CN115619716B - 一种夜间极光移动参数计算方法、系统、电子设备及介质 - Google Patents
一种夜间极光移动参数计算方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN115619716B CN115619716B CN202211141253.1A CN202211141253A CN115619716B CN 115619716 B CN115619716 B CN 115619716B CN 202211141253 A CN202211141253 A CN 202211141253A CN 115619716 B CN115619716 B CN 115619716B
- Authority
- CN
- China
- Prior art keywords
- aurora
- dnb
- polar
- correlation coefficient
- radiation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种夜间极光移动参数计算方法、系统、电子设备及介质,涉及数据处理技术领域,方法包括:获取卫星微光成像仪输出的DNB辐射数据转换为微光影像,并确定微光影像上的待处理极光区域;在预设极光偏移范围下,计算相邻两次扫描后,待处理极光区域内行像元的DNB辐射值的相关系数;从多个相关系数中,选取最大相关系数;在最大相关系数大于设定相关阈值时,确定最大相关系数对应的行像元偏移值和DNB辐射值;根据最大相关系数对应的行像元偏移值,计算极光偏移速度;根据DNB定位数据和最大相关系数对应的DNB辐射值,确定极光移动方向。本发明基于卫星微光成像仪,提高了对极光移动参数的计算效率。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种夜间极光移动参数计算方法、系统、电子设备及介质。
背景技术
从物理角度讲,极光是太阳中的高能带电粒子在地球磁场作用下,与极区高层大气中的原子和分子相互作用而产生,也就是说,太阳风、地球磁场和极区高层大气是形成极光的必要。因此,极光的发生反映了太阳与地磁活动之间的动力学关系,有助于人们了解太阳对地球的影响方式和程度。其次,发生极光时辐射出的某些无线电波,会直接影响地球上的无线电通信、导航、定位以及线路传输等。极光的动态过程研究属于空间物理学和天文学的范畴,能集中反应外磁层高能等离子体的变化过程,对极光的活动情况进行长期系统地观测,可以帮助人们进一步探究磁层边界和磁层结构的相关动力学方程以及太阳风与地球磁层之间的相互作用关系。
现有的对于极光移动的研究,一般通过相关研究人员对采集到的极光典型谱段的极光序列进行分析,但其所涉及到极光事件非常有限,且效率低下。
发明内容
本发明的目的是提供一种夜间极光移动参数计算方法、系统、电子设备及介质,基于卫星微光成像仪,计算极光偏移速度和极光移动方向,大大提高极光移动参数的计算效率。
为实现上述目的,本发明提供了如下方案:
第一方面,本发明提供一种夜间极光移动参数计算方法,包括:
获取卫星微光成像仪输出的DNB辐射数据以及DNB定位数据;所述DNB辐射数据包括多个像元的DNB辐射值;
将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域;
在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数;
从多个所述相关系数中,选取最大相关系数;
判断所述最大相关系数是否大于设定相关阈值,并在所述最大相关系数大于设定相关阈值时,确定所述最大相关系数对应的行像元偏移值和DNB辐射值;
根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度;
根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向。
可选地,所述预设极光偏移范围为[-20,+20];
其中,-20表示所述微光影像中的极光向左移动20个像元,+20表示所述微光影像中的极光向右移动20个像元。
可选地,所述在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数,具体包括:
根据公式
计算相关系数;
其中,ρXY表示相关系数;Xi表示相邻两次扫描后,向左移动i个像元的行像元的DNB辐射值;Yi表示相邻两次扫描后,向右移动i个像元的行像元的DNB辐射值;X表示向左移动的行像元的DNB辐射平均值,Y表示向右移动的行像元的DNB辐射平均值。
可选地,根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度,具体包括:
根据公式V_Aurora=N_Shift_Pixel×m/t计算极光偏移速度;
其中,V_Aurora表示极光偏移速度,t表示相邻两次扫描的间隔时间;N_Shift_Pixel表示最大相关系数对应的行像元偏移值,m表示像元空间分辨率。
可选地,根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向,具体包括:
根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定所述最大相关系数对应的DNB定位数据;所述最大相关系数对应的DNB定位数据包括经度数据和纬度数据;
将所述经度数据和所述纬度数据映射至所述微光图像中的极光矢量象限,以得到极光坐标数据;
根据所述极光坐标数据计算极光移动方向。
可选地,所述极光坐标数据包括极光横坐标和极光纵坐标;
根据所述极光坐标数据计算极光移动方向,具体包括:
当u>0且v>0时,根据公式D_Aurora=atan(|u/v|))×180/π计算极光移动方向;
当u>0且v<0时,根据公式D_Aurora=180-atan(|u/v|))×180/π计算极光移动方向;
当u<0且v<0时,根据公式D_Aurora=180+atan(|u/v|))×180/π计算极光移动方向;
当u<0且v>0时,根据公式D_Aurora=360-atan(|u/v|))×180/π计算极光移动方向;
其中,u表示相邻两次扫描后,在极光横坐标方向上,移动后的极光横坐标与移动前的极光横坐标的差值;v表示相邻两次扫描后,在极光纵坐标方向上,移动后的极光纵坐标与移动前的极光纵坐标的差值;D_Aurora表示极光移动方向。
可选地,在将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域的步骤之前,所述夜间极光移动参数计算方法还包括:
剔除所述DNB辐射数据以及所述DNB定位数据中的缺失值。
第二方面,本发明提供一种夜间极光移动参数计算系统,包括:
数据获取模块,用于获取卫星微光成像仪输出的DNB辐射数据以及DNB定位数据;所述DNB辐射数据包括多个像元的DNB辐射值;
极光区域确定模块,用于将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域;
相关系数计算模块,用于在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数;
最大相关系数确定模块,用于从多个所述相关系数中,选取最大相关系数;
偏移辐射值确定模块,用于判断所述最大相关系数是否大于设定相关阈值,并在所述最大相关系数大于设定相关阈值时,确定所述最大相关系数对应的行像元偏移值和DNB辐射值;
偏移速度计算模块,用于根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度;
偏移方向计算模块,用于根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向。
第三方面,本发明提供一种电子设备,包括存储器和处理器;
所述存储器用于存储计算机程序,所述处理器用于运行所述计算机程序以执行夜间极光移动参数计算方法。
本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序;
所述计算机程序被处理器执行时实现夜间极光移动参数计算方法的步骤。
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:
本发明提供了一种夜间极光移动参数计算方法、系统、电子设备及介质,将卫星微光成像仪输出的DNB辐射数据转换为微光影像,并确定出待处理极光区域,然后在预设极光偏移范围下计算相邻两次扫描后,待处理极光区域内行像元的DNB辐射值的相关系数,进而选取最大相关系数;在最大相关系数大于设定相关阈值时,确定最大相关系数对应的行像元偏移值和DNB辐射值;根据最大相关系数对应的行像元偏移值,计算极光偏移速度;根据所述DNB定位数据和最大相关系数对应的DNB辐射值,确定极光移动方向。本发明无需人工对极光序列进行分析,而仅是通过对极光的微光影像进行处理和计算,以快速、准确地得到极光移动参数,即极光偏移速度和极光移动方向大大提高了效率。
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为本发明夜间极光移动参数计算方法的流程示意图;
图2为本发明具体实施例中4个时次样例极光偏移速度与地面观测统计值的对比图;
图3为本发明夜间极光移动参数计算系统的结构示意图。
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。
为使本发明的目的、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。
卫星微光成像仪500nm~900nm波段的光谱响应范围涵盖了极光的主要辐射谱线:氧原子(557.7nm、630nm)和氮分子(600~700nm),而且夜间极光辐射能量较强,因此理论上可从微光影像中获取极光信息。并且,卫星微光成像仪单次对地扫描耗时约0.56s,单次扫描完成后镜头翻转耗时约1.79s,单次扫描重访周期内极光的移动距离可达数公里,会导致在微光影像中相邻扫描行中的可产生高达10个像元的明显偏移,因此可利用此特征区分云和极光,进一步还可估算极光的移动速度、方向等参数。
实施例一
如图1所示,本实施例提供一种夜间极光移动参数计算方法,包括:
步骤100,获取卫星微光成像仪输出的DNB辐射数据以及DNB定位数据;所述DNB辐射数据包括多个像元的DNB辐射值。其中,所述DNB辐射数据为SDR(Sensor Data Records)级别数据;SDR(Sensor Data Records)是指上述波段的一种数据格式或级别,后文默认均使用上述三种波段的SDR级别数据。
在步骤200之前,为了保证数据的有效性,以及减少后续计算压力,剔除所述DNB辐射数据以及所述DNB定位数据中的缺失值。
步骤200,将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域。具体地,所述待处理极光区域的确定可由相关人员手动选取,也可以通过神经网络目标提取等方法自动选取,并据此开展后续的极光参数分析算法研究。
步骤300,在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数。
优选地,设定极光区域相邻两次扫描后,行像元之间最大像元偏移数不超过20(对应的极光移动速度约为8.3km/s),即所述预设极光偏移范围为[-20,+20];其中,-20表示所述微光影像中的极光向左移动20个像元,+20表示所述微光影像中的极光向右移动20个像元。
根据公式
计算相关系数;
其中,ρXY表示相关系数;Xi表示相邻两次扫描后,向左移动i个像元的行像元的DNB辐射值;Yi表示相邻两次扫描后,向右移动i个像元的行像元的DNB辐射值;X表示向左移动的行像元的DNB辐射平均值,Y表示向右移动的行像元的DNB辐射平均值,i∈[-20,+20]。
步骤400,从多个所述相关系数中,选取最大相关系数。
理论上,若没有类似极光这种快速移动的辐射异常增高的情况,DNB辐射数据的相邻行像元之间的相关系数应该较大(接近于1)。因此,针对待处理极光区域,应设置一个较高的阈值条件,以确保取得的最大相关系数时对应的像元偏移数可以使极光的锯齿状分布得到最佳还原。优选地,设定相关阈值为0.9。
步骤500,判断所述最大相关系数是否大于设定相关阈值,并在所述最大相关系数大于设定相关阈值时,确定所述最大相关系数对应的行像元偏移值和DNB辐射值。
步骤600,根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度。
步骤600具体包括:根据公式V_Aurora=N_Shift_Pixel×m/t计算极光偏移速度;其中,V_Aurora表示极光偏移速度(单位:km/s),t表示相邻两次扫描的间隔时间;N_Shift_Pixel表示最大相关系数对应的行像元偏移值,m表示像元空间分辨率。
在一个具体实际应用中,相邻两次扫描的间隔时间t即为相邻两次扫描镜头翻转所用时间,t=1.79;m=0.742。
步骤700,根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向。
步骤700具体包括:
1)根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定所述最大相关系数对应的DNB定位数据;所述最大相关系数对应的DNB定位数据包括经度数据和纬度数据。具体地,所述DNB定位数据中包括卫星升、降轨标识。
2)将所述经度数据和所述纬度数据映射至所述微光图像中的极光矢量象限,以得到极光坐标数据;所述极光坐标数据包括极光横坐标和极光纵坐标,即经度数据对应极光横坐标,纬度数据对应极光纵坐标。
3)根据所述极光坐标数据计算极光移动方向。具体地,计算出极光移动矢量与正北方向的夹角,计算过程如下:
当u>0且v>0时,根据公式D_Aurora=atan(|u/v|))×180/π计算极光移动方向。当u>0且v<0时,根据公式D_Aurora=180-atan(|u/v|))×180/π计算极光移动方向。当u<0且v<0时,根据公式D_Aurora=180+atan(|u/v|))×180/π计算极光移动方向。当u<0且v>0时,根据公式D_Aurora=360-atan(|u/v|))×180/π计算极光移动方向。
其中,u表示相邻两次扫描后,在极光横坐标方向上,移动后的极光横坐标与移动前的极光横坐标的差值;v表示相邻两次扫描后,在极光纵坐标方向上,移动后的极光纵坐标与移动前的极光纵坐标的差值;D_Aurora表示极光移动方向(单位:度)。
在一个具体实施例中,选取UTC2012/07/15/03:05、UTC2012/09/15/18:52两个时次的A地附近,UTC2017/09/28/08:31的B地附近和UTC2020/02/19/00:10的C地附近,共计4个时次夜间极光样例,利用本发明夜间极光移动参数计算方法,分析极光偏移速度和极光移动方向,得到4个时次样例的极光移动速度和方向统计表,统计表具体如表1和表2所示。通过将上述对4个样例分析得到的数据与地面观测得到的极光移动速度统计值进行初步对比(大约在0~3km/s),具体如图2所示。
表1前2个时次样例的极光移动速度和方向统计表
表2后2个时次样例的极光移动速度和方向统计表
根据上述表1和表2以及图2可得,计算得到的极光偏移速度样本总数共计87个,其中84个相邻行像元极光偏移速度值与地面观测统计值(0~3km/s)保持一致,因此算法在极光移动速度分析上具有可行性。此外,从图2可以看出,极光移动方向分析结果与人工判识的相邻行像元之间锯齿状走势基本吻合,表明算法可以自动从极光区域中分析出极光移动方向,且可信度较高。总体而言,该算法对于夜间极光移动速度和方向的分析效果较好,具有可行性。
综上,本发明以极光发生区域的DNB辐射值,在相邻扫描行像元之间呈现出的锯齿状不连续特征为切入点,通过选取感兴趣区域(待处理极光区域)、设定不同像元偏移数、计算相邻行像元辐射相关系数、相关系数阈值测试等步骤,最终计算得到高精度的极光偏移速度和极光移动方向。
实施例二
如图3所示,为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,本实施例提供了一种夜间极光移动参数计算系统,包括:
数据获取模块101,用于获取卫星微光成像仪输出的DNB辐射数据以及DNB定位数据;所述DNB辐射数据包括多个像元的DNB辐射值。
极光区域确定模块201,用于将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域。
相关系数计算模块301,用于在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数。
最大相关系数确定模块401,用于从多个所述相关系数中,选取最大相关系数。
偏移辐射值确定模块501,用于判断所述最大相关系数是否大于设定相关阈值,并在所述最大相关系数大于设定相关阈值时,确定所述最大相关系数对应的行像元偏移值和DNB辐射值。
偏移速度计算模块601,用于根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度;
偏移方向计算模块701,用于根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向。
实施例三
本实施例提供一种电子设备,包括存储器和处理器;所述存储器用于存储计算机程序,所述处理器用于运行所述计算机程序以执行实施例一的夜间极光移动参数计算方法。
可选地,所述电子设备为服务器。
另外,本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序;所述计算机程序被处理器执行时实现实施例一的夜间极光移动参数计算方法的步骤。
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。
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方法及其核心思想;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 (7)
1.一种夜间极光移动参数计算方法,其特征在于,所述夜间极光移动参数计算方法包括:
获取卫星微光成像仪输出的DNB辐射数据以及DNB定位数据;所述DNB辐射数据包括多个像元的DNB辐射值;
将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域;
在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数;
从多个所述相关系数中,选取最大相关系数;
判断所述最大相关系数是否大于设定相关阈值,并在所述最大相关系数大于设定相关阈值时,确定所述最大相关系数对应的行像元偏移值和DNB辐射值;
根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度;具体包括:
根据公式V_Aurora=N_Shift_Pixel×m/t计算极光偏移速度;
其中,V_Aurora表示极光偏移速度,t表示相邻两次扫描的间隔时间;N_Shift_Pixel表示最大相关系数对应的行像元偏移值,m表示像元空间分辨率;
根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向;具体包括:
根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定所述最大相关系数对应的DNB定位数据;所述最大相关系数对应的DNB定位数据包括经度数据和纬度数据;
将所述经度数据和所述纬度数据映射至所述微光图像中的极光矢量象限,以得到极光坐标数据;
根据所述极光坐标数据计算极光移动方向;
所述极光坐标数据包括极光横坐标和极光纵坐标;根据所述极光坐标数据计算极光移动方向,具体包括:
当u>0且v>0时,根据公式D_Aurora=atan(|u/v|))×180/π计算极光移动方向;
当u>0且v<0时,根据公式D_Aurora=180-atan(|u/v|))×180/π计算极光移动方向;
当u<0且v<0时,根据公式D_Aurora=180+atan(|u/v|))×180/π计算极光移动方向;
当u<0且v>0时,根据公式D_Aurora=360-atan(|u/v|))×180/π计算极光移动方向;
其中,u表示相邻两次扫描后,在极光横坐标方向上,移动后的极光横坐标与移动前的极光横坐标的差值;v表示相邻两次扫描后,在极光纵坐标方向上,移动后的极光纵坐标与移动前的极光纵坐标的差值;D_Aurora表示极光移动方向。
2.根据权利要求1所述的夜间极光移动参数计算方法,其特征在于,所述预设极光偏移范围为[-20,+20];
其中,-20表示所述微光影像中的极光向左移动20个像元,+20表示所述微光影像中的极光向右移动20个像元。
4.根据权利要求1所述的夜间极光移动参数计算方法,其特征在于,在将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域的步骤之前,所述夜间极光移动参数计算方法还包括:
剔除所述DNB辐射数据以及所述DNB定位数据中的缺失值。
5.一种夜间极光移动参数计算系统,其特征在于,所述夜间极光移动参数计算系统包括:
数据获取模块,用于获取卫星微光成像仪输出的DNB辐射数据以及DNB定位数据;所述DNB辐射数据包括多个像元的DNB辐射值;
极光区域确定模块,用于将所述DNB辐射数据转换为微光影像,并确定所述微光影像上的待处理极光区域;
相关系数计算模块,用于在预设极光偏移范围下,计算相邻两次扫描后,所述待处理极光区域内行像元的DNB辐射值的相关系数;
最大相关系数确定模块,用于从多个所述相关系数中,选取最大相关系数;
偏移辐射值确定模块,用于判断所述最大相关系数是否大于设定相关阈值,并在所述最大相关系数大于设定相关阈值时,确定所述最大相关系数对应的行像元偏移值和DNB辐射值;
偏移速度计算模块,用于根据所述最大相关系数对应的行像元偏移值,计算极光偏移速度;具体包括:
根据公式V_Aurora=N_Shift_Pixel×m/t计算极光偏移速度;
其中,V_Aurora表示极光偏移速度,t表示相邻两次扫描的间隔时间;N_Shift_Pixel表示最大相关系数对应的行像元偏移值,m表示像元空间分辨率;
偏移方向计算模块,用于根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定极光移动方向;具体包括:
根据所述DNB定位数据和所述最大相关系数对应的DNB辐射值,确定所述最大相关系数对应的DNB定位数据;所述最大相关系数对应的DNB定位数据包括经度数据和纬度数据;
将所述经度数据和所述纬度数据映射至所述微光图像中的极光矢量象限,以得到极光坐标数据;
根据所述极光坐标数据计算极光移动方向;
所述极光坐标数据包括极光横坐标和极光纵坐标;根据所述极光坐标数据计算极光移动方向,具体包括:
当u>0且v>0时,根据公式D_Aurora=atan(|u/v|))×180/π计算极光移动方向;
当u>0且v<0时,根据公式D_Aurora=180-atan(|u/v|))×180/π计算极光移动方向;
当u<0且v<0时,根据公式D_Aurora=180+atan(|u/v|))×180/π计算极光移动方向;
当u<0且v>0时,根据公式D_Aurora=360-atan(|u/v|))×180/π计算极光移动方向;
其中,u表示相邻两次扫描后,在极光横坐标方向上,移动后的极光横坐标与移动前的极光横坐标的差值;v表示相邻两次扫描后,在极光纵坐标方向上,移动后的极光纵坐标与移动前的极光纵坐标的差值;D_Aurora表示极光移动方向。
6.一种电子设备,其特征在于,所述电子设备包括存储器和处理器;
所述存储器用于存储计算机程序,所述处理器用于运行所述计算机程序以执行权利要求1-4任一项所述的夜间极光移动参数计算方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序;
所述计算机程序被处理器执行时实现权利要求1-4任一项所述的夜间极光移动参数计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211141253.1A CN115619716B (zh) | 2022-09-20 | 2022-09-20 | 一种夜间极光移动参数计算方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211141253.1A CN115619716B (zh) | 2022-09-20 | 2022-09-20 | 一种夜间极光移动参数计算方法、系统、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115619716A CN115619716A (zh) | 2023-01-17 |
CN115619716B true CN115619716B (zh) | 2023-05-02 |
Family
ID=84858787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211141253.1A Active CN115619716B (zh) | 2022-09-20 | 2022-09-20 | 一种夜间极光移动参数计算方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619716B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550681A (zh) * | 2016-03-01 | 2016-05-04 | 中国科学院遥感与数字地球研究所 | 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 |
CN112731569A (zh) * | 2020-12-24 | 2021-04-30 | 中国极地研究中心 | 基于恒星辐射光谱及通量的全天空成像仪辐射定标方法 |
-
2022
- 2022-09-20 CN CN202211141253.1A patent/CN115619716B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550681A (zh) * | 2016-03-01 | 2016-05-04 | 中国科学院遥感与数字地球研究所 | 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 |
CN112731569A (zh) * | 2020-12-24 | 2021-04-30 | 中国极地研究中心 | 基于恒星辐射光谱及通量的全天空成像仪辐射定标方法 |
Non-Patent Citations (5)
Title |
---|
Auroral Activities Observed by SNPP VIIRS Day/Night Band during a Long Period Geomagnetic Storm Event on April 29 - 30, 2014;Xi Shao et al;《PROCEEDINGS OF SPIE》;第[ 963921-1]-[ 963921-13]页 * |
Calibration Method of Low-Light Sensor Based on Bridge Lights;SHUO MA et al;《 American Meteorological Society》;第33卷;第1123-1134页 * |
VIIRS DAY/NIGHT BAND OBSERVATIONS OF AURORAL ACTIVITY DURING A 2015 SEVERE GEOMAGNETIC STORM;Xi Shao et al;《IEEE》;第3021-3024页 * |
VIIRS白天_夜晚波段数据应用概况;方荀;《科技创新导报》(第12期);第42-43页 * |
星载微光成像仪辐射定标与资料应用研究进展;胡申森 等;《光学学报》;第41卷(第15期);第[1500001-1]-[1500001-15]页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115619716A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Cloud motion estimation for short term solar irradiation prediction | |
Chow et al. | Intra-hour forecasting with a total sky imager at the UC San Diego solar energy testbed | |
CN104574296A (zh) | 一种用于偏振去雾霾的多小波融合处理图片的方法 | |
CN112308029A (zh) | 雨量站与卫星的降水数据融合方法及系统 | |
CN110221298A (zh) | 一种低频段星载sar电离层闪烁效应自聚焦方法 | |
Hatanaka et al. | Diffusion models for high-resolution solar forecasts | |
CN116342452A (zh) | 图像生成方法和融合成像系统 | |
Hu et al. | Correcting the saturation effect in dmsp/ols stable nighttime light products based on radiance-calibrated data | |
Lei et al. | Detection of forest disturbance with spaceborne repeat-pass SAR interferometry | |
CN111652126A (zh) | 一种基于卫星云图的反演辐射方法 | |
CN115619716B (zh) | 一种夜间极光移动参数计算方法、系统、电子设备及介质 | |
Narayanan et al. | Imaging observations of upper mesospheric nightglow emissions from Tirunelveli (8.7 o N) | |
CN106097292A (zh) | 时序sar时空邻域高斯加权中值滤波斑噪抑制快速算法 | |
CN116245757B (zh) | 多模态数据的多场景通用性遥感影像云修复方法和系统 | |
Yuan et al. | [Retracted] Weather Radar Image Superresolution Using a Nonlocal Residual Network | |
Gu et al. | Comparative analysis of microwave brightness temperature data in Northeast China using AMSR-E and MWRI products | |
Satheesh Kumar et al. | A novel approach for the extraction of cloud motion vectors using airglow imager measurements | |
CN113029332A (zh) | 卫星云图的预测方法、装置和处理器 | |
CN110991567A (zh) | 一种由点到面的遥感瞬时地表温度数据检测方法 | |
Benitez et al. | A novel data gaps filling method for solar PV output forecasting | |
Lian et al. | Denoising algorithm based on local distance weighted statistics for photon counting LiDAR point data | |
Yin et al. | Temporal validation of four LAI products over grasslands in the northeastern Tibetan Plateau | |
Mercier et al. | Vision transformer models to measure solar irradiance using sky images in temperate climates | |
Zhao et al. | Point target detection in space-based infrared imaging system based on multi-direction filtering fusion | |
Yang et al. | Finer scale mapping with super resolved GF-4 satellite images |
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 |