CN114324206A - 基于被动多轴差分吸收光谱技术的天空条件分类方法 - Google Patents
基于被动多轴差分吸收光谱技术的天空条件分类方法 Download PDFInfo
- Publication number
- CN114324206A CN114324206A CN202111557166.XA CN202111557166A CN114324206A CN 114324206 A CN114324206 A CN 114324206A CN 202111557166 A CN202111557166 A CN 202111557166A CN 114324206 A CN114324206 A CN 114324206A
- Authority
- CN
- China
- Prior art keywords
- damf
- cloud
- meas
- sky
- ref
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005516 engineering process Methods 0.000 title claims abstract description 7
- 238000000862 absorption spectrum Methods 0.000 title claims abstract description 6
- 239000000443 aerosol Substances 0.000 claims abstract description 35
- 230000003287 optical effect Effects 0.000 claims abstract description 13
- 238000001658 differential optical absorption spectrophotometry Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 150000002926 oxygen Chemical class 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于光学测量技术领域，具体为一种基于被动多轴差分吸收光谱技术的天空条件分类方法。包括：利用被动MAX‑DOAS观测技术提取天空条件识别因子，包括颜色指数和氧气二聚体大气质量因子；结合观测数据与模式模拟确定天空条件的识别阈值；利用已定的阈值对7种天空条件进行识别。流程为根据天顶方向的颜色指数阈值识别出晴朗天气下的低气溶胶荷载类型；再通过颜色指数的平滑度的阈值判断分出两支：通过天顶方向O4 DAMF区分出分散厚云和分散薄云；通过颜色指数散度识别出晴朗高气溶胶，再通过DAMF散度识别出分散薄云，最后根据天顶方向的O4DAMF区分出连续厚云和雾。本发明实现了天空条件的识别及对观测数据的去云处理。
Description
技术领域
本发明属于光学测量技术领域，具体地涉及被动遥感观测数据的去云处理以及数据校准。
背景技术
无云晴朗天气是多轴差分吸收光谱技术（MAX-DOAS）反演气溶胶和痕量气体廓线的最理想条件，而在多云天空下的大气光路复杂，特别是存在快速变化的云的情况下，廓线反演质量会有所降低。原则上，在辐射传输模拟中考虑云信息也是可以去除云的影响，但是在普通的观测实验中，关于云属性的必要信息是比较缺乏的。因此，对每一次测量的云和气溶胶进行识别和分类对于测量结果的质控是很重要的。常见云信息的获取是通过视觉检查或相机图像等其他来源，仍然是需要通过一定的图像识别方法来进行并且缺乏一定的准确性，但是通过MAX-DOAS观测的颜色指数（CI）和氧气二聚体（O4）大气质量因子（DAMF）对不同天空条件显著的反馈差异，从物理意义的角度识别天空条件，其精度相对于其他方法更高。
发明内容
为了去除MAX-DOAS观测数据受云的影响，本发明提供一种快速、简便、精确的基于被动多轴差分吸收光谱技术（MAX-DOAS）的天空条件分类方法。
本发明提供的基于被动多轴差分吸收光谱技术的天空条件分类方法，其基本原理是，位于紫外和可见光波段的两个波长附近的光通量之比能够反映不同的太阳散射类型；散射的路径长短可以通过氧气二聚体（O4）的吸收来表征；具体步骤为：
（1）首先，针对同一测量循环，从MAX-DOAS设备采集到的光谱中提取出各个角度的颜色指数（CI），通过光谱分析软件进而反演出O4差分斜柱浓度（DSCD），并转换成所需要的O4大气质量因子（DAMF），最后计算出五种识别因子：天顶方向的CI和DAMF（CImeas,z，DAMFmeas,z）、CImeas,z的平滑度（TSL）、CI和DAMF的散度（CImax-min，DAMFmax-min）；其中，TSL定义为颜色指数时间序列进行2小时局部加权平滑后获得的CIsmooth,z与实际值CImeas,z差值的绝对值，即TSL = |CImeas,z-CIsmooth,z|；CI和DAMF的散度，记为CImax-min、DAMFmax-min，定义为该循环内各角度CI和DAMF数值的最大值与最小值之差；
（2）然后，利用辐射传输模式和实测气溶胶光学厚度（AOD）确定识别因子CIz、DAMFz的阈值CIref和DAMFref；以0.05为TSL的阈值；以0.075为CImax-min的阈值；以0.75为DAMFmax-min的阈值。
（3）最后，根据已确定的识别阈值区分出7种天空条件类型：晴朗低气溶胶、晴朗高气溶胶、分散薄云、分散厚云、连续薄云、连续厚云以及雾。
本发明步骤（1）中，所述提取天空识别因子，具体步骤为：
首先提取实测光谱的340 nm和400 nm处的光信号强度之比作为CI；将采集到的太阳光谱，使用固定参考光谱的形式进行光谱分析，反演出各个仰角的O4 DSCD，除以当地的O4柱浓度（VCD）获得的O4DAMF。这里以上海地区为例，O4 VCD = 1.32×1043 molecule2.cm−5。
本发明步骤（2）中，所述确定天空条件识别因子阈值，具体步骤为：
Clref的确定：由于Clmeas,z会随能见度下降而下降，因此CIref的确定可以用于区分晴朗低气溶胶和其他天空条件类型；CIref的确定的流程为：根据气溶胶光学厚度为0.2±0.05时的实测天顶方向的颜色指数与模拟值之间的比值，求出校正因子（CF）；辐射传输模式模拟AOD为0.75时的CImodeled,z；基于CF进行修正获得CIcorrected,z，以此作为Clref；
DAMFref的确定：考虑到天顶方向的DAMFmeas,z在厚云情况下会远高于其他天空类型，并通过辐射传输模式模拟在不同高度的厚云和低气溶胶（AOD=0.2）时的DAMFmodeled,z，发现基本厚云情形的结果下高于低气溶胶情形的2倍，所以确定DAMFmeas,z（AOD = 0.2）的2倍值作为其阈值；
TSL阈值的确定：CIz的平滑度TSL可以表征天空条件的变化情况，当有剧烈变化说明存在散云，根据CImeas,z频率分布情况，以频率最高的10% 即0.05为TSL阈值；
CImax-min的阈值的确定：当有云存在时，CI散度明显下降，根据无云和云类型下的Cl散度统计结果，设置其阈值为0.075；
DAMFmax-min的阈值的确定：DAMF散度在厚云或雾的情况才会明显下降，同样根据薄云、雾、厚云的DAMF散度统计结果，设置其阈值为0.75。
以上阈值的确定经过了足够的数据结果验证，可以适用于任何MAX-DOAS仪器。
本发明步骤（3）中所述根据已确定的识别阈值区分出7种天空条件类型，具体步骤为：
首先，进入判断CImeas,z与CIref的大小，若实测CImeas,z大于CIref则确定为晴朗低气溶胶，反之则进入下一步判断；
若TSL大于等于0.05，则进入分散云的判断，接着进入判断DAMFmeas,z是否大于DAMFref，是则识别为分散厚云，反之识别为分散薄云；
若TSL小于0.05，则进入判断CImax-min是否大于0.075，是则识别为晴朗高气溶胶，反之接着判断DAMFmax-min是否大于0.75；是则判断为连续薄云，反之进入判断DAMFmeas,z是否大于DAMFref；是则为连续厚云，反之为雾。
本发明方法能够准确有效地设别出7种天空条件类型，可以很好地被运用到MAX-DOAS观测数据的去云处理中，并合理地控制数据质量。
附图说明
图1是天空识别因子提取流程图。
图2是典型天空条件下的观测视场照片、气溶胶光学厚度、颜色指数以及O4吸收的日变化情况。
图3是实施案例提供的一种基于MAX-DOAS观测的天空条件分类方法流程图。
具体实施方式
下面结合附图及上海市青浦区实施案例，对本发明的具体实施方式进行详细表述。需要注意，此处所描述的具体实施例仅用以解释本发明，但本发明不限定于该案例。
（1）天空条件识别因子提取流程如图1所示。MAX-DOAS采集太阳光谱，计算340 nm和400 nm处的光强信号之比作为CI。通过光谱分析软件，获取各仰角的CI和O4DSCD，除以当地的O4柱浓度VCD获得的O4 DAMF，这里以上海地区为例，O4 VCD为1.32×1043molecules2.cm−5。其中，O4 DSCD的反演方法为：将各个仰角下的测量光谱除以固定的一条参考光谱，得到差分光学厚度；卷积高分辨率太阳光谱获取Ring光谱，将卷积好的标准痕量气体吸收截面(O4，BrO，SO2，NO2，HCHO)和Ring光谱一起在338-370 nm波段范围内与去除慢变化后实测光谱进行拟合，最后得到O4DSCD。
（2）典型天空条件下的观测视场照片、气溶胶光学厚度、颜色指数以及O4吸收的日变化情况如图2所示，可以看出在晴朗高气溶胶情况下，CI在高仰角会相对偏低，在低仰角相差不大；而O4 DAMF却为在低仰角会相对偏低，在高仰角反而有微小的偏高。在有云或雾出现的情况下，各个仰角的CI都有所降低，高仰角下降不明显，且在各个仰角差异不大。当有分散云出现时，各个仰角CI会有剧烈变化，O4 DAMF变化较小。薄云与雾、厚云类型下的区别在于DAMF散度不一样，薄云的DAMF散度会高于雾和厚云的天空类型。而对于雾和厚云的天空类型的区分，可以发现由于厚云中光的多次散射作用，厚云中所天顶方向的O4 DAMF会远高于雾和晴朗低气溶胶天空条件。为了识别这些天空条件类型，确定5种识别因子：天顶方向的CI和DAMF（CImeas,z，DAMFmeas,z）、CImeas,z的平滑度（TSL）、CI和DAMF的散度（CImax-min，DAMFmax-min）。对应的阈值确定流程为如下：
根据气溶胶光学厚度为0.2±0.05时的实测天顶方向的颜色指数与模拟值之间的比值，求出校正因子（CF）；辐射传输模式模拟AOD为0.75时的CImodeled,z；基于CF进行修正获得CIcorrected,z，以此作为Clref。以DAMFmeas,z（AOD = 0.2）的2倍值作为其阈值。根据CImeas,z频率分布情况，以频率最高的10 %（约0.05）为TSL阈值。根据无云和云类型下的Cl散度统计结果，可以设置其阈值约为0.075。同样根据薄云、雾、厚云的DAMF散度统计结果，可以设置其阈值约为0.75。
（3）天空条件识别流程如图3所示，首先进入判断CImeas,z与CIref的大小，若实测CImeas,z大于CIref则确定为晴朗低气溶胶，反之则进入下一步判断；若TSL大于等于0.05，则进入分散云的判断，接着进入判断DAMFmeas,z是否大于DAMFref，是则识别为分散厚云，反之识别为分散薄云；若TSL小于0.05，则进入判断CImax-min是否大于0.075，是则识别为晴朗高气溶胶，反之接着判断DAMFmax-min是否大于0.75；是则判断为连续薄云，反之进入判断DAMFmeas,z是否大于DAMFref；是则为连续厚云，反之为雾。
Claims (4)
1.一种基于被动多轴差分吸收光谱技术的天空条件分类方法，其特征在于，基于如下原理：位于紫外和可见光波段的两个波长附近的光信号强度之比能够反映不同的太阳散射类型；散射的路径长短可以通过氧气二聚体（O4）的吸收来表征；具体步骤为：
（1）首先，针对同一测量循环，从MAX-DOAS设备采集到的光谱中提取出天顶方向和各个离轴角度的颜色指数（CI），通过光谱分析进而反演出O4差分斜柱浓度（DSCD），并转换成所需要的O4大气质量因子（DAMF）来表征O4的吸收，最后计算出五种天空识别因子：
天顶方向的CI和DAMF，记为CImeas,z、DAMFmeas,z；
CImeas,z的平滑度，记为TSL，定义为CImeas,z时间序列进行2小时局部加权平滑后获得的CIsmooth,z与实际值CImeas,z差值的绝对值，即TSL = |CImeas,z-CIsmooth,z|；
CI和DAMF的散度，记为CImax-min、DAMFmax-min，定义为该循环内各角度CI和DAMF数值的最大值与最小值之差；
（2）然后，利用辐射传输模式和实测气溶胶光学厚度（AOD）确定识别因子CIz、DAMFz的阈值CIref和DAMFref；以0.05为TSL的阈值；以0.075为CImax-min的阈值；以0.75为DAMFmax-min的阈值；
（3）最后，根据已确定的识别阈值区分出7种天空条件类型：晴朗低气溶胶、晴朗高气溶胶、分散薄云、分散厚云、连续薄云、连续厚云以及雾。
2.根据权利要求1所述的天空条件分类方法，其特征在于，步骤（1）中所述提取天空识别因子，具体步骤为：首先提取实测光谱的340 nm和400 nm处的光信号强度之比作为CI；将采集到的太阳光谱，使用固定参考光谱的形式进行光谱分析，反演出各个仰角的O4DSCD，除以当地的O4柱浓度（VCD）获得的O4DAMF。
3.根据权利要求1所述的天空条件分类方法，其特征在于，步骤（2）中所述确定天空识别因子阈值，具体步骤为：
Clref的确定：由于Clmeas,z会随能见度下降而下降，因此CIref的确定可以用于区分晴朗低气溶胶和其他天空条件类型；CIref的确定的流程为：根据气溶胶光学厚度为0.2±0.05时的实测天顶方向的颜色指数与模拟值之间的比值，求出校正因子（CF）；辐射传输模式模拟AOD为0.75时的CImodeled,z；基于CF进行修正获得CIcorrected,z，以此作为Clref；
DAMFref的确定：考虑到天顶方向的DAMFmeas,z在厚云情况下会远高于其他天空类型，并通过辐射传输模式模拟在不同高度的厚云和低气溶胶（AOD=0.2）时的DAMFmodeled,z，发现基本厚云情形的结果下高于低气溶胶情形的2倍，所以确定DAMFmeas,z（AOD = 0.2）的2倍值作为其阈值；
TSL阈值的确定：CIz的平滑度TSL可以表征天空条件的变化情况，当有剧烈变化说明存在散云，根据CImeas,z频率分布情况，以频率最高的10% 即0.05为TSL阈值；
CImax-min的阈值的确定：当有云存在时，CI散度明显下降，根据无云和云类型下的Cl散度统计结果，设置其阈值为0.075；
DAMFmax-min的阈值的确定：DAMF散度在厚云或雾的情况才会明显下降，同样根据薄云、雾、厚云的DAMF散度统计结果，设置其阈值为0.75。
4.根据权利要求1所述的天空条件分类方法，其特征在于，步骤（3）中所述根据已确定的识别阈值区分出7种天空条件类型，具体步骤为：
首先，进入判断CImeas,z与CIref的大小，若实测CImeas,z大于CIref则确定为晴朗低气溶胶，反之则进入下一步判断；
若TSL大于等于0.05，则进入分散云的判断，接着进入判断DAMFmeas,z是否大于DAMFref，是则识别为分散厚云，反之识别为分散薄云；
若TSL小于0.05，则进入判断Clmax-min是否大于0.075，是则识别为晴朗高气溶胶，反之接着判断DAMFmax-min是否大于0.75；是则判断为连续薄云，反之进入判断DAMFmeas,z是否大于DAMFref；是则为连续厚云，反之为雾。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111557166.XA CN114324206B (zh) | 2021-12-18 | 2021-12-18 | 基于被动多轴差分吸收光谱技术的天空条件分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111557166.XA CN114324206B (zh) | 2021-12-18 | 2021-12-18 | 基于被动多轴差分吸收光谱技术的天空条件分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114324206A true CN114324206A (zh) | 2022-04-12 |
| CN114324206B CN114324206B (zh) | 2024-01-16 |
Family
ID=81052872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111557166.XA Active CN114324206B (zh) | 2021-12-18 | 2021-12-18 | 基于被动多轴差分吸收光谱技术的天空条件分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114324206B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735632A (zh) * | 2012-06-26 | 2012-10-17 | 中国科学院合肥物质科学研究院 | 利用天空散射光测量大气污染气体水平分布和近地面竖直分布的装置及方法 |
| KR20130081842A (ko) * | 2012-01-10 | 2013-07-18 | 주식회사 스펙트로 | 헤이지 상태에서 자외선 다축-차등흡수분광을 사용한 대기 에어로졸 원격 감지 장치 및 방법 |
| US20150342005A1 (en) * | 2014-05-23 | 2015-11-26 | Lonestar Inventions, L.P. | Method and apparatus for controlling electrical power usage based on exact sun elevation angle and measured geographical location |
| JP2017090054A (ja) * | 2015-11-02 | 2017-05-25 | エバ・ジャパン 株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| US20170299686A1 (en) * | 2014-09-26 | 2017-10-19 | Reuniwatt | Detection unit and method for identifying and monitoring clouds in an observed area of the sky |
| KR20170116805A (ko) * | 2016-04-12 | 2017-10-20 | 부경대학교 산학협력단 | 다중 각도에서 태양광 관측기반의 대기 분자의 라만 산란특성을 이용한 에어로솔 고도 산출방법 |
| RU2649094C1 (ru) * | 2016-10-12 | 2018-03-29 | Федеральное государственное бюджетное учреждение "33 Центральный научно-исследовательский испытательный институт" Министерства обороны Российской Федерации | Способ определения возможности применения спектрорадиометра для экологического мониторинга атмосферы |
| US20180088204A1 (en) * | 2016-09-23 | 2018-03-29 | The Regents Of The University Of Colorado, A Body Corporate | Mobile devices for tracking a radiation disk light source and methods using same |
| CN108872093A (zh) * | 2018-05-02 | 2018-11-23 | 复旦大学 | 基于被动遥感的o4吸收校正及气溶胶消光廓线反演方法 |
| CN108918436A (zh) * | 2018-05-08 | 2018-11-30 | 刘诚 | 基于max-doas对气溶胶及痕量污染气体的垂直廓线反演算法 |
| CN108956491A (zh) * | 2018-06-05 | 2018-12-07 | 中国科学院遥感与数字地球研究所 | 一种大气hcho遥感监测方法 |
| CN110687020A (zh) * | 2019-10-30 | 2020-01-14 | 淮北师范大学 | 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置 |
| KR20200004680A (ko) * | 2018-07-04 | 2020-01-14 | 한밭대학교 산학협력단 | 하늘 영상을 이용한 미세먼지 측정 시스템 |
| CN111707622A (zh) * | 2020-05-28 | 2020-09-25 | 中国科学院合肥物质科学研究院 | 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 |
| US20210033589A1 (en) * | 2018-03-27 | 2021-02-04 | Flying Gybe Inc. | Hyperspectral sensing system and methods |
| CN113552080A (zh) * | 2021-06-17 | 2021-10-26 | 中国科学技术大学 | 一种超光谱遥感地表大气相对湿度的实时反演算法 |
-
2021
- 2021-12-18 CN CN202111557166.XA patent/CN114324206B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130081842A (ko) * | 2012-01-10 | 2013-07-18 | 주식회사 스펙트로 | 헤이지 상태에서 자외선 다축-차등흡수분광을 사용한 대기 에어로졸 원격 감지 장치 및 방법 |
| CN102735632A (zh) * | 2012-06-26 | 2012-10-17 | 中国科学院合肥物质科学研究院 | 利用天空散射光测量大气污染气体水平分布和近地面竖直分布的装置及方法 |
| US20150342005A1 (en) * | 2014-05-23 | 2015-11-26 | Lonestar Inventions, L.P. | Method and apparatus for controlling electrical power usage based on exact sun elevation angle and measured geographical location |
| US20170299686A1 (en) * | 2014-09-26 | 2017-10-19 | Reuniwatt | Detection unit and method for identifying and monitoring clouds in an observed area of the sky |
| JP2017090054A (ja) * | 2015-11-02 | 2017-05-25 | エバ・ジャパン 株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| KR20170116805A (ko) * | 2016-04-12 | 2017-10-20 | 부경대학교 산학협력단 | 다중 각도에서 태양광 관측기반의 대기 분자의 라만 산란특성을 이용한 에어로솔 고도 산출방법 |
| US20180088204A1 (en) * | 2016-09-23 | 2018-03-29 | The Regents Of The University Of Colorado, A Body Corporate | Mobile devices for tracking a radiation disk light source and methods using same |
| RU2649094C1 (ru) * | 2016-10-12 | 2018-03-29 | Федеральное государственное бюджетное учреждение "33 Центральный научно-исследовательский испытательный институт" Министерства обороны Российской Федерации | Способ определения возможности применения спектрорадиометра для экологического мониторинга атмосферы |
| US20210033589A1 (en) * | 2018-03-27 | 2021-02-04 | Flying Gybe Inc. | Hyperspectral sensing system and methods |
| CN108872093A (zh) * | 2018-05-02 | 2018-11-23 | 复旦大学 | 基于被动遥感的o4吸收校正及气溶胶消光廓线反演方法 |
| CN108918436A (zh) * | 2018-05-08 | 2018-11-30 | 刘诚 | 基于max-doas对气溶胶及痕量污染气体的垂直廓线反演算法 |
| CN108956491A (zh) * | 2018-06-05 | 2018-12-07 | 中国科学院遥感与数字地球研究所 | 一种大气hcho遥感监测方法 |
| KR20200004680A (ko) * | 2018-07-04 | 2020-01-14 | 한밭대학교 산학협력단 | 하늘 영상을 이용한 미세먼지 측정 시스템 |
| CN110687020A (zh) * | 2019-10-30 | 2020-01-14 | 淮北师范大学 | 基于四聚氧吸收反演气溶胶光学特性的测量方法及其装置 |
| CN111707622A (zh) * | 2020-05-28 | 2020-09-25 | 中国科学院合肥物质科学研究院 | 基于地基max-doas的大气水汽垂直分布及输送通量的测算方法 |
| CN113552080A (zh) * | 2021-06-17 | 2021-10-26 | 中国科学技术大学 | 一种超光谱遥感地表大气相对湿度的实时反演算法 |
Non-Patent Citations (5)
| Title |
|---|
| JIANZHONG MA ETAL.: "MAX-DOAS measurements of NO2, SO2, HCHO, and BrO at the Mt. Waliguan WMO GAW global baseline station in the Tibetan Plateau", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》, no. 20, pages 1 - 7 * |
| T.WAGNER ETAL.: "Cloud detection and classification based on MAX-DOAS observations", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》, no. 7, pages 1 - 5 * |
| THOMASWAGNER ETAL.: "Absolute calibration of the colour index and O4 absorption derived from Multi AXis (MAX-)DOAS measurements and their application to a standardised cloud classification algorithm", 《ATMOSPHERIC MEASUREMENT TECHNIQUES》, no. 9, pages 1 - 6 * |
| 牟福生 等: "基于MAX-DOAS的对流层NO_2和气溶胶光学厚度遥测反演", 《大气与环境光学学报》, vol. 10, no. 03 * |
| 王杨 等: "利用O_4测量去除NO_2柱浓度直射太阳光差分吸收光谱探测中云的影响", 《光学学报》, vol. 12, no. 09 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114324206B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022016884A1 (zh) | 一种基于K-means聚类算法的海面风速方法 | |
| CN109001218A (zh) | 基于高光谱成像技术的苹果表面缺陷快速无损识别方法 | |
| CN114663821B (zh) | 基于视频高光谱成像技术的产品质量实时无损检测方法 | |
| CN112766075A (zh) | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 | |
| CN116580308B (zh) | 一种土壤修复的监测方法及监测装置 | |
| US11151377B2 (en) | Cloud detection method based on landsat 8 snow-containing image | |
| CN109741322A (zh) | 一种基于机器学习的能见度测量方法 | |
| CN109766909A (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
| CN111241991B (zh) | 一种基于遥感影像的水质分类方法 | |
| CN109086803A (zh) | 一种基于深度学习与个性化因子的雾霾能见度检测系统及方法 | |
| CN112329790B (zh) | 一种城市不透水面信息快速提取方法 | |
| CN108195771A (zh) | 一种海洋高光谱遥感影像目标识别方法 | |
| CN103926591B (zh) | 一种基于卫星2.0微米通道数据的卷云识别方法 | |
| CN112699756A (zh) | 一种基于高光谱图像的茶叶原产地识别方法和系统 | |
| CN114398595B (zh) | 一种基于bp神经网络的火点遥感识别方法 | |
| CN113822141A (zh) | 一种基于遥感影像的冰川和积雪自动提取方法及系统 | |
| CN114913415A (zh) | 一种基于遥感监测的病虫害检测系统 | |
| CN114117908A (zh) | 基于cgan进行数据校正的高精度asi海冰密集度反演算法 | |
| CN114324206B (zh) | 基于被动多轴差分吸收光谱技术的天空条件分类方法 | |
| CN106056044A (zh) | 一种基于端元丰度反演的高光谱图像发射率光谱提取方法 | |
| CN117764933A (zh) | 一种涂层老化特征智能化评价方法 | |
| CN111242053B (zh) | 一种输电线路火焰检测方法及系统 | |
| CN117372710A (zh) | 一种基于Sentinel-2 MSI遥感影像的林窗提取方法 | |
| CN114998420B (zh) | 基于拉普拉斯算子的烟雾浓集中心识别及火点定位方法 | |
| CN115861213A (zh) | 一种重叠烟丝掩膜图像的区域获取与面积的确认方法 |
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 |