CN102707336A - 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 - Google Patents
一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 Download PDFInfo
- Publication number
- CN102707336A CN102707336A CN2012100342141A CN201210034214A CN102707336A CN 102707336 A CN102707336 A CN 102707336A CN 2012100342141 A CN2012100342141 A CN 2012100342141A CN 201210034214 A CN201210034214 A CN 201210034214A CN 102707336 A CN102707336 A CN 102707336A
- Authority
- CN
- China
- Prior art keywords
- cloud
- phase
- algorithm
- inverting
- sensor
- 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.)
- Pending
Links
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)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及云相态和云参量的反演方法,针对单传感器识别复杂云系的相态有问题,提出了一个反演云相态和云参量的新方法—协同算法。该算法是通过对多源卫星数据的匹配,用各自方法识别云相态并给出对云团相态识别最佳结果;并发展了基于这三个传感器的理论仿真模型,在应用最佳识别结果的前提下,假设云的参量代入各理论仿真模型计算得到理论模拟值,并同联合利用各传感器对云探测的实际数据进行协方差的迭代拟合,当拟合误差值取到最小时,得到的云参量就是该算法的反演结果(协同算法流程如图)。本发明可以不仅为中国下一代风云系列卫星的通道设置提供理论依据,还可以实时反演中国区域上空的云变化情况,为相关职能部门提供决策依据。
Description
技术领域
本发明专利涉及云相态和云参量的反演方法研究,尤其涉及联合利用多传感器协同方法对云相态和云参量的反演。
背景技术
在全球气候变化和天气预报过程中,云是一个重要的参量。由于云所涉及的时间和空间尺度的变化范围很大,且不同相态之间的转换机制非常复杂,所以云是所有气象要素中最难以描述的变量。在未来的云和辐射的参数化方案中,引入细致的微物理过程是一个重要的发展方向,故研究云的参量有着非常重要的意义。而目前现有的基于卫星数据识别云相态的方法基本都是利用单一传感器数据反演的方法,这些方法对简单云团的识别结果是比较精确的,但对复杂云团的识别结果相对都比较差,而天空的云团基本都是复杂云系,所以有必要发展识别云相态和反演云参量新的方法。
发明内容
为得到精确的云相态和云参量的反演算法,本专利利用可见光和近红外波段对云团整体的观测效果和激光雷达、微波雷达可以探测到云团内部的垂直结构的特性,提出了一个反演云相态和结合云相态反演云参量的新方法——协同算法。
本发明专利的技术方案是:一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法,包括单个传感器反演云相态方法的选取、数据匹配、云类型识别、仿真模型、协同算法的构建等。其特征是根据三个传感器对云的探测信号不同,即激光雷达的后向散射系数、微波雷达的后向散射系数和近红外波段的观测辐射值对不同成份的粒子的云的信号敏感性不一样,构建一个新算法,利用各自传感器的方针模拟值和传感器探测的真实值拟合到最佳状态时,此时云粒子大小、云的类型、云光学厚度和云的冰水含量的值就是真实的云参量值。
本发明专利的有益效果是:本算法联合MODIS、CALIPSO、CloudSat卫星数据反演云相态和冰云参量,具有较高的精度。开发协同反演算法有利于我们正确的认识云相态和云的其他光学和物理参量;而且目前国际上发射的A-Train系列卫星提供了从可见、红外、 微波和偏振等多波段、多方式的探测信号,为协同反演提供了数据源的保证;另外国内将要发射的FY-4卫星上计划搭载的多传感器,也能为协同反演提供数据源;反过来说,协同算法的建立也可以为FY-4数据源的应用提供科学技术参考和科学技术基础。其建立的算法具有重要的现实意义和应用价值。
附图说明
下面结合附图和具体实施方式对本发明专利作进一步阐述;
图1为协同算法的技术路线图;基于A-Train数据的协同反演云相态和云参量流程
具体实施方式
根据目前单个传感器反演云相态的特点,可以看出三传感器对云的探测信号具有互补性,如:(1)对于微波雷达,其探测信号与粒子大小的6次方成正比(Z∝D6),而对于激光雷达,其探测信号与粒子大小的2次方成正比(b∝D2),故如果基于激光和微波雷达协同反演将会有利于不同尺度的粒子都能起到贡献;(2)辐射亮度的协同应用能确保反演的粒子形状正确;(3)不同的传感器对不同相态粒子的敏感性不一样,可以相互弥补;(4)单一传感器的信号有时候有误差或没有获得,而用多传感器协同可处理信号偶尔丢失和有问题的情况;(5)还可处理云的内部多层结构和不同下垫面发射率以及云顶部问题。
根据单个传感器的特点,该算法首先基于经验统计数据假设所需反演对象的物理参量,如协同算法反演云参量时,需先假设云粒子参量的av,N0,S值,在该假设参量的前提下利用MODIS仿真模型、CALIPSO激光雷达仿真模型和CloudSat的仿真模型计算各自通道辐射值和雷达各自高度的后向反射值,然后用各传感器的实际测量值与模拟值进行χ2的拟合(当然这种多数据组的拟合,需要建立协方差矩阵),如果不能得到最佳值,就用估计的误差从新计算并修正最先的云参量av,N0,S值,再用新的参量和仿真模型再次计算模拟值,用新的模拟值和实际测量数据再次进行χ2的拟合,如此循环迭代,直到最后的拟合误差达到允许的值后,输出此时代入理论模型计算时的输入的云参量假设值就是反演的云参量值。
Claims (5)
1.一种利用A-Train系列卫星数据反演云相态和云参量的新方法,其主要内容包括云数据的确定、单个传感器反演云相态方法的选取、数据匹配、云类型识别、仿真模型、协同算法的构建即过冷水云的识别等。其特征是根据三个传感器对云的探测信号不同,即激光雷达的后向散射系数、微波雷达的后向散射系数和近红外波段的观测辐射值对不同成份的粒子的云的信号敏感性不一样,构建一个新算法,利用各自传感器的方针模拟值和传感器探测的真实值拟合到最佳状态时,此时云粒子大小、云的类型、云光学厚度和云的冰水含量的值就是真实的云参量值。
2.根据权利要求1所述的云数据的确定,其特征是基于MODIS、CloudSat和CALIPSO的数据,分别利用各自传感器的云检测的方法,然后再应用各自检测出的云的综合结果为联合识别的云结果,即用CloudSat和CALIPSO各自识别的云标识叠加的结果做为协同反演时的云数据。
3.根据权利要求1所述的单个传感器反演云相态方法的选取,其特征是基于云检测数据源,分别利用各自传感器识别云相态的方法,进行云相态识别;并把各自识别的结果进行协同处理的结果作为云相态的结果和云参量反演的数据源。
4.根据权利要求1所述的过冷水云的识别,其特征是过冷水云同具有相同冰水含量的冰云相比,具有较小的粒子尺度,在协同反演中,可以利用激光雷达与粒子直径的2次方成正比和微波雷达的回波强度对与粒子直径的6次方成正比的特性(即对粒子大小有不同敏感特性)的关系来识别过冷水云。
5.根据权利要求1所述的协同算法的构建,其特征是从数学和物理的角度比较详细地构建了协同算法,在av,S和N0 *参量和云相态假设的基础导出了云参量(云粒子有效半径,冰水含量、云的光学厚度等)的反演方法,最后给出这些参量的误差估算公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100342141A CN102707336A (zh) | 2012-02-13 | 2012-02-13 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100342141A CN102707336A (zh) | 2012-02-13 | 2012-02-13 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102707336A true CN102707336A (zh) | 2012-10-03 |
Family
ID=46900265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100342141A Pending CN102707336A (zh) | 2012-02-13 | 2012-02-13 | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102707336A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023292A (zh) * | 2015-06-24 | 2015-11-04 | 陕西宝成航空仪表有限责任公司 | 数字云团的仿真建模方法 |
CN105954812A (zh) * | 2016-04-29 | 2016-09-21 | 中国科学院遥感与数字地球研究所 | 一种确定云相态的方法和设备 |
CN106569289A (zh) * | 2016-10-18 | 2017-04-19 | 北京无线电测量研究所 | 一种识别过冷水的方法及装置 |
CN106646476A (zh) * | 2016-12-02 | 2017-05-10 | 上海无线电设备研究所 | 一种液态云微物理参数的反演方法 |
CN108474867A (zh) * | 2015-12-18 | 2018-08-31 | 釜庆大学校产学协力团 | 高分辨率降水量资料复原***及其方法 |
CN109946235A (zh) * | 2019-02-26 | 2019-06-28 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
CN110688606A (zh) * | 2019-08-30 | 2020-01-14 | 中国科学院遥感与数字地球研究所 | 一种热红外遥感反演云微物理参数的方法 |
CN114354529A (zh) * | 2022-01-10 | 2022-04-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
CN114994794A (zh) * | 2022-06-24 | 2022-09-02 | 昆明学院 | 一种云团无探测数据区的云粒子相态生长方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329173A (zh) * | 2008-07-07 | 2008-12-24 | 武汉大学 | 一种浑浊水体大气校正方法 |
CN102073792A (zh) * | 2011-01-19 | 2011-05-25 | 安徽师范大学 | 一种利用modis图像反演海岸带气溶胶光学特性的方法 |
-
2012
- 2012-02-13 CN CN2012100342141A patent/CN102707336A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329173A (zh) * | 2008-07-07 | 2008-12-24 | 武汉大学 | 一种浑浊水体大气校正方法 |
CN102073792A (zh) * | 2011-01-19 | 2011-05-25 | 安徽师范大学 | 一种利用modis图像反演海岸带气溶胶光学特性的方法 |
Non-Patent Citations (3)
Title |
---|
GRAEME L.STEPHENS等: ""THE CLOUDSAT MISSION AND THE A-TRAIN"", 《AMERICAN METEOROLOGICAL SOCIETY》, 31 December 2002 (2002-12-31), pages 1771 - 1790 * |
JULIEN DELANOE等: ""Combined CloudSat-CALIPSO-MODIS retrievals of the properties of ice clouds"", 《JOURNAL OF GEOPHYSICAL RESEARCH》, vol. 115, 21 July 2010 (2010-07-21), pages 1 - 17 * |
严卫等: ""联合星载毫米波雷达和激光雷达资料的云相态识别技术"", 《红外与毫米波学报》, vol. 30, no. 1, 28 February 2011 (2011-02-28), pages 158 - 163 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023292A (zh) * | 2015-06-24 | 2015-11-04 | 陕西宝成航空仪表有限责任公司 | 数字云团的仿真建模方法 |
CN108474867A (zh) * | 2015-12-18 | 2018-08-31 | 釜庆大学校产学协力团 | 高分辨率降水量资料复原***及其方法 |
CN105954812A (zh) * | 2016-04-29 | 2016-09-21 | 中国科学院遥感与数字地球研究所 | 一种确定云相态的方法和设备 |
CN106569289A (zh) * | 2016-10-18 | 2017-04-19 | 北京无线电测量研究所 | 一种识别过冷水的方法及装置 |
CN106646476A (zh) * | 2016-12-02 | 2017-05-10 | 上海无线电设备研究所 | 一种液态云微物理参数的反演方法 |
CN109946235A (zh) * | 2019-02-26 | 2019-06-28 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
CN109946235B (zh) * | 2019-02-26 | 2021-11-02 | 南京信息工程大学 | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 |
CN110688606A (zh) * | 2019-08-30 | 2020-01-14 | 中国科学院遥感与数字地球研究所 | 一种热红外遥感反演云微物理参数的方法 |
CN114354529A (zh) * | 2022-01-10 | 2022-04-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
CN114354529B (zh) * | 2022-01-10 | 2024-06-04 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于极轨气象卫星搭载的mersi-ⅱ仪器的全天候云相态反演方法 |
CN114994794A (zh) * | 2022-06-24 | 2022-09-02 | 昆明学院 | 一种云团无探测数据区的云粒子相态生长方法 |
CN114994794B (zh) * | 2022-06-24 | 2023-05-09 | 昆明学院 | 一种云团无探测数据区的云粒子相态生长方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102707336A (zh) | 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法 | |
CN103984862A (zh) | 一种多元遥感信息协同的积雪参数反演方法 | |
CN102183237B (zh) | 一种地基双波段云高测量的装置和方法 | |
CN102540166B (zh) | 一种基于优化算法的高光谱传感器交叉辐射定标方法 | |
CN105203023B (zh) | 一种车载三维激光扫描***安置参数的一站式标定方法 | |
CN103712955B (zh) | 一种基于神经网络二次优化的二类水体大气校正方法 | |
CN104406686A (zh) | 复杂地形条件下太阳短波入射辐射估算方法 | |
CN109344536A (zh) | 一种耦合多源数据的多层次被动微波土壤水分验证方法 | |
CN101865909A (zh) | 一种微波遥感土壤水分监测***及其方法 | |
CN102609940A (zh) | 利用地面激光扫描技术进行测量对象表面重建时点云配准误差处理方法 | |
CN107656278B (zh) | 基于稠密雨量站定量降水估测方法 | |
CN103197303A (zh) | 基于多传感器的地表二向反射特性反演方法及*** | |
CN103954953A (zh) | 一种基于数据驱动的机载激光雷达盲源误差补偿方法 | |
CN104834814A (zh) | 遥感影像地形标准化方法 | |
CN104820222B (zh) | 雨量雷达实时动态衰减订正与降水计算方法 | |
CN105631191A (zh) | 一种获取卫星效能的方法及*** | |
CN105046046A (zh) | 一种集合卡尔曼滤波局地化方法 | |
CN109633573A (zh) | 一种对大幅宽范围内湿对流层延时误差的校正方法 | |
CN103235890A (zh) | 卫星短时临近降水预报***及降水预报方法 | |
CN105678236A (zh) | 一种陆地植被冠层偏振反射建模方法 | |
CN103927454B (zh) | 一种基于环境卫星的灰霾污染监测方法 | |
CN103438872A (zh) | 一种基于大坝三维前方交会测量的内外业一体化*** | |
CN102445712B (zh) | 面向岩矿的特征窗口加权相关光谱匹配方法 | |
CN103105601B (zh) | 基于网格搜索最大后验准则辐射源定位方法 | |
CN102830391B (zh) | 一种红外搜索与跟踪***准确性指标计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121003 |