CN115238514B - 一种卫星载荷观测模拟数据的计算方法及系统 - Google Patents
一种卫星载荷观测模拟数据的计算方法及系统 Download PDFInfo
- Publication number
- CN115238514B CN115238514B CN202210923321.3A CN202210923321A CN115238514B CN 115238514 B CN115238514 B CN 115238514B CN 202210923321 A CN202210923321 A CN 202210923321A CN 115238514 B CN115238514 B CN 115238514B
- Authority
- CN
- China
- Prior art keywords
- satellite
- data
- scanning point
- observation
- numerical
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005855 radiation Effects 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 229920006395 saturated elastomer Polymers 0.000 claims description 7
- 238000012821 model calculation Methods 0.000 claims description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 241000219094 Vitaceae Species 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000021021 grapes Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种卫星载荷观测模拟数据的计算方法及系统,涉及卫星仪器观测仿真模拟技术领域,方法包括:确定数值预报数据集;数值预报数据集包括多个数值预报数据;获取卫星在各扫描点的观测数据;根据数值预报数据集和卫星在各扫描点的观测数据生成卫星在各扫描点的结构化数据;每个扫描点的结构化数据均包括:数值预报数据、卫星在当前扫描点的观测几何数据和对应规则;根据卫星在各扫描点的结构化数据生成卫星在各扫描点的大气廓线;利用辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据。本发明设置结构化数据,降低了辐射传输模拟所需内存资源、计算资源和存储资源的要求,提高了节点计算效率。
Description
技术领域
本发明涉及卫星仪器观测仿真模拟技术领域,特别是涉及一种卫星载荷观测模拟数据的计算方法及系统。
背景技术
经过半个世纪努力,中国已成功发射了18颗气象卫星,目前在轨运行8颗,形成了兼顾成像、探测,覆盖可见、红外、微波等谱段的综合对地观测能力,成为全球同时具有极轨和静止两个系列业务气象卫星的少数几个国家之一。中国第二代极轨风云气象卫星——风云四号上搭载了成像仪、快速成像仪与探测仪等载荷。作为中国独立自主生产的遥感仪器,风云四号B星上的GIIRS(FY-4A大气垂直探测仪)已具有1687个通道,其数据产品经过偏差订正后,已得到国内外同行的广泛认可,其数据质量已达到国外同类仪器水准,相关数据已经在中国气象局数值天气预报中心、欧洲中尺度天气预报中心(ECMWF)、英国气象局等全球主要的数值预报中心得到了业务同化应用。
风云四号B星上的载荷,仪器创新发展速度非常迅速,而需要精确评估卫星载荷探测资料的长期稳定性和定标精度,即需要以数值天气预报模式数据作为输入,利用快速辐射传输模式计算得到卫星载荷观测模拟数据,而由于通道多,且每15分钟生成28个驻留点,生成频次高,业务应用要求所有数据处理需要在15分钟内完成,这就对高光谱数据正演计算的效率提出了更高的要求。
现有的关于卫星载荷观测模拟数据的计算方法占用内存大,且计算效率低。
发明内容
本发明的目的是提供一种卫星载荷观测模拟数据的计算方法及系统,提高了卫星载荷观测模拟数据的计算速度。
为实现上述目的,本发明提供了如下方案:
一种卫星载荷观测模拟数据的计算方法,所述方法包括:
确定数值预报数据集;所述数值预报数据集包括多个数值预报数据;
获取卫星在各扫描点的观测数据;每个所述扫描点的观测数据均包括:观测几何数据和扫描时间;所述观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角;
根据所述数值预报数据集和所述卫星在各所述扫描点的观测数据生成所述卫星在各所述扫描点的结构化数据;每个所述扫描点的结构化数据均包括:所述数值预报数据、所述卫星在当前扫描点的观测几何数据和对应规则;所述对应规则为所述卫星在当前扫描点的观测几何数据与所述数值预报数据在空间以及扫描时间上的映射;
根据所述卫星在各所述扫描点的结构化数据生成所述卫星在各所述扫描点的大气廓线;所述卫星在一个所述扫描点的结构化数据对应生成一条所述大气廓线;
利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,所述卫星载荷观测模拟数据用于判断所述卫星载荷探测功能的稳定性和定标精度。
可选地,所述确定数值预报数据集,具体包括:
获取数值天气预报数据集;所述数值天气预报数据集包括:温度廓线、湿度廓线、海冰、云水含量、云冰含量、2米饱和水气压、地表温度、地表压力和痕迹气体;
按照设定规则,对所述数值天气预报数据集进行标准化处理,得到所述数值预报数据集。
可选地,所述根据所述卫星在各所述扫描点的结构化数据生成所述卫星在各所述扫描点的大气廓线,具体包括:
将所述卫星在各所述扫描点的结构化数据按照预设组数分组,得到多组结构化数据集;
将每组所述结构化数据集中的结构化数据进行并行计算,生成卫星在各扫描点的大气廓线。
可选地,所述利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,包括:
利用快速辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
可选地,所述利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,包括:
利用逐线利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
一种卫星载荷观测模拟数据的计算系统,包括:
数值预报数据集确定模块,用于确定数值预报数据集;所述数值预报数据集包括多个数值预报数据;
观测数据获取模块,用于获取卫星在各扫描点的观测数据;每个所述扫描点的观测数据均包括:观测几何数据和扫描时间;所述观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角;
结构化数据生成模块,用于根据所述数值预报数据集和所述卫星在各所述扫描点的观测数据生成所述卫星在各所述扫描点的结构化数据;每个所述扫描点的结构化数据均包括:所述数值预报数据、所述卫星在当前扫描点的观测几何数据和对应规则;所述对应规则为所述卫星在当前扫描点的观测几何数据与所述数值预报数据在空间以及扫描时间上的映射;
大气廓线生成模块,用于根据所述卫星在各所述扫描点的结构化数据生成所述卫星在各所述扫描点的大气廓线;所述卫星在一个所述扫描点的结构化数据对应生成一条所述大气廓线;
正演模拟数据计算模块,用于根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,所述卫星载荷观测模拟数据用于判断所述卫星载荷探测功能的稳定性和定标精度。
可选地,所述数值预报数据集确定模块,具体包括:
数值天气预报数据集获取单元,用于获取数值天气预报数据集;所述数值天气预报数据集包括:温度廓线、湿度廓线、海冰、云水含量、云冰含量、2米饱和水气压、地表温度、地表压力和痕迹气体;
数值预报数据集确定单元,用于按照设定规则,对所述数值天气预报数据集进行标准化处理,得到所述数值预报数据集。
可选地,所述大气廓线生成模块,具体包括:
分组单元,用于将所述卫星在各所述扫描点的结构化数据按照预设组数分组,得到多组结构化数据集;
并行计算单元,用于将每组所述结构化数据集中的结构化数据进行并行计算,生成卫星在各扫描点的大气廓线。
可选地,所述正演模拟数据计算模块,包括:
快速模型计算单元,用于利用快速辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
可选地,所述正演模拟数据计算模块,包括:
逐线模型计算单元,用于利用逐线利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种卫星载荷观测模拟数据的计算方法及系统,方法包括:确定数值预报数据集;数值预报数据集包括多个数值预报数据;获取卫星在各扫描点的观测数据;每个扫描点的观测数据均包括:观测几何数据和扫描时间;观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角;根据数值预报数据集和卫星在各扫描点的观测数据生成卫星在各扫描点的结构化数据;每个扫描点的结构化数据均包括:数值预报数据、卫星在当前扫描点的观测几何数据和对应规则;对应规则为卫星在当前扫描点的观测几何数据与数值预报数据在空间与扫描时间上的映射;根据卫星在各扫描点的结构化数据生成卫星在各扫描点的大气廓线;卫星在一个扫描点的结构化数据对应生成一条大气廓线;利用辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据,卫星载荷观测模拟数据用于判断卫星载荷探测功能的稳定性和定标精度。本发明设置结构化数据,降低了辐射传输模拟所需内存资源、计算资源和存储资源的要求,提高了节点计算效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的卫星载荷观测模拟数据的计算方法流程图;
图2为本发明实施例提供的卫星载荷观测模拟数据的计算系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种卫星载荷观测模拟数据的计算方法及系统,旨在提高卫星载荷观测模拟数据的计算速度,可应用于卫星仪器观测仿真模拟技术领域。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的卫星载荷观测模拟数据的计算方法流程图。如图1所示,本实施例中的卫星载荷观测模拟数据的计算方法,包括:
步骤101:确定数值预报数据集;数值预报数据集包括多个数值预报数据。
具体的,在实际应用中,可根据实际业务需要,选择特定的数值预报数据集进行卫星载荷观测模拟数据的计算。例如,若进行载荷定标光谱精度监测,则采用欧洲中心的EC数值预报数据进行匹配;若进行载荷定标稳定性监测,则采用国家气象数值预报中心的GRAPES数据进行匹配。
步骤102:获取卫星在各扫描点的观测数据;每个扫描点的观测数据均包括:观测几何数据和扫描时间;观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角。
步骤103:根据数值预报数据集和卫星在各扫描点的观测数据生成卫星在各扫描点的结构化数据;每个扫描点的结构化数据均包括:数值预报数据、卫星在当前扫描点的观测几何数据和对应规则;对应规则为卫星在当前扫描点的观测几何数据与数值预报数据在空间与扫描时间上的映射。
具体的,在生成卫星在各扫描点的结构化数据的同时,可依据当前集群内各运算节点的负载情况,对结构化数据切片,并将切片存储到运算结点本地存储中。
具体的,以GRAPES为例,由于数值预报数据集,空间分辨率为0.25度,区域范围为全球,投影方式为等经纬度投影;而卫星观测数据,以FY4BAGRI载荷为例,空间分辨率为4KM,观测范围西达印度洋,东逾太平洋国际日界线,投影方式为全圆盘投影。因此可根据业务需求,根据不同的数值插值规则,例如临近点匹配或者双线性插值,找到数值预报数据集与卫星在各扫描点的观测数据之间的对应规则。
步骤104:根据卫星在各扫描点的结构化数据生成卫星在各扫描点的大气廓线;卫星在一个扫描点的结构化数据对应生成一条大气廓线。
具体的,在实际应用中,可根据对应规则,从卫星在指定扫描点的结构化数据中,读取与卫星观测扫描点相对应经纬度的数值预报数据,利用数值插值,产生卫星在指定扫描点的大气廓线数据。
步骤105:利用辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据,卫星载荷观测模拟数据用于判断卫星载荷探测功能的稳定性和定标精度。
作为一种可选的实施方式,步骤101,具体包括:
获取数值天气预报数据集;数值天气预报数据集包括:温度廓线、湿度廓线、海冰、云水含量、云冰含量、2米饱和水气压、地表温度、地表压力和痕迹气体。其中,痕迹其他包括:二氧化碳廓线、一氧化碳廓线、臭氧。
按照设定规则,对数值天气预报数据集进行标准化处理,得到数值预报数据集。
在传统辐射传输设计中,程序设计人员通常需要根据数值预报数据类别不同,进行一系列物理量的计算与转换,增加了程序的复杂性,本发明中通过标准化数据,使辐射传输开发人员,更集中精力专注于模型本身方案的优化,同时简化了设计,提升了程序的可扩展性。
具体的,对数值天气预报数据集中的各个数据按照现有的规则进行标准化,得到数值预报数据集。如:将CO2廓线的kg/kg转为PPMV;利用2米温度(T2m),基于Tentens经验公式,计算水面和冰面饱和水气压等。
作为一种可选的实施方式,步骤104,具体包括:
将卫星在各扫描点的结构化数据按照预设组数分组,得到多组结构化数据集。
将每组结构化数据集中的结构化数据进行并行计算,生成卫星在各扫描点的大气廓线。
在传统辐射传输设计中,在计算中,即使只计算一条廓线,运算节点也需从共享盘阵中,读取全球数值预报数据至内存,进行辐射传输计算;本发明将结构化数据分组,并行计算,生成卫星在各扫描点的大气廓线,减少的对资源的消耗,最大化节点处理性能,提高了计算的速度。在采用10个计算节点的情况下,采用传统并行方案需要2分钟完成的计算,基于结构化数据流式辐射传输引擎方案仅需要1分钟左右。不仅很好满足了现有风云四号系列卫星AGRI、GIIRS载荷正演计算的需要,同时也能够满足未来更多通道、更高分辨率遥感数据的辐射传输计算需求。
作为一种可选的实施方式,步骤105,包括:
利用快速辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据。
作为一种可选的实施方式,步骤105,包括:
利用逐线利用辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据。
本发明支持快速辐射传输模式(Radiative Transfer forTOVs,RTTOV)、逐线模射传输模式(Line-By-Line Radiative TransferModel,LBL)等多种辐射传输模式,其中LBL模式为逐线模式,其多用于红外高光谱载荷在轨光谱精度分析;而RTTOV模式为快速模式,多用于遥感模拟数据实时晴空模拟,用于在轨定标精度的检验。
图2为本发明实施例提供的卫星载荷观测模拟数据的计算系统框图。如图2所示,本实施例中的卫星载荷观测模拟数据的计算系统,包括:
数值预报数据集确定模块201,用于确定数值预报数据集;数值预报数据集包括多个数值预报数据。
观测数据获取模块202,用于获取卫星在各扫描点的观测数据;每个扫描点的观测数据均包括:观测几何数据和扫描时间;观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角。
结构化数据生成模块203,用于根据数值预报数据集和卫星在各扫描点的观测数据生成卫星在各扫描点的结构化数据;每个扫描点的结构化数据均包括:数值预报数据、卫星在当前扫描点的观测几何数据和对应规则;对应规则为卫星在当前扫描点的观测几何数据与数值预报数据在空间与扫描时间上的映射。
大气廓线生成模块204,用于根据卫星在各扫描点的结构化数据生成卫星在各扫描点的大气廓线;卫星在一个扫描点的结构化数据对应生成一条大气廓线。
正演模拟数据计算模块205,用于利用辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据,卫星载荷观测模拟数据用于判断卫星载荷探测功能的稳定性和定标精度。
作为一种可选的实施方式,数值预报数据集确定模块201,具体包括:
数值天气预报数据集获取单元,用于获取数值天气预报数据集;数值天气预报数据集包括:温度、湿度、压强、海冰、云水含量、云冰含量、2米饱和水气压、地表温度、地表压力、二氧化碳廓线。
数值预报数据集确定单元,用于按照设定规则,对数值天气预报数据集进行标准化处理,得到数值预报数据集。
作为一种可选的实施方式,大气廓线生成模块204,具体包括:
分组单元,用于将卫星在各扫描点的结构化数据按照预设组数分组,得到多组结构化数据集。
并行计算单元,用于将每组结构化数据集中的结构化数据进行并行计算,生成卫星在各扫描点的大气廓线。
作为一种可选的实施方式,正演模拟数据计算模块205,包括:
快速模型计算单元,用于利用快速辐射传输模型,根据卫星在各扫描点的大气廓线计算卫星载荷观测模拟数据。
作为一种可选的实施方式,正演模拟数据计算模块205,包括:
逐线模型计算单元,用于利用逐线利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
根据标准化公式,对所述数值预报数据进行获取标准化数值预报数据;所述标准化数值预报数据包括:大气温度、大气湿度和大气压强;
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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装置及其核心思想;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 (8)
1.一种卫星载荷观测模拟数据的计算方法,其特征在于,所述方法包括:
确定数值预报数据集;所述数值预报数据集包括多个数值预报数据;
获取卫星在各扫描点的观测数据;每个所述扫描点的观测数据均包括:观测几何数据和扫描时间;所述观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角;
根据所述数值预报数据集和所述卫星在各所述扫描点的观测数据生成所述卫星在各所述扫描点的结构化数据;每个所述扫描点的结构化数据均包括:所述数值预报数据、所述卫星在当前扫描点的观测几何数据和对应规则;所述对应规则为所述卫星在当前扫描点的观测几何数据与所述数值预报数据在空间以及扫描时间上的映射;
根据所述卫星在各所述扫描点的结构化数据生成所述卫星在各所述扫描点的大气廓线;所述卫星在一个所述扫描点的结构化数据对应生成一条所述大气廓线;
利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,所述卫星载荷观测模拟数据用于判断所述卫星载荷探测功能的稳定性和定标精度;
根据所述卫星在各所述扫描点的结构化数据生成所述卫星在各所述扫描点的大气廓线,具体包括:
将所述卫星在各所述扫描点的结构化数据按照预设组数分组,得到多组结构化数据集;
将每组所述结构化数据集中的结构化数据进行并行计算,生成卫星在各扫描点的大气廓线。
2.根据权利要求1所述的卫星载荷观测模拟数据的计算方法,其特征在于,所述确定数值预报数据集,具体包括:
获取数值天气预报数据集;所述数值天气预报数据集包括:温度廓线、湿度廓线、海冰、云水含量、云冰含量、2米饱和水气压、地表温度、地表压力和痕迹气体;
按照设定规则,对所述数值天气预报数据集进行标准化处理,得到所述数值预报数据集。
3.根据权利要求1所述的卫星载荷观测模拟数据的计算方法,其特征在于,所述利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,包括:
利用快速辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
4.根据权利要求1所述的卫星载荷观测模拟数据的计算方法,其特征在于,所述利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,包括:
利用逐线利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
5.一种卫星载荷观测模拟数据的计算系统,其特征在于,包括:
数值预报数据集确定模块,用于确定数值预报数据集;所述数值预报数据集包括多个数值预报数据;
观测数据获取模块,用于获取卫星在各扫描点的观测数据;每个所述扫描点的观测数据均包括:观测几何数据和扫描时间;所述观测几何数据包括:经度、纬度、太阳天顶角、太阳方位角、卫星天顶角和卫星方位角;
结构化数据生成模块,用于根据所述数值预报数据集和所述卫星在各所述扫描点的观测数据生成所述卫星在各所述扫描点的结构化数据;每个所述扫描点的结构化数据均包括:所述数值预报数据、所述卫星在当前扫描点的观测几何数据和对应规则;所述对应规则为所述卫星在当前扫描点的观测几何数据与所述数值预报数据在空间以及扫描时间上的映射;
大气廓线生成模块,用于根据所述卫星在各所述扫描点的结构化数据生成所述卫星在各所述扫描点的大气廓线;所述卫星在一个所述扫描点的结构化数据对应生成一条所述大气廓线;
正演模拟数据计算模块,用于根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据,所述卫星载荷观测模拟数据用于判断所述卫星载荷探测功能的稳定性和定标精度;
所述大气廓线生成模块,具体包括:
分组单元,用于将所述卫星在各所述扫描点的结构化数据按照预设组数分组,得到多组结构化数据集;
并行计算单元,用于将每组所述结构化数据集中的结构化数据进行并行计算,生成卫星在各扫描点的大气廓线。
6.根据权利要求5所述的卫星载荷观测模拟数据的计算系统,其特征在于,所述数值预报数据集确定模块,具体包括:
数值天气预报数据集获取单元,用于获取数值天气预报数据集;所述数值天气预报数据集包括:温度廓线、湿度廓线、海冰、云水含量、云冰含量、2米饱和水气压、地表温度、地表压力和痕迹气体;
数值预报数据集确定单元,用于按照设定规则,对所述数值天气预报数据集进行标准化处理,得到所述数值预报数据集。
7.根据权利要求5所述的卫星载荷观测模拟数据的计算系统,其特征在于,所述正演模拟数据计算模块,包括:
快速模型计算单元,用于利用快速辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
8.根据权利要求5所述的卫星载荷观测模拟数据的计算系统,其特征在于,所述正演模拟数据计算模块,包括:
逐线模型计算单元,用于利用逐线利用辐射传输模型,根据所述卫星在各所述扫描点的大气廓线计算卫星载荷观测模拟数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210923321.3A CN115238514B (zh) | 2022-08-02 | 2022-08-02 | 一种卫星载荷观测模拟数据的计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210923321.3A CN115238514B (zh) | 2022-08-02 | 2022-08-02 | 一种卫星载荷观测模拟数据的计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115238514A CN115238514A (zh) | 2022-10-25 |
CN115238514B true CN115238514B (zh) | 2023-04-04 |
Family
ID=83676619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210923321.3A Active CN115238514B (zh) | 2022-08-02 | 2022-08-02 | 一种卫星载荷观测模拟数据的计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238514B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243304A (zh) * | 2010-05-14 | 2011-11-16 | 中国科学院空间科学与应用研究中心 | 一种基于地基的大气廓线微波探测仪 |
CN113687961B (zh) * | 2021-08-18 | 2023-09-26 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于云端的红外高光谱辐射传输快速并发计算系统及方法 |
CN114706104A (zh) * | 2022-03-31 | 2022-07-05 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于光学追踪订正极轨卫星天顶角模拟误差的方法 |
CN114820966A (zh) * | 2022-04-27 | 2022-07-29 | 中国气象局气象探测中心 | 星地云融合重构三维云体的方法、装置、电子设备及介质 |
-
2022
- 2022-08-02 CN CN202210923321.3A patent/CN115238514B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115238514A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109668635B (zh) | 海表温度融合方法与系统 | |
CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
CN108387169B (zh) | 一种基于实时大气产品的gnss形变监测系统 | |
CN111551964B (zh) | 一种基于导航卫星系统的水汽观测方法 | |
Fenner et al. | CrowdQC+—a quality-control for crowdsourced air-temperature observations enabling world-wide urban climate applications | |
Zou et al. | A quality control procedure for GPS radio occultation data | |
Kang et al. | Development of an observation processing package for data assimilation in KIAPS | |
CN104636608A (zh) | 一种modis卫星数据的直接同化方法 | |
CN113408111A (zh) | 大气可降水量反演方法及系统、电子设备和存储介质 | |
CN111178384A (zh) | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 | |
Foelsche et al. | Errors in GNSS radio occultation data: Relevance of the measurement geometry and obliquity of profiles | |
CN116644379A (zh) | 多源海面物理要素的机器学习融合方法、设备及介质 | |
CN107391794B (zh) | 一种台风连续立体风场反演方法 | |
CN113534194B (zh) | 联合gnss与测风激光雷达的对流层温湿廓线反演方法 | |
PrivÉ et al. | The importance of simulated errors in observing system simulation experiments | |
CN114898228A (zh) | 基于卫星云图和随机森林模型的太阳总辐照度反演方法 | |
CN115238514B (zh) | 一种卫星载荷观测模拟数据的计算方法及系统 | |
Liu et al. | Opposing trends of cloud coverage over land and ocean under global warming | |
Privé et al. | Evaluation of the earth systems research laboratory's global observing system simulation experiment system | |
CN111488553B (zh) | 一种太阳辐照度计算方法及装置 | |
CN111597692B (zh) | 一种地表净辐射估算方法、系统、电子设备和存储介质 | |
CN112345151A (zh) | 一种基于自然大气的mwts-ii对海面气压的灵敏性测试方法 | |
CN117113828A (zh) | 一种基于船基走航式观测的数值预报订正方法 | |
CN116165728A (zh) | 大气可降水量的估算方法、装置、计算机设备和存储介质 | |
Srivastava | Accuracy assessment of reanalysis datasets for GPS-PWV estimation using Indian IGS stations observations |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Qu Jianhua Inventor after: Zhang Naiqiang Inventor after: Zhang Panxiang Inventor after: Wang Ding Inventor after: Yan Junjie Inventor before: Qu Jianhua Inventor before: Zhang Naiqiang Inventor before: Zhang Panxiang Inventor before: Wang Ding Inventor before: Yan Jun |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |