CN113237801A - 一种识别沙尘云混合体的方法 - Google Patents

一种识别沙尘云混合体的方法 Download PDF

Info

Publication number
CN113237801A
CN113237801A CN202110520791.0A CN202110520791A CN113237801A CN 113237801 A CN113237801 A CN 113237801A CN 202110520791 A CN202110520791 A CN 202110520791A CN 113237801 A CN113237801 A CN 113237801A
Authority
CN
China
Prior art keywords
cloud
dust
sand
laser radar
radar
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
CN202110520791.0A
Other languages
English (en)
Other versions
CN113237801B (zh
Inventor
陈羿辰
霍娟
李霞
荆莹莹
马宁堃
张磊
马新成
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.)
Beijing Weather Modification Office
Original Assignee
Beijing Weather Modification Office
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 Beijing Weather Modification Office filed Critical Beijing Weather Modification Office
Priority to CN202110520791.0A priority Critical patent/CN113237801B/zh
Publication of CN113237801A publication Critical patent/CN113237801A/zh
Application granted granted Critical
Publication of CN113237801B publication Critical patent/CN113237801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G01N15/06—Investigating concentration of particle suspensions
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • 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
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • 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
    • G01N2015/0238—Single particle scatter
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

一种识别沙尘云混合体的方法，包括：根据气溶胶测量仪测量对应云的悬浮在气体介质中的固态或液态颗粒的粒径，并测量不同粒径下的粒子质量浓度；根据粒子质量浓度将对应云分为以下几种类型：晴空、非沙尘、云/雨、沙尘和沙尘云混合体；在同一时间和同一空间下获取预设区域内对应云的激光雷达参数范围和云雷达参数范围；基于粒子质量浓度、激光雷达参数范围和云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体。利用激光雷达标准后向散射系数、激光雷达退偏振比和云雷达等效反射率的配合，精确识别出沙尘云混合体，以此证明沙尘作为冰核参与活化，并为深入研究云和沙尘相互作用、沙尘云降雨机制提供技术支撑。

