CN113033063A - 海表温度的反演方法、装置、电子设备及存储介质 - Google Patents
海表温度的反演方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113033063A CN113033063A CN202110562552.1A CN202110562552A CN113033063A CN 113033063 A CN113033063 A CN 113033063A CN 202110562552 A CN202110562552 A CN 202110562552A CN 113033063 A CN113033063 A CN 113033063A
- Authority
- CN
- China
- Prior art keywords
- data
- surface temperature
- sea surface
- satellite
- inversion
- 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
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请提供一种海表温度的反演方法、装置、电子设备及存储介质,方法包括:获取Himawari‑8卫星数据和海表温度实测数据;对Himawari‑8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据;对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对;基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数;基于海表温度反演系数,对一幅Himawari‑8卫星图进行海表温度反演,得到海表温度图。本实施例提高了温度反演结果的反演精度,实现基于Himawari‑8卫星图进行海表温度反演,得到高精度海表温度图。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种海表温度的反演方法、装置、电子设备及存储介质。
背景技术
目前,海表温度的研究算法主要基于大气辐射传输模式的物理方法,以及基于实测/同类卫星数据的统计方法。基于大气辐射传输模式的物理方法通过利用大气辐射传输模式计算大气的上行辐射、下行辐射和透过率,并建立海水比辐射率与波长、传感器天顶角及风速的关系,最终求解海表温度。但是该方法的反演精度受大气参数初始值影响较大,而实时获取准确的大气参数比较困难,且该方法的处理流程复杂。
基于实测/同类卫星数据的统计方法通过利用实测数据/同类卫星数据,获取海温度反演系数,以用于确定海表温度,该方法具备流程简单和易实现的特点,可用于业务化运行。但是目前公开发布的Himawari-8卫星数据在空间分辨率上不能满足业务需求,其具有高时间分辨率和高区域频次的特性,使得基于实测/同类卫星数据的统计方法无法基于Himawari-8卫星数据实现高精度海表温度的反演。
发明内容
本申请实施例的目的在于提供一种海表温度的反演方法、装置、电子设备及存储介质,旨在解决当前基于Himawari-8卫星数据的海表温度反演结果精度差的问题。
第一方面,本申请实施例提供了一种海表温度的反演方法,包括:
获取Himawari-8卫星数据和海表温度实测数据;
对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据;
对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对;
基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数;
基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图。
在本实施例中,通过获取Himawari-8卫星数据和海表温度实测数据并对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据,从而得到能够用于时空匹配的目标卫星数据和目标实测数据;以及对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对,从而确定目标卫星数据与目标实测数据之间的对应关系,使得不同卫星数据均有对应的海表温度实测数据;再基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数,从而根据多个匹配数据对分析出卫星数据与海表温度实测数据之间的准确对应关系,以提高后续温度反演结果的反演精度;最后基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图,实现基于Himawari-8卫星图进行海表温度反演,得到高精度海表温度图。
在一实施例中,对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据,包括:
对Himawari-8卫星数据进行网格化处理,得到包含多个第一网格数据的目标卫星数据;
对海表温度实测数据进行网格化处理和时间划分,得到包含多个第二网格数据的目标实测数据,目标实测数据包括白天目标实测数据和晚上实测数据。
在本实施例中,通过对Himawari-8卫星数据和海表温度实测数据进行网格化处理,以将数据分为多个网格块,从而细化Himawari-8卫星数据与海表温度实测数据之间的对应关系,使反演过程考虑更多的细化特征,进而提高海表温度的反演精度。
在一实施例中,Himawari-8数据为全圆盘数据,对Himawari-8卫星数据进行网格化处理,得到包含多个第一网格数据的目标卫星数据,包括:
对Himawari-8卫星数据进行网格化,得到多个第一网格数据;
