为大气温湿度廓线估值。
步骤S32、计算待反演分辨率增强亮温及对应的地物亮温和模拟卫星观测亮温反演的大气温湿度廓线估值与真实值之间的均方根误差(RMSE),并进行比较分析,以验证当前得到的大气温湿度廓线的精度。
计算2015年10月03日06时台风“彩虹”场景下54GHz频段和183GHz频段的待反演分辨率增强亮温及对应的地物亮温和模拟卫星观测亮温反演的大气温湿度廓线估值与真实值之间的均方根误差(RMSE)。
如图5所示,对比54GHz频段不同亮温反演的温度RMSE廓线可得,整个压强区间(50hPa<P<1000hPa),模拟卫星观测亮温Ta、地物亮温Tb、待反演分辨率增强亮温Ta_bg反演结果的RMSE大小为:Tb<Ta_bg<Ta,除了50hPa<P<140hPa,待反演分辨率增强亮温Ta_bg反演结果的RMSE大小与地物亮温Tb有一定差距,其他压强区间,经过分辨率增强之后,待反演分辨率增强亮温Ta_bg反演RMSE和地物亮温Tb非常接近。在整个压强区间,模拟卫星观测亮温Ta、地物亮温Tb、待反演分辨率增强亮温Ta_bg反演温度RMSE大小为:Ta为[0.1163K0.9873K],总大小30.9814K;Tb为[0.0564K 0.5742K],总大小为11.5295K;待反演分辨率增强亮温Ta_bg为[0.0603K 0.6413K],总大小为12.9265K。
如图6所示,对比183GHz频段不同亮温反演的湿度RMSE廓线可得,整个压强区间(880hPa<P<920hPa除外),模拟卫星观测亮温Ta反演结果的RMSE均为最大。地物亮温Tb、待反演分辨率增强亮温Ta_bg反演结果的RMSE较小,且大小非常接近,某些区间(300hPa<P<580hPa、640hPa<P<720hPa),经过分辨率增强之后,待反演分辨率增强亮温Ta_bg反演精度甚至比地物亮温Tb更高。在整个压强区间,模拟卫星观测亮温Ta、地物亮温Tb、待反演分辨率增强亮温Ta_bg反演湿度RMSE大小为:Ta为[0.0159g/Kg 1.5362g/Kg],总大小为17.5364g/Kg;Tb为[0.0100g/Kg 1.2515g/Kg],总大小为15.3061g/Kg;Ta_bg为[0.0144g/Kg 1.1309g/Kg],总大小为13.8056g/Kg。
对于不同亮温的大气温湿度廓线反演结果而言,辐射计观测亮温数据会引入较大的误差,因此反演精度最差;经过分辨率增强处理后,待反演分辨率增强亮温Ta_bg反演精度相对于模拟卫星观测亮温Ta有较大提高,在某些区间,精度比地物亮温Tb更高,所以,对模拟卫星观测亮温数据进行分辨率增强后,能够有效提高反演精度。
进一步地,如图7所示,本发明还提供一种大气参数反演装置,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,在大气参数反演装置中,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:
获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温。
利用待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线。
验证当前得到的大气温湿度廓线的精度。
本发明所提供的大气参数反演方法及装置在传统反演算法的基础上,对反演所用亮温数据做超分辨率重建处理,提高亮温数据的水平空间分辨率,解决因微波辐射计天线口径大小受限,导致亮温数据的水平空间分辨率不能完全达到要求的问题,同时对大气参数反演的结果进行分析比较,从而提高大气参数反演的精度。
以上对本发明所提供的大气参数反演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 (10)
1.一种大气参数反演方法,其特征在于包括如下步骤:
获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温;
利用所述待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线;
验证当前得到的大气温湿度廓线的精度。
2.如权利要求1所述的大气参数反演方法,其特征在于:
所述待反演模拟卫星观测亮温为某一时刻某一场景下,气象卫星卫星载荷观测的一个或多个频段组合对反演大气温湿度廓线灵敏度高的真实卫星观测亮温。
3.如权利要求1所述的大气参数反演方法,其特征在于:
获得所述待反演模拟卫星观测亮温,包括如下步骤:
获得参考大气温湿度廓线数据集,包括某一时刻某一场景对应的固定分辨率范围内相应频段的所有参考大气温湿度廓线;
根据所述参考大气温湿度廓线数据集,计算地物亮温;
对所述地物亮温进行微波载荷仿真,得到所述待反演模拟卫星观测亮温。
4.如权利要求3所述的大气参数反演方法,其特征在于:
获得所述参考大气温湿度廓线数据集时,从历史气象再分析资料中获得某一时刻某一场景相应频段所述的参考大气温湿度廓线数据集;
当所述历史气象再分析资料中无法获得所述参考大气温湿度廓线数据集时,选取某个时刻的观测资料初始化数值预报模式,预报所需的参考大气温湿度廓线数据集。
5.如权利要求3所述的大气参数反演方法,其特征在于:
将所述参考大气温湿度廓线数据集输入到微波大气辐射传输模型中,计算出某一时刻某一场景对应的固定分辨率范围内,每个参考大气温湿度廓线对应的地物亮温。
6.如权利要求3所述的大气参数反演方法,其特征在于:
对所述地物亮温进行微波载荷仿真时,将所述地物亮温和天线方向图加权积分并加入观测噪声,得到所述待反演模拟卫星观测亮温。
7.如权利要求6所述的大气参数反演方法,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。
9.如权利要求1所述的大气参数反演方法,其特征在于:
验证当前得到的大气温湿度廓线的精度,包括如下步骤:
