CN115326207B - 一种基于滑动窗口的对流云识别方法及终端 - Google Patents
一种基于滑动窗口的对流云识别方法及终端 Download PDFInfo
- Publication number
- CN115326207B CN115326207B CN202211261201.8A CN202211261201A CN115326207B CN 115326207 B CN115326207 B CN 115326207B CN 202211261201 A CN202211261201 A CN 202211261201A CN 115326207 B CN115326207 B CN 115326207B
- Authority
- CN
- China
- Prior art keywords
- channel
- brightness temperature
- sliding window
- convection
- infrared
- 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 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 40
- 238000012216 screening Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- 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
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- User Interface Of Digital Computer (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Image Generation (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种基于滑动窗口的对流云识别方法及终端,接收到待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息后,根据滑动窗口在待识别区域中的位置,确定各通道的最小亮温值,并建立各通道的第一亮温范围和第二亮温范围,根据各通道在第一亮温范围的像素量和在第二亮温范围的像素量的比值确定亮温阈值。因此通过动态生成亮温阈值,能够灵活且适应性地进行各通道亮温信息的筛选,并且设置滑动窗口能够使得任何尺度的待识别区域均能完成对流云识别,提高对流云识别的实用性。
Description
技术领域
本发明涉及气象监测技术领域,特别涉及一种基于滑动窗口的对流云识别方法及终端。
背景技术
在所有灾害性天气***中,强对流天气如短时强降雨、冰雹和龙卷等,最容易引起严重的突发灾害。卫星资料由于其探测范围大、时效性高且受地形影响小的特点,对于强对流云团的监测和预警具有重要意义。
目前识别强对流云团主要方法为多通道识别法,该方法具体步骤如下:
1、读取亮温数据并计算亮温差;2、利用亮温阈值提取云团信息;3、筛选符合强对流尺度的云团。
现有多通道识别强对流方法中,针对不同的研究区域需要人为设定不同的亮温阈值,降低了该方法的普适性;并且该方法适用于中尺度区域,若选择区域过大,则会遗漏大量的强对流云团。
发明内容
本发明所要解决的技术问题是:提供一种基于滑动窗口的对流云识别方法及终端,能够动态进行大尺度区域的对流云识别。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于滑动窗口的对流云识别方法,包括步骤:
接收待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值;
基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种基于滑动窗口的对流云识别终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值;
基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别。
本发明的有益效果在于:接收到待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息后,根据滑动窗口在待识别区域中的位置,确定各通道的最小亮温值,并建立各通道的第一亮温范围和第二亮温范围,根据各通道在第一亮温范围的像素量和在第二亮温范围的像素量的比值确定亮温阈值。因此通过动态生成亮温阈值,能够灵活且适应性地进行各通道亮温信息的筛选,并且设置滑动窗口能够使得任何尺度的待识别区域均能完成对流云识别,提高对流云识别的实用性。
附图说明
图1为本发明实施例的一种基于滑动窗口的对流云识别方法的流程图;
图2为本发明实施例的一种基于滑动窗口的对流云识别终端的示意图;
图3为本发明实施例的一种基于滑动窗口的对流云识别方法的具体步骤流程图;
标号说明:
1、一种基于滑动窗口的对流云识别终端;2、存储器;3、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明实施例提供了一种基于滑动窗口的对流云识别方法,包括步骤:
接收待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值;
基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别。
从上述描述可知,本发明的有益效果在于:接收到待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息后,根据滑动窗口在待识别区域中的位置,确定各通道的最小亮温值,并建立各通道的第一亮温范围和第二亮温范围,根据各通道在第一亮温范围的像素量和在第二亮温范围的像素量的比值确定亮温阈值。因此通过动态生成亮温阈值,能够灵活且适应性地进行各通道亮温信息的筛选,并且设置滑动窗口能够使得任何尺度的待识别区域均能完成对流云识别,提高对流云识别的实用性。
进一步地,基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,还包括:
基于预设滑动窗口的位置,计算所述第一红外通道和所述第二红外通道的第一亮温差,计算所述第一红外通道和所述水汽通道的第二亮温差。
由上述描述可知,通过计算亮温差,能够便于后续卷云的剔除和对流云团的提取。
进一步地,所述基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云包括:
若各通道的亮温数据小于各通道的亮温阈值,则当所述第一亮温差大于或者等于第一阈值时剔除对应通道的亮温信息,当所述第二亮温差大于或者等于第二阈值时提取第一对流云团。
由上述描述可知,通过判断各通道的亮温数据是否小于各通道的亮温阈值,能够初步筛选出可能发生强对流的区域。同时,能够利用第一亮温差与第一阈值的大小关系去除卷云,并根据第二亮温差与第二阈值的大小关系提取即将成熟的强对流云团。
进一步地,所述提取第一对流云团之后包括:
若所述水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,则从所述第一对流云团中提取第二对流云团信息,将所述第二对流云团信息作为识别结果;
若所述第一亮温差和所述第二亮温差均大于或者等于所述第一阈值时,则将所述第一对流云团作为识别结果。
由上述描述可知,若水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,提取成熟的强对流云团并再次去除卷云,若第一亮温差和第二亮温差均大于第一阈值时,则将第一对流云团视作强对流云团。
进一步地,所述基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,之前包括:
根据预设的滑动窗口范围和滑动步长,计算滑动窗口的格点数和滑动步长的格点数,得到所述滑动窗口对应所述待识别区域的位置。
由上述描述可知,利用滑动窗口原理,以窗口的形式遍历整个大尺度区域,从而将强对流的区域特征保留至大尺度区域,实现了大尺度区域的强对流识别。
请参照图2,本发明另一实施例提供了一种基于滑动窗口的对流云识别终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值;
基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别。
从上述描述可知,接收到待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息后,根据滑动窗口在待识别区域中的位置,确定各通道的最小亮温值,并建立各通道的第一亮温范围和第二亮温范围,根据各通道在第一亮温范围的像素量和在第二亮温范围的像素量的比值确定亮温阈值。因此通过动态生成亮温阈值,能够灵活且适应性地进行各通道亮温信息的筛选,并且设置滑动窗口能够使得任何尺度的待识别区域均能完成对流云识别,提高对流云识别的实用性。
进一步地,基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,还包括:
基于预设滑动窗口的位置,计算所述第一红外通道和所述第二红外通道的第一亮温差,计算所述第一红外通道和所述水汽通道的第二亮温差。
由上述描述可知,通过计算亮温差,能够便于后续卷云的剔除和对流云团的提取。
进一步地,所述基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云包括:
若各通道的亮温数据小于各通道的亮温阈值,则当所述第一亮温差大于或者等于第一阈值时剔除对应通道的亮温信息,当所述第二亮温差大于或者等于第二阈值时提取第一对流云团。
由上述描述可知,通过判断各通道的亮温数据是否小于各通道的亮温阈值,能够初步筛选出可能发生强对流的区域。同时,能够利用第一亮温差与第一阈值的大小关系去除卷云,并根据第二亮温差与第二阈值的大小关系提取即将成熟的强对流云团。
进一步地,所述提取第一对流云团之后包括:
若所述水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,则从所述第一对流云团中提取第二对流云团信息,将所述第二对流云团信息作为识别结果;
若所述第一亮温差和所述第二亮温差均大于或者等于所述第一阈值时,则将所述第一对流云团作为识别结果。
由上述描述可知,若水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,提取成熟的强对流云团并再次去除卷云,若第一亮温差和第二亮温差均大于第一阈值时,则将第一对流云团视作强对流云团。
进一步地,所述基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,之前包括:
根据预设的滑动窗口范围和滑动步长,计算滑动窗口的格点数和滑动步长的格点数,得到所述滑动窗口对应所述待识别区域的位置。
由上述描述可知,利用滑动窗口原理,以窗口的形式遍历整个大尺度区域,从而将强对流的区域特征保留至大尺度区域,实现了大尺度区域的强对流识别。
本发明上述的一种基于滑动窗口的对流云识别方法及终端,适用于大尺度区域的强对流云团的识别,以下通过具体的实施方式进行说明:
实施例一
请参照图1和图3,一种基于滑动窗口的对流云识别方法,包括步骤:
S1、接收待识别区域的第一红外通道IR1、第二红外通道IR2和水汽通道WV的亮温信息。
在本实施例中,下载并读取静止卫星红外通道1、红外通道2和水汽通道3的亮温资料TBB。
S2、基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值。
其中,根据预设的滑动窗口范围和滑动步长,计算滑动窗口的格点数和滑动步长的格点数,得到所述滑动窗口对应所述待识别区域的位置。
具体的,局部地区强对流过程中的云团基本均属于中-γ至中-α尺度的对流云,以短时强降水为主的强对流过程的云团面积多数在2600至110000 km2之间,因此针对局部地区强对流云团,设置为划分10°*10°的窗口范围以及1°的滑动步长进行强对流云团识别。根据整区域的空间分辨率res,可计算得到滑动窗口的格点数(10°/res * 10°/res)、滑动步长对应的格点数(1°/res)。
其中,步骤S2还包括,计算所述第一红外通道和所述第二红外通道的第一亮温差,计算所述第一红外通道和所述水汽通道的第二亮温差。
在本实施例中,对各通道资料进行预处理并裁剪出整个区域的卫星亮温数据,整个区域的空间分辨率res与资料分辨率相同。计算区域内两个红外通道之间的第一亮温差∆T21,以及红外1和水汽通道之间的第二亮温差∆T31。
具体的,强对流云团区域亮温较小,利用亮温阈值可判断可能发生强对流的区域。
裁剪出窗口内红外1、红外2和水汽通道的亮温TBBi,并计算窗口内各通道亮温最小值minTBBi。强对流在发展过程中,亮温会存在十几K的差异,因此设置阈值为minTBBi+20,分别计算三个通道满足第一亮温范围minTBBi≤TBBi≤minTBBi+20的像素点个数N1i,该阈值可判断大部分强对流可能发生区域。
考虑到可能存在极强的强对流,导致以minTBBi+20为阈值时产生漏识别,需要将阈值增大至minTBBi+30,计算第二亮温范围minTBBi≤TBBi≤minTBBi+30的像素点个数N2i,根据N1i在N2i中所占比例选择亮温阈值。若N1i/N2i≥n(n为比例阈值),则各通道阈值THBi为minTBBi+20,反之则为minTBBi+30,其中i=1,2,3。
S3、基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别。
具体的,若各通道的亮温数据小于各通道的亮温阈值,则当所述第一亮温差大于或者等于第一阈值时剔除对应通道的亮温信息,当所述第二亮温差大于或者等于第二阈值时提取第一对流云团。
本实施例中,第一阈值为-3K,第二阈值为-8K,K为亮温单位。
具体的,利用亮温阈值第一次提取云团信息:根据自动设置的三个通道的亮温阈值THBi,初步筛选可能发生强对流的区域。在同时满足TBBi小于THBi的条件下,利用∆T21≥-3 K去除卷云,并根据∆T31≥-8 K提取即将成熟的强对流云团。
若所述水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,则从所述第一对流云团中提取第二对流云团信息,将所述第二对流云团信息作为识别结果;若所述第一亮温差和所述第二亮温差均大于或者等于所述第一阈值时,则将所述第一对流云团作为识别结果。
本实施例中,第三阈值为190K,当TBB3<190 K或∆T31≥0时,提取成熟的强对流云团并再次去除卷云,若∆T31≥-3 K并且∆T21≥-3 K,则视作强对流云团。
根据滑动步长分别沿经向和纬向移动窗口位置,重复步骤S2和S3,直至遍历整个待识别区域,根据整个区域内强对流云团信息,计算得到云团轮廓及云团面积,当云团面积大于2500 km2时,将该云团视作强对流云团。
本实施例可直接对大尺度区域进行强对流识别,利用滑动窗口原理,以窗口的形式遍历整个大尺度区域,从而将强对流的区域特征保留至大尺度区域,实现了大尺度区域的强对流识别;并且相较于现有多通道识别强对流时,亮温阈值一般是人为设置,本实施例是根据滑动窗口内亮温数据,计算不同亮温区间内数据点的比例,实现阈值的自动设置,提高了强对流识别方法的适用性。
实施例二
请参照图2,一种基于滑动窗口的对流云识别终端1,包括存储器2、处理器3以及存储在所述存储器2上并可在处理器3上运行的计算机程序,所述处理器3执行所述计算机程序时实现实施例一的一种基于滑动窗口的对流云识别方法的各个步骤。
综上所述,本发明提供的一种基于滑动窗口的对流云识别方法及终端,接收到待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息后,根据滑动窗口在待识别区域中的位置,确定各通道的最小亮温值,并建立各通道的第一亮温范围和第二亮温范围,根据各通道在第一亮温范围的像素量和在第二亮温范围的像素量的比值确定亮温阈值。因此通过动态生成亮温阈值,能够灵活且适应性地进行各通道亮温信息的筛选,并且设置滑动窗口能够使得任何尺度的待识别区域均能完成对流云识别,提高对流云识别的实用性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于滑动窗口的对流云识别方法,其特征在于,包括步骤:
接收待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值;
基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,还包括:
基于预设滑动窗口的位置,计算所述第一红外通道和所述第二红外通道的第一亮温差,计算所述第一红外通道和所述水汽通道的第二亮温差;
所述基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云包括:
若各通道的亮温数据小于各通道的亮温阈值,则当所述第一亮温差大于或者等于第一阈值时剔除对应通道的亮温信息,当所述第二亮温差大于或者等于第二阈值时提取第一对流云团;
若所述水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,则从所述第一对流云团中提取第二对流云团信息,将所述第二对流云团信息作为识别结果;
若所述第一亮温差和所述第二亮温差均大于或者等于所述第一阈值时,则将所述第一对流云团作为识别结果。
2.根据权利要求1所述的一种基于滑动窗口的对流云识别方法,其特征在于,所述基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值之前包括:
根据预设的滑动窗口范围和滑动步长,计算滑动窗口的格点数和滑动步长的格点数,得到所述滑动窗口对应所述待识别区域的位置。
3.一种基于滑动窗口的对流云识别终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
接收待识别区域的第一红外通道、第二红外通道和水汽通道的亮温信息;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,根据各通道的最小亮温值建立对应的第一亮温范围和第二亮温范围,根据各通道在所述第一亮温范围的像素量和在所述第二亮温范围的像素量的比值确定亮温阈值;
基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云,使用滑动窗口遍历所述待识别区域,直至对所述待识别区域的每一个位置均完成对流云的识别;
基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值,还包括:
基于预设滑动窗口的位置,计算所述第一红外通道和所述第二红外通道的第一亮温差,计算所述第一红外通道和所述水汽通道的第二亮温差;
所述基于各通道的亮温阈值,对各通道的亮温信息进行筛选并识别出对流云包括:
若各通道的亮温数据小于各通道的亮温阈值,则当所述第一亮温差大于或者等于第一阈值时剔除对应通道的亮温信息,当所述第二亮温差大于或者等于第二阈值时提取第一对流云团;
若所述水汽通道的亮温数据小于第三阈值或者第二亮温差大于或者等于0时,则从所述第一对流云团中提取第二对流云团信息,将所述第二对流云团信息作为识别结果;
若所述第一亮温差和所述第二亮温差均大于或者等于所述第一阈值时,则将所述第一对流云团作为识别结果。
4.根据权利要求3所述的一种基于滑动窗口的对流云识别终端,其特征在于,所述基于预设滑动窗口的位置,确定所述第一红外通道、所述第二红外通道和所述水汽通道的最小亮温值之前包括:
根据预设的滑动窗口范围和滑动步长,计算滑动窗口的格点数和滑动步长的格点数,得到所述滑动窗口对应所述待识别区域的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211261201.8A CN115326207B (zh) | 2022-10-14 | 2022-10-14 | 一种基于滑动窗口的对流云识别方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211261201.8A CN115326207B (zh) | 2022-10-14 | 2022-10-14 | 一种基于滑动窗口的对流云识别方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115326207A CN115326207A (zh) | 2022-11-11 |
CN115326207B true CN115326207B (zh) | 2023-02-10 |
Family
ID=83914659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211261201.8A Active CN115326207B (zh) | 2022-10-14 | 2022-10-14 | 一种基于滑动窗口的对流云识别方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115326207B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5255190A (en) * | 1989-05-31 | 1993-10-19 | Kavouras, Inc. | Software method for enhancing IR satellite sensor cloud images |
FR2947938B1 (fr) * | 2009-07-10 | 2014-11-21 | Thales Sa | Procede de prediction d'une evolution d'un phenomene meteorologique a partir de donnees provenant d'un radar meteorologique |
CN110942111B (zh) * | 2019-12-31 | 2022-11-29 | 北京弘象科技有限公司 | 一种识别强对流云团的方法及装置 |
CN113780585A (zh) * | 2021-11-12 | 2021-12-10 | 江苏铨铨信息科技有限公司 | 一种基于卫星云图的对流云机器学习识别方法 |
-
2022
- 2022-10-14 CN CN202211261201.8A patent/CN115326207B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115326207A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416413B (zh) | 太阳能预报 | |
CN115797798B (zh) | 基于废弃矿山遥感图像的生态修复效果评估方法 | |
CN110045441B (zh) | 基于雷达回波图的天气分析方法及装置 | |
CN109255100A (zh) | 一种基于微波衰减特征响应指纹识别的城市降雨反演算法 | |
CN105869175A (zh) | 一种图像分割方法及*** | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、***及电子设备 | |
CN102129566A (zh) | 基于静止气象卫星识别暴雨云团的方法 | |
CN115437036A (zh) | 一种基于葵花卫星的对流初生预报方法 | |
CN109801236A (zh) | 一种基于混合高斯模型的光子点云去噪方法 | |
CN110414420B (zh) | 一种基于静止卫星红外云图的中尺度对流***识别与追踪方法 | |
Araujo et al. | Strong temporal variation in treefall and branchfall rates in a tropical forest is related to extreme rainfall: results from 5 years of monthly drone data for a 50 ha plot | |
CN115326207B (zh) | 一种基于滑动窗口的对流云识别方法及终端 | |
CN113158899B (zh) | 基于遥感夜光暗目标增强技术的村镇发展状态测度方法 | |
CN111709170B (zh) | 一种热带与非热带气旋降水的分离方法、设备及存储介质 | |
CN113361622A (zh) | 一种基于静止卫星的过火区提取方法及*** | |
CN109975892B (zh) | 一种寒潮天气500hPa环流形势的自动识别方法 | |
CN112085060A (zh) | 基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法及装置 | |
CN104036462A (zh) | 一种利用静止气象卫星图像估计西北太平洋热带气旋强度的方法 | |
CN116704366A (zh) | 基于transformer深度学习模型的暴雨落区识别预警方法和装置 | |
CN103487844A (zh) | 智能化日冕物质抛射事件观测方法 | |
CN116028660A (zh) | 一种基于权重值的图像数据筛选方法、***及介质 | |
CN110208876B (zh) | 副热带急流和极锋急流径向位置协同变化的表征方法 | |
CN109725370B (zh) | 一种数据匹配方法、装置、设备及存储介质 | |
CN112070055A (zh) | 积雪覆盖日数的遥感监测方法及遥感监测装置、存储介质 | |
CN116704007B (zh) | 一种海冰面积变化的统计方法、***、电子设备及介质 |
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 |