CN117609932A - 一种海面能见度多源数据融合方法 - Google Patents
一种海面能见度多源数据融合方法 Download PDFInfo
- Publication number
- CN117609932A CN117609932A CN202311235121.XA CN202311235121A CN117609932A CN 117609932 A CN117609932 A CN 117609932A CN 202311235121 A CN202311235121 A CN 202311235121A CN 117609932 A CN117609932 A CN 117609932A
- Authority
- CN
- China
- Prior art keywords
- data
- visibility
- observation
- time
- sea surface
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims description 15
- 238000010790 dilution Methods 0.000 claims description 9
- 239000012895 dilution Substances 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000013501 data transformation Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007865 diluting Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种海面能见度多源数据融合方法,包括:S1、确认海面能见度多源数据融合后所对应的时间分辨率△t和空间分辨率;S2、按照空间分辨率获取每个海面能见度观测设备在时间t~时间t+△t内所对应观测点的能见度值以及观测点的经纬度;S3、将所有海面能见度观测设备的观测点汇聚成点状观测网,该点状观测网上的每个点即对应为一个经纬度观测点的反演能见度值;S4、将点状观测网按照反距离加权插值成网格数据。该方法能将不同海面能见度观测设备的能见度数据融合在一起,形成一个覆盖几种设备监测范围内的区域海面能见度网格数据,从而解决了不同能见度观测设备反演数据没能在同一图上结合使用的情况,极大提高了数据的使用效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种海面能见度多源数据融合方法。
背景技术
随着技术的发展,海面能见度观测设备除了常见前向散射仪外,近几年出现了激光能见度雷达、毫米波雷达等特种监测设备,各自的监测原理、观测方式和数据标准都不一样,例如:不同雷达数据的采集频率各有不同,频率有10分钟,也有3分钟;前向散射仪数据的频率有1分钟,也有5分钟;并且不同雷达监测设备监测的范围不一样,前散只能代表安装点附近的能见度情况。因前向散射仪海上场地安装的局限性、或雷达设备只在关键区域布设,所以只能观测到小范围内的数据,所有设备观测的数据呈现在海面上就是监测资料反演后构成的一块块不规则的多边形和点状,不能单独代表所有设备所覆盖区域,在同一区域,不同观测设备观测出来的数据由于时间上的不一致,以哪个数据为准没有固定统一的标准,带来数据的不一致。
基于不同能见度观测设备有不同的观测机制,生成的数据格式不一样,时间、空间分辨率也存在差异,通常情况下只能按各自的数据方式使用,无法从全域掌握实时海面能见度分布情况。为此,需要对多种监测设备的监测资料在技术上做融合处理,在反演产品的显示上作进一步的改进。
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,而提供一种能实现海面不同能见度观测设备之间数据结合使用,以提高数据使用效率的海面能见度多源数据融合方法。
本发明解决上述技术问题所采用的技术方案为:一种海面能见度多源数据融合方法,用于实现N个海面能见度观测设备的数据融合,N为正整数;其特征在于:所述海面能见度多源数据融合方法包括如下步骤:
S1、确认海面能见度多源数据融合后所对应的时间分辨率△t和空间分辨率;
S2、按照S1中的空间分辨率获取每个海面能见度观测设备在时间t~时间t+△t内所对应观测点的能见度值以及经纬度;
S3、将S2中所有能见度观测设备的观测点汇聚成点状观测网,该点状观测网上的每个点即对应为一个经纬度观测点的反演能见度值;
