CN114089444B - 一种星载探测数据全球陆地降雨类型判别装置及方法 - Google Patents

一种星载探测数据全球陆地降雨类型判别装置及方法 Download PDF

Info

Publication number
CN114089444B
CN114089444B CN202111390625.XA CN202111390625A CN114089444B CN 114089444 B CN114089444 B CN 114089444B CN 202111390625 A CN202111390625 A CN 202111390625A CN 114089444 B CN114089444 B CN 114089444B
Authority
CN
China
Prior art keywords
rainfall
data
land
rain
pixel
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
Application number
CN202111390625.XA
Other languages
English (en)
Other versions
CN114089444A (zh
Inventor
张软玉
张晓东
李雪
王平凯
董克松
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.)
Shanghai Spaceflight Institute of TT&C and Telecommunication
Original Assignee
Shanghai Spaceflight Institute of TT&C and Telecommunication
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 Shanghai Spaceflight Institute of TT&C and Telecommunication filed Critical Shanghai Spaceflight Institute of TT&C and Telecommunication
Priority to CN202111390625.XA priority Critical patent/CN114089444B/zh
Publication of CN114089444A publication Critical patent/CN114089444A/zh
Application granted granted Critical
Publication of CN114089444B publication Critical patent/CN114089444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • 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)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Chemical & Material Sciences (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种星载探测数据全球陆地降雨类型判别装置及方法，该装置利用星载微波陆地区域匹配数据集，实现微波成像仪观测亮温的降雨类型雨索引值和微波成像仪像元内的对流雨概率计算，利用函数拟合实现降雨类型判别。本发明揭示了微波成像仪观测陆地表面降雨类型判别的影响因素，为我国风云三号微波成像仪的陆地降雨类型等产品研发提供一种参考，为后续星载微波成像仪数据开发和业务化产品奠定基础。

