CN115795781A - 一种基于地面红外辐射计的大气水汽含量估算方法和系统 - Google Patents
一种基于地面红外辐射计的大气水汽含量估算方法和系统 Download PDFInfo
- Publication number
- CN115795781A CN115795781A CN202211166214.7A CN202211166214A CN115795781A CN 115795781 A CN115795781 A CN 115795781A CN 202211166214 A CN202211166214 A CN 202211166214A CN 115795781 A CN115795781 A CN 115795781A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- water vapor
- vapor content
- atmosphere
- thermal 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.)
- Granted
Links
Images
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
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于地面红外辐射计的大气水汽含量估算方法和系统。本发明的主要步骤包括：(1)基于大气辐射传输软件模拟不同大气条件下两个独立观测角度的下行热辐射，建立在不同大气条件下两组下行热辐射的比值与大气水汽含量的非线性回归模型；(2)利用红外热辐射计以两个不同观测角度测量大气的下行热辐射比值；(3)将步骤(2)计算得到的下行热辐射比值作为输入代入到步骤(1)中的非线性回归模型中，获得观测时刻对应的大气水汽含量估算值。本发明能利用地基热辐射计估算大气水汽含量，可用于红外遥感数据的大气订正等。
Description
技术领域
本发明涉及利用地面测量的下行热辐射亮度估算大气水汽含量的技术方法和系统，属于定量遥感参数反演的领域。本发明所反演的大气水汽含量具有较高的精度，可以应用于红外遥感数据的大气订正等。
背景技术
大气水汽含量(Precipitable Water Vapor,PWV)是指从地面到大气顶界的单位面积垂直大气柱中所含水汽全部凝结并降落到地面可产生的降水量，又被称为大气可降水量。大气水汽是引起温室效应的主要气体之一，作为能量循环和水循环的重要因素，大气水汽含量是目前气候变化和数值模式等应用主要监测的因子之一。
当前常规的大气水汽含量监测手段包括气象遥感卫星和雷达数据的遥感反演、无线电探空监测、地基水汽辐射计或GPS监测和利用太阳光度计观测的太阳直射辐射进行估算等方法。其中太阳光度计法利用位于940nm的水汽吸收通道进行大气水汽含量估算，是目前应用最广泛的大气水汽含量的获取方法。但现有方法受限于仪器的便携性和反演算法精度，难以快速、准确地获取大气水汽含量。
发明内容
本发明要解决的技术问题是：如何利用便携式地基热辐射计，便捷地实现大气水汽的精确估算。
目前在地面获取精确大气水汽含量的方法主要基于太阳分光光度计，该方法虽然可以精确获取大气水汽含量，但是由于太阳分光光度计正常工作需要复杂的参数设置和相对稳定的运行环境，且其机动性差，难以快速、准确地获取大气水汽含量。针对现有技术的不足，本发明公开一种基于地基热辐射计测量的多角度下行辐射亮度便捷地间接估算大气水汽含量的新方法和系统。
本发明创新点在于：(1)首次提出利用地基红外辐射计多角度观测数据估算大气水汽含量。(2)提供一种便捷的大气水汽地基测量方法，提高野外综合遥感实验中大气水汽含量的测量效率和测量精度。
本发明采用的技术方案如下：
一种基于地面红外辐射计的大气水汽含量估算方法，包括以下步骤：
基于大气辐射传输软件模拟不同大气条件和不同角度情况下大气下行热辐射比值与大气水汽含量的关系，建立利用大气下行热辐射比值估算大气水汽含量的回归模型；
利用热辐射计测量不同角度下的大气下行热辐射，并计算不同角度下的大气下行热辐射比值；
将计算得到的不同角度下的大气下行热辐射比值输入所述大气下行热辐射比值与大气水汽含量的回归模型中，获得大气水汽含量估算值。
进一步地，所述建立利用大气下行热辐射比值估算大气水汽含量的回归模型，包括：
对热红外辐射传输过程进行分析，推导大气下行辐射与大气水汽的关系，基于理论推导的不同角度的两组大气下行热辐射的比值与大气水汽含量关系，使用模拟的不同大气条件、不同观测角度的组合情况下的大气下行热辐射和大气水汽含量数据集，建立估算大气水汽含量的回归模型查找表。
