CN114332651B - 一种基于拟合模型的云参数确定方法及系统 - Google Patents

一种基于拟合模型的云参数确定方法及系统 Download PDF

Info

Publication number
CN114332651B
CN114332651B CN202210255819.7A CN202210255819A CN114332651B CN 114332651 B CN114332651 B CN 114332651B CN 202210255819 A CN202210255819 A CN 202210255819A CN 114332651 B CN114332651 B CN 114332651B
Authority
CN
China
Prior art keywords
cloud
pixels
effective
candidate
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
CN202210255819.7A
Other languages
English (en)
Other versions
CN114332651A (zh
Inventor
蔡宏珂
祝宣浩
毛雅琴
陈权亮
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.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
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 Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN202210255819.7A priority Critical patent/CN114332651B/zh
Publication of CN114332651A publication Critical patent/CN114332651A/zh
Application granted granted Critical
Publication of CN114332651B publication Critical patent/CN114332651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请实施例公开了一种基于拟合模型的云参数确定方法及系统,属于大气辐射传输技术领域,其中,所述方法包括基于星载激光雷达获取多个像元的后向散射系数及垂直特征掩码;基于后向散射数对多个像元进行筛选,获取多个第一有效像元;基于垂直特征掩码对多个像元进行筛选,获取多个第二有效像元;对多个第一有效像元和多个第二有效像元进行空间匹配,获取多个有效云像元;基于多个有效云像元,确定至少一个有效云体,每个有效云体包括至少一个有效云像元;基于多个第一有效像元及至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系,具有减小拟合的云参数误差,为辐射强迫评估提供更为准确的依据的优点。