针对每个第一网格数据,基于第一网格数据对应的经纬度数据,确定第一网格在全圆盘数据中的位置数据;
将位置数据对应的全圆盘数据投影至第一网格数据,得到目标卫星数据。
在本实施例中,通过对Himawari-8卫星数据进行网格化,并根据每个网格的经纬度确定网格在整个Himawari-8卫星数据中的位置,以及将该位置的Himawari-8卫星数据投影至该网格中,使得每个网格均具有其对应的Himawari-8卫星数据,实现Himawari-8卫星数据的网格化处理。
在一实施例中,对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对,包括:
基于预设的海陆掩膜数据和预设的云掩膜数据,确定目标卫星数据与目标实测数据之间的时间对应关系和空间对应关系;
将时间对应和空间对应的目标卫星数据与目标实测数据确定为匹配数据对。
在本实施例中,通过预设的海陆掩膜数据和预设的云掩膜数据,对目标卫星数据与目标实测数据的海陆信息和云层信息进行过滤与提取,降低多余信息对反演过程的不利干扰;以及将时间对应和空间对应的目标卫星数据与目标实测数据确定为匹配数据对,从而利用时间和空间,确定目标卫星数据与目标实测数据的对应关系,提高反演结果的准确性。
在一实施例中,基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数,包括:
基于预设的分裂窗模型,采用最小二乘法对匹配数据对进行海表温度模拟,得到海表温度反演系数,其中分裂窗模型为:
在本实施例中,通过分裂窗模型作为海表温度反演模型,并基于最小二乘法实现海表温度模拟,提高海表温度反演精度。
在一实施例中,匹配数据对包括白天匹配数据对和晚上匹配数据对,基于预设的分裂窗模型,采用最小二乘法对匹配数据对进行海表温度模拟,得到海表温度反演系数,包括:
基于预设的分裂窗模型,采用最小二乘法对白天匹配数据对进行海表温度模拟,得到白天海表温度反演系数;
基于预设的分裂窗模型,采用最小二乘法对晚上匹配数据对进行海表温度模拟,得到晚上海表温度反演系数。
在本实施例中,针对白天和晚上的温度差异和亮度差异,分析白天海表温度反演系数和晚上海表温度反演系数,以针对性反演白天和晚上的海表温度,进一步提高反演精度。
在一实施例中,基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图,包括:
根据Himawari-8卫星图的太阳天顶角数据,确定Himawari-8卫星图的采集时间;
若Himawari-8卫星图的采集时间为白天,则采用白天海表温度反演系数,对Himawari-8卫星图进行海表温度反演,得到白天海表温度图;
若Himawari-8卫星图的采集时间为晚上,则采用晚上海表温度反演系数,对Himawari-8卫星图进行海表温度反演,得到晚上海表温度图。
在本实施例中,针对白天和晚上采集到的卫星图,差异化对卫星图进行反演,得到高精度海表温度。
第二方面,本申请实施例提供了一种海表温度的反演装置,包括:
获取模块,用于获取Himawari-8卫星数据和海表温度实测数据;
预处理模块,用于对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据;
匹配模块,用于对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对;
模拟模块,用于基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数;
反演模块,用于基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图。
第三方面,本申请实施例提供了一种电子设备,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行上述第一方面中任一项的海表温度的反演方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任一项的海表温度的反演方法。
需要说明的是,上述第二方面至第四方面的有益效果请参见第一方面的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的海表温度的反演方法的流程示意图;
图2为本申请实施例提供的网格化处理和匹配处理的流程示意图;
图3为本申请实施例提供的海表温度的反演效果示意图;
图4为本申请实施例提供的海表温度的反演装置的结构示意图;
图5为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如相关技术记载,目前公开发布的Himawari-8卫星数据在空间分辨率上不能满足业务需求,其具有高时间分辨率和高区域频次的特性,使得基于实测/同类卫星数据的统计方法无法基于Himawari-8卫星数据实现高精度海表温度的反演。
针对上述现有技术中的问题,本申请提供了一种海表温度的反演方法,通过获取Himawari-8卫星数据和海表温度实测数据并对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据,从而得到能够用于是时空匹配的目标卫星数据和目标实测数据;以及对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对,从而确定目标卫星数据与目标实测数据之间的对应关系,使得不同卫星数据均有对应的海表温度实测数据;再基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数,从而根据多个匹配数据对分析出卫星数据与海表温度实测数据之间的准确对应关系,以提高后续温度反演结果的反演精度;最后基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图,实现基于Himawari-8卫星图进行海表温度反演,得到高精度海表温度图。