Description

一种识别沙尘云混合体的方法
技术领域
本发明涉及沙尘云技术领域，特别涉及一种识别沙尘云混合体的方法。
背景技术
沙尘颗粒是对流层气溶胶的主要成分之一，通过散射和吸收短波太阳辐射来影响气候系统，并且通过影响对流层云的形成和生命周期而间接影响气候系统，所以沙尘和云的相互关系非常重要。激光雷达作为一种主动式大气遥感探测技术，利用大气气溶胶、云等对激光的散射特性，探测大气气溶胶的光学性质、空间垂直分布以及相关信息。自20世纪80年代起，国内学者开始利用后向散射强度、退偏振比、消光系数以及双波长信号比等激光雷达资料，对沙尘暴过程中气溶胶特征进行分析。但激光雷达容易受到光学衰减的影响，对地面已经产生降水的厚云层进行探测时会有一定的阻碍，对于云层较薄的云可用于测量和识别，并通过退偏振比识别液态云的底部。但在某些情况下，如大尺寸的降水尺寸粒子(冰、毛毛雨或雨)以及大量的液态小云滴共存时，可能会因为来自云滴的更强信号掩盖掉大尺寸粒子信息。而云雷达正好可以与激光雷达形成互补，由于云雷达反射率与粒径的六次方成正比，所以雷达信号由体积中的最大粒子支配，因此采样体积内如果出现大粒子时，可能导致在测量时忽略掉这些小粒子。
现有技术主要是利用激光雷达识别沙尘等气溶胶，利用云雷达识别云，但是云和沙尘气溶胶相互作用的共存区域，即沙尘和云混合体，简称沙尘云混合体，目前并没有相关技术报道可以有效识别。
目前已有的技术是利用激光雷达后向散射系数和退偏振比等参数识别污染气溶胶、清洁气溶胶、水云、冰水混合云、冰云、雨、沙尘；云雷达利用反射率、退偏振比、速度、谱宽识别雨、水云、冰云、冰水混合云。但现有的技术只能单独识别沙尘或者识别云，实际上在沙尘影响降水系统时会出现沙尘云混合体，而沙尘云混合体是我们研究云和沙尘相互作用，或者判断沙尘作为冰核参与活化的最直接证据，但目前现有的技术都不能识别出沙尘云混合体。
发明内容
(一)发明目的
本发明的目的是提供一种识别沙尘云混合体的方法，能够精确地识别一预设区域内的沙尘云混合体，为深入研究云和沙尘相互作用，沙尘云降雨机制提供技术支撑。
(二)技术方案
为解决上述问题，根据本发明的一个方面,本发明提供了一种识别沙尘云混合体的方法，包括：根据气溶胶测量仪测量对应云的悬浮在气体介质中的固态或液态颗粒的粒径，并测量不同所述粒径下的粒子质量浓度；根据所述粒子质量浓度将所述对应云分为以下几种类型：晴空、非沙尘、云/雨、沙尘和沙尘云混合体；在同一时间和同一空间下获取预设区域内所述对应云的激光雷达参数范围和云雷达参数范围；基于所述粒子质量浓度、所述激光雷达参数范围和所述云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体。
进一步的，所述激光雷达参数包括：激光雷达标准后向散射系数和激光雷达退偏振；所述云雷达参数包括：云雷达等效反射率。
进一步的，测量不同所述粒径下的粒子质量浓度之后还包括：根据所述粒子质量浓度对所述对应云中包括的类型进行定义：没有云，且所述粒子质量浓度小于10ug/m3时，为晴空；所述粒子质量浓度小于25ug/m3时，为非沙尘；所述粒子质量浓度大于等于25ug/m3时，为沙尘；有云或者降雨时，为云/雨；云和沙尘同时存在时，为沙尘云混合体。
进一步的，在测量所述对应云的激光雷达后向散射系数(NRB)与激光雷达退偏振比(DR)的范围之前，利用云雷达排除垂直高度上没有云的区域。
进一步的，基于所述粒子质量浓度、所述激光雷达参数范围和所述云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体包括：在同一时间和同一空间下将所述激光雷达标准后向散射系数、所述激光雷达退偏振比和所述云雷达等效反射率构成一个矩阵；根据检索顺序对所述矩阵内的每个像素逐一进行第一次检索，并利用所述激光雷达标准后向散射系数、所述激光雷达退偏振比识别出晴空、非沙尘和沙尘；在第一次检索得到的分类结果上再进行检索判断，识别云/雨和沙尘云混合体。
进一步的，所述检索顺序包括：从所述矩阵的第一行第一列开始，先从左至右检索，再从上至下检索，直至最后一行检索完。
进一步的，根据检索顺序对所述矩阵内的每个像素逐一进行第一次检索，并利用所述激光雷达标准后向散射系数、所述激光雷达退偏振比识别出晴空、非沙尘和沙尘包括：所述激光雷达标准后向散射NRB≤0.1，识别为晴空区域；所述激光雷达退偏振比DR：0.05＜DR＜0.3，同时所述激光雷达标准后向散射NRB：0.1<NRB＜0.25，识别为非沙尘区域；所述激光雷达退偏振比DR：0.25≤DR＜0.45，同时所述激光雷达标准后向散射NRB：0.25≤NRB＜0.9，识别为沙尘区域。