Description

一种基于拟合模型的云参数确定方法及系统
技术领域
本发明主要涉及大气辐射传输技术领域,具体地说,涉及一种基于拟合模型的云参数确定方法及系统。
背景技术
云覆盖了地球表面天空50%以上的面积,它在地球大气水循环、气候变化以及地球辐射等各个方面都起到了至关重要的作用。云是地气系统的辐射传输中的关键组成部分,云和自由大气的过渡带在中起到了重要作用。
现有的云参数确定方式大多忽略了云和自由大气的过渡带区域及激光雷达获取的数据质量的影响,使得拟合的云参数误差较大。
因此,需要一种基于拟合模型的云参数确定方法及系统,用于获取更加准确的获取云体、过渡带及晴空大气的云参数与水平位置对应关系,为辐射强迫评估提供依据。
发明内容
为了解决现有技术中,云参数确定方式大多忽略了云和自由大气的过渡带区域及激光雷达获取的数据质量的影响,使得拟合的云参数误差较大,本说明书实施例之一提供一种基于拟合模型的云参数确定方法,所述方法包括:基于星载激光雷达获取垂直剖面二维数据集,垂直剖面二维数据集包括多个像元的后向散射系数及垂直特征掩码;基于后向散射系数对多个像元进行筛选,获取多个第一有效像元;基于垂直特征掩码对多个像元进行筛选,获取多个第二有效像元;对多个第一有效像元和多个第二有效像元进行空间匹配,获取多个有效云像元;基于多个有效云像元,确定至少一个有效云体,每个有效云体包括至少一个有效云像元;基于多个第一有效像元及至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系。本方法基于后向散射系数、垂直特征掩码对多个像元进行筛选,获取多个有效云像元,并基于多个有效云像元,确定至少一个有效云体,每个有效云体包括至少一个有效云像元;再基于多个第一有效像元及至少一个有效云体,具有实现对无效数据的剔除,使得获取的云体、过渡带及晴空大气的云参数与水平位置对应关系更加准确,减小拟合的云参数误差,为辐射强迫评估提供更为准确的依据的优点。
本说明书实施例之一提供一种基于拟合模型的云参数确定系统,包括:数据获取模块,用于基于星载激光雷达获取垂直剖面二维数据集,所述垂直剖面二维数据集包括多个像元的后向散射系数及垂直特征掩码;第一筛选模块,用于基于所述后向散射系数对所述多个像元进行筛选,获取多个第一有效像元;第二筛选模型,用于基于所述垂直特征掩码对所述多个像元进行筛选,获取多个第二有效像元;空间匹配模块,用于对所述多个第一有效像元和所述多个第二有效像元进行空间匹配,获取多个有效云像元;第三筛选模块,用于基于所述多个有效云像元,确定至少一个有效云体,每个所述有效云体包括至少一个有效云像元;水平拟合模块,用于基于所述多个第一有效像元及所述至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的一种基于拟合模型的云参数确定系统的应用场景示意图;
图2是根据本申请一些实施例所示的一种基于拟合模型的云参数确定方法的示例性流程图;
图3是根据本申请一些实施例所示的第一候选云体A及第一候选云体B的示意图;
图4是根据本申请一些实施例所示的获取云体、过渡带及晴空大气的云参数与水平位置对应关系的示例性流程图。
图中,100、基于拟合模型的云参数确定系统;110、处理设备;120、网络;130、用户终端;140、存储设备;150、星载激光雷达;310、第一候选云体A;320、第一候选云体B。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。应当理解,给出这些示例性的实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块或单元做出了各种引用,然而,任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的一种基于拟合模型的云参数确定装置的应用场景示意图。
如图1所示,基于拟合模型的云参数确定系统100可以包括处理设备110、网络120、用户终端130和存储设备140。
在一些实施例中,基于拟合模型的云参数确定系统100可以拟合云-过渡带-晴空大气特性。
在一些实施例中,处理设备110可以用于处理相关的信息和/或数据。例如,处理设备110可以从星载激光雷达150获取沿轨垂直剖面二维数据集。处理设备110、星载激光雷达150更多的描述可以参见本申请其他部分的描述。例如,图2、3及其描述。
在一些实施例中,处理设备110可以是区域的或者远程的。例如,处理设备110可以通过网络120访问存储于用户终端130、存储设备140和星载激光雷达150中的信息和/或资料。在一些实施例中,处理设备110可以在云平台上执行。例如,该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。在一些实施例中,处理设备110可以包含处理器,处理器可以包含一个或多个子处理器(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理器可包含中央处理器、专用集成电路、专用指令处理器、图形处理器、物理处理器、数字信号处理器等或以上任意组合。
在一些实施例中,处理设备110可以包括数据获取模块、第一筛选模块、第二筛选模型、空间匹配模块、第三筛选模块及水平拟合模块。
数据获取模块可以用于基于星载激光雷达150获取垂直剖面二维数据集,垂直剖面二维数据集包括多个像元的后向散射系数及垂直特征掩码。
第一筛选模块可以用于基于后向散射系数对多个像元进行筛选,获取多个第一有效像元。
第二筛选模型可以用于基于垂直特征掩码对多个像元进行筛选,获取多个第二有效像元。