参见图1,图1示出了本申请实施例提供的一种海表温度的反演方法的实现流程图。本申请实施例中下述的海表温度的反演方法可应用于电子设备,电子设备包括但不限于智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算机设备。本申请实施例的海表温度的反演方法,包括步骤S101至S105,详述如下:
步骤S101,获取Himawari-8卫星数据和海表温度实测数据。
在本步骤中,Himawari-8卫星数据为Himawari-8卫星的高级成像仪采集到的热红外数据。示例性地,本实施例以中国海区域(纬度30°N - 45°N,经度110°E-130°E)的Himawari-8卫星数据为例,Himawari-8卫星数据包括采集时间、经纬度、太阳天顶角、卫星天顶角和热红外通道的辐射定标数据等。
海表温度实测数据为对海区域现场实测的数据,其包括但不限于测量时间、经纬度、测量标识、测量方式、海表温度数据、云覆盖数据、质量标识、大气压力数据、大气温度数据、海水压力数据、风速和风向等,其中质量标识的数据范围为0-5,其中5表示质量最好的测量数据。可选地,测量海区域在长时间内的实测数据,并以月为时间长度单位的形式存储实测数据。
步骤S102,对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据。
在本步骤中,预处理为对Himawari-8卫星数据和海表温度实测数据进行数据分块和数据分类的过程。可选地,预处理包括但不限于网格化处理和时间划分处理。通过对Himawari-8卫星数据和海表温度实测数据进行预处理,以得到能够用于时空匹配的目标卫星数据和目标实测数据,从而细化数据特征,提高反演精度。
在一实施例中,对Himawari-8卫星数据进行网格化处理,得到包含多个第一网格数据的目标卫星数据;对海表温度实测数据进行网格化处理和时间划分,得到包含多个第二网格数据的目标实测数据,目标实测数据包括白天目标实测数据和晚上实测数据。
在本实施例中,网格化处理为将数据分为多个网格块的过程。可选地,可以基于Himawari-8卫星数据的采集位置不同,在空间上,将Himawari-8卫星数据网格化为多个经纬度位置对应的目标卫星数据。也可以基于Himawari-8卫星数据的采集时间不同,在时间上,将Himawari-8卫星数据网格化为多个时间点对应的目标卫星数据。
可选地,Himawari-8数据为全圆盘数据,对Himawari-8卫星数据进行网格化,得到多个第一网格数据;针对每个第一网格数据,基于第一网格数据对应的经纬度数据,确定第一网格在全圆盘数据中的位置数据;将位置数据对应的全圆盘数据投影至第一网格数据,得到目标卫星数据。
在本实施例中,在空间上,将Himawari-8卫星数据网格化为多个经纬度位置对应的目标卫星数据。根据每一网格对应的经纬度计算该网格在全圆盘数据中的位置,将该位置上的全圆盘数据投影至该网格中。可选地,在第一网格数据的网格大小为0.04°×0.04°。
示例性地,海区域范围为纬度30°N - 45°N,经度110°E-130°E,全圆盘数据的网格化处理过程为:根据目标网格计算每一网格的经纬度信息,每一个网格的大小为0.04°×0.04°。
计算c和l:;。为全圆盘数据中的行号,为全圆盘数据中的列号。COFF为列偏移,CFAC为列比例因子;LOFF为行偏移,LFAC为行比例分子。其中分辨率为4km时:COFF=1373.5,CFAC=10233137,LOFF=1373.5,LFAC=10233137。
海表温度实测数据(或下称现场实测数据)的预处理是对海表温度实测数据进行网格化处理。可选地,针对海表温度实测数据的采集位置不同,将海表温度实测数据网格化为多个空间网格对应的实测数据,对于每一个网格,记录该网格的实测数据采集时间、经纬度信息、实际测量的海水温度数据。
可选地,实测数据为散点分布的数据,利用等经纬度投影,将海表温度实测数据网格化处理为0.04°×0.04°网格大小的多个第二网格数据。
进一步地,预处理还包括对海表温度实测数据进行时间划分,通过利用太阳天顶角将海表温度实测数据划分为白天数据和晚上数据。由于海表温度实测数据中不含太阳天顶角,所以根据现场实际测量点的测量时间、经度、纬度计算对应的太阳天顶角。示例性,计算公式如下:
时角计算公式:k=LST-RA,其中k为时角,LST为当地的恒星时,RA为赤经。
步骤S103,对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对。
在本步骤中,时空匹配为从时间维度和空间维度上对目标卫星数据和目标实测数据进行匹配的过程。可选地,当目标卫星数据和目标实测数据在时间和空间上均匹配时,将对应的目标卫星数据和目标实测数据作为匹配数据对。可以理解的是,目标卫星数据和目标实测数据均为网格化的数据,其均具有多个网格数据,所以时空匹配在实际上是对第一网格数据与第二网格数据进行时空匹配。
在一实施例中,基于预设的海陆掩膜数据和预设的云掩膜数据,确定目标卫星数据与目标实测数据之间的时间对应关系和空间对应关系;将时间对应和空间对应的目标卫星数据与目标实测数据确定为匹配数据对。
在本实施例中,如图2所示,海洋观测数据为Himawari-8卫星数据,现场实测数据为海表温度实测数据,海陆掩膜数据和云掩膜数据均为辅助数据,其网格大小与预处理后得到的目标卫星数据和目标实测数据的网格大小一致。海陆掩膜数据用于提取目标卫星数据中与海区域有关的数据,云掩膜数据用于提取目标卫星数据中与云层数据有关的数据,过滤其他多余数据,降低多余数据对反演结果的不利干扰。
可选地,当海陆掩膜数据、云掩膜数据、目标卫星数据和目标实测数据在时间和空间上均匹配时,确定该目标卫星数据和该目标实测数据为匹配数据对。
可选地,利用太阳天顶角将目标卫星数据划分为白天目标卫星数据和晚上目标卫星数据,将其与白天目标实测实测数据和晚上目标实测数据进行匹配处理,得到白天匹配数据对和晚上匹配数据对。