进一步的，在第一次检索得到的分类结果上再进行检索判断，识别云/雨和沙尘云混合体包括：所述云雷达等效反射率Ze：Ze>-40dBZ，识别为云/雨区域；所述云雷达等效反射率Ze：Ze>-40dBZ，同时所述激光雷达退偏振比DR：0.25≤DR＜0.45，所述激光雷达标准后向散射NRB：0.25≤NRB＜0.9，识别为沙尘云混合体区域。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果：
精确识别非沙尘、云/雨、沙尘、沙尘云混合体，作为判断沙尘作为冰核参与活化的最直接证据，为深入研究云和沙尘相互作用，沙尘云降雨机制提供支撑。
附图说明
图1是本发明实施例提供的识别沙尘云混合体的方法的步骤流程图；
图2是本发明实施例提供的沙尘、云的激光雷达标准后向散射系数(NRB)与退偏振比(DR)的统计关系图；
图3是本发明实施例提供的基于激光雷达参数的晴空、非沙尘、云/雨识别分类图；
图4是本发明实施例提供的沙尘云混合体识别结果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
激光雷达标准后向散射系数(NRB)与粒子大小、数浓度、粒子种类等因素有关，因此不同气溶胶和云滴对应的激光雷达标准后向散射系数(NRB)有很大差异，如非沙尘气溶胶对应的NRB一般小于0.25km2μs-1μJ-1，而沙尘气溶胶对应的NRB一般较大，最大可达0.85km2μs-1μJ-1，云滴或液态水对应的NRB一般大于0.9km2μs-1μJ-1。
激光雷达退偏振比(DR)可以有效识别球型和非球型粒子，球型气溶胶不会改变后向散射光的偏振状态，而非球型气溶胶会使后向散射光产生偏振效应。由于大气中气体分子的退偏比较小，仅为0.029，因此，激光雷达退偏振比(DR)主要的贡献来自冰云和沙尘气溶胶等非球形粒子。
云雷达对沙尘等气溶胶信号并不敏感，所以不能有效探测到沙尘等气溶胶，因此云雷达测到的有效信号即为云或降雨。
本发明实施例基于激光雷达和云雷达的特点和优势，利用激光雷达标准后向散射系数(NRB)、激光雷达退偏振比(DR)和云雷达等效反射率建立一种识别沙尘云混合体的方法，以此证明沙尘作为冰核参与活化，并为深入研究云和沙尘相互作用、沙尘云降雨机制提供技术支撑。
图1是本发明实施例提供的识别沙尘云混合体的方法的步骤流程图，如图1所示，本发明的具体步骤如下：
步骤S1：根据气溶胶测量仪测量对应云的悬浮在气体介质中的固态或液态颗粒的粒径，并测量不同粒径下的粒子质量浓度。
具体地，激光雷达参数包括：激光雷达标准后向散射系数和激光雷达退偏振比；云雷达参数包括：云雷达等效反射率。
本发明实施例中悬浮在气体介质中的固态或液态颗粒为PM2.5-PM10，是指粒径大于2.5微米，小于10微米的颗粒物；气溶胶测量仪能够测量不同粒径下的粒子质量浓度。
在环境空气质量标准(GB3095-2012)中PM10的浓度限值为：
年平均：一级空气质量：40ug/m3(微克每立方米)；二级空气质量：70ug/m3(微克每立方米)；
24小时平均：一级空气质量：50ug/m3(微克每立方米)；二级空气质量：150ug/m3(微克每立方米)。
根据粒子质量浓度对对应云中包括的类型进行定义，其中，晴空是指没有云，且粒子质量浓度小于10ug/m3；非沙尘是指PM10质量浓度小于25ug/m3；沙尘是指粒子PM10-PM2.5质量浓度大于等于25ug/m3；云/雨是指有云或者降雨；沙尘云混合体是指云和沙尘同时存在。
具体地，首先对晴空、非沙尘、云/雨、沙尘、沙尘云混合体进行区分界定，再获取晴空、非沙尘、云/雨、沙尘、沙尘云混合体各自的激光雷达参数范围和云雷达参数范围。
首先利用气溶胶测量仪Grimm180测量不同粒径大小的粒子质量浓度，定义并界定晴空、非沙尘、云/雨、沙尘、沙尘云混合体，最终结果如表1所示。
表1沙尘云混合体等粒子类型分类定义
Figure BDA0003063876190000051
Figure BDA0003063876190000061
其中，表1中的Clear表示晴空，Aerosol(non dusty)表示非沙尘，Dusty表示沙尘，Cloud/Rain表示云/雨，Dusty+Cloud表示沙尘云混合体。
步骤S2：在同一时间和空间下获取预设区域内对应云的激光雷达参数范围值和云雷达参数范围值。
具体地，首先利用云雷达和激光雷达共同选择一个确定的预设区域，在同一个时间序列内用云雷达测量该预设区域内的不同高度下(空间)的对应云的云雷达等效反射率的范围值；也在上述同一个时间序列内用激光雷达测量预设区域内的不同高度下(空间)的对应云的激光雷达后向散射系数(NRB)与激光雷达退偏振比(DR)。
云雷达和激光雷达都是垂直对空观测，观测的结果都是一个时间序列上、不同高度上的对应云的观测信息。云雷达用于测量对应云所在的时间段和高度值，得到一个时间序列内、不同高度上的对应云的云雷达等效反射率的范围值；激光雷达用于测量一个时间序列内、不同高度上的对应云的激光雷达后向散射系数(NRB)与激光雷达退偏振比(DR)。