S4、将点状观测网按照反距离加权插值成网格数据。
为实现常用的几种海面能见度观测设备的数据融合,优选地,所述海面能见度观测设备包括激光能见度雷达、毫米波雷达和区域自动站前向散射仪三种不同类型的海面能见度观测设备,上述海面能见度多源数据融合方法能实现同一类型的海面能见度观测设备的数据融合、任意两种不同类型的海面能见度观测设备的数据融合和三种不同类型的海面能见度观测设备的数据融合。
进一步地,获取所述激光能见度雷达和所述毫米波雷达在时间t~时间t+△t内所对应观测点的能见度值以及经纬度的方式相同,均为:
取第一层仰角在时间t~时间t+△t内的径向数据,如果同一方位角有多条径向,则取最新一条径向数据,并将每条径向数据上间隔获取q个观测点的能见度值,q为正整数;
并根据库长分辨率、俯仰角及雷达中心点经纬度计算出径向数据上每个观测点的经纬度,即得到观测点的经纬度。
为实现雷达数据的基准文件获取,所述激光能见度雷达和所述毫米波雷达反演数据处理过程如下:
S2-1、获取数据待融合时间;
S2-2、搜索定位雷达报文,判断是否无最新报文,如是,则转入至S2-7;如否,则读取报文数据,并转入至S2-3;
S2-3、提取时间t~时间t+△t内的数据,并判断是否找到数据,如是,则转入S2-4;如否,则转入至S2-7;
S2-4、对数据进行去重处理;
具体为:如果同一方位角有多条径向,则取最新一条径向数据;
S2-5、对数据进行变换;
具体为:将雷达扫描数据转换成地理位置上的经纬度数据,并依据以雷达位置为原点平面坐标,将立体空间的扫描距离投影换算到二维平面坐标,即:将该雷达位置的雷达观测反演值作为二维平面坐标上该雷达位置的能见度值;
S2-6、生成数据基准文件,结束;
S2-7、判断当前时间是否超过S2-1中的数据待融合时间,如是,则结束;如否,则转入至S2-2。
为提高计算速度,所述S2-5和S2-6之间还包括数据稀释处理,具体为:将每个方位角上以每M个雷达反演数据为一组,并计算一组雷达反演数据的平均值,将该平均值作为中间点的能见度值,并将每组数据的中间点所对应的经纬度作为中间点在二维平面坐标上的坐标位置。
进一步地,所述区域自动站前向散射仪在时间t~时间t+△t内所对应的能见度值以及观测点的经纬度获取方式为:
取在时间t~时间t+△t内的区域自动站前向散射仪数据,如果同一个区域自动站前向散射仪数据有多个值,则取最新的值作为当前区域自动站前向散射仪的能见度值;
区域自动站前向散射仪的经纬度即观测点的经纬度。
为实现区域自动站前向散射仪的基准文件获取,所述区域自动站前向散射仪数据处理过程如下:
S2-1a、获取数据待融合时间;
S2-2b、搜索定位数据表,判断是否能找到数据表,如是,则读取数据表,并转入至S2-3c;如否,则结束;
S2-3c、提取数据表中在时间t~时间t+△t内的数据,并判断是否找到数据,如是,则转入S2-4d;如否,则转入至S2-7g;
S2-4d、对数据进行去重处理;
具体为:取每个区域自动站前向散射仪在时间t~时间t+△t内的最后一条数据作为当前区域自动站前向散射仪的能见度值;
S2-5e、对数据进行变换;
具体为:将区域自动站前向散射仪反演数据按照规则转换成标准的融合数据基准格式;
S2-6f、生成数据基准文件,结束;
S2-7g、判断当前时间是否超过S2-1a中的数据待融合时间,如是,则结束;如否,则读取数据表,并转入至S2-3c。
为实现数据显示更加直观,所述S4后还包括如下步骤:
S5、根据网格数据绘制出能见度色斑图。
与现有技术相比,本发明的优点在于:通过将几种不同格式、不同时间分辨率和不同空间分辨率的海面能见度观测设备反演数据归整后进行融合,融合后的数据时间分辨率和空间分辨率相同,以构成统一全区域的网格能见度数据,为后续业务使用打下基础。因此该融合方法能统一多种海面能见度观测设备的能见度数据格式,统一多种海面能见度观测设备的能见度数据所对应的时间分辨率和空间分辨率,解决同一区域不同海面能见度观测设备反演的能见度数据重叠问题,并且将不同能见度观测设备的能见度数据融合在一起,形成一个覆盖几种设备监测范围内的区域海面能见度网格数据,从而很好的解决了不同海面能见度观测设备反演数据没能在同一图上结合使用的情况,极大提高了数据的使用效率。
附图说明
图1为本发明实施例中海面能见度多源数据融合方法的流程图;
图2为本发明实施例中激光能见度雷达和毫米波雷达反演数据处理流程图;
图3为本发明实施例中激光能见度雷达扫描图;
图4为本发明实施例中毫米波雷达扫描图;
图5为本发明实施例中区域自动站前向散射仪反演数据处理流程图;
