CN104991260A - 一种基于半导体激光云高仪的云高自动反演方法 - Google Patents
一种基于半导体激光云高仪的云高自动反演方法 Download PDFInfo
- Publication number
- CN104991260A CN104991260A CN201510354483.XA CN201510354483A CN104991260A CN 104991260 A CN104991260 A CN 104991260A CN 201510354483 A CN201510354483 A CN 201510354483A CN 104991260 A CN104991260 A CN 104991260A
- Authority
- CN
- China
- Prior art keywords
- cloud
- signal
- threshold value
- height
- block signal
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于半导体激光云高仪的云高自动反演方法,半导体激光云高仪接收1064nm后向散射回波信号;由1064nm后向散射回波信号特征获取分段高度;对采集到的1064nm后向散射回波信号进行距离平方修正,并将距离平方修正后的信号取名为PRR信号,分别对1064nm后向散射回波信号和PRR信号进行归一化处理;根据分段信号分布特征获取滑动窗口积分阈值以及云顶、云底、云峰、云厚度和云幅度变化阈值;采用滑动窗口积分的方法,从地面开始向上逐一滑动窗口,在窗口内对分段信号进行累加平均,当信号累加平均值大于等于滑动窗口积分阈值时,初步筛选出云层分布的大致位置;由分段信号分布特征确定云底、云峰、云顶的精确高度;利用云厚度阈值、云峰阈值、云幅度变化阈值对云层进行进一步的筛选。
Description
技术领域
本发明涉及云高测量领域,具体为一种基于半导体激光云高仪的云高自动反演方法。
背景技术
云是悬浮在大气中的小水滴、过冷水滴、冰晶或它们的混合物组成的可见聚合物;有时也包含一些较大的雨滴、冰晶和雪晶,其底部不接触地面。云的生成、外形特征、云量、云的分布及其演变不仅反映了当时大气的运动、稳定程度和水汽状况,同时预示着未来天气变化。云层厚度对温室效应有着重要影响,云层的性质和天气特征分析对人工增雨抗旱减灾有着重要指导意义,云层信息尤其云高参数是影响飞机起飞、着陆、飞行安全的重要气象要素之一。如何方便有效地准确确定云层高度并监测其变化过程,对天气***发展、降雨形成和大气辐射传输模式研究具有十分重要意义。
目前对云高的测量主要是依赖于目测,要比较准确的判断、辨别各种云的高度,需要掌握云的外形特征、了解云的物理过程,对观测人员业务知识要求高,并且人为误差较大。激光云高仪采用激光原理和微弱信号检测技术有效提取云和大气的后向散射信号,能够实时提取云高的信息,具有智能、便携、实时和动态范围大等优点。基于半导体激光云高仪的反演主要有微分零交叉法、阈值法。微分零交叉法对大气和云的后向散射信号微分,寻找微分信号零点位置,零点位置对应云峰的高度,但是,在复杂的大气环境下气溶胶的干扰将会产生很多过零点,并且白噪声的抖动也会引入额外的过零点,这势必对过零点的有效提取造成很大的影响;阈值法是首先选择一个适当的阈值,以超过设定阈值作为判断基准,阈值的选取基于经验的方法,而实际的大气是剧烈变化的,白天和夜晚的噪声干扰差别明显,因此,基于经验值的阈值法很难适应于复杂的大气环境,白噪声和气溶胶有时也会产生超过设定阈值的奇异值,阈值法没有对奇异值作进一步的处理和筛选,这也将在云高的反演中带入一定的误差。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供一种基于半导体激光云高仪的云高自动反演方法,以解决传统方法中云高观测人为误差较大,受气溶胶和白噪声干扰大,鉴别能力不高,自适应性不强等问题。
为达到上述目的,本发明所采用的技术方案为:
一种基于半导体激光云高仪的云高自动反演方法,其特征在于实现步骤如下:
(1)半导体激光云高仪接收1064nm后向散射回波信号;
(2)由1064nm后向散射回波信号特征获取分段高度;
(3)对采集到的1064nm后向散射回波信号进行距离平方修正,并将距离平方修正后的信号取名为PRR信号,分别对1064nm后向散射回波信号和PRR信号进行归一化处理;
(4)根据分段信号分布特征获取滑动窗口积分阈值以及云顶、云底、云峰、云厚度和云幅度变化阈值;
(5)采用滑动窗口积分的方法,从地面开始向上逐一滑动窗口,在窗口内对分段信号进行累加平均,当信号累加平均值大于等于滑动窗口积分阈值时,初步筛选出云层分布的大致位置;
(6)由分段信号分布特征确定云底、云峰、云顶的精确高度;
(7)利用云厚度阈值、云峰阈值、云幅度变化阈值对云层进行进一步的筛选,当经过(6)步骤确定的云厚、云变化幅度、云峰的幅度其中两项同时大于等于对应的阈值时,即筛选过后的云高分布信息。
本发明与现有技术相比的有益效果:
(1)本发明通过选取背景信号计算出标准偏差,以此为基准对1064nm后向散射回波信号斜率进行自动化判别,有效识别分段高度,并利用分段高度对1064nm后向散射回波信号和PRR信号分段处理,有利于阈值的获取和设定。
(2)本发明可以在复杂的大气环境条件下,有效减小气溶胶和白噪声在云高分布测量中的干扰,自适应地确定云高识别阈值,高准确性地提取云高分布信息。
(3)本发明计算便于程序化,可以长时间在线高时间分辨率和高空间分辨率的对云高分布进行主动遥感测量,这是传统仪器所无法实现的。
附图说明
图1为本发明方法实现的流程图;
图2为1064nm后向散射回波信号和PRR信号;
图3为基于云高自动反演方法的云高仪云高自动监测软件;
图4黑点代表了云层时空分布演化图。
具体实施方式
根据本发明中提出的一种基于半导体激光云高仪的云高自动反演方法,以某次实验数据为例进行分析,所述方法步骤为:
(1)半导体激光云高仪接收1064nm后向散射回波信号,激光云高仪的1064nm后向散射回波信号可表示为:
其中,P(λ,z)为波长λ,距离z处的激光云高仪1064nm后向散射回波信号,C为***常数,β(λ,z)为气体分子和云或气溶胶的总的后向散射系数,α(λ,z)为气体分子和云或气溶胶的消光系数。由于云的后向散射系数远大于气溶胶,所以当激光在大气中传输与云产生后向散射作用时,P(λ,z)将会突然增大,出现突变,呈现出周围气溶胶回波信号截然不同的分布特征,主要表现在:云层回波信号幅度较大;云层回波信号变化幅度大,因此云层内部标准偏差较气溶胶回波信号标准偏差明显偏大;云层回波信号脉冲宽度宽,而干扰噪声具有随机性,脉冲很窄;云层内部可能剧烈变化,表现为云峰出现多个,但认为同一层云。因此,针对云层回波信号独特的特征设定六个阈值,针对云层回波信号幅度,设定滑动窗口积分阈值和云峰阈值;针对云层回波变化幅度,设定云幅度变化阈值;针对云层回波信号宽度,设定云厚度阈值;为了有效识别出云底、云顶信息设定云底、云顶阈值;以六个阈值为判断依据从而由1064nm后向散射回波信号中筛选出云层信息。
(2)由1064nm后向散射回波信号特征获取分段高度,选取12km~15km的1064nm后向散射回波信号作为背景信号,计算背景信号的标准偏差;由近地面高度向上将1064nm后向散射回波信号与背景信号的标准偏差逐一进行比较,当两者比值第一次小于等于1时所对用的高度为分段高度;
(3)受气溶胶干扰和几何因子的影响,1064nm后向散射回波信号在分段高度以下呈现先上升后下降的变化特征,不利于阈值的选取和设定,而1064nm后向散射回波信号经过距离平方修正后的PRR信号平整形较好,有利于阈值的选取和设定,所以首先对1064nm后向散射回波信号进行距离平方修正、归一化处理、三角滤波后得到PRR信号,如下所示:
利用PRR信号确定六个阈值;在此高度以上的1064nm后向散射回波信号随距离变化不明显,而PRR受背景噪声影响,信号抖动随距离增加而加剧,因此直接利用归一化处理后的1064nm后向散射回波信号确定六个阈值。
(4)扣除奇异点后,求分段信号的平均值和标准偏差作为滑动窗口积分阈值以及云顶、云底、云峰、云厚度和云幅度变化阈值的选择基准,以此基准为基础乘以是适当的系数作为阈值。所述分段信号在分段高度以下为PRR信号,在分段高度以上为归一化处理后的1064nm后向散射回波信号;所述滑动窗口积分阈值设为分段信号平均值加上标准偏差的2~5倍;所述云顶、云底阈值相同,并设为分段信号平均值加上标准偏差的1.2~2倍;所述云峰阈值设为分段信号平均值加上标准偏差的8~10倍;所述云厚阈值设为100m;所述云幅度变化阈值设为分段信号标准偏差的5~7倍。
(5)采用滑动窗口积分的方法,将窗口内的分段信号进行累加平均,白噪声将在累积的过程中大部分会自动消除,得到较为明显的云层信息,从而将其与噪声区别开来。所述滑动窗口积分法窗口宽度设定为75m,激光云高仪1064nm后向散射回波信号空间分辨率为7.5m,则为10个点,滑动窗口宽度可以改变,一般可设置在50m~150m范围内;所述滑动窗口积分法由地面开始向上逐一滑动对信号进行累加平均,当信号累加平均值大于等于滑动窗口积分阈值时,初步筛选出云层分布的大致位置。
(6)初步筛选出云层分布后,在对应的窗口范围内寻找信号峰值,由于窗口宽度可能小于云层厚度,因此所述信号峰值不一定对应于云峰的高度,由信号峰值对应高度向下寻找,当分段信号大于等于云底阈值时,即为初步筛选出的云底高度;由信号峰值对应高度向上寻找,当分段信号大于等于云顶阈值时,即为初步筛选出的云顶高度;在云底和云顶之间信号的最大值所对应的高度即为云峰高度;云层厚度即为云顶和云底之间的距离。云底和云顶之间分段信号的标准偏差即为云变化幅度。
(7)利用云厚度阈值、云峰阈值、云幅度变化阈值对云层进行进一步的筛选,当经过(6)步骤确定的云厚、云变化幅度、云峰的幅度其中两项同时大于等于对应的阈值时,即筛选过后的云高分布信息。
如图2所示为1064nm后向散射回波信号和PRR信号,由图中可以看出,在1.7km以下,1064nm后向散射回波信号呈现先上升后下降的变化特征,不具有平整形,不利于阈值选取;而PRR信号具有较好的平整形,1.7km以上的1064nm后向散射回波信号随距离变化不明显,而PRR受背景噪声影响,信号抖动随距离增加而加剧。因此以分段高度为界限分别采用PRR信号和1064nn后向散射回波信号特征对云层信息进行识别。
如图2所示为基于云高自动反演方法的云高仪云高自动监测软件。
如图3所示黑点代表了云层时空分布演化图,云层主要分布在4.8km~7.2km范围内,变化特别剧烈,其中2013年9月26日21:时43分39秒云层呈现多层结构,经过云高自动监测软件反演出的云底高度分别为4.55km、4.84km、5.46km、5.71km、6.45km、7.09km,表现为六层云。
本发明未详细阐述部分属于本领域公知技术。
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (4)
1.一种基于半导体激光云高仪的云高自动反演方法,其特征在于实现步骤如下:
(1)半导体激光云高仪接收1064nm后向散射回波信号;
(2)由1064nm后向散射回波信号特征获取分段高度;
(3)对采集到的1064nm后向散射回波信号进行距离平方修正,并将距离平方修正后的信号取名为PRR信号,分别对1064nm后向散射回波信号和PRR信号进行归一化处理;
(4)根据分段信号分布特征获取滑动窗口积分阈值以及云顶、云底、云峰、云厚度和云幅度变化阈值;
(5)采用滑动窗口积分的方法,从地面开始向上逐一滑动窗口,在窗口内对分段信号进行累加平均,当信号累加平均值大于等于滑动窗口积分阈值时,初步筛选出云层分布的大致位置;
(6)由分段信号分布特征确定云底、云峰、云顶的精确高度;
(7)利用云厚度阈值、云峰阈值、云幅度变化阈值对云层进行进一步的筛选,当经过(6)步骤确定的云厚、云变化幅度、云峰的幅度其中两项同时大于等于对应的阈值时,即筛选过后的云高分布信息。
2.根据权利要求1所述的基于半导体激光云高仪的云高自动反演方法,其特征在于:所述步骤(2)中的由1064nm后向散射回波信号特征自动获取分段高度的具体过程如下:
(1)选取12km~15km的1064nm后向散射回波信号作为背景信号,计算背景信号的标准偏差;
(2)由近地面高度向上将1064nm后向散射回波信号与背景信号的标准偏差逐一进行比较,当两者比值第一次小于等于1时所对用的高度为分段高度;
(3)所述步骤(4)、(5)、(6)中的分段信号即为在分段高度以下为归一化处理后的PRR信号,分段高度以上为归一化处理后的1064nm后向散射回波信号。
3.根据权利要求1所述的基于半导体激光云高仪的云高自动反演方法,其特征在于:所述步骤(3)中的根据归一化后的分段信号分布特征获取滑动窗口积分阈值以及云顶、云底、云峰、云厚度和云幅度变化阈值的具体过程如下:
(1)扣除奇异点后,求分段信号的平均值和标准偏差作为滑动窗口积分阈值以及云顶、云底、云峰、云厚度和云幅度变化阈值的选择基准,以此基准为基础乘以是适当的系数作为阈值;
(2)所述滑动窗口积分阈值设为分段信号平均值加上标准偏差的2~5倍;
(3)所述云顶、云底阈值相同,并设为分段信号平均值加上标准偏差的1.2~2倍;
(4)所述云峰阈值设为分段信号平均值加上标准偏差的8~10倍;
(5)所述云厚阈值设为100m;
(6)所述云幅度变化阈值设为分段信号标准偏差的5~7倍。
4.根据权利要求1所述的基于半导体激光云高仪的云高自动反演方法,其特征在于:所述步骤(6)中由分段信号分布特征确定云底、云峰、云顶的精确高度的具体过程如下:
(1)经过步骤(5)后初步筛选出云层分布的大致位置后,在对应的窗口范围内寻找分段信号的峰值;
(2)由分段信号峰值对应高度向下寻找,当分段信号幅值小于或等于云底阈值时,此时分段信号所对应的高度即为云底的精确高度;
(3)由分段信号峰值对应高度向上寻找,当分段信号幅值小于或等于云顶阈值时,此时分段信号所对应的高度即为云顶的精确高度;
(4)寻找云底高度与云顶高度之间的分段信号的最大值,其所对应的高度即为云峰的精确高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510354483.XA CN104991260B (zh) | 2015-06-24 | 2015-06-24 | 一种基于半导体激光云高仪的云高自动反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510354483.XA CN104991260B (zh) | 2015-06-24 | 2015-06-24 | 一种基于半导体激光云高仪的云高自动反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104991260A true CN104991260A (zh) | 2015-10-21 |
CN104991260B CN104991260B (zh) | 2017-09-29 |
Family
ID=54303096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510354483.XA Active CN104991260B (zh) | 2015-06-24 | 2015-06-24 | 一种基于半导体激光云高仪的云高自动反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104991260B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291588A (zh) * | 2016-08-04 | 2017-01-04 | 安徽省安光环境光学工程技术研究中心有限公司 | 一种基于有限状态机的云层信号自动识别方法 |
CN107728163A (zh) * | 2017-09-05 | 2018-02-23 | 兰州大学 | 大气特征层检测方法及装置 |
CN111142090A (zh) * | 2019-12-25 | 2020-05-12 | 自然资源部国土卫星遥感应用中心 | 一种激光测高仪云散射误差修正方法及装置 |
CN111340093A (zh) * | 2020-02-21 | 2020-06-26 | 上海眼控科技股份有限公司 | 云状识别的方法和装置 |
CN113093223A (zh) * | 2021-04-12 | 2021-07-09 | 广州降光科技有限公司 | 一种激光云高仪 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0033870B1 (de) * | 1980-01-26 | 1986-05-07 | Deutsche Forschungsanstalt für Luft- und Raumfahrt e.V. | Verfahren zur Messung der Schrägsichtweite |
CN101520515A (zh) * | 2009-03-31 | 2009-09-02 | 中国科学院安徽光学精密机械研究所 | 基于激光雷达的混合层高度的自动反演算法 |
-
2015
- 2015-06-24 CN CN201510354483.XA patent/CN104991260B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0033870B1 (de) * | 1980-01-26 | 1986-05-07 | Deutsche Forschungsanstalt für Luft- und Raumfahrt e.V. | Verfahren zur Messung der Schrägsichtweite |
CN101520515A (zh) * | 2009-03-31 | 2009-09-02 | 中国科学院安徽光学精密机械研究所 | 基于激光雷达的混合层高度的自动反演算法 |
Non-Patent Citations (4)
Title |
---|
XIWEI FAN ET AL.: ""Influence of thin cirrus clouds on land surface temperture retrieval using the generalized split-window algorithm from thermal infrared data"", 《GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS),2014 IEEE INTERNATIONAL》 * |
杨成武 等: ""激光云高仪云量自动反演算法"", 《激光与光电子学进展》 * |
范广强 等: ""基于差分吸收激光雷达的云消除算法研究"", 《光子学报》 * |
韩道文 等: ""用于反演云层高度的记忆式滑动窗口积分算法"", 《强激光与粒子束》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291588A (zh) * | 2016-08-04 | 2017-01-04 | 安徽省安光环境光学工程技术研究中心有限公司 | 一种基于有限状态机的云层信号自动识别方法 |
CN107728163A (zh) * | 2017-09-05 | 2018-02-23 | 兰州大学 | 大气特征层检测方法及装置 |
CN107728163B (zh) * | 2017-09-05 | 2020-04-07 | 兰州大学 | 大气特征层检测方法及装置 |
CN111142090A (zh) * | 2019-12-25 | 2020-05-12 | 自然资源部国土卫星遥感应用中心 | 一种激光测高仪云散射误差修正方法及装置 |
CN111340093A (zh) * | 2020-02-21 | 2020-06-26 | 上海眼控科技股份有限公司 | 云状识别的方法和装置 |
CN113093223A (zh) * | 2021-04-12 | 2021-07-09 | 广州降光科技有限公司 | 一种激光云高仪 |
Also Published As
Publication number | Publication date |
---|---|
CN104991260B (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102628944B (zh) | 一种基于多普勒雷达资料的层云与对流云自动识别方法 | |
CN104991260A (zh) | 一种基于半导体激光云高仪的云高自动反演方法 | |
Rudnick et al. | A climatology of the California Current System from a network of underwater gliders | |
Bonin et al. | Doppler lidar observations of the mixing height in Indianapolis using an automated composite fuzzy logic approach | |
KR101531224B1 (ko) | 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법 | |
Gossart et al. | Blowing snow detection from ground-based ceilometers: application to East Antarctica | |
CN110346844A (zh) | Nriet基于云分类和机器学习的定量降水估测方法 | |
CN110082842A (zh) | 一种降水估测方法及装置 | |
CN105891833A (zh) | 基于多普勒雷达信息识别暖云降水率的方法 | |
CN105740558B (zh) | 一种针对高原微地形的输电线路覆冰实时绘制方法 | |
CN113296072B (zh) | 一种基于YOLOv3模型的雷暴大风自动识别方法及*** | |
CN109061601A (zh) | 一种基于无人机激光雷达反演人工林森林结构参数的方法 | |
CN108959705B (zh) | 一种预测亚热带森林生物量的方法 | |
CN110208807A (zh) | 一种基于航海雷达图像检测区域差异性参数的雨强等级反演方法 | |
Hanesch | Fall velocity and shape of snowflakes | |
Longobardi et al. | Relating soil moisture and air temperature to evapotranspiration fluxes during inter-storm periods at a Mediterranean experimental site | |
CN111310983A (zh) | 一种针对登陆广东台风引发宁波暴雨的预报方法 | |
CN111523087B (zh) | 一种台风强度长期变化趋势分析方法 | |
Lee et al. | Mixing depth estimation from operational JMA and KMA wind-profiler data and its preliminary applications: Examples from four selected sites | |
CN105891078B (zh) | 基于风廓线雷达的沙尘暴沙尘质量浓度定量反演估算方法 | |
CN102073037A (zh) | 基于自适应阈值选取技术的迭代海流反演方法 | |
CN113239506A (zh) | 一种基于台风天气的杆塔形变及导线舞动风险评估模型 | |
Andreas | Two experiments on using a scintillometer to infer the surface fluxes of momentum and sensible heat | |
CN203811828U (zh) | 一种基于湿球效应的云顶高度探测装置 | |
Trömel et al. | Climatology of the vertical profiles of polarimetric radar variables at X band in stratiform clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |