CN114354529B - 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 - Google Patents
基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 Download PDFInfo
- Publication number
- CN114354529B CN114354529B CN202210021262.0A CN202210021262A CN114354529B CN 114354529 B CN114354529 B CN 114354529B CN 202210021262 A CN202210021262 A CN 202210021262A CN 114354529 B CN114354529 B CN 114354529B
- Authority
- CN
- China
- Prior art keywords
- cloud
- opaque
- threshold
- condition
- lrc
- 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
- 238000000614 phase inversion technique Methods 0.000 title claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 117
- 238000001514 detection method Methods 0.000 claims abstract description 115
- 239000008276 ice cloud Substances 0.000 claims abstract description 86
- 230000003287 optical effect Effects 0.000 claims abstract description 46
- 238000010521 absorption reaction Methods 0.000 claims abstract description 23
- 230000005855 radiation Effects 0.000 claims description 101
- 239000010410 layer Substances 0.000 claims description 87
- 102100031509 Fibrillin-1 Human genes 0.000 claims description 37
- 101000846893 Homo sapiens Fibrillin-1 Proteins 0.000 claims description 37
- BBDAGFIXKZCXAH-CCXZUQQUSA-N ancitabine Chemical compound N=C1C=CN2[C@@H]3O[C@H](CO)[C@@H](O)[C@@H]3OC2=N1 BBDAGFIXKZCXAH-CCXZUQQUSA-N 0.000 claims description 37
- 239000005436 troposphere Substances 0.000 claims description 24
- 239000002356 single layer Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 239000007788 liquid Substances 0.000 abstract description 23
- 239000002245 particle Substances 0.000 abstract description 22
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000007710 freezing Methods 0.000 abstract description 6
- 230000008014 freezing Effects 0.000 abstract description 6
- 239000000110 cooling liquid Substances 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 52
- 238000012360 testing method Methods 0.000 description 24
- 230000035945 sensitivity Effects 0.000 description 16
- 238000001914 filtration Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000002844 melting Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 230000035515 penetration Effects 0.000 description 4
- 239000000443 aerosol Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000013526 supercooled liquid Substances 0.000 description 2
- IVDRCZNHVGQBHZ-UHFFFAOYSA-N 2-butoxyethyl 2-(3,5,6-trichloropyridin-2-yl)oxyacetate Chemical compound CCCCOCCOC(=O)COC1=NC(Cl)=C(Cl)C=C1Cl IVDRCZNHVGQBHZ-UHFFFAOYSA-N 0.000 description 1
- 230000005457 Black-body radiation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及气象分析领域,公开了基于极轨气象卫星搭载的MERSI‑Ⅱ仪器的全天候云相态反演方法,具体包括:利用极轨气象卫星多光谱成像仪搭载的热红外通道获取的有效云发射率来计算有效吸收光学厚度,即β。对于不同通道组合的β比,液态水云和冰云在多数有效粒子半径范围内都是可以区分的。结合使用β比和不同通道的亮温,通过低表面发射率检测、不透明云检测、水汽通道多层云检测、红外窗区通道的多层云检测、均质冻结检测、水汽通道冰云检测、次级冰云检测、混合相态云检测、多冷却液态云检测等一系列检测,判定出云相态。实施本发明的技术方案避免了受太阳天顶角的限制,从而可获取极轨气象卫星的全天候云相态反演产品。
Description
技术领域
本发明涉及气象分析领域,尤其涉及一种基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法。
背景技术
风云三号(FY-3)气象卫星是我国第二代极轨气象卫星,目标是实现在全球大气和地球物理要素的全天候、多光谱和三维观测,主要为中期数值天气预报提供气象参数,并监测大范围自然灾害和生态环境,同时为研究全球环境变化、探索全球气候变化规律以及海洋、农业、林业、航空和军事等部门提供气象信息。其中,中分辨率光谱成像仪-微光型Ⅱ(MERSI-Ⅱ,Medium Resolution Spectral Imager)是FY-3极轨气象卫星关键成像仪器,通过对微光和红外波段多光谱连续综合观测,实现云、水汽、陆地表面特性等大气、陆地、海洋参量的高精度定量反演。FY-3极轨气象卫星上搭载的MERSI-Ⅱ仪器在继承中分辨率光谱成像仪-Ⅱ型全部红外通道设置基础上增加可见光微光通道,可实现晨昏轨道上的微光和红外探测能力。MERSI-Ⅱ共设置8个观测通道,其中包括1个微光通道和7个热红外通道,其中2个红外分裂窗通道的空间分辨率为250米,其余通道的空间分辨率为1000米。可通过MERSI-Ⅱ的所有通道获取昼夜全球观测数据。
而云对地气系统的辐射收支平衡、热量平衡和湿度分布有重大影响,参与多种正负反馈过程,是气候系统的内部参数。厚的水云能反射大部分太阳辐射,而较高而薄的冰云则能阻止长波辐射射向太空。对不同云类型和相态的正确检测、识别和应用,可以在气候研究中更合理地使用云的信息。云与天气也存在密切关系,不同的云类型和相态反映了不同的大气状况,因而对云进行正确的分类有助于改善天气预报精度。水云和冰云对地球能量平衡的影响不同,水云反射短波辐射,而冰云可以吸收地球向外的辐射或者将其返回地球表面。目前,人们对暖云和卷云的热力及动力特性的认识已经取得了一些发展,对于混合相态云的认识还有相当大的距离。混合相态云是主要的降水云,其发展过程通常决定了降水过程的发展。因此,精确的云相态判识非常重要,不仅在天气预报中对于暴雨的预报具有现实的指导意义,为人工影响天气作业提供依据,而且还可以为天气和气候模式的改进提供参考。因此,云相态的反演研究对于揭示天气气候系统发生发展的物理机制有着十分重要的意义。
而现有技术中极轨气象卫星的云相态的精确反演中通常会使用可见光通道和近红外通道,由于可见光和近红外通道观测不连续,因此只能在白天进行计算而获取云相态产品,而夜晚无法进行反演,因此无法获取全天候的云相态产品。
发明内容
为了解决上述技术问题,本发明提供了一种基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法,只需基于热红外通道进行极轨气象卫星的云相态反演,而不受太阳天顶角的限制,从而获取极轨气象卫星的全天候云相态反演产品。
基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法,包括:
步骤一、通过搭载于极轨气象卫星FY-3E上的MERSI-Ⅱ仪器获取预设的4个目标热红外通道的辐射数据;该4个目标通道的辐射波长分别为7.2μm、8.55μm、10.8μm和12μm。
步骤二、对所述辐射数据进行云类型检测:对所述辐射数据中有云的目标像元进行多层云检测,若满足多层云判定条件,则确定目标像元中存在多层云,否则对目标像元进行总体冰云检测,若满足总体冰云判定条件,则继续对目标像元进行次级冰云检测,若满足次级冰云判定条件,则确定目标像元中存在薄冰云,否则确定目标像元中存在厚冰云,若不满足总体冰云判定条件,则继续对目标像元进行混合云检测,若满足混合云判定条件,则确定目标像元中存在混合云,否则继续进行过冷水云检测,若满足过冷水云判定条件,则确定目标像元中存在过冷水云,否则继续进行暖水云检测,若满足暖水云判定条件,则确定目标像元中存在暖水云;返回执行对所述辐射数据中包含有云的目标像元进行多层云检测的步骤,直至对所述辐射数据中所有包含有云的目标像元进行云类型检测;
步骤三、基于确定的云类型和预设的云相态-云类型对应规则判定所述目标像元的云相态。
优选地,在步骤二之前还包括:
步骤10、根据所述辐射数据计算各目标通道对应的有效云发射率ε(λi);其中i=1、2、3、4,λi表示目标通道对应的辐射波长,λ1<λ2<λ3<λ4;
步骤20、根据各目标通道对应的有效云发射率计算有效吸收光学厚度比β(8.55/10.8um)、β(12/10.8um)和β(7.2/10.8um)。
优选地,所述有效云发射率的计算公式为:
其中,εstropo(λi)表示单层云对流层顶假设时各目标通道对应的有效云发射率,Robs(λi)表示观测的大气层顶辐射,Rclr(λi)表示观测的大气层顶的晴空辐射、Rtropo(λi)表示由对流层顶积分至大气层顶的晴空大气辐射,ttropo(λi)表示由对流层顶积分至大气层顶的晴空大气传输,B(λi,Ttropo)表示普朗克函数;
