CN114280694A - 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 - Google Patents
一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 Download PDFInfo
- Publication number
- CN114280694A CN114280694A CN202111551303.9A CN202111551303A CN114280694A CN 114280694 A CN114280694 A CN 114280694A CN 202111551303 A CN202111551303 A CN 202111551303A CN 114280694 A CN114280694 A CN 114280694A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- satellite
- satellite channel
- channel
- preset
- 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
Links
Images
Classifications
-
- 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
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于气象卫星光谱成像仪的快速辐射传输方法及系统,涉及大气辐射与卫星遥感技术领域,分别针对气象卫星成像仪的各个卫星通道,通过计算获得各个卫星通道分别所对应的大气透过率计算模型、双向反射分布函数BRDF、双向透射分布函数BTDF、以及各类型地表的反照率,进一步获得各个卫星通道的大气顶部反射率、以及亮温值。通过本发明的技术方案,可以有效解决散射大气条件下辐射传输计算效率不高的问题,并充分考虑了我国风云气象卫星上搭载的星载成像仪光谱通道设计特点,能够有效实现对我国卫星先进光谱成像仪的模拟。
Description
技术领域
本发明涉及大气辐射与卫星遥感技术领域,具体而言涉及一种基于气象卫星光谱成像仪的快速辐射传输方法及系统。
背景技术
针对卫星星载光谱成像仪所观测到的大气顶部反射率和亮温的数值模拟,是进行卫星反演产品开发、卫星资料同化等的重要基础,同时,这样的数值计算,也是开展有针对性的卫星辐射定标、卫星成像仪光谱通道选择、卫星轨道优化、数值模式资料评估以及指导卫星仪器的分析、设计和研发等的重要工具,有利于极大提高卫星观测资料的定量化应用水平。此外,这种大气辐射传输计算得到的分析产品,还能够为相关的算法研究提供模拟数据。卫星遥感已经成为当前及未来气象观测中最为重要的探测手段,我国的气象卫星整体上也已经达到国际先进水平,先进的光谱成像仪在时间、空间和光谱分辨率上都有显著的提高,这极大地提高了区域和全球天气、气候、环境等的监测能力,将在防灾减灾中发挥着不可替代的作用,这样高时空谱分辨率的卫星观测对大气辐射传输计算提出了更高的要求。在传统的大气辐射传输计算方法中,如严格的逐线积分、离散纵标、蒙特卡洛等方法,由于受到计算效率的限制,已经无法满足实际工作中高效的计算需求。同时,虽然近几年有一些快速辐射传输模式,如欧洲中期天气预报中心的RTTOV和美国卫星资料同化联合中心的CRTM模式,但这些模式在对辐射过程的处理,特别是对有云或气溶胶散射条件下的大气辐射传输模拟存在着许多明显的不足,在对数值模拟过程中,还存在精度准确率不高的问题,具体应用至我国风云气象卫星光谱成像仪中,现有的快速辐射传输模式在对我国风云气象卫星上搭载的星载成像光谱仪的光谱通道进行模拟过程中,与实际卫星观测结果还具有一定差异性。
发明内容
本发明的目的在于提供一种基于气象卫星光谱成像仪的快速辐射传输方法及系统,以解决现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:
本发明的第一方面提出一种基于气象卫星光谱成像仪的快速辐射传输方法,分别针对气象卫星的各个卫星通道,执行如下步骤,收集卫星通道中所吸收的各种大气气体,进一步获得各个卫星通道的大气顶部反射率、以及亮温值:
步骤A、收集气象卫星中各卫星通道所吸收的各种大气气体,并获取各种大气气体所对应的光谱数据,基于卫星通道所吸收各种大气气体的光谱数据,提取该卫星通道所吸收各种大气气体的光谱数据的预设各类型的特征值,获取预设数量个预设大气压层和预设温度层,进而获得该卫星通道所吸收各种大气气体在各预设大气压层和各预设温度层下的吸收系数,随后进入步骤B;
步骤B、基于该卫星通道所吸收各种大气气体的光谱数据,分别针对各种大气气体,针对该卫星通道所吸收大气气体分别在不同预设大气压层、不同预设温度层下的吸收系数进行拟合,得到该卫星通道的拟合大气吸收系数、以及该卫星通道的大气透过率,构建并获得以该卫星通道所吸收各种大气气体分别所对应的光谱数据为输入,以该卫星通道的大气透过率为输出的大气透过率计算模型,随后进入步骤C;
步骤C、针对该卫星通道大气中的有云粒子和有气溶胶粒子,获得该卫星通道中有云粒子和有气溶胶粒子的通道散射特性,进而获得有云粒子和有气溶胶粒子的双向反射分布函数BRDF、以及双向透射分布函数BTDF,随后进入步骤D;
步骤D、将气象卫星所对应的地表作为朗伯体,收集包含各种地表类型的光谱数据,根据各地表类型对应的光谱数据对地表进行分类,获得不同地表类型的反照率,随后进入步骤E;