可选地,将匹配条件中的时间窗口设为30分钟进行匹配数据对的获取。
步骤S104,基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数。
在本步骤中,最小二乘法为误差估计、不确定度、系统辨识度、预测及预报等数据处理过程的数据工具。其可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。本实施例通过最小二乘法能够有效提高反演精度。
在一实施例中,基于预设的分裂窗模型,采用最小二乘法对匹配数据对进行海表温度模拟,得到海表温度反演系数,其中分裂窗模型为:
在本实施例中,分裂窗为在海表温度热红外遥感反演中,利用11~12μm的大气窗口内两个相邻通道对大气吸收作的不同,并通过两个通道测量值的各种组合来剔除大气的影响,进行大气和地表比辐射率的订正。本实施例利用11~12μm的大气窗口,能够进一步提高反演精度。
可选地,匹配数据对包括白天匹配数据对和晚上匹配数据对,基于预设的分裂窗模型,采用最小二乘法对白天匹配数据对进行海表温度模拟,得到白天海表温度反演系数;基于预设的分裂窗模型,采用最小二乘法对晚上匹配数据对进行海表温度模拟,得到晚上海表温度反演系数。
在本实施例中,根据白天和晚上在温度、光照等因素的差异较大,以针对性的模拟不同时刻的海表温度,从而得到对应时刻的海表温度反演系统,进而提高反演精度。
步骤S105,基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图。
在本实施例中,Himawari-8卫星图为Himawari-8卫星上的高级成像仪采集到的图像数据,基于海表温度反演系数,应用分裂窗模型,对该Himawari-8卫星图进行反演,得到海表温度图。
在一实施例中,根据Himawari-8卫星图的太阳天顶角数据,确定Himawari-8卫星图的采集时间;若Himawari-8卫星图的采集时间为白天,则采用白天海表温度反演系数,对Himawari-8卫星图进行海表温度反演,得到白天海表温度图;若Himawari-8卫星图的采集时间为晚上,则采用晚上海表温度反演系数,对Himawari-8卫星图进行海表温度反演,得到晚上海表温度图。
在本实施例中,根据高级成像仪数据的太阳天顶角数据判断采用白天还是晚上的海表温度反演系数,对一整幅高级成像仪数据进行海表温度的反演。图3为本实施例中海表温度反演效果图,经与现场实测数据的比对,其精度可达0.5°C,可用于高精度海表温度产品的反演。
为了执行上述方法实施例对应的方法,以实现相应的功能和技术效果,下面提供一种海表温度的反演装置。参见图4,图4是本申请实施例提供的一种海表温度的反演装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的海表温度的反演装置,包括:
获取模块401,用于获取Himawari-8卫星数据和海表温度实测数据;
预处理模块402,用于对Himawari-8卫星数据和海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据;
匹配模块403,用于对目标卫星数据和目标实测数据进行时空匹配,生成匹配数据对;
模拟模块404,用于基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数;
反演模块405,用于基于海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图。
在一实施例中,预处理模块402,包括:
第一处理单元,用于对Himawari-8卫星数据进行网格化处理,得到包含多个第一网格数据的目标卫星数据;
第二处理单元,用于对海表温度实测数据进行网格化处理和时间划分,得到包含多个第二网格数据的目标实测数据,目标实测数据包括白天目标实测数据和晚上实测数据。
在一实施例中,Himawari-8数据为全圆盘数据,第一处理单元,包括:
网格化子单元,用于对Himawari-8卫星数据进行网格化,得到多个第一网格数据;
确定子单元,用于针对每个第一网格数据,基于第一网格数据对应的经纬度数据,确定第一网格在全圆盘数据中的位置数据;
投影子单元,用于将位置数据对应的全圆盘数据投影至第一网格数据,得到目标卫星数据。
在一实施例中,匹配模块403,包括:
第一确定单元,用于基于预设的海陆掩膜数据和预设的云掩膜数据,确定目标卫星数据与目标实测数据之间的时间对应关系和空间对应关系;
第二确定单元,用于将时间对应和空间对应的目标卫星数据与目标实测数据确定为匹配数据对。
在一实施例中,模拟模块404,包括:
模拟单元,用于基于预设的分裂窗模型,采用最小二乘法对匹配数据对进行海表温度模拟,得到海表温度反演系数,其中分裂窗模型为:
在一实施例中,匹配数据对包括白天匹配数据对和晚上匹配数据对,模拟单元,包括:
第一模拟子单元,用于基于预设的分裂窗模型,采用最小二乘法对白天匹配数据对进行海表温度模拟,得到白天海表温度反演系数;
第二模拟子单元,用于基于预设的分裂窗模型,采用最小二乘法对晚上匹配数据对进行海表温度模拟,得到晚上海表温度反演系数。
在本实施例中,针对白天和晚上的温度差异和亮度差异,分析白天海表温度反演系数和晚上海表温度反演系数,以针对性反演白天和晚上的海表温度,进一步提高反演精度。
在一实施例中,反演模块405,包括:
第三确定单元,用于根据Himawari-8卫星图的太阳天顶角数据,确定Himawari-8卫星图的采集时间;
第一反演单元,用于若Himawari-8卫星图的采集时间为白天,则采用白天海表温度反演系数,对Himawari-8卫星图进行海表温度反演,得到白天海表温度图;
第二反演单元,用于若Himawari-8卫星图的采集时间为晚上,则采用晚上海表温度反演系数,对Himawari-8卫星图进行海表温度反演,得到晚上海表温度图。