Description

一种星载探测数据全球陆地降雨类型判别装置及方法
技术领域
本发明涉及微波遥感领域，特别涉及一种星载探测数据全球陆地降雨类型判别装置及方法。
背景技术
降雨是水循环系统中的主要动力来源，对人类生命是必不可少的。热带降雨占据全球降雨的三分之二以上，通过降雨对应的相态变化释放/吸收潜热。热带降雨为全球大气环流提供了主要能源，因此，对于热带降雨及其降雨类型的准确估计对于增强我们对地球-大气-水圈系统和大气规模的气候变化研究至关重要。热带降雨通常以中尺度对流系统的形式发生，该系统的特征在于区分对流区域和层状区域。对流区域的尺度范围从几公里到30公里不等，伴随着强烈的上升和下降气流。对流区域与强降雨和垂直空气运动有关，该垂直运动比典型冰晶下降速度快得多。与对流区域相比较，层状区域的垂直空气运动相对较弱，水平均匀性较高，其范围可延伸数百公里，通常产生降雨率较低(不超过10mm/h)。此外，对流雨和层状雨两种模式在潜热释放垂直廓线信息也存在很大差异。研究学者发现大规模的加热和冷却主要是由于对流雨和层状雨的潜热释放和吸收过程的主要部分。因此，对流雨和层状雨区域进行分类对全球大气能量收支平衡研究是必要的。
微波波段能够穿透云雨层，可直接获取海表信息，此外微波遥感在全球降雨监测有着全天候全天时的优势。因此，使用微波辐射观测数据能够较好的实现降雨监测及云雨分类。我国第二代极轨太阳同步气象卫星风云三号系列卫星上均搭载有微波成像仪，它是一种全功率双极化微波成像仪。微波成像仪具有5个双极化观测频段，其中10.65GHz到89.0GHz对应的频段视场依次减小(分辨率依次增加)。自微波成像仪在轨运行以来，传感器一直稳定运行并提供了连续的观测数据，用以监测总降雨量、云液态水、地表雨、雪水、海面温度、风速等大气参数。微波成像仪观测数据提高了我国数值天气预报和热带气旋路径监测预报的准确性。然而，由于当前在轨微波仪器观测分辨率较低，观测像元过大，降雨辐射特征较少，进而造成观测像元内对流雨与层状雨混合的问题。
发明内容
本发明的目的在于克服目前全球陆地观测区域范围内微波成像仪像元降雨类型判别存在的上述问题，提供了一种星载探测数据全球陆地降雨类型判别装置及方法。
为了达到上述发明目的，解决其技术问题所采用的技术方案如下：
本发明公开了一种星载探测数据全球陆地降雨类型判别装置，包括陆地降雨像元判别模块、陆地数据质量控制模块、降雨索引值计算模块、对流雨概率计算模块、数据处理模块和降雨类型判别模块，其中：
所述陆地降雨像元判别模块，用于获取微波成像仪L1级散射通道亮温数据，计算散射极化差S，判别微波成像仪像元内是否有雨；若微波成像仪像元有雨，则传递给所述数据质量控制模块，反之将无雨像元传递给所述降雨类型判别模块；
所述陆地数据质量控制模块，用于实现星载微波成像仪亮温数据和主动雷达降雨产品在陆地区域内的数据质量控制及数据匹配，形成主被动数据集，并将主被动数据集传递给所述降雨索引值计算模块和对流雨概率计算模块；
所述降雨索引值计算模块，用于对所述陆地数据质量控制模块传递的星载微波成像仪亮温数据计算降雨索引值，形成降雨索引值数据集，并将降雨索引值数据集传递给所述数据处理模块；
所述对流雨概率计算模块，用于对所述陆地数据质量控制模块传递的主动雷达降雨产品数据计算对流雨发生概率，形成对流雨概率数据集，并将对流雨概率数据集传递给所述数据处理模块；
所述数据处理模块，用于对降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率关系，并将降雨索引值与对流雨概率关系传递给所述降雨类型判别模块；
所述降雨类型判别模块，用于对所述数据处理模块传递的降雨索引值与对流雨概率关系进行降雨类型判别，推算微波成像仪有雨像元的降雨类型；同时结合所述陆地降雨像元判别模块传递的无雨像元，形成陆地降雨像元分类判别。
本发明还公开了一种星载探测数据全球陆地降雨类型判别方法，利用上述星载探测数据全球陆地降雨类型判别装置进行判别，包括以下步骤：
步骤1：陆地降雨像元判别模块采集微波成像仪散射通道数据，形成微波成像仪像元内是否有雨；若像元有雨，则将有雨像元点传递给数据质量控制模块；若像元无雨，将无雨像元传递给降雨类型判别模块；
步骤2：陆地数据质量控制模块采集微波成像仪亮温数据和主动雷达降雨产品数据，进行数据质量控制及数据匹配，形成主被动数据集，并将主被动数据集传递给降雨索引值计算模块和对流雨概率计算模块；
步骤3：降雨索引值计算模块根据陆地数据质量控制模块传递的主被动数据集计算降雨索引值，形成降雨索引值数据集，并将降雨索引值数据集传递给数据处理模块；
步骤4：对流雨概率计算模块根据陆地数据质量控制模块传递的主被动数据集计算对流雨发生概率，形成对流雨概率数据集，并将对流雨概率数据集传递给数据处理模块；