图6为本发明实施例中区域自动站前向散射仪的观测分布图。
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。
本实施例中的海面能见度多源数据融合方法用于实现N个海面能见度观测设备的数据融合,N为正整数。本实施例中海面能见度观测设备包括激光能见度雷达、毫米波雷达和区域自动站前向散射仪三种不同类型的海面能见度观测设备,上述海面能见度多源数据融合方法能实现同一类型的能见度观测设备的数据融合、任意两种不同类型的能见度观测设备的数据融合和三种不同类型的能见度观测设备的数据融合。
如图1所示,海面能见度多源数据融合方法包括如下步骤:
S1、确认海面能见度多源数据融合后所对应的时间分辨率△t和空间分辨率;
S2、按照S1中的空间分辨率获取每个海面能见度观测设备在时间t~时间t+△t内所对应观测点或者范围内的能见度值以及经纬度;
本实施例中,获取激光能见度雷达和毫米波雷达在时间t~时间t+△t内所对应观测点的能见度值以及经纬度的方式相同,均为:
取第一层仰角在时间t~时间t+△t内的径向数据,如果同一方位角有多条径向,则取最新一条径向数据,并将每条径向数据上间隔获取q个观测点的反演能见度值,q为正整数;
并根据库长分辨率、俯仰角及雷达中心点经纬度计算出径向数据上每个观测点的经纬度,即得到观测点的经纬度;本实施例中,库长分辨率对应为激光能见度雷达每15米可以反演一个能见度数据;
区域自动站前向散射仪在时间t~时间t+△t内所对应的能见度值以及观测点的经纬度获取方式为:
取在时间t~时间t+△t内的区域自动站前向散射仪数据,如果同一个区域自动站前向散射仪数据有多个值,则取最新的值作为当前区域自动站前向散射仪的能见度值;
区域自动站前向散射仪的经纬度即观测点的经纬度;
S3、将S2中所有能见度观测设备的观测点汇聚成点状观测网,该点状观测网上的每个点即对应为一个经纬度观测点的反演能见度值;
S4、将点状观测网按照反距离加权插值成网格数据;
本实施例中,反距离加权插值,即IDW(Inverse Distance Weight),也可以称为距离倒数乘方法,是指距离倒数乘方格网化方法是一个加权平均插值法,可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次,较近的数据点被给定一个较高的权重份额,对于一个较小的方次,权重比较均匀地分配给各数据点,该反距离加权插值为现有技术,在此不再对其具体过程展开赘述;
S5、根据网格数据绘制出能见度色斑图。
如图2所示,本实施例中激光能见度雷达和所述毫米波雷达反演数据处理过程如下:
S2-1、获取数据待融合时间;
S2-2、搜索定位雷达报文,判断是否无最新报文,如是,则转入至S2-7;如否,则读取报文数据,并转入至S2-3;
S2-3、提取时间t~时间t+△t内的数据,并判断是否找到数据,如是,则转入S2-4;如否,则转入至S2-7;
S2-4、对数据进行去重处理;
具体为:如果同一方位角有多条径向,则取最新一条径向数据;
S2-5、对数据进行变换;
具体为:将雷达扫描数据转换成地理位置上的经纬度数据,并依据以雷达位置为原点平面坐标,将立体空间的扫描距离投影换算到二维平面坐标,即:将该雷达位置的雷达观测反演值作为二维平面坐标上该雷达监测位置的能见度值;
S2-6、生成数据基准文件,结束;
S2-7、判断当前时间是否超过S2-1中的数据待融合时间,如是,则结束;如否,则转入至S2-2。
另外S2-5和S2-6之间还包括数据稀释处理,具体为:将每个方位角上以每M个雷达反演数据为一组,并计算一组雷达数据的平均值,将该平均值作为中间点的能见度值,并将每组数据的中间点所对应的经纬度作为中间点在二维平面坐标上的坐标位置。
如图3所示为激光能见度雷达扫描图,假定现在是15:40,依据S1中定义的融合时间分辨率10分钟,现在要获取到的激光能见度雷达数据是15:30 -15:40,如图3中箭头标记出来的区域就是这个时次激光能见度雷达扫描的范围,则该激光能见度雷达数据的处理过程为将这段时间的数据从完整能见度报文中过滤提取出来,作为基础数据,然后分别对基础数据进行数据去重、数据变换和数据稀释处理。
其中数据去重是由于激光能见度雷达以一定的仰角不停的循环扫描,根据雷达扫描频率对同一区域扫描次数可能超过了1次,故15:30-15:40时间段内,就出现了同一方位角有多条径向数据,但数据的时间有先有后,处理原则是取最新时间扫描的数据;数据稀释处理是由于基础数据量太大,计算速度太慢,时效性过长不利于业务应用,故通过求取M个雷达数据的平均值,以达到数据合理稀释的目的。
通过以上处理,就形成了一份激光能见度雷达数据基准文件,数据基准格式如下:
观测时间 | 设备编号 | 设备名称 | 经纬度地址 | 能见度值 | 数据类型 |
同样地,如图4所示为毫米波雷达扫描图,假定现在是15:40,依据S1中定义的融合时间分辨率10分钟,现在要获取到的毫米波雷达数据是15:30 -15:40,如图4中箭头标记出来的区域就是这个时次毫米波雷达扫描的范围,则该毫米波雷达数据的处理过程是将这段时间的数据从完整雷达基报文中过滤提取出来,作为基础数据,然后分别对基础数据进行数据解析、数据去重、站点数据变换、数据稀释处理、能见度反演。
其中,毫米波雷达扫描数据是二进制原始数据,因此数据解析需要按雷达基数据格式规则提取出第一层仰角的基本反射率数据;数据去重是由于毫米波雷达以一定的仰角不停的循环扫描,根据雷达扫描频率对同一区域扫描次数可能超过了1次,故15:30-15:40时间段内,就出现了同一方位角有多条径向数据,但数据的时间有先有后,处理原则是取最新时间扫描的数据;毫米波雷达扫描数据稀释处理与激光能见度雷达扫描数据稀释处理过程相同,但毫米波雷达扫描数据稀释处理中的M值更小;由于本实施例中需要用到的是能见度值,但毫米波雷达数据是基本反射率,通过能见度反演算法将基本反射率值转换成能见度值,该能见度反演算法可以采用现有技术,在此不再展开赘述。另外通过上述处理形成的毫米波雷达数据基准文件与上述激光能见度雷达数据基准文件的格式相同。
如图5所示,区域自动站前向散射仪数据处理过程如下:
S2-1a、获取数据待融合时间;
S2-2b、搜索定位数据表,判断是否能找到数据表,如是,则读取数据表,并转入至S2-3c;如否,则结束;
S2-3c、提取数据表中在时间t~时间t+△t内的数据,并判断是否找到数据,如是,则转入S2-4d;如否,则转入至S2-7g;
S2-4d、对数据进行去重处理;
具体为:取每个区域自动站前向散射仪在时间t~时间t+△t内的最后一条数据作为当前区域自动站前向散射仪的能见度值;
S2-5e、对数据进行变换;
具体为:将区域自动站前向散射仪反演数据按照规则转换成标准的融合数据基准格式;
S2-6f、生成数据基准文件,结束;
S2-7g、判断当前时间是否超过S2-1a中的数据待融合时间,如是,则结束;如否,则读取数据表,并转入至S2-3c。
如图6所示为区域自动站前向散射仪观测分布情况,假定现在是15:40,依据S1中定义的融合时间分辨率10分钟,现在要获取到区域自动站前向散射仪观测数据是15:30-15:40,则该区域自动站前向散射仪观测数据的处理过程是将这段时间的数据从数据库中过滤提取出来,作为基础数据,然后分别对基础数据进行数据去重和数据变换。
其中由于区域自动站前向散射仪是1或5分钟观测一次,15:30--15:40时间段内,就存在多条反演能见度值,取每个区域自动站前向散射仪在这个时间段内的最后一条数据作为这个区域自动站前向散射仪的能见度值。另外通过上述处理形成的区域自动站前向散射仪数据基准文件与上述激光能见度雷达数据基准文件的格式相同。
经过上述数据处理后,形成了可融合的标准数据基准文件,从三份数据基准文件中经过各自融合、两两组合融合、三个组合融合的方式,采用反距离加权的插值算法插值成网格数据,最终输出7种融合网格产品(对应为:毫米波能见度同类型融合、激光能见度同类型融合、前散能见度同类型融合、毫米波能见度和前散能见度两两融合、毫米波能见度和激光能见度两两融合、激光能见度和前散能见度两两融合、激光能见度和毫米波能见度以及激光能见度三融合),同时结合GIS、绘图等技术输出融合产品图。
本实施例中还公开了一种计算机可读存储介质,存储有计算机程序,且能被处理器读取并执行,计算机程序被处理器执行时实现海面能见度多源数据融合方法。
Claims (8)
1.一种海面能见度多源数据融合方法,用于实现N个海面能见度观测设备的数据融合,N为正整数;其特征在于:所述海面能见度多源数据融合方法包括如下步骤:
S1、确认海面能见度多源数据融合后所对应的时间分辨率△t和空间分辨率;
S2、按照S1中的空间分辨率获取每个海面能见度观测设备在时间t~时间t+△t内所对应观测点的能见度值以及经纬度;
S3、将S2中所有能见度观测设备的观测点汇聚成点状观测网,该点状观测网上的每个点即对应为一个经纬度观测点的反演能见度值;
S4、将点状观测网按照反距离加权插值成网格数据。
2.根据权利要求1所述的海面能见度多源数据融合方法,其特征在于:所述海面能见度观测设备包括激光能见度雷达、毫米波雷达和区域自动站前向散射仪三种不同类型的海面能见度观测设备,上述海面能见度多源数据融合方法能实现同一类型的海面能见度观测设备的数据融合、任意两种不同类型的海面能见度观测设备的数据融合和三种不同类型的海面能见度观测设备的数据融合。
3.根据权利要求2所述的海面能见度多源数据融合方法,其特征在于:获取所述激光能见度雷达和所述毫米波雷达在时间t~时间t+△t内所对应观测点的能见度值以及经纬度的方式相同,均为:
取第一层仰角在时间t~时间t+△t内的径向数据,如果同一方位角有多条径向,则取最新一条径向数据,并将每条径向数据上间隔获取q个观测点的能见度值,q为正整数;
并根据库长分辨率、俯仰角及雷达中心点经纬度计算出径向数据上每个观测点的经纬度,即得到观测点的经纬度。
4.根据权利要求3所述的海面能见度多源数据融合方法,其特征在于:所述激光能见度雷达和所述毫米波雷达反演数据处理过程如下:
S2-1、获取数据待融合时间;
S2-2、搜索定位雷达报文,判断是否无最新报文,如是,则转入至S2-7;如否,则读取报文数据,并转入至S2-3;
S2-3、提取时间t~时间t+△t内的数据,并判断是否找到数据,如是,则转入S2-4;如否,则转入至S2-7;
S2-4、对数据进行去重处理;
具体为:如果同一方位角有多条径向,则取最新一条径向数据;
S2-5、对数据进行变换;
具体为:将雷达扫描数据转换成地理位置上的经纬度数据,并依据以雷达位置为原点平面坐标,将立体空间的扫描距离投影换算到二维平面坐标,即:将该雷达位置的雷达观测反演值作为二维平面坐标上该雷达位置的能见度值;
S2-6、生成数据基准文件,结束;
S2-7、判断当前时间是否超过S2-1中的数据待融合时间,如是,则结束;如否,则转入至S2-2。
5.根据权利要求4所述的能见度多源数据融合方法,其特征在于:所述S2-5和S2-6之间还包括数据稀释处理,具体为:将每个方位角上以每M个雷达反演数据为一组,并计算一组雷达反演数据的平均值,将该平均值作为中间点的能见度值,并将每组数据的中间点所对应的经纬度作为中间点在二维平面坐标上的坐标位置。
6.根据权利要求2~5任一项所述的海面能见度多源数据融合方法,其特征在于:所述区域自动站前向散射仪在时间t~时间t+△t内所对应的能见度值以及观测点的经纬度获取方式为:
取在时间t~时间t+△t内的区域自动站前向散射仪数据,如果同一个区域自动站前向散射仪数据有多个值,则取最新的值作为当前区域自动站前向散射仪的能见度值;
区域自动站前向散射仪的经纬度即观测点的经纬度。
7.根据权利要求6所述的海面能见度多源数据融合方法,其特征在于:所述区域自动站前向散射仪数据处理过程如下:
S2-1a、获取数据待融合时间;
S2-2b、搜索定位数据表,判断是否能找到数据表,如是,则读取数据表,并转入至S2-3c;如否,则结束;
S2-3c、提取数据表中在时间t~时间t+△t内的数据,并判断是否找到数据,如是,则转入S2-4d;如否,则转入至S2-7g;
S2-4d、对数据进行去重处理;
具体为:取每个区域自动站前向散射仪在时间t~时间t+△t内的最后一条数据作为当前区域自动站前向散射仪的能见度值;
S2-5e、对数据进行变换;
具体为:将区域自动站前向散射仪反演数据按照规则转换成标准的融合数据基准格式;
S2-6f、生成数据基准文件,结束;
S2-7g、判断当前时间是否超过S2-1a中的数据待融合时间,如是,则结束;如否,则读取数据表,并转入至S2-3c。
8.根据权利要求1或2所述的海面能见度多源数据融合方法,其特征在于:所述S4后还包括如下步骤:
S5、根据网格数据绘制出能见度色斑图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235121.XA CN117609932B (zh) | 2023-09-22 | 一种海面能见度多源数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235121.XA CN117609932B (zh) | 2023-09-22 | 一种海面能见度多源数据融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117609932A true CN117609932A (zh) | 2024-02-27 |
CN117609932B CN117609932B (zh) | 2024-05-24 |
Family
ID=