步骤E、以大气透过率计算模型、双向反射分布函数BRDF、双向透射分布函数BTDF、以及各类型地表的反照率为基础,利用优化辐射传输计算方法处理大气中的有云粒子和有气溶胶大气粒子在散射过程中的复杂性,计算获得该卫星通道的大气顶部反射率、以及亮温值,即获得气象卫星的各个卫星通道的大气顶部反射率、以及亮温值。
进一步地,前述的步骤A中基于各种大气气体对应的光谱数据,光谱数据的预设各类型的特征值包括气体在不同波长下的吸收系数、气体在不同波长下的光学厚度,根据每种气体在不同波长下的吸收系数或光学厚度,获取预设数量个预设大气压层和预设温度层,进而基于各个预设气压层和各个预设温度层,随机选择一个参考气压层和一个参考温度层作为参考大气,根据以下公式:
获得该卫星通道ch中N种吸收大气气体的吸收系数k(ch,G1,G2,…,GN),其中,G1,G2,…,GN分别为N种吸收气体相对于参考大气的含量,k0(ch)为参考大气的吸收系数,kn(ch)为大气气体n的吸收系数,n的取值为1至N。
进一步地,前述的步骤B具体包括以下步骤:
步骤B1、根据该卫星通道所吸收大气气体分别在各预设大气压层和各预设温度层下的各个吸收系数,对大气气体的吸收系数进行排序,基于参考大气选择预设数量个有效积分点,获得不同大气气体的吸收系数的概率分布,当吸收系数的复杂度大于预设阈值时,根据以下公式:将该吸收系数化简为吸收系数与概率分布的关系函数,通过预设数量个有效积分点计算获得在各气压层和各温度层下的通道吸收系数K,
K(g,P0,T)=exp(a1(g,P0)+a2(g,P0)×(T-260)+a3(g,P0)×(T-260)2)
获得该卫星通道的拟合大气吸收系数K(g,P0,T),其中,P0为预设大气压层,T为预设温度层,g为有效积分点,a1、a2、a3为回归系数;
步骤B2、根据该卫星通道所吸收的大气气体,通过回归系数a1、a2、a3,并结合该卫星通道所吸收各种大气气体分别在预设数量个预设大气压层和预设温度层下的吸收系数,进行线性拟合获得该卫星通道的大气透过率。
进一步地,前述的步骤C,基于该卫星通道对应大气中的有云粒子和有气溶胶粒子,具体包括以下步骤:
步骤C1、将有云大气粒子中的各个云粒子对象划分为水云粒子和冰云粒子,针对水云粒子,将水云粒子假设为球形结构,计算获得水云粒子在其所对应卫星通道的预设波段下的单散射特性;
步骤C2、针对冰云粒子,将冰云粒子假设为非球形结构,计算获得冰云粒子在其所对应卫星通道的预设波段下的单散射特性;
步骤C3、以水云粒子和冰云粒子的数量随大小变化均服从Gamma分布为条件,结合水云粒子和冰云粒子在对应的卫星通道下的单散射特性,得到体散射特性,进一步以对应卫星通道的光谱响应函数为权重,获得该卫星通道的通道散射特性,根据以下公式:
其中,p(λ)为云粒子的单散射特性,P(λ)为云粒子的体散射特性,<P(λ)>为卫星通道的通道散射特性,λ为卫星通道波长,Δλ为波长间隔,D为粒子直径大小,Cext(λ,D)为粒子的消光界面,粒子的消光界面与波长和粒子尺度大小相关,SRF(λ)为各个卫星通道的光谱响应函数,N表示云粒子数量,为云粒子的分布函数;
步骤C4、分别针对各个气溶胶大气粒子,将气溶胶大气粒子假设为非球形结构,计算获得气溶胶大气粒子在其所对应卫星通道的预设波段下的单散射特性,基于气溶胶大气粒子在该卫星通道下的单散射特性得到体散射特性,进一步得到各个气溶胶大气粒子在其所对应卫星通道下的通道散射特性。
进一步地,前述的步骤D中,根据所获的地表辐射特性光谱数据、地表反照率数据,获得该地表区域内地表反照率的平均值,以地表反照率的平均值作为该地表类型的反照率,即获得不同地表类型的反照率。
进一步地,前述的优化辐射传输计算方法具体为:
对大气透过率计算模型、双向反射分布函数BRDF、双向透射分布函数BTDF、以及各地表类型的反照率进行耦合,利用大气透过率计算模型、以及地表反照率对辐射特性进行叠加,计算得到各个卫星通道所能观测的大气顶部反射率,并根据以下公式:
计算获得各个卫星通道的亮温值BT,其中,λ为卫星通道波长,I为大气顶部的辐射强度,A、B均为已知常数。
本发明的第二方面提出一种基于气象卫星光谱成像仪的快速辐射传输系统,包括:
一个或多个处理器;
存储器,存储可被操作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行前述基于气象卫星光谱成像仪的快速辐射传输方法的任意过程。
本发明的第三方面提出一种存储软件的计算机可读取介质,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时执行前述基于气象卫星光谱成像仪的快速辐射传输方法的任意过程。
本发明所述一种基于气象卫星光谱成像仪的快速辐射传输方法及系统,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明所提供的技术方案能够在有云、有气溶胶大气条件下进行模拟,在本发明技术方案所提供的的传输模式中所采用的冰云、沙尘、黑碳等气溶胶都是先进的非球模型,与以往的球模型粒子假设相比,能够更好地表征实际大气中粒子的光学和微物理特性,实现云、气溶胶条件下的高精度模拟,特别是在光学厚度较小时的精度要优于现有模式,同时,本算法通过设计离散空间网格,提前建立粒子的光学特性数据查算表,有效提高了散射大气条件下辐射传输计算效率不高的问题,在红外波段与已有模式的效率相比快3倍左右。此外,本算法充分考虑了我国风云气象卫星上搭载的星载成像仪光谱通道设计特点,能够有效实现对我国卫星先进光谱成像仪的模拟。从已有的结果分析,无论是时间演变还是空间分布上,基于本算法的模拟结果与实际卫星观测具有很好的一致性。这些充分说明了本发明算法能够很好地实现观测模拟,与现有技术相比具有明显优势,有望用于我国风云气象卫星。
附图说明
图1为本发明示例性实施例的快速辐射传输方法的流程示意图;
图2为本发明示例性实施例对风云四号A星上的AGRI成像仪在0.83微米通道反射率的观测与模拟对比的示意图;
图3为本发明示例性实施例对风云四号A星上的AGRI成像仪在2.25微米通道反射率的观测与模拟对比的示意图;
图4为本发明示例性实施例对风云四号A星上的AGRI成像仪在6.25微米通道反射率的观测与模拟对比的示意图;
图5为本发明示例性实施例对风云四号A星上的AGRI成像仪在10.7微米通道亮温的观测与模拟对比的示意图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本发明中参照附图来描述本发明的各方面,附图中示出了许多说明性实施例。本发明的实施例不局限于附图所示。应当理解,本发明通过上面介绍的多种构思和实施例,以及下面详细描述的构思和实施方式中的任意一种来实现,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
为了解决传统辐射传输模式无法进行快速计算,已有一些快速辐射传输模式在有云、气溶胶大气条件下模拟性能不足的问题,特别为更好地利用风云气象卫星观测,实现针对风云卫星相关算法、产品的研发,亟需研发一种适用于各大气条件的,有效考虑风云卫星先进光谱成像仪的快速辐射传输算法,该算法有望应用于卫星光谱成像仪算法研发,产品开发,观测仪器设计等研究和业务工作,本发明提供一种基于气象卫星光谱成像仪的快速辐射传输方法,分别针对气象卫星的各个卫星通道,执行如下步骤A至步骤E,收集卫星通道中所吸收的各种大气气体,进一步获得各个卫星通道的大气顶部反射率、以及亮温值:
步骤A、收集气象卫星中各卫星通道所吸收的各种大气气体,并获取各种大气气体所对应的光谱数据,基于卫星通道所吸收各种大气气体的光谱数据,提取该卫星通道所吸收各种大气气体的光谱数据的预设各类型的特征值,光谱数据的预设各类型的特征值包括气体在不同波长下的吸收系数、气体在不同波长下的光学厚度,获取预设数量个预设大气压层和预设温度层,选择一个参考气压层和一个参考温度层作为参考大气,根据以下公式:
获得该卫星通道ch中N种吸收大气气体的吸收系数k(ch,G1,G2,…,GN),其中,G1,G2,…,GN分别为N种吸收气体相对于参考大气的含量,k0(ch)为参考大气的吸收系数,kn(ch)为大气气体n的吸收系数,n的取值为1至N,随后进入步骤B。
步骤B、基于该卫星通道所吸收各种大气气体的光谱数据,分别针对各种大气气体,针对该卫星通道所吸收大气气体分别在不同预设大气压层、不同预设温度层下的吸收系数进行拟合,得到该卫星通道的拟合大气吸收系数、以及该卫星通道的大气透过率,构建并获得以该卫星通道所吸收各种大气气体分别所对应的光谱数据为输入,以该卫星通道的大气透过率为输出的大气透过率计算模型,具体包括以下步骤:
步骤B1、根据该卫星通道所吸收大气气体分别在各预设大气压层和各预设温度层下的各个吸收系数,对大气气体的吸收系数进行排序,基于参考大气选择预设数量个有效积分点,获得不同大气气体的吸收系数的概率分布,当吸收系数的复杂度大于预设阈值时,根据以下公式:将该吸收系数化简为吸收系数与概率分布的关系函数,通过预设数量个有效积分点计算获得在各气压层和各温度层下的通道吸收系数K,
K(g,P0,T)=exp(a1(g,P0)+a2(g,P0)×(T-260)+a3(g,P0)×(T-260)2)
获得该卫星通道的拟合大气吸收系数K(g,P0,T),其中,P0为预设大气压层,T为预设温度层,g为有效积分点,a1、a2、a3为回归系数;
步骤B2、根据该卫星通道所吸收的大气气体,通过回归系数a1、a2、a3,并结合该卫星通道所吸收各种大气气体分别在预设数量个预设大气压层和预设温度层下的吸收系数,进行线性拟合获得该卫星通道的大气透过率;获得大气透过率计算模型的方法包括但不仅限于基于VGG网络模型进行构建,获得随后进入步骤C。
步骤C、针对该卫星通道对应大气中的有云粒子和有气溶胶粒子,获得该卫星通道中有云大气粒子和有气溶胶大气粒子的通道散射特性,进而获得有云大气粒子和有气溶胶大气粒子的双向反射分布函数BRDF、以及双向透射分布函数BTDF,具体包括以下步骤:
步骤C1、将有云大气粒子中的各个云粒子对象划分为水云粒子和冰云粒子,针对水云粒子,将水云粒子假设为球形结构,计算获得水云粒子在其所对应卫星通道的预设波段下的单散射特性;
步骤C2、针对冰云粒子,将冰云粒子假设为非球形结构,计算获得冰云粒子在其所对应卫星通道的预设波段下的单散射特性;
步骤C3、以水云粒子和冰云粒子的数量随大小变化均服从Gamma分布为条件,结合水云粒子和冰云粒子在对应的卫星通道下的单散射特性,得到体散射特性,进一步以对应卫星通道的光谱响应函数为权重,获得该卫星通道的通道散射特性,根据以下公式:
其中,p(λ)为云粒子的单散射特性,P(λ)为云粒子的体散射特性,<P(λ)>为卫星通道的通道散射特性,λ为卫星通道波长,Δλ为波长间隔,D为粒子直径大小,Cext(λ,D)为粒子的消光界面,粒子的消光界面与波长和粒子尺度大小相关,SRF(λ)为各个卫星通道的光谱响应函数,N表示云粒子数量,为云粒子的分布函数;
步骤C4、分别针对各个气溶胶大气粒子,将气溶胶大气粒子假设为非球形结构,计算获得气溶胶大气粒子在其所对应卫星通道的预设波段下的单散射特性,基于气溶胶大气粒子在该卫星通道下的单散射特性得到体散射特性,进一步得到各个气溶胶大气粒子在其所对应卫星通道下的通道散射特性,随后进入步骤D。