上述的海表温度的反演装置可实施上述方法实施例的海表温度的反演方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图5为本申请一实施例提供的电子设备的结构示意图。如图5所示,该实施例的电子设备5包括:至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52,所述处理器50执行所述计算机程序52时实现上述任意方法实施例中的步骤。
所述电子设备5可以是智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算设备。该电子设备可包括但不仅限于处理器50、存储器51。本领域技术人员可以理解,图5仅仅是电子设备5的举例,并不构成对电子设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述电子设备5的内部存储单元,例如电子设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述电子设备5的外部存储设备,例如所述电子设备5上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述电子设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种海表温度的反演方法,其特征在于,包括:
获取Himawari-8卫星数据和海表温度实测数据;
对所述Himawari-8卫星数据和所述海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据;
对所述目标卫星数据和所述目标实测数据进行时空匹配,生成匹配数据对;
基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数;
基于所述海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图。
2.根据权利要求1所述的海表温度的反演方法,其特征在于,所述对所述Himawari-8卫星数据和所述海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据,包括:
对所述Himawari-8卫星数据进行网格化处理,得到包含多个第一网格数据的所述目标卫星数据;
对所述海表温度实测数据进行网格化处理和时间划分,得到包含多个第二网格数据的所述目标实测数据,所述目标实测数据包括白天目标实测数据和晚上实测数据。
3.根据权利要求2所述的海表温度的反演方法,其特征在于,所述Himawari-8卫星数据为全圆盘数据,所述对所述Himawari-8卫星数据进行网格化处理,得到包含多个第一网格数据的所述目标卫星数据,包括:
对所述Himawari-8卫星数据进行网格化,得到多个所述第一网格数据;
针对每个所述第一网格数据,基于所述第一网格数据对应的经纬度数据,确定所述第一网格在所述全圆盘数据中的位置数据;
将所述位置数据对应的全圆盘数据投影至所述第一网格数据,得到所述目标卫星数据。
4.根据权利要求1所述的海表温度的反演方法,其特征在于,所述对所述目标卫星数据和所述目标实测数据进行时空匹配,生成匹配数据对,包括:
基于预设的海陆掩膜数据和预设的云掩膜数据,确定所述目标卫星数据与所述目标实测数据之间的时间对应关系和空间对应关系;
将时间对应和空间对应的所述目标卫星数据与目标实测数据确定为所述匹配数据对。
6.根据权利要求5所述的海表温度的反演方法,其特征在于,所述匹配数据对包括白天匹配数据对和晚上匹配数据对,基于预设的分裂窗模型,采用最小二乘法对所述匹配数据对进行海表温度模拟,得到海表温度反演系数,包括:
基于预设的分裂窗模型,采用最小二乘法对所述白天匹配数据对进行海表温度模拟,得到白天海表温度反演系数;
基于预设的分裂窗模型,采用最小二乘法对所述晚上匹配数据对进行海表温度模拟,得到晚上海表温度反演系数。
7.根据权利要求6所述的海表温度的反演方法,其特征在于,所述基于所述海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图,包括:
根据所述Himawari-8卫星图的太阳天顶角数据,确定所述Himawari-8卫星图的采集时间;
若所述Himawari-8卫星图的采集时间为白天,则采用所述白天海表温度反演系数,对所述Himawari-8卫星图进行海表温度反演,得到白天海表温度图;
若所述Himawari-8卫星图的采集时间为晚上,则采用所述晚上海表温度反演系数,对所述Himawari-8卫星图进行海表温度反演,得到晚上海表温度图。
8.一种海表温度的反演装置,其特征在于,包括:
获取模块,用于获取Himawari-8卫星数据和海表温度实测数据;
预处理模块,用于对所述Himawari-8卫星数据和所述海表温度实测数据进行预处理,得到目标卫星数据和目标实测数据;
匹配模块,用于对所述目标卫星数据和所述目标实测数据进行时空匹配,生成匹配数据对;
模拟模块,用于基于最小二乘法,对匹配数据对进行海表温度模拟,得到海表温度反演系数;
反演模块,用于基于所述海表温度反演系数,对一幅Himawari-8卫星图进行海表温度反演,得到海表温度图。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至7中任一项所述的海表温度的反演方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的海表温度的反演方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110562552.1A CN113033063A (zh) | 2021-05-24 | 2021-05-24 | 海表温度的反演方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110562552.1A CN113033063A (zh) | 2021-05-24 | 2021-05-24 | 海表温度的反演方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113033063A true CN113033063A (zh) | 2021-06-25 |
Family
ID=76455728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110562552.1A Pending CN113033063A (zh) | 2021-05-24 | 2021-05-24 | 海表温度的反演方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033063A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792091A (zh) * | 2021-11-15 | 2021-12-14 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种海表温度数据归一化质量检验方法 |
CN115062527A (zh) * | 2022-03-14 | 2022-09-16 | 北京华云星地通科技有限公司 | 一种基于深度学习的静止卫星海温反演方法及系统 |
CN117390593A (zh) * | 2023-12-12 | 2024-01-12 | 国家卫星海洋应用中心 | 一种基于辐射计数据的海表参量确定方法以及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145494A (zh) * | 2018-09-11 | 2019-01-04 | 北京师范大学 | 一种海面温度反演方法及系统 |
CN109668635A (zh) * | 2019-01-16 | 2019-04-23 | 中国人民解放军61741部队 | 海表温度融合方法与系统 |
-
2021
- 2021-05-24 CN CN202110562552.1A patent/CN113033063A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145494A (zh) * | 2018-09-11 | 2019-01-04 | 北京师范大学 | 一种海面温度反演方法及系统 |
CN109668635A (zh) * | 2019-01-16 | 2019-04-23 | 中国人民解放军61741部队 | 海表温度融合方法与系统 |
Non-Patent Citations (2)
Title |
---|
KURIHARA YUKIO等: ""Sea surface temperature from the new Japanese geostationary meteorological Himawari-8 satellite"", 《GEOPHYSICAL RESEARCH LETTERS》 * |
王朋等: ""基于AHI 观测的全天气条件海表温度反演"", 《气象科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792091A (zh) * | 2021-11-15 | 2021-12-14 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种海表温度数据归一化质量检验方法 |
CN115062527A (zh) * | 2022-03-14 | 2022-09-16 | 北京华云星地通科技有限公司 | 一种基于深度学习的静止卫星海温反演方法及系统 |
CN117390593A (zh) * | 2023-12-12 | 2024-01-12 | 国家卫星海洋应用中心 | 一种基于辐射计数据的海表参量确定方法以及设备 |
CN117390593B (zh) * | 2023-12-12 | 2024-03-22 | 国家卫星海洋应用中心 | 一种基于辐射计数据的海表参量确定方法以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dinnat et al. | Remote sensing of sea surface salinity: Comparison of satellite and in situ observations and impact of retrieval parameters | |
CN113033063A (zh) | 海表温度的反演方法、装置、电子设备及存储介质 | |
CN109974665B (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
Adler et al. | Estimating climatological bias errors for the Global Precipitation Climatology Project (GPCP) | |
Carroll et al. | Development of an operational land water mask for MODIS Collection 6, and influence on downstream data products | |
Mahmoud et al. | Impact of topography and rainfall intensity on the accuracy of imerg precipitation estimates in an arid region | |
