CN117953193A - 极轨气象卫星微波成像仪资料地理定位误差的估计方法 - Google Patents
极轨气象卫星微波成像仪资料地理定位误差的估计方法 Download PDFInfo
- Publication number
- CN117953193A CN117953193A CN202410346549.XA CN202410346549A CN117953193A CN 117953193 A CN117953193 A CN 117953193A CN 202410346549 A CN202410346549 A CN 202410346549A CN 117953193 A CN117953193 A CN 117953193A
- Authority
- CN
- China
- Prior art keywords
- observation
- field
- view
- clear sky
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 77
- 238000001514 detection method Methods 0.000 claims description 51
- 238000009792 diffusion process Methods 0.000 claims description 39
- 230000005855 radiation Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000007788 liquid Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
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
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种极轨气象卫星微波成像仪资料地理定位误差的估计方法,包括如下步骤:步骤一、对极轨气象卫星遥感资料进行预处理,极轨气象卫星遥感资料包括微波成像仪观测数据以及中分辨率光谱成像仪观测数据;步骤二、选定两个观测区域:观测区域处于具有强烈的亮温差异特征的海陆交界处,并在南、北半球各建立一个;步骤三、在两个观测区域中分别识别出各自区域内的晴空观测视场:基于晴空视场识别算法,识别出各扫描线上连续分布的晴空观测视场;步骤四、分别获取两个观测区域的海岸线计算位置;步骤五、估计地理定位误差。由此可见,本发明降低云污染对地理定位误差估计的影响,提高了地理定位误差估计的准确度。
Description
技术领域
本发明涉及一种极轨气象卫星微波成像仪资料地理定位误差的估计方法,属于气象观测技术领域。
背景技术
气象卫星遥感资料包含丰富的地球和大气物理量信息,是目前探测陆地、海洋和大气最有效的手段之一。星载微波遥感资料能够获取全球性、全天候的观测数据,弥补了常规观测资料时间和空间上的局限,对气象研究的发展具有重要作用,其数据被广泛用于反演地面参数,包括陆面植被、土壤湿度和温度、雪盖和洋面海冰;大气参数包括,云和降水、大气中水汽含量等,为灾害性天气监测、环境监测,以及数值天气预报等提供有价值的信息。
地理定位是对卫星遥感探测目标进行准确的位置信息标定,是卫星资料定量应用的前提和保证。然而,卫星在轨运行中的诸多不确定性因素(如卫星姿态不稳定),会造成资料的地理定位位置与真实位置不一致,这就是地理定位误差。定位误差是影响卫星遥感定量化应用的重要因素之一。例如在利用卫星资料研究云液态水路径日变化时,在海岸线附近区域,如果地理定位将陆面的观测位置错误的定位到洋面,就会对洋面的云液态水路径反演结果产生影响,从而影响云液态水路径日变化特征的分析。
现有的地理定位误差估计方法主要是基于建立卫星姿态模型,然后通过两种方法来估计。一种是通过和地面控制点的位置进行对比,来评估卫星观测的地理定位误差,如George et al. (1994) 利用地面控制点,通过建立卫星姿态模型估计先进的高分辨率辐射计(Advanced Very High Resolution Radiometer,AVHRR)姿态误差;另一种是基于海、陆亮温差异特征,通过卫星姿态的变化造成海岸线附近观测亮温位置,相对于实际海岸线的偏移量来估计地理定位误差,如Moradi et al. (2013)通过调整卫星姿态来优化卫星升轨和降轨观测的亮温差来估计定位误差。
风云三号卫星自发射以来,在天气监测应用种中发挥了重要作用。Tang et al.(2016)首先建立卫星姿态,然后利用海岸线拐点法,即在全球选取了几个海岸线区域,利用区域内海岸线附近亮温差异计算海岸线位置,再和实际海岸线的位置进行对比,估计了风云三号C星微波成像仪的地理定位误差。
在上述地理定位误差估计方法中,存在两个方面的局限性,一方面是云的污染造成海岸线两侧海陆亮温差异不明显,对计算海岸线的位置造成影响。另一方面,由于海岸线的不规则分布,通过海陆亮温差异计算得到的海岸线位置到实际海岸线的直线距离并不是实际的定位误差,这在一定程度上就会给定位误差的真实性带来影响。因此,需要建立简单易行的、适用于卫星微波遥感资料地理定位误差的估计方法。
发明内容
本发明的技术目的是提供一种极轨气象卫星微波成像仪资料地理定位误差的估计方法,旨在增进对卫星资料地理定位误差的了解,为资料的定量应用提供保障,提高卫星资料在天气监测中的应用能力。
为实现上述的技术目的,本发明将采取如下的技术方案:
一种极轨气象卫星微波成像仪资料地理定位误差的估计方法,包括如下步骤:
步骤一、对极轨气象卫星遥感资料进行预处理:
输入极轨气象卫星遥感资料并对接收到的极轨气象卫星遥感资料进行预处理;极轨气象卫星遥感资料包括来自于同一极轨气象卫星的微波成像仪观测数据以及中分辨率光谱成像仪观测数据;其中:
微波成像仪观测数据包括微波辐射亮温及其匹配的地理定位经纬度、扫描观测时间;
中分辨率光谱成像仪观测数据包括二级红外云检测产品及其匹配的地理定位经纬度、扫描观测时间;
步骤二、选定两个观测区域:
分别在南、北半球各建立一个观测区域;两个观测区域分别为第一、第二观测区域;
两个观测区域均处于洋面微波辐射亮温与陆面微波辐射亮温之差介于80-100K的海陆交界处;第一观测区域用于估计极轨气象卫星遥感资料跨轨方向的经、纬度地理定位误差,其海岸线走向与微波扫描仪的扫描方向接近垂直;第二观测区域用于估计极轨气象卫星遥感资料沿轨方向的经、纬度地理定位误差,其海岸线走向与卫星飞行方向接近垂直;
步骤三、在两个观测区域中分别识别出各自区域内的晴空观测视场:
基于晴空视场识别算法,在第一观测区域内将经过步骤一预处理后的微波成像仪观测数据与中分辨率光谱成像仪观测数据沿着微波成像仪的扫描方向逐一在选定的观测区域进行时空匹配,以在微波成像仪的各扫描线上识别出连续分布的晴空观测视场,从而获得第一观测区域内具有海陆亮温差异较强的图像;
基于晴空视场识别算法,在第二观测区域内将经过步骤一预处理后的微波成像仪观测数据与中分辨率光谱成像仪观测数据沿着卫星飞行方向逐一在选定的观测区域进行时空匹配,以在微波成像仪的各扫描线上识别出连续分布的晴空观测视场,从而获得第二观测区域内具有海陆亮温差异较强的图像;
步骤四、分别获取两个观测区域的海岸线计算位置:
基于海岸线识别算法,以通过步骤三所获得的晴空观测视场算出相应观测区域内的海岸线计算位置;
海岸线识别算法基于边缘扩散函数和线扩散函数而构建;
步骤五、估计极轨气象卫星遥感资料的地理定位误差:
分别计算步骤四中得到的两个观测区域内的海岸线计算位置到相应观测区域内的实际海岸线位置的垂直距离,以对应地分别估计出极轨气象卫星遥感资料沿轨和跨轨方向的经、纬度地理定位误差。
优选地,步骤一中,微波成像仪观测数据为微波成像仪的89 GHz探测通道的观测数据;
步骤三中,在观测区域中识别出晴空观测视场,具体包括如下步骤:
步骤3.1、在观测区域中,计算微波成像仪的89 GHz探测通道在任一扫描线上的各视场大小;
步骤3.2、基于时空匹配的原则,逐一判别89 GHz探测通道在任一扫描线上的各视场是否为晴空观测视场,直至完成同一扫描线上的连续的晴空观测视场的识别;
步骤3.3、保留同一扫描线上连续的晴空观测视场构成的扫描线部分,并记为晴空扫描线;
步骤3.4、重复步骤3.2、步骤3.3,直至在观测区域中识别出所有的晴空扫描线;
处于各晴空扫描线上的晴空观测视场构成需要在观测区域中识别出的晴空观测视场。
优选地,步骤3.2中,同一扫描线上的连续的晴空观测视场的识别,具体包括如下步骤:
步骤3.2.1、计算中分辨率光谱成像仪观测数据落入89 GHz探测通道在任一扫描线上的视场内的各云像素点的云类型;
步骤3.2.2、判断落入89 GHz探测通道相应视场内的各云像素点的云类型是否全部为晴空像素点,假若判断结果表明落入89 GHz探测通道视场内的各云像素点的云类型全部为晴空像素点,保留该89 GHz探测通道视场,并记为晴空观测视场,随后进入步骤3.2.3;反之,舍弃该89 GHz探测通道视场,并进入步骤3.3;
步骤3.2.3、重复步骤3.2.1、步骤3.2.2,直至完成同一扫描线上的连续的晴空观测视场的识别。
优选地,步骤3.1中,89 GHz探测通道的视场大小通过下述步骤计算获得:
步骤3.1.1、通过下式计算地心旋转坐标系ECR下的卫星位置矢量:
;
式中:LOS表示卫星位置指向地球表面并与地球表面相交于P点的向量,记为微波成像仪的观测视向量;P点为89 GHz探测通道的视场中心;R表示视场中心P点在地球表面的位置向量;
步骤3.1.2、计算89 GHz探测通道的视场向量FOV:
假设89 GHz探测通道的视场M由若干个均匀分布的视场元素mi构成,记为;各视场元素中,视场元素m1的视场向量通过将观测视向量LOS围绕其
自身单位向量旋转而获得,记为;其余视场元素m2-mn的视场向量则通过将
视场向量按照预设角度α的间隔,围绕单位向量旋转而获得,故而视场元素mi的
总数n为:n= 1+360/α;
视场向量通过下式计算:
;
视场元素m2-mn的视场向量则通过下式计算:
;
式中:表示观测视向量LOS的单位向量;表示微波成像仪的半波束宽度;
步骤3.1.3、计算各视场元素的视场向量与地球表面的交点:
在WGS84地球椭球体坐标系下,根据下面两个公式求解关于视场向量的斜距
L:
;
;
式中:表示视场元素mi处的视场向量的单位矢量;L表示视场向量的斜距;表示地球中心到视场元素mi处的向量;RX、RY和RZ表示向量的三维坐标;a
是WGS84地球椭球体坐标系下的地球的半长轴,b是WGS84地球椭球体坐标系下的地球的半
短轴;
公式以及公式/>联合,以得到关于斜距L的一元二次方程;如果该一元二次方程有两个实根,则取较小的实根作为视场向量与地球表面的交点mi;如果只有一个实根,则表明视场向量与地球表面相切,是唯一交点;
步骤3.1.4、在ECR坐标系下,将每个向量的三维坐标(RX,RY,RZ)转化为经、纬度,
即可获得89 GHz探测通道的视场。
优选地,步骤3.1中,89 GHz探测通道在任一扫描线上的各视场构成大小为9×15km的椭圆形。
优选地,步骤四中,海岸线计算位置具体通过如下步骤获得:
步骤4.1、将处于任一晴空扫描线上的微波成像仪观测数据连接形成一条曲线,并拟合出边缘扩散函数ESF;
步骤4.2、对步骤4.1拟合得到的边缘扩散函数ESF进行样条差值处理,以获得接近连续并光滑的边缘扩散函数ESF’;
步骤4.3、对步骤4.2获得的边缘扩散函数ESF’进行差分处理,得到线扩散函数LSF,并对线扩散函数LSF进行归一化,以减小噪声影响;
步骤4.4、求取线扩散函数LSF的最大值,即可得到海岸线计算位置;
步骤4.5、对每一条晴空扫描线重复上述步骤4.1-步骤4.5,即可在观测区域内计算出沿着实际海岸线分布的海岸线计算位置;
步骤五中,分别逐一计算两个观测区域内的每一条晴空扫描线上的海岸线计算位置与相应观测区域内的实际海岸线位置的垂直距离,即可估计出极轨气象卫星遥感资料沿轨和跨轨方向上的经、纬度地理定位误差。
优选地,步骤4.2中,对步骤4.1拟合得到的边缘扩散函数ESF进行样条差值处理一共进行了3次。
优选地,步骤二中选定的观测区域,分别为处于15°N~18°N、18°W~15°W的非洲西海岸和处于45°S~25°S、120°E~135°E的澳大利亚南部海岸。
优选地,步骤一中的极轨气象卫星为风云三号。
基于上述的技术目的,相对于现有技术,本发明具有如下的优势:
1、本发明针对极轨气象卫星微波遥感资料地理定位误差的估计,一方面通过海陆亮温的强烈差异(洋面微波辐射亮温与陆面微波辐射亮温之差介于80-100K)建立海岸线位置识别函数,选取合适的海岸线区域用于估计地理定位误差,提高了地理定位误差估计的准确度,为气象卫星资料的定量应用提供质量保障;另一方面改进了晴空观测视场的识别方法,其基于晴空像元匹配算法而构建,有效地提高了晴空观测视场的识别准确率,降低云污染对地理定位误差估计的影响,进一步提高了地理定位误差估计的准确度。由此可见,通过本发明所述的地理定位误差的估计方法,有效地改善地理定位误差,提高了极轨气象卫星微波遥感资料的质量控制水平,改进极轨气象卫星微波遥感资料在天气监测等方面的应用水平。
2、本发明所述的晴空观测视场选取方法,通过和中分辨率光谱成像仪观测数据(二级红外云检测产品)进行时空匹配,计算落入微波观测视场内的二级红外云检测产品的类型,目标是确保识别出所有二级红外云检测产品都是晴空数据的微波观测视场,减少云污染对海陆亮温图像差异的影响。
3、本发明确定了非洲西海岸和澳大利亚南部的两个海岸线区域,这两个海岸线分布和卫星仪器的扫描方向或卫星飞行方向接近垂直,且海陆亮温差异特征显著,通过构建亮温图像的边缘扩散函数和线扩散函数,精确计算出每条扫过实际海岸线的扫描线上海岸线的位置,由于扫描方向或卫星飞行与海岸线近乎垂直,垂直距离能更精确地代表跨轨或沿轨方向的地理定位误差。
附图说明
图1是本发明所述的极轨气象卫星微波资料地理定位误差的估计方法的流程图;
图2为本发明选定的观测区域的示意图,图中:(a)表示具有强烈差异特征的亮温图像分布的非洲西海岸区域;(b)表示具有强烈差异特征的亮温图像分布的澳大利亚南部海岸区域;
图3为本发明所建立的边缘扩散函数ESF,图中:(a)表示跨轨方向所建立的边缘扩散函数ESF;(b)表示沿轨方向所建立的边缘扩散函数ESF;
图4为本发明所建立的线缘扩散函数LSF,图中:(a)表示跨轨方向所建立的线缘扩散函数LSF,(b)表示沿轨方向所建立的线缘扩散函数LSF;
图5表示采用本发明所述的估计方法计算得到的地理定位误差,图中:(a)表示采用本发明所述的估计方法计算得到的跨轨方向的地理定位误差,(b)表示采用本发明所述的估计方法计算得到的沿轨方向的地理定位误差。
图6是本发明计算89 GHz探测通道的视场大小的示意图;图中:(a)表示计算卫星
位置矢量的示意图;(b)表示计算视场向量FOV1的示意图。
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。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、表达式和数值不限制本发明的范围。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
如图1所示,本发明所述的极轨气象卫星微波资料地理定位误差的估计方法,包括如下步骤:
步骤一、对极轨气象卫星遥感资料进行预处理:
输入极轨气象卫星遥感资料并对接收到的极轨气象卫星遥感资料进行预处理;极轨气象卫星遥感资料包括来自于同一极轨气象卫星(极轨气象卫星可选为风云三号)的微波成像仪观测数据以及中分辨率光谱成像仪观测数据。其中:
微波成像仪观测数据包括微波辐射亮温及其匹配的地理定位经纬度、扫描观测时间。可选地,微波成像仪观测数据为微波成像仪的89 GHz探测通道的观测数据。
中分辨率光谱成像仪观测数据包括二级红外云检测产品(CLM)及其匹配的地理定位经纬度、扫描观测时间。
步骤二、选定两个观测区域:
分别在南、北半球各建立一个用于估计地理定位误差的观测区域。选择出来的观测区域需要满足:处于具有强烈的亮温差异特征的海陆交界处,具体为处于洋面微波辐射亮温与陆面微波辐射亮温之差介于80-100K的海陆交界处,同时其中一个观测区域的海岸线走向与卫星仪器观测(微波扫描仪)的扫描方向接近垂直,可用于极轨气象卫星遥感资料跨轨方向的经、纬度地理定位误差估计,另一个观测区域的海岸线走向与卫星飞行方向接近垂直,可用于极轨气象卫星遥感资料沿轨方向的经、纬度地理定位误差估计。
换句话来说,所述的两个观测区域分别为第一、第二观测区域;第一观测区域用于估计极轨气象卫星遥感资料跨轨方向的经、纬度地理定位误差,其海岸线走向与微波扫描仪的扫描方向接近垂直;第二观测区域用于估计极轨气象卫星遥感资料沿轨方向的经、纬度地理定位误差,其海岸线走向与卫星飞行方向接近垂直。
基于这一选择要求,本发明选出的观测区域具体为:非洲西海岸(15°N~18°N,18°W~15°W)和澳大利亚南部海岸(45°S~25°S,120°E~135°E)。
如图2所示,非洲西海岸(15°N~18°N,18°W~15°W)和澳大利亚南部海岸(45°S~25°S,120°E~135°E)这两个区域内的洋面和陆面亮温具有强烈的差异,约80~100 K,且有沿着海岸线分布的显著突变。另外,非洲西海岸(15°N~18°N,18°W~15°W)的海岸线是南北走向,和微波扫描仪(MWRI)的扫描方向接近垂直,因此,非洲西海岸(15°N~18°N,18°W~15°W)可以用于极轨气象卫星遥感资料跨轨方向的经、纬度地理定位误差估计;澳大利亚南部海岸(45°S~25°S,120°E~135°E)的海岸线是东西走向,和卫星的飞行方向接近垂直,因此,澳大利亚南部海岸(45°S~25°S,120°E~135°E)的海岸线可以用于极轨气象卫星遥感资料沿轨方向的经、纬度地理定位误差估计。
步骤三、在两个观测区域中分别识别出各自区域内的晴空观测视场:
基于晴空视场识别算法,在第一观测区域内将经过步骤一预处理后的微波成像仪观测数据与中分辨率光谱成像仪观测数据沿着微波成像仪的扫描方向逐一在选定的观测区域进行时空匹配,以在微波成像仪的各扫描线上识别出连续分布的晴空观测视场,从而获得第一观测区域内具有海陆亮温差异较强的图像。
基于晴空视场识别算法,在第二观测区域内将经过步骤一预处理后的微波成像仪观测数据与中分辨率光谱成像仪观测数据沿着卫星飞行方向逐一在选定的观测区域进行时空匹配,以在微波成像仪的各扫描线上识别出连续分布的晴空观测视场,从而获得第二观测区域内具有海陆亮温差异较强的图像。
所述的晴空视场识别算法,基于晴空像元匹配算法而构建。
当微波成像仪观测数据为微波成像仪的89 GHz探测通道的观测数据时,在观测区域中识别出晴空观测视场,具体包括如下步骤:
步骤3.1、在观测区域中,计算微波成像仪的89 GHz探测通道在任一扫描线上的各视场大小。
89 GHz探测通道的总视场大小为9×15 km的椭圆形,其各视场大小通过下述步骤计算获得:
步骤3.1.1、参照附图6中的(a),即可通过下式计算地心旋转坐标系ECR下的卫星
位置矢量:
;
式中:LOS表示卫星位置指向地球表面并与地球表面相交于P点的向量,记为微波成像仪的观测视向量;P点为89 GHz探测通道的视场中心;R表示视场中心P点在地球表面的位置向量。
步骤3.1.2、计算89 GHz探测通道的视场向量FOV:
假设89 GHz探测通道的视场M由若干个均匀分布的视场元素mi构成,记为;各视场元素中,视场元素m1的视场向量通过将观测视向量LOS围绕其
自身单位向量LOS1旋转而获得,记为;其余视场元素m2-mn的视场向量则通过将视
场向量按照预设角度α的间隔,围绕单位向量旋转而获得,故而视场元素mi的总
数n为:n= 1+360/α;通常地,角度α取值为10°,故而视场元素mi的总数为37个。
参照附图6中的(b),视场向量通过下式计算:
;
视场元素m2-mn的视场向量则通过下式计算:
;
式中:表示观测视向量LOS的单位向量;表示微波成像仪的半波束宽度,
由微波成像仪的仪器参数给定。
步骤3.1.3、计算各视场元素的视场向量与地球表面的交点:
在WGS84地球椭球体坐标系下,根据下面两个公式求解关于视场向量的斜距
L:
;
;
式中:表示视场元素mi处的视场向量的单位矢量;L表示视场向量的斜距;表示地球中心到视场元素mi处的向量;RX、RY和RZ表示向量的三维坐标;a
是WGS84地球椭球体坐标系下的地球的半长轴,b是WGS84地球椭球体坐标系下的地球的半
短轴。
公式以及公式/>联合,以得到关于斜距L的一元二次方程;如果该一元二次方程有两个实根,则取较小的实根作为视场向量与地球表面的交点mi;如果只有一个实根,则表明视场向量与地球表面相切,是唯一交点。
步骤3.1.4、在ECR坐标系下,将每个向量的三维坐标(RX,RY,RZ)转化为经、纬度,
即可获得89 GHz探测通道的视场。
步骤3.2、基于时空匹配的原则,逐一判别89 GHz探测通道在任一扫描线上的各视场是否为晴空观测视场,直至完成同一扫描线上的连续的晴空观测视场的识别。
具体地,同一扫描线上的连续的晴空观测视场的识别包括如下步骤:
步骤3.2.1、计算中分辨率光谱成像仪观测数据落入89 GHz探测通道在任一扫描线上的视场内的各云像素点的云类型。
步骤3.2.2、判断落入89 GHz探测通道相应视场内的各云像素点的云类型是否全部为晴空像素点,假若判断结果表明落入89 GHz探测通道视场内的各云像素点的云类型全部为晴空像素点,保留该89 GHz探测通道视场,并记为晴空观测视场,随后进入步骤3.2.3;反之,舍弃该89 GHz探测通道视场,并进入步骤3.3。
步骤3.2.3、重复步骤3.2.1、步骤3.2.2,直至完成同一扫描线上的连续的晴空观测视场的识别。
步骤3.3、保留同一扫描线上连续的晴空观测视场构成的扫描线部分,并记为晴空扫描线。
步骤3.4、重复步骤3.2、步骤3.3,直至在观测区域中识别出所有的晴空扫描线。
处于各晴空扫描线上的晴空观测视场构成需要在观测区域中识别出的晴空观测视场。
步骤四、分别获取两个观测区域的海岸线计算位置:
基于海岸线识别算法,以通过步骤三所获得的晴空观测视场算出相应观测区域内的海岸线计算位置。
由于本发明有两个观测区域,步骤二对应地分别在两个观测区域中识别出各自区域内的晴空观测视场,因此,本步骤能够对应地算出两个观测区域内的海岸线计算位置。
海岸线识别算法基于边缘扩散函数和线扩散函数而构建;具体地,步骤四中,海岸线计算位置具体通过如下步骤获得:
步骤4.1、将处于任一晴空扫描线上的微波成像仪观测数据连接形成一条曲线,并拟合出边缘扩散函数ESF;
步骤4.2、对步骤4.1拟合得到的边缘扩散函数ESF进行样条差值处理,以获得接近连续并光滑的边缘扩散函数ESF’;可选地,对步骤4.1拟合得到的边缘扩散函数ESF进行样条差值处理一共进行了3次;
步骤4.3、对步骤4.2获得的边缘扩散函数ESF’进行差分处理,得到线扩散函数LSF,并对线扩散函数LSF进行归一化,以减小噪声影响;
步骤4.4、求取线扩散函数LSF的最大值,即可得到海岸线计算位置;
步骤4.5、对每一条晴空扫描线重复上述步骤4.1-步骤4.5,即可在观测区域内计算出沿着实际海岸线分布的海岸线计算位置。
在图3中,(a)表示非洲西海岸的一条扫描线建立的边缘扩散函数ESF,图中,连续扫描线上亮温随扫描位置的变化曲线,在扫描位置20开始有一个亮温的突然变化,表示非洲西海岸的海陆交界位置;(b)表示澳大利亚南部海岸的一条扫描线建立的边缘扩散函数ESF,图中,在扫描位置10开始有一个亮温的突然变化,表示澳大利亚南部海岸的海陆交界位置。
在图4中,(a)表示通过图3的(a)中所建立的边缘扩散函数ESF归一化后形成的线扩散函数LSF,其线扩散函数LSF的最大值位置,对应于图3的(a)中的亮温突变位置,即为计算得到的海岸线的经、纬度位置;同样地,图4的(b)表示通过图3的(b)中所建立的边缘扩散函数ESF归一化后形成的线扩散函数LSF,其线扩散函数LSF的最大值位置,对应于图3的(b)中的亮温突变位置,即为计算得到的海岸线的经、纬度位置。
步骤五、估计地理定位误差:
分别计算步骤四中得到的两个观测区域内的海岸线计算位置到相应观测区域内的实际海岸线位置的垂直距离,以对应地分别估计出极轨气象卫星遥感资料沿轨和跨轨方向的经、纬度地理定位误差。具体地,分别逐一计算两个观测区域内的每一条晴空扫描线上的海岸线计算位置与相应观测区域内的实际海岸线位置的垂直距离,即可估计出极轨气象卫星遥感资料沿轨和跨轨方向上的经、纬度地理定位误差。
鉴于步骤四能够获得两个观测区域内的海岸线计算位置,因此,基于两个观测区域内的实际海岸线位置,可以对应地计算出两者的垂直距离,进而对应地分别估计出极轨气象卫星遥感资料沿轨和跨轨方向的经、纬度地理定位误差。
图5为非洲西海岸和澳大利亚南部海岸区域内分别计算得到的跨轨方向和沿轨方向的经纬度误差。在非洲西海岸的结果中,经度误差为0.06°,纬度误差仅有0.01°,代表MWRI 89 GHz探测通道具有跨轨方向的地理定位误差为0.06°,可参照图5的(a);在澳大利亚南部海岸的结果中,纬度误差为0.05°,经度误差仅有0.01°,代表MWRI 89 GHz探测通道具有沿轨方向的地理定位误差为0.05°,可参照图5的(b)。
Claims (9)
1.一种极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,包括如下步骤:
步骤一、对极轨气象卫星遥感资料进行预处理:
输入极轨气象卫星遥感资料并对接收到的极轨气象卫星遥感资料进行预处理;极轨气象卫星遥感资料包括来自于同一极轨气象卫星的微波成像仪观测数据以及中分辨率光谱成像仪观测数据;其中:
微波成像仪观测数据包括微波辐射亮温及其匹配的地理定位经纬度、扫描观测时间;
中分辨率光谱成像仪观测数据包括二级红外云检测产品及其匹配的地理定位经纬度、扫描观测时间;
步骤二、选定两个观测区域:
分别在南、北半球各建立一个观测区域;两个观测区域分别为第一、第二观测区域;
两个观测区域均处于洋面微波辐射亮温与陆面微波辐射亮温之差介于80-100K的海陆交界处;第一观测区域用于估计极轨气象卫星遥感资料跨轨方向的经、纬度地理定位误差,其海岸线走向与微波扫描仪的扫描方向接近垂直;第二观测区域用于估计极轨气象卫星遥感资料沿轨方向的经、纬度地理定位误差,其海岸线走向与卫星飞行方向接近垂直;
步骤三、在两个观测区域中分别识别出各自区域内的晴空观测视场:
基于晴空视场识别算法,在第一观测区域内将经过步骤一预处理后的微波成像仪观测数据与中分辨率光谱成像仪观测数据沿着微波成像仪的扫描方向逐一在选定的观测区域进行时空匹配,以在微波成像仪的各扫描线上识别出连续分布的晴空观测视场,从而获得第一观测区域内具有海陆亮温差异较强的图像;
基于晴空视场识别算法,在第二观测区域内将经过步骤一预处理后的微波成像仪观测数据与中分辨率光谱成像仪观测数据沿着卫星飞行方向逐一在选定的观测区域进行时空匹配,以在微波成像仪的各扫描线上识别出连续分布的晴空观测视场,从而获得第二观测区域内具有海陆亮温差异较强的图像;
所述的晴空视场识别算法,基于晴空像元匹配算法而构建;
步骤四、分别获取两个观测区域的海岸线计算位置:
基于海岸线识别算法,以通过步骤三所获得的晴空观测视场算出相应观测区域内的海岸线计算位置;
海岸线识别算法基于边缘扩散函数和线扩散函数而构建;
步骤五、估计极轨气象卫星遥感资料的地理定位误差:
分别计算步骤四中得到的两个观测区域内的海岸线计算位置到相应观测区域内的实际海岸线位置的垂直距离,以对应地分别估计出极轨气象卫星遥感资料沿轨和跨轨方向的经、纬度地理定位误差。
2.根据权利要求1所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤一中,微波成像仪观测数据为微波成像仪的89 GHz探测通道的观测数据;
步骤三中,在观测区域中识别出晴空观测视场,具体包括如下步骤:
步骤3.1、在观测区域中,计算微波成像仪的89 GHz探测通道在任一扫描线上的各视场大小;
步骤3.2、基于时空匹配的原则,逐一判别89 GHz探测通道在任一扫描线上的各视场是否为晴空观测视场,直至完成同一扫描线上的连续的晴空观测视场的识别;
步骤3.3、保留同一扫描线上连续的晴空观测视场构成的扫描线部分,并记为晴空扫描线;
步骤3.4、重复步骤3.2、步骤3.3,直至在观测区域中识别出所有的晴空扫描线;
处于各晴空扫描线上的晴空观测视场构成需要在观测区域中识别出的晴空观测视场。
3.根据权利要求2所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤3.2中,同一扫描线上的连续的晴空观测视场的识别,具体包括如下步骤:
步骤3.2.1、计算中分辨率光谱成像仪观测数据落入89 GHz探测通道在任一扫描线上的视场内的各云像素点的云类型;
步骤3.2.2、判断落入89 GHz探测通道相应视场内的各云像素点的云类型是否全部为晴空像素点,假若判断结果表明落入89 GHz探测通道视场内的各云像素点的云类型全部为晴空像素点,保留该89 GHz探测通道视场,并记为晴空观测视场,随后进入步骤3.2.3;反之,舍弃该89 GHz探测通道视场,并进入步骤3.3;
步骤3.2.3、重复步骤3.2.1、步骤3.2.2,直至完成同一扫描线上的连续的晴空观测视场的识别。
4.根据权利要求3所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤3.1中,89 GHz探测通道的视场大小通过下述步骤计算获得:
步骤3.1.1、通过下式计算地心旋转坐标系ECR下的卫星位置矢量:
;
式中:LOS表示卫星位置指向地球表面并与地球表面相交于P点的向量,记为微波成像仪的观测视向量;P点为89 GHz探测通道的视场中心;R表示视场中心P点在地球表面的位置向量;
步骤3.1.2、计算89 GHz探测通道的视场向量FOV:
假设89 GHz探测通道的视场M由若干个均匀分布的视场元素mi构成,记为;各视场元素中,视场元素m1的视场向量通过将观测视向量LOS围绕其自身单位向量LOS1旋转/>而获得,记为/>;其余视场元素m2-mn的视场向量则通过将视场向量/>按照预设角度α的间隔,围绕单位向量LOS1旋转而获得,故而视场元素mi的总数n为:n= 1+360/α;
视场向量通过下式计算:
;
视场元素m2-mn的视场向量则通过下式计算:
;
式中:LOS1表示观测视向量LOS的单位向量;表示微波成像仪的半波束宽度;
步骤3.1.3、计算各视场元素的视场向量与地球表面的交点:
在WGS84地球椭球体坐标系下,根据下面两个公式求解关于视场向量的斜距L:
;
;
式中:表示视场元素mi处的视场向量/>的单位矢量;L表示视场向量/>的斜距;/>表示地球中心到视场元素mi处的向量;RX、RY和RZ表示向量/>的三维坐标;a是WGS84地球椭球体坐标系下的地球的半长轴,b是WGS84地球椭球体坐标系下的地球的半短轴;
公式以及公式/>联合,以得到关于斜距L的一元二次方程;如果该一元二次方程有两个实根,则取较小的实根作为视场向量与地球表面的交点mi;如果只有一个实根,则表明视场向量与地球表面相切,是唯一交点;
步骤3.1.4、在ECR坐标系下,将每个向量的三维坐标(RX,RY,RZ)转化为经、纬度,即可获得89 GHz探测通道的视场。
5.根据权利要求4所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤3.1中,89 GHz探测通道在任一扫描线上的各视场构成大小为9×15 km的椭圆形。
6.根据权利要求2至5中任一权利要求所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤四中,海岸线计算位置具体通过如下步骤获得:
步骤4.1、将处于任一晴空扫描线上的微波成像仪观测数据连接形成一条曲线,并拟合出边缘扩散函数ESF;
步骤4.2、对步骤4.1拟合得到的边缘扩散函数ESF进行样条差值处理,以获得接近连续并光滑的边缘扩散函数ESF’;
步骤4.3、对步骤4.2获得的边缘扩散函数ESF’进行差分处理,得到线扩散函数LSF,并对线扩散函数LSF进行归一化,以减小噪声影响;
步骤4.4、求取线扩散函数LSF的最大值,即可得到海岸线计算位置;
步骤4.5、对每一条晴空扫描线重复上述步骤4.1-步骤4.5,即可在观测区域内计算出沿着实际海岸线分布的海岸线计算位置;
步骤五中,分别逐一计算两个观测区域内的每一条晴空扫描线上的海岸线计算位置与相应观测区域内的实际海岸线位置的垂直距离,即可估计出极轨气象卫星遥感资料沿轨和跨轨方向上的经、纬度地理定位误差。
7.根据权利要求6所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤4.2中,对步骤4.1拟合得到的边缘扩散函数ESF进行样条差值处理一共进行了3次。
8.根据权利要求1所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤二中选定的两个观测区域,分别为处于15°N~18°N、18°W~15°W的非洲西海岸和处于45°S~25°S、120°E~135°E的澳大利亚南部海岸。
9.根据权利要求1所述的极轨气象卫星微波成像仪资料地理定位误差的估计方法,其特征在于,步骤一中的极轨气象卫星为风云三号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346549.XA CN117953193B (zh) | 2024-03-26 | 2024-03-26 | 极轨气象卫星微波成像仪资料地理定位误差的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346549.XA CN117953193B (zh) | 2024-03-26 | 2024-03-26 | 极轨气象卫星微波成像仪资料地理定位误差的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117953193A true CN117953193A (zh) | 2024-04-30 |
CN117953193B CN117953193B (zh) | 2024-06-11 |
Family
ID=90792455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410346549.XA Active CN117953193B (zh) | 2024-03-26 | 2024-03-26 | 极轨气象卫星微波成像仪资料地理定位误差的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117953193B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108828640A (zh) * | 2018-07-02 | 2018-11-16 | 中国人民解放军战略支援部队信息工程大学 | 一种卫星导航定位观测值定权方法及装置 |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
-
2024
- 2024-03-26 CN CN202410346549.XA patent/CN117953193B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
CN108828640A (zh) * | 2018-07-02 | 2018-11-16 | 中国人民解放军战略支援部队信息工程大学 | 一种卫星导航定位观测值定权方法及装置 |
Non-Patent Citations (1)
Title |
---|
唐飞: "极轨气象卫星资料地理定位误差评估与订正方法综述", 《南京信息工程大学学报(自然科学版)》, 30 November 2019 (2019-11-30), pages 352 - 359 * |
Also Published As
Publication number | Publication date |
---|---|
CN117953193B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yueh et al. | SMAP L-band passive microwave observations of ocean surface wind during severe storms | |
Lu et al. | A C-band geophysical model function for determining coastal wind speed using synthetic aperture radar | |
Hoffman et al. | An introduction to the near–real–time QuikSCAT data | |
Doubrawa et al. | Satellite winds as a tool for offshore wind resource assessment: The Great Lakes Wind Atlas | |
Camps et al. | The WISE 2000 and 2001 field experiments in support of the SMOS mission: Sea surface L-band brightness temperature observations and their application to sea surface salinity retrieval | |
KR20200059085A (ko) | 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법 | |
Hasager et al. | Offshore wind resource estimation from satellite SAR wind field maps | |
Teleti et al. | Sea ice observations in polar regions: Evolution of technologies in remote sensing | |
Yueh et al. | QuikSCAT wind retrievals for tropical cyclones | |
CN108898049A (zh) | 基于modis数据的林火识别方法 | |
Felde et al. | Retrieval of 91 and 150 GHz Earth surface emissivities | |
Zhou et al. | Sea surface wind speed retrieval from textures in synthetic aperture radar imagery | |
Hunewinkel et al. | Improved determination of the sea ice edge with SSM/I data for small-scale analyses | |
Díaz Méndez et al. | Wind and wave observations off the south Pacific Coast of Mexico using TerraSAR-X imagery | |
CN117953193B (zh) | 极轨气象卫星微波成像仪资料地理定位误差的估计方法 | |
Gu et al. | Snow depth and snow cover retrieval from FengYun3B microwave radiation imagery based on a snow passive microwave unmixing method in Northeast China | |
CN108594335B (zh) | 一种全球降水检测方法 | |
Birkenheuer | An algorithm for operational water vapor analyses integrating GOES and dual-channel microwave radiometer data on the local scale | |
Soisuvarn et al. | High-Resolution Coastal Winds From the NOAA Near Real-Time ASCAT Processor | |
Zhang et al. | Evaluation of geolocation errors of the Chinese HY-2A satellite microwave scatterometer | |
Sokolovskiy et al. | Detection of Superrefraction at the Top of the Atmospheric Boundary Layer from COSMIC-2 Radio Occultations | |
Papa et al. | Assessing the spaceborne 183.31-GHz radiometric channel geolocation using high-altitude lakes, ice shelves, and SAR imagery | |
Miyao et al. | A combined balloon photography and buoy-tracking experiment for mapping surface currents in coastal waters | |
Gtjymer et al. | Applications of scatterometer winds in coastal areas | |
Nghiem et al. | Wind fields over the Great Lakes measured by the SeaWinds scatterometer on the QuikSCAT satellite |
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 |