空间匹配模块可以用于对多个第一有效像元和多个第二有效像元进行空间匹配,获取多个有效云像元。
第三筛选模块可以用于基于多个有效云像元,确定至少一个有效云体,每个有效云体包括至少一个有效云像元。
水平拟合模块可以用于基于多个有效云像元及至少一个有效云体,建立用于表征云参数与水平位置关系的云-过渡带-晴空大气三段二维云参数模型。
关于数据获取模块、第一筛选模块、第二筛选模型、空间匹配模块、第三筛选模块及水平拟合模块的更多描述可以参见图2及其相关描述,此处不再赘述。
网络120可促进基于拟合模型的云参数确定系统100中数据和/或信息的交换。在一些实施例中,基于拟合模型的云参数确定系统100中的一个或多个组件(例如,处理设备110、用户终端130和存储设备140等)可以通过网络120发送数据和/或信息给基于拟合模型的云参数确定系统100中的其他组件。在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络、广域网络、无线局域网、蓝牙网络、ZigBee网络等或以上任意组合。
在一些实施例中,用户终端130可以获取基于拟合模型的云参数确定系统100中的信息或数据。例如,用户终端130可以通过网络120从处理设备110获取云-过渡带-晴空大气三段拟合模型。在一些实施例中,用户终端130可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中,移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。
在一些实施例中,存储设备140可以与网络120连接以实现与基于拟合模型的云参数确定系统100的一个或多个组件(例如,处理设备110、用户终端130等)通讯。基于拟合模型的云参数确定系统100的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中,存储设备140可以直接与基于拟合模型的云参数确定系统100中的一个或多个组件(如,处理设备110、用户终端130)连接或通讯。在一些实施例中,存储设备140可以是处理设备110的一部分。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域普通技术人员而言,在本申请内容的指导下,可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征,以获得另外的和/或替代的示例性的实施例。例如,存储设备140可以是包括云计算平台的数据存储设备,例如公共云、私有云、社区和混合云等。然而,这些变化与修改不会背离本申请的范围。
图2是根据本申请一些实施例所示的一种基于拟合模型的云参数确定方法的示例性流程图。如图2所示,一种基于拟合模型的云参数确定方法包括下述步骤。在一些实施例中,一种基于拟合模型的云参数确定方法可以被实现在处理设备110上。
步骤210,基于星载激光雷达150获取沿轨垂直剖面二维数据集。在一些实施例中,步骤210可以由数据获取模块执行。
星载激光雷达150可以包括云-气溶胶激光雷达与红外探路者卫星观测(CALIPSO),CALIPSO搭载1064nm通道以及532nm正交偏振双通道。数据获取模块可以通过星载激光雷达150获取垂直剖面二维数据集,其中,垂直剖面二维数据集可以是CALIPSO的一个观测剖面的数据集,垂直剖面二维数据集可以包括多个像元的后向散射系数及垂直特征掩码(例如,Level 2垂直特征掩码资料等),Level 2垂直特征掩码资料以特征码的形式描述了云层和气溶胶层的垂直和水平分布。
步骤220,基于后向散射系数对多个像元进行筛选,获取多个第一有效像元。在一些实施例中,步骤220可以由第一筛选模块执行。
在一些实施例中,第一筛选模块可以基于云参数对多个像元进行筛选,获取多个第一有效像元,云参数可以用于表征光学性质,云参数包括后向散射系数、退偏振率及双波长比。由于散射粒子的非对称性,后向散射的偏振光不能保持其偏振态,会发生退偏振现象,而产生正交偏振分量。正交偏振分量和平行分量(即,保持偏振态的分量)之比定义为退偏振率。退偏振率通过偏振特性来描述散射粒子的形状,非球形越显著的粒子通常退偏振率越大。
在一些实施例中,第一筛选模块可以基于后向散射系数计算退偏振率。例如,第一筛选模块可以基于以下公式计算退偏振率:
Figure 743857DEST_PATH_IMAGE001
其中,
Figure 127434DEST_PATH_IMAGE002
为退偏振率,
Figure 819446DEST_PATH_IMAGE003
为正交偏振分量,
Figure 510453DEST_PATH_IMAGE004
为平行分量。
双波长比可以表征散射粒子对两个不同波长信号的后向散射强度之比。在一些实施例中,第一筛选模块可以基于后向散射系数计算双波长比。例如,第一筛选模块可以基于以下公式计算双波长比:
Figure 174784DEST_PATH_IMAGE005
其中,
Figure 791579DEST_PATH_IMAGE006
为双波长比,
Figure 236466DEST_PATH_IMAGE007
为1064nm波长信号的后向散射强度,
Figure 200006DEST_PATH_IMAGE008
为532nm 波长信号的后向散射强度。