优选的，在统计沙尘对应的激光雷达后向散射系数(NRB)与激光雷达退偏振比(DR)的范围之前，需要利用云雷达排除在该时间序列内、该垂直高度上没有云的区域。因此，为了统计获取对应云的激光雷达标准后向散射系数(NRB)与激光雷达退偏振比(DR)的范围，首先要利用云雷达和激光雷达来一起选择一个确定的预设区域。
可选的，云雷达包括毫米波云雷达。
步骤S3：基于粒子质量浓度、激光雷达参数范围和云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体。
具体地，步骤S3包括：
步骤S31：首先把激光雷达标准后向散射系数(NRB)、激光雷达退偏振比(DR)和云雷达等效反射率(Ze)这三个参数都统一成一个时间和空间下构成的矩阵。
该矩阵中的横轴表示时间，纵轴表示空间，时间分辨率为1分钟，空间分辨率为10米。
例如：观测时间为10小时，观测高度为10km，则将构成一个长宽为1000×600的矩阵，矩阵内每个像素点代表1分钟、高度为10米的区域。
步骤S32：根据检索顺序对矩阵内的每个像素逐一进行第一次检索，并利用激光雷达标准后向散射系数(NRB)、激光雷达退偏振比(DR)判断出晴空、非沙尘和沙尘区域。
具体地，检索顺序包括：从矩阵的第一行第一列开始，先从左至右检索，再从上至下检索，直至最后一行检索完。
例如：从1×1开始检索到1×600，再从2×1开始检索到2×600，以此类推，一直检索到最后一行1000×1开始检索到1000×600，得到一个1000×600的全新矩阵，记为F，这个矩阵表示分类结果。则第一次检索过程完成。
每个像素点表示分类的结果，例如：1表示为晴空、2表示非沙尘、3表示沙尘。
其中，当激光雷达标准后向散射NRB≤0.1时，则判断为晴空；当激光雷达退偏振比DR和NRB在0.05＜DR＜0.3&0.1<NRB＜0.25区间内时，则判断为非沙尘区域；当激光雷达退偏振比DR和NRB在0.25≤DR＜0.45&0.25≤NRB＜0.9区间内时，则判断为沙尘区域。
步骤S33：在第一次检索得到的分类结果上再进行检索判断，如果检测到云雷达等效反射率(Ze)>-40dBZ，则判断为云/雨；当云雷达等效反射率(Ze)>-40dBZ，且0.25≤DR＜0.45&0.25≤NRB＜0.9时，则判断为沙尘云混合体。
下表2所示即为步骤S3中根据激光雷达参数范围和云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体的详细分类。
表2沙尘云混合体等粒子类型识别参数范围
Class 激光雷达 云雷达
Clear NRB≤0.1 /
Aerosol(non dusty) 0.05＜DR＜0.3&0.1<NRB＜0.25 /
Dusty 0.25≤DR＜0.45&0.25≤NRB＜0.9 /
Cloud/Rain NRB>0.1 Ze>-40dBZ
Dusty+Cloud 0.25≤DR＜0.45&0.25≤NRB＜0.9 Ze>-40dBZ
其中，表2中的Clear表示晴空，Aerosol(non dusty)表示非沙尘，Dusty表示沙尘，Cloud/Rain表示云/雨，Dusty+Cloud表示沙尘云混合体。
具体地，在第一次检索得到的分类结果上再进行的检索判断包括：
第二次检索：采用云雷达等效反射率(Ze)进行判断。
当Ze>-40dBZ，则把对应的像素点分类为4(云/雨)，不管第一次检索的结果如何，再次更新分类矩阵F。
第三次检索：同时检索激光雷达标准后向散射系数(NRB)、激光雷达退偏振比(DR)和云雷达等效反射率(Ze)三个矩阵，如果满足表2中的沙尘云混合体范围，则把相应的像素点分类为5(沙尘云混合体)，再更新分类矩阵F。
最终得到的对应云的激光雷达标准后向散射系数(NRB)与退偏振比(DR)的统计关系如图2所示，从而根据统计结果建立基于激光雷达的晴空、非沙尘、云/雨、沙尘的识别分类框图和沙尘云混合体识别结果，如图3和图4所示。
本发明旨在保护一种识别沙尘云混合体的方法，包括：根据气溶胶测量仪测量对应云的悬浮在气体介质中的固态或液态颗粒的粒径，并测量不同粒径下的粒子质量浓度；根据粒子质量浓度将对应云分为以下几种类型：晴空、非沙尘、云/雨、沙尘和沙尘云混合体；在同一时间和同一空间下获取预设区域内对应云的激光雷达参数范围和云雷达参数范围；基于粒子质量浓度、激光雷达参数范围和云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体。利用激光雷达标准后向散射系数、激光雷达退偏振比和云雷达等效反射率的配合，精确识别出沙尘云混合体，以此证明沙尘作为冰核参与活化，并为深入研究云和沙尘相互作用、沙尘云降雨机制提供技术支撑。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (8)

