CN114705158A - 一种基于星载多通道辐射成像仪的云底高度反演方法 - Google Patents

一种基于星载多通道辐射成像仪的云底高度反演方法 Download PDF

Info

Publication number
CN114705158A
CN114705158A CN202210342376.5A CN202210342376A CN114705158A CN 114705158 A CN114705158 A CN 114705158A CN 202210342376 A CN202210342376 A CN 202210342376A CN 114705158 A CN114705158 A CN 114705158A
Authority
CN
China
Prior art keywords
cloud
layer
satellite
height
effective
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
Application number
CN202210342376.5A
Other languages
English (en)
Other versions
CN114705158B (zh
Inventor
谭仲辉
马烁
严卫
胡申森
任开军
曹小群
张卫民
赵延来
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.)
National University of Defense Technology
Original Assignee
National University of Defense 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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202210342376.5A priority Critical patent/CN114705158B/zh
Publication of CN114705158A publication Critical patent/CN114705158A/zh
Application granted granted Critical
Publication of CN114705158B publication Critical patent/CN114705158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于星载多通道辐射成像仪的云底高度反演方法，利用星载多通道辐射成像仪观测资料进行云检测；针对单层云像元，由云光学厚度和云有效粒子半径计算云水路径；利用多源卫星观测资料分析云水路径、云顶高度及环境因素与有效云水含量的关系，建立有效云水含量的查找表；由查找表得到有效云水含量估计值，进而利用云水路径除以有效云水含量，得到云几何厚度；利用已知的云顶高度反演结果，减去计算的云几何厚度，得到目标单层云的云底高度反演结果；利用外推法估计多层云的云底高度；验证反演结果，对算法进行优化。本发明可得到更好的有效云水含量估计，快速有效地反演云底高度；利用外推法间接地反演多层云云底高度。

Description

一种基于星载多通道辐射成像仪的云底高度反演方法
技术领域
本发明属于大气探测与遥感技术领域，尤其涉及一种基于星载多通道辐射成像仪的云底高度反演方法。
背景技术
云底高度是一种重要的卫星气象产品，被广泛用于气候变化研究和航天气象保障，但是目前国产风云气象卫星还没有基于星载多通道辐射成像仪的云底高度产品。星载多通道辐射成像仪从太空中测量来自地气系统的可见光和红外辐射，具有时空分辨率高、观测反演广的优点。星载多通道辐射成像仪测量的辐射主要由云顶决定，无法直接反映云底的信息，所以目前卫星云产品中主要包含了云顶参数，而没有云底参数。虽然无法直接反演云底高度，但已经有一些方法利用经验估计和统计方法间接地反演云底高度。现有的云底高度反演算法一般假设云水含量为与云类型相关的固定值，进而计算云的几何厚度和云底高度。然而，实际的云具有多样性和复杂性，现有算法往往具有较大的不确定性。利用准确的雷达探测结果验证也发现，现有算法的云底高度反演结果具有较大的偏差。此外，由于星载多通道辐射成像仪对多层云的云顶高度和云光学参数的反演一般存在较大误差，利用现有算法直接反演多层云的云底高度可能会有更加显著的偏差。现有算法的这些缺陷限制了对云底高度的科学研究和业务应用。
发明内容
本发明的目的在于提供一种精确性好、使用范围广、计算效率高的基于星载多通道辐射成像仪的云底高度反演方法。本发明充分考虑了星载多通道辐射成像仪反演云底高度的技术难点，设计了一种将传统计算法和外推算法有机融合的云底高度反演方法。该方法充分考虑了云水含量随高度和云水路径的变化，利用多源卫星观测资料建立了有效云水含量的查找表，可以仅使用星载多通道辐射成像仪现有的云顶高度、云光学厚度和云有效粒子半径产品反演未知的云底高度。与准确星载雷达CPR的对比验证本算法的有效性。本发明针对星载多通道辐射成像仪反演云底高度的难题，提出了一种适用范围广、准确性高的反演算法，可为未来国产风云系列气象卫星开发云底高度业务产品提供有力支撑。
实现本发明目的的技术解决方案为：一种基于星载多通道辐射成像仪的云底高度反演方法，包括以下步骤：
步骤1：利用星载多通道辐射成像仪观测资料进行云检测；
步骤2：针对单层云像元，由云光学厚度和云有效粒子半径计算云水路径；
步骤3：利用主被动卫星联合观测资料得到有效云水含量样本，然后建立不同环境条件下由云顶高度和云水路径约束的有效云水含量查找表；
步骤4：根据目标单层云像元的云顶高度，云水路径和环境条件，由上一步建立的查找表得到有效云水含量估计值，进而利用云水路径除以有效云水含量，得到云几何厚度；利用已知的云顶高度反演结果，减去计算的云几何厚度，得到目标单层云的云底高度反演结果，此步骤循环进行，直至完成所有单层云目标的反演；
步骤5：基于有效的多层云检测，利用边缘约束、相态约束和云高约束三个步骤，寻找与目标多层云像元最匹配的单层云像元，根据已知的单层云云底高度估计多层云的云底高度；
步骤6：利用星载雷达CPR和地基Ka波段雷达验证反演结果。
进一步的，在步骤1中，利用基于随机森林的云检测模型，将卫星观测目标区分晴空、单层云与多层云。
进一步的，在步骤2中，基于不同云相态对应的云水路径公式，利用星载多通道辐射成像仪的云光学厚度和云有效粒子半径反演数据，计算每个单层云像元的云水路径。
进一步的，所述云水路径公式为：
水云的云水路径＝2/3*云光学厚度*云有效粒子半径；
冰云的云水路径＝0.065*云光学厚度^(1/0.84)。
进一步的，在步骤3中，利用主动遥感卫星测量的云几何厚度和被动遥感卫星测量的云水路径，计算有效云水含量＝云几何厚度/云水路径,得到大量有效云水含量样本。划分样本子集时，以4个季节、2种地表(陆地和海洋)和5个纬度区间得到40个子集。然后，在每个子集内计算不同云顶高度和云水路径条件下的有效云水含量平均值。最终建立40个不同环境条件下的云顶高度和云水路径约束的查找表。
进一步的，在步骤4中，对一个目标单层云像元，利用已知的云水路径除以由查找表得到的有效云水含量得到云几何厚度，再用云顶高度减去云几何厚度得到云底高度；该步骤逐像元循环进行，直至所有单层云像元完成反演。
进一步的，在步骤5中，边缘约束指寻找与多层云区域相邻的单层云；相态约束指寻找附近的单层冰云作为多层云上层冰云的匹配结果；云高约束指根据光学厚度和现有的云顶高度估计实际的云顶高度范围；利用上述三种约束，得到与目标多层云最匹配的单层云像元，然后计算这些单层云云底高度的平均值得到目标多层云云底高度；该步骤逐像元循环进行，直至所有多层云像元完成反演。
进一步的，所述根据这些单层云云底高度计算得到目标多层云云底高度h，包括：
Figure BDA0003572880910000041
其中αi为第i个单层云像元的光学厚度，hi为第i个单层云像元的云底高度，di为第i个单层云像元与目标多层云像元间的距离，n为单层云的数量，β为调整系数。
进一步的，在步骤6中，利用星载雷达CPR和地基Ka波段雷达的探测结果，评估云底高度反演结果的表现。
本发明与现有技术相比，具有以下优点：
(1)充分考虑云水含量的垂直分布特征与不同环境要素的影响，建立不同环境条件下由云顶高度和云水路径约束的多个查找表，得到更好的有效云水含量估计，进而能快速有效地反演云底高度；
(2)针对星载多通道辐射成像仪反演多层云云底高度的困难，利用已知的单层云云底高度估计多层云云底高度，验证表明本算法结果与实际的云底高度更加一致，可为未来国产风云气象卫星开发相关产品提供有力支撑。
附图说明
图1本发明的云底高度反演方法流程图；
图2本发明应用于国产FY-4A卫星的结果。
具体实施方式
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
云底高度是重要的云物理参数，不仅是大气科学研究的重要对象，还被广泛用于人工增雨作业、航空气象保障等领域。气象卫星遥感是获取准确的全球云底高度信息的主要途径。由于星载多通道光谱辐射成像仪的自身局限，难以直接探测云底的信息，因而目前国产风云卫星尚无业务的云底高度产品。现有的云底高度反演算法主要假设云水含量为云类型相关的固定值，而实际大气中的云十分复杂，云水含量与大气的热力环境和动力环境都密切相关，现有算法反演的云底高度往往存在较大的不确定性。目前推动国产风云卫星云底高度业务产品的开发，充分发挥星载多通道辐射成像仪强大的观测能力，急需一种新的算法解决云底高度反演问题。本发明充分考虑星载多通道辐射成像仪的技术特征，通过统计方法直接反演和外推算法间接反演有机融合，旨在开发一种快速、有效的云底高度反演算法，以提供精度高、覆盖广的云底高度反演结果，可为国产风云气象卫星开发云底高度产品提供有力支撑。
实现本发明目的的技术解决方案为：一种基于星载多通道辐射成像仪的云底高度反演方法，包括以下步骤：
步骤1：利用星载多通道辐射成像仪观测资料进行云检测；基于随机森林建立云检测模型，将卫星观测目标区分晴空、单层云与多层云。随机森林为本领域的现有技术，本发明不再赘述。
步骤2：针对单层云像元，由云光学厚度和云有效粒子半径计算云水路径；基于不同云相态对应的云水路径公式，利用星载多通道辐射成像仪的云光学厚度和云有效粒子半径反演数据，计算每个单层云像元的云水路径。
云水路径公式为：
水云的云水路径＝2/3*云光学厚度*云有效粒子半径； (1)
冰云的云水路径＝0.065*云光学厚度^(1/0.84)。 (2)
步骤3：利用主被动卫星联合观测资料得到有效云水含量样本，然后建立不同环境条件下由云顶高度和云水路径约束的有效云水含量查找表；利用主动遥感卫星测量的云几何厚度和被动遥感卫星测量的云水路径，计算有效云水含量＝云几何厚度/云水路径,得到大量有效云水含量样本。划分样本子集时，以4个季节、2种地表(陆地和海洋)和5个纬度区间得到40个子集。然后，在每个子集内计算不同云顶高度和云水路径条件下的有效云水含量平均值。最终建立40个不同环境条件下的云顶高度和云水路径约束的查找表。
步骤4：根据目标单层云像元的云顶高度和云水路径反演结果，由查找表得到有效云水含量估计值，进而利用云水路径除以有效云水含量，得到云几何厚度；利用已知的云顶高度反演结果，减去计算的云几何厚度，得到目标单层云的云底高度反演结果，此步骤循环进行，直至完成所有单层云目标的反演；在步骤4中，对一个目标单层云像元，利用已知的云水路径除以由查找表得到的有效云水含量得到云几何厚度，再用云顶高度减去云几何厚度得到云底高度；该步骤逐像元循环进行，直至所有单层云像元完成反演。
步骤5：基于有效的多层云检测，利用边缘约束、相态约束和云高约束三个步骤，寻找与目标多层云像元最匹配的单层云像元，根据已知的单层云云底高度估计多层云的云底高度；边缘约束指寻找与多层云区域相邻的单层云；相态约束指寻找附近的单层冰云作为多层云上层冰云的匹配结果；云高约束指根据光学厚度和现有的云顶高度估计实际的云顶高度范围；利用上述三种约束，得到与目标多层云最匹配的单层云像元，然后按照公式3计算得到目标多层云云底高度h；该步骤逐像元循环进行，直至所有多层云像元完成反演。
Figure BDA0003572880910000061
其中αi为第i个单层云像元的光学厚度，hi为第i个单层云像元的云底高度，di为第i个单层云像元与目标多层云像元间的距离，n为单层云的数量，β为调整系数，根据实验数据确定。
步骤6：利用星载雷达CPR和地基Ka波段雷达验证反演结果。在步骤6中，利用星载雷达CPR和地基Ka波段雷达的探测结果，评估云底高度反演结果的表现。
实施例
本发明的具体实施方式如下：
(1)建立多层云检测模型，该模型以星载多通道辐射成像仪的辐射观测数据为主要输入，利用基于随机森林的云检测模型将观测像元分为晴空、单层云和多层云三种类别。随机森林为现有技术，本发明不再赘述。
(2)针对单层云像元，由云光学厚度和云有效粒子半径计算云水路径CWP。具体计算公式为：
对象为水云：云水路径＝2/3*云光学厚度*云有效粒子半径；
对象为冰云：云水路径＝0.065*云光学厚度^(1/0.84)；
(3)主动遥感可以测量准确的云高度和云厚度，但空间覆盖范围有限，被动遥感即星载多通道辐射成像仪可以大范围进行观测，但无法直接反演云底信息。利用时空匹配的主动遥感和被动遥感卫星的观测资料，定量分析云顶高度、云水路径及环境因素和有效云水含量(云水路径与云几何厚度的商)的关系，建立有效云水含量的查找表。在某些实施例中，利用主动遥感卫星测量的云几何厚度和被动遥感卫星测量的云水路径，计算有效云水含量＝云几何厚度/云水路径,得到大量有效云水含量样本；划分样本子集时，以4个季节、2种地表和5个纬度区间得到40个子集；然后，在每个子集内计算不同云顶高度和云水路径条件下的有效云水含量平均值；最终建立40个不同环境条件下的云顶高度和云水路径约束的查找表。
(4)对每一个单层云像元，利用已有的云光学厚度和云有效粒子半径，根据查找表估计的有效云水含量，计算云几何厚度，进而由已知的云顶高度减去云几何厚度得到云底高度反演结果。
(5)多层云存在时，星载多通道辐射成像仪的云顶高度、云光学厚度和云有效粒子半径往往存在较大的误差，因而难以直接计算云底高度。本发明基于单层云的云底高度结果，充分考虑云的连续性和空间相关性，借助外推法由单层云的云底高度估计周围的多层云的云底高度。
图2所示为本发明用于国产FY-4A卫星的示例(2017年10月4日观测)，可以看到，本发明的云底高度反演结果与星载雷达CPR的主动探测结果十分一致，可以很较好地揭示云底高度信息。
本发明与现有技术相比，具有以下优点：