将对应于所述待反演分辨率增强亮温的地物亮温和模拟卫星观测亮温采用与所述待反演分辨率增强亮温相同的大气参数反演方法,反演出对应的大气温度廓线,并将所得温湿廓线插值到标准气压分层中,作为大气温湿度廓线估值;
计算所述待反演分辨率增强亮温及对应的地物亮温和模拟卫星观测亮温反演的大气温湿度廓线估值与真实值之间的均方根误差,并进行比较分析,以验证当前得到的大气温湿度廓线的精度。
10.一种大气参数反演装置,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:
获得待反演模拟卫星观测亮温,并对其进行超分辨率重建处理,得到待反演分辨率增强亮温;
利用所述待反演分辨率增强亮温进行反演,得到相应的大气温湿度廓线;
验证当前得到的大气温湿度廓线的精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011522754.5A CN112733394A (zh) | 2020-12-21 | 2020-12-21 | 一种大气参数反演方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011522754.5A CN112733394A (zh) | 2020-12-21 | 2020-12-21 | 一种大气参数反演方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112733394A true CN112733394A (zh) | 2021-04-30 |
Family
ID=75605007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011522754.5A Pending CN112733394A (zh) | 2020-12-21 | 2020-12-21 | 一种大气参数反演方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733394A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113237554A (zh) * | 2021-05-07 | 2021-08-10 | 国家卫星气象中心(国家空间天气监测预警中心) | 云下地表温度图像生成方法、装置和终端设备 |
CN114325873A (zh) * | 2022-03-07 | 2022-04-12 | 知一航宇(北京)科技有限公司 | 一种大气温湿廓线探测仪的亮温数据尺度精细化方法 |
CN116186486A (zh) * | 2022-12-27 | 2023-05-30 | 安徽省气象台 | 基于广义集成学习的卫星资料反演温度廓线方法 |
CN116384237A (zh) * | 2023-03-29 | 2023-07-04 | 大连海事大学 | 热红外大气参数反演方法、装置及电子设备 |
CN117114998A (zh) * | 2023-10-25 | 2023-11-24 | 中国海洋大学 | 一种用于微波辐射计亮温数据的分辨率增强方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504256A (zh) * | 2014-12-12 | 2015-04-08 | 中国电子科技集团公司第二十二研究所 | 一种边界层温度廓线精确反演的估计算法 |
CN110455416A (zh) * | 2019-08-21 | 2019-11-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于微波辐射计天线温度检测的亮温订正方法 |
-
2020
- 2020-12-21 CN CN202011522754.5A patent/CN112733394A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504256A (zh) * | 2014-12-12 | 2015-04-08 | 中国电子科技集团公司第二十二研究所 | 一种边界层温度廓线精确反演的估计算法 |
CN110455416A (zh) * | 2019-08-21 | 2019-11-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于微波辐射计天线温度检测的亮温订正方法 |
Non-Patent Citations (7)
Title |
---|
PRANTIK CHAKRABORTY, ARUNDHATI MISRA: "patial Resolution Enhancement And Interpolation Using Backus-Gilbert Inversion: Demonstration With TMI Brightness Temperature Data", MICROWAVE REMOTE SENSING OF THE ATMOSPHERE AND ENVIRONMENT V, vol. 6410, pages 1 - 11 * |
杨虎, 商建, 吕利清, 何嘉恺, 徐红新: "星载微波辐射计通道分辨率匹配技术及其在FY-3卫星MWRI 中的应用", 上海航天, vol. 29, no. 1, pages 23 - 28 * |
梁若尘: "星载微波辐射计载荷大气探测仿真及分辨率增强研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 3, pages 009 - 31 * |
王文星: "基于 WRFDA 的静止轨道模拟微波观测资料同化试验研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 3, pages 009 - 109 * |
王超;杜明斌;谢鑫新;李向芹;李贝贝;: "星载微波传感器大气温湿度物理反演算法研究", 上海航天, no. 02 * |
窦芳丽;商建;吴琼;谷松岩;: "风云三号卫星被动微波反演海洋上空云液态水含量", 遥感学报, no. 06, pages 766 - 775 * |
贺秋瑞;王振占;何杰颖;: "FY-3C/MWHTS资料反演陆地晴空大气温湿廓线", 遥感学报, no. 01, pages 27 - 39 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113237554A (zh) * | 2021-05-07 | 2021-08-10 | 国家卫星气象中心(国家空间天气监测预警中心) | 云下地表温度图像生成方法、装置和终端设备 |
CN113237554B (zh) * | 2021-05-07 | 2022-04-26 | 国家卫星气象中心(国家空间天气监测预警中心) | 云下地表温度图像生成方法、装置和终端设备 |
CN114325873A (zh) * | 2022-03-07 | 2022-04-12 | 知一航宇(北京)科技有限公司 | 一种大气温湿廓线探测仪的亮温数据尺度精细化方法 |
CN114325873B (zh) * | 2022-03-07 | 2022-05-31 | 知一航宇(北京)科技有限公司 | 一种大气温湿廓线探测仪的亮温数据尺度精细化方法 |
CN116186486A (zh) * | 2022-12-27 | 2023-05-30 | 安徽省气象台 | 基于广义集成学习的卫星资料反演温度廓线方法 |
CN116186486B (zh) * | 2022-12-27 | 2023-09-08 | 安徽省气象台 | 基于广义集成学习的卫星资料反演温度廓线方法 |
CN116384237A (zh) * | 2023-03-29 | 2023-07-04 | 大连海事大学 | 热红外大气参数反演方法、装置及电子设备 |
CN117114998A (zh) * | 2023-10-25 | 2023-11-24 | 中国海洋大学 | 一种用于微波辐射计亮温数据的分辨率增强方法 |
CN117114998B (zh) * | 2023-10-25 | 2024-02-06 | 中国海洋大学 | 一种用于微波辐射计亮温数据的分辨率增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112733394A (zh) | 一种大气参数反演方法及装置 | |
CN110826693B (zh) | 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 | |
CN111007021A (zh) | 基于一维卷积神经网络的高光谱水质参数反演系统及方法 | |
Gerstoft et al. | Inversion for refractivity parameters from radar sea clutter | |
Haddad et al. | The TRMM ‘day-1’radar/radiometer combined rain-profiling algorithm | |
CN110174359B (zh) | 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法 | |
CN109725316B (zh) | 一种基于一维综合孔径微波辐射计海面温度物理反演方法 | |
CN113255972B (zh) | 基于Attention机制的短临降水预测方法 | |
CN114049570B (zh) | 基于神经网络的星载遥感水汽空间反演方法及系统 | |
CN112329265A (zh) | 卫星遥感降水精细化空间估算方法及系统 | |
CN112180369B (zh) | 基于深度学习的一维综合孔径辐射计海面风速反演方法 | |
CN116008267A (zh) | 海洋叶绿素a浓度三维分布反演方法、终端及介质 | |
CN114065607B (zh) | 一种基于深度卷积网络的海上非均匀蒸发波导剖面反演方法 | |
CN116449331A (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 | |
CN108983172B (zh) | 一种随机进化约束的sar辐射定标方法 | |
CN113108918B (zh) | 一种极轨气象卫星热红外遥感数据反演气温方法 | |
CN112730314A (zh) | 用于大气温湿度探测的多频太赫兹探测仪通道选取方法 | |
CN117332365A (zh) | 一种多波段天气雷达数据融合方法 | |
CN117035066A (zh) | 一种耦合地理加权与随机森林的地表温度降尺度方法 | |
CN115877345A (zh) | 一种风廓线雷达缺测数据的补齐方法和装置 | |
Di Michele et al. | Physically based statistical integration of TRMM microwave measurements for precipitation profiling | |
CN115980697A (zh) | 一种不同天气条件下激光雷达反演边界层高度的方法 | |
CN112668615B (zh) | 一种基于深度跨尺度外推融合的卫星云图预测方法 | |
CN114611699A (zh) | 土壤水分降尺度方法、装置、电子设备及存储介质 | |
Chen et al. | A remapping technique of FY-3D MWRI based on a convolutional neural network for the reduction of representativeness error |
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 |