则根据εstropo(λi)计算有效吸收光学厚度比的公式为:
或者,
其中,εmtropo(λi)表示多层云对流层顶假设时各目标通道对应的有效云发射率,Tblack表示在Pblack气压层上的温度,Rblack(λi)和tblack(λi)分别表示晴空大气由气压为Pblack的层次垂直积分至大气层顶的辐射和传输;
则根据εmtropo(λi)计算有效吸收光学厚度比的公式为:
或者,
其中,εsopaque(λi)表示单层云不透明云假设时各目标通道对应的有效云发射率,其中,i取值2、3和4,Rcld-interp(λi)为黑体云辐射;
则根据εsopaque(λi)计算有效吸收光学厚度比的公式为:
或者,
其中,εmopaque(λi)表示多层云不透明云假设时各目标通道对应的有效云发射率,其中,i取值2、3和4;
则根据εmopaque(λi)计算有效吸收光学厚度比的公式为:
优选地,多层云判定条件包括第一判定条件和第二判定条件,若满足第一判定条件或者第二判定条件,则满足多层云判定条件;
所述第一判定条件为:
εstropo(7.2um)>WVMD_Thresh1;
且,
WVMD_Thresh2<βmtropo(7.2/10.8um)<WVMD_Thresh3;
且,
βstropo(12/10.8um)<βmtropo(12/11um);
且,
WVMD_Thresh4<εmtropo(10.8um)<WVMD_Thresh5;
且,
WVMD_Thresh6<βmopaque(12/10.8um)<WVMD_Thresh7;
且,
WVMD_Thresh8<βsopaque(8.55/10.8um)—LRC<WVMD_Thresh9;
其中,WVMD_Thresh1、WVMD_Thresh2、WVMD_Thresh3、WVMD_Thresh4、WVMD_Thresh5、WVMD_Thresh6、WVMD_Thresh7、WVMD_Thresh8和WVMD_Thresh9取值分别为:0.02、0.1、0.9、0、0.6、1019、2.3、0.4和1.1;
所述第二判定条件为:
所述第二判定条件包括第一子判定条件和第二子判定条件,若满足第一子判定条件且第二子判定条件,则满足所述第二判定条件;
所述第一子判定条件为:
IWMD_Thresh1<βsopaque(8.55/10.8um)—LRC<WMD_Thresh2;
或者,
IWMD_Thresh1<βmopaque(8.55/10.8um)<IWMD_Thresh2;
或者,
IWMD_Thresh1<βmtropo(8.55/10.8um)<IWMD_Thresh2;
所述第二子判定条件为:
IWMD_Thresh3<βstropo(12/10.8um)<IWMD_Thresh4;
且
IWMD_Thresh5<εmtropo(10.8um)<IWMD_Thresh6;
且,
βdiff(12/10.8um)>IWMD_Thresh7;
且,
IWMD_Thresh8<βmopaque(12/10.8um)<IWMD_Thresh9;
其中,IWMD_Thresh1、IWMD_Thresh2、IWMD_Thresh3、IWMD_Thresh4、IWMD_Thresh5、IWMD_Thresh6、IWMD_Thresh7和IWMD_Thresh8取值分别为:0.4、1.1、0.85、0.98、0.0、0.2、0.03、1.19和2.3。
优选地,所述总体冰云判定条件包括第三判定条件、第四判定条件、第五判定条件、第六判定条件和第七判定条件,当所述第三判定条件、第四判定条件、第五判定条件、第六判定条件或者第七判定条件中任意一个判定条件成立,则满足总体冰云判定条件;
所述第三判定条件为:
170.0K<Topaque(10.8um)≤238.0K;
其中Topaque(10.8um)表示辐射波长为10.8μm的目标通道的亮温;
所述第四判定条件为:
BOWVIC_Thresh1(Topaque(7.2um))<βsopaque(8.55/10.8um)<BOWVIC_Thresh2(Topaque(7.2um));
且,
BOWVIC_Thresh3(Topaque(7.2um)_LRC)<βsopaque(8.55/10.8um)—LRC<BOWVIC_Thresh4(Topaque(7.2um)—LRC);
且,
BOWVIC_Thresh5(Topaque(7.2um))<βstropo(12/10.8um)<BOWVIC_Thresh6(Topaque(7.2um));
其中,Topaque(7.2um)表示辐射波长为7.2μm的目标通道的亮温,BOWVIC_Thresh1(Topaque(7.2um))、BOWVIC_Thresh2(Topaque(7.2um))、BOWVIC_Thresh3(Topaque(7.2um)_LRC)、BOWVIC_Thresh4(Topaque(7.2um)—LRC)、BOWVIC_Thresh5(Topaque(7.2um))和BOWVIC_Thresh6(Topaque(7.2um))表示βsopaque(8.55/10.8um)阈值;
所述第五判定条件为:
BOWVIC_Thresh1(Topaque(7.2um)—LRC)<βsopaque(8.55/10.8um)<BOWVIC_Thresh2(Topaque(7.2um)—LRC);
且,
BOWVIC-LRC_Thresh3<βstropo(12/10.8um)<BOWVIC-LRC_Thresh4;
其中,阈值BOWVIC_Thresh1(Topaque(7.2um)—LRC)和BOWVIC_Thresh2(Topaque(7.2um)—LRC)是Topaque(7.2um)—LRC的函数;阈值BOWVIC-LRC_Thresh3和BOWVIC-LRC_Thresh4取值分别为0.95和1.5;
所述第六判定条件为:
Topaque(7.2μm)>OCTD_Threshold_1,且,Topaque(10.8μm)>OCTD_Threshold_2,且,Topaque(diff)<OCTD_Threshold_3;
且,
Topaque(7.2um)<273.16K;
且,
BOIC_Thresh1<βsopaque(8.55/10.8um)<BOIC_Thresh2
且,
BOIC_Thresh3<βsopaque(8.55/10.8um)-LRC<BOIC_Thresh4;
其中βsopaque(8.55/10.8um)-LRC为局地辐射中心的βsopaque(8.55/10.8um),阈值BOIC_Thresh1、BOIC_Thresh2、BOIC_Thresh3和BOIC_Thresh4取值分别为0.4、1.1、0.4和1.12,阈值OCTD_Threshold_1、OCTD_Threshold_2和OCTD_Threshold_3取值分别为170、170和4.5;
所述第七判定条件为:
εsfc(8.55um)<LSE_Threshold_1;
且,
εstropo(10.8um)<LSE_Threshold_2;
且,
BTWVIC_Thresh1(Topaque(7.2um))<βstropo(8.55/10.8um)<BTWVIC_Thresh2(Topaque(7.2um))
且,
BTWVIC_Thresh3<βsopaque(12/10.8um)<BTWVIC_Thresh4;
其中,εsfc(8.55um)表示辐射波长为8.55um通道的表面发射率,阈值LSE_Threshold_1和LSE_Threshold_2取值分别为0.85和0.50,阈值BTWVIC_Thresh1(Topaque(7.2um))和BTWVIC_Thresh2(Topaque(7.2um))是Topaque(7.2um)的函数,阈值BTWVIC_Thresh3和BTWVIC_Thresh4取值分别为1.00和2.00。
优选地,所述次级冰云判定条件包括第八判定条件和第九判定条件,若第八判定条件或者第九判定条件成立,则满足所述次级冰云判定条件;
所述第八判定条件为:εstropo(10.8μm)<SCIC_Thresh1;
所述第九判定条件为:不透明云检测判定条件成立,且,εstropo(10.8μm)<SCIC_Thresh2;
其中,阈值SCIC_Thresh1和SCIC_Thresh2取值分别为0.40和0.85;
所述不透明云检测判定条件包括第十判定条件、第十一判定条件和第十二判定条件,若所述第十判定条件和第十一判定条件均满足,则所述不透明云检测判定条件成立,若所述第十判定条件不成立且所述第十二判定条件成立,则所述不透明云检测判定条件成立;
其中,所述第十判定条件为:εsfc(8.55um)<LSE_Threshold_1;且,εstropo(10.8um)<LSE_Threshold_2;εsfc(8.55um)表示辐射波长为8.55um通道的表面发射率,阈值LSE_Threshold_1和LSE_Threshold_2取值分别为0.85和0.50;
所述第十一判定条件为:Topaque(7.2μm)>OCTD_Threshold_1,且,Topaque(10.8μm)>OCTD_Threshold_2,且,Topaque(diff)<OCTD_Threshold_3;其中,阈值OCTD_Threshold_1、OCTD_Threshold_2和OCTD_Threshold_3取值分别为170、170和4.5;
所述第十二判定条件为:εstropo(10.8um)>BOC_Threshold_1,且βsopaque(12/10.8um)<BOC_Threshold_2;其中阈值BOC_Threshold_1和BOC_Threshold_2取值分别为0.05和1.19。
优选地,所述混合云判定条件为:
MP_Thresh1(Topaque(10.8um))<βsopoque(8.55/10.8um)<MP_Thresh2(Topaque(10.8um));
且,
MP_Thresh3(Topaque(10.8um)-LRC)<βsopoque(8.55/10.8um)_LRC<MP_Thresh4(Topaque(10.8um)-LRC);
其中,局地辐射中心的Topaque(10.8um),即Topaque(10.8um)-LRC,局地辐射中心的βsopoque(8.55/10.8um),即βsopoque(8.55/10.8um)_LRC;阈值MP_Thresh1(Topaque(10.8um))、MP_Thresh2(Topaque(10.8um))、MP_Thresh3(Topaque(10.8um)-LRC)和MP_Thresh4(Topaque(10.8um)-LRC)是Topaque(10.8um)或Topaque(10.8um)-LRC的函数。
优选地,所述过冷水云判定条件为:170.0K<Topaque(10.8um)<273.16K。
优选地,所述暖水云判定条件为:Tcld>273K;其中Tcld为10.8μm通道的云顶温度。
本发明相比于现有技术具有的技术效果:
只需基于热红外通道进行极轨气象卫星的云相态反演,不受太阳天顶角的限制,从而获取极轨气象卫星的全天候云相态反演产品,有利于提高天气预报精度。
附图说明
1、图1为本发明实施例提供的一种基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法的流程示意图;
2、图2为本发明实施例提供的液态水云和冰云的β(8.5/10.8μm)与有效云粒子半径的关系图;
3、图3为本发明实施例提供的液态水云和冰云的β(12/10.8μm)与有效云粒子半径的关系图;
4、图4为本发明实施例提供的βsopaque(12/10.8um)预设阈值与Peirce-Hanssen-Kuipers评分方法之间的关系图;
5、图5为本发明实施例提供的Topaque(diff)阈值与Peirce-Hanssen-Kuipers技巧评分之间的关系图;
6、图6为本发明实施例提供的单层云和多层“绝对冰云”的βmtropo(7.2/10.8um)标准化分布图。
最佳实施方式
为了使本领域技术人员更清楚的理解本发明所提供的,下面将结合附图对其进行详细的说明。
由于仅靠单一通道或波长的云有效发射率无法得到云的微物理信息,需要利用云的有效发射率的波谱变化。为了有效利用这个特征,可利用有效云发射率来计算有效吸收光学厚度比,即β比。“有效”一词是由于云的发射率依赖于有效云温度。云的有效吸收光学厚度比不依赖于观测的辐射、云高或云光学厚度。对于多通道组合的β比,液态水云和冰云在多数有效粒子半径范围内都是可以区分的。与使用亮温差不同,β之间的关系只是云微物理特性的函数。在同样的波长通道上,使用β比计算云相态方法的精度要高于使用亮温差的结果。为避免白天和夜晚可见光通道观测不连续的问题,因此,本发明实施例公开了一种基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法,结合使用β比和不同通道的亮温,通过低表面发射率检测、不透明云检测、水汽通道多层云检测、红外窗区通道的多层云检测、均质冻结检测、水汽通道冰云检测、次级冰云检测、混合相态云检测、多冷却液态云检测等一系列检测,判定出云相态。避免了受太阳天顶角的限制,解决了现有技术中极轨气象卫星的云相态反演中因使用可见光通道和近红外通道而导致夜晚无法进行反演的技术问题,从而可获取极轨气象卫星的全天候云相态反演产品。
如图1所示,一种基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法,具体包括以下步骤:
(1)通过搭载于极轨气象卫星上的MERSI-Ⅱ获取预设的4个通道的辐射数据;该4个通道的辐射波长分别为7.2μm、8.55μm、10.8μm和12μm。
(2)根据所述4个通道的辐射数据估算该4个通道的晴空大气层顶辐射、黑体(所有波长的发射率=1.0)辐射廓线以及温度廓线,所述黑体辐射廓线为黑体表面向上发射并穿透无云大气的辐射,该辐射经过气体吸收至大气层顶,是黑体表面所在大气层的函数,黑体云辐射是全球数值天气预报(Numerical Weather Prediction,简称为NWP)数据中云所在的格点位置和天顶角的函数。所述温度廓线通过全球数值天气预报模式计算,本发明实施例使用的是逐6小时的NWP预报结果数据,而NWP数据可通过国家气象中心的全球数值预报模式GRAPES(Global/Regional Assimilation and Prediction Enhanced System)获取。
(3)根据大气压强(通过NWP模式计算)、温度廓线、云顶以及对流层顶所在位置的层数计算所述4个通道对应的有效云发射率。
(4)根据上述计算得到的4个通道对应的有效云发射率计算得到有效吸收光学厚度比β(8.55/10.8μm)、β(12/10.8μm)和β(7.2/10.8μm)。
(5)基于所述有效云发射率、有效吸收光学厚度比以及各目标通道的亮温对所述辐射数据中包含有云的目标像元进行云类型检测,确定云类型。
(6)基于确定的云类型和预设的云相态-云类型对应规则判定所述目标像元的云相态。
本发明的实现原理是鉴于MERSI-Ⅱ设置的多个不同红外通道的有效吸收光学厚度比(β)主要反映云的组成等微物理信息,利用β比来反演云相态的方法,具体利用例如辐射波长为7.2、8.55、10.8和12μm的四个红外通道的亮温构造不同红外通道的有效吸收光学厚度比,比如β(8.55/10.8)和β(12/10.8),然后再利用水云和冰云在两组β比上的不同表现来推断云的组成。
需要说明的是,云类型包括以下几种:
1)暖水云:液态水云,云顶透明,温度高于273K;
2)过冷水云:液态水云,半透明,温度低于273K;
3)混合云:云顶同时包含云水和云冰;
4)薄冰云:冰云,红外光学厚度约为2或更低;
5)厚冰云:冰云,云顶反照率很强,红外光学厚度大于2;
6)多层云:在光学厚度较小的冰云上面叠加一层光学厚度较大的冰云。
云相态(云的组成)包括:
1)暖液态水相态:液态水云,云顶透明,温度高于273K;
2)过冷水相态:液态水云,半透明,温度低于273K;
3)混合相态:云顶同时包含液态水和冰两种相态云粒子;
4)冰相态:云顶为冰相的所有云。
具体的,如图2所示,给出了在单一散射属性下液态水云(曲线a)和冰云(曲线b)的β(8.5/10.8μm)与有效云粒子半径的关系,通过辐射波长为8.55μm和10.8μm的两个所述热红外通道的单一散射属性构造β(8.55/10.8μm),在有效云粒子半径范围内区分液态水云和冰云。8.5和10.8μm通道配合包含云相态最直接的信息。用Mie理论来计算液态水云的单一散射属性,冰云的单一散射属性来自Yang etal.(2005)的数据集。针对Yang etal.(2005)数据集的分析表明对粒子性质的敏感性要小于对粒子组成和形状的敏感性。因此,若单一散射属性对有效云粒子性质的敏感性小于对有效云粒子组成和形状的敏感性,则该单一散射属性对应的是冰云,则判定云相态为冰相态。
再如图3所示,给出了在单一散射属性下液态水云(曲线a)和冰(曲线b)的β(12/10.8μm)与有效云粒子半径的关系,通过辐射波长为10.8μm和12μm的两个所述热红外通道的单一散射属性构造β(12/10.8μm),在有效云粒子半径范围内区分液态水云和冰云。
很显然,尽管β(12/10.8μm)对有效云粒子大小很敏感,但是难以提供区分云相态的有效信息。但是,β(12/10.8μm)对云粒子大小的敏感性可用来分辨不透明云。对不透明云来说,10.8μm亮温通常是云顶热力学温度的良好近似,这在判别云相态时是很有用的信息。因此,若β(12/10.8μm)对有效云粒子大小的敏感性满足预设条件(对有效云粒子大小的敏感度满足预设的敏感度条件),且云顶温度高于273K时,则判定云相态为暖液态水相态。
进一步的,对预设的敏感度设置两个阈值,包括第一敏感度和第二敏感度,第一敏感度小于第二敏感度,当β(12/10.8μm)对有效云粒子大小的敏感度处于第一敏感度和第二敏感度之间,且云顶温度低于273K时,则判定云相态为过冷水相态。
需要说明的是,在计算有效云发射率时需用到有效云垂直位置,而云的有效垂直位置是温度廓线与加权云温度相等的层次。Pavolonis(2010a,b)指出,使用“窗口”通道对时,β对云的有效垂直层次的敏感性通常很小。因此,可以假设云的有效垂直层次为常数来收集云的微物理信息。真实的云的有效垂直位置的获取对本发明实施例技术方案的实施并非必要。因此,本发明实施例在判定云类型和云相态时,不必获取云的高度信息,即云相态信息不依赖于云顶高度信息。因此,为了避免上述这种局限性,在计算所述4个通道对应的有效云发射率时,通过使用以下4种不同的云有效垂直位置假设,便于为云微物理信息确定所述4个通道对应的有效云发射率。
第一种假设:单层云对流层顶
有效云垂直位置位于NWP数据计算的对流层顶,则单层对流层顶的所述4个通道对应的有效云发射率εstropo(λ)为:
其中λ为所述4个通道对应的辐射波长,Ttropo表示对流层顶的温度,Rtropo(λi)和ttropo(λi)表示分别由对流层顶积分至大气层顶的晴空大气辐射和传输,Robs(λ)和Rclr(λ)分别表示观测的大气层顶辐射和大气层顶的晴空辐射。
则,有效吸收光学厚度比β(8.55,10.8μm)、β(12,10.8μm)和β(7.2,10.8μm)具体的计算公式为:
本实施例主要用来确定单层的光学厚度较薄的云类型和云相态。
第二种假设:多层云对流层顶
若有效的云垂直位置位于NWP数据的对流层顶,则多层云对流层顶的所述4个通道对应的有效云发射率εmtropo(λ)为:
其中λ为所述4个通道对应的辐射波长,Tblack表示在Pblack气压层上的温度,Rblack(λ)和tblack(λ)分别表示晴空大气由大气压等于Pblack的层次垂直积分至大气层顶的辐射和传输,Rblack(λ)和tblack(λ)是从当大气压强廓线搜寻Pblack气压层时,使用由标准通用二进制寻找程序查找的廓线层次计算的晴空大气辐射和传输廓线(未作垂直插值)。
本实施例与上述实施例的区别在于,晴空大气层顶辐射被由黑体(所有波长的发射率=1.0)抬升表面向上的大气层顶辐射所代替。抬升黑体表面是对流层低层黑体云的近似。黑体表面位于sigma=0.8(地形追随坐标)的层次。用红外通道测量结果探测多层云的前提是低层云比表面温度要冷,同时上层云比低层云要冷(Pavolonis andHeidinger2004)。Sigma=0.8的假设就同时考虑了这两个因素。如下:
Pblack=(Psurface-Ptoa)σ+Ptoa;
其中,σ=0.8,Psurface表示NWP气压廓线中的最底层气压,Ptoa表示NWP压强廓线的最上层气压。地形追随坐标是动力模式广泛应用的坐标系。有助于确定层次较高的多层云的存在,并判别多层云的云顶相态。
则,有效吸收光学厚度比β(8.55,10.8μm)、β(12,10.8μm)和β(7.2,10.8μm)具体的计算公式为:
/>
第三种假设:单层云不透明云假设
若有效云垂直位置位于辐射波长为8.55μm、10.8μm、12μm且通道发射率为0.98的层次,用于检测不透明薄冰云和厚冰云的云相态,并推导云的不透明度。
则上述3个通道对应的单层不透明云有效云发射率εsopaque(λ)为:
其中λ为所述3个通道(辐射波长为8.55μm、10.8μm、12μm的通道)对应的辐射波长。
Rcld_interp(λ)为黑体云辐射,如下:
Rcld_interp(λ)=B(λ,Toff)tac(λ)+Rac(λ)
上述计算的Rcld(λ)需要与事先计算的Rcld(λ)垂直廓线在相同通道上进行比较。Rcld(λ)廓线用于确定进行对Rcld(λ)廓线线性插值到计算的值时需要的权重和锚点。确定插值权重W(λ,0.98)的方法,如下:
其中,Rcld(λ,0.98)为在ε(λ)=0.98的假设下公式的计算值,Rcld(λ,Z1)和Rcld(λ,Z1)为在垂直廓线里黑体云辐射等于Rcld(λ,Z1)的值,Rcld(λ,Z1)为在最高层即Level(Z1)处的黑体云辐射。Z1和Z2是与插值锚点一致的垂直序列系数。上述步骤用于辐射波长为8.5、10.8和12μm的通道。每个通道的插值权重和插值锚点由于确定最高层(离地面最远)处的Rcld(λ,0.98)。
一旦确定了最高层哪个通道的Rcld(λ,0.98)最高,就使用该通道的插值权重和插值锚点对其他两个通道同层次的Rcld(λ)进行插值。选取最高层以防止任何通道的云发射率太高(>1.0不合理)。因此,对于最高层云发射率等于0.98的通道就将云的发射率固定为0.98。该通道就作为参考通道。根据以下公式对非参考通道的Rcld(λ)进行插值,如下:
Rcld_int(λ)=Rcld(λ,Zref1)+W(λref,0.98)[Rcld(λ,Zref2)-Rcld(λ,Zref1)]
需要说明的是,对Rcld(λ)插值时,不能对于参考通道云发射率为0.98的层次,允许非参考通道的发射率偏离0.98。由于云的微物理信息与云有效发射率的光谱变化有关。因此,上述公式中,Rcld_int(λ)表示假定参考通道的云发射率为0.98时,使用参考权重W(λref,0.98)]和参考插值点Rcld(λref,Zref1)和Rcld(λref,Zref2)插值的黑体云辐射,方向以向上为正。Zref1和Zref2分别为参考插值点的垂直序列系数。
由上可知,则有效吸收光学厚度比β(8.55,10.8μm)和β(12,10.8μm)具体的计算公式为:
第四种假设:多层云不透明云假设
若有效云垂直位置位于辐射波长为8.55μm、10.8μm、12μm且通道发射率为0.98的层次,用于检测不透明薄冰云和厚冰云的云相态,并推导云的不透明度,并将大气层顶的晴空辐射用黑体云中某层发射的大气层顶辐射取代,其它条件与上述上述实施例相同。
则上述3个通道(辐射波长为8.55μm、10.8μm、12μm的通道)对应的多层不透明云的有效云发射率εmopaque(λ)为:
其中λ为所述3个通道(辐射波长为8.55μm、10.8μm、12μm的通道)对应的辐射波长。
由上可知,则有效吸收光学厚度比β(8.55,10.8μm)和β(12,10.8μm)具体的计算公式为:
基于上述四种假设,通过云检测产品并结合所述有效吸收光学厚度比,对所述辐射数据中所有包含有云的目标像元进行云类型检测。
低表面发射率(LSE)检测:
低表面发射率(Low surface emissity,简称LSE)检测是为了判定下游的某些检测是否会受到很低的表面发射率带来的负面影响,具体的,满足条件εsfc(8.55um)<LSE_Threshold_1,且εstropo(10.8um)<LSE_Threshold_2时,则判定存在低发射率。其中,εsfc(8.55um)表示辐射波长为8.55um通道的表面发射率,εstropo(10.8um)为辐射波长为10.8um通道对应的有效云发射率,LSE_Threshold_1为8.55um通道的表面发射率预设阈值,LSE_Threshold_2为10.8um通道对应的有效云发射率预设阈值。
离线辐射传输模式的模拟结果表明,如果εsfc(8.55um)降到约0.85时,除非εstropo(10.8um)超过某个特定的阈值(LSE_Threshold_2),否则上述不透明云假设在确定云相态或云的不透明度时不再有效。因此,本发明实施例中LSE_Threshold_1和LSE_Threshold_2分别可取值为0.85和0.50。
不透明云(Opaque cloud,简称BOC)检测:
通过βsopaque(12/10.8um)检测判定目标像元是否存在不透明云(BOC)。
具体的,当满足εstropo(10.8um)>BOC_Threshold_1,且βsopaque(12/10.8um)<BOC_Threshold_2时,则判定目标像元存在不透明云,其中,BOC_Threshold_1为不透明云检测中使用的10.8um通道对应的有效云发射率预设阈值,BOC_Threshold_2为不透明云检测中使用的βsopaque(12/10.8um)预设阈值。
需要说明的是,云类型和云相态产品算法不需要特别给定真实云光学厚度或云发射率,只需要给出一个表示云的10.8μm光学厚度是否大于等于2.0的标识。为判定目标像元在云顶高度是否存在不透明云或近似不透明云,利用βsopaque(12/10.8um)计算公式。
如果云的有效发射率很大(在参考通道上),则βsopaque(12/10.8um)应该与由单散射的理论范围有较好吻合。如果云的有效发射率远小于0.98,则βsopaque(12/10.8um)在很大程度上受到表面发射率的光谱性能和晴空大气辐射传输的影响,值的大小可能在理论范围之外。
如图4所示,βsopaque(12/10.8um)预设阈值与Peirce-Hanssen-Kuipers评分方法之间的关系,曲线(a)表示误判率(Probability of Far judgement,POF),曲线(b)表示判识率(Probability of detection,POD),曲线(c)表示技巧评分。
βsopaque(12/10.8um)阈值是利用欧洲的静止气象卫星仪器SEVIRI(SpinningEnhanced Visible and InfraRed Imager)和星载的云和气溶胶正交极化雷达CALIOP(TheCloud-Aerosol Lidar and Infrared Pathfinder Sate Ⅱ ite Observation)联合数据来客观确定,目的是判定εstropo(10.8um)>0.85(光学厚度约等于2.0)的云。图4显示了用于判定10.8μm云光学厚度小于或大于2.0时使用的βsopaque(12/10.8um)阈值与Peirce-Hanssen-Kuipers评分方法之间的关系。这个分析中使用了总共8000个SEVIRI/CALIOP的数据对(Pavolonis 2010c)。这种客观分析说明1.19是云光学厚度的阈值,βsopaque(12/10.8um)表明云的10.8μm光学厚度在2.0以上。本实施例中BOC检测使用的阈值BOC_Threshold_1和BOC_Threshold_2分别为0.05和1.19。
不透明云温度差异(Opaque cloud temperature difference,简称为OCTD)检测:
不透明云温度定义为在给定通道上云的发射率等于0.98(完全不透明的情形)的垂直层次的云温度。不透明云温度在确定不透明和几乎不透明云的大气订正的云顶温度时非常有用。此外,可以通过比较给定窗区通道的不透明云温度和吸收通道的不透明云温度来推导云光学厚度信息。
对于给定通道(7.2μm或10.8μm),通过公式计算黑体云辐射Rcld(λ),公式中的Rcld(λ)要设为0.98。在预先计算该公式的垂直廓线Rcld(λ)时,标准循环二进制查找程序返回的垂直层次可用来确定Rcld(λ)的值。标准循环二进制查找程序返回的垂直序列系数用于确定NWP温度廓线(未进行垂直插值)的不透明云温度。Rcld(λ)和NWP温度在相同层次上必须是可用的。使用两次上述步骤来分别确定7.2μm和10.8μm的不透明云温度Topaque(7.2μm)和Topaque(10.8μm)。/>
因此,利用Topaque(7.2μm)和Topaque(10.8μm)的差异来判定目标像元是否存在不透明云或近似不透明云。
具体的,当满足条件:Topaque(7.2μm)>OCTD_Threshold_1,且,Topaque(10.8μm)>OCTD_Threshold_2,且,Topaque(diff)<OCTD_Threshold_3时,则判定目标像元存在不透明云或近似不透明云。
需要说明的是,OCTD检测是BOC检测的补充。如果7.2μm和10.8μm的不透明云温度的差异非常小,则目标云近似黑体,可以认为是不透明云或近似不透明云。由于7.2μm的晴空权重函数峰值出现在对流层中部附近,而10.8μm通道的晴空权重函数峰值出现在地表附近,因此只有当目标为不透明或近似不透明云时这两个通道的云温度之差的绝对值才可能很小。如图5所示,判定10.8μm通道云光学厚度大于和小2.0时使用的Topaque(diff)阈值与Peirce-Hanssen-Kuipers技巧评分之间的关系,其中,曲线(a)表示错误警报率(POF),曲线(b)表示判定准确率(POD),曲线(c)表示技巧评分,曲线(d)表示技巧评分最高的Topaque(diff)阈值。分析大约使用了8000个SEVIRI/CALIOP的点对(Pavolonis2010c)。这种客观分析表明4.5K的阈值是最优的,即Topaque(diff)<4.5K时云的10.8μm光学厚度大于2.0。本实施例中使用的三个OCTD检测阈值OCTD_Threshold_1、OCTD_Threshold_2和OCTD_Threshold_3分别可为170、170和4.5。
总体不透明云(OOC)检测:
结合上述LSE检测、BOC检测和OCTD检测来判定目标像元是否存在不透明云或近似不透明云。
具体的,当LSE检测结果为是,则转到OCTD检测,否则转到BOC检测。
可以理解的是,除了较低的发射率表面外,BOC检测通常比OCTD检测效果更好。因此,即,除低的发射率表面外,通常使用BOC检测的结果。
水汽通道的多层云探测(WVMD)检测:
为了探测最高层对红外辐射可能半透明的多层云系统。
具体的,当满足以下条件时,则输出判定为:所给定的目标像元存在多层云。
判定条件为:
εstropo(7.2um)>WVMD_Thresh1;
且,
WVMD_Thresh2<βmtropo(7.2/10.8um)<WVMD_Thresh3;
且,
βstropo(12/10.8um)<βmtropo(12/11um);
且,
WVMD_Thresh4<εmtropo(10.8um)<WVMD_Thresh5;
且,
WVMD_Thresh6<βmopaque(12/10.8um)<WVMD_Thresh7;
且,
WVMD_Thresh8<βsopaque(8.55/10.8um)_LRC<WVMD_Thresh9。
需要说明的是,这种探测多层云的方法用来探测底层不透明或半透明的云上面覆盖半透明的对流层冰云,这种云在下文中简称为“多层冰云”。多层冰云的存在将影响下游对云宏观和微观物理性质的反演,因此在进行云相态反演时先确定多层冰云系统的存在是很重要的。多层云探测技术主要利用大气权重函数和微物理关系的差异来推导多层云的存在。7.2μm通道大气权重函数的峰值通常出现在对流层的中层至上层(位置依赖于水汽廓线),而10.8μm通道的权重函数的峰值通常出现在接近地表的对流层低层。
当半透明的高云叠加在不透明或近似不透明的低云上时,7.2μm通道对低层云发射率变得非常不敏感(除非大气非常干),而使用“单层云对流层顶假设”计算的10.8μm通道的有效云发射率εstropo(10.8um)远大于同样假设下计算的7.2μm通道的有效云发射率εstropo(7.2um)。如果在同样多层云下使用“多层云对流层顶假设”计算7.2μm和10.8μm通道的有效云发射率εmtropo(7.2um)和εmtropo(10.8um)。会有εmtropo(10.8um)<εstropo(10.8um),并且εmtropo(7.2um)≈εstropo(7.2um)。“多层云对流层假设”中将假定低层不透明云位于σ=0.8的层次,这样低层不透明云就位于7.2μm通道权重函数的峰值层次之下。在这样的物理基础下,βmtropo(7.2/10.8um)是多层冰云存在的较好的指标。
一些额外的光谱信息可用来辅助确定多层冰云的存在。实际上,7.2μm通道的权重函数随大气温度和水汽变化,高度、不透明度和低层云也会有所不同,会导致判定的一些含糊之处,因此一些辅助信息是必要的。对εmtropo(10.8um)和βmopaque(12/10.8um)增加一些限制,以保证最上层的云是半透明的。另外对像元局地辐射中心(LRC,LocalRadiativeCenter,局地辐射中心)的βsopaque(8.55/10.8um)_LRC使用一些其他的限制来减少由于特定单层中层云的存在带来的误判,即。本实施例中WVMD检测使用的9个WVMD阈值WVMD_Thresh1、WVMD_Thresh2、WVMD_Thresh3、WVMD_Thresh4、WVMD_Thresh5、WVMD_Thresh6、WVMD_Thresh7、WVMD_Thresh8和WVMD_Thresh9分别为:0.02、0.1、0.9、0、0.6、1019、2.3、0.4和1.1。
如图6所示,给出了单层和多层“绝对冰云”的βmtropo(7.2/10.8um)标准化分布。使用云和气溶胶正交极化雷达CALIOPSO的观测数据来确定云顶温度等于或小于233K的单层云或最高层云顶温度等于或小于233K的多层云。对βmtropo(7.2/10.8um)使用0.9的阈值将单层冰云与多层冰云分开,其中βmtropo(7.2/10.8um)介于0.0和0.9之间。CALIOP用于确定云顶温度等于或小于233K的单层云或最顶层云顶温度小于或等于233K的多层云。其中,曲线(7c)表示区分单层云和多层冰云的阈值。
红外窗区通道多层云(IWMD)检测:
为了探测最顶层云为对红外辐射半透明的多层云系统。
具体的,当满足以下条件时,则输出判定为:所目标像元存在多层云。
第一判定条件为:
IWMD_Thresh1<βsopaque(8.55/10.8um)_LRC<WMD_Thresh2;
或者,
IWMD_Thresh1<βmopaque(8.55/10.8um)<IWMD_Thresh2;
或者,
IWMD_Thresh1<βmtropo(8.55/10.8um)<IWMD_Thresh2。
当第一判定条件满足时,则判定所给定的目标像元的最高层云由冰云组成,并且转到第二判定条件进行判定:
IWMD_Thresh3<βstropo(12/10.8um)<IWMD_Thresh4;
且
IWMD_Thresh5<εmtropo(10.8um)<IWMD_Thresh6;
且,
βdiff(12/10.8um)>IWMD_Thresh7;
且,
IWMD_Thresh8<βmopaque(12/10.8um)<IWMD_Thresh9。
需要说明的是,IWMD检测是为了探测无法在7.2μm通道上使用WVMD检测探测出来的多层冰云。当光学厚度较薄的冰云叠加在光学厚度较厚的低层水云上时,单层云假设将造成βstropo(12/10.8um)、βstropo(8.55/10.8um)和βsopaque(8.55/10.8um)_LRC表示低层云。多层云假设将造成βstropo(12/10.8um)、βstropo(8.55/10.8um)和βsopaque(8.55/10.8um)_LRC表示光学厚度较薄的冰云。相比之下,当单层云存在时,单层云和多层云假设都只能代表单层云的云相态。本实施例中使用的9个IWMD阈值IWMD_Thresh1、IWMD_Thresh2、IWMD_Thresh3、IWMD_Thresh4、IWMD_Thresh5、IWMD_Thresh6、IWMD_Thresh7和IWMD_Thresh8分别为:0.4、1.1、0.85、0.98、0.0、0.2、0.03、1.19和2.3。
总体多层云(OMC)检测:
结合上述水汽多层云检测(WVMD)和红外窗口多层云检测(IWMD)来判定给定的目标像元中是否存在多层云。
具体的,当WVMD检测结果为是或者IWMD检测结果为是时,则输出判定给定的目标像元存在多层云。
可以理解的是,结合使用WVMD和IWMD检测能够更加真实地判断出顶层为冰云的多层云。
均质冻结(HF)云检测:
基于辐射波长为10.8μm通道的不透明云温度Topaque(10.8um),判断具有冰盖的云(冰云)。
170.0K<Topaque(10.8um)≤238.0K。
则判定给定的目标像元存在冰云。
可以理解的是,假定具有冰盖的云10.8μm通道亮温低于或等于233K(-40℃),这是小的液滴冻结的温度。此外,发现在云内温度为233-238K范围内时,冰相粒子占云相态的主导模态,因此在本实施例的检测中使用238K作为均质冻结的阈值。
水汽通道冰云(BOWVIC)检测:
使用(8.55/10.8μm)提供的云相态信息和“不透明云假设”来判定各种光学厚度的冰云的存在。
具体的,当满足以下条件时,则判定给定的目标像元存在冰云。
预设条件为:
BOWVIC_Thresh1(Topaque(7.2um))<βsopaque(8.55/10.8um)<BOWVIC_Thresh2(Topaque(7.2um));
且,
BOWVIC_Thresh3(Topaque(7.2um)_LRC)<βsopaque(8.55/10.8um)_LRC<BOWVIC_Thresh4(Topaque(7.2um)_LRC);
且,
BOWVIC_Thresh5(Topaque(7.2um))<βstropo(12/10.8um)<BOWVIC_Thresh6(Topaque(7.2um))。
需要说明的是,为了研究βsopaque(8.55/10.8um)和云顶温度(7.2μm通道不透明云顶温度)之间的关系,Pavolonis(2010c)的分析使用了CALIOP垂直云边界和SEVIRI的测量结果。其在分析中,将CALIOP到处的云顶温度(Tcld)分为5类分别分析:
1)Tcld>273K(暖水云)
2)263K<Tcld<273K(暖中层云)
3)243K<Tcld<263K(中间中层云)
4)233K<Tcld<243K(冷中层云)
5)Tcld<233K(冰云)
第一类和第五类云是使用水的溶化和均一冻结温度定义的,在云相态的意义上是相当明确的。中间的三种分类不能提供明确的云相态信息。在对中纬度中层云的实地观测中,通常位于溶化层(273K)之上的云由液态水和冰混合组成。这些混合相态的云顶部几乎都是液态水组成,而冰层通常位于云的底部。因此,使用卫星辐射来鉴别云相态会在很大程度上受到辐射向云内的穿透厚度的影响(依赖于波长)。高级成像仪云类型和云相态产品算法使用红外辐射数据,与近红外和可见光相比,红外辐射的穿透厚度较小。此外,云类型和云相态产品算的目标是确定云顶的相态。考虑到观测证据以及红外辐射较小的穿透深度,大多数被归为中等云顶温度的云应该被归为过冷却水云或混合相态,具体的分类依赖于穿透深度。此外,研究发现,当温度低于238K时,冰相态占主要地位。因此,多数寒冷的中层云应该主要是由冰相组成的。当选择阈值时,需要考虑这些物理因素的限制。
例如引自Pavolonis2010c的分析,给出了5种云顶温度的βsopaque(8.55/10.8um)的累积分布函数(CDF)与7.2μm不透明云温度的关系。7.2μm不透明云温度(Topaque(7.2um))可提供一些辅助信息,即7.2μm不透明温度越低,云越可能由冰粒子组成。因此,归为暖液态水分类的云(比水的溶点温度高)可以与绝对的冰云(温度低于均一冻结温度)区分开来。暖中层云分类通常与绝对冰云的重叠也很少。以及,对两种最低(冷)的Topaque(7.2um)分类,βsopaque(8.55/10.8um)阈值的选择标准是使观测的多数云归为冰云。这一目标主要是基于对独立的近红外反射率的分析。对最终的三种Topaque(7.2um)类别,选择βsopaque(8.55/10.8um)阈值的标准使得中等中层云有50%的可能被归为冰云。
为了使这种判定更加可靠,需要额外使用一些限制。如前所述,在云的边界附近,βsopaque(8.55/10.8um)的值可能是不可靠的,因此也要检查局地辐射中心(LRC)的βsopaque(8.55/10.8um)-LRC的值来验证βsopaque(8.55/10.8um)的阈值。此外,当7.2μm不透明云温度不确定时,要对βstropo(12/10.8um)进行粗略检查。表1-6列出了BOWVIC检测所使用的阈值,βstropo(12/10.8um)的阈值不依赖于传感器和Topaque(7.2um)。
表1-表6为传感器和7.2μm不透明云温度(Topaque(7.2um))使用的BOWVIC检验的βsopaque(8.55/10.8um)阈值(T代表Topaque(7.2μm),如下:
传感器 | T无效 | 180K≤T<233K | 233K≤T<243K | 243K≤T<253K | 253K≤T<263K | T≥263K |
MERSI-Ⅱ | 0.10 | 0.10 | 0.10 | 0.10 | 0.10 | 0.10 |
表1
传感器 | T无效 | 180K≤T<233K | 233K≤T<243K | 243K≤T<253K | 253K≤T<263K | T≥263K |
MERSI-Ⅱ | 0.98 | 1.10 | 1.05 | 1.02 | 1.00 | 1.00 |
表2
传感器 | T无效 | 180K≤T<233K | 233K≤T<243K | 243K≤T<253K | 253K≤T<263K | T≥263K |
MERSI-Ⅱ | 0.10 | -10000.0 | -10000.0 | -10000.0 | 0.10 | 0.10 |
表3
传感器 | T无效 | 180K≤T<233K | 233K≤T<243K | 243K≤T<253K | 253K≤T<263K | T≥263K |
MERSI-Ⅱ | 0.98 | 10000.0 | 10000.0 | 10000.0 | 1.00 | 1.00 |
表4
传感器 | T无效 | 180K≤T<233K | 233K≤T<243K | 243K≤T<253K | 253K≤T<263K | T≥263K |
MERSI-Ⅱ | 0.99 | -10000.0 | -10000.0 | -10000.0 | -10000.0 | -10000.0 |
表5
传感器 | T无效 | 180K≤T<233K | 233K≤T<243K | 243K≤T<253K | 253K≤T<263K | T≥263K |
MERSI-Ⅱ | 0.99 | 10000.0 | 10000.0 | 10000.0 | 10000.0 | 10000.0 |
表6
水汽通道冰云局地辐射中心(BOWVIC-LRC)检测:
使用βsopaque(8.55/10.8um)提供的云相态信息和不透明云假设,以及局地辐射中心(LRC)概念来确定光学厚度较薄的冰云。
具体的,满足以下条件,则输出判定所给定的目标像元存在冰云。
预设的条件为:
BOWVIC_Thresh1(Topaque(7.2um)_LRC)<βsopaque(8.55/10.8um)<BOWVIC_Thresh2(Topaque(7.2um)_LRC);
且,
BOWVIC-LRC_Thresh3<βstropo(12/10.8um)<BOWVIC-LRC_Thresh4。
本实施例中使用的两个逻辑判断阈值是Topaque(7.2um)_LRC的函数。
需要说明的是,阈值与合理性:该检测在βsopaque(8.55/10.8um)和水汽通道冰云(BOWVIC)检测的基础上略有变化。在本实施例检测中,我们只检查局地辐射中心(LRC)的βsopaque(8.55/10.8um)的大小,并使用不同的βstropo(12/10.8um)阈值。
表6和7就列出了不同的βsopaque(8.55/10.8um)阈值。本检测的目的是为了尽可能探测出更多的薄卷云。本发明实施例中检测所采用的2个BOWVIC-LRC的阈值分别为0.95和1.5。
表6-目前不同卫星传感器和不同7.2μm通道不透明云温度(Topaque(7.2um))使用的βstropo(8.55/10.8um)和BTWVIC检测阈值1,如下:
表7-目前不同卫星传感器和不同7.2μm通道不透明云温度(Topaque(7.2um))使用的βstropo(8.55/10.8um)和BTWVIC检测阈值2,如下:
不透明云(BOIC)检测:
使用βsopaque(8.55/10.8um)在“不透明云假设”下提供的云相态信息来判定不透明中层冰云的存在。
具体的,当OCTD检测的结果为是时,则转入本检测条件:
Topaque(7.2um)<273.16K;
且,
BOIC_Thresh1<βsopaque(8.55/10.8um)<BOIC_Thresh2
且,
BOIC_Thresh3<βsopaque(8.55/10.8um)-LRC<BOIC_Thresh4
满足上述条件,则输出判定所给定的目标像元存在冰云。
其中βsopaque(8.55/10.8um)-LRC为局地辐射中心的βsopaque(8.55/10.8um)。
本实施例的检测是βsopaque(8.55/10.8um)和水汽冰云(BOWVIC)检测的补充,用于确保不透明中层冰云能够被检测出来。为此,10.8μm通道不透明云温度必须低于水的溶点(273.16K)。βsopaque(8.55/10.8um)阈值的选择是基于对近红外反射率数据的分析(Pavolonis2010c)。本实施例中所使用的4个βsopaque(8.55/10.8um)阈值分别为0.4、1.1、0.4、1.12。
水汽通道冰云(BTWVIC)检测:
利用βstropo(8.55/10.8um)和“对流层顶假设”提供的云相态信息,来判定低发射率表面上光学厚度较薄的冰云的存在。
具体的,当LSE检测结果为是时,则转为本检测,若本检测满足以下判定条件时,则输出判定所给定的目标像元存在冰云。
判定条件为:
BTWVIC_Thresh1(Topaque(7.2um))<βstropo(8.55/10.8um)<BTWVIC_Thresh2(Topaque(7.2um))
且,
BTWVIC_Thresh3<βsopaque(12/10.8um)<BTWVIC_Thresh4
需要说明的是,本检测里使用的前两个阈值BTWVIC_Thresh1(Topaque(7.2um))和BTWVIC_Thresh2(Topaque(7.2um))是Topaque(7.2um)的函数。
与CALIOP相比,除了在发射率较低的表面外,βsopaque(8.55/10.8um)都是一个更加可靠的云相态的指示因子,因此本检测只针对低发射率表面进行判定。在低发射率表面上,需要精确判定有效云层次,否则β(8.55/10.8um)云微物理信息可靠性降低。位于对流层上层光学厚度较薄的冰云,“不透明云假设”通常导致有效云高度比实际云高度要低。为了精确判定低发射率表面(如撒哈拉沙漠)上的薄卷云,需要使用“对流层顶云假设”。表6-8列出本检验使用的阈值。已有研究表明,需要比较保守第选择βstropo(8.55/10.8um)的阈值以防止对冰云的错误判定。此外,在低发射率表面上,βstropo(8.55/10.8um)通常要更低,这也会影响对βstropo(8.55/10.8um)阈值的选择。
表8-目前不同卫星传感器和不同7.2μm通道不透明云温度(Topaque(7.2um))使用的βstropo(8.55/10.8um)和BTWVIC检测阈值3、4,如下:
传感器 | BTWVIC阈值3 | BTWVIC阈值4 |
MERSI-Ⅱ | 1.00 | 2.00 |
总体冰云(OIC)检验:
结合均质冻结(HF)检验、βsopaque(8.55/10.8um)和水汽通道冰云(BOWVIC)检验、βsopaque(8.55/10.8um)和LRC水汽冰云(BOWVIC-LRC)检验、βsopaque(8.55/10.8um)不透明通道冰云(BOIC)检验以及βsopaque(8.55/10.8um)和水汽通道冰云(BTWVIC)检验的结果,来共同判定冰云的存在。
具体的,若均质冻结(HF)检验结果为是,或者,水汽通道冰云(BOWVIC)检验结果为是,或者,水汽冰云(BOWVIC-LRC)检验结果为是,或者,不透明通道冰云(BOIC)检验结果为是,或者,水汽通道冰云(BTWVIC)检验结果为是,则输出判定所给定的目标像元存在冰云。
可以理解的是,如果上述五种检测中的某一个检测的结果为真,则判定有冰云存在。
次级冰云分类(SCIC)检验:
对于给定的冰云,判定其属于半透明冰云还是不透明冰云。
具体的,若εstropo(10.8μm)<SCIC_Thresh1;
或者,
不透明云(OOC)检验结果为是,且εstropo(10.8μm)<SCIC_Thresh2。
则判定所给定的云为半透明冰云。
该检验使用前面得到的关于冰云的10.8μm通道不透明光学厚度是近似为2.0或更小的信息。检验还使用了εstropo(10.8μm)阈值来降低出现分类错误的几率。本实施例中使用的两个SCIC检测的阈值SCIC_Thresh1和SCIC_Thresh2分别为0.40和0.85。
混合相态(MP)检验:
利用βsopoque(8.55/10.8um)提供的云相态信息和“不透明云假设”来判定在云顶附近光学厚度较厚的云是否为混合相态。
若
MP_Thresh1(Topaque(10.8um))<βsopoque(8.55/10.8um)<MP_Thresh2(Topaque(10.8um));
且,
MP_Thresh3(Topaque(10.8um)-LRC)<βsopoque(8.55/10.8um)_LRC<MP_Thresh4(Topaque(10.8um)-LRC)。
则判定所给定的目标像元存在混合相态云。
其中,局地辐射中心的Topaque(10.8um),即Topaque(10.8um)-LRC,局地辐射中心的βsopoque(8.55/10.8um),即βsopoque(8.55/10.8um)_LRC。
上述判定使用的阈值是Topaque(10.8um)或Topaque(10.8um)-LRC的函数。
βsopoque(8.55/10.8um)的累积概率函数(CDF),与βsopoque(8.55/10.8um)使用的阈值和水汽冰云(BOWIC)检测一样,被用于生成判断混合相态云的阈值。由于混合云可能出现在低于7.2μm权重函数的高度上,βsopoque(8.55/10.8um)阈值用10.8μm不透明云温度来的函数来表示,而不是7.2μm不透明云温度。
表9-传感器混合相态云检测使用的第一个MP阈值,以10.8μm不透明云温度的函数表示,如下:
表10-传感器混合相态云检测使用的第一个MP阈值,以10.8μm不透明云温度的函数表示,如下:
表10.8-传感器混合相态云检测使用的第一个MP阈值,以10.8μm不透明云温度的函数表示,如下:
表12-传感器混合相态云检测使用的第一个MP阈值,以10.8μm不透明云温度的函数表示,如下:
过冷(液态)水(SLW)检测:
确定目标云是否含有过冷却液态水粒子。
判定:
若170.0K<Topaque(10.8um)<273.16K,则判定所给定的目标像元存在过冷却液态水粒子。
需要说明的是,10.8μm不透明云温度(Topaque(10.8um))用于确定目标的液态水云是否低于水的融化温度,即273.16K。
判定确定云类型:
结合上述总体多层云检测、总体冰云检测、次级冰云分类检测、混合相态云检测以及过冷水云检测的结果,判定云类型。具体判定的逻辑流程如图1所示。
1、总体多层云检测,若结果为真,则确定目标像元中存在多层云,并转到步骤7;否则转到步骤2;
2、进行总体冰云检测,若结果为真,则转到步骤3;否则转到步骤4;
3、次级冰云检测,若结果为真,则确定目标像元中存在薄冰云,并转到步骤7,否则确定目标像元中存在厚冰云,并转到步骤7;
4、混合云检测,若结果为真,则确定目标像元中存在混合云,并转到步骤7;否则转到步骤5;
5、过冷水云检测,若结果为真,则确定目标像元中存在过冷水云,并转到步骤7,否则转到步骤6;
6、暖水云检测,若结果为真,则确定目标像元中存在暖水云,并转到步骤7;
7、返回执行步骤1,直至对所述辐射数据中所有包含有云的目标像元进行云类型检测。
噪声的滤除:
为了去除使用局地辐射中心LRC技术所带来的人为偏差,需要对云类型产品进行标准中值滤波。中值滤波方法是以每个像元为中心的3*3范围的平均值替代该像元的原始结果。中值滤波方法可以在不损失产品科学一致性的前提下有效去除产品的空间偏差。该滤波方法只针对有云的像元进行计算,因此在滤波后能够保留有效的云类型。
由云类型结果判定云相态
云相态结果直接由云类型导出。表13给出了类型转换的规则。
表13云相态和云类型产品的对应规则
云相态分类 | 云类型分类 |
晴空 | 晴空 |
液态水相态 | 液态水云 |
过冷却水相态 | 过冷却水云 |
混合相态 | 混合云 |
冰相态 | 厚冰云,薄冰云,多层云 |
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (2)
1.基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法,其特征在于,包括:
步骤一、通过搭载于极轨气象卫星FY-3E上的MERSI-Ⅱ仪器获取预设的4个目标热红外通道的辐射数据;该4个目标通道的辐射波长分别为7.2μm、8.55μm、10.8μm和12μm;根据所述辐射数据计算各目标通道对应的有效云发射率ε(λi);其中i=1、2、3、4,λi表示目标通道对应的辐射波长,λ1<λ2<λ3<λ4;根据各目标通道对应的有效云发射率计算有效吸收光学厚度比β(8.55/10.8um)、β(12/10.8um)和β(7.2/10.8um);
步骤二、对所述辐射数据进行云类型检测:对所述辐射数据中有云的目标像元进行多层云检测,若满足多层云判定条件,则确定目标像元中存在多层云,否则对目标像元进行总体冰云检测,若满足总体冰云判定条件,则继续对目标像元进行次级冰云检测,若满足次级冰云判定条件,则确定目标像元中存在薄冰云,否则确定目标像元中存在厚冰云,若不满足总体冰云判定条件,则继续对目标像元进行混合云检测,若满足混合云判定条件,则确定目标像元中存在混合云,否则继续进行过冷水云检测,若满足过冷水云判定条件,则确定目标像元中存在过冷水云,否则继续进行暖水云检测,若满足暖水云判定条件,则确定目标像元中存在暖水云;返回执行对所述辐射数据中包含有云的目标像元进行多层云检测的步骤,直至对所述辐射数据中所有包含有云的目标像元进行云类型检测;
所述多层云判定条件包括第一判定条件和第二判定条件,若满足第一判定条件或者第二判定条件,则满足多层云判定条件;所述第一判定条件为:εstropo(7.2um)>WVMD_Thresh1;且,WVMD_Thresh2<βmtropo(7.2/10.8um)<WVMD_Thresh3;且,βstropo(12/10.8um)<βmtropo(12/11um);且,WVMD_Thresh4<εmtropo(10.8um)<WVMD_Thresh5;且,WVMD_Thresh6<βmopaque(12/10.8um)<WVMD_Thresh7;且,WVMD_Thresh8<βsopaque(8.55/10.8um)_LRC<WVMD_Thresh9;其中,WVMD_Thresh1、WVMD_Thresh2、WVMD_Thresh3、WVMD_Thresh4、WVMD_Thresh5、WVMD_Thresh6、WVMD_Thresh7、WVMD_Thresh8和WVMD_Thresh9取值分别为:0.02、0.1、0.9、0、0.6、1019、2.3、0.4和1.1;所述第二判定条件为:所述第二判定条件包括第一子判定条件和第二子判定条件,若满足第一子判定条件且第二子判定条件,则满足所述第二判定条件;所述第一子判定条件为:IWMD_Thresh1<βsopaque(8.55/10.8um)_LRC<WMD_Thresh2;或者,IWMD_Thresh1<βmopaque(8.55/10.8um)<IWMD_Thresh2;或者,IWMD_Thresh1<βmtropo(8.55/10.8um)<IWMD_Thresh2;所述第二子判定条件为:IWMD_Thresh3<βstropo(12/10.8um)<IWMD_Thresh4;且IWMD_Thresh5<εmtropo(10.8um)<IWMD_Thresh6;且,βdiff(12/10.8um)>IWMD_Thresh7;且,IWMD_Thresh8<βmopaque(12/10.8um)<IWMD_Thresh9;其中,IWMD_Thresh1、IWMD_Thresh2、IWMD_Thresh3、IWMD_Thresh4、IWMD_Thresh5、IWMD_Thresh6、IWMD_Thresh7和IWMD_Thresh8取值分别为:0.4、1.1、0.85、0.98、0.0、0.2、0.03、1.19和2.3;
所述总体冰云判定条件包括第三判定条件、第四判定条件、第五判定条件、第六判定条件和第七判定条件,当所述第三判定条件、第四判定条件、第五判定条件、第六判定条件或者第七判定条件中任意一个判定条件成立,则满足总体冰云判定条件;所述第三判定条件为:170.0K<Topaque(10.8um)≤238.0K;其中Topaque(10.8um)表示辐射波长为10.8μm的目标通道的亮温;所述第四判定条件为:BOWVIC_Thresh1(Topaque(7.2um))<βsopaque(8.55/10.8um)<BOWVIC_Thresh2(Topaque(7.2um));且,BOWVIC_Thresh3(Topaque(7.2um)_LRC)<βsopaque(8.55/10.8um)_LRC<BOWVIC_Thresh4(Topaque(7.2um)_LRC);且,BOWVIC_Thresh5(Topaque(7.2um))<βstropo(12/10.8um)<BOWVIC_Thresh6(Topaque(7.2um));其中,Topaque(7.2um)表示辐射波长为7.2μm的目标通道的亮温,BOWVIC_Thresh1(Topaque(7.2um))、BOWVIC_Thresh2(Topaque(7.2um))、BOWVIC_Thresh3(Topaque(7.2um)_LRC)、BOWVIC_Thresh4(Topaque(7.2um)_LRC)、BOWVIC_Thresh5(Topaque(7.2um))和BOWVIC_Thresh6(Topaque(7.2um))表示βsopaque(8.55/10.8um)阈值;所述第五判定条件为:BOWVIC_Thresh1(Topaque(7.2um)_LRC)<βsopaque(8.55/10.8um)<BOWVIC_Thresh2(Topaque(7.2um)_LRC);且,BOWVIC-LRC_Thresh3<βstropo(12/10.8um)<BOWVIC-LRC_Thresh4;其中,阈值BOWVIC_Thresh1(Topaque(7.2um)_LRC)和BOWVIC_Thresh2(Topaque(7.2um)_LRC)是Topaque(7.2um)_LRC的函数;阈值BOWVIC-LRC_Thresh3和BOWVIC-LRC_Thresh4取值分别为0.95和1.5;所述第六判定条件为:Topaque(7.2μm)>OCTD_Threshold_1,且,Topaque(10.8μm)>OCTD_Threshold_2,且,Topaque(diff)<OCTD_Threshold_3;且,Topaque(7.2um)<273.16K;且,BOIC_Thresh1<βsopaque(8.55/10.8um)<BOIC_Thresh2,且,BOIC_Thresh3<βsopaque(8.55/10.8um)_LRC<BOIC_Thresh4;其中βsopaque(8.55/10.8um)_LRC为局地辐射中心的βsopaque(8.55/10.8um),阈值BOIC_Thresh1、BOIC_Thresh2、BOIC_Thresh3和BOIC_Thresh4取值分别为0.4、1.1、0.4和1.12,阈值OCTD_Threshold_1、OCTD_Threshold_2和OCTD_Threshold_3取值分别为170、170和4.5;所述第七判定条件为:εsfc(8.55um)<LSE_Threshold_1;且,εstropo(10.8um)<LSE_Threshold_2;且,BTWVIC_Thresh1(Topaque(7.2um))<βstropo(8.55/10.8um)<BTWVIC_Thresh2(Topaque(7.2um)),且,BTWVIC_Thresh3<βsopaque(12/10.8um)<BTWVIC_Thresh4;其中,εsfc(8.55um)表示辐射波长为8.55um通道的表面发射率,阈值LSE_Threshold_1和LSE_Threshold_2取值分别为0.85和0.50,阈值BTWVIC_Thresh1(Topaque(7.2um))和BTWVIC_Thresh2(Topaque(7.2um))是Topaque(7.2um)的函数,阈值BTWVIC_Thresh3和BTWVIC_Thresh4取值分别为1.00和2.00;
所述次级冰云判定条件包括第八判定条件和第九判定条件,若第八判定条件或者第九判定条件成立,则满足所述次级冰云判定条件;所述第八判定条件为:εstropo(10.8μm)<SCIC_Thresh1;所述第九判定条件为:不透明云检测判定条件成立,且,εstropo(10.8μm)<SCIC_Thresh2;其中,阈值SCIC_Thresh1和SCIC_Thresh2取值分别为0.40和0.85;所述不透明云检测判定条件包括第十判定条件、第十一判定条件和第十二判定条件,若所述第十判定条件和第十一判定条件均满足,则所述不透明云检测判定条件成立,若所述第十判定条件不成立且所述第十二判定条件成立,则所述不透明云检测判定条件成立;其中,所述第十判定条件为:εsfc(8.55um)<LSE_Threshold_1;且,εstropo(10.8um)<LSE_Threshold_2;εsfc(8.55um)表示辐射波长为8.55um通道的表面发射率,阈值LSE_Threshold_1和LSE_Threshold_2取值分别为0.85和0.50;所述第十一判定条件为:Topaque(7.2μm)>OCTD_Threshold_1,且,Topaque(10.8μm)>OCTD_Threshold_2,且,Topaque(diff)<OCTD_Threshold_3;其中,阈值OCTD_Threshold_1、OCTD_Threshold_2和OCTD_Threshold_3取值分别为170、170和4.5;所述第十二判定条件为:εstropo(10.8um)>BOC_Threshold_1,且βsopaque(12/10.8um)<BOC_Threshold_2;其中阈值BOC_Threshold_1和BOC_Threshold_2取值分别为0.05和1.19;
所述混合云判定条件为:MP_Thresh1(Topaque(10.8um))<βsopoque(8.55/10.8um)<MP_Thresh2(Topaque(10.8um));且,MP_Thresh3(Topaque(10.8um)_LRC)<βsopoque(8.55/10.8um)_LRC<MP_Thresh4(Topaque(10.8um)_LRC);其中,局地辐射中心的Topaque(10.8um),即Topaque(10.8um)_LRC,局地辐射中心的βsopoque(8.55/10.8um),即βsopoque(8.55/10.8um)_LRC;阈值MP_Thresh1(Topaque(10.8um))、MP_Thresh2(Topaque(10.8um))、MP_Thresh3(Topaque(10.8um)_LRC)和MP_Thresh4(Topaque(10.8um)_LRC)是Topaque(10.8um)或Topaque(10.8um)_LRC的函数;
所述过冷水云判定条件为:170.0K<Topaque(10.8um)<273.16K;
所述暖水云判定条件为:Tcld>273K;其中Tcld为10.8μm通道的云顶温度;
步骤三、基于确定的云类型和预设的云相态-云类型对应规则判定所述目标像元的云相态。
2.如权利要求1所述的基于极轨气象卫星搭载的MERSI-Ⅱ仪器的全天候云相态反演方法,其特征在于,所述有效云发射率的计算公式为:
其中,εstropo(λi)表示单层云对流层顶假设时各目标通道对应的有效云发射率,Robs(λi)表示观测的大气层顶辐射,Rclr(λi)表示观测的大气层顶的晴空辐射、Rtropo(λi)表示由对流层顶积分至大气层顶的晴空大气辐射,ttropo(λi)表示由对流层顶积分至大气层顶的晴空大气传输,B(λi,Ttropo)表示普朗克函数;
则根据εstropo(λi)计算有效吸收光学厚度比的公式为:
或者,
其中,εmtropo(λi)表示多层云对流层顶假设时各目标通道对应的有效云发射率,Tblack表示在Pblack气压层上的温度,Rblack(λi)和tblack(λi)分别表示晴空大气由气压为Pblack的层次垂直积分至大气层顶的辐射和传输;
则根据εmtropo(λi)计算有效吸收光学厚度比的公式为:
或者,
其中,εsopaque(λi)表示单层云不透明云假设时各目标通道对应的有效云发射率,其中,i取值2、3和4,Rcld-interp(λi)为黑体云辐射;
则根据εsopaque(λi)计算有效吸收光学厚度比的公式为:
或者,
其中,εmopaque(λi)表示多层云不透明云假设时各目标通道对应的有效云发射率,其中,i取值2、3和4;
则根据εmopaque(λi)计算有效吸收光学厚度比的公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021262.0A CN114354529B (zh) | 2022-01-10 | 2022-01-10 | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021262.0A CN114354529B (zh) | 2022-01-10 | 2022-01-10 | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114354529A CN114354529A (zh) | 2022-04-15 |
CN114354529B true CN114354529B (zh) | 2024-06-04 |
Family
ID=81106864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210021262.0A Active CN114354529B (zh) | 2022-01-10 | 2022-01-10 | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114354529B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116246182A (zh) * | 2023-03-17 | 2023-06-09 | 四川省气象灾害防御技术中心 | 基于agri红外分裂窗反演中高纬度云顶高度的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100740347B1 (ko) * | 2006-05-25 | 2007-07-18 | 재단법인서울대학교산학협력재단 | 6.7 마이크로 채널을 이용한 구름상 추정 방법 |
CN201104273Y (zh) * | 2007-07-13 | 2008-08-20 | 中国人民解放军理工大学气象学院 | 基于红外的测云传感器 |
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 |
CN102707336A (zh) * | 2012-02-13 | 2012-10-03 | 安徽师范大学 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
CN104535979A (zh) * | 2014-12-23 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种陆地云光学厚度的遥感反演方法及系统 |
CN107917880A (zh) * | 2017-11-06 | 2018-04-17 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的云底高度反演方法 |
KR20180080637A (ko) * | 2017-01-04 | 2018-07-12 | 강릉원주대학교산학협력단 | 히마와리 8호 ahi 센서를 이용한 대기상단 광대역 알베도 산출 방법 |
CN109614649A (zh) * | 2018-11-09 | 2019-04-12 | 华南理工大学 | 一种面向华南地区桥梁的全气候热分析方法 |
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 |
CN110688606A (zh) * | 2019-08-30 | 2020-01-14 | 中国科学院遥感与数字地球研究所 | 一种热红外遥感反演云微物理参数的方法 |
CN112816071A (zh) * | 2021-01-06 | 2021-05-18 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于云顶高度算法的红外通道辐射稳定性监测方法 |
-
2022
- 2022-01-10 CN CN202210021262.0A patent/CN114354529B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100740347B1 (ko) * | 2006-05-25 | 2007-07-18 | 재단법인서울대학교산학협력재단 | 6.7 마이크로 채널을 이용한 구름상 추정 방법 |
CN201104273Y (zh) * | 2007-07-13 | 2008-08-20 | 中国人民解放军理工大学气象学院 | 基于红外的测云传感器 |
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 |
CN102707336A (zh) * | 2012-02-13 | 2012-10-03 | 安徽师范大学 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
CN103293084A (zh) * | 2013-05-08 | 2013-09-11 | 南京大学 | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 |
CN104535979A (zh) * | 2014-12-23 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种陆地云光学厚度的遥感反演方法及系统 |
KR20180080637A (ko) * | 2017-01-04 | 2018-07-12 | 강릉원주대학교산학협력단 | 히마와리 8호 ahi 센서를 이용한 대기상단 광대역 알베도 산출 방법 |
CN107917880A (zh) * | 2017-11-06 | 2018-04-17 | 中国科学院寒区旱区环境与工程研究所 | 一种基于地基云图的云底高度反演方法 |
CN109614649A (zh) * | 2018-11-09 | 2019-04-12 | 华南理工大学 | 一种面向华南地区桥梁的全气候热分析方法 |
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 |
CN110688606A (zh) * | 2019-08-30 | 2020-01-14 | 中国科学院遥感与数字地球研究所 | 一种热红外遥感反演云微物理参数的方法 |
CN112816071A (zh) * | 2021-01-06 | 2021-05-18 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于云顶高度算法的红外通道辐射稳定性监测方法 |
Non-Patent Citations (8)
Title |
---|
Characterization of atmospheric aerosols from infrared measurements: simulations, testing, and applications;Zasetsky, AY,等;APPLIED OPTICS;20041010;第43卷(第29期);5503-5511 * |
Effects and Applications of Satellite Radiometer 2.25-μm Channel on Cloud Property Retrievals;Wang, Jianjie, 等;IEEE TRANSACTIONS ON GEC ENCE AND REMOTE SENSING;20180912;第56卷(第9期);5407-5216 * |
Remote sensing of cloud properties using MODIS airborne simulator imagery duringsuCCESS 1.data and models;Baum B A,等;Journal of Geophysical Research;20130709(第105期);11767-11780 * |
利用MODIS数据反演多层云光学厚度和有效粒子半径;叶晶等;气象学报;20090815(第04期);115-124 * |
基于CALIPSO数据反演云相态的方法研究;梁晓芳,等;大气与环境光学学报;20120515;第7卷(第03期);203-207 * |
基于静止卫星的青藏高原及周边地区夏季对流的气候特征分析;李博等;气象学报;20181215;第76卷(第06期);983-995 * |
彭望琭.中国遥感卫星应用技术 下.中国宇航出版社,2021,(第1版),547-560. * |
气象卫星的云观测;卢乃锰,等;气象;20170321;第43卷(第03期);257-267 * |
Also Published As
Publication number | Publication date |
---|---|
CN114354529A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103293084B (zh) | 基于多光谱气象卫星信息的海雾全天时全天候反演方法 | |
McMillin et al. | Theory and validation of the multiple window sea surface temperature technique | |
US10337925B2 (en) | Method for estimating land surface temperature lapse rate using infrared image | |
Higurashi et al. | A study of global aerosol optical climatology with two-channel AVHRR remote sensing | |
CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
CN109509319B (zh) | 基于静止卫星监测资料的输电线路山火监测预警方法 | |
Zheng et al. | The retrieved urban LST in Beijing based on TM, HJ-1B and MODIS | |
Kaufman et al. | Retrievals of profiles of fine and coarse aerosols using lidar and radiometric space measurements | |
CN114354529B (zh) | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 | |
CN109633573A (zh) | 一种对大幅宽范围内湿对流层延时误差的校正方法 | |
Wang et al. | Level 2 cloud scenario classification product process description and interface control document | |
Lee et al. | Atmospheric temporal variations in the pre-landfall environment of typhoon Nangka (2015) observed by the Himawari-8 AHI | |
Yin et al. | Steady increase in water clarity in Jiaozhou Bay in the Yellow Sea from 2000 to 2018: Observations from MODIS | |
Meunier et al. | Biases caused by the instrument bandwidth and beam width on simulated brightness temperature measurements from scanning microwave radiometers | |
Wang et al. | Study on Remote Sensing of Water Depths Based on BP Artificial Neural Network. | |
Deb et al. | Retrieval of atmospheric motion vector using INSAT-3D and INSAT-3DR imager data in staggering mode | |
CN114354510B (zh) | 一种基于极轨气象卫星mersi的白天云相态反演方法 | |
Ifatimehin et al. | A satellite remote sensing based land surface temperature retreival from Landsat TM data | |
Kazancı et al. | Relationship of Urban Development with the Heat Islands, Trabzon Case Study | |
Tan et al. | Research on the change of Spatio-temporal characteristics of Urban built-up area based on remote Sensing--A case study of Yulin City, Shaanxi Province | |
Li et al. | Automatic Night-Time Sea Fog Confidence Interval Detection Algorithm Based on Himawari-8 Data | |
Li et al. | Two-channel thermal infrared brightness temperature characteristics of sea fog using FY4A data | |
Pelon et al. | Space observation of aerosols from satellite over China during pollution episodes: status and perspectives | |
Wang et al. | Research on the optical properties and sensitivity of the middle and upper limb atmospheric characteristics | |
Sokolik | Remote sensing of mineral dust aerosols in the UV/visible and IR regions |
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 |