步骤D、将气象卫星所对应的地表作为朗伯体,收集包含各种地表类型的光谱数据,根据各地表类型对应的光谱数据对地表进行分类,获得该地表区域内地表反照率的平均值,以地表反照率的平均值作为该地表类型的反照率,随后进入步骤E。
步骤E、以大气透过率计算模型、双向反射分布函数BRDF、双向透射分布函数BTDF、以及各类型地表的反照率为基础,对大气透过率计算模型、双向反射分布函数BRDF、双向透射分布函数BTDF、以及各地表类型的反照率进行耦合,利用大气透过率计算模型、以及地表反照率对辐射特性进行叠加,利用优化辐射传输计算方法处理有云大气粒子和有气溶胶大气粒子在散射过程中的复杂性,计算得到各个卫星通道所能观测的大气顶部反射率,并根据以下公式:
计算获得各个卫星通道的亮温值BT,其中,λ为卫星通道波长,I为大气顶部的辐射强度,A、B均为已知常数。
实施例
结合步骤A与步骤B中所描述的方法,以高分辨率光谱数据库为基础,根据美国标准大气廓线,基于积分LBLRTM模式计算得到每种大气气体的吸收系数和光学厚度,根据不同气体在不同波段范围内吸收特性的强弱,假定大气吸收系数在不同温度和压力条件下存在一一对应关系,考虑0.25hPa到1000hPa范围内的19个大气压层、以及200K,260K和320K三个温度层,并以261hPa和260K为参考大气,同时,选择8个有效积分点,根据各个光谱通道的特点,计算得到对应气压和温度条件下的回归系数,通过重新排列,可以用一个更加平滑的吸收系数空间代替气体的透过率空间进行积分,即各个卫星通道所吸收的各种大气气体的吸收系数服从相关K分布,继而重新排列吸收系数,根据每个通道的设计特点,选择有限个积分点以提高计算效率,得到各层大气与参考大气之间的拟合系数,进一步得到卫星通道的拟合大气吸收系数。
结合步骤C中所描述的方法,针对有云大气粒子中的冰云粒子,以非球形冰云粒子模型Two-Habit Model为基础,选择18个离散粒径,半径范围5微米至90微米,该模型以一个紧凑的正六棱柱和20个六棱柱聚合体组成,能够很好地表征实际大气中冰云粒子特性,实现了其在微物理、光学和光谱特性的一致性,通过相应的非球粒子求解方案,如追踪光线在粒子中传播轨迹的几何光学方案等,计算得到对应波段下的单散射特性;
针对水云粒子选择20个离散粒径,半径范围2微米至60微米,基于球形粒子假设,通过球形粒子求解方法计算得到其单散射特性。充分考虑观测需要和粒子在不同光谱下的敏感性差异,根据实际大气中云粒子尺度分布特征,选择典型尺度下的水云和冰云粒子,并充分考虑卫星光谱响应函数条件下,假设大气中云粒子符合有效方差为0.1的Gamma尺度分布,得到云粒子在各通道下的通道散射特性;
对气溶胶大气粒子的处理过程中,选择了对大气辐射传输影响较大的6种主要气溶胶粒子,其中海盐假设为超椭球形状,沙尘为分型颗粒形状,黑碳为链条聚合形状,它们的单散射特性也根据与非球形云粒子相类似的求解方法得到,其余三种水溶性、不可溶性和硫酸盐气溶胶均假设为球形形状,假设所有的气溶胶粒子随大小的变化都符合对数正态分布为条件,结合气溶胶粒子在其对应的卫星通道下的单散射特性得到体散射特性,进而以各个卫星通道的光谱响应函数为权重,最终参照步骤C3中计算方法计算各个气溶胶粒子的在其所对应卫星通道下的通道散射特性;
将整个空间离散化为161个角度下的等面积网格,根据不同粒子尺度下云、气溶胶粒子在不同光学厚度,云共计50个离散光学厚度,取值范围为0.01至100,气溶胶共计20个光学厚度,取值范围0.01至10,计算得到在整个空间网格内不同角度下的BRDF和BTDF,形成光学厚度和粒子的有效半径为维度的云或气溶胶对应的的查算数据。
假设地表为朗伯体,以地表反照率进行地表辐射特性的表征,以MODIS地表产品为基础,根据各地表类型进行地表分类,优化得到全球范围内的地表反照率数据,建立起各地表类型下,逐月的地表反照率。
以气体透过率计算模型、建立起的BRDF和BTDF以及地表反照率为基础,根据输入实际卫星遥感中的时空信息计算观测角度和同时刻的太阳角度;输入实际大气气压、温度、湿度及气体信息,以开发的气体透过率模型计算大气透过率;输入大气云或气溶胶的光学厚度、粒子尺度、高度、相态、类型等信息,在得到的BRDF和BTDF基础上得到对应空间角度下粒子的辐射特性,最终根据优化倍加-累加辐射传输方案,计算得到有云、气溶胶条件下卫星成像仪全通道的大气顶部反射率、亮温值。
图2和3即为基于实际风云四号A星在有云大气条件下观测到的太阳通道反射率和红外通道亮温与基于本算法模拟出的反射率和亮温对比。可以看出,基于我们的算法模拟结果与卫星观测具有很好的一致性。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (8)
1.一种基于气象卫星光谱成像仪的快速辐射传输方法,其特征在于,分别针对气象卫星的各个卫星通道,执行如下步骤,收集卫星通道中所吸收的各种大气气体,进一步获得各个卫星通道的大气顶部反射率、以及亮温值:
步骤A、收集气象卫星中各卫星通道所吸收的各种大气气体,并获取各种大气气体所对应的光谱数据,基于卫星通道所吸收各种大气气体的光谱数据,提取该卫星通道所吸收各种大气气体的光谱数据的预设各类型的特征值,获取预设数量个预设大气压层和预设温度层,进而获得该卫星通道所吸收各种大气气体在各预设大气压层和各预设温度层下的吸收系数,随后进入步骤B;
步骤B、基于该卫星通道所吸收各种大气气体的光谱数据,分别针对各种大气气体,针对该卫星通道所吸收大气气体分别在不同预设大气压层、不同预设温度层下的吸收系数进行拟合,得到该卫星通道的拟合大气吸收系数、以及该卫星通道的大气透过率,构建并获得以该卫星通道所吸收各种大气气体分别所对应的光谱数据为输入,以该卫星通道的大气透过率为输出的大气透过率计算模型,随后进入步骤C;
步骤C、针对该卫星通道所吸收各种大气气体中的有云粒子和有气溶胶粒子,获得该卫星通道中有云粒子和有气溶胶粒子的通道散射特性,进而获得有云粒子和有气溶胶粒子的双向反射分布函数BRDF、以及双向透射分布函数BTDF,随后进入步骤D;
步骤D、将气象卫星所对应的地表作为朗伯体,收集包含各种地表类型的光谱数据,根据各地表类型对应的光谱数据对地表进行分类,获得不同地表类型的反照率,随后进入步骤E;
步骤E、以大气透过率计算模型、双向反射分布函数BRDF、双向透射分布函数BTDF、以及各类型地表的反照率为基础,利用优化辐射传输计算方法处理大气中的有云粒子和有气溶胶粒子在散射过程中的复杂性,计算获得该卫星通道的大气顶部反射率、以及亮温值,即获得气象卫星的各个卫星通道的大气顶部反射率、以及亮温值。
2.根据权利要求1所述的一种基于气象卫星光谱成像仪的快速辐射传输方法,其特征在于,步骤A中基于各种大气气体对应的光谱数据,光谱数据的预设各类型的特征值包括气体在不同波长下的吸收系数、气体在不同波长下的光学厚度,根据每种气体在不同波长下的吸收系数或光学厚度,获取预设数量个预设大气压层和预设温度层,进而基于各个预设气压层和各个预设温度层,选择一个参考气压层和一个参考温度层作为参考大气,根据以下公式:
获得该卫星通道ch中N种吸收大气气体的吸收系数k(ch,G1,G2,…,GN),其中,G1,G2,…,GN分别为N种吸收气体相对于参考大气的含量,k0(ch)为参考大气的吸收系数,kn(ch)为大气气体n的吸收系数,n的取值为1至N。
3.根据权利要求2所述的一种基于气象卫星光谱成像仪的快速辐射传输方法,其特征在于,所述步骤B具体包括以下步骤:
步骤B1、根据该卫星通道所吸收大气气体分别在各预设大气压层和各预设温度层下的各个吸收系数,对大气气体的吸收系数进行排序,基于参考大气选择预设数量个有效积分点,获得不同大气气体的吸收系数的概率分布,当吸收系数的复杂度大于预设阈值时,根据以下公式:将该吸收系数化简为吸收系数与概率分布的关系函数,通过预设数量个有效积分点计算获得在各气压层和各温度层下的通道吸收系数K,
K(g,P0,T)=exp(a1(g,P0)+a2(g,P0)×(T-260)+a3(g,P0)×(T-260)2)
获得该卫星通道的拟合大气吸收系数K(g,P0,T),其中,P0为预设大气压层,T为预设温度层,g为有效积分点,a1、a2、a3为回归系数;
步骤B2、根据该卫星通道所吸收的大气气体,通过回归系数a1、a2、a3,并结合该卫星通道所吸收各种大气气体分别在预设数量个预设大气压层和预设温度层下的吸收系数,进行线性拟合获得该卫星通道的大气透过率。
4.根据权利要求1所述的一种基于气象卫星光谱成像仪的快速辐射传输方法,其特征在于,所述步骤C,基于该卫星通道对应大气中的有云粒子和有气溶胶粒子,具体包括以下步骤:
步骤C1、将有云粒子中的各个云粒子对象划分为水云粒子和冰云粒子,针对水云粒子,将水云粒子假设为球形结构,计算获得水云粒子在其所对应卫星通道的预设波段下的单散射特性;
步骤C2、针对冰云粒子,将冰云粒子假设为非球形结构,计算获得冰云粒子在其所对应卫星通道的预设波段下的单散射特性;
步骤C3、以水云粒子和冰云粒子的数量随大小变化均服从Gamma分布为条件,结合水云粒子和冰云粒子在对应的卫星通道下的单散射特性,得到体散射特性,进一步以对应卫星通道的光谱响应函数为权重,获得该卫星通道的通道散射特性,根据以下公式:
其中,p(λ)为云粒子的单散射特性,P(λ)为云粒子的体散射特性,<P(λ)>为卫星通道的通道散射特性,λ为卫星通道波长,Δλ为波长间隔,D为粒子直径大小,Cext(λ,D)为粒子的消光界面,粒子的消光界面与波长和粒子尺度大小相关,SRF(λ)为各个卫星通道的光谱响应函数,N表示云粒子数量,为云粒子的分布函数;
步骤C4、分别针对各个气溶胶大气粒子,将气溶胶大气粒子假设为非球形结构,计算获得气溶胶大气粒子在其所对应卫星通道的预设波段下的单散射特性,基于气溶胶大气粒子在该卫星通道下的单散射特性得到体散射特性,进一步得到各个气溶胶大气粒子在其所对应卫星通道下的通道散射特性。
5.根据权利要求1所述的一种基于气象卫星光谱成像仪的快速辐射传输方法,其特征在于,所述步骤D中,根据所获的地表辐射特性光谱数据、地表反照率数据,获得该地表区域内地表反照率的平均值,以地表反照率的平均值作为该地表类型的反照率,即获得不同地表类型的反照率。
7.一种基于气象卫星光谱成像仪的快速辐射传输系统,其特征在于,包括:
一个或多个处理器;
存储器,存储可被操作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行权利要求1-6中任意一项所述基于气象卫星光谱成像仪的快速辐射传输方法。
8.一种存储软件的计算机可读取介质,其特征在于,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时执行如权利要求1-6中任意一项所述基于气象卫星光谱成像仪的快速辐射传输方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111551303.9A CN114280694B (zh) | 2021-12-17 | 2021-12-17 | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111551303.9A CN114280694B (zh) | 2021-12-17 | 2021-12-17 | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114280694A true CN114280694A (zh) | 2022-04-05 |
CN114280694B CN114280694B (zh) | 2023-05-05 |
Family
ID=80872873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111551303.9A Active CN114280694B (zh) | 2021-12-17 | 2021-12-17 | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114280694B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116466368A (zh) * | 2023-06-16 | 2023-07-21 | 成都远望科技有限责任公司 | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5345306A (en) * | 1990-05-22 | 1994-09-06 | Research Development Corporation Of Japan | Method and apparatus for measuring spectral absorption in an opaque specimen and method and apparatus for measuring the microscopic absorption distribution |
US5777481A (en) * | 1996-04-01 | 1998-07-07 | University Corporation For Atmospheric Research | Ice detection using radiometers |
EP1971916A1 (en) * | 2005-11-30 | 2008-09-24 | 3M Innovative Properties Company | Method and apparatus for simulation of optical systems |
CN101587190A (zh) * | 2009-06-25 | 2009-11-25 | 国家海洋局第二海洋研究所 | 白天海雾的卫星遥感监测方法 |
CN102137512A (zh) * | 2011-03-25 | 2011-07-27 | 南京信息工程大学 | 基于无线传感网的自动气象站 |
CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
CN102338871A (zh) * | 2010-07-22 | 2012-02-01 | 曹春香 | 地表反射率计算方法和装置 |
CN102346070A (zh) * | 2010-07-30 | 2012-02-08 | 中国科学院遥感应用研究所 | Hj-1a卫星超光谱成像仪在轨辐射定标方法 |
CN102375161A (zh) * | 2010-08-10 | 2012-03-14 | 中国科学院空间科学与应用研究中心 | 一种星载微波大气温度和湿度探测仪 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
DE102013217535A1 (de) * | 2013-09-03 | 2015-03-05 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Kalibrierung eines Fernerkundungssensors zur Fernerkundung einer Planetenoberfläche |
CN109946235A (zh) * | 2019-02-26 | 2019-06-28 | 南京信息工程大学 | 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 |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
US20210223101A1 (en) * | 2018-07-25 | 2021-07-22 | Fundación Cener-Ciemat | System for the real-time high precision measurement of the atmospheric attenuation of electromagnetic radiation from at least one source and method for measurement |
-
2021
- 2021-12-17 CN CN202111551303.9A patent/CN114280694B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5345306A (en) * | 1990-05-22 | 1994-09-06 | Research Development Corporation Of Japan | Method and apparatus for measuring spectral absorption in an opaque specimen and method and apparatus for measuring the microscopic absorption distribution |
US5777481A (en) * | 1996-04-01 | 1998-07-07 | University Corporation For Atmospheric Research | Ice detection using radiometers |
EP1971916A1 (en) * | 2005-11-30 | 2008-09-24 | 3M Innovative Properties Company | Method and apparatus for simulation of optical systems |
CN101587190A (zh) * | 2009-06-25 | 2009-11-25 | 国家海洋局第二海洋研究所 | 白天海雾的卫星遥感监测方法 |
CN102338871A (zh) * | 2010-07-22 | 2012-02-01 | 曹春香 | 地表反射率计算方法和装置 |
CN102346070A (zh) * | 2010-07-30 | 2012-02-08 | 中国科学院遥感应用研究所 | Hj-1a卫星超光谱成像仪在轨辐射定标方法 |
CN102375161A (zh) * | 2010-08-10 | 2012-03-14 | 中国科学院空间科学与应用研究中心 | 一种星载微波大气温度和湿度探测仪 |
CN102137512A (zh) * | 2011-03-25 | 2011-07-27 | 南京信息工程大学 | 基于无线传感网的自动气象站 |
CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
DE102013217535A1 (de) * | 2013-09-03 | 2015-03-05 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Kalibrierung eines Fernerkundungssensors zur Fernerkundung einer Planetenoberfläche |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
US20210223101A1 (en) * | 2018-07-25 | 2021-07-22 | Fundación Cener-Ciemat | System for the real-time high precision measurement of the atmospheric attenuation of electromagnetic radiation from at least one source and method for measurement |
CN109946235A (zh) * | 2019-02-26 | 2019-06-28 | 南京信息工程大学 | 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 |
Non-Patent Citations (5)
Title |
---|
BIN YAO等: "An accurate and efficient radiative transfer model for simulating all-sky images from Fengyun satellite radiometers" * |
CHAO LIU等: "A spectral data compression (SDCOMP) radiative transfer model for high-spectral-resolution radiation simulations" * |
姚彬: "星载光学成像仪快速辐射传输算法及其在模式评估中的应用研究" * |
毕研盟 等: "FY-3气象卫星中分辨率光谱成像仪和扫描辐射计11μm红外窗区通道的比较" * |
袁小春 等: "长波红外高光谱成像光谱仪的辐射定标" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116466368A (zh) * | 2023-06-16 | 2023-07-21 | 成都远望科技有限责任公司 | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 |
CN116466368B (zh) * | 2023-06-16 | 2023-08-22 | 成都远望科技有限责任公司 | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114280694B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shao et al. | A review on East Asian dust storm climate, modelling and monitoring | |
Gangale et al. | The infrared spectral signature of volcanic ash determined from high-spectral resolution satellite measurements | |
Lee et al. | Satellite remote sensing of Asian aerosols: a case study of clean, polluted, and Asian dust storm days | |
Higurashi et al. | Development of a two-channel aerosol retrieval algorithm on a global scale using NOAA AVHRR | |
Walther et al. | Implementation of the daytime cloud optical and microphysical properties algorithm (DCOMP) in PATMOS-x | |
Calinoiu et al. | Influence of aerosols pollution on the amount of collectable solar energy | |
JP2011159199A (ja) | 太陽光発電装置の発電量予測システム及び発電量予測方法 | |
JP2011159199A6 (ja) | 太陽光発電装置の発電量予測システム及び発電量予測方法 | |
JP2007003308A (ja) | 地表面温度推定方法及びそのためのプログラム | |
Yue et al. | Simulation of dust aerosol radiative feedback using the Global Transport Model of Dust: 1. Dust cycle and validation | |
Lisok et al. | Radiative impact of an extreme Arctic biomass-burning event | |
Hulley et al. | Moderate resolution imaging spectroradiometer (MODIS) MOD21 land surface temperature and emissivity algorithm theoretical basis document | |
Lee et al. | Analytical approach to estimating aerosol extinction and visibility from satellite observations | |
Ye et al. | Impact of CALIPSO profile data assimilation on 3-D aerosol improvement in a size-resolved aerosol model | |
Raut et al. | Radiative budget in the presence of multi-layered aerosol structures in the framework of AMMA SOP-0 | |
CN114218786B (zh) | 非偏振卫星传感器在轨偏振辐射特性反演方法 | |
Alexandrov et al. | Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications | |
Soleimani et al. | Satellite aerosol optical depth prediction using data mining of climate parameters | |
CN114280694B (zh) | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 | |
Kudo et al. | Global 3-D distribution of aerosol composition by synergistic use of CALIOP and MODIS observations | |
Jiao et al. | A new cloud and haze mask algorithm from radiative transfer simulations coupled with machine learning | |
Ku et al. | Comparative inverse analysis of satellite (MODIS) and ground (PM 10) observations to estimate dust emissions in East Asia | |
KR20210018737A (ko) | 에어로졸의 광학 특성 산출 장치 및 방법 | |
Burley et al. | A remote sensing and atmospheric correction method for assessing multispectral radiative transfer through realistic atmospheres and clouds | |
CN104933302A (zh) | 一种无人机载荷航空遥感仿真实现方法以及系统 |
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 |