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975763A (zh) * | 2016-04-29 | 2016-09-28 | 国家卫星海洋应用中心 | 一种多源海面风场的融合方法和装置 |
CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
CN108445464A (zh) * | 2018-03-12 | 2018-08-24 | 南京恩瑞特实业有限公司 | Nriet基于机器学习的卫星雷达反演融合方法 |
CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
WO2020243484A1 (en) * | 2019-05-29 | 2020-12-03 | Mobileye Vision Technologies Ltd. | Systems and methods for vehicle navigation |
CN114660591A (zh) * | 2022-05-25 | 2022-06-24 | 成都远望科技有限责任公司 | 一种基于多部天气雷达三维组网生成方法 |
CN115616580A (zh) * | 2022-10-14 | 2023-01-17 | 宁波市气象网络与装备保障中心 | 一种近海航道海雾提取方法 |
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 |
CN116644379A (zh) * | 2022-03-15 | 2023-08-25 | 中国海洋大学 | 多源海面物理要素的机器学习融合方法、设备及介质 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975763A (zh) * | 2016-04-29 | 2016-09-28 | 国家卫星海洋应用中心 | 一种多源海面风场的融合方法和装置 |
CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
CN108445464A (zh) * | 2018-03-12 | 2018-08-24 | 南京恩瑞特实业有限公司 | Nriet基于机器学习的卫星雷达反演融合方法 |
CN110186820A (zh) * | 2018-12-19 | 2019-08-30 | 河北中科遥感信息技术有限公司 | 多源数据融合与环境污染源及污染物分布分析方法 |
WO2020243484A1 (en) * | 2019-05-29 | 2020-12-03 | Mobileye Vision Technologies Ltd. | Systems and methods for vehicle navigation |
CN116644379A (zh) * | 2022-03-15 | 2023-08-25 | 中国海洋大学 | 多源海面物理要素的机器学习融合方法、设备及介质 |
CN114660591A (zh) * | 2022-05-25 | 2022-06-24 | 成都远望科技有限责任公司 | 一种基于多部天气雷达三维组网生成方法 |
CN115616580A (zh) * | 2022-10-14 | 2023-01-17 | 宁波市气象网络与装备保障中心 | 一种近海航道海雾提取方法 |
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 |
Non-Patent Citations (3)
Title |
---|
PEDRAM GHAMISI ET AL: "Multisource and Multitemporal Data Fusion in Remote Sensing:A comprehensive Review of the State of the Art", 《IEEE GEOSCIENCE AND REMOTE SENSING MAGAZINE》, vol. 7, no. 1, 20 March 2019 (2019-03-20), pages 6 - 39, XP011715534, DOI: 10.1109/MGRS.2018.2890023 * |
王阳: "近海面海气要素融合及其在夜间海上雾区分析中的应用研究", 《中国优秀硕士学位论文全文数据库》, no. 01, 15 January 2019 (2019-01-15), pages 010 - 42 * |
胡利军 等: "基于毫米波雷达的海雾观测及能见度反演算法研究", 《成都信息工程大学学报》, vol. 38, no. 01, 15 February 2023 (2023-02-15), pages 49 - 56 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10034141B2 (en) | Systems and methods to identify home addresses of mobile devices | |
AU2018206753B2 (en) | Method and device for filling invalid regions of terrain elevation model data | |
CN112115198A (zh) | 一种城市遥感智能服务平台 | |
CN105188030B (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
Qiu et al. | The development of an areal interpolation ArcGIS extension and a comparative study | |
CN110058329A (zh) | 一种气象要素智能网格预报产品空间降尺度方法 | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN103970919A (zh) | 用于自动建筑信息建模的数据处理方法 | |
Smith et al. | The importance of understanding error in lidar digital elevation models | |
KR101846294B1 (ko) | 기상 레이더 기반 강우중심 추적방법 | |
Lu et al. | Web‐based real‐time visualization of large‐scale weather radar data using 3D tiles | |
CN109254290A (zh) | 一种天气雷达并行拼图方法及系统 | |
CN117609932B (zh) | 一种海面能见度多源数据融合方法 | |
CN110309244B (zh) | 一种目标点定位的方法和装置 | |
Gosciewski | Selection of interpolation parameters depending on the location of measurement points | |
Féral et al. | Large-scale modeling of rain fields from a rain cell deterministic model | |
CN117609932A (zh) | 一种海面能见度多源数据融合方法 | |
Yu et al. | An SDOG-based intrinsic method for three-dimensional modelling of large-scale spatial objects | |
CHOI et al. | Development of the visualization prototype of radar rainfall data using the unity 3D engine | |
CN105069541A (zh) | 一种面向移动终端的临近天气主观分析系统 | |
CN107341568B (zh) | 一种台风风暴增水预测方法及系统 | |
Ellul et al. | The Impact of 3D Data Quality on Improving GNSS Performance Using City Models-Initial Simulations | |
Xue | Information Fusion and Intelligent Management of Industrial Internet of Things under the Background of Big Data | |
CN113590727B (zh) | 一种空间数据结构性分析方法 | |
CN112598763B (zh) | 一种区域地表温度场的时间过程模拟方法及系统 |
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 |