CN113408111A - 大气可降水量反演方法及***、电子设备和存储介质 - Google Patents
大气可降水量反演方法及***、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113408111A CN113408111A CN202110610897.XA CN202110610897A CN113408111A CN 113408111 A CN113408111 A CN 113408111A CN 202110610897 A CN202110610897 A CN 202110610897A CN 113408111 A CN113408111 A CN 113408111A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- channels
- inversion
- sample
- target
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 311
- 238000000034 method Methods 0.000 title claims abstract description 117
- 230000005855 radiation Effects 0.000 claims description 47
- 238000001514 detection method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 14
- 230000003595 spectral effect Effects 0.000 claims description 14
- 239000005442 atmospheric precipitation Substances 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000003333 near-infrared imaging Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000025370 Middle East respiratory syndrome Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012950 reanalysis Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002044 microwave spectrum Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供一种大气可降水量反演方法及***、电子设备和存储介质，其中，大气可降水量反演方法包括：基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，三个通道包括：两个热红外***窗通道和一个其他热红外通道；两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；将三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量。有效实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水量反演的精度。
Description
技术领域
本发明涉及水汽反演技术领域，尤其涉及一种大气可降水量反演方法及***、电子设备和存储介质。
背景技术
大气可降水量(Total Precipitable Water，TPW)，也称大气水汽总量，是指晴空条件下大气垂直气柱方向大气可降水总量。了解其空间分布对研究全球、区域和局地的水循环、能量收支以及气候变化都有很重要的意义。
此外，大气可降水量还是天气和气候模式的重要输入参数，可通过模式同化提高降雨区域精度、飓风路径和强度预测。是监测及预报全球或局地气温变化、气候变化以及中小尺度恶劣天气的一个至关重要的气象因子。精确确定大气可降水量的含量及其变化情况对气象预报、气候变化监测、水文监测、资源遥感、大地测量等领域的发展均具有十分重要的意义。
现有的大气可降水量的常规观测手段，受到检测站以及环境因素的制约，探测的精度不能满足大气可降水量时空分辨率的要求，无法细致描述水汽时间及空间分布状况，检测精度有限，反演所得到的大气可降水量值误差较大。
因此，如何提供一种大气可降水量反演方法及***、电子设备和存储介质，有效实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水量反演的精度，成为亟待解决的问题。
发明内容
针对现有技术中的缺陷，本发明提供一种大气可降水量反演方法及***、电子设备和存储介质。
本发明提供一种大气可降水量反演方法，包括：
基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，所述三个通道包括：两个热红外***窗通道和一个其他热红外通道；所述两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，所述其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；
将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；
其中，所述辅助信息包括：时间信息、空间信息和观测角度信息；所述大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
根据本发明提供的大气可降水量反演方法，所述基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于所述预设卫星采集的目标区域的所述三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下所述三个通道的辐射亮度数据；
基于所述目标区域晴空条件下所述三个通道的辐射亮度数据，确定所述目标区域晴空条件下三个通道对应的辐射亮度温度。
根据本发明提供的大气可降水量反演方法，在所述将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度；其中，所述地表信息用于反应大气廓线对应的地表特征；
基于所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定大气可降水量反演模型；
其中，所述样本辅助信息包括：样本时间信息、样本空间信息和样本观测角度信息。
根据本发明提供的大气可降水量反演方法，所述地表信息包括：地表压强、地表温度、地表类型和地表比辐射率；
对应的，所述基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度，具体包括：
基于大气廓线和对应的地表压强、地表温度、地表类型和地表比辐射率，根据快速传辐射传输模式进行模拟亮温计算，选择所述预设卫星使用的传感器系数文件，确定三个通道对应的所述样本模拟辐射亮度温度。
根据本发明提供的大气可降水量反演方法，所述将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量，具体包括：
基于所述空间区域划分标准和所述空间信息，确定与所述目标区域匹配的目标多元非线性回归模型；其中，所述目标多元非线性回归模型为所述大气可降水量反演模型根据空间区域划分标准得到的，与所述空间信息向匹配的子模型；
将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入目标多元非线性回归模型中，反演得到目标大气可降水量。
根据本发明提供的大气可降水量反演方法，所述预设卫星为风云三号D星，采集所述辐射亮度数据的传感器为中分辨率光谱成像仪II型；所述热红外***窗通道包括：中心波长在10.8μm的通道和中心波长在12.0μm的通道；所述其他热红外通道为中心波长在7.2μm的通道；
对应的，在将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量，根据参数化分析，构建所述大气可降水量反演模型，确定大气可降水量表达式；
将所述目标区域匹配的目标样本模拟辐射亮度温度、目标样本地表压强、目标样本辅助信息和目标样本大气可降水量代入大气可降水量表达式中，得到所述大气可降水量表达式中各拟合系数值；
将所述各拟合系数值代入所述大气可降水量表达式中，确定所述大气可降水量反演模型；
其中，所述大气可降水量表达式为：
TPW＝C0+C1TB7.2+C2TB10.8+C3TB12.0+C4TB7.2 2+C5TB12.0 2+C6(TB12.0-TB10.8)+C7(TB12.0-TB10.8)2+C8ps+C9mon+C10lat+C11zen；
式中，C0-C11为拟合系数，TB7.2、TB10.8和TB12.0分别表示下标通道对应的辐射亮度温度，ps为地表压强，mon为时间信息，lat为空间信息，zen为观测角度信息。
根据本发明提供的大气可降水量反演方法，所述基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于所述预设卫星采集的目标区域的所述三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下所述三个通道的辐射亮度数据；其中，所述中心波长在10.8μm的通道和中心波长在12.0μm的通道的分辨率为250m；中心波长在7.2μm的通道的分辨率为1km；
基于所述目标区域晴空条件下所述三个通道的辐射亮度数据，根据空间插值的方法，将所述中心波长在7.2μm的通道的辐射亮度数据插值到250m分辨率，确定分辨率同为250m条件下的目标三个通道的辐射亮度数据；
基于所述目标三个通道的辐射亮度数据，确定所述目标区域晴空条件下三个通道对应的辐射亮度温度。
本发明还提供一种大气可降水量反演***，包括：数据处理单元和数据反演单元；
所述数据处理单元，用于基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，所述三个通道包括：两个热红外***窗通道和一个其他热红外通道；所述两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，所述其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；
所述数据反演单元，用于将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；
其中，所述辅助信息包括：时间信息、空间信息和观测角度信息；所述大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
本发明还提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述大气可降水量反演方法的各个步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述大气可降水量反演方法的各个步骤。
本发明提供的大气可降水量反演方法及***、电子设备和存储介质，通过根据卫星采集的多个通道辐射亮度数据确定晴空条件下多个通道对应的辐射亮度温度，将辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的反演大气可降水量。能够有效实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水量反演的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的大气可降水量反演方法流程图；
图2为本发明提供的大气可降水量反演方法流程示意图；
图3为本发明提供的北美地区GPS站点分布图；
图4为本发明提供的反演大气可降水量与地基GPS水汽值的对比图；
图5为本发明提供的大气可降水量反演***结构示意图；
图6为本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。
无线电探空仪是一种常规气象探测仪。无线电探空观测是根据探空资料利用比湿进行分层积分得到可降水量，是大气可降水量的常规观测手段。测站数据比较客观、准确，所以常用来验证其他方法的解算结果。但无线电探空观测站在全球分布很不均匀，测站分布稀疏，时间分辨率低，探测的精度不能满足大气可降水量时空分辨率的要求，且维持观测***的成本较高。
地基GPS遥感大气可降水量利用地面上的GPS接收机测量GPS卫星信号纵向穿过大气层到达地面时所引起的大气延迟量，进而再反演出天顶方向整层大气上的大气可降水量的积累量。无环境因素的制约，可利用已建成的GPS基准站数据，精确快速。但只能遥测观测路径上的大气可降水量，无法对一定空间区域大气可降水总量进行估算。
利用卫星数据反演的大气可降水量在空间分布连续、空间范围广等方面优于无线电探空数据和地基GPS数据，具有更大的应用价值。现有的反演算法，按使用通道可分为可见光/近红外方法，微波方法和热红外方法。可见光/近红外方法利用太阳反射光为辐射源，通过1μm附近大气可降水量弱吸收区和窗区通道的大气可降水量吸收差异反演，可探测白天陆地和海洋晴空大气可降水量，但无法探测夜间数据。
热红外方法是夜晚获得区域大气可降水含量的主要方法。传统的热红外方法反演大气可降水是利用成像仪11μm附近***窗通道观测受大气可降水影响产生的差异进行反演。目前我国风云二号和风云三号的热红外大气可降水产品是均用此类方法得到。随着传感器的技术发展，新一代气象卫星在传统***窗基础上增加了7.2μm对大气可降水和云参数敏感通道，进一步增加了大气可降水含量的反演精度。但基于FY-3D/MERSI多个热红外通道，特别是整合了FY-3D/MERSI***窗通道和大气可降水通道的1km或250m大气可降水业务产品和相关算法还未见报道。
微波方法利用微波10GHz、19GHz、23GHz等大气可降水量吸收频段观测，可反演白天和夜晚全天候的大气可降水量，但由于微波谱段地表发射率复杂，此方法一般用于海洋上空大气可降水量，且空间分辨率低，目前应用有限。
综上所述，为了解决现有技术中存在的问题，提高大气可降水量反演的时空分辨率和反演精度，本发明提供一种基于卫星数据的大气可降水量反演方法。
在对本发明进行详细说明之前，首先对本发明具体实施方式中所涉及的相关概念进行说明。
FY-3D(风云三号D气象卫星)是目前国内光谱分辨率最高的对地观测卫星，极大提高了对地球大气动力、热力参量和温室气体的获取能力，提升了我国中长期数值天气预报、全球气候资源普查和气候变化的能力和水平。
FY-3D上装载了中分辨率光谱成像仪2(MERSI2)，中分辨率光谱成像仪2整合了原有风云三号卫星两台成像仪器(MERSI-1和VIRR)的功能，是世界上首台能够获取全球250米分辨率红外***窗区资料的成像仪器，可以每日无缝隙获取全球250米分辨率真彩色图像，实现云、气溶胶、大气可降水量、陆地表面特性、海洋水色等大气、陆地、海洋参量的高精度定量反演。
气象卫星具有高时间分辨率和空间分辨率的特性，可以获取大气可降水的时空变化特征，是目前反演大范围大气可降水量的重要手段。MERSI-II(中分辨率光谱成像仪II型)是中国新一代极轨气象卫星风云三号D星的核心仪器之一，整合了原有风云三号卫星两台成像仪器(MERSI-1和VIRR)的功能，它的光谱覆盖412nm到12.0μm共25个光谱通道。
同时，MERSI-II也是世界上首台能够获取全球250米分辨率红外***窗区资料的成像仪器，可以每日无缝隙获取全球250米分辨率红外***窗数据，实现大气可降水含量的高精度定量反演。充分利用新增的对大气可降水敏感的7.2μm通道，在两个红外250米分辨率***窗通道的基础上增加大气可降水信号，可有效提高大气可降水量反演的精度，但目前业务产品还是以传统的可见光/近红外通道为基础反演，受太阳光限制，无法进行夜间反演，且产品分辨率是5km。基于FY-3D/MERSI多个热红外通道，特别是整合了FY-3D/MERSI250m分辨率10.8μm、12.0μm***窗通道和7.2μm大气可降水通道的大气可降水业务产品和相关算法还未见报道。
Seebor廓线库为威斯康星大学的全球晴空大气廓线训练样本(SeeBorVersion5.0)，包括大气晴空状态下全球15704条对应的101层压强层的廓线信息，包括垂直压强层的温度、大气可降水量和臭氧以及经纬度、时间信息、地表压强、地表温度、地表类型、大气可降水量和地表比辐射率等。所述红外快速辐射传输模式RTTOV是欧洲中期天气预报中心(ECMWF)开发的快速辐射传输模式，RTTOV7以后的版本均可以模拟大气红外探测器(Atmospheric InfraRed Sounder，AIRS)等新一代红外高光谱分辨率卫星探测器资料。在本方案中，利用RTTOV来模拟FY3D/MERSI-II的辐射亮温。
所述ECMWF再分析资料为欧洲气象中心资料ERA5数据，提供两套数据，一个是同化分析数据，一个是预报数据。分析数据，6小时的时间间隔，每12小时循环一次，包含地表压强等地表信息。
图1为本发明提供的大气可降水量反演方法流程图，图2为本发明提供的大气可降水量反演方法流程示意图，如图1和图2所示，本发明提供一种大气可降水量反演方法，包括：
步骤S1，基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，所述三个通道包括：两个热红外***窗通道和一个其他热红外通道；所述两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，所述其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；
步骤S2，将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；
其中，所述辅助信息包括：时间信息、空间信息和观测角度信息；所述大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
具体的，利用FY-3D(风云三号D气象卫星)和中分辨率光谱成像仪2(MERSI-II)获取卫星数据，对本发明进行详细的解释说明。FY-3D/MERSI-II设计含有0.47μm到12.0μm的25个通道，涵盖可见光、近红外、中波红外和远红外多波段。可以理解的是，考虑到卫星使用时限的问题，除了使用FY-3D之外，本发明提供的方法还适用于具有相同功能的其他预设卫星，在此不做限定。
本发明提供的大气可降水量反演方法用于采集辐射亮度数据的通道为两个热红外***窗通道和一个其他热红外通道，两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道。
FY-3D/MERSI-II的L1产品为搭载于风云三号D星的中分辨率光谱成像仪2(MERSI-II)经过辐射定标预处理后的地球观测数据。将需要进行大气可降水量反演的位置作为目标区域。
在步骤S1中，读取FY-3D/MERSI-II的L1产品中的卫星观测辐射亮度数据，基于卫星采集的目标区域三个通道的辐射亮度数据，对获取的三个通道的辐射亮度数据进行筛选，仅选择目标区域晴空条件下三个通道对应的辐射亮度数据，并将其转换为辐射亮度温度，获取多个通道对应的辐射亮度温度。
在步骤S2中，读取卫星数据中对应于目标区域的像元对应的时间信息(如月份)、空间信息(经纬度)、观测角度信息(卫星角度信息)等辅助信息。
读取ECMWF(欧洲中期天气预报中心(European Centre for Medium-RangeWeather Forecasts简称ECMWF)再分析资料中的地表压强数据，插值处理后与FY-3D/MERSI-II的L1数据进行时间、空间匹配，得到L1数据中目标区域像元对应的地表压强数据，作为目标地表压强。
将在步骤S1中采集的三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量。辅助信息包括：时间信息、空间信息和观测角度信息。
需要说明的是，在利用大气可降水量反演模型反演之前，还需基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定大气可降水量反演模型。样本辅助信息包括：样本时间信息、样本空间信息和样本观测角度信息。大气可降水量反演模型是数学模型，能够反映输入数据辐射亮度温度、地表压强和辅助信息，与输出大气可降水量之间的相关性。
其次，在本发明中，目标区域可以是一个目标点，也可以是一片目标区域，在进行目标区域的大气可降水量反演时，获取该目标区域内所有的数据作为数据集，对于数据集中每一个像元对应的数据，均可以得到对应的反演大气可降水量。但由于卫星精度有限，在进行目标区域数据的获取时，需要在空间上进行匹配，确定与目标区域对应的像元。
除此之外，观测角度信息对于遥感数据的处理和应用具有重要的作用。第一，卫星观测角度的不同会导致辐射传输中大气路径的不同。第二，当具有地形起伏时，观测角度还会对影像的几何特性产生较大的影响。观测角度信息(卫星角度信息)包括：卫星天顶角和方位角。本发明中使用的是卫星天顶角。
相比无线电探空观测、地基GPS大气可降水数据，本发明提供的大气可降水量反演方法空间分布更连续、空间范围更广、空间分辨率更高。相比可见光/近红外法，本发明提供的大气可降水量反演方法可以同时反演日和夜间晴空大气可降水。与传统的热红外***窗方法相比，本发明充分利用了更多对大气可降水敏感的通道，且空间分辨率有显著提升。相比微波方法，本发明提供的大气可降水量反演方法可以用于陆上大气可降水量的反演，且空间分辨率高，应用前景好。
本发明提供的大气可降水量反演方法，通过根据卫星采集的多个通道辐射亮度数据确定晴空条件下多个通道对应的辐射亮度温度，将多个通道对应的辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的反演大气可降水量。能够有效反映时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水总量反演的精度。
可选的，根据本发明提供的大气可降水量反演方法，所述基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于所述预设卫星采集的目标区域的所述三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下所述三个通道的辐射亮度数据；
基于所述目标区域晴空条件下所述三个通道的辐射亮度数据，确定所述目标区域晴空条件下三个通道对应的辐射亮度温度。
具体的，基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
由于天气情况(如：晴空、云以及雨天)会对大气可降水量反演造成干扰，在进行大气可降水量反演之前，还需要基于云检测数据对卫星采集的辐射亮度数据进行晴空像元筛选。
FY-3D/MERSI-II的云检测数据为FY-3D/MERSI-II全球云检测段产品，产品为1km分辨率轨道产品。
基于FY-3D采集的目标区域三个通道辐射亮度数据和云检测数据，将辐射亮度数据和云检测数据进行空间匹配，筛选出目标区域晴空条件下的目标区域多个通道辐射亮度数据。
基于筛选得到的目标区域晴空条件下三个通道辐射亮度数据，将辐射亮度数据转换为辐射亮度温度(进行定标、亮温转换和系数矫正等步骤)，确定目标区域晴空条件下三个通道对应的辐射亮度温度。
需要说明的是，辐射亮度数据转换为辐射亮度温度的具体方法可以根据实际情况进行选择，本发明对此不做限定。
本发明提供的大气可降水量反演方法，基于与目标区域匹配的云检测数据，对卫星采集的多个通道辐射亮度数据进行晴空像元筛选，并将辐射亮度数据转换为辐射亮度温度，确定晴空条件下多个通道对应的辐射亮度温度，避免天气变化对大气可降水量的反演造成的影响。将多个通道对应的辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的反演大气可降水量。能够有效反应时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水量反演的精度。
可选的，根据本发明提供的大气可降水量反演方法，在所述将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度；其中，所述地表信息用于反应大气廓线对应的地表特征；
基于所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定大气可降水量反演模型；
其中，所述样本辅助信息包括：样本时间信息、样本空间信息和样本观测角度信息。
具体的，确定大气可降水量反演模型步骤中，首先需要确定样本数据。将三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
读取全球大气廓线seebor数据库，获取全球15704组高精度大气廓线(温度、湿度和臭氧)和对应的地表信息，地表信息用于反映大气廓线对应的地表特征。基于大气廓线和对应的地表信息，对每一组大气廓线和对应的地表信息，应用快速辐射传输模式RTTOV进行模拟亮度温度计算，确定样本模拟辐射亮度温度。
基于获取的样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定大气可降水量反演模型。样本辅助信息包括：样本时间信息、样本空间信息和样本观测角度信息。
进一步的，可以理解的是，在应用快速辐射传输模式RTTOV进行模拟亮度温度计算，确定样本模拟辐射亮度温度之后，还可以在计算得到的亮度温度添加高斯白噪声，高斯白噪声是分析信道加性噪声的理想模型，可以有效减少模拟亮温数据与实测亮温数据之间的偏差，使其与反演时目标区域的亮温数据更为接近。
所述高斯白噪声大小的确定，可以依据快速辐射传输模式的误差和传感器的观测误差确定。具体的，构建中心为r(k)的高斯白噪声矩阵：
r2＝f2+e2；
其中，f为模式误差，为比辐射率、温度都较陆地更均匀的海洋晴空条件下，模拟亮温与时间、空间匹配的观测亮温的平均偏差。e为传感器的观测误差，为MERSI-II的仪器灵敏度NEDT。例如，对于7.2、10.8、12.0μm三个通道，分别为0.3k、0.4k、0.4k。综合考虑两种主要误差来源，逐通道给模拟亮温添加高斯白噪声，使其与反演时目标区域的观测亮温数据更为接近。
需要说明的是，在本发明中，样本数据为一个数据集，其中每个像元均有对应的样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量。
本发明通过大气廓线和对应的地表信息，确定样本模拟辐射亮度温度的步骤，实则是模拟卫星观测时当前大气透过率下能够观测得到的亮度温度，相当于正演进行亮温的模拟，能够有助于提高后续使用大气可降水量反演模型进行反演时的精度。
本发明提供的大气可降水量反演方法，基于与目标区域匹配的云检测产品，对卫星采集的多个通道辐射亮度数据进行晴空筛选和空间重采样，并将辐射亮度数据转换为辐射亮度温度，确定晴空条件下多个通道对应的辐射亮度温度。将多个通道对应的辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的大气可降水量反演值。本发明能够有效反映时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水量反演的精度。
可选的，根据本发明提供的大气可降水量反演方法，所述地表信息包括：地表压强、地表温度、地表类型和地表比辐射率；
对应的，所述基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度，具体包括：
基于大气廓线和对应的地表压强、地表温度、地表类型和地表比辐射率，根据快速传辐射传输模式进行模拟亮温计算，选择所述预设卫星使用的传感器系数文件，确定三个通道对应的所述样本模拟辐射亮度温度。
具体的，地表信息包括：地表压强、地表温度、地表类型和地表比辐射率。基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度的步骤，具体包括：读取全球大气廓线库Seebor，获取全球15704组高精度大气廓线(温度、湿度和臭氧)和对应的地表信息(地表压强、地表温度、地表类型和地表比辐射率)。
对每一组大气廓线和对应的地表信息(地表压强、地表温度、地表类型和地表比辐射率)，应用快速辐射传输模式RTTOV进行模拟亮度温度计算，选取适用于FY-3D/MERSI-II(中分辨率光谱成像仪2)传感器的系数文件，模拟得到样本模拟辐射亮度温度。
本发明提供的大气可降水量反演方法，基于与目标区域匹配的云检测产品，对卫星采集的三个通道辐射亮度数据进行晴空筛选，并将辐射亮度数据转换为辐射亮度温度，确定晴空条件下多个通道对应的辐射亮度温度，避免天气变化对大气可降水量反演造成的影响。将多个通道对应的辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的反演大气可降水量。能够有效反映时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水总量反演的精度。
可选的，根据本发明提供的大气可降水量反演方法，所述将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量，具体包括：
基于所述空间区域划分标准和所述空间信息，确定与所述目标区域匹配的目标多元非线性回归模型；其中，所述目标多元非线性回归模型为所述大气可降水量反演模型根据空间区域划分标准得到的，与所述空间信息向匹配的子模型；
将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入目标多元非线性回归模型中，反演得到目标大气可降水量。
具体的，由于大气可降水量在不同经纬度(空间位置)的区域，其规律存在一定的区别，可以根据实现预设空间区域划分标准，基于空间区域划分标准，对大气可降水量反演模型进行划分，将大气可降水量反演模型划分为多个多元非线性回归模型。
例如，将全球按纬度分为6个纬度带，分别是-5～35°N，25～65°N，55～90°N，-35～5°S，-25～-65°S，-55～-90°S。对应的，将大气可降水量反演模型划分为6个多元非线性回归模型，分别对应上述纬度划分区域。
在根据空间区域划分标准对大气可降水量反演模型进行划分之后(将大气可降水量反演模型按上述规则划分为第一至第六多元非线性回归模型)，根据目标区域对应的空间信息(经纬度)，依照空间区域划分标准确定与所述目标区域匹配的目标回归模型(例如，确定目标区域处于-5～35°N之间，确定目标回归模型为第一回归模型)。
将获取的目标区域晴空条件下三个通道对应辐射亮度温度、目标地表压强和辅助信息输入目标回归模型中，得到反演大气可降水量。
需要说明的是，除了根据纬度进行划分外，还可以使用南北半球和纬度信息一起划分等多种划分方法，还可以直接根据目标位置区域的所在空间位置建立模型，具体的预设的空间区域划分标准可以根据实际情况进行调整，本发明对此不做限定。
可以理解的是，在基于空间区域划分标准确定目标区域对应的回归模型进行大气可降水量反演之前，还需要基于空间区域划分标准事先确定多元非线性回归模型。可以根据事先预设空间区域划分标准，对大气可降水量反演模型进行划分，将大气可降水量反演模型划分为多个多元非线性回归模型。
基于空间区域划分标准对样本数据(样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量)进行划分。基于划分后的样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量分别确定对应的回归模型。
需要说明的是，样本数据实际上是一个样本数据集，每一个样本均对应有样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量。在进行划分时，实际上是将一个样本数据集按照其所在的经纬度根据空间区域划分标准分为不同的数据集，分别对应划分得到的回归模型。在进行模型训练或线性拟合时，用于训练或拟合的样本数据集与多元非线性回归方程一一对应。
相比热红外多通道的物理***窗算法，本发明采用多元回归的建模方法，利用回归公式建立亮温值、亮温差、辅助信息与晴空大气可降水量之间的关系，计算速度快且精度较高。
本发明提供的大气可降水量反演方法，通过空间区域划分标准将大气可降水量反演模型划分为多个多元非线性回归模型。并基于目标区域的空间信息选取对应的目标多元非线性回归模型，基于目标区域对应的数据信息和目标回归模型进行大气可降水量反演。能够有效反应时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，体现了不同气候、不同地区的大气可降水量特征，更具有效性和实际应用性，提高大气可降水总量反演的精度。
可选的，根据本发明提供的大气可降水量反演方法，所述预设卫星为风云三号D星，采集所述辐射亮度数据的传感器为中分辨率光谱成像仪II型；所述热红外***窗通道包括：中心波长在10.8μm的通道和中心波长在12.0μm的通道；所述其他热红外通道为中心波长在7.2μm的通道；
对应的，在将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量，根据参数化分析，构建所述大气可降水量反演模型，确定大气可降水量表达式；
将所述目标区域匹配的目标样本模拟辐射亮度温度、目标样本地表压强、目标样本辅助信息和目标样本大气可降水量代入大气可降水量表达式中，得到所述大气可降水量表达式中各拟合系数值；
将所述各拟合系数值代入所述大气可降水量表达式中，确定所述大气可降水量反演模型；
其中，所述大气可降水量表达式为：
TPW＝C0+C1TB7.2+C2TB10.8+C3TB12.0+C4TB7.2 2+C5TB12.0 2+C6(TB12.0-TB10.8)+C7(TB12.0-TB10.8)2+C8ps+C9mon+C10lat+C11zen；
式中，C0-C11为拟合系数，TB7.2、TB10.8和TB12.0分别表示下标通道对应的辐射亮度温度，ps为地表压强，mon为时间信息，lat为空间信息，zen为观测角度信息。
具体的，预设卫星为风云三号D星，采集辐射亮度数据的传感器为中分辨率光谱成像仪II型，对应的，选取FY-3D/MERS-II中心波长在10.8μm的通道和中心波长在12.0μm的热红外***窗通道，选取中心波长分别7.2μm的热红外通道。将上述三个通道采集的数据作为后续反演大气可降水量时使用的数据。
对应的，在将三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量，根据参数化分析，构建大气可降水量反演模型，确定大气可降水量表达式。
在构建大气可降水量反演模型时，首先需要读取全球大气廓线库Seebor，获取全球15704组高精度大气廓线(温度、湿度和臭氧)和对应的地表信息(地表压强、地表温度、地表类型和地表比辐射率)。并读取Seebor廓线库中15704组廓线对应的经纬度(空间信息)、月份(时间信息)、晴空陆上可降水量(样本大气可降水量)等信息
对每一组大气廓线和对应的地表信息，应用快速辐射传输模式RTTOV进行模拟亮度温度计算，选取适用于FY-3D/MERSI-II传感器的系数文件，模拟得到中心波长在7.2μm、10.8μm和12.0μm共3个通道在全球范围内的15704*6组样本模拟辐射亮度温度。
进一步的，可以理解的是，若将全球按纬度分为6个区域，分别是-5～35°N，25～65°N，55～90°N，-35～5°S，-25～-65°S，-55～-90°S，整理对应的Seebor廓线数据分别为5001、5567、2289、3240、2620、1354条。可以分别根据不同纬度区域对应的数据依照下文相同的方法建立多元非线性回归模型，得到多元非线性回归模型(6个回归模型组合)。
将获取的三个通道中每一通道对应的所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量进行参数化分析，构建大气可降水量反演模型。
所述大气可降水量反演模型大气可降水量表达式为：
其中，C0-C11为拟合系数，TB7.2、TB10.8和TB12.0分别表示下标通道对应的辐射亮度温度，ps为地表压强，mon为时间信息，lat为空间信息，zen为观测角度信息。
将此前获取的三个通道中每一通道对应的与目标区域匹配的目标样本模拟辐射亮度温度、目标样本地表压强、目标样本辅助信息和目标样本大气可降水量代入大气可降水量表达式中，得到大气可降水量表达式中各拟合系数值。
将各拟合系数值代入大气可降水量表达式中，即可确定与目标区域匹配的大气可降水量反演模型。
本发明提供的利用Seebor数据库结合RTTOV红外辐射传输模型的亮温模拟并建立样本库的大气可降水量反演方法。提取Seebor廓线库中的高精度廓线数据和地表信息，选取适用于FY-3D/MERSI-II传感器的系数文件，利用快速辐射传输模式RTTOV对MERSI-II的7.2μm、10.8μm和12.0μm共3个通道进行亮温模拟，并首次应用到大气可降水量的反演中。通过对三个通道中每一通道对应的所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量进行参数化分析确定回归关系，构建大气可降水量反演模型的表达式，并根据样本数据拟合获得表达式的拟合系数值。能够有效反应时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水总量反演的精度。
可选的，根据本发明提供的大气可降水量反演方法，所述基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于所述预设卫星采集的目标区域的所述三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下所述三个通道的辐射亮度数据；其中，所述中心波长在10.8μm的通道和中心波长在12.0μm的通道的分辨率为250m；中心波长在7.2μm的通道的分辨率为1km；
基于所述目标区域晴空条件下所述三个通道的辐射亮度数据，根据空间插值的方法，将所述中心波长在7.2μm的通道的辐射亮度数据插值到250m分辨率，确定分辨率同为250m条件下的目标三个通道的辐射亮度数据；
基于所述目标三个通道的辐射亮度数据，确定所述目标区域晴空条件下三个通道对应的辐射亮度温度。
具体的，由于FY-3D/MERS-II中心波长在10.8μm的通道和中心波长在12.0μm的热红外***窗通道，分辨率为250米。中心波长分别7.2μm的热红外通道，分辨率为1km。为了进一步提高反演的精度，将分辨率低的数据进行插值处理。
对应的，基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于预设卫星采集的目标区域的三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下三个通道(中心波长分别在7.2μm、10.8μm和12.0μm的通道)的辐射亮度数据。
基于目标区域晴空条件下三个通道的辐射亮度数据，根据空间插值的方法，将中心波长在7.2μm的通道的辐射亮度数据插值到250m分辨率，确定分辨率同为250m条件下的目标三个通道的辐射亮度数据。
基于目标三个通道的辐射亮度数据，将辐射亮度数据转换为辐射亮度温度(进行定标、亮温转换和系数矫正等步骤)，确定目标区域晴空条件下对应的250米分辨率三个通道对应的辐射亮度温度。
本发明提供的大气可降水量反演方法，基于与目标区域匹配的云检测数据，对卫星采集的多个通道辐射亮度数据进行晴空像元筛选，通过空间插值将所有通道分辨率重采样到250米，并将辐射亮度数据转换为辐射亮度温度，确定晴空条件下多个通道对应的辐射亮度温度，避免天气变化对大气可降水量反演造成的影响。将多个通道对应的辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的反演大气可降水量。能够有效反应时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水总量反演的精度。
为了更好地理解本发明，以对北美地区进行大气可降水量反演为例，对本发明进行详细的说明：
选择美国本土作为研究区，GPS大气可降水数据包括北美站点、北美网格等多种数据形式。包括每日、每小时数据，图3为本发明提供的北美地区GPS站点分布图，如图3所示，北美地区GPS共380个站点，这里选择2020年6月中与FY-3D MERSI L1数据时间匹配的12天数据。选择GPS站点是为了对本发明的结果进行验证。
因美国本土地区位于25～65°N范围内，读取本发明中根据预设Seebor样本和RTTOV模型训练的25～65°N区域大气可降水量反演模型。
所述大气可降水量反演模型大气可降水量表达式为：
具体的，25～65°N区域，多元非线性回归模型的表达式为：
TPW＝-184.874-3.51TB7.2+0.001TB10.8+4.425TB12.0+0.007TB7.2 2-0.008TB12.0 2+8.488(TB12.0-TB10.8)-0.22(TB12.0-TB10.8)2+0.035ps+0.208mon-0.353lat-0.049zen
下载对应时次、过境美国的250m和1km分辨率FY3D/MERSI-II L1数据和对应Geo数据，下载对应时次的云检测产品数据，进行空间重采样，统一成250米分辨率数据，读取L1产品的辐射亮度和坐标信息、读取GPS大气可降水数据的坐标信息、大气可降水信息。
将FY3D/MERSI-II重采样后的250米分辨率数据实测数据，GPS大气可降水产品作为检验数据，进行空间匹配。计算L1数据中每个像元的经纬度与GPS站点所在经纬度的距离，提取出L1数据中与GPS站点距离最小的点，作为样本点。
需要说明的是，由于GPS基站的分布位置的限制和卫星精度的限制，GPS基站和卫星像元不一定重合，样本点一般选取L1数据中与GPS站点距离差小于1km的点，作为样本点，减少由于空间偏差产生的精度误差。
将匹配好的样本点与云检测产品做空间匹配，并提取出晴空条件的点，共1559个。将1559个点的3个通道的辐射亮度分别经过定标、亮温转化、系数矫正，得到亮温值。
下载与研究区、研究时次对应的ECMWF再分析资料，提取出地表压强数据，插值处理后与FY-3D/MERSI-II的250米数据进行时间、空间匹配，得到1559个样本点对应的地表压强数据。
将3个通道的亮温数据、辅助数据(纬度信息、时间信息、卫星角度信息、地表压强信息)输入到大气可降水量反演模型中，得到大气可降水量的反演结果，并与对应的GPS大气可降水数据进行对比，图4为本发明提供的反演大气可降水量与地基GPS大气可降水量的对比图，如图4，反演的大气可降水结果和地基GPS测量的大气可降水量相关性较好，相关系数达到0.78。
利用本方案所提供的大气可降水量反演方法，可有效实现晴空陆上大气可降水量的时空分布连续、高空间分辨率的反演，首次利用了FY-3D/MERSI-II的250米分辨率红外数据，具有计算精度高、计算方法简便、计算速度快等优点。
反演得到的大气可降水量与FY-3D/MERSI-II L1数据中的像元一一对应，空间分辨率为250米，显著优于现有的5km分辨率的大气可降水产品。反演结果相关性达到0.78，验证了本方案具有较高的应用价值。
本方案提出一种基于FY-3D极轨气象卫星数据的晴空陆上大气可降水量反演方法，建立了精度较高的反演模型和完整的反演流程。利用搭载于FY-3D上MERSI-II传感器数据进行晴空条件下陆上大气可降水的反演工作，可作为FY-3D/MERSI-II的可降水量反演业务算法的一种参考，为后续的数值天气预报、资料同化等研究奠定了基础。
图5为本发明提供的大气可降水量反演***结构示意图，如图5所示，本发明还提供一种大气可降水量反演***，包括：数据处理单元510和数据反演单元520；
所述数据处理单元510，用于基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，所述三个通道包括：两个热红外***窗通道和一个其他热红外通道；所述两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，所述其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；
所述数据反演单元520，用于将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；
其中，所述辅助信息包括：时间信息、空间信息和观测角度信息；所述大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
具体的，利用FY-3D(风云三号D气象卫星)和中分辨率光谱成像仪2(MERSI-II)获取卫星数据，对本发明进行详细的解释说明。FY-3D/MERSI-II设计含有0.47μm到12.0μm的25个通道，涵盖可见光、近红外、中波红外和远红外多波段。可以理解的是，考虑到卫星使用时限的问题，除了使用FY-3D之外，本发明提供的方法还适用于具有相同功能的其他预设卫星，在此不做限定。
本发明提供的大气可降水量反演方法用于采集辐射亮度数据的通道为两个热红外***窗通道和一个其他热红外通道，两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道。
FY-3D/MERSI-II的L1产品为搭载于风云三号D星的中分辨率光谱成像仪2(MERSI-II)经过辐射定标预处理后的地球观测数据。将需要进行大气可降水量反演的位置作为目标区域。
数据处理单元510，用于读取FY-3D/MERSI-II的L1产品中的卫星观测辐射亮度数据，基于卫星采集的目标区域三个通道的辐射亮度数据，对获取的三个通道的辐射亮度数据进行筛选，仅选择目标区域晴空条件下三个通道对应的辐射亮度数据，并将其转换为辐射亮度温度，获取多个通道对应的辐射亮度温度。
数据反演单元520，用于读取卫星数据中对应于目标区域的像元对应的时间信息(如月份)、空间信息(经纬度)、观测角度信息(卫星角度信息)等辅助信息。
读取ECMWF(欧洲中期天气预报中心(European Centre for Medium-RangeWeather Forecasts简称ECMWF)再分析资料中的地表压强数据，插值处理后与FY-3D/MERSI-II的L1数据进行时间、空间匹配，得到L1数据中目标区域像元对应的地表压强数据，作为目标地表压强。
将数据处理单元510采集的三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量。辅助信息包括：时间信息、空间信息和观测角度信息。
需要说明的是，在利用大气可降水量反演模型反演之前，还需基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定大气可降水量反演模型。样本辅助信息包括：样本时间信息、样本空间信息和样本观测角度信息。大气可降水量反演模型是数学模型，能够反映输入数据辐射亮度温度、地表压强和辅助信息，与输出大气可降水量之间的相关性。
其次，在本发明中，目标区域可以是一个目标点，也可以是一片目标区域，在进行目标区域的大气可降水量反演时，获取该目标区域内所有的数据作为数据集，对于数据集中每一个像元对应的数据，均可以得到对应的反演大气可降水量。但由于卫星精度有限，在进行目标区域数据的获取时，需要在空间上进行匹配，确定与目标区域对应的像元。
除此之外，观测角度信息对于遥感数据的处理和应用具有重要的作用。第一，卫星观测角度的不同会导致辐射传输中大气路径的不同。第二，当具有地形起伏时，观测角度还会对影像的几何特性产生较大的影响。观测角度信息(卫星角度信息)包括：卫星天顶角和方位角。本发明中使用的是卫星天顶角。
相比无线电探空观测、地基GPS大气可降水数据，本发明提供的大气可降水量反演方法空间分布更连续、空间范围更广、空间分辨率更高。相比可见光/近红外法，本发明提供的大气可降水量反演方法可以同时反演日和夜间晴空大气可降水。与传统的热红外***窗方法相比，本发明充分利用了更多对大气可降水敏感的通道，且空间分辨率有显著提升。相比微波方法，本发明提供的大气可降水量反演方法可以用于陆上大气可降水量的反演，且空间分辨率高，应用前景好。
本发明提供的大气可降水量反演***，通过根据卫星采集的多个通道辐射亮度数据确定晴空条件下多个通道对应的辐射亮度温度，将多个通道对应的辐射亮度温度、地表压强和辅助信息作为预先确定的大气可降水量反演模型的输入，得到输出的反演大气可降水量。能够有效反映时空信息和观测角度信息以及地表压强信息对大气可降水量的影响，实现大气可降水量的时空分布连续、高空间分辨率的反演，提高大气可降水总量反演的精度。
需要说明的是，本发明实施例提供的大气可降水量反演***用于执行上述大气可降水量反演方法，其具体的实施方式与方法实施方式一致，在此不再赘述。
图6为本发明提供的电子设备的实体结构示意图，如图6所示，电子设备可以包括：处理器(processor)610、通信接口(communication interface)620、存储器(memory)630和通信总线(bus)640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行上述大气可降水量反演方法，包括：基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，三个通道包括：两个热红外***窗通道和一个其他热红外通道；两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；将三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；其中，辅助信息包括：时间信息、空间信息和观测角度信息；大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的大气可降水量反演方法，该方法包括：基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，三个通道包括：两个热红外***窗通道和一个其他热红外通道；两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；将三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；其中，辅助信息包括：时间信息、空间信息和观测角度信息；大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的以执行大气可降水量反演方法，该方法包括：基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，三个通道包括：两个热红外***窗通道和一个其他热红外通道；两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；将三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；其中，辅助信息包括：时间信息、空间信息和观测角度信息；大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种大气可降水量反演方法，其特征在于，包括：
基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，所述三个通道包括：两个热红外***窗通道和一个其他热红外通道；所述两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，所述其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；
将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；
其中，所述辅助信息包括：时间信息、空间信息和观测角度信息；所述大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
2.根据权利要求1所述的大气可降水量反演方法，其特征在于，所述基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于所述预设卫星采集的目标区域的所述三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下所述三个通道的辐射亮度数据；
基于所述目标区域晴空条件下所述三个通道的辐射亮度数据，确定所述目标区域晴空条件下三个通道对应的辐射亮度温度。
3.根据权利要求1所述的大气可降水量反演方法，其特征在于，在所述将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度；其中，所述地表信息用于反应大气廓线对应的地表特征；
基于所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定大气可降水量反演模型；
其中，所述样本辅助信息包括：样本时间信息、样本空间信息和样本观测角度信息。
4.根据权利要求2所述的大气可降水量反演方法，其特征在于，
所述地表信息包括：地表压强、地表温度、地表类型和地表比辐射率；
对应的，所述基于大气廓线和对应的地表信息，确定所述样本模拟辐射亮度温度，具体包括：
基于大气廓线和对应的地表压强、地表温度、地表类型和地表比辐射率，根据快速传辐射传输模式进行模拟亮温计算，选择所述预设卫星使用的传感器系数文件，确定三个通道对应的所述样本模拟辐射亮度温度。
5.根据权利要求1-4任一项所述的大气可降水量反演方法，其特征在于，所述将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量，具体包括：
基于所述空间区域划分标准和所述空间信息，确定与所述目标区域匹配的目标多元非线性回归模型；其中，所述目标多元非线性回归模型为所述大气可降水量反演模型根据空间区域划分标准得到的，与所述空间信息向匹配的子模型；
将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入目标多元非线性回归模型中，反演得到目标大气可降水量。
6.根据权利要求1-4任一项所述的大气可降水量反演方法，其特征在于，所述预设卫星为风云三号D星，采集所述辐射亮度数据的传感器为中分辨率光谱成像仪II型；所述热红外***窗通道包括：中心波长在10.8μm的通道和中心波长在12.0μm的通道；所述其他热红外通道为中心波长在7.2μm的通道；
对应的，在将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量的步骤之前，还包括：
基于所述样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量，根据参数化分析，构建所述大气可降水量反演模型，确定大气可降水量表达式；
将所述目标区域匹配的目标样本模拟辐射亮度温度、目标样本地表压强、目标样本辅助信息和目标样本大气可降水量代入大气可降水量表达式中，得到所述大气可降水量表达式中各拟合系数值；
将所述各拟合系数值代入所述大气可降水量表达式中，确定所述大气可降水量反演模型；
其中，所述大气可降水量表达式为：
TPW＝C0+C1TB7.2+C2TB10.8+C3TB12.0+C4TB7.2 2+C5TB12.0 2+C6(TB12.0-TB10.8)+C7(TB12.0-TB10.8)2+C8ps+C9mon+C10lat+C11zen；
式中，C0-C11为拟合系数，TB7.2、TB10.8和TB12.0分别表示下标通道对应的辐射亮度温度，ps为地表压强，mon为时间信息，lat为空间信息，zen为观测角度信息。
7.根据权利要求6所述的大气可降水量反演方法，其特征在于，所述基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度，具体包括：
基于所述预设卫星采集的目标区域的所述三个通道的辐射亮度数据和云检测数据，分别筛选出目标区域晴空条件下所述三个通道的辐射亮度数据；其中，所述中心波长在10.8μm的通道和中心波长在12.0μm的通道的分辨率为250m；中心波长在7.2μm的通道的分辨率为1km；
基于所述目标区域晴空条件下所述三个通道的辐射亮度数据，根据空间插值的方法，将所述中心波长在7.2μm的通道的辐射亮度数据插值到250m分辨率，确定分辨率同为250m条件下的目标三个通道的辐射亮度数据；
基于所述目标三个通道的辐射亮度数据，确定所述目标区域晴空条件下三个通道对应的辐射亮度温度。
8.一种大气可降水量反演***，其特征在于，包括：数据处理单元和数据反演单元；
所述数据处理单元，用于基于预设卫星采集的目标区域三个通道的辐射亮度数据，确定目标区域晴空条件下三个通道对应的辐射亮度温度；其中，所述三个通道包括：两个热红外***窗通道和一个其他热红外通道；所述两个热红外***窗通道是是10μm至13μm之间的大气窗口内两个相邻通道，所述其他热红外通道是除热红外***窗通道外，其他对水汽值敏感的通道；
所述数据反演单元，用于将所述三个通道对应的辐射亮度温度、目标地表压强和辅助信息输入大气可降水量反演模型中，反演得到目标大气可降水量；
其中，所述辅助信息包括：时间信息、空间信息和观测角度信息；所述大气可降水量反演模型是基于样本模拟辐射亮度温度、样本地表压强、样本辅助信息和样本大气可降水量确定的。
9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一项所述的大气可降水量反演方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的大气可降水量反演方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110610897.XA CN113408111B (zh) | 2021-06-01 | 2021-06-01 | 大气可降水量反演方法及***、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110610897.XA CN113408111B (zh) | 2021-06-01 | 2021-06-01 | 大气可降水量反演方法及***、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113408111A true CN113408111A (zh) | 2021-09-17 |
| CN113408111B CN113408111B (zh) | 2023-10-20 |
Family
ID=77675831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110610897.XA Active CN113408111B (zh) | 2021-06-01 | 2021-06-01 | 大气可降水量反演方法及***、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113408111B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114354655A (zh) * | 2022-01-18 | 2022-04-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种适用于微波探测器的降水知识库构建方法 |
| CN114722350A (zh) * | 2022-04-14 | 2022-07-08 | 中国农业科学院农业资源与农业区划研究所 | 一种fy-3d被动微波数据云下地表温度反演与验证方法 |
| CN115099159A (zh) * | 2022-07-20 | 2022-09-23 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942420A (zh) * | 2014-04-08 | 2014-07-23 | 北京大学 | 一种建筑物尺度的太阳能快速估算方法 |
| CN109297605A (zh) * | 2018-10-09 | 2019-02-01 | 北京大学 | 一种基于中红外与热红外数据的地表温度反演方法 |
| CN109580003A (zh) * | 2018-12-18 | 2019-04-05 | 成都信息工程大学 | 一种静止气象卫星热红外数据估算近地面大气温度方法 |
-
2021
- 2021-06-01 CN CN202110610897.XA patent/CN113408111B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942420A (zh) * | 2014-04-08 | 2014-07-23 | 北京大学 | 一种建筑物尺度的太阳能快速估算方法 |
| CN109297605A (zh) * | 2018-10-09 | 2019-02-01 | 北京大学 | 一种基于中红外与热红外数据的地表温度反演方法 |
| CN109580003A (zh) * | 2018-12-18 | 2019-04-05 | 成都信息工程大学 | 一种静止气象卫星热红外数据估算近地面大气温度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 应王敏;吴骅;: "基于MODIS/AQUA数据的地表短波净辐射反演", 中国农业信息, no. 01, pages 28 - 38 * |
| 李万彪, 刘盈辉, 朱元竞, 赵柏林: "GMS-5红外资料反演大气可降水量", 北京大学学报(自然科学版), no. 05, pages 71 - 78 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114354655A (zh) * | 2022-01-18 | 2022-04-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种适用于微波探测器的降水知识库构建方法 |
| CN114722350A (zh) * | 2022-04-14 | 2022-07-08 | 中国农业科学院农业资源与农业区划研究所 | 一种fy-3d被动微波数据云下地表温度反演与验证方法 |
| CN115099159A (zh) * | 2022-07-20 | 2022-09-23 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
| CN115099159B (zh) * | 2022-07-20 | 2023-03-07 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113408111B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
| Boilley et al. | Comparison between meteorological re-analyses from ERA-Interim and MERRA and measurements of daily solar irradiation at surface | |
| Antoine et al. | Assessment of uncertainty in the ocean reflectance determined by three satellite ocean color sensors (MERIS, SeaWiFS and MODIS‐A) at an offshore site in the Mediterranean Sea (BOUSSOLE project) | |
| CN113408111B (zh) | 大气可降水量反演方法及***、电子设备和存储介质 | |
| Zhang et al. | An operational approach for generating the global land surface downward shortwave radiation product from MODIS data | |
| CN110174359B (zh) | 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法 | |
| Rigo et al. | Validation of satellite observed thermal emission with in-situ measurements over an urban surface | |
| CN102298150B (zh) | 全球陆表宽波段发射率反演方法及*** | |
| Emili et al. | Combined assimilation of IASI and MLS observations to constrain tropospheric and stratospheric ozone in a global chemical transport model | |
| Alshawaf et al. | On the statistical significance of climatic trends estimated from GPS tropospheric time series | |
| CN116486931B (zh) | 耦合物理机制的全覆盖大气甲烷浓度数据生产方法及*** | |
| Feng et al. | Merging ground-based sunshine duration observations with satellite cloud and aerosol retrievals to produce high-resolution long-term surface solar radiation over China | |
| Hu et al. | Progress, challenges, and future steps in data assimilation for convection‐permitting numerical weather prediction: Report on the virtual meeting held on 10 and 12 November 2021 | |
| He et al. | Water vapor retrieval from MODIS NIR channels using ground-based GPS data | |
| Liu et al. | Estimation of Summer Air Temperature over China Using Himawari‐8 AHI and Numerical Weather Prediction Data | |
| CN114819737B (zh) | 公路路域植被的碳储量估算方法、***及存储介质 | |
| Wang et al. | Added-value of GEO-hyperspectral infrared radiances for local severe storm forecasts using the hybrid OSSE method | |
| He et al. | Water vapor retrieval from MERSI NIR channels of Fengyun-3B satellite using ground-based GPS data | |
| Flückiger et al. | Modelling daily air temperature at a fine spatial resolution dealing with challenging meteorological phenomena and topography in Switzerland | |
| Verma et al. | A machine learning approach and methodology for solar radiation assessment using multispectral satellite images | |
| Hdidou et al. | Impact of the variational assimilation of ground-based GNSS zenith total delay into AROME-Morocco model | |
| CN113779863B (zh) | 一种基于数据挖掘的地表温度降尺度方法 | |
| Miranda et al. | A new unconstrained approach to GNSS atmospheric water vapor tomography | |
| Wan et al. | Accuracy Evaluation and Parameter Analysis of Land Surface Temperature Inversion Algorithm for Landsat‐8 Data | |
| CN111079835A (zh) | 一种基于深度全连接网络的Himawari-8大气气溶胶反演方法 |
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 |