CN113670951B - 一种基于船载、车载移动平台的微波辐射计自适应反演算法 - Google Patents
一种基于船载、车载移动平台的微波辐射计自适应反演算法 Download PDFInfo
- Publication number
- CN113670951B CN113670951B CN202110746006.3A CN202110746006A CN113670951B CN 113670951 B CN113670951 B CN 113670951B CN 202110746006 A CN202110746006 A CN 202110746006A CN 113670951 B CN113670951 B CN 113670951B
- Authority
- CN
- China
- Prior art keywords
- data
- microwave radiometer
- temperature
- mode
- height
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Electromagnetism (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于船载、车载移动平台的微波辐射计自适应反演算法,包括如下步骤:步骤1,根据微波辐射计预计移动区域所在经纬度进行样本数据的选取;步骤2,计算出各层对应的高度、温度、相对湿度;步骤3,分别对三个参数在两层之间进行线性插值,以得到压强,温度和相对湿度值;步骤4,模式的正演:步骤5,建立具备网格点对应位置的模式库;步骤6,模式参数保存在工控机上供微波辐射计软件调用;步骤7,进行模式的调用、观测数据的输出。本发明所公开的算法,可以解决基于船载、车载移动平台的微波辐射计在观测路径上探空布点稀少的问题,满足微波辐射计在移动过程中的高精度探测要求。
Description
技术领域
本发明属于大气参数反演领域,特别涉及该领域中的一种基于船载、车载移动平台的微波辐射计自适应反演算法。
背景技术
微波辐射计是一种被动式地基遥感观测设备,通过接收机获取的大气辐射亮温信息及地面温湿压等要素,经过反演算法运算得到大气温湿度廓线等气象参数。其中,反演算法是微波辐射计的核心组成部分,直接影响了微波辐射计的探测精度。
目前微波辐射计常见的观测方式以地基固定式为主,但随着气象探测业务的发展,基于船载、车载等移动平台进行微波辐射计观测的需求越来越多。应用于地基固定观测方式的反演模式,所选取的训练样本为固定探空站的历史数据,此类算法模式适用于固定式微波辐射计,但对于移动式微波辐射计,由于移动路径上的气象特征多变,这种模式算法适用性较差,直接使用是不妥当的。同时,微波辐射计移动路径上可能会出现附近探空站稀少的情况,例如船载微波辐射计受限于海上基本无探空的现状,目前传统的反演模式已无法满足观测需求。
发明内容
本发明提供了一种基于微波遥感技术和船载、车载移动平台的微波辐射计自适应反演算法,用于解决微波辐射计在移动路径上的反演计算技术问题。
本发明采用如下技术方案:
一种基于船载、车载移动平台的微波辐射计自适应反演算法,其改进之处在于,包括如下步骤:
步骤1,根据微波辐射计预计移动区域所在经纬度
进行样本数据的选取,剔除掉雨天的数据,保留晴天和阴天的数据;
步骤2,通过已有的压强、温度和露点温度,进行相应的转换,计算出各层对应的高度、温度、相对湿度;
步骤3,分别对三个参数在两层之间进行线性插值,以得到特定高度上的压强,温度和相对湿度值;
步骤4,模式的正演:
根据大气辐射传输方程,可以得到天顶方向接收到的亮度温度的通用表达式:
式(1)中TBg是亮度温度,T(r)是高度r处的大气温度,ke(r)是高度r处介质的体衰减系数,τ是地面与高度r之间天顶方向大气的光学厚度;
选择有效的观测数据,根据大气辐射传输方程,地面微波辐射计向上观测时所测大气向下辐射亮度温度为:
步骤5,模式的反演,建立具备网格点对应位置的模式库:
将样本数据的90%作为训练数据,剩下的10%作为测试数据,根据初始设定的均方差要求,利用神经网络方法,训练数据,建立数据与反演参数之间的网络,并使用测试数据进行测试,如果达到均方差要求,则网络训练完成,可以输出,如果未达到要求,则继续进行训练,直到达到要求为止;
步骤6,模式参数以动态链接库或数据文件的形式保存在工控机上供微波辐射计软件调用;
步骤7,根据移动过程中微波辐射计所处的实际经纬度位置信息,匹配模式库,进行模式的调用、观测数据的输出。
进一步的,步骤4中采取探空资料与再分析资料结合的方法,构建模式的正演过程,在距离探空站点小于100Km的区域,利用探空资料进行建模;在距离探空站点大于100Km的深海区域,提前将海域进行大区域的划分,选取每100Km的正方形网格中心位置的再分析气象数据进行建模。
进一步的,步骤5中利用BP神经网络反演算法。
本发明的有益效果是:
本发明所公开的算法,可以解决基于船载、车载移动平台的微波辐射计在观测路径上探空布点稀少的问题,满足微波辐射计在移动过程中的高精度探测要求。
附图说明
图1是本发明算法的流程示意图;
图2(a)是探空实测的温度廓线;
图2(b)是微波辐射计在移动观测过程中使用本发明算法实测的温度廓线;
图3(a)是探空实测的相对湿度廓线;
图3(b)是微波辐射计在移动观测过程中使用本发明算法实测的相对湿度廓线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1,为解决微波辐射计在移动过程中面临的观测路径大气参数分布规律多变、探空站稀少等反演难题,本实施例以船载微波辐射计为例,公开了一种基于船载移动平台的微波辐射计自适应反演算法,既能满足船载微波辐射计在海上移动观测的精度要求,又能自动适应不同观测海域的大气参数分布规律,如图1所示,具体包括如下步骤:
步骤1,根据微波辐射计预计移动区域所在经纬度,选择合适的数据进行样本数据的选取,剔除掉雨天的数据,保留晴天和阴天的数据;
步骤2,通过已有的压强、温度和露点温度等,进行相应的转换,计算出各层对应的高度、温度、相对湿度;
步骤3,由于大气的压强,温度和相对湿度在垂直方向近似为线性,因此可以分别对三个参数在两层之间进行线性插值,以得到特定高度上的压强,温度和相对湿度值;
步骤4,整理历史数据,进行模式的正演:
采取探空资料与再分析资料结合的方法,构建模式的正演过程,在距离探空站点较近的区域(<100Km),利用探空资料进行建模;在远离探空站点的深海区域(>100Km),提前将海域进行大区域的划分,选取每100Km的正方形网格中心位置的FNL数据(再分析气象数据)进行建模,该数据作为长期业务模式存档分析资料,包含温度、位势高度、海平面气压等29种资料,可以满足模式正演的需求。
根据大气辐射传输方程,可以得到天顶方向接收到的亮度温度的通用表达式:
式(1)中TBg是亮度温度,单位是K,T(r)是高度r处的大气温度,单位是K,ke(r)是高度r处介质的体衰减系数(体消光系数),单位是Np·m-1,τ是地面与高度r之间天顶方向大气的光学厚度,单位是Np;
选择有效的观测数据,根据大气辐射传输方程,地面微波辐射计向上观测时所测大气向下辐射亮度温度为:
式(2)中:TDN为大气向下辐射亮度温度,单位是K,θ为天顶角,TEXTRA是外层空间的亮度温度,z为高度,单位是km,ka(z)为大气吸收系数,单位是Np/km,它主要由氧气和水汽的吸收以及液态水的吸收所组成,与该处大气的温、湿、压有相关关系,T(z)为大气的物理温度,单位是K,为外层空间的亮度温度到达高度z处时的衰减;
步骤5,模式的反演,建立具备网格点对应位置的模式库,实现温湿度廓线等参数的反演功能:
将样本数据的90%作为训练数据,剩下的10%作为测试数据。训练过程:根据初始设定的均方差要求,利用神经网络方法,训练数据,建立数据与反演参数之间的网络,并使用测试数据进行测试,如果达到均方差要求,则网络训练完成,可以输出,如果未达到要求,则继续进行训练,直到达到要求为止;
本发明采用神经网络方法解决反演对流层大气参数廓线过程中存在的求解方程亏秩情况,经过比较选优,确定采用BP神经网络反演算法。可以实现通过实时测量大气微波辐射信号、温湿度信息等,反演输出海面以及空中大气温度、湿度廓线等。利用再分析资料建立的神经网络模型具有较高可靠性,反演结果与再分析资料数据表现出较高的一致性,在每个月的趋势变化也较一致。其温度廓线均方根误差在1.5K之内,相对湿度均方根误差在15%之内,已经达到利用历史探空数据进行建模的精度水平,与地基微波辐射计反演性能接近,达到实用水平。
步骤6,模式参数以动态链接库或数据文件的形式保存在工控机上供微波辐射计软件调用;
步骤7,根据航行过程中微波辐射计所处的实际经纬度位置信息,匹配模式库,进行模式的调用、观测数据的输出。软件根据实时获得的经纬度信息,自动载入匹配区域的反演模式,得出相关产品信息,实现微波辐射计在移动过程中的高精度观测。
在某次微波辐射计海上科考移动观测过程中秘密采用了本实施例的反演算法,在整个航行过程中,微波辐射计实测数据稳定可靠,并与探空数据开展了近一个月的数据比对试验,试验结果如图2(a)、2(b)、3(a)、3(b)所示,横轴为探空时次,纵轴为测量高度(0~10km),微波辐射计的温度廓线测量误差在2km以下为1.43℃,2km以上为2.05℃;相对湿度测量误差在2km以下为16.29%,2km以上为20.78%,且二者在时间和空间上具有良好的一致性。
上述为基于船载移动平台的微波辐射计自适应反演算法的实施例,对于车载微波辐射计,可同样采用该模式的构建过程。
Claims (3)
1.一种基于船载、车载移动平台的微波辐射计自适应反演算法,其特征在于,包括如下步骤:
步骤1,根据微波辐射计预计移动区域所在经纬度进行样本数据的选取,剔除掉雨天的数据,保留晴天和阴天的数据;
步骤2,通过已有的压强、温度和露点温度,进行相应的转换,计算出各层对应的高度、温度、相对湿度;
步骤3,分别对三个参数在两层之间进行线性插值,以得到特定高度上的压强,温度和相对湿度值;
步骤4,模式的正演:
根据大气辐射传输方程,可以得到天顶方向接收到的亮度温度的通用表达式:
式(1)中TBg是亮度温度,T(r)是高度r处的大气温度,ke(r)是高度r处介质的体衰减系数,τ是地面与高度r之间天顶方向大气的光学厚度;
选择有效的观测数据,根据大气辐射传输方程,地面微波辐射计向上观测时所测大气向下辐射亮度温度为:
步骤5,模式的反演,建立具备网格点对应位置的模式库:
将样本数据的90%作为训练数据,剩下的10%作为测试数据,根据初始设定的均方差要求,利用神经网络方法,训练数据,建立数据与反演参数之间的网络,并使用测试数据进行测试,如果达到均方差要求,则网络训练完成,可以输出,如果未达到要求,则继续进行训练,直到达到要求为止;
步骤6,模式参数以动态链接库或数据文件的形式保存在工控机上供微波辐射计软件调用;
步骤7,根据移动过程中微波辐射计所处的实际经纬度位置信息,匹配模式库,进行模式的调用、观测数据的输出。
2.根据权利要求1所述基于船载、车载移动平台的微波辐射计自适应反演算法,其特征在于:步骤4中采取探空资料与再分析资料结合的方法,构建模式的正演过程,在距离探空站点小于100Km的区域,利用探空资料进行建模;在距离探空站点大于100Km的深海区域,提前将海域进行大区域的划分,选取每100Km的正方形网格中心位置的再分析气象数据进行建模。
3.根据权利要求1所述基于船载、车载移动平台的微波辐射计自适应反演算法,其特征在于:步骤5中利用BP神经网络反演算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746006.3A CN113670951B (zh) | 2021-07-01 | 2021-07-01 | 一种基于船载、车载移动平台的微波辐射计自适应反演算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746006.3A CN113670951B (zh) | 2021-07-01 | 2021-07-01 | 一种基于船载、车载移动平台的微波辐射计自适应反演算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113670951A CN113670951A (zh) | 2021-11-19 |
CN113670951B true CN113670951B (zh) | 2023-06-23 |
Family
ID=78538381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110746006.3A Active CN113670951B (zh) | 2021-07-01 | 2021-07-01 | 一种基于船载、车载移动平台的微波辐射计自适应反演算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113670951B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114486820A (zh) * | 2021-12-29 | 2022-05-13 | 天津市人工影响天气办公室 | 一种机载微波辐射计云中过冷水的反演方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108508442A (zh) * | 2018-03-16 | 2018-09-07 | 哈尔滨工程大学 | 一种基于地基多通道微波辐射计的大气温湿廓线反演方法 |
CN108827878A (zh) * | 2018-04-08 | 2018-11-16 | 中国科学院国家空间科学中心 | 一种地表气压的被动微波遥感探测方法 |
CN109709558A (zh) * | 2019-03-06 | 2019-05-03 | 成都信息工程大学 | 一种星载微波遥感陆地上空pwv的物理反演算法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080169975A1 (en) * | 2007-01-12 | 2008-07-17 | Young Paul Yee | Process for generating spatially continuous wind profiles from wind profiler measurements |
US20190128805A1 (en) * | 2015-03-16 | 2019-05-02 | Fredrick S. Solheim | Characterizing tropospheric boundary layer thermodynamic and refractivity profiles utilizing selected waveband infrared observations |
US20160274026A1 (en) * | 2015-03-16 | 2016-09-22 | Fredrick S. Solheim | Characterizing tropospheric boundary layer thermodynamic and refractivity profiles utilizing multiband infrared observations |
-
2021
- 2021-07-01 CN CN202110746006.3A patent/CN113670951B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108508442A (zh) * | 2018-03-16 | 2018-09-07 | 哈尔滨工程大学 | 一种基于地基多通道微波辐射计的大气温湿廓线反演方法 |
CN108827878A (zh) * | 2018-04-08 | 2018-11-16 | 中国科学院国家空间科学中心 | 一种地表气压的被动微波遥感探测方法 |
CN109709558A (zh) * | 2019-03-06 | 2019-05-03 | 成都信息工程大学 | 一种星载微波遥感陆地上空pwv的物理反演算法 |
Non-Patent Citations (1)
Title |
---|
地基12通道微波辐射计反演大气温湿廓线及估算雷达路径积分衰减;张北斗;黄建平;郭杨;商建;吴琼;;兰州大学学报(自然科学版)(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113670951A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112711899B (zh) | 一种蒸发波导高度的融合预测方法 | |
CN109946235B (zh) | 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 | |
CN111666656A (zh) | 基于微波雨衰的降雨估算方法及降雨监测系统 | |
CN108152867B (zh) | 输电线路的台风预警系统及方法 | |
CN109543356A (zh) | 考虑空间非平稳性的海洋内部温盐结构遥感反演方法 | |
CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
CN114186484B (zh) | 一种适用于高海拔地区的地表土壤湿度遥感反演方法 | |
CN116523152B (zh) | 漂浮物的漂移预测方法、装置、设备和介质 | |
CN113670951B (zh) | 一种基于船载、车载移动平台的微波辐射计自适应反演算法 | |
CN113281754A (zh) | 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法 | |
CN115859789A (zh) | 一种提高极地大气温度廓线反演精度的方法 | |
CN113534194B (zh) | 联合gnss与测风激光雷达的对流层温湿廓线反演方法 | |
CN115907201A (zh) | 一种基于双向lstm网络的短时降雨预测方法、装置及系统 | |
CN115049013A (zh) | 一种联合线性和svm的短时降雨预警模型融合方法 | |
CN114371519A (zh) | 一种基于无偏差亮温的地基微波辐射计大气温湿廓线反演方法 | |
CN117687125A (zh) | 构建覆冰格点数据集的方法、处理器、装置及存储介质 | |
US10345485B2 (en) | Forensic weather system | |
CN111597692A (zh) | 一种地表净辐射估算方法、系统、电子设备和存储介质 | |
CN115575914A (zh) | 一种多波段双线偏振天气雷达观测量误差量化方法 | |
CN112034007B (zh) | 一种微波辐射计间接测量露点温度方法及系统 | |
Wessinger | Improving near surface refractivity estimates in marine environments | |
CN111881538A (zh) | 一种水汽导风的反演方法 | |
Zhou et al. | AMPLE: An Adaptive Multiple Path Loss Exponent Radio Propagation Model Considering Environmental Factors | |
CN113686817B (zh) | 一种海洋上空环境下的非均匀路径大气相位屏分布法 | |
KR102119121B1 (ko) | 실측 데이터 기반의 클러터―모폴로지 보정 계수를 이용하여 전파전파 전송 손실을 보정하는 방법 |
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 |