1.一种识别沙尘云混合体的方法，其特征在于，包括：
根据气溶胶测量仪测量对应云的悬浮在气体介质中的固态或液态颗粒的粒径，并测量不同所述粒径下的粒子质量浓度；
根据所述粒子质量浓度将所述对应云分为以下几种类型：晴空、非沙尘、云/雨、沙尘和沙尘云混合体；
在同一时间和同一空间下获取预设区域内所述对应云的激光雷达参数范围和云雷达参数范围；
基于所述粒子质量浓度、所述激光雷达参数范围和所述云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体。
2.根据权利要求1所述的识别沙尘云混合体的方法，其特征在于，
所述激光雷达参数包括：激光雷达标准后向散射系数和激光雷达退偏振比；
所述云雷达参数包括：云雷达等效反射率。
3.根据权利要求2所述的识别沙尘云混合体的方法，其特征在于，测量不同所述粒径下的粒子质量浓度之后还包括：
根据所述粒子质量浓度对所述对应云中包括的类型进行定义：
没有云，且所述粒子质量浓度小于10ug/m3时，为晴空；
所述粒子质量浓度小于25ug/m3时，为非沙尘；
所述粒子质量浓度大于等于25ug/m3时，为沙尘；
有云或者降雨时，为云/雨；
云和沙尘同时存在时，为沙尘云混合体。
4.根据权利要求1所述的识别沙尘云混合体的方法，其特征在于，
在测量所述对应云的激光雷达后向散射系数(NRB)与激光雷达退偏振比(DR)的范围之前，利用云雷达排除垂直高度上没有云的区域。
5.根据权利要求1所述的识别沙尘云混合体的方法，其特征在于，
基于所述粒子质量浓度、所述激光雷达参数范围和所述云雷达参数范围识别晴空、非沙尘、云/雨、沙尘和沙尘云混合体包括：
在同一时间和同一空间下将所述激光雷达标准后向散射系数、所述激光雷达退偏振比和所述云雷达等效反射率构成一个矩阵；
根据检索顺序对所述矩阵内的每个像素逐一进行第一次检索，并利用所述激光雷达标准后向散射系数、所述激光雷达退偏振比识别出晴空、非沙尘和沙尘；
在第一次检索得到的分类结果上再进行检索判断，识别云/雨和沙尘云混合体。
6.根据权利要求5所述的识别沙尘云混合体的方法，其特征在于，
所述检索顺序包括：从所述矩阵的第一行第一列开始，先从左至右检索，再从上至下检索，直至最后一行检索完。
7.根据权利要求5所述的识别沙尘云混合体的方法，其特征在于，
根据检索顺序对所述矩阵内的每个像素逐一进行第一次检索，并利用所述激光雷达标准后向散射系数、所述激光雷达退偏振比识别出晴空、非沙尘和沙尘包括：
所述激光雷达标准后向散射NRB≤0.1，识别为晴空区域；
所述激光雷达退偏振比DR：0.05＜DR＜0.3，同时所述激光雷达标准后向散射NRB：0.1<NRB＜0.25，识别为非沙尘区域；
所述激光雷达退偏振比DR：0.25≤DR＜0.45，同时所述激光雷达标准后向散射NRB：0.25≤NRB＜0.9，识别为沙尘区域。
8.根据权利要求5所述的识别沙尘云混合体的方法，其特征在于，
在第一次检索得到的分类结果上再进行检索判断，识别云/雨和沙尘云混合体包括：
所述云雷达等效反射率Ze：Ze>-40dBZ，识别为云/雨区域；
所述云雷达等效反射率Ze：Ze>-40dBZ，同时所述激光雷达退偏振比DR：0.25≤DR＜0.45，所述激光雷达标准后向散射NRB：0.25≤NRB＜0.9，识别为沙尘云混合体区域。
CN202110520791.0A 2021-05-13 2021-05-13 一种识别沙尘云混合体的方法 Active CN113237801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110520791.0A CN113237801B (zh) 2021-05-13 2021-05-13 一种识别沙尘云混合体的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110520791.0A CN113237801B (zh) 2021-05-13 2021-05-13 一种识别沙尘云混合体的方法