Frappart et al. | Surface freshwater storage variations in the Orinoco floodplains using multi-satellite observations | |
Yang et al. | Evaluation of seven atmospheric profiles from reanalysis and satellite-derived products: Implication for single-channel land surface temperature retrieval | |
Lo | Population estimation using geographically weighted regression | |
Nou et al. | A new approach to the real-time assessment of the clear-sky direct normal irradiance | |
US20140019503A1 (en) | Interpolating a portion of a signal in response to a component of another signal | |
Kabir et al. | Vicarious methodologies to assess and improve the quality of the optical remote sensing images: A critical review | |
Zhang et al. | Metrology assessment of the accuracy of precipitable water vapor estimates from GPS data acquisition in tropical areas: the Tahiti case | |
Salameh et al. | Fifteen years (1993–2007) of surface freshwater storage variability in the ganges-brahmaputra river basin using multi-satellite observations | |
Pan et al. | A long-term passive microwave snowoff record for the alaska region 1988–2016 | |
Helmi et al. | Evaluation of CMORPH, PERSIANN-CDR, CHIRPS V2. 0, TMPA 3B42 V7, and GPM IMERG V6 satellite precipitation datasets in Arabian arid regions | |
CN113052153B (zh) | 遥感反射率影像的检验方法、装置、电子设备及存储介质 | |
Marchand et al. | Verifying the spatial consistency of the CAMS Radiation Service and HelioClim-3 satellite-derived databases of solar radiation using a dense network of measuring stations: the case of The Netherlands | |
Jackson et al. | Improved multisensor approach to satellite‐retrieved near‐surface specific humidity observations | |
Ho et al. | Processing and validation of the STAR COSMIC-2 temperature and water vapor profiles in the neutral atmosphere | |
Turini et al. | Random forest-based rainfall retrieval for Ecuador using GOES-16 and IMERG-V06 data | |
Errico et al. | Simulation of atmospheric motion vectors for an observing system simulation experiment | |
Zeng et al. | Stability monitoring of the VIIRS Day/Night Band over Dome C with a lunar irradiance model and BRDF correction | |
PrivÉ et al. | The importance of simulated errors in observing system simulation experiments | |
Kosar et al. | A case study comparing citizen science aurora data with global auroral boundaries derived from satellite imagery and empirical models |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |
|
RJ01 | Rejection of invention patent application after publication |