CN115616580A - 一种近海航道海雾提取方法 - Google Patents

一种近海航道海雾提取方法 Download PDF

Info

Publication number
CN115616580A
CN115616580A CN202211262072.4A CN202211262072A CN115616580A CN 115616580 A CN115616580 A CN 115616580A CN 202211262072 A CN202211262072 A CN 202211262072A CN 115616580 A CN115616580 A CN 115616580A
Authority
CN
China
Prior art keywords
visibility
sea fog
time
period
data
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
CN202211262072.4A
Other languages
English (en)
Other versions
CN115616580B (zh
Inventor
胡利军
项馨仪
王皓
杨豪
张晶晶
姚霞
任欣悦
高爱臻
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.)
NINGBO METEOROLOGICAL NETWORK AND EQUIPMENT SUPPORT CENTER
Original Assignee
NINGBO METEOROLOGICAL NETWORK AND EQUIPMENT SUPPORT CENTER
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 NINGBO METEOROLOGICAL NETWORK AND EQUIPMENT SUPPORT CENTER filed Critical NINGBO METEOROLOGICAL NETWORK AND EQUIPMENT SUPPORT CENTER
Priority to CN202211262072.4A priority Critical patent/CN115616580B/zh
Publication of CN115616580A publication Critical patent/CN115616580A/zh
Application granted granted Critical
Publication of CN115616580B publication Critical patent/CN115616580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G01S13/956—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on ship or other platform
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种近海航道海雾提取方法，包括：在预设时间段内筛选出每个自动站每分钟监测到的湿度值大于最小阈值所对应的时间点，得到每个自动站满足湿度条件的时间点；并将每个自动站满足湿度条件的时间点生成连续的时间区间，以获取每个自动站满足湿度条件的开始时间和结束时间；接着遍历每个自动站所对应的时间区间数据，获取所对应的激光能见度雷达的能见度数据；最后将能见度数据按照周期进行拆分，并对激光能见度雷达每个周期所对应的能见度数据进行处理，得到每个周期的海雾等级。该方法是一种对实际采集数据进行准确分析的方式，能够获取准确的海雾过程开始时间、结束时间和海雾的等级。

Description

一种近海航道海雾提取方法
技术领域
本发明涉及气象技术领域，特别涉及一种近海航道海雾提取方法。
背景技术
海雾是海洋上低层大气中的一种水汽凝结(华)现象，由于水滴或冰晶(或二者皆有)的大量积聚，使水平能见度降低到1公里以下，雾的厚度通常在200～400米左右。海雾一旦出现，因其浓度、厚度、范围都比较大，会大幅降低海上大气水平能见度，严重影响航道船舶交通安全和港口码头作业，进而威胁到生产生活甚至经济等诸多领域，危害颇甚。
故海雾的提取对做好海洋气象服务起到很关键的作用，现有技术中有很多提取海雾的方法，如专利号为CN202010972380.0(公开号为CN112115405A)的中国发明《基于图像识别的日间海雾雾区反演方法》披露了一种近海航道海雾的提取方法，该方法通过建立日间海雾样本集、筛选日间海雾雾区识别模型、反演日间海雾雾区；具体包括利用能见度数据与海雾反演技术筛选海雾个例；初步确定海雾雾区，结合海陆模板生成日间海雾标签集；结合静止卫星数据，与RTG-SST数据，生成日间海雾数据集；将日间海雾样本集分为训练集、测试集；训练日间海雾雾区识别模型；以对实时卫星数据和实时海温数据建立日间海雾实时数据集，先实现海雾的像素级识别，再代入全连接条件随机场得到精细的雾区边界。该方法虽然能提取出海雾，但由于该方法是通过对海雾雾区识别模型进行训练，以获取得到最终的雾区边界，该方法只是一种预测的方式，并不能真实反映出海雾的具体情况，因此该方法并不能完全识别出真实的海雾生成时间、消失时间和对应的海雾等级。故需要对现有的海雾提取方法做进一步改进。
发明内容
本发明所要解决的技术问题是针对上述现有技术，而提供一种能针对于真实采集数据进行海雾过程提取，并且能提取出海雾过程发生的开始时间、结束时间和海雾等级的近海航道海雾提取方法。
本发明解决上述技术问题所采用的技术方案为：一种近海航道海雾提取方法，用于对自动站和激光能见度雷达监测到的数据进行分析，以提取出海雾的开始时间、结束时间和海雾的等级；其特征在于所述的近海航道海雾提取方法包括如下步骤：
步骤1、获取近海航道附近每个自动站各个采样时间点监测到的湿度值，在预设时间段内筛选出每个自动站监测到的湿度值大于最小阈值所对应的采样时间点，得到每个自动站满足湿度条件的采样时间点；
步骤2、依次对步骤1中每个自动站满足湿度条件的前后两个相邻采样时间点的时间差进行如下判断：
判断每个自动站满足湿度条件的任意前后两个相邻采样时间点的时间差是否小于预设时间间隔，如是，则该前后两个相邻采样时间点组成连续的时间区间，如否，则将该前后两个相邻采样时间点记为独立采样时间点；
将每个自动站满足湿度条件的独立采样时间点进行剔除，保留连续的时间区间；
步骤3、遍历步骤2中每个自动站中保留的连续时间区间内的数据，并根据每个连续时间区间内自动站的站点号获取所对应的激光能见度雷达编号；
步骤4、根据激光能见度雷达编号获取指定雷达的能见度数据；
步骤5、将步骤4中激光能见度雷达的能见度数据按照周期进行拆分，并获取激光能见度雷达拆分后的每个周期所对应的能见度数据；
步骤6、对步骤5中激光能见度雷达每个周期所对应的能见度数据进行处理，得到每个周期的海雾等级；
上述能见度数据处理的具体步骤为：
步骤6-1、遍历每个周期内径向上的能见度数据；
步骤6-2、从每个周期内径向上的能见度数据中筛选出满足如下条件的能见度数据，并获取每个径向上满足条件的能见度数据所对应的海雾等级；
条件为：计算当前径向上的能见度数据低于指定能见度临界值的库数占当前径向上所有库数的百分比P，判断P是否大于等于预设的百分比P0，如是，则当前径向上的能见度数据不满足条件，继续下一个径向上的能见度数据判断；如否，则当前径向上的能见度数据满足条件，并计算当前径向上每一库数的能见度数据占海雾各等级区间的百分比，取最高百分比所对应的海雾等级作为当前径向上的海雾等级；
步骤6-3、在步骤6-2中筛选出的径向数据中选出满足连续径向数量条件的区间；并获取每个区间所对应的海雾等级；
满足连续径向数量条件为：计算每个周期内能见度数据满足条件的连续径向数量，并判断连续径向数量是否大于等于预设的径向数量，如是，则当前周期满足连续径向数量条件，并以当前周期内所有径向数据所对应的海雾最高等级作为当前周期的海雾等级；如否，当前周期内未选出满足连续径向数量条件的区间，将当前周期的海雾等级置为0；
步骤7、当海雾等级为0时，则记为未形成海雾；当海雾等级大于0时，则记为形成有海雾，并提取海雾等级大于0的周期所对应的开始时间和结束时间，则该开始时间和结束时间分别对应为海雾的开始时间和结束时间。
进一步地，所述步骤5中激光能见度雷达的能见度数据按照周期进行拆分的具体步骤为：
步骤5-1、初始化激光能见度雷达采集的开始位置和结束位置，并设定待跳过的数量N；
步骤5-2、遍历激光能见度雷达的能见度数据；
步骤5-3、判断当前记录方位角是否不等于激光能见度雷达开始位置，如是，则将激光能见度雷达采集的结束位置设为当前记录方位角，同时将当前记录方位角后移，并转入到步骤5-2；如否，则转入到步骤5-4；
步骤5-4、计算当前开始位置和结束位置内的径向数量，并判断该径向数量是否大于最小径向数量，如是，则以当前开始位置和结束位置作为拆分后的周期，并转入到步骤5-5；如否，则转入到步骤5-5；
步骤5-5、将开始位置和结束位置均设为当前记录方位角，同时将当前记录方位角后移，并转入到步骤5-2。
为实现提取的海雾显示，所述步骤7后还包括如下步骤：
步骤8、根据步骤2中每个连续时间区间内的开始时间和结束时间查询激光能见度雷达获得的激光能见度PPI周期图，并为每一个周期图附上步骤6中计算得到的海雾等级。
与现有技术相比，本发明的优点在于：通过对自动站监测到的数据进行分析，以获取自动站满足湿度条件的开始时间和结束时间，从而缩小海雾可能生成的时间区间范围，并通过对时间区间范围内的激光能见度雷达进行分析，获取海雾生成的等级。因此该方法是一种对实际采集数据进行准确分析的方式，能够获取准确的海雾过程开始时间、结束时间和海雾的等级。
附图说明
图1为本发明实施例中自动站数据处理的流程图；
图2为本发明实施例中激光能见度周期划分流程图；
图3为本发明实施例中激光能见度雷达按照径向等级分析的流程图；
图4为本发明实施例中激光能见度雷达按照周期等级分析的流程图；
图5为本发明实施例中海雾过程个例展示的流程图；
图6为本发明实施例中任一周期内的激光能见度雷达能见度数据示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1～5所示，本实施例中的海雾提取方法用于对自动站和激光能见度雷达监测到的数据进行分析，以提取出海雾的开始时间、结束时间和海雾的等级。其中近海航道海雾提取方法包括如下步骤：
步骤1、获取近海航道附近每个自动站各个采样时间点监测到的湿度值，在预设时间段内筛选出每个自动站监测到的湿度值大于最小阈值所对应的采样时间点，得到每个自动站满足湿度条件的采样时间点；
步骤2、依次对步骤1中每个自动站满足湿度条件的前后两个相邻采样时间点的时间差进行如下判断：
判断每个自动站满足湿度条件的任意前后两个相邻采样时间点的时间差是否小于预设时间间隔，如是，则该前后两个相邻采样时间点组成连续的时间区间，如否，则将该前后两个相邻采样时间点记为独立采样时间点；
将每个自动站满足湿度条件的独立采样时间点进行剔除，保留连续的时间区间；将每个自动站满足湿度条件的时间点生成连续的时间区间，以获取每个自动站满足湿度条件的开始时间和结束时间；目的为缩小海雾可能生成的时间区间范围，对时间区间范围的雷达数据进一步计算，精确海雾的生成过程，目前以此时间段作为程序计算的雾的生成时间和结束时间；
步骤3、遍历步骤2中每个自动站中保留的连续时间区间内的数据，并根据每个连续时间区间内自动站的站点号获取所对应的激光能见度雷达编号；
步骤4、根据激光能见度雷达编号获取指定雷达的能见度数据；
步骤5、将步骤4中激光能见度雷达的能见度数据按照周期进行拆分，并获取激光能见度雷达拆分后的每个周期所对应的能见度数据；
其中本实施例中激光能见度雷达的能见度数据按照周期进行拆分的具体步骤为：
步骤5-1、初始化激光能见度雷达采集的开始位置和结束位置，并设定待跳过的数量N；
步骤5-2、遍历激光能见度雷达的能见度数据；
步骤5-3、判断当前记录方位角是否不等于激光能见度雷达开始位置，如是，则将激光能见度雷达采集的结束位置设为当前记录方位角，同时将当前记录方位角后移，并转入到步骤5-2；如否，则转入到步骤5-4；
步骤5-4、计算当前开始位置和结束位置内的径向数量，并判断该径向数量是否大于最小径向数量，如是，则以当前开始位置和结束位置作为拆分后的周期，并转入到步骤5-5；如否，则转入到步骤5-5；
步骤5-5、将开始位置和结束位置均设为当前记录方位角，同时将当前记录方位角后移，并转入到步骤5-2；
步骤6、对步骤5中激光能见度雷达每个周期所对应的能见度数据进行处理，得到每个周期的海雾等级；
上述能见度数据处理的具体步骤为：
步骤6-1、遍历每个周期内径向上的能见度数据；
步骤6-2、从每个周期内径向上的能见度数据中筛选出满足如下条件的能见度数据，并获取每个径向上满足条件的能见度数据所对应的海雾等级；
条件为：计算当前径向上的能见度数据低于指定能见度临界值的库数占当前径向上所有库数的百分比P，判断P是否大于等于预设的百分比P0(对应为图3中的percentStandard)，如是，则当前径向上的能见度数据不满足条件，继续下一个径向上的能见度数据判断；如否，则当前径向上的能见度数据满足条件，并计算当前径向上每一库数的能见度数据占海雾各等级区间的百分比，取最高百分比所对应的海雾等级作为当前径向上的海雾等级；
步骤6-3、在步骤6-2中筛选出的径向数据中选出满足连续径向数量条件的区间；并获取每个区间所对应的海雾等级；
满足连续径向数量条件为：计算每个周期内能见度数据满足条件的连续径向数量，并判断连续径向数量是否大于等于预设的径向数量，如是，则当前周期满足连续径向数量条件，并以当前周期内所有径向数据所对应的海雾最高等级作为当前周期的海雾等级；如否，当前周期内未选出满足连续径向数量条件的区间，将当前周期的海雾等级置为0；
为了便于理解，如图6所示，激光能见度雷达的能见度数据为多个径向1上采集的能见度数据，径向1上任意相邻两采集点2之间的能见度数据为一库，连续径向数量即对应为每个周期内相邻径向连续的数量，如图6中圆圈包含有3个径向1的数据，每个径向1上的能见度数据均满足6-2中条件，即该周期内的连续径向数量为3；
步骤7、当海雾等级为0时，则记为未形成海雾；当海雾等级大于0时，则记为形成有海雾，并提取海雾等级大于0的周期所对应的开始时间和结束时间，则该开始时间和结束时间分别对应为海雾的开始时间和结束时间。
步骤7后还包括如下步骤：
步骤8、根据步骤2中每个连续时间区间内的开始时间和结束时间查询激光能见度雷达获得的激光能见度PPI周期图，并为每一个周期图附上步骤6中计算得到的海雾等级。
其中如图5中所示，海雾生消时间和类型表如下所示：
2021年4月1-4日海雾天气过程分析
表1 雾生消时间和类型
Figure BDA0003891467210000061
海雾生消时间和类型表字段说明
1.海雾等级：
蓝色#01d1ff 1000-10000轻雾
黄色#fecb00 500-1000雾
橙色#ff9600 50-500浓雾
红色#e10f0e 0-50强浓雾
2.日期(年-月-日)：海雾过程的开始时间(年月日)-结束时间(年月日)
3.生成时间：海雾的生成时间
4.生成时RH：生成时间对应自动站的RH(自动站为分钟数据)
5.消散时间：雾的消散时间
6.消散时RH:消散时间对应自动站的RH(自动站为五分钟数据，取临近)
7.持续时间(min)：雾结束时间-雾的开始时间
8.雾顶高度。
通过上述自动站各要素数据、激光能见度雷达PPI周期图以及海雾生消表、微物理特征表共同对海雾个例展示，从而便于对海雾的全方位展示，便于用户清楚近海航道的具体海雾情况。

Claims (3)

1.一种近海航道海雾提取方法，用于对自动站和激光能见度雷达监测到的数据进行分析，以提取出海雾的开始时间、结束时间和海雾的等级；其特征在于所述的近海航道海雾提取方法包括如下步骤：
步骤1、获取近海航道附近每个自动站各个采样时间点监测到的湿度值，在预设时间段内筛选出每个自动站监测到的湿度值大于最小阈值所对应的采样时间点，得到每个自动站满足湿度条件的采样时间点；
步骤2、依次对步骤1中每个自动站满足湿度条件的前后两个相邻采样时间点的时间差进行如下判断：
判断每个自动站满足湿度条件的任意前后两个相邻采样时间点的时间差是否小于预设时间间隔，如是，则该前后两个相邻采样时间点组成连续的时间区间，如否，则将该前后两个相邻采样时间点记为独立采样时间点；
将每个自动站满足湿度条件的独立采样时间点进行剔除，保留连续的时间区间；
步骤3、遍历步骤2中每个自动站中保留的连续时间区间内的数据，并根据每个连续时间区间内自动站的站点号获取所对应的激光能见度雷达编号；
步骤4、根据激光能见度雷达编号获取指定雷达的能见度数据；
步骤5、将步骤4中激光能见度雷达的能见度数据按照周期进行拆分，并获取激光能见度雷达拆分后的每个周期所对应的能见度数据；
步骤6、对步骤5中激光能见度雷达每个周期所对应的能见度数据进行处理，得到每个周期的海雾等级；
上述能见度数据处理的具体步骤为：
步骤6-1、遍历每个周期内径向上的能见度数据；
步骤6-2、从每个周期内径向上的能见度数据中筛选出满足如下条件的能见度数据，并获取每个径向上满足条件的能见度数据所对应的海雾等级；
条件为：计算当前径向上的能见度数据低于指定能见度临界值的库数占当前径向上所有库数的百分比P，判断P是否大于等于预设的百分比P0，如是，则当前径向上的能见度数据不满足条件，继续下一个径向上的能见度数据判断；如否，则当前径向上的能见度数据满足条件，并计算当前径向上每一库数的能见度数据占海雾各等级区间的百分比，取最高百分比所对应的海雾等级作为当前径向上的海雾等级；
步骤6-3、在步骤6-2中筛选出的径向数据中选出满足连续径向数量条件的区间；并获取每个区间所对应的海雾等级；
满足连续径向数量条件为：计算每个周期内能见度数据满足条件的连续径向数量，并判断连续径向数量是否大于等于预设的径向数量，如是，则当前周期满足连续径向数量条件，并以当前周期内所有径向数据所对应的海雾最高等级作为当前周期的海雾等级；如否，当前周期内未选出满足连续径向数量条件的区间，将当前周期的海雾等级置为0；
步骤7、当海雾等级为0时，则记为未形成海雾；当海雾等级大于0时，则记为形成有海雾，并提取海雾等级大于0的周期所对应的开始时间和结束时间，则该开始时间和结束时间分别对应为海雾的开始时间和结束时间。
2.根据权利要求1所述的近海航道海雾提取方法，其特征在于：所述步骤5中激光能见度雷达的能见度数据按照周期进行拆分的具体步骤为：
步骤5-1、初始化激光能见度雷达采集的开始位置和结束位置，并设定待跳过的数量N；
步骤5-2、遍历激光能见度雷达的能见度数据；
步骤5-3、判断当前记录方位角是否不等于激光能见度雷达开始位置，如是，则将激光能见度雷达采集的结束位置设为当前记录方位角，同时将当前记录方位角后移，并转入到步骤5-2；如否，则转入到步骤5-4；
步骤5-4、计算当前开始位置和结束位置内的径向数量，并判断该径向数量是否大于最小径向数量，如是，则以当前开始位置和结束位置作为拆分后的周期，并转入到步骤5-5；如否，则转入到步骤5-5；
步骤5-5、将开始位置和结束位置均设为当前记录方位角，同时将当前记录方位角后移，并转入到步骤5-2。
3.根据权利要求1所述的近海航道海雾提取方法，其特征在于：所述步骤7后还包括如下步骤：
步骤8、根据步骤2中每个连续时间区间内的开始时间和结束时间查询激光能见度雷达获得的激光能见度PPI周期图，并为每一个周期图附上步骤6中计算得到的海雾等级。
CN202211262072.4A 2022-10-14 2022-10-14 一种近海航道海雾提取方法 Active CN115616580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211262072.4A CN115616580B (zh) 2022-10-14 2022-10-14 一种近海航道海雾提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211262072.4A CN115616580B (zh) 2022-10-14 2022-10-14 一种近海航道海雾提取方法

Publications (2)

Publication Number Publication Date
CN115616580A true CN115616580A (zh) 2023-01-17
CN115616580B CN115616580B (zh) 2023-06-30

Family

ID=84863542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211262072.4A Active CN115616580B (zh) 2022-10-14 2022-10-14 一种近海航道海雾提取方法

Country Status (1)

Country Link
CN (1) CN115616580B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116482677A (zh) * 2023-06-25 2023-07-25 成都远望科技有限责任公司 一种基于海雾观测的多雷达协同控制扫描调度方法
CN117609932A (zh) * 2023-09-22 2024-02-27 宁波市气象网络与装备保障中心 一种海面能见度多源数据融合方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6085152A (en) * 1997-09-19 2000-07-04 Cambridge Management Advanced Systems Corporation Apparatus and method for monitoring and reporting weather conditions
JP2001281352A (ja) * 2000-04-03 2001-10-10 Mitsubishi Electric Corp 霧観測システム
JP2009128180A (ja) * 2007-11-22 2009-06-11 Toshiba Corp 霧予測装置及び霧予測方法
CN103885067A (zh) * 2014-03-24 2014-06-25 中国海洋大学 星载激光雷达用于卫星海雾遥感比测验证的方法
CN107479112A (zh) * 2017-07-07 2017-12-15 北京中交华安科技有限公司 浓雾预测方法、装置及系统
US20190331831A1 (en) * 2018-04-26 2019-10-31 Jiangsu Meteorological Observatory Sea fog monitoring method based on multi-source satellite remote sensing data
CN113031009A (zh) * 2021-03-12 2021-06-25 宁波市气象网络与装备保障中心 一种用于区分雾、霾的激光雷达监测方法
CN114386489A (zh) * 2021-12-23 2022-04-22 宁波市气象服务中心 基于深度卷积神经网络的海雾实时反演模型的构建方法
CN114966899A (zh) * 2022-07-27 2022-08-30 南京云熙遥感科技有限公司 一种基于多源多元遥感技术协同的区域能见度预测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6085152A (en) * 1997-09-19 2000-07-04 Cambridge Management Advanced Systems Corporation Apparatus and method for monitoring and reporting weather conditions
JP2001281352A (ja) * 2000-04-03 2001-10-10 Mitsubishi Electric Corp 霧観測システム
JP2009128180A (ja) * 2007-11-22 2009-06-11 Toshiba Corp 霧予測装置及び霧予測方法
CN103885067A (zh) * 2014-03-24 2014-06-25 中国海洋大学 星载激光雷达用于卫星海雾遥感比测验证的方法
CN107479112A (zh) * 2017-07-07 2017-12-15 北京中交华安科技有限公司 浓雾预测方法、装置及系统
US20190331831A1 (en) * 2018-04-26 2019-10-31 Jiangsu Meteorological Observatory Sea fog monitoring method based on multi-source satellite remote sensing data
CN113031009A (zh) * 2021-03-12 2021-06-25 宁波市气象网络与装备保障中心 一种用于区分雾、霾的激光雷达监测方法
CN114386489A (zh) * 2021-12-23 2022-04-22 宁波市气象服务中心 基于深度卷积神经网络的海雾实时反演模型的构建方法
CN114966899A (zh) * 2022-07-27 2022-08-30 南京云熙遥感科技有限公司 一种基于多源多元遥感技术协同的区域能见度预测方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
JIANG ZHU ET AL.: "Demonstration of measuring sea fog with an SNSPD-based Lidar system", 《SCIENTIFIC REPORT 7》, pages 1 - 7 *
LIJUN HU ET AL.: "Joint Monitoring and Analysis of Sea Fog Using Dual Visibility Lidar in Ningbo, China", 《JOURNAL OF PHYSICS: CONFERRENCE SERIES》, pages 1 - 8 *
LIJUN HU ET AL.: "Monitoring and analysis of sea fog in an offshore waterway using lidar", 《OPITCAL ENGINEERING》, vol. 60, no. 6, pages 1 - 9 *
刘光普;黄思源;梁莺;任雍;周亭亭;: "毫米波雷达在港口海雾观测和能见度反演中的应用", 干旱气象, no. 06, pages 121 - 132 *
张晶晶;吴福浪;俞科爱;骆亚敏;胡利军;: "基于毫米波雷达的一次海雾过程特征分析", 气象科技, no. 03, pages 403 - 413 *
胡利军 等: "毫米波雷达在北仑港区海雾监测中的应用", 《气象科技》, vol. 48, no. 2, pages 171 - 176 *
袁夏玉 等: "一次海雾过程大气波导形成机理的数值研究", 《中国海洋大学学报》, vol. 43, no. 1, pages 17 - 26 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116482677A (zh) * 2023-06-25 2023-07-25 成都远望科技有限责任公司 一种基于海雾观测的多雷达协同控制扫描调度方法
CN116482677B (zh) * 2023-06-25 2023-08-29 成都远望科技有限责任公司 一种基于海雾观测的多雷达协同控制扫描调度方法
CN117609932A (zh) * 2023-09-22 2024-02-27 宁波市气象网络与装备保障中心 一种海面能见度多源数据融合方法
CN117609932B (zh) * 2023-09-22 2024-05-24 宁波市气象网络与装备保障中心 一种海面能见度多源数据融合方法

Also Published As

Publication number Publication date
CN115616580B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN115616580A (zh) 一种近海航道海雾提取方法
Meier et al. An updated multi-temporal glacier inventory for the Patagonian Andes with changes between the Little Ice Age and 2016
Wick et al. Description and validation of an automated objective technique for identification and characterization of the integrated water vapor signature of atmospheric rivers
Tsonis et al. On a new approach for instantaneous rain area delineation in the midlatitudes using GOES data
Langer et al. Frozen ponds: production and storage of methane during the Arctic winter in a lowland tundra landscape in northern Siberia, Lena River delta
CN109817023B (zh) 一种海缆水域ais目标检测方法
Goursaud et al. Challenges associated with the climatic interpretation of water stable isotope records from a highly resolved firn core from Adélie Land, coastal Antarctica
KR101880616B1 (ko) 해상풍과 해무 위성정보를 이용한 해무 예측 방법
Cardone et al. Global distribution and risk to shipping of very extreme sea states (VESS).
CN107424441A (zh) 基于Hotelling′s T2统计量的航空器航迹变点检测与估计方法
Würsch et al. Swiss and Austrian foehn revisited: A Lagrangian-based analysis
Amani et al. Automatic nighttime sea fog detection using GOES-16 imagery
Walker et al. The numerous approaches to tracking extratropical cyclones and the challenges they present
CN109979194B (zh) 基于马尔可夫链的重型车辆坡道爬行行为识别方法
Palter et al. How does Labrador Sea Water enter the deep western boundary current?
CN116908114B (zh) 一种流域颗粒有机碳通量遥感监测方法
CN113961552A (zh) 船舶穿越特殊区域的监控方法
CN113870620B (zh) 一种多ais设备同时开启的船舶识别方法
Sun et al. Evaluation of the AMSR2 Ice Extent at the Arctic Sea Ice Edge using a SAR-based Ice Extent Product
Wolfson et al. Tactical 0-2 hour convective weather forecasts for FAA
Kucera et al. Features of the Weather Modification Assesment Project in Southwest Region of Saudi Arabia
Cardone et al. Global distribution and associated synoptic climatology of very extreme sea states (VESS)
Martet et al. Operational assimilation of radar data from the European EUMETNET Programme OPERA in the Météo-France convective-scale model AROME
Jarníková A submesoscale modelling approach to understanding the past, present, and future carbonate chemistry balance of the Salish Sea
Tian et al. A station‐based evaluation of near‐surface south foehn evolution in COSMO‐1

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