Publications (2)

Publication Number Publication Date
CN113237801A true CN113237801A (zh) 2021-08-10
CN113237801B CN113237801B (zh) 2022-06-28

Family

ID=77133995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110520791.0A Active CN113237801B (zh) 2021-05-13 2021-05-13 一种识别沙尘云混合体的方法

Country Status (1)

Country Link
CN (1) CN113237801B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332651A (zh) * 2022-03-16 2022-04-12 成都信息工程大学 一种基于拟合模型的云参数确定方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268423A (zh) * 2014-10-11 2015-01-07 武汉大学 大尺度动态演化沙尘型气溶胶反演方法
CN204389347U (zh) * 2015-02-03 2015-06-10 南京信息工程大学 一种基于无线网络的悬浮气溶胶颗粒物质量浓度监测系统
CN108426815A (zh) * 2018-04-20 2018-08-21 中国科学院遥感与数字地球研究所 一种近地面细颗粒物组分浓度估算方法
CN110441777A (zh) * 2019-07-11 2019-11-12 中山大学 一种基于激光雷达的气溶胶垂直廓线的反演方法
CN110826526A (zh) * 2019-11-19 2020-02-21 上海无线电设备研究所 一种测云雷达识别云类的方法
US20200064514A1 (en) * 2018-05-11 2020-02-27 Xi'an University Of Technology Cloud water resource detecting system and method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268423A (zh) * 2014-10-11 2015-01-07 武汉大学 大尺度动态演化沙尘型气溶胶反演方法
CN204389347U (zh) * 2015-02-03 2015-06-10 南京信息工程大学 一种基于无线网络的悬浮气溶胶颗粒物质量浓度监测系统
CN108426815A (zh) * 2018-04-20 2018-08-21 中国科学院遥感与数字地球研究所 一种近地面细颗粒物组分浓度估算方法
US20200064514A1 (en) * 2018-05-11 2020-02-27 Xi'an University Of Technology Cloud water resource detecting system and method
CN110441777A (zh) * 2019-07-11 2019-11-12 中山大学 一种基于激光雷达的气溶胶垂直廓线的反演方法
CN110826526A (zh) * 2019-11-19 2020-02-21 上海无线电设备研究所 一种测云雷达识别云类的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XINGCAN JIA等: ""Combining disdrometer, microscopic photography, and cloud radar to study"", 《ATMOSPHERIC RESEARCH》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332651A (zh) * 2022-03-16 2022-04-12 成都信息工程大学 一种基于拟合模型的云参数确定方法及系统
CN114332651B (zh) * 2022-03-16 2022-05-13 成都信息工程大学 一种基于拟合模型的云参数确定方法及系统

Also Published As

Publication number Publication date
CN113237801B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
Wang et al. Vertical profiles of NO 2, SO 2, HONO, HCHO, CHOCHO and aerosols derived from MAX-DOAS measurements at a rural site in the central western North China Plain and their relation to emission sources and effects of regional transport
Fan et al. Aerosol vertical distribution and sources estimation at a site of the Yangtze River Delta region of China
Wang et al. Lower tropospheric distributions of O 3 and aerosol over Raoyang, a rural site in the North China Plain
CN108106979A (zh) 一种基于modis和机器学习模型融合的pm2.5反演方法
Li et al. Vertical distribution of particulate matter and its relationship with planetary boundary layer structure in Shenyang, Northeast China
Chen et al. Size-resolved chemical composition of atmospheric particles during a straw burning period at Mt. Huang (the Yellow Mountain) of China
Maahn et al. The observed influence of local anthropogenic pollution on northern Alaskan cloud properties
Mejía et al. Spatial variation in particle number size distributions in a large metropolitan area
CN113237801B (zh) 一种识别沙尘云混合体的方法
Tiitta et al. Intercomparison of holographic imaging and single-particle forward light scattering in situ measurements of liquid clouds in changing atmospheric conditions
Hung et al. Investigation of long-range transported PM2. 5 events over Northern Taiwan during 2005–2015 winter seasons
Obregón et al. Aerosol radiometric properties at Western Spain (Cáceres station).
Petersson Sjögren et al. Measurement report: Atmospheric fluorescent bioaerosol concentrations measured during 18 months in a coniferous forest in the south of Sweden
US20240003686A1 (en) Hyper-local mapping of environmental conditions
Tang et al. Observation of bioaerosol transport using wideband integrated bioaerosol sensor and coherent Doppler lidar
Li et al. Physical and optical properties of atmospheric aerosols in summer at a suburban site in North China
Xu et al. Identification and quantitative analysis of dust trajectories in the Hexi Corridor
CN207730938U (zh) 一种移动式气溶胶激光雷达网络数据质控系统
Ding et al. A method of simultaneously measuring particle shape parameter and aerodynamic size
CN114296103B (zh) 一种机载高光谱分辨率激光雷达消光系数反演方法
Streit et al. Characterization of size-fractionated aerosol from the Jungfraujoch (3580 m asl) using total reflection X-ray fluorescence (TXRF)
Mogo et al. In situ measurements of aerosol optical properties and number size distributions in a coastal region of Norway during the summer of 2008
Orikasa et al. Ice crystal concentration in midlatitude cirrus clouds: In situ measurements with the balloonborne hydrometeor videosonde (HYVIS)
CN105891064A (zh) 一种非球形气溶胶粒子混合率的检测方法及其装置
Han et al. 3D flash LIDAR simulation for autonomous driving under various weather conditions

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
CB02 Change of applicant information

Address after: 100089 Beijing Haidian District Zizhuyuan Road No. 44

Applicant after: Beijing Weather Modification Center

Address before: 100089 Beijing Haidian District Zizhuyuan Road No. 44

Applicant before: BEIJING WEATHER MODIFICATION OFFICE

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant