CN112818528B - 超高频无线微波数据驱动的露点-霜点温度场重构方法 - Google Patents
超高频无线微波数据驱动的露点-霜点温度场重构方法 Download PDFInfo
- Publication number
- CN112818528B CN112818528B CN202110081867.4A CN202110081867A CN112818528B CN 112818528 B CN112818528 B CN 112818528B CN 202110081867 A CN202110081867 A CN 202110081867A CN 112818528 B CN112818528 B CN 112818528B
- Authority
- CN
- China
- Prior art keywords
- dew point
- frost
- point temperature
- temperature
- point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 238000010521 absorption reaction Methods 0.000 claims description 19
- 230000000694 effects Effects 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000002238 attenuated effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种超高频无线微波数据驱动的露点‑霜点温度场重构方法,包括如下步骤:获取研究区某一时段内多条超高频无线微波链路的微波数据、微波数据的衰减信号以及气象站的湿度、温度等数据;建立基于无线微波特征衰减的露点‑霜点温度反演模型,推求每条链路中点处的露点温度;采用插值方法重构高时空分辨率的空间二维露点‑霜点温度场,并根据气象站实测数据进行校正。本发明有效利用了现有的高密度超高频无线微波通信网络,大幅提升了露点‑霜点温度场的时空分辨率和监测精度,实现了从零维的露点‑霜点温度“点”到二维露点‑霜点温度“场”的突破。
Description
技术领域
本发明涉及新一代通信技术应用领域,具体涉及一种超高频无线微波数据驱动的露点-霜点温度场重构方法。
背景技术
未饱和空气在保持绝对含水量不变的情况下降低温度,使之达到饱和状态时的温度叫做露点温度,一般把0℃以上称为“露点”,把0℃以下称为“霜点”。露点/霜点温度是描述气体湿度(含水蒸气量)的主要湿度参数,也是影响人体舒适度的重要指标,在人体散热、天气起雾、引擎结冰、农业、空调除湿、化工、航海等方面均有重要的指导作用。因此,监测露点/霜点温度值及其空间分布,是一项十分具有实际意义的工作。
目前,露点温度的监测还较难实现,传统的露点/霜点温度监测方法主要有露点仪监测法(直接)和公式反算法(间接)。露点仪操作复杂、监测成本高,低温条件下精度和灵敏度会明显降低,易产生较大误差;公式反算法需引入较多气象要素,计算过程复杂,不同公式的计算结果存在差异,且监测误差随温度的降低而迅速增大。此外,传统方法均是对露点/霜点温度的点尺度监测,无法实现对空间二维露点-霜点温度场的高时空分辨率监测。
发明内容
发明目的:为了解决现有技术中露点-霜点温度监测的时空分辨率和监控精度较低的问题,本发明提供一种超高频无线微波数据驱动的露点-霜点温度场重构方法。
技术方案:本发明提供一种超高频无线微波数据驱动的露点-霜点温度场重构方法,包括以下步骤:
S1、获取研究区在研究时段内多条超高频无线微波链路的微波数据;获取微波数据在大气中的衰减信号;获取气象站的湿度、温度数据;
S2、建立基于无线微波特征衰减的露点-霜点温度反演模型,根据反演模型,利用微波数据和气象站的湿度、温度数据推求每条链路中点处的露点或霜点温度;
S3、根据每条链路中点处的露点或霜点温度,利用插值法重构空间二维露点-霜点温度场,并用气象站数据进行校正。
进一步地,所述步骤S2中,基于无线微波特征衰减的露点-霜点温度反演模型的建立步骤包括:
S2-1、选择干期时段并忽略干空气造成的衰减,得到某条链路、某个时刻的衰减:
γ=γw=0.1820Nw″(f,T,Td)dB/km (1)
其中,γ为微波信号在大气中的总衰减,γw为水汽造成的衰减,Nw″(f,T,Td)为水汽线的复合折射率的假设部分,f、T、Td分别为该条链路的频率、该条链路对应空间位置处的空气温度、露点或霜点温度;
S2-2、计算Nw″(f,T,Td):
Nw″(f,T,Td)=∑iSwiFwi (2)
其中,Swi为第i条水汽吸收线的强度,Fwi为第i条水汽曲线的形状因子;
Swi=b1×10-1eθ3.5exp[b2(1-θ)] (3)
其中,e为水汽压力,θ=300/(T+273.15),b1、b2为水汽吸收线系数;
水汽压力e由温度T、露点或霜点温度Td得到:
其中,RH为相对湿度,a=17.27,b=237.7℃,ρ为水汽密度;
其中,fwi为第i条水汽吸收线的频率,Δfw为水汽吸收线的宽度,Δfa为氧气吸收线的宽度;
其中,b3、b4、b5、b6为水汽吸收线的系数,p为干燥空气压力;
考虑多普勒效应,对宽度Δfw进行修正:
S2-3、将气象站的历史实测湿度构成长度为N的数组(ρ1,ρ2,…,ρN),设该数组的中位数为ρMed,是第j个时刻的湿度值,根据第j个时刻的微波数据和气象站数据,由公式(1)~(10)计算第i条链路的衰减值中位数riMed(f,T,Td);
若M条微波链路的链路长度分别为L1,L2,…,LM,第i条链路的参考电平定义为:
RSLiref=RSLiMed+riMed×Li(dB) (11)
其中,RSLiMed为第i条链路电平值序列的中位数;
根据公式(1)~(12)总结得到露点/霜点温度和微波信号衰减值的关系为:
进一步地,步骤S3具体包括:
S3-1、利用多个气象站的实测温度数据序列,插值得到每条链路的中点处的温度值T序列以及空间分布;
S3-2、根据温度T序列和微波数据的空间分布,利用步骤S2求解得到该条链路中点处的露点或霜点温度,使用反距离加权法进行空间插值,得到空间任意点处的露点或霜点温度;
S3-3、根据气象站监测到的露点或霜点温度,插值得到露点或霜点温度空间分布;
对露点-霜点温度场插值结果进行校正:
Tdc=Tdε+Tdr(1-ε) (14)
其中,Tdc为校正后的某点露点或霜点温度,Td为基于无线微波特征衰减的露点-霜点温度反演模型得到的某点露点或霜点温度,Tdr为由气象站插值得到的某点露点或霜点温度,ε为权重。
进一步地,步骤S2中,利用微波数据和气象站的湿度、温度数据推求每条链路的露点或霜点温度估计值,作为该条链路中点处的露点或霜点温度。
进一步地,所述步骤S1中,超高频无线微波链路的微波数据经离散化采样后记为:
{yi}={fi}+{ej},j=1,2,…,N (15)
其中,{yi}为动态测试数据,{fi}为较平滑的测量结果,{ej}为随机误差,N为数据个数;
采用滑动平均法过滤随机误差。
有益效果:本发明提供一种超高频无线微波数据驱动的露点-霜点温度场重构方法,相比较现有技术,具备如下优点:
1、利用超高频无线微波链路动态监测露点/霜点温度,采用已有的无线基站通信设施,节省了一次性基础设施投资、大量的运行和人员维护成本,具有建设快、投资小、维护方便、加密观测灵活等显著优势。
2、建立了基于无线微波数据的露点-霜点温度反演模型,大幅提高了露点-霜点温度的监测密度,实现了从零维的露点-霜点温度“点”到空间二维露点-霜点温度“场”的突破,提升露点-霜点温度监测的时空分辨率。
3、运用气象站实测数据对露点-霜点温度场的插值结果进行校正,更具准确性和科学性,提高露点-霜点温度监控的精度。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
如图1所示,一种超高频无线微波数据驱动的露点-霜点温度场重构方法,包括以下步骤:
S1、获取研究区在研究时段内多条超高频无线微波链路的微波数据;获取微波数据在大气中的衰减信号;获取气象站的湿度、温度数据;
其超高频无线微波链路的微波数据存在随机误差与噪声,经离散化采样后记为:
{yi}={fi}+{ej},j=1,2,…,N (1)
其中,{yi}为动态测试数据,{fi}为较平滑的测量结果,{ej}为随机误差,N为数据个数;
可采用滑动平均法过滤随机误差,得到的微波数据更加准确。
S2、建立基于无线微波特征衰减的露点-霜点温度反演模型,根据反演模型,利用微波数据和气象站的湿度、温度数据推求每条链路的露点或霜点温度估计值,作为该条链路中点处的露点或霜点温度;
其中,基于无线微波特征衰减的露点-霜点温度反演模型的建立步骤包括:
S2-1、微波信号在大气中的衰减简化模型:
r=rv+ra+rw+rp dB/km (2)
其中,r为总衰减(dB/km),rv为降雨造成的衰减(dB/km),ra为干空气造成的衰减(dB/km),rw为水汽造成的衰减(dB/km),rp为其他因素造成的衰减(dB/km)(如雾、降雪、冰雹等)。
忽略其他因素造成的衰减,选择干期无雨时段作为研究时段,总特征大气衰减的计算公式如下所示:
γ=γa+γw=0.1820f(Na″+Nw″)dB/km (3)
其中,Na″(f)为氧气线的复合折射率的假设部分,Nw″(f)为水汽线的复合折射率的假设部分。
考虑到水汽引起的衰减比干燥空气引起的衰减高数个量级,此处在考虑无线微波的特征大气衰减影响时,省略干空气引起的衰减项,因此,在选择干期时段并忽略干空气造成的衰减后,得到:
γ=γw=0.1820Nw″(f,T,Td)dB/km (4)
其中,γ为微波信号在大气中的总衰减,γw为水汽造成的衰减,Nw″(f,T,Td)为水汽线的复合折射率的假设部分,f、T、Td分别为该条链路的频率和该条链路对应空间位置处的空气温度(℃)和露点/霜点温度(℃);
由于水汽引起的衰减比干燥空气引起的衰减高数个量级,建立的基于无线微波特征衰减的露点-霜点温度反演模型,在考虑大气影响衰减时省略了干空气引起的衰减项,不会影响计算结果,并且显著提高了模型的计算效率。
S2-2、计算Nw″(f):
Nw″(f)=∑iSwiFwi (5)
其中,Swi为第i条水汽吸收线的强度,Fwi为第i条水汽曲线的形状因子;
Swi=b1×10-1eθ3.5exp[b2(1-θ)] (6)
其中,e为水汽压力,θ=300/(T+273.15),b1、b2为水汽吸收线系数;
水汽压力e由温度、露点或霜点温度得到:
其中,RH为相对湿度(%),扩17.27,b=237.7℃,ρ为水汽密度(g/m3);
水汽曲线形状因子Fwi为:
其中,f为链路的频率,fwi为第i条水汽吸收线的频率,Δfw为水汽吸收线的宽度,Δfa为氧气吸收线的宽度;
水汽吸收线的宽度Δfw为:
其中,b3、b4、b5、b6为水汽吸收线的系数,p为干燥空气压力(hpa);
考虑多普勒效应,对宽度Δfw进行修正:
S2-3、单条链路的露点/霜点温度反演
气象站的历史实测湿度构成长度为N的数组(ρ1,ρ2,…,ρN),设该数组的中位数为ρMed,是第j个时刻的湿度值,根据第j个时刻的微波数据和气象站数据,由公式(2)~(13)计算第i条链路的衰减值中位数riMed(f,T,Td);
若M条微波链路的链路长度分别为L1,L2,…,LM,第i条链路的参考电平定义为:
RSLiref=RSLiMed+riMed×Li(dB) (14)
其中,RSLiMed为第i条链路电平值序列的中位数;
因此,根据式子(2)~(15)总结得到露点/霜点温度和微波信号衰减值的关系为:
S3、根据每条链路中点处的露点或霜点温度,利用插值法重构空间二维露点-霜点温度场,并用气象站数据进行校正,具体包括:
S3-1、利用多个气象站的实测温度数据序列,插值得到每条链路中点处的温度值T序列以及空间分布;
S3-2、根据温度T序列和微波数据的空间分布,利用步骤S2求解得到的该条链路中点处的露点或霜点温度,使用反距离加权法进行空间插值,得到空间任意点处的露点或霜点温度;
S3-3、根据气象站监测到的露点或霜点温度,插值得到精确度较低的露点或霜点温度空间分布。
对露点-霜点温度场插值结果进行校正:
Tdc=Tdx+Tdr(1-ε) (17)
其中,Tdc为校正后的某点露点或霜点温度,Td为基于无线微波特征衰减的露点-霜点温度反演模型得到的某点露点/霜点温度(℃),Tdr为由气象站插值得到的某点露点/霜点温度(℃),ε为权重。
因为气象站一般也会监测露点或霜点温度,虽然气象站分布比较稀疏,精确度较低,但是用气象站监测到的数据进行插值得到的Tdr场,对Td场有一定的校正作用,因此步骤S3-3使用气象站插值得到的Tdr场对Td场进行了校正。
Claims (3)
1.一种超高频无线微波数据驱动的露点-霜点温度场重构方法,其特征在于,包括以下步骤:
S1、获取研究区在研究时段内多条超高频无线微波链路的微波数据;获取微波数据在大气中的衰减信号;获取气象站的湿度、温度数据;
S2、建立基于无线微波特征衰减的露点-霜点温度反演模型,根据反演模型,利用微波数据和气象站的湿度、温度数据推求每条链路中点处的露点或霜点温度;
S3、根据每条链路中点处的露点或霜点温度,利用插值法重构空间二维露点-霜点温度场,并用气象站数据进行校正;
所述步骤S2中,基于无线微波特征衰减的露点-霜点温度反演模型的建立步骤包括:
S2-1、选择干期时段并忽略干空气造成的衰减,得到某条链路、某个时刻的衰减:
其中,b3、b4、b5、b6为水汽吸收线的系数,p为干燥空气压力;
根据公式(1)~(12)总结得到露点/霜点温度和微波信号衰减值的关系为:
2.根据权利要求1所述的超高频无线微波数据驱动的露点-霜点温度场重构方法,其特征在于,步骤S3具体包括:
S3-1、利用多个气象站的实测温度数据序列,插值得到每条链路的中点处的温度值T序列以及空间分布;
S3-2、根据温度T序列和微波数据的空间分布,利用步骤S2求解得到该条链路中点处的露点或霜点温度,使用反距离加权法进行空间插值,得到空间任意点处的露点或霜点温度;
S3-3、根据气象站监测到的露点或霜点温度,插值得到露点或霜点温度空间分布;
对露点-霜点温度场插值结果进行校正:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110081867.4A CN112818528B (zh) | 2021-01-21 | 2021-01-21 | 超高频无线微波数据驱动的露点-霜点温度场重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110081867.4A CN112818528B (zh) | 2021-01-21 | 2021-01-21 | 超高频无线微波数据驱动的露点-霜点温度场重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112818528A CN112818528A (zh) | 2021-05-18 |
CN112818528B true CN112818528B (zh) | 2021-09-24 |
Family
ID=75858520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110081867.4A Active CN112818528B (zh) | 2021-01-21 | 2021-01-21 | 超高频无线微波数据驱动的露点-霜点温度场重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112818528B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692692B (zh) * | 2022-04-02 | 2023-05-12 | 河海大学 | 一种基于微波衰减信号融合核极限学习机的降雪识别方法 |
CN117129526B (zh) * | 2023-08-25 | 2024-04-30 | 深圳市宏大联合实业有限公司 | 工业环境下高精度瞬态露点检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009088108A1 (en) * | 2007-12-14 | 2009-07-16 | Korea Research Institute Of Standards And Science | The measurement method of distinguishing dew and frost point using quartz crystal microbalance dew-point sensor in low temperature |
CN109375291A (zh) * | 2018-10-09 | 2019-02-22 | 成都信息工程大学 | 一种适用于探空仪的温度气压与湿度测量装置及方法 |
CN110895251A (zh) * | 2019-10-24 | 2020-03-20 | 河海大学 | 一种基于湿天线成因判别的无线微波监测露水强度方法 |
CN112034007A (zh) * | 2020-09-01 | 2020-12-04 | 泰州市气象局 | 一种微波辐射计间接测量露点温度方法及*** |
-
2021
- 2021-01-21 CN CN202110081867.4A patent/CN112818528B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009088108A1 (en) * | 2007-12-14 | 2009-07-16 | Korea Research Institute Of Standards And Science | The measurement method of distinguishing dew and frost point using quartz crystal microbalance dew-point sensor in low temperature |
CN109375291A (zh) * | 2018-10-09 | 2019-02-22 | 成都信息工程大学 | 一种适用于探空仪的温度气压与湿度测量装置及方法 |
CN110895251A (zh) * | 2019-10-24 | 2020-03-20 | 河海大学 | 一种基于湿天线成因判别的无线微波监测露水强度方法 |
CN112034007A (zh) * | 2020-09-01 | 2020-12-04 | 泰州市气象局 | 一种微波辐射计间接测量露点温度方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112818528A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818528B (zh) | 超高频无线微波数据驱动的露点-霜点温度场重构方法 | |
Saxton | Sensitivity analyses of the combination evapotranspiration equation | |
Zhang et al. | Responses of rice yields to recent climate change in China: An empirical assessment based on long-term observations at different spatial scales (1981–2005) | |
Johnson et al. | Sounding-based thermodynamic budgets for DYNAMO | |
CN102651096B (zh) | 同化叶面积指数时序曲线特征的冬小麦估产方法 | |
CN113049750B (zh) | 一种基于高通量气孔导度诊断植物水分胁迫的方法及*** | |
Xia et al. | Forest climatology: estimation and use of daily climatological data for Bavaria, Germany | |
CN111062526B (zh) | 一种冬小麦单产预测方法及*** | |
CN111563331A (zh) | 一种基于移动监测的区域大气污染分布预测方法 | |
CN111104639B (zh) | 一种点面融合的时序pm2.5空间分布估算方法 | |
CN114004163A (zh) | 一种基于modis和长短时记忆网络模型的pm2.5反演方法 | |
CN107656905B (zh) | 一种利用误差传递的空气质量数据实时校准方法 | |
CN109462820A (zh) | 一种用于跟踪低速移动车辆的rssi拟合方法 | |
CN115293190B (zh) | 基于微波信号盲源分离和sca的沙尘***态反演方法 | |
CN116258101B (zh) | 一种基于气体浓度监测数据快速计算排放源强的方法 | |
Xia et al. | A model to interpolate monthly mean climatological data at Bavarian forest climate stations | |
CN116027459B (zh) | 基于数值天气预报数据的大气加权平均温度的计算方法 | |
Zorer et al. | Use of multi-annual MODIS Land Surface Temperature data for the characterization of the heat requirements for grapevine varieties | |
CN114004426B (zh) | 一种短时暴雨预报释用模型的动态调整方法 | |
CN108848447B (zh) | 一种采用未知节点修正的差分DV_Distance节点定位方法 | |
CN114239274A (zh) | 多源遥感数据驱动指数滤波模型推求根层土壤水的方法 | |
Sipeng et al. | Correction of the fernald method using real-time average lidar ratios with Mie–Rayleigh–Raman lidar | |
CN112270293B (zh) | 一种逐日稻田ch4通量的遥感估算方法 | |
Janco et al. | Rain estimation from smart city’s E-band links | |
Hopfield | Improvements in the tropospheric refraction correction for range measurement |
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 |