进一步地，所述建立利用大气下行热辐射比值估算大气水汽含量的回归模型，包括：通过大气辐射传输软件(如中等光谱分辨率大气透过率及辐射传输算法和计算模型MODTRAN等)模拟不同大气条件下两个独立观测角度(为简化计算，可以设置其中一个观测天顶角为垂直向上0°观测)的下行热辐射与水汽的关系，构建在不同大气条件下两组不同角度下行热辐射的比值与对应大气水汽含量的回归模型。该回归模型设置的三种大气条件包括热带大气、中纬度大气、极地大气等，在设定的五个高斯角度下建立不同角度下行热辐射亮度比值与大气水汽含量的回归模型，形成不同大气条件和不同角度组合的条件下下行热辐射比值与大气水汽的估算关系。
进一步地，所述利用热辐射计测量不同角度下的大气下行热辐射，包括：利用经黑体校正的便携式热辐射计测量不同角度下的大气下行辐射，记录测量的下行辐射亮度及对应的测量角度、测量地点的纬度和测量日期(用以评估大气条件)。为提高大气水汽的估算精度，可以测量超过三组的不同角度的大气下行热辐射亮度，取大气水汽含量的估算均值来减少随机误差。
进一步地，基于测量数据和不同大气、角度组合条件下回归模型估算大气水汽含量，具体包括：
根据使用便携式热辐射计测量的多组大气下行辐射和辐射信息，计算各组数据在不同角度下的大气下行辐射比值，并基于不同大气和不同角度的组合关系，根据测量的角度和大气状况选择对应的非线性回归模型来估算观测时刻对应的大气水汽含量估算值。多组数据取算术平均以降低随机误差：
其中，wi表示第i组大气水汽含量的估算值，w表示N组大气水汽含量的估算值的均值。
一种基于地面红外辐射计的大气水汽含量估算系统，其包括：
估算模型建立模块，用于基于大气辐射传输软件模拟不同大气条件和不同角度情况下大气下行热辐射比值与大气水汽含量的关系，建立利用大气下行热辐射比值估算大气水汽含量的回归模型；
测量模块，用于利用热辐射计测量不同角度下的大气下行热辐射，并计算不同角度下的大气下行热辐射比值；
大气水汽含量估算模块，用于将计算得到的不同角度下的大气下行热辐射比值输入所述大气下行热辐射比值与大气水汽含量的回归模型中，获得大气水汽含量估算值。
本发明的有益效果如下：
本发明基于地面下行热辐射建模的结果，发展了一种新型的基于地基热辐射计的大气水汽含量的估算方法，从而为卫星、航空红外遥感的大气纠正提供大气水汽含量参数，同时也为通过卫星、航空红外遥感技术反演的大气水汽含量产品的地面验证提供数据支撑。
附图说明
图1为本发明方法的流程图。其中VZA表示观测方位角度。
图2为不同角度下行辐射测量示意图。其中，
表示垂直观测角度下红外辐射计测量的辐射亮度，
表示观测天顶角为θ时测量的辐射亮度。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面通过具体实施例和附图，对本发明做进一步详细说明：
步骤一、构建大气水汽估算回归模型。
(1)大气水汽含量与多角度下行辐射亮度理论建模
根据热红外辐射传输理论，在晴朗无云的大气条件下，因大气的热辐射作用到达地表的天顶角为θ时的下行热辐射Latm,↓(θ)为：
其中θ为天顶角，Z为大气层高度，Ta为大气等效温度，τa(z,θ)为高度z到地面整层大气的透过率，B为普朗克黑体辐射函数。
假定整个大气层的平均温度为
利用积分中值定理，上式可以修改为：
根据Beer–Lambert定律，高度z到地面大气的透过率τa(θ,z)满足指数关系：
τa(θ,z)＝exp[-γa(z)δ(θ)] (4)
其中γa(z)为消光系数，与高度γa(z)下大气的性质有关，而δ(θ)为光程，满足关系δ(θ)＝δ(0)/cosθ。所以有：
τa(θ)＝τa(0)sec(θ) (5)
其中，τa(θ)表示观测天顶角为θ时的大气透过率，τa(0)表示垂直观测时的大气透过率。
由于大气水汽在热红外吸收波段的主导作用，τa(θ,z)可以分为大气分子透过率τm(θ,z)和大气水汽透过率τw(θ,z)两部分，满足：
τa(θ,z)＝τm(θ,z)τw(θ,z) (6)
由于大气分子吸收作用比较稳定，τm(θ,z)可以认为变化较小，为常系数；大气水汽垂直透过率τw(0,z)则与大气水汽含量在水汽吸收谱段近似满足平方根关系：
其中a，b为常数，m为分子质量，而w为大气水汽含量。
考虑到大气平均温度的变化在小角度条件下可以忽略，即
此时，大气下行热辐射的比值与大气水汽含量的透过率满足：
上述超越方程无法直接求解，可以通过构建透过率、角度与大气下行热辐射比值三者的查找表求解得到大气垂直透过率。此时有：
其中a，b，c表示常数系数，由观测波段的吸收特性决定。
两边取对数可以求得：
改写为：
w＝A(logτa(0,Z))2+Blogτa(0,Z)+C (12)
其中A,B,C为常数系数，可以通过辐射传输方程模拟回归得到。根据上式即可求解得到大气水汽含量估算值w。
(2)大气水汽含量回归模型构建
由于不同大气条件和不同角度下，大气水汽含量及其对下行辐射的吸收作用存在差异，所以需要针对不同大气条件和不同角度条件组合情况下构建利用下行辐射亮度比值估算大气水汽含量的回归模型。为简化模型构建复杂度，可以固定一组测量中其中一个角度为垂直向上0°，另一个角度选择对下行辐射具有代表性的五个高斯角度，分别为向上观测天顶角度为11.6°、26.1°、40.3°、53.7°和65°。