在一些实施例中,第一筛选模块可以基于退偏振率及双波长比对多个像元进行筛选,获取多个第一有效像元。例如,对于每个像元,第一筛选模块可以判断退偏振率是否符合预设退偏振率范围;若退偏振率符合预设退偏振率范围,第一筛选模块可以判断双波长比是否符合预设双波长比范围;若双波长比符合预设双波长比范围,第一筛选模块可以将像元作为第一候选有效像元。在一些实施例中,预设退偏振率范围可以为大于等于0且小于等于0.8。在一些实施例中,预设双波长比范围可以为大于等于0且小于等于1.6。在一些实施例中,第一筛选模块可以从多个第一候选有效像元中确定多个第一有效像元。
在一些实施例中,第一筛选模块从多个第一候选有效像元中确定多个第一有效像元,可以包括:
对于每个第一候选有效像元,
基于八向连通区域确定第一候选有效像元所属的区域,区域由第一候选有效像元及至少一个其他像元组成;
确定至少一个其他像元对应的最大退偏振率和/或最大双波长比;
基于第一候选有效像元的退偏振率与最大退偏振率的比值和/或第一候选有效像元的双波长比与最大双波长比的比值,判断第一候选有效像元是否为第一有效像元。
基于八向连通区域确定第一候选有效像元所属的区域可以理解为从第一候选有效像元出发,可通过八个方向,即上、下、左、右、左上、右上、左下、右下这八个方向的移动的组合,在不越出区域的前提下,到达区域内的任意像元。可以理解的,一个区域可以由至少一个像元构成,当需要判断区域中的某个第一候选有效像元是否为第一有效像元时,该区域包括的除该第一候选有效像元以外的像元可被称为其他像元。最大退偏振率即每个其他像元对应的退偏振率中的最大值,最大双波长比即每个其他像元对应的双波长比中的最大值。可以理解的,每个第一候选有效像元对应的区域可以不同,因此,对应该第一候选有效像元的最大退偏振率和/或最大双波长比可以不同。
在一些实施例中,当该第一候选有效像元的退偏振率与最大退偏振率的比值大于预设比值和/或第一候选有效像元的双波长比与最大双波长比的比值小于预设比值时,第一筛选模块判断第一候选有效像元为第一有效像元。在一些实施例中,预设比值可以为2。
步骤230,基于垂直特征掩码对多个像元进行筛选,获取多个第二有效像元。在一些实施例中,步骤230可以由第二筛选模块执行。
在一些实施例中,第二筛选模块基于垂直特征掩码对多个像元进行筛选,获取多个第二有效像元,可以包括:
对于每个像元,获取像元的类型及识别结果可信度;
基于像元的类型及识别结果可信度从多个像元中提取多个第二候选有效像元;
从多个第二候选有效像元中提取多个第二有效像元。
在一些实施例中,第二筛选模块可以基于Level 2 云垂直掩码资料获取像元的类型及识别结果可信度。第二筛选模块可以通过场景分类算法SCA基于Level 2 云垂直掩码资料识别散射粒子类型并同时给识别结果标注可信度,可信度可以分为高度、中度、低度、不可信四类,像元的垂直特征掩码可以表征对应的散射粒子的类型。SCA算法基本流程为基于后向散射强度阈值寻找云和气溶胶特征层,根据对流层顶高度区分对流层和平流层,再结合双波长比确定各特征层类型(区分云和气溶胶),釆用退偏振率和高度、温度等辅助数据确定冰水相(水云、冰云)和云类。
在一些实施例中,第二筛选模块可以将对应的散射粒子类型识别为云且识别结果可信度为高度和/或中度的像元作为第二候选像元。
在一些实施例中,第二筛选模块可以将多个第二候选有效像元分成多个第一候选云体。在一些实施例中,第二筛选模块可以通过two-pass算法按8连通域将多个第二候选有效像元分成多个第一候选云体。结合图3,多个像元包括像元1-36,其中,像元8、13、14、15、17、20、21、23、24、29、30、34、35为第二候选有效像元,第二筛选模块可以基于八向连通区域将像元-区分为第一候选云体A310(由像元8、13、14、15、20、21组成)和第一候选云体B320(由像元17、23、24、29、30、34、35组成)。
在一些实施例中,第二筛选模块可以基于最小外接矩形确定每个第一候选云体的轮廓。
在一些实施例中,对于每个第一候选云体,第二筛选模块可以基于第一候选云体的轮廓确定边界总面积;基于第一候选云体包括的多个第二候选有效像元的面积之和,确定像元总面积;计算像元总面积与边界总面积的面积比例,判断面积比例是否符合预设面积比例范围;若面积比例符合预设面积比例范围,判断第一候选云体的云体特征是否符合预设条件;若第一候选云体的云体特征符合预设条件,确定第一候选云体为有效云体,第一候选云体包括的第二候选有效像元为第二有效像元。
在一些实施例中,第二筛选模块可以将第一候选云体的最小外接矩阵的面积作为边界总面积。在一些实施例中,预设面积比例范围可以为大于0.6。
在一些实施例中,云体特征可以包括云体水平宽度和边界不确定度。在一些实施例中,第二筛选模块可以基于第一候选云体对应的最小外接矩形的水平长度确定云体水平宽度。在一些实施例中,边界不确定度可以用于表征无法确定的云体边界的长度,第二筛选模块可以从Level 2 云垂直掩码资料获取边界不确定度。在一些实施例中,预设条件可以为云体水平宽度大于等于10km且边界不确定度小于等于1km。
步骤240,对多个第一有效像元和多个第二有效像元进行空间匹配,获取多个有效云像元。在一些实施例中,步骤230可以由空间匹配模块执行。
在一些实施例中,空间匹配模块可以将多个第一有效像元和多个第二有效像元中相互重叠的多个像元作为多个有效云像元。例如,多个像元包括像元1-16,多个第一有效像元包括1-8,多个第二有效像元包括3-12,则多个有效云像元为像元3-8。
步骤250,基于多个有效云像元,确定至少一个有效云体,每个有效云体包括至少一个有效云像元。在一些实施例中,步骤230可以由第三筛选模块执行。
在一些实施例中,第三筛选模块可以先从多个有效云像元中确定类型为云的多个候选云像元,再基于通过two-pass算法按8连通域将多个候选云像元分成多个有效云体。
步骤260,基于多个第一有效像元及至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系。在一些实施例中,步骤260可以由水平拟合模块执行。
结合图4,在一些实施例中,在获取云体、过渡带及晴空大气的云参数与水平位置对应关系之前,水平拟合模块可以先根据每个有效云体的高度,将多个第一有效像元分为多个层,每个层可以包括一个有效云体。
在一些实施例中,水平拟合模块可以先对每个层对应的多个第一有效像元进行区分,将多个第一有效像元分为对应晴空大气的多个晴空大气像元及对应多个云体的云体像元。在一些实施例中,水平拟合模块可以将与所有第一候选云体轮廓的水平距离均大于第一预设距离阈值(例如,5KM)的第一有效像元作为对应晴空大气的晴空大气像元。
在一些实施例中,对于每个层中的有效云体,水平拟合模块可以剔除有效云体的上下边界,在一些实施例中,水平拟合模块可以基于有效云体的最小外接矩阵确定有效云体的上下边界,并将有效云体的上下边界对应的有效云像元(例如,距离最小外接矩阵的边框的距离小于第二预设距离的有效云像元)从该有效云体对应的有效云像元集合中剔除,从而阻止上下边界引起的边缘效应对侧边界的影响。
在一些实施例中,对于每个层中的有效云体,剔除了上下边界后,水平拟合模块可以将有效云体的侧边界对齐,在一些实施例中,水平拟合模块可以基于有效云体的最小外接矩阵将有效云体的侧边界对齐,例如,确定所有有效云体的最小外接矩阵的左侧边界在水平位置的最小值,并确定所有有效云体的最小外接矩阵的右侧边界在水平位置的最小值,将左侧边界在水平位置的最小值作为所有有效云体的左侧边界,将右侧边界在水平位置的最小值作为所有有效云体的右侧边界。
在一些实施例中,对于每个有效云体,水平拟合模块可以基于最小外接矩形的高度和宽度确定有效云体的云体形状因子,在一些实施例中,水平拟合模块可以将最小外接矩形的高度和宽度的比值作为云体形状因子。在一些实施例中,水平拟合模块可以基于云体形状因子判断有效云体的类型,其中,类型为纵向云或侧向云,其中,水平拟合模块可以将云体形状因子大于1的有效云体的类型确定为侧向云,并将云体形状因子小于等于1的有效云体的类型确定为纵向云。
在一些实施例中,水平拟合模块可以通过拟合模型基于多个第一有效像元、至少一个有效云体及有效云体的类型获取云体、过渡带及晴空大气的云参数与水平位置对应关系。
在一些实施例中,有效云体为纵向云的多个层可以进行组合,形成第一聚合层,第一聚合层可以包括有效云体为纵向云的多个层,拟合模型可以对第一聚合层进行拟合,获取云体、过渡带及晴空大气的云参数与水平位置的第一初始对应关系;有效云体为侧向云的多个层可以进行组合,形成第二聚合层,第二聚合层可以包括有效云体为侧向云的多个层,拟合模型可以对第二聚合层进行拟合,获取云体、过渡带及晴空大气的云参数与水平位置的第二初始对应关系;拟合模型再基于云体、过渡带及晴空大气的云参数与水平位置的第一初始对应关系及云体、过渡带及晴空大气的云参数与水平位置的第二初始对应关系获取最终的观测剖面对应的云体、过渡带及晴空大气的云参数与水平位置对应关系。
在一些实施例中,对于第一聚合层,拟合模型可以先分别确定有效云体的云参数与水平位置对应关系、过渡带的云参数与水平位置对应关系及晴空大气的云参数与水平位置对应关系,再对有效云体的云参数与水平位置对应关系、过渡带的云参数与水平位置对应关系及晴空大气的云参数与水平位置对应关系进行拟合,获取云体、过渡带及晴空大气的云参数与水平位置的第一初始对应关系。对于第二聚合层,拟合模型可以先分别确定有效云体的云参数与水平位置对应关系、过渡带的云参数与水平位置对应关系及晴空大气的云参数与水平位置对应关系,再对有效云体的云参数与水平位置对应关系、过渡带的云参数与水平位置对应关系及晴空大气的云参数与水平位置对应关系进行拟合,获取云体、过渡带及晴空大气的云参数与水平位置的第二初始对应关系。
在一些实施例中,对于类型为纵向云的有效云体,可以将该有效云体内距离该有效云体的侧边界第三预设距离(例如,1KM)内的多个有效云像元作为第一过渡带像元集,并将晴空大气内距离该有效云体的侧边界第三预设距离内的多个晴空大气像元作为第二过渡带像元集,第一过渡带像元集和第二过渡带像元集组合作为该有效云体的过渡带对应的过渡带像元的集合。在一些实施例中,对于类型为侧向云的有效云体,可以将该有效云体内距离该有效云体的侧边界第四预设距离(例如,有效云体的宽度的一半)内的多个有效云像元作为第一过渡带像元集,并将晴空大气内距离该有效云体的侧边界第三预设距离内的多个晴空大气像元作为第二过渡带像元集,第一过渡带像元集和第二过渡带像元集组合作为该有效云体的过渡带对应的过渡带像元的集合。
结合图4,在一些实施例中,对于第一聚合层,拟合模型可以获取每个水平位置对应的不同高度处的第一有效像元的云参数的中位数(例如,后向散射系数的中位数、退偏振率的中位数及双波长比的中位数等),从而获取不同水平位置对应的云参数的中位数。在一些实施例中,拟合模型可以基于不同水平位置对应的云参数的中位数进行拟合,获取第一聚合层对应的云体、过渡带及晴空大气的云参数与水平位置的第一初始对应关系。在一些实施例中,对于第一聚合层中有效云体对应的后向散射系数,拟合模型可以采用对数-二次拟合基于有效云体内不同水平位置对应的后向散射系数的中位数获取有效云体对应的后向散射系数与水平位置的对应关系。在一些实施例中,对于第一聚合层中有效云体对应的双波长比,拟合模型可以采用双曲线拟合基于有效云体内不同水平位置对应的双波长比的中位数获取有效云体对应的双波长比与水平位置的对应关系。在一些实施例中,对于第一聚合层中有效云体对应的退偏振率,拟合模型可以采用双曲线拟合基于有效云体内不同水平位置对应的退偏振率的中位数获取有效云体对应的退偏振率与水平位置的对应关系。在一些实施例中,对于第一聚合层中晴空大气对应的后向散射系数,拟合模型可以采用线性拟合基于晴空大气内不同水平位置对应的后向散射系数的中位数获取层晴空大气对应的后向散射系数与水平位置的对应关系。在一些实施例中,对于第一聚合层中晴空大气对应的双波长比,拟合模型可以采用线性拟合基于晴空大气内不同水平位置对应的双波长比的中位数获取层晴空大气对应的双波长比与水平位置的对应关系。在一些实施例中,对于第一聚合层中晴空大气对应的退偏振率,拟合模型可以采用线性拟合基于晴空大气内不同水平位置对应的退偏振率的中位数获取层晴空大气对应的退偏振率与水平位置的对应关系。在一些实施例中,对于第一聚合层中过渡带对应的后向散射系数,拟合模型可以采用对数拟合基于过渡带内不同水平位置对应的后向散射系数的中位数获取过渡带对应的后向散射系数与水平位置的对应关系。在一些实施例中,对于第一聚合层中过渡带对应的双波长比,拟合模型可以采用双曲线拟合基于过渡带内不同水平位置对应的双波长比的中位数获取过渡带对应的双波长比与水平位置的对应关系。在一些实施例中,对于第一聚合层中过渡带对应的退偏振率,拟合模型可以采用双曲线拟合基于过渡带内不同水平位置对应的退偏振率的中位数获取过渡带对应的退偏振率与水平位置的对应关系。
在一些实施例中,对于第二聚合层,拟合模型可以获取每个水平位置对应的不同高度处的第一有效像元的云参数的平均数(例如,后向散射系数的平均数、退偏振率的平均数及双波长比的平均数等),从而获取不同水平位置对应的云参数的平均数。在一些实施例中,拟合模型可以基于不同水平位置对应的云参数的平均数进行拟合,获取第二聚合层对应的云体、过渡带及晴空大气的云参数与水平位置的第二初始对应关系。在一些实施例中,对于第二聚合层中有效云体对应的后向散射系数,拟合模型可以采用对数-二次拟合基于有效云体内不同水平位置对应的后向散射系数的平均数获取有效云体对应的后向散射系数与水平位置的对应关系。在一些实施例中,对于第二聚合层中有效云体对应的双波长比,拟合模型可以采用双曲线拟合基于有效云体内不同水平位置对应的双波长比的平均数获取有效云体对应的双波长比与水平位置的对应关系。在一些实施例中,对于第二聚合层中有效云体对应的退偏振率,拟合模型可以采用双曲线拟合基于有效云体内不同水平位置对应的退偏振率的平均数获取有效云体对应的退偏振率与水平位置的对应关系。在一些实施例中,对于第二聚合层中晴空大气对应的后向散射系数,拟合模型可以采用线性拟合基于晴空大气内不同水平位置对应的后向散射系数的平均数获取层晴空大气对应的后向散射系数与水平位置的对应关系。在一些实施例中,对于第二聚合层中晴空大气对应的双波长比,拟合模型可以采用线性拟合基于晴空大气内不同水平位置对应的双波长比的平均数获取层晴空大气对应的双波长比与水平位置的对应关系。在一些实施例中,对于第二聚合层中晴空大气对应的退偏振率,拟合模型可以采用线性拟合基于晴空大气内不同水平位置对应的退偏振率的平均数获取层晴空大气对应的退偏振率与水平位置的对应关系。在一些实施例中,对于第二聚合层中过渡带对应的后向散射系数,拟合模型可以采用线性拟合基于过渡带内不同水平位置对应的后向散射系数的平均数获取过渡带对应的后向散射系数与水平位置的对应关系。在一些实施例中,对于第二聚合层中过渡带对应的双波长比,拟合模型可以采用线性拟合基于过渡带内不同水平位置对应的双波长比的平均数获取过渡带对应的双波长比与水平位置的对应关系。在一些实施例中,对于第二聚合层中过渡带对应的退偏振率,拟合模型可以采用线性拟合基于过渡带内不同水平位置对应的退偏振率的平均数获取过渡带对应的退偏振率与水平位置的对应关系。
在一些实施例中,拟合模型可以利用统计学方法对云体、过渡带及晴空大气的云参数与水平位置的第一初始对应关系及云体、过渡带及晴空大气的云参数与水平位置的第二初始对应关系进行整合,获取最终的观测剖面对应的云体、过渡带及晴空大气的云参数与水平位置对应关系。
在一些实施例中,需要获取该观测剖面的某个水平位置的云参数时,可以将该水平位置(即目标水平位置)输入至拟合模型中,拟合模型可以根据云体、过渡带及晴空大气的云参数与水平位置对应关系输出目标水平位置的云参数。
可以理解的,通过基于后向散射系数、垂直特征掩码对多个像元进行筛选,获取多个有效云像元,并基于多个有效云像元,确定至少一个有效云体,每个有效云体包括至少一个有效云像元;再基于多个第一有效像元及至少一个有效云体,实现对无效数据的剔除,使得获取的云体、过渡带及晴空大气的云参数与水平位置对应关系更加准确,减小拟合的云参数误差,为辐射强迫评估提供更为准确的依据。
在一些实施例中,基于拟合模型的云参数确定系统100还可以利用后向散射系数等云参量,可计算消光系数、光学厚度、冰水含量等云参量,结合大气辐射传输模式(如:Fu-Liou模式、MODTRAN模式、LOWTRAN模式、HITRAN模式等)可计算云的辐射强迫和辐射消光,提高地面辐射和温度的计算能力。
在本申请的另一些实施例中,提供了一种基于拟合模型的云参数确定装置,包括至少一个处理设备以及至少一个存储设备;至少一个存储设备用于存储计算机指令,至少一个处理设备用于执行计算机指令中的至少部分指令以实现如上的一种基于拟合模型的云参数确定方法。
在本申请的又一些实施例中,提供了一种计算机可读存储介质,存储介质存储计算机指令,当计算机指令被处理设备执行时实现如上的基于拟合模型的云参数确定方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran、Perl、COBOL、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (8)

1.一种基于拟合模型的云参数确定方法,其特征在于,包括:
基于星载激光雷达获取垂直剖面二维数据集,所述垂直剖面二维数据集包括多个像元的后向散射系数及垂直特征掩码;
基于所述后向散射系数对所述多个像元进行筛选,获取多个第一有效像元;
基于所述垂直特征掩码对所述多个像元进行筛选,获取多个第二有效像元;
对所述多个第一有效像元和所述多个第二有效像元进行空间匹配,获取多个有效云像元;
基于所述多个有效云像元,确定至少一个有效云体,每个所述有效云体包括至少一个有效云像元;
基于所述多个第一有效像元及所述至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系;
所述基于所述垂直特征掩码对所述多个像元进行筛选,获取多个第二有效像元,包括:
对于每个所述像元,获取所述像元的类型及识别结果可信度;
基于所述像元的类型及识别结果可信度从所述多个像元中提取多个第二候选有效像元;
从多个第二候选有效像元中提取所述多个第二有效像元;
所述从多个第二候选有效像元中提取所述多个第二有效像元,包括:
将所述多个第二候选有效像元分成多个第一候选云体;
基于最小外接矩形确定每个所述第一候选云体的轮廓;
对于每个所述第一候选云体,
基于所述第一候选云体的轮廓确定边界总面积;
基于所述第一候选云体包括的多个所述第二候选有效像元的面积之和,确定像元总面积;
计算所述像元总面积与所述边界总面积的面积比例,判断所述面积比例是否符合预设面积比例范围;
若所述面积比例符合所述预设面积比例范围,判断所述第一候选云体的云体特征是否符合预设条件;
若所述第一候选云体的云体特征符合所述预设条件,确定所述第一候选云体为所述有效云体,所述第一候选云体包括的所述第二候选有效像元为所述第二有效像元。
2.根据权利要求1所述的一种基于拟合模型的云参数确定方法,其特征在于,所述云参数包括所述后向散射系数、退偏振率、双波长比;
所述基于所述后向散射系数对所述多个像元进行筛选,获取多个第一有效像元,包括:
对于每个所述像元,基于所述后向散射系数确定所述退偏振率及所述双波长比;
基于所述退偏振率及所述双波长比对所述多个像元进行筛选,获取多个第一有效像元。
3.根据权利要求2所述的一种基于拟合模型的云参数确定方法,其特征在于,所述基于所述退偏振率及所述双波长比对所述多个像元进行筛选,获取多个第一有效像元,包括:
对于每个所述像元,
判断所述退偏振率是否符合预设退偏振率范围;
若所述退偏振率符合预设退偏振率范围,判断所述双波长比是否符合预设双波长比范围;
若所述双波长比符合预设双波长比范围,将所述像元作为第一候选有效像元;
从多个所述第一候选有效像元中确定多个第一有效像元。
4.根据权利要求3所述的一种基于拟合模型的云参数确定方法,其特征在于,所述从多个所述第一候选有效像元中确定多个第一有效像元,包括:
对于每个所述第一候选有效像元,
基于八向连通区域确定所述第一候选有效像元所属的区域,所述区域由所述第一候选有效像元及至少一个其他像元组成;
确定所述至少一个其他像元对应的最大退偏振率和/或最大双波长比;
基于所述第一候选有效像元的所述退偏振率与所述最大退偏振率的比值和/或所述第一候选有效像元的所述双波长比与所述最大双波长比的比值,判断所述第一候选有效像元是否为所述第一有效像元。
5.根据权利要求1所述的一种基于拟合模型的云参数确定方法,其特征在于,所述云体特征包括云体水平宽度及侧边界不确定度;
所述判断所述第一候选云体的云体特征是否符合预设条件,包括:
获取所述第一候选云体的所述云体水平宽度及所述侧边界不确定度;
判断所述云体水平宽度是否大于预设宽度阈值;
若体水平宽度大于预设宽度阈值,判断所述侧边界不确定度是否小于预设不确定度阈值;
若所述侧边界不确定度小于所述预设不确定度阈值,判断所述第一候选云体的云体特征符合预设条件。
6.根据权利要求1-4任意一项所述的一种基于拟合模型的云参数确定方法,其特征在于,所述对所述多个第一有效像元和所述多个第二有效像元进行空间匹配,获取多个有效云像元,包括:
将所述多个第一有效像元和所述多个第二有效像元中相互重叠的多个像元作为所述多个有效云像元。
7.根据权利要求1所述的一种基于拟合模型的云参数确定方法,其特征在于,所述基于所述多个第一有效像元及所述至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系,包括:
对于每个所述有效云体,剔除所述有效云体的上下边界;
将各层像元云侧边界按识别得到的云体边界对齐;
对于每个所述有效云体,基于所述最小外接矩形的高度和宽度确定所述有效云体的云体形状因子;
基于所述云体形状因子判断所述有效云体的类型,其中,所述类型为纵向云或侧向云;
通过拟合模型基于多个第一有效像元、所述至少一个有效云体及所述有效云体的类型获取所述云体、过渡带及晴空大气的云参数与水平位置对应关系。
8.一种基于拟合模型的云参数确定系统,其特征在于,包括:
数据获取模块,用于基于星载激光雷达获取垂直剖面二维数据集,所述垂直剖面二维数据集包括多个像元的后向散射系数及垂直特征掩码;
第一筛选模块,用于基于所述后向散射系数对所述多个像元进行筛选,获取多个第一有效像元;
第二筛选模型,用于基于所述垂直特征掩码对所述多个像元进行筛选,获取多个第二有效像元;
空间匹配模块,用于对所述多个第一有效像元和所述多个第二有效像元进行空间匹配,获取多个有效云像元;
第三筛选模块,用于基于所述多个有效云像元,确定至少一个有效云体,每个所述有效云体包括至少一个有效云像元;
水平拟合模块,用于基于所述多个第一有效像元及所述至少一个有效云体,获取云体、过渡带及晴空大气的云参数与水平位置对应关系;
所述第二筛选模型还用于:
对于每个所述像元,获取所述像元的类型及识别结果可信度;
基于所述像元的类型及识别结果可信度从所述多个像元中提取多个第二候选有效像元;
从多个第二候选有效像元中提取所述多个第二有效像元;
所述第二筛选模型还用于:
将所述多个第二候选有效像元分成多个第一候选云体;
基于最小外接矩形确定每个所述第一候选云体的轮廓;
对于每个所述第一候选云体,
基于所述第一候选云体的轮廓确定边界总面积;
基于所述第一候选云体包括的多个所述第二候选有效像元的面积之和,确定像元总面积;
计算所述像元总面积与所述边界总面积的面积比例,判断所述面积比例是否符合预设面积比例范围;
若所述面积比例符合所述预设面积比例范围,判断所述第一候选云体的云体特征是否符合预设条件;
若所述第一候选云体的云体特征符合所述预设条件,确定所述第一候选云体为所述有效云体,所述第一候选云体包括的所述第二候选有效像元为所述第二有效像元。
CN202210255819.7A 2022-03-16 2022-03-16 一种基于拟合模型的云参数确定方法及系统 Active CN114332651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210255819.7A CN114332651B (zh) 2022-03-16 2022-03-16 一种基于拟合模型的云参数确定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210255819.7A CN114332651B (zh) 2022-03-16 2022-03-16 一种基于拟合模型的云参数确定方法及系统

Publications (2)

Publication Number Publication Date
CN114332651A CN114332651A (zh) 2022-04-12
CN114332651B true CN114332651B (zh) 2022-05-13

Family

ID=81033880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210255819.7A Active CN114332651B (zh) 2022-03-16 2022-03-16 一种基于拟合模型的云参数确定方法及系统

Country Status (1)

Country Link
CN (1) CN114332651B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125084A (zh) * 2016-08-08 2016-11-16 山东省科学院海洋仪器仪表研究所 基于浮标的海洋云高长期在线监测装置及方法
CN106646476A (zh) * 2016-12-02 2017-05-10 上海无线电设备研究所 一种液态云微物理参数的反演方法
US9983112B1 (en) * 2017-01-20 2018-05-29 Rosemount Aerospace Inc. Controlled sampling volume of clouds for measuring cloud parameters
CN109490891A (zh) * 2018-11-23 2019-03-19 四川省气象探测数据中心 二次云数据获取方法、装置及云参数计算设备
WO2020015326A1 (zh) * 2018-07-19 2020-01-23 山东科技大学 一种地表类型数据支持的遥感图像云阴影检测方法
WO2020025984A1 (en) * 2018-08-01 2020-02-06 Pantazis Alexandros Method of use of a lidar device and operatively associated lidar data processing unit for providing real-time monitoring of meteorological parameters
CN113219496A (zh) * 2021-03-18 2021-08-06 杭州电子科技大学 一种星载海洋大气参数激光雷达探测系统
CN113237801A (zh) * 2021-05-13 2021-08-10 北京市人工影响天气办公室 一种识别沙尘云混合体的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10261006B2 (en) * 2016-07-21 2019-04-16 Rosemount Aerospace, Inc. Method of estimating cloud particle sizes using LIDAR ratio
US10656084B2 (en) * 2018-06-14 2020-05-19 Rosemount Aerospace Inc. System and method for measuring cloud parameters
US10902260B2 (en) * 2018-11-29 2021-01-26 International Business Machines Corporation Estimating a height of a cloud depicted in an image
CN111104888A (zh) * 2019-12-04 2020-05-05 山东科技大学 Aviris高分辨率数据支持的云检测算法自动生成技术

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125084A (zh) * 2016-08-08 2016-11-16 山东省科学院海洋仪器仪表研究所 基于浮标的海洋云高长期在线监测装置及方法
CN106646476A (zh) * 2016-12-02 2017-05-10 上海无线电设备研究所 一种液态云微物理参数的反演方法
US9983112B1 (en) * 2017-01-20 2018-05-29 Rosemount Aerospace Inc. Controlled sampling volume of clouds for measuring cloud parameters
WO2020015326A1 (zh) * 2018-07-19 2020-01-23 山东科技大学 一种地表类型数据支持的遥感图像云阴影检测方法
WO2020025984A1 (en) * 2018-08-01 2020-02-06 Pantazis Alexandros Method of use of a lidar device and operatively associated lidar data processing unit for providing real-time monitoring of meteorological parameters
CN109490891A (zh) * 2018-11-23 2019-03-19 四川省气象探测数据中心 二次云数据获取方法、装置及云参数计算设备
CN113219496A (zh) * 2021-03-18 2021-08-06 杭州电子科技大学 一种星载海洋大气参数激光雷达探测系统
CN113237801A (zh) * 2021-05-13 2021-08-10 北京市人工影响天气办公室 一种识别沙尘云混合体的方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Global analysis of cloud phase and ice crystal orientation from Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) data using attenuated backscattering and depolarization ratio;R. Yoshida 等;《Journal of geophysical research》;20100826;第115卷(第D4期);第1-12页 *
MODIS卷云光学厚度与有效粒子直径反演的误差及校正方法研究;周永波;《中国博士学位论文全文数据库 基础科学辑》;20200215(第02期);第A009-6页 *
中国及周边地区多层云垂直结构时空分布特征;冯晓 等;《高原山地气象研究》;20211031;第41卷(第3期);第9-16页 *
中国大陆东部和近海卷云—晴空大气过渡带的光学特征;蔡宏珂;《中国博士学位论文全文数据库 基础科学辑》;20131015(第10期);第A009-7页摘要,第2节,第4节 *
云微物理参数的联合反演及其辐射效应的研究;芦荀;《中国优秀硕士学位论文全文数据库 基础科学辑》;20180315(第03期);第A009-182页 *
北京地区地基天空辐射计与卫星云特性;郭文昕 等;《沙漠与绿洲气象》;20211231;第15卷(第6期);第95-102页 *
基于天气雷达探测数据构建地理空间三维云体技术;孟昭林;《气象科技》;20130630;第41卷(第3期);第425-447页 *

Also Published As

Publication number Publication date
CN114332651A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN107330376B (zh) 一种车道线识别方法及系统
US10290219B2 (en) Machine vision-based method and system for aircraft docking guidance and aircraft type identification
US9734398B2 (en) Method and apparatus for identifying object
CN111353512B (zh) 障碍物分类方法、装置、存储介质和计算机设备
Mu et al. Lane detection based on object segmentation and piecewise fitting
EP2736018B1 (en) Determining pushback direction
CN110502983B (zh) 一种检测高速公路中障碍物的方法、装置及计算机设备
US20170262732A1 (en) System and method for aircraft docking guidance and aircraft type identification
US11227367B2 (en) Image processing device, image processing method and storage medium
CN104899554A (zh) 一种基于单目视觉的车辆测距方法
US8744177B2 (en) Image processing method and medium to extract a building region from an image
CN117094914B (zh) 基于计算机视觉的智慧城市道路监控系统
US20210150182A1 (en) Cloud detection from satellite imagery
CN111932537A (zh) 对象形变检测方法、装置、计算机设备和存储介质
US20170178341A1 (en) Single Parameter Segmentation of Images
Pan et al. No-reference assessment on haze for remote-sensing images
CN105868745A (zh) 基于动态场景感知的天气识别方法
CN110910445B (zh) 一种物件尺寸检测方法、装置、检测设备及存储介质
CN107273813A (zh) 基于高分卫星遥感数据的地理空间要素提取系统
CN112465708A (zh) 基于暗通道改进的图像去雾方法
CN115272876A (zh) 一种基于深度学习的遥感图像船舶目标检测方法
CN114332651B (zh) 一种基于拟合模型的云参数确定方法及系统
CN110427961B (zh) 一种基于规则和样本融合的建筑信息提取方法及系统
Huang et al. Haze removal method based on a variation function and colour attenuation prior for UAV remote-sensing images
CN116310889A (zh) 无人机环境感知数据的处理方法、控制终端以及存储介质

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