步骤5：数据处理模块根据降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率关系，并将降雨索引值与对流雨概率关系传递给降雨类型判别模块。
步骤6：降雨类型判别模块根据数据处理模块传递的降雨索引值与对流雨概率关系和陆地降雨判别模块传递的无雨像元，推算降雨类型。
进一步的，步骤1中，所述陆地降雨像元判别模块，用于获取微波成像仪L1级散射通道双极化亮温数据，计算散射极化亮温差S，判别微波成像仪像元内是否有雨，散射极化亮温差表示为：
S＝1.68Tv-0.68Th
若S＜255K判别结果为微波成像仪像元有雨，则将有雨像元传递给数据质量控制模块，反之将无雨像元传递给降雨类型判别模块。
进一步的，步骤2中所述陆地数据质量控制模块包括以下内容：
步骤2-1：根据星载微波成像仪亮温数据中陆地标识筛选陆地观测数据，提取其中的观测时间、经度/纬度地理信息和各通道亮温数据；
步骤2-2：根据主动雷达降雨产品数据中陆地标识筛选陆地观测数据，提取其中的观测时间、经度/纬度地理信息和降雨率；
步骤2-3：利用步骤2-1和步骤2-2提取的观测时间、经度/纬度地理信息根据陆地数据点匹配方法进行微波成像仪亮温数据和雷达降雨产品数据匹配，形成满足要求的主被动数据集，并将数据集传递给降雨索引值计算模块和对流雨概率计算模块。
进一步的，所述步骤2-3的陆地数据点匹配方法为：
1)控制微波成像仪10个通道亮温数据合理性，选取50K-380K范围内亮温数据；
2)控制主动雷达降雨产品降雨率的合理性，选取0-160mm/h范围内的降雨率；
3)控制数据间时间差的合理性，选取时间差小于0.5小时的数据点；
4)控制数据间距离差的合理性，选取投影到地球上的距离差小于10km的数据点。
进一步的，步骤3中所述降雨索引值计算模块用于计算降雨索引值，具体包括以下内容：
步骤3-1：将陆地数据质量控制模块匹配获取的主被动数据集，计算散射通道f1因散射导致的亮温变化极值Mf1；
步骤3-2：将散射通道亮温变化极值添加到降雨索引值I，定义如下：
其中，为散射通道f1的平均晴空亮温，利用辐射传输模型模拟计算不考虑粒子散射信息的平均晴空亮温；m为微波成像仪亮温散射通道的冰粒子权重。
进一步的，步骤4中所述对流雨概率计算模块用于计算微波成像仪像元内对流雨发生的概率：
主动雷达数据产品提供的层状雨/对流雨标识重采样到低空间分辨率的微波成像仪观测像元分辨率内，计算像元内对流雨像素点发生概率，定义如下：
其中，Ci是位于微波成像仪像元内的对流雨像素点标识，wi是主动雷达像素点距离被动微波观测亮温中心像素点之间距离权重。
进一步的，步骤5中所述数据处理模块，用于获取降雨类型索引数据集和对流雨概率数据集统计关系，将降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率统计关系。推断降雨概率P与降雨索引值I对应的分段阈值点低临界值点[x1，y1]和高临界值点[x2，y2]，并传递到降雨类型判别模块。
进一步的，步骤6中所述降雨类型判别模块，用于判定微波成像仪像元内降雨类型分类，具体分类条件如下：
1)层状雨像素点：P≤x1，I≤y1
2)混合雨像素点：x1<P≤x2,y1<I≤y2
3)对流雨像素点：P>x2，I>y2
将陆地降雨像元判别模块传递的无雨像元与有雨像元内降雨类型分类传递到陆地降雨类型，完成陆地降雨类型判别。
本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：
1、利用本发明的技术方案制作的基于微波成像仪观测数据的全球陆地降雨类型判别装置，从微波辐射理论出发，直接基于微波成像仪对应吸收通道或者散射散射通道特性进行降雨索引值计算，结合雷达实测对流雨概率获取微波成像仪像元内降雨类型判别，解决了因微波成像仪像元过大引起的像元内对流雨/层状雨类型混合而无法判别降雨类型的问题；
2、本发明提供了一种星载探测数据全球陆地降雨类型判别方法，提高了风云三号卫星微波成像仪反演产品的多元化。该技术方法通过与雷达观测数据对比，计算结果准确可靠，攻克了星载微波观测像元过大引起的降雨类型判别难题，对后续研究大尺度强对流天气内部降雨结构分析具有重要意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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的附图。附图中：
图1是本发明所述的星载探测数据全球陆地降雨类型判别装置示意图；
图2是本发明所述的星载探测数据全球陆地降雨类型判别装置方法框架示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1是本发明的星载探测数据全球陆地降雨类型判别装置示意图，本发明实施例中，为了实现准确的全球陆地的微波成像仪像元内降雨类型判别，装置实现过程中包括以下模块：陆地降雨像元判别模块、陆地数据质量控制模块、降雨索引值计算模块、对流雨概率计算模块、数据处理模块和降雨类型判别模块，其中：
所述陆地降雨像元判别模块，用于获取微波成像仪L1级散射通道亮温数据，计算散射极化差S，判别微波成像仪像元内是否有雨；若微波成像仪像元有雨，则传递给所述数据质量控制模块，反之将无雨像元传递给所述降雨类型判别模块；
所述陆地数据质量控制模块，用于实现星载微波成像仪亮温数据和主动雷达降雨产品在陆地区域内的数据质量控制及数据匹配，形成主被动数据集，并将主被动数据集传递给所述降雨索引值计算模块和对流雨概率计算模块；
所述降雨索引值计算模块，用于对所述陆地数据质量控制模块传递的星载微波成像仪亮温数据计算降雨索引值，形成降雨索引值数据集，并将降雨索引值数据集传递给所述数据处理模块；
所述对流雨概率计算模块，用于对所述陆地数据质量控制模块传递的主动雷达降雨产品数据计算对流雨发生概率，形成对流雨概率数据集，并将对流雨概率数据集传递给所述数据处理模块；
所述数据处理模块，用于对降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率关系，并将降雨索引值与对流雨概率关系传递给所述降雨类型判别模块；
所述降雨类型判别模块，用于对所述数据处理模块传递的降雨索引值与对流雨概率关系进行降雨类型判别，推算微波成像仪有雨像元的降雨类型；同时结合所述陆地降雨像元判别模块传递的无雨像元，形成陆地降雨像元分类判别。
本实施例中，选取西北太平洋区域范围内发生的台风作为研究实例，利用风云三号卫星微波成像仪L1级亮温数据和GPM DPR雷达降雨产品进行陆地区域内数据质量控制及数据匹配。
实施例二
如图2所示，本发明还公开了一种星载探测数据全球陆地降雨类型判别方法，利用上述星载探测数据全球陆地降雨类型判别装置进行判别，包括以下步骤：
步骤1：陆地降雨像元判别模块采集微波成像仪散射通道数据，形成微波成像仪像元内是否有雨；若像元有雨，则将有雨像元点传递给数据质量控制模块；若像元无雨，将无雨像元传递给降雨类型判别模块；
步骤2：陆地数据质量控制模块采集微波成像仪亮温数据和主动雷达降雨产品数据，进行数据质量控制及数据匹配，形成主被动数据集，并将主被动数据集传递给降雨索引值计算模块和对流雨概率计算模块；
步骤3：降雨索引值计算模块根据陆地数据质量控制模块传递的主被动数据集计算降雨索引值，形成降雨索引值数据集，并将降雨索引值数据集传递给数据处理模块；
步骤4：对流雨概率计算模块根据陆地数据质量控制模块传递的主被动数据集计算对流雨发生概率，形成对流雨概率数据集，并将对流雨概率数据集传递给数据处理模块；
步骤5：数据处理模块根据降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率关系，并将降雨索引值与对流雨概率关系传递给降雨类型判别模块。
步骤6：降雨类型判别模块根据数据处理模块传递的降雨索引值与对流雨概率关系和陆地降雨判别模块传递的无雨像元，推算降雨类型。
进一步的，步骤1中，所述陆地降雨像元判别模块，用于获取微波成像仪L1级散射通道双极化亮温数据，计算散射极化亮温差S，判别微波成像仪像元内是否有雨，散射极化亮温差表示为：
S＝1.68Tv-0.68Th
若S＜255K判别结果为微波成像仪像元有雨，则将有雨像元传递给数据质量控制模块，反之将无雨像元传递给降雨类型判别模块。
进一步的，步骤2中所述陆地数据质量控制模块包括以下内容：
步骤2-1：根据星载微波成像仪亮温数据中陆地标识筛选陆地观测数据，提取其中的观测时间、经度/纬度地理信息和各通道亮温数据；
步骤2-2：根据主动雷达降雨产品数据中陆地标识筛选陆地观测数据，提取其中的观测时间、经度/纬度地理信息和降雨率；
步骤2-3：利用步骤2-1和步骤2-2提取的观测时间、经度/纬度地理信息根据陆地数据点匹配方法进行微波成像仪亮温数据和雷达降雨产品数据匹配，形成满足要求的主被动数据集，并将数据集传递给降雨索引值计算模块和对流雨概率计算模块。
进一步的，所述步骤2-3的陆地数据点匹配方法为：
1)控制微波成像仪10个通道亮温数据合理性，选取50K-380K范围内亮温数据；
2)控制DPR雷达降雨产品降雨率的合理性，选取0-160mm/h范围内的降雨率；
3)控制数据间时间差的合理性，选取时间差小于0.5小时的数据点；
4)控制数据间距离差的合理性，选取投影到地球上的距离差小于10km的数据点。
进一步的，步骤3中所述降雨索引值计算模块用于计算降雨索引值，具体包括以下内容：
步骤3-1：将陆地数据质量控制模块匹配获取的主被动数据集，计算散射通道f1因散射导致的亮温变化极值
步骤3-2：将散射通道亮温变化极值添加到降雨索引值I，定义如下：
其中，为散射通道f1的平均晴空亮温，利用辐射传输模型模拟计算不考虑粒子散射信息的平均晴空亮温；m为微波成像仪亮温散射通道的冰粒子权重。将计算获取的降雨率索引数据集传递到数据处理模块。
进一步的，步骤4中所述对流雨概率计算模块用于计算微波成像仪像元内对流雨发生的概率：
主动雷达数据产品提供的高分辨率层状雨/对流雨标识重采样到低空间分辨率的微波成像仪观测像元分辨率内，采用距离权重平均法计算像元内对流雨像素点发生概率，定义如下：
其中，Ci是位于微波成像仪像元内的对流雨像素点标识，wi是主动雷达像素点距离被动微波观测亮温中心像素点之间距离权重。将计算获取的对流雨概率数据集传递到数据处理模块。
进一步的，步骤5中所述数据处理模块，用于获取降雨类型索引数据集和对流雨概率数据集统计关系，将降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率统计关系。推断降雨概率P与降雨索引值I对应的分段阈值点低临界值点[x1，y1]和高临界值点[x2，y2]，并传递到降雨类型判别模块。
进一步的，步骤6中所述降雨类型判别模块，用于判定微波成像仪像元内降雨类型分类，具体分类条件如下：
1)层状雨像素点：P≤x1，I≤y1
2)混合雨像素点：x1<P≤x2,y1<I≤y2
3)对流雨像素点：P>x2，I>y2
将陆地降雨像元判别模块传递的无雨像元与有雨像元内降雨类型分类传递到陆地降雨类型，完成陆地降雨类型判别。根据上述分类条件完成陆地区域微波成像仪像元内降雨类型判别过程。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种星载探测数据全球陆地降雨类型判别装置，其特征在于，包括陆地降雨像元判别模块、陆地数据质量控制模块、降雨索引值计算模块、对流雨概率计算模块、数据处理模块和降雨类型判别模块，其中：
所述陆地降雨像元判别模块，用于获取微波成像仪L1级散射通道亮温数据，计算散射极化差S，判别微波成像仪像元内是否有雨；若微波成像仪像元有雨，则传递给所述数据质量控制模块，反之将无雨像元传递给所述降雨类型判别模块；
所述陆地数据质量控制模块，用于实现星载微波成像仪亮温数据和主动雷达降雨产品在陆地区域内的数据质量控制及数据匹配，形成主被动数据集，并将主被动数据集传递给所述降雨索引值计算模块和对流雨概率计算模块；
所述降雨索引值计算模块，用于对所述陆地数据质量控制模块传递的星载微波成像仪亮温数据计算降雨索引值，形成降雨索引值数据集，并将降雨索引值数据集传递给所述数据处理模块；
所述对流雨概率计算模块，用于对所述陆地数据质量控制模块传递的主动雷达降雨产品数据计算对流雨发生概率，形成对流雨概率数据集，并将对流雨概率数据集传递给所述数据处理模块；
所述数据处理模块，用于对降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率关系，并将降雨索引值与对流雨概率关系传递给所述降雨类型判别模块；
所述降雨类型判别模块，用于对所述数据处理模块传递的降雨索引值与对流雨概率关系进行降雨类型判别，推算微波成像仪有雨像元的降雨类型；同时结合所述陆地降雨像元判别模块传递的无雨像元，形成陆地降雨像元分类判别。
2.一种星载探测数据全球陆地降雨类型判别方法，其特征在于，利用权利要求1所述的星载探测数据全球陆地降雨类型判别装置进行判别，包括以下步骤：
步骤1：陆地降雨像元判别模块采集微波成像仪散射通道数据，形成微波成像仪像元内是否有雨；若像元有雨，则将有雨像元点传递给数据质量控制模块；若像元无雨，将无雨像元传递给降雨类型判别模块；
步骤2：陆地数据质量控制模块采集微波成像仪亮温数据和主动雷达降雨产品数据，进行数据质量控制及数据匹配，形成主被动数据集，并将主被动数据集传递给降雨索引值计算模块和对流雨概率计算模块；
步骤3：降雨索引值计算模块根据陆地数据质量控制模块传递的主被动数据集计算降雨索引值，形成降雨索引值数据集，并将降雨索引值数据集传递给数据处理模块；
步骤4：对流雨概率计算模块根据陆地数据质量控制模块传递的主被动数据集计算对流雨发生概率，形成对流雨概率数据集，并将对流雨概率数据集传递给数据处理模块；
步骤5：数据处理模块根据降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率关系，并将降雨索引值与对流雨概率关系传递给降雨类型判别模块；
步骤6：降雨类型判别模块根据数据处理模块传递的降雨索引值与对流雨概率关系和陆地降雨判别模块传递的无雨像元，推算降雨类型。
3.根据权利要求2所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，步骤1中，所述陆地降雨像元判别模块，用于获取微波成像仪L1级散射通道双极化亮温数据，计算散射极化亮温差S，判别微波成像仪像元内是否有雨，散射极化亮温差表示为：
S＝1.68Tv-0.68Th
若S＜255K判别结果为微波成像仪像元有雨，则将有雨像元传递给数据质量控制模块，反之将无雨像元传递给降雨类型判别模块。
4.根据权利要求2所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，步骤2中所述陆地数据质量控制模块包括以下内容：
步骤2-1：根据星载微波成像仪亮温数据中陆地标识筛选陆地观测数据，提取其中的观测时间、经度/纬度地理信息和各通道亮温数据；
步骤2-2：根据主动雷达降雨产品数据中陆地标识筛选陆地观测数据，提取其中的观测时间、经度/纬度地理信息和降雨率；
步骤2-3：利用步骤2-1和步骤2-2提取的观测时间、经度/纬度地理信息根据陆地数据点匹配方法进行微波成像仪亮温数据和雷达降雨产品数据匹配，形成满足要求的主被动数据集，并将数据集传递给降雨索引值计算模块和对流雨概率计算模块。
5.根据权利要求4所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，所述步骤2-3的陆地数据点匹配方法为：
1)控制微波成像仪10个通道亮温数据合理性，选取50K-380K范围内亮温数据；
2)控制主动雷达降雨产品降雨率的合理性，选取0-160mm/h范围内的降雨率；
3)控制数据间时间差的合理性，选取时间差小于0.5小时的数据点；
4)控制数据间距离差的合理性，选取投影到地球上的距离差小于10km的数据点。
6.根据权利要求2所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，步骤3中所述降雨索引值计算模块用于计算降雨索引值，具体包括以下内容：
步骤3-1：将陆地数据质量控制模块匹配获取的主被动数据集，计算散射通道f1因散射导致的亮温变化极值Mf1；
步骤3-2：将散射通道亮温变化极值添加到降雨索引值I，定义如下：
其中，TBf1clear为散射通道f1的平均晴空亮温，利用辐射传输模型模拟计算不考虑粒子散射信息的平均晴空亮温；m为微波成像仪亮温散射通道的冰粒子权重。
7.根据权利要求2所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，步骤4中所述对流雨概率计算模块用于计算微波成像仪像元内对流雨发生的概率：
主动雷达数据产品提供的层状雨/对流雨标识重采样到低空间分辨率的微波成像仪观测像元分辨率内，计算像元内对流雨像素点发生概率，定义如下：
其中，Ci是位于微波成像仪像元内的对流雨像素点标识，wi是主动雷达像素点距离被动微波观测亮温中心像素点之间距离权重。
8.根据权利要求2所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，步骤5中所述数据处理模块，用于获取降雨类型索引数据集和对流雨概率数据集统计关系，将降雨类型索引数据集和对流雨概率数据集进行函数拟合，形成降雨索引值与对流雨概率统计关系，推断像元内对流雨像素点发生概率P与降雨索引值I对应的分段阈值点低临界值点[x1，y1]和高临界值点[x2，y2]，并传递到降雨类型判别模块。
9.根据权利要求8所述的一种星载探测数据全球陆地降雨类型判别方法，其特征在于，步骤6中所述降雨类型判别模块，用于判定微波成像仪像元内降雨类型分类，具体分类条件如下：
1)层状雨像素点：P≤x1，I≤y1
2)混合雨像素点：x1<P≤x2,y1<I≤y2
3)对流雨像素点：P>x2，I>y2
将陆地降雨像元判别模块传递的无雨像元与有雨像元内降雨类型分类传递到陆地降雨类型，完成陆地降雨类型判别。
CN202111390625.XA 2021-11-23 2021-11-23 一种星载探测数据全球陆地降雨类型判别装置及方法 Active CN114089444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111390625.XA CN114089444B (zh) 2021-11-23 2021-11-23 一种星载探测数据全球陆地降雨类型判别装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111390625.XA CN114089444B (zh) 2021-11-23 2021-11-23 一种星载探测数据全球陆地降雨类型判别装置及方法

Publications (2)

Publication Number Publication Date
CN114089444A CN114089444A (zh) 2022-02-25
CN114089444B true CN114089444B (zh) 2024-04-12

Family

ID=80303113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111390625.XA Active CN114089444B (zh) 2021-11-23 2021-11-23 一种星载探测数据全球陆地降雨类型判别装置及方法

Country Status (1)

Country Link
CN (1) CN114089444B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068151A (zh) * 2015-07-31 2015-11-18 中国科学技术大学 一种雨团识别及其特征参数的构建方法和装置
CN110716185A (zh) * 2019-10-22 2020-01-21 国家卫星气象中心 一种用于星载微波辐射计的在轨辐射校正方法
CN111060992A (zh) * 2019-12-27 2020-04-24 国家卫星气象中心(国家空间天气监测预警中心) 星载微波双氧探测通道等权重共轭的降水检测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101431707B1 (ko) * 2013-11-26 2014-09-22 한국건설기술연구원 엑스밴드 이중편파 레이더 관측자료를 이용한 통합형 강우량 산정 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068151A (zh) * 2015-07-31 2015-11-18 中国科学技术大学 一种雨团识别及其特征参数的构建方法和装置
CN110716185A (zh) * 2019-10-22 2020-01-21 国家卫星气象中心 一种用于星载微波辐射计的在轨辐射校正方法
CN111060992A (zh) * 2019-12-27 2020-04-24 国家卫星气象中心(国家空间天气监测预警中心) 星载微波双氧探测通道等权重共轭的降水检测方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FY-3D微波成像仪非线性特征及计算方法优化;董克松;《遥感学报》;20200331(第3期);全文 *
GPM资料在分析"彩虹"台风降水垂直结构中的应用;卢美圻;魏鸣;;遥感技术与应用;20171015(第05期);全文 *
基于星载测雨雷达探测的亚洲对流和层云降水季尺度特征分析;傅云飞;《气象学报》;20080531(第5期);全文 *
微波被动遥感陆面降水统计反演算式的比较;何文英, 陈洪滨, 周毓筌;遥感技术与应用;20050530(第02期);全文 *

Also Published As

Publication number Publication date
CN114089444A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN109716108B (zh) 一种基于双目图像分析的沥青路面病害检测系统
Chow et al. Intra-hour forecasting with a total sky imager at the UC San Diego solar energy testbed
Nonnenmacher et al. Streamline-based method for intra-day solar forecasting through remote sensing
Chow et al. Cloud motion and stability estimation for intra-hour solar forecasting
Mouche et al. On the use of Doppler shift for sea surface wind retrieval from SAR
CN102252623B (zh) 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
Inoue An instantaneous delineation of convective rainfall areas using split window data of NOAA-7 AVHRR
Ai et al. Life cycle characteristics of MCSs in middle east China tracked by geostationary satellite and precipitation estimates
CN109946762A (zh) 一种基于概率分布短时预报降水的方法及系统
Dale et al. Atmospheric forcing of sea ice anomalies in the Ross Sea polynya region
CN114019513B (zh) 一种星载探测数据全球海洋降雨类型判别装置及方法
CN116192251A (zh) 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法
KR101161781B1 (ko) 위성영상을 이용한 호우의 정량적 산출 시스템 및 방법
Wang et al. Application of wind-profiling radar data to the analysis of dust weather in the Taklimakan Desert
CN114089444B (zh) 一种星载探测数据全球陆地降雨类型判别装置及方法
Wang et al. A rapid identification and warning method for severe weather via Doppler radar based on an improved TITAN algorithm
CN114779370B (zh) 一种结合卫星云图与数值评估的降水预报方法及系统
Wang et al. New results on ionospheric irregularity drift velocity estimation using multi-GNSS spaced-receiver array during high-latitude phase scintillation
CN105551017A (zh) 一种基于时空联合的输电线路山火目标提取方法
Scott et al. A preliminary evaluation of the impact of assimilating AVHRR data on sea ice concentration analyses
Yin et al. A multi-diagnostic approach to understanding high-latitude plasma transport during the Halloween 2003 storm
Brusch et al. Synergetic use of radar and optical satellite images to support severe storm prediction for offshore wind farming
Liu et al. A satellite-derived objective potential index for MCS development during the Mei-Yu period
Duncan et al. An Integrated examination of AMSR2 products over ocean
Chen et al. Notice of Retraction: Short-term and local rainfall probability prediction based on a dislocation support vector machine model using satellite and in-situ observational data

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