(1)充分考虑星载多通道辐射成像仪反演云底高度的技术难点，基于云水含量的垂直分布特征与不同环境要素的影响，考虑云水含量随高度和云水路径的变化，建立不同环境条件下由云顶高度和云水路径约束的多个查找表，得到更好的有效云水含量估计，进而能快速有效地反演云底高度；
(2)针对星载多通道辐射成像仪反演多层云云底高度的困难，利用外推法间接地反演多层云云底高度，验证表明本算法结果与实际的云底高度更加一致，可为未来国产风云气象卫星开发相关产品提供有力支撑。
本文所使用的词语“优选的”意指用作实例、示例或例证。本文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X使用B；或X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。
而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。
综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于星载多通道辐射成像仪的云底高度反演方法，其特征在于，包括以下步骤：
步骤1：利用星载多通道辐射成像仪观测资料进行云检测；
步骤2：针对单层云像元，由云光学厚度和云有效粒子半径计算云水路径；
步骤3：利用主被动卫星联合观测资料得到有效云水含量样本，然后建立不同环境条件下由云顶高度和云水路径约束的有效云水含量查找表；
步骤4：根据目标单层云像元的云顶高度，云水路径和环境条件，由上一步建立的查找表得到有效云水含量估计值，进而利用云水路径除以有效云水含量，得到云几何厚度；利用已知的云顶高度反演结果，减去计算的云几何厚度，得到目标单层云的云底高度反演结果，此步骤循环进行，直至完成所有单层云目标的反演；
步骤5：基于有效的多层云检测，利用边缘约束、相态约束和云高约束三个步骤，寻找与目标多层云像元最匹配的单层云像元，根据已知的单层云云底高度估计多层云的云底高度；
步骤6：利用雷达验证反演结果。
2.根据权利要求1所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于：在步骤1中，利用基于随机森林的云检测模型，将卫星观测目标区分晴空、单层云与多层云。
3.根据权利要求1所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于：在步骤2中，基于不同云相态对应的云水路径公式，利用星载多通道辐射成像仪的云光学厚度和云有效粒子半径反演数据，计算每个单层云像元的云水路径。
4.根据权利要求3所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于，所述云水路径公式为：
水云的云水路径＝2/3*云光学厚度*云有效粒子半径；
冰云的云水路径＝0.065*云光学厚度^(1/0.84)。
5.根据权利要求1所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于：在步骤3中，利用主动遥感卫星测量的云几何厚度和被动遥感卫星测量的云水路径，计算有效云水含量＝云几何厚度/云水路径,得到大量有效云水含量样本；划分样本子集时，以4个季节、2种地表和5个纬度区间得到40个子集；然后，在每个子集内计算不同云顶高度和云水路径条件下的有效云水含量平均值；最终建立40个不同环境条件下的云顶高度和云水路径约束的查找表。
6.根据权利要求1所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于：在步骤4中，对一个目标单层云像元，利用已知的云水路径除以由查找表得到的有效云水含量得到云几何厚度，再用云顶高度减去云几何厚度得到云底高度；该步骤逐像元循环进行，直至所有单层云像元完成反演。
7.根据权利要求1所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于：在步骤5中，边缘约束指寻找与多层云区域相邻的单层云；相态约束指分别寻找附近的单层冰云作为多层云上层冰云的匹配结果；云高约束指根据光学厚度和现有的云顶高度估计实际的云顶高度范围；利用上述三种约束，得到与目标多层云最匹配的单层云像元，然后根据这些单层云云底高度计算得到目标多层云云底高度；该步骤逐像元循环进行，直至所有多层云像元完成反演。
8.根据权利要求7所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于，所述根据这些单层云云底高度计算得到目标多层云云底高度h，包括：
Figure FDA0003572880900000031
其中αi为第i个单层云像元的光学厚度，hi为第i个单层云像元的云底高度，di为第i个单层云像元与目标多层云像元间的距离，n为单层云的数量，β为调整系数。
9.根据权利要求1所述的基于星载多通道辐射成像仪的云底高度反演方法，其特征在于：在步骤6中，利用星载雷达CPR和地基Ka波段雷达的探测结果，评估云底高度反演结果的表现。
CN202210342376.5A 2022-03-30 2022-03-30 一种基于星载多通道辐射成像仪的云底高度反演方法 Active CN114705158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210342376.5A CN114705158B (zh) 2022-03-30 2022-03-30 一种基于星载多通道辐射成像仪的云底高度反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210342376.5A CN114705158B (zh) 2022-03-30 2022-03-30 一种基于星载多通道辐射成像仪的云底高度反演方法

Publications (2)

Publication Number Publication Date
CN114705158A true CN114705158A (zh) 2022-07-05
CN114705158B CN114705158B (zh) 2023-11-17

Family

ID=82172229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210342376.5A Active CN114705158B (zh) 2022-03-30 2022-03-30 一种基于星载多通道辐射成像仪的云底高度反演方法

Country Status (1)

Country Link
CN (1) CN114705158B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227346A (zh) * 2023-02-24 2023-06-06 武汉大学 一种云垂直结构的被动遥感方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230796A (zh) * 2011-04-06 2011-11-02 中国人民解放军理工大学气象学院 基于无线电掩星探测资料的云底高反演方法
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
CN110174687A (zh) * 2019-05-24 2019-08-27 中国气象科学研究院 一种云水路径获取方法及装置
CN110455254A (zh) * 2018-12-25 2019-11-15 华中科技大学 一种面向飞行器导航制导的单层云云底高度估计方法
CN111191594A (zh) * 2019-12-30 2020-05-22 华中科技大学 一种基于多源卫星数据的云底高度反演方法及系统
CN112699959A (zh) * 2021-01-11 2021-04-23 中国科学院地理科学与资源研究所 基于能量泛函模型的多源多尺度降水数据融合方法和装置
KR20210111579A (ko) * 2020-03-03 2021-09-13 대한민국(기상청 국립기상과학원장) 기상항공기와 기상위성의 관측자료를 이용한 구름특성 산출방법
JP2022013152A (ja) * 2020-07-03 2022-01-18 株式会社日立製作所 雲高計測装置、計測点決定方法、および雲種類決定方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230796A (zh) * 2011-04-06 2011-11-02 中国人民解放军理工大学气象学院 基于无线电掩星探测资料的云底高反演方法
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
CN110455254A (zh) * 2018-12-25 2019-11-15 华中科技大学 一种面向飞行器导航制导的单层云云底高度估计方法
CN110174687A (zh) * 2019-05-24 2019-08-27 中国气象科学研究院 一种云水路径获取方法及装置
CN111191594A (zh) * 2019-12-30 2020-05-22 华中科技大学 一种基于多源卫星数据的云底高度反演方法及系统
KR20210111579A (ko) * 2020-03-03 2021-09-13 대한민국(기상청 국립기상과학원장) 기상항공기와 기상위성의 관측자료를 이용한 구름특성 산출방법
JP2022013152A (ja) * 2020-07-03 2022-01-18 株式会社日立製作所 雲高計測装置、計測点決定方法、および雲種類決定方法
CN112699959A (zh) * 2021-01-11 2021-04-23 中国科学院地理科学与资源研究所 基于能量泛函模型的多源多尺度降水数据融合方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谭仲辉等: "基于随机森林算法的FY-4A 云底高度估计方法", 《红外与毫米波学报》, vol. 38, no. 3 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227346A (zh) * 2023-02-24 2023-06-06 武汉大学 一种云垂直结构的被动遥感方法及装置
CN116227346B (zh) * 2023-02-24 2024-03-22 武汉大学 一种云垂直结构的被动遥感方法及装置

Also Published As

Publication number Publication date
CN114705158B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
Bettenhausen et al. A nonlinear optimization algorithm for WindSat wind vector retrievals
Brown A novel near-land radiometer wet path-delay retrieval algorithm: Application to the Jason-2/OSTM advanced microwave radiometer
Jiang et al. The HY-2 satellite and its preliminary assessment
Simard et al. An assessment of temporal decorrelation compensation methods for forest canopy height estimation using airborne L-band same-day repeat-pass polarimetric SAR interferometry
Xu et al. Coupled retrieval of liquid water cloud and above‐cloud aerosol properties using the Airborne Multiangle SpectroPolarimetric Imager (AirMSPI)
Soldo et al. Localization of RFI sources for the SMOS mission: A means for assessing SMOS pointing performances
Hoffman et al. A two-dimensional variational analysis method for NSCAT ambiguity removal: Methodology, sensitivity, and tuning
Forsythe et al. Ionospheric horizontal correlation distances: Estimation, analysis, and implications for ionospheric data assimilation
CN108898049A (zh) 基于modis数据的林火识别方法
Hauser et al. CFOSAT: A new Chinese-French satellite for joint observations of ocean wind vector and directional spectra of ocean waves
Varma Measurement of precipitation from satellite radiometers (visible, infrared, and microwave): Physical basis, methods, and limitations
Park et al. Conceptual design of the CZMIL data processing system (DPS): algorithms and software for fusing lidar, hyperspectral data, and digital images
Arbizu‐Barrena et al. Macroscopic cloud properties in the WRF NWP model: An assessment using sky camera and ceilometer data
Sharma et al. Radiometric calibration stability assessment for the RISAT-1 SAR sensor using a deployed point target array at the Desalpar site, Rann of Kutch, India
CN114705158B (zh) 一种基于星载多通道辐射成像仪的云底高度反演方法
Kazumori et al. A retrieval algorithm of atmospheric water vapor and cloud liquid water for AMSR-E
Wang et al. UAV-based P-band SAR tomography with long baseline: A multimaster approach
Rikka et al. Sea state in the Baltic Sea from space-borne high-resolution synthetic aperture radar imagery
Reuter et al. The CM-SAF and FUB cloud detection schemes for SEVIRI: Validation with synoptic data and initial comparison with MODIS and CALIPSO
Peng et al. Study on atmospheric correction approach of Landsat-8 imageries based on 6S model and look-up table
Bréon et al. Measuring the directional variations of land surface reflectance from MODIS
Xu et al. A validation of passive microwave rain-rate retrievals from the Chinese FengYun-3B satellite
Nielsen et al. A wind and rain backscatter model derived from AMSR and SeaWinds data
Gu et al. Snow depth and snow cover retrieval from FengYun3B microwave radiation imagery based on a snow passive microwave unmixing method in Northeast China
Liu et al. Assessing the performance of GNSS-R observations in drought monitoring: a case study in Jiangxi and Hunan, China

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