在不同的高斯观测角度下，选择热力学初始分析资料(Thermodynamic InitialGuess Retrieval,TIGR)大气廓线数据库中的946条晴空廓线(包括热带廓线236条，中纬度廓线258条，亚极地廓线452条，大气水汽含量范围为0.1-6.3cm)作为大气辐射传输软件MODTRAN的输入，得到不同角度、不同大气组合条件下的大气下行热辐射亮度。同时计算946条晴空廓线的大气水汽含量作为真值，构建不同大气条件和不同角度条件组合情况下的模型查找表，见表1。
表1.不同大气条件和角度条件组合形成的大气水汽含量估算模型查找表
通过上述模型查找表，结合测量时刻的大气状况和观测角度，可以选择更精确的大气水汽估算模型。
为说明大气水汽含量回归模型的估算误差，表2中列举了在53°角度下的大气水汽回归模型在不同大气水汽条件的估算误差。表2说明大气水汽含量回归模型在低水汽效果较好，高水汽条件下较差，但总体误差仍小于0.3cm。
表2.不同大气水汽条件下大气水汽含量的估算误差
| 水汽含量(cm) | 决定系数(R<sup>2</sup>) | RMSE(cm) |
| [0.0,2.5] | 0.98 | 0.089 |
| [2.0,3.5] | 0.87 | 0.16 |
| [3.0,4.5] | 0.73 | 0.21 |
| [4.0,5.5] | 0.56 | 0.26 |
| [5.0,6.3] | 0.58 | 0.24 |
| [0.0,4] | 0.98 | 0.125 |
| [2.5,6.3] | 0.90 | 0.28 |
| [0.0,6.3] | 0.99 | 0.14 |
步骤二、不同角度下行热辐射亮度测量。
需要利用便携式热辐射计精确测量不同角度下大气的下行热辐射亮度及其辅助信息以减小测量误差。根据测量环境的气温确保测量过程中热辐射计处于仪器标准测量环境温度范围内，在测量前需要使用标准黑体对仪器进行绝对辐射定标以提高测量精度；测量场地需要保证空旷、相对平坦且周围无明显遮挡，且天空保持为晴空状态；在测量过程中需要确定仪器视场内无测量人员遮挡或干扰。使用不同角度测量时可以使用经调整水平后的观测架预先设定仪器观测角度或下行辐射亮度测量后使用角度测量工具测量观测角度，注意测量角度不宜偏大，应小于模型查找表表1中角度的最大值65°，以避免大角度情况下的斜路径大气水汽增大带来的不确定性。一组(一组包括一个垂直向上0°测量值和一个倾斜测量的测量值，见图2)测量结束后，记录倾斜测量的角度、测量的纬度、时间等辅助信息，且确保一组数据中两个不同角度的下行辐射测量日期在三分钟内，其测量过程测量视场内大气无明显扰动，否则该组数据作废。在大气比较稳定的情况下，可以连续测量多组有效数据取均值降低随机误差。
步骤三、选择大气水汽估算回归模型估算大气水汽含量。
(1)测量时大气廓线类型的确定
步骤二中测量记录的测量点纬度和测量日期等信息可以辅助确定测量的大气廓线类型，进而与观测角度组合选择最适合的大气水汽含量估算回归模型。使用季节-纬度表面温度模型(seasonal-latitude surface temperature model)，见表3，结合观测纬度和观测日期选择表中的类型作为测量时的大气廓线类型。
表3.季节-纬度表面温度模型
| 纬度(°)* | 一月 | 三月 | 五月 | 七月 | 九月 | 十一月 |
| 80 | 亚极地 | 亚极地 | 亚极地 | 中纬度 | 中纬度 | 亚极地 |
| 70 | 亚极地 | 亚极地 | 中纬度 | 中纬度 | 中纬度 | 亚极地 |
| 60 | 中纬度 | 中纬度 | 中纬度 | 亚极地 | 亚极地 | 中纬度 |
| 50 | 中纬度 | 中纬度 | 亚极地 | 亚极地 | 亚极地 | 亚极地 |
| 40 | 亚极地 | 亚极地 | 亚极地 | 中纬度 | 中纬度 | 亚极地 |
| 30 | 中纬度 | 中纬度 | 中纬度 | 热带 | 热带 | 中纬度 |
| 20 | 热带 | 热带 | 热带 | 热带 | 热带 | 热带 |
| 10 | 热带 | 热带 | 热带 | 热带 | 热带 | 热带 |
| 0 | 热带 | 热带 | 热带 | 热带 | 热带 | 热带 |
| -10 | 热带 | 热带 | 热带 | 热带 | 热带 | 热带 |
| -20 | 热带 | 热带 | 热带 | 中纬度 | 中纬度 | 热带 |
| -30 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 |
| -40 | 亚极地 | 亚极地 | 亚极地 | 亚极地 | 亚极地 | 亚极地 |
| -50 | 亚极地 | 亚极地 | 亚极地 | 中纬度 | 中纬度 | 亚极地 |
| -60 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 |
| -70 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 |
| -80 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 | 中纬度 |
*北纬为正值，南纬为负值
(2)大气水汽含量估算回归模型的选择与大气水汽含量估算
根据步骤三的步骤(1)中获取的大气廓线类型信息和测量时记录的角度信息，可以从步骤一中的大气水汽含量估算模型查找表选择最优的大气水汽回归模型，以降低估算的不确定性。具体做法为：通过大气水汽含量估算模型查找表确定适合于该测量角度下的两个相邻的预设高斯角度对应的大气水汽含量估算模型，记为模型A和模型B。使用两个模型分别估算得到大气水汽含量wA和wB。为平衡两个模型误差，使用各自模型拟合时误差δ2的倒数作为权重，得到加权的大气水汽含量的估算值：
其中，
表示模型A的拟合误差，
表示模型B的拟合误差。
得到各组大气水汽含量的估算值后，利用式(1)得到均值作为测量时空内大气水汽含量的最终估算值。
基于同一发明构思，本发明的另一实施例提供一种基于地面红外辐射计的大气水汽含量估算系统，其包括：
估算模型建立模块，用于基于大气辐射传输软件模拟不同大气条件和不同角度情况下大气下行热辐射比值与大气水汽含量的关系，建立利用大气下行热辐射比值估算大气水汽含量的回归模型；
测量模块，用于利用热辐射计测量不同角度下的大气下行热辐射，并计算不同角度下的大气下行热辐射比值；
大气水汽含量估算模块，用于将计算得到的不同角度下的大气下行热辐射比值输入所述大气下行热辐射比值与大气水汽含量的回归模型中，获得大气水汽含量估算值。
以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于地面红外辐射计的大气水汽含量估算方法，其特征在于，包括以下步骤：
基于大气辐射传输软件模拟不同大气条件和不同角度情况下大气下行热辐射比值与大气水汽含量的关系，建立利用大气下行热辐射比值估算大气水汽含量的回归模型；
利用热辐射计测量不同角度下的大气下行热辐射，并计算不同角度下的大气下行热辐射比值；
将计算得到的不同角度下的大气下行热辐射比值输入所述大气下行热辐射比值与大气水汽含量的回归模型中，获得大气水汽含量估算值。
2.根据权利要求1所述的方法，其特征在于，所述建立利用大气下行热辐射比值估算大气水汽含量的回归模型，包括：
对热红外辐射传输过程进行分析，推导大气下行辐射与大气水汽的关系，基于理论推导的不同角度的两组大气下行热辐射的比值与大气水汽含量关系，使用模拟的不同大气条件、不同观测角度的组合情况下的大气下行热辐射和大气水汽含量数据集，建立估算大气水汽含量的回归模型查找表。
3.根据权利要求1或2所述的方法，其特征在于，所述不同角度包括：垂直向上角度和多个倾斜的高斯角度。
4.根据权利要求2所述的方法，其特征在于，所述对热红外辐射传输过程进行分析，推导大气下行辐射与大气水汽的关系，包括：
在晴朗无云的大气条件下，大气的热辐射作用到达地表的方向下行热辐射Latm,↓(θ)为：
其中θ为天顶角，Z为大气层高度，Ta为大气等效温度，τa(z,θ)为高度z到地面整层大气的透过率；
假定整个大气层的平均温度为
利用积分中值定理将上式修改为：
根据Beer–Lambert定律，τa(θ,z)满足指数关系：
τa(θ,z)＝exp[-γa(z)δ(θ)]
其中γa(z)为消光系数，δ(θ)为光程，满足关系δ(θ)＝δ(0)/cosθ，所以有：
τa(θ)＝τa(0)sec(θ)
将τa(θ,z)分为大气分子透过率τm(θ,z)和大气水汽透过率τw(θ,z)两部分，满足：
τa(θ,z)＝τm(θ,z)τw(θ,z)
将τm(θ,z)认为变化较小，为常系数；τw(0,z)则与大气水汽含量在水汽吸收谱段近似满足平方根关系：
其中a，b为常数，m为分子质量，w为大气水汽含量；
考虑到大气平均温度的变化在小角度条件下能够忽略，即
此时，大气下行热辐射的比值与大气水汽含量的透过率满足：
对于上述超越方程，通过构建透过率、角度与大气下行热辐射比值三者的查找表求解得到大气垂直透过率；此时有：
两边取对数求得：
进一步改写为：
w＝A(logτa(0,Z))2+Blogτa(0,Z)+C
其中A,B,C为常数系数，通过辐射传输方程模拟回归得到，根据上式即可求解得到大气水汽含量估算值w。
5.根据权利要求2所述的方法，其特征在于，所述建立估算大气水汽含量的回归模型查找表，包括：
选择大气廓线数据库作为大气辐射传输软件的输入，得到不同角度、不同大气组合条件下的大气下行热辐射亮度，同时计算各条晴空廓线的大气水汽含量作为真值，构建不同大气条件和不同角度条件组合情况下的回归模型查找表。
6.根据权利要求1所述的方法，其特征在于，所述利用热辐射计测量不同角度下的大气下行热辐射，包括：
利用经黑体校正的便携式热辐射计测量不同角度下的大气下行辐射，记录测量的下行热辐射亮度及对应的测量角度、测量地点的纬度和测量日期。
7.根据权利要求1所述的方法，其特征在于，所述将计算得到的不同角度下的大气下行热辐射比值输入所述大气下行热辐射比值与大气水汽含量的回归模型中，获得大气水汽含量估算值，包括：
基于根据大气廓线类型信息和测量大气下行热辐射时记录的角度信息，结合基于季节-纬度表面温度模型，从估算大气水汽含量的回归模型查找表中选择最优的回归模型，以降低估算的不确定性。
8.根据权利要求1所述的方法，其特征在于，采用以下步骤获得大气水汽含量估算值：
通过估算大气水汽含量的回归模型查找表确定适合于测量角度下的两个相邻的预设高斯角度对应的回归模型，记为模型A和模型B；
使用模型A和模型B分别估算得到大气水汽含量wA和wB，为平衡两个模型的误差，使用各自模型拟合时误差δ2的倒数作为权重，得到加权的大气水汽含量的估算值：
得到各组大气水汽含量的估算值后，计算其均值作为测量时空内大气水汽含量的最终估算值。
9.一种基于地面红外辐射计的大气水汽含量估算系统，其特征在于，包括：
估算模型建立模块，用于基于大气辐射传输软件模拟不同大气条件和不同角度情况下大气下行热辐射比值与大气水汽含量的关系，建立利用大气下行热辐射比值估算大气水汽含量的回归模型；
测量模块，用于利用热辐射计测量不同角度下的大气下行热辐射，并计算不同角度下的大气下行热辐射比值；
大气水汽含量估算模块，用于将计算得到的不同角度下的大气下行热辐射比值输入所述大气下行热辐射比值与大气水汽含量的回归模型中，获得大气水汽含量估算值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211166214.7A CN115795781B (zh) | 2022-09-23 | 2022-09-23 | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211166214.7A CN115795781B (zh) | 2022-09-23 | 2022-09-23 | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115795781A true CN115795781A (zh) | 2023-03-14 |
| CN115795781B CN115795781B (zh) | 2023-07-18 |
Family
ID=85432163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211166214.7A Active CN115795781B (zh) | 2022-09-23 | 2022-09-23 | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115795781B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5999121A (en) * | 1995-03-28 | 1999-12-07 | Salonen; Pentti | Radiometer and water indicating method |
| US20110218734A1 (en) * | 2010-03-08 | 2011-09-08 | Radiometrics Corporation | Methods and apparatus for passive tropospheric measurments utilizing a single band of frequencies adjacent to a selected millimeter wave water vapor line |
| CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
| CN104180907A (zh) * | 2013-05-21 | 2014-12-03 | 江碧涛 | 一种基于近红外高光谱和热红外单通道影像的海表温度协同反演方法 |
| CN105928620A (zh) * | 2016-04-14 | 2016-09-07 | 中国科学院地理科学与资源研究所 | 一种基于查找表的热红外大气校正参数化方法 |
| CN106768393A (zh) * | 2015-11-20 | 2017-05-31 | 北京大学 | 基于Landsat 8数据的海表温度反演方法及系统 |
| WO2018120444A1 (zh) * | 2016-12-31 | 2018-07-05 | 华中科技大学 | 一种动目标的红外辐射光谱特性仿真分析方法 |
| CN108896188A (zh) * | 2018-06-06 | 2018-11-27 | 北京空间飞行器总体设计部 | 一种共口径高轨遥感卫星红外通道大气校正方法 |
| CN109959970A (zh) * | 2017-12-26 | 2019-07-02 | 中国科学院地理科学与资源研究所 | 一种天空半球热红外大气下行辐射地面测量方法 |
| CN110879923A (zh) * | 2019-12-04 | 2020-03-13 | 北京中科技达科技有限公司 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
| CN114581791A (zh) * | 2022-03-02 | 2022-06-03 | 中国农业科学院农业资源与农业区划研究所 | 基于modis数据大气水汽含量反演方法及系统 |
-
2022
- 2022-09-23 CN CN202211166214.7A patent/CN115795781B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5999121A (en) * | 1995-03-28 | 1999-12-07 | Salonen; Pentti | Radiometer and water indicating method |
| US20110218734A1 (en) * | 2010-03-08 | 2011-09-08 | Radiometrics Corporation | Methods and apparatus for passive tropospheric measurments utilizing a single band of frequencies adjacent to a selected millimeter wave water vapor line |
| CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
| CN104180907A (zh) * | 2013-05-21 | 2014-12-03 | 江碧涛 | 一种基于近红外高光谱和热红外单通道影像的海表温度协同反演方法 |
| CN106768393A (zh) * | 2015-11-20 | 2017-05-31 | 北京大学 | 基于Landsat 8数据的海表温度反演方法及系统 |
| CN105928620A (zh) * | 2016-04-14 | 2016-09-07 | 中国科学院地理科学与资源研究所 | 一种基于查找表的热红外大气校正参数化方法 |
| WO2018120444A1 (zh) * | 2016-12-31 | 2018-07-05 | 华中科技大学 | 一种动目标的红外辐射光谱特性仿真分析方法 |
| CN109959970A (zh) * | 2017-12-26 | 2019-07-02 | 中国科学院地理科学与资源研究所 | 一种天空半球热红外大气下行辐射地面测量方法 |
| CN108896188A (zh) * | 2018-06-06 | 2018-11-27 | 北京空间飞行器总体设计部 | 一种共口径高轨遥感卫星红外通道大气校正方法 |
| CN110879923A (zh) * | 2019-12-04 | 2020-03-13 | 北京中科技达科技有限公司 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
| CN114581791A (zh) * | 2022-03-02 | 2022-06-03 | 中国农业科学院农业资源与农业区划研究所 | 基于modis数据大气水汽含量反演方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| QIANG WANG: "\"Dynamic monitoring and evaluation of ecological restoration in mining area based on GNSS+RS technology\"", 《MATEC WEB CONFERENCES》, vol. 355, pages 1 - 12 * |
| 何立明 等: "\"AMTIS单通道多角度热红外图像的大气订正\"", 《红外与毫米波学报》, vol. 25, no. 6, pages 429 - 433 * |
| 杨娇 等: ""基于GPS数据的MODIS近红外水汽线性回归模型"", 《热带地理》, vol. 40, no. 1, pages 137 - 144 * |
| 段四波 等: ""Landsat卫星热红外数据地表温度遥感反演研究进展"", 《遥感学报》, vol. 25, no. 8, pages 1591 - 1617 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115795781B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnson et al. | Sounding-based thermodynamic budgets for DYNAMO | |
| Francois et al. | Analytical parameterization of canopy directional emissivity and directional radiance in the thermal infrared. Application on the retrieval of soil and foliage temperatures using two directional measurements | |
| CN109297605B (zh) | 一种基于中红外与热红外数据的地表温度反演方法 | |
| Gille et al. | Validation of temperature retrievals obtained by the Limb Infrared Monitor of the Stratosphere (LIMS) experiment on Nimbus 7 | |
| Barton | Transmission model and ground-truth investigation of satellite-derived sea surface temperatures | |
| CN103398780B (zh) | 基于fy-2c热红外波段的近地面气温反演方法 | |
| CN111060992A (zh) | 星载微波双氧探测通道等权重共轭的降水检测方法及系统 | |
| CN110866467A (zh) | 一种航空中红外高光谱数据温度和发射率反演方法 | |
| CN105928620B (zh) | 一种基于查找表的热红外大气校正参数化方法 | |
| CN111859695A (zh) | 基于高分五号卫星紫外可见高光谱的大气污染成分反演方法 | |
| CN102830448B (zh) | 一种微波高光谱晴空定标方法、装置及系统 | |
| Walden et al. | Measurements of the downward longwave radiation spectrum over the Antarctic Plateau and comparisons with a line‐by‐line radiative transfer model for clear skies | |
| CN111191380B (zh) | 一种基于地基光谱仪测量数据的大气气溶胶光学厚度估算方法和装置 | |
| Xue et al. | One-dimensional variational retrieval of temperature and humidity profiles from the FY4A GIIRS | |
| Joiner et al. | Variational cloud‐clearing with TOVS data | |
| Tomasi et al. | Annual cycles of pressure, temperature, absolute humidity and precipitable water from the radiosoundings performed at Dome C, Antarctica, over the 2005–2009 period | |
| CN115795781B (zh) | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 | |
| CN116465502A (zh) | 一种地面站点辐射测温的大气校正方法 | |
| CN115269549A (zh) | 一种耦合物理-统计-深度学习的大气水汽反演方法 | |
| CN111398179B (zh) | 针对gf-aius掩星探测基于查找表的切高校正方法 | |
| Shi et al. | New method for estimating daily global solar radiation over sloped topography in China | |
| Zhao et al. | An operational land surface temperature retrieval methodology for Chinese second-generation Huanjing disaster monitoring satellite data | |
| Feofilov et al. | LMD Cloud Retrieval using IR sounders | |
| Ahn et al. | Surface downward longwave radiation retrieval algorithm for GEO-KOMPSAT-2A/AMI | |
| CN102346247B (zh) | Hj-1b b08的有效波段宽度计算方法及定标方法 |
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 |