CN116449331A - 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 - Google Patents
一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 Download PDFInfo
- Publication number
- CN116449331A CN116449331A CN202310731396.6A CN202310731396A CN116449331A CN 116449331 A CN116449331 A CN 116449331A CN 202310731396 A CN202310731396 A CN 202310731396A CN 116449331 A CN116449331 A CN 116449331A
- Authority
- CN
- China
- Prior art keywords
- dust
- channel
- sand
- data
- band radar
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 112
- 239000002245 particle Substances 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000004576 sand Substances 0.000 claims abstract description 44
- 239000000443 aerosol Substances 0.000 claims abstract description 39
- 238000002310 reflectometry Methods 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 230000005855 radiation Effects 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000001965 increasing effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 4
- 208000013641 Cerebrofacial arteriovenous metameric syndrome Diseases 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008033 biological extinction Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000208818 Helianthus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0656—Investigating concentration of particle suspensions using electric, e.g. electrostatic methods or magnetic methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- 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
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,属于气象雷达探测技术领域,包括收集地表温度、大气温度和湿度廓线,沙尘同化资料和沙尘气溶胶观测数据;通过计算Z‑score来识别异常值并剔除以获取可靠的数据集;将数据集进行匹配,形成地表温度、大气温度、湿度廓线和沙尘气溶胶廓线匹配数据集;使用RTTOV模拟计算出可见光通道的反射率、红外通道的亮温和激光雷达的后向散射系数;调整粒子数浓度并进行模拟,选取沙尘敏感通道;利用最优估计和牛顿迭代法反演沙尘粒子数浓度。本发明充分利用W波段雷达和卫星的数据,可以从不同电磁波段,不同角度获取沙尘信息,提高了沙尘粒子数浓度的估算精度和时空覆盖范围。
Description
技术领域
本发明涉及气象雷达探测技术领域,尤其涉及一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法。
背景技术
沙尘天气是指在强风作用下,地面尘沙被卷到空中,使空气变得混浊,从而导致能见度显著下降的一种天气现象。这种天气条件下,根据水平能见度的不同,一般将水平能见度小于10公里的沙尘天气称为浮尘,将水平能见度在1到10公里的沙尘天气称为扬沙,将小于1公里和500米的沙尘天气分别称为沙尘暴和强沙尘暴。因沙尘导致的能见度下降严重威胁着交通安全及人民的健康生活,造成了巨大的经济损失。此外,空气中的沙尘还会影响陆地和海洋生物的生存及自然环境。
水平能见度是沙尘天气最直观的一个指标,而造成水平能见度下降最主要的因素是沙尘的数浓度,即沙尘粒子数浓度越大,沙尘天气的水平能见度越低。目前,对于沙尘粒子数浓度的研究主要有如下几种方法:利用粒子数浓度与能见度的观测资料,采用拟合的方法得到两者之间的经验公式;利用激光雷达获取不同数浓度沙尘天气条件下的消光系数,获取两者关的关系,进而利用其消光系数估计沙尘粒子数浓度;利用沙尘物理特性,基于平均粒径与沙尘粒子数浓度间的理论模型,对不同粒径范围的沙尘数浓度进行计算;利用气溶胶质谱仪对粒子数浓度进行直接测量;然而,对沙尘粒子数浓度进行计算以上方法存在一些不足,例如:采用粒子数浓度与能见度间的经验关系很难适用于浓度分布很广的情况,会导致计算误差的增大;采用激光雷达的方式则有监测范围有限的问题;利用沙尘物理特性的方法,由于真实沙尘天气中不同粒径范围粒子数量差别很大,计算误差往往较大;采用仪器直接测量的方法,效率较低、粒径检测范围受限且计算误差也取决于仪器的稳定性。因此,仅仅依靠以上单个探测手段,还不能实现对粒径分布很广且大范围区域的沙尘粒子数浓度进行准确的计算,且目前研究中很少将地基微波雷达与卫星红外与可见光获取沙尘的信息进行融合,也没有充分利用地基与天基遥感设备的优势来提高沙尘数浓度的监测精度和时空覆盖范围。
需要说明的是,在上述背景技术部分公开的信息只用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于克服现有技术的缺点,提供了一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,解决了现有沙尘粒子数浓度估算方法存在的不足。
本发明的目的通过以下技术方案来实现:一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,所述估算方法包括:
步骤一、对收集到的欧洲数值预报中心数据、哥白尼大气监测服务沙尘同化资料和沙尘气溶胶观测数据进行预处理得到数据集,对数据集进行时间和空间匹配得到匹配数据集,通过大气辐射传输模型进行辐射参数模拟得到气象卫星成像仪数据和W波段雷达的后向散射系数;
步骤二、对匹配数据集进行调整,调整后的数据集结合设置的气象卫星成像仪和W波段雷达参数进行气象卫星成像仪数据和W波段雷达后向散射系数模拟,根据大气辐射传输模型输入数据与气象卫星成像仪数据和W波段雷达后向散射系数选取通道,并通过PCA分析得到沙尘敏感通道;
步骤三、获取气象卫星成像仪实际观测的数据和W波段雷达的后向散射系数,结合得到的沙尘敏感通道形成沙尘敏感通道可见光、红外和W波段观测向量,根据步骤一进行预处理后的数据集和大气辐射传输模型模拟得到沙尘敏感通道可见光、红外和W波段模拟向量;
步骤四、对比分析步骤三中沙尘敏感通道可见光、红外和W波段模拟向量与观测向量的差异,并通过最优估计方法和牛顿迭代方法实现沙尘粒子数浓度的估算反演。
所述步骤一具体包括以下内容:
A1、收集欧洲数值预报中心ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务沙尘同化资料和气溶胶自动观测网的沙尘气溶胶观测数据,通过计算Z-score即每个观测值与平均值之间的距离并将其除以标准差来识别异常值,将Z-score大于a或小于-a的观测值判定为异常值进行剔除,获得可靠的数据集;
A2、将A1步骤收集的数据集进行时间和空间匹配,形成地表温度、大气温蒂、湿度廓线和沙尘气溶胶廓线匹配数据集,并将匹配数据集转换成大气辐射传输模型RTTOV的标准输入文件,同时对气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的仪器参数进行设置,运行大气辐射传输模型RTTOV进行辐射参数的模拟,即可生成气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数。
所述步骤二具体包括以下内容:
B1、基于A2步骤中的匹配数据集,将粒子数浓度进行调整,在原有数据集粒子数浓度的基础上以增加和减少5%、10%、15%和20%的方式形成新的调整后的数据集,根据气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的相同仪器参数设置和调整后的数据集,进行气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数模拟;
B2、根据大气辐射传输模型RTTOV输入数据和可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,选取粒子数浓度变化5%时可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数变化超过3%的通道,收集所有相关的通道数据,将数据标准化以使每个通道具有相同的尺度,进行PCA分析得出每个主成分的解释方差比例,解释方差比例越高,说明该主成分所包含的信息越多,确定应保留的主成分数量,使用Kaiser准则只保留具有特征值大于1的主成分,初步确定沙尘敏感通道,对于保留的主成分,计算每个通道与主成分之间的相关系数,选择相关系数绝对值大于0.5的通道作为沙尘敏感通道。
所述步骤三具体包括以下内容:
获取气象卫星成像仪实际观测的可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数;
根据B2步骤的沙尘敏感通道选取结果形成沙尘敏感通道可见光、红外和W波段观测向量,获取气象卫星成像仪和W波段雷达时间与空间匹配的ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务沙尘同化资料,基于大气辐射传输模型RTTOV模拟计算出可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,形成沙尘敏感通道可见光、红外和W波段模拟向量。
所述气溶胶自动观测网的沙尘气溶胶观测数据包括:沙尘气溶胶500nm、870nm和1020nm的光学厚度、沙尘气溶胶粒径分布、单次散射反照率和沙尘气溶胶相函数;
所述哥白尼大气监测服务沙尘同化资料包括:沙尘气溶胶的垂直积分质量、粒子数浓度、沙尘气溶胶550 nm的光学厚度和沙尘气溶胶大气混合比。
本发明具有以下优点:一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,利用W波段雷达和气象卫星可见光和红外图像的数据,可以从不同角度获取沙尘信息,提高了沙尘监测精度和时空覆盖范围。充分利用W波段雷达和葵花卫星的数据,可以从不同电磁波段,不同角度获取沙尘信息,提高了沙尘粒子数浓度的估算精度和时空覆盖范围。气象卫星可见光和红外数据可以实现实时获取和处理,使得沙尘监测具有更高的时效性,这对于预警、应急等方面具有重要意义。
附图说明
图1为本发明的流程示意图;
图2为本发明通过辐射传输计算进行通道选择的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
本发明具体涉及一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,该方法包括:首先,收集欧洲数值预报中心ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务(CAMS)沙尘同化资料和气溶胶自动观测网(AERONE)的沙尘气溶胶观测数据,并进行数据完整性和准确性检查。其次,通过计算Z-score来识别异常值,并将其剔除以获取可靠的数据集。将数据集进行时间和空间匹配,形成地表温度、大气温度、湿度廓线和沙尘气溶胶廓线匹配数据集。然后,使用大气辐射传输模型RTTOV模拟计算出可见光通道的反射率、红外通道的亮温和激光雷达的后向散射系数。接着,调整粒子数浓度并进行模拟,选取变化超过3%的通道作为沙尘敏感通道。最后,利用最优估计方法和牛顿迭代法反演沙尘粒子数浓度。
如图1和图2所示,具体包括以下内容:
步骤1:收集欧洲数值预报中心ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务CAMS沙尘同化资料和气溶胶自动观测网AERONE的沙尘气溶胶观测数据,并检查数据是否完整和准确,进行时间序列分析和统计分析等。通过计算Z-score即每个观测值与平均值之间的距离并将其除以标准偏差来识别异常值。将Z-score大于3或小于-3的观测值判定为异常值进行剔除,进一步获取可靠的数据集。
其中,AERONET沙尘气溶胶观测数据包括:沙尘气溶胶500nm、870nm和1020nm的光学厚度、沙尘气溶胶粒径分布、单次散射反照率和沙尘气溶胶相函数。
其中,CAMS沙尘同化资料包括:沙尘气溶胶的垂直积分质量、粒子数浓度、沙尘气溶胶550 nm的光学厚度和沙尘气溶胶大气混合比。
步骤2:将步骤S1收集的数据集进行时间和空间匹配,形成地表温度、大气温度、湿度廓线、沙尘气溶胶廓线匹配数据集。将数据集形成大气辐射传输模型RTTOV的标准输入文件,同时设置Himawari-8气象卫星成像仪可见光、红外通道和W波段雷达的仪器参数,进行辐射传输模拟,计算卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数。
其中,仪器参数包括,通道频率、仪器响应函数、仪器噪声、天线增益、扫描时间和角度。
步骤3:基于步骤S2收集的匹配数据集,将粒子数浓度进行调整,在原有数据集数浓度的基础上增加和减少5%、10%、15%和20%,形成新的调整之后的数据集。基于步骤S2的成像仪可见光、红外通道和W波段雷达的相同仪器参数设置和调整后的数据集,进行Himawari-8卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数模拟。
步骤4:基于步骤S2和S3的大气辐射传输模型输入数据和模式输出的可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,选取粒子数浓度变化5%时,可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数变化超过3%的通道。进一步,收集所有可能相关的通道数据,将数据标准化,以使每个通道具有相同的尺度;进行PCA(主成分)分析,得出每个主成分的解释方差比例,解释方差比例越高,说明该主成分所包含的信息越多,确定应保留的主成分数量;使用Kaiser准则只保留具有特征值大于1的主成分,初步确定沙尘敏感通道;对于保留的主成分,计算每个通道与主成分之间的相关系数,选择相关系数绝对值大于0.5值的通道作为沙尘敏感通道。
步骤5:获取Himawari-8气象卫星成像仪实际观测的可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,根据步骤S4的沙尘敏感通道选取结果,形成沙尘敏感通道可见光、红外和W波段观测向量。获取Himawari-8卫星成像仪和W波段雷达时间和空间匹配的ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务CAMS沙尘同化资料,基于大气辐射传输模型RTTOV模拟计算出可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,形成沙尘敏感通道可见光、红外和W波段模拟向量。
步骤6:对比分析步骤S5的沙尘敏感通道可见光、红外和W波段模拟和观测向量的差异,利用最优估计方法,利用牛顿迭代方法进一步调整沙尘粒子数浓度、使得价值函数最小化,最终实现沙尘粒子数浓度的反演。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,其特征在于:所述估算方法包括:
步骤一、对收集到的欧洲数值预报中心数据、哥白尼大气监测服务沙尘同化资料和沙尘气溶胶观测数据进行预处理得到数据集,对数据集进行时间和空间匹配得到匹配数据集,通过大气辐射传输模型进行辐射参数模拟得到气象卫星成像仪数据和W波段雷达的后向散射系数;
步骤二、对匹配数据集进行调整,调整后的数据集结合设置的气象卫星成像仪和W波段雷达参数进行气象卫星成像仪数据和W波段雷达后向散射系数模拟,根据大气辐射传输模型输入数据与气象卫星成像仪数据和W波段雷达后向散射系数选取通道,并通过PCA分析得到沙尘敏感通道;
步骤三、获取气象卫星成像仪实际观测的数据和W波段雷达的后向散射系数,结合得到的沙尘敏感通道形成沙尘敏感通道可见光、红外和W波段观测向量,根据步骤一进行预处理后的数据集和大气辐射传输模型模拟得到沙尘敏感通道可见光、红外和W波段模拟向量;
步骤四、对比分析步骤三中沙尘敏感通道可见光、红外和W波段模拟向量与观测向量的差异,并通过最优估计方法和牛顿迭代方法实现沙尘粒子数浓度的估算反演。
2.根据权利要求1所述的一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,其特征在于:所述步骤一具体包括以下内容:
A1、收集欧洲数值预报中心ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务沙尘同化资料和气溶胶自动观测网的沙尘气溶胶观测数据,通过计算Z-score即每个观测值与平均值之间的距离并将其除以标准差来识别异常值,将Z-score大于a或小于-a的观测值判定为异常值进行剔除,获得可靠的数据集;
A2、将A1步骤收集的数据集进行时间和空间匹配,形成地表温度、大气温蒂、湿度廓线和沙尘气溶胶廓线匹配数据集,并将匹配数据集转换成大气辐射传输模型RTTOV的标准输入文件,同时对气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的仪器参数进行设置,运行大气辐射传输模型RTTOV进行辐射参数的模拟,即可生成气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数。
3.根据权利要求2所述的一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,其特征在于:所述步骤二具体包括以下内容:
B1、基于A2步骤中的匹配数据集,将粒子数浓度进行调整,在原有数据集粒子数浓度的基础上以增加和减少5%、10%、15%和20%的方式形成新的调整后的数据集,根据气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的相同仪器参数设置和调整后的数据集,进行气象卫星成像仪可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数模拟;
B2、根据大气辐射传输模型RTTOV输入数据和可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,选取粒子数浓度变化5%时可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数变化超过3%的通道,收集所有相关的通道数据,将数据标准化以使每个通道具有相同的尺度,进行PCA分析得出每个主成分的解释方差比例,解释方差比例越高,说明该主成分所包含的信息越多,确定应保留的主成分数量,使用Kaiser准则只保留具有特征值大于1的主成分,初步确定沙尘敏感通道,对于保留的主成分,计算每个通道与主成分之间的相关系数,选择相关系数绝对值大于0.5的通道作为沙尘敏感通道。
4.根据权利要求3所述的一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,其特征在于:所述步骤三具体包括以下内容:
获取气象卫星成像仪实际观测的可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数;
根据B2步骤的沙尘敏感通道选取结果形成沙尘敏感通道可见光、红外和W波段观测向量,获取气象卫星成像仪和W波段雷达时间与空间匹配的ERA5地表温度、大气温度和湿度廓线,哥白尼大气监测服务沙尘同化资料,基于大气辐射传输模型RTTOV模拟计算出可见光通道的反射率、红外通道的亮温和W波段雷达的后向散射系数,形成沙尘敏感通道可见光、红外和W波段模拟向量。
5.根据权利要求1-4中任意一项所述的一种基于W波段雷达和气象卫星的沙尘粒子数浓度估算方法,其特征在于:所述气溶胶自动观测网的沙尘气溶胶观测数据包括:沙尘气溶胶500nm、870nm和1020nm的光学厚度、沙尘气溶胶粒径分布、单次散射反照率和沙尘气溶胶相函数;
所述哥白尼大气监测服务沙尘同化资料包括:沙尘气溶胶的垂直积分质量、粒子数浓度、沙尘气溶胶550 nm的光学厚度和沙尘气溶胶大气混合比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310731396.6A CN116449331B (zh) | 2023-06-20 | 2023-06-20 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310731396.6A CN116449331B (zh) | 2023-06-20 | 2023-06-20 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116449331A true CN116449331A (zh) | 2023-07-18 |
CN116449331B CN116449331B (zh) | 2023-08-15 |
Family
ID=87136009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310731396.6A Active CN116449331B (zh) | 2023-06-20 | 2023-06-20 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116449331B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116819490A (zh) * | 2023-08-31 | 2023-09-29 | 成都远望科技有限责任公司 | 基于云雷达与激光雷达的云与气溶胶分类的方法 |
CN117272866A (zh) * | 2023-09-28 | 2023-12-22 | 中国科学技术大学 | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10113330A1 (de) * | 2001-03-20 | 2002-10-10 | Deutsch Zentr Luft & Raumfahrt | Verfahren und Einrichtung zur optischen Fernmessung von Feuerszenen mittels IR-Sensoren |
KR101429260B1 (ko) * | 2013-07-30 | 2014-08-28 | 경일대학교산학협력단 | 적외 채널을 이용한 화산재 탐지방법 및 화산재의 특성값 도출방법 |
CN104268423A (zh) * | 2014-10-11 | 2015-01-07 | 武汉大学 | 大尺度动态演化沙尘型气溶胶反演方法 |
US20150019185A1 (en) * | 2013-02-08 | 2015-01-15 | University Of Alaska Fairbanks | Validating And Calibrating A Forecast Model |
US20150138355A1 (en) * | 2013-11-15 | 2015-05-21 | The Boeing Company | Visual Detection of Volcanic Plumes |
CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
KR20170121393A (ko) * | 2016-04-22 | 2017-11-02 | 대한민국(기상청 국립기상과학원장) | 구름레이더를 이용한 수함량 산출 시스템 및 수함량 산출 방법 |
KR20180008056A (ko) * | 2016-07-15 | 2018-01-24 | 강릉원주대학교산학협력단 | 히마와리 8호 위성의 ahi 센서자료를 이용한 대기상단에서의 상향장파복사산출방법 |
CN107798154A (zh) * | 2016-08-31 | 2018-03-13 | 中国科学院遥感与数字地球研究所 | 一种火星大气沙尘气溶胶光学厚度反演方法 |
KR20180044537A (ko) * | 2016-10-24 | 2018-05-03 | 대한민국(기상청장) | 에어로졸, 구름 및 강우 통합 관측 시스템 및 방법 |
CN109541638A (zh) * | 2018-12-18 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种大气颗粒物激光雷达联网监测方法 |
KR20190124625A (ko) * | 2018-04-26 | 2019-11-05 | 강릉원주대학교산학협력단 | 인공위성 센서와 지상관측망을 이용한 입자상 물질의 연직 분포 분석시스템, 분석장치, 및 분석방법 |
CN113341432A (zh) * | 2021-06-22 | 2021-09-03 | 武汉大学 | 基于激光雷达卫星的地基激光雷达气溶胶反演方法及*** |
CN113804829A (zh) * | 2021-08-20 | 2021-12-17 | 重庆市生态环境监测中心 | 一种大气污染天空地一体化实时监测***及方法 |
JP2022018277A (ja) * | 2020-07-15 | 2022-01-27 | 国立研究開発法人宇宙航空研究開発機構 | 大気浮遊物質質量濃度計測ライダー、大気浮遊物質質量濃度計測方法及びプログラム |
CN114924241A (zh) * | 2022-04-15 | 2022-08-19 | 国家卫星气象中心(国家空间天气监测预警中心) | 星载降水测量雷达和地基天气雷达的频率修正方法及*** |
CN115437036A (zh) * | 2022-08-25 | 2022-12-06 | 张立霞 | 一种基于葵花卫星的对流初生预报方法 |
CN115542431A (zh) * | 2022-11-25 | 2022-12-30 | 成都远望探测技术有限公司 | 一种基于地基云雷达和卫星数据的对流初生监测方法 |
CN115629388A (zh) * | 2022-12-23 | 2023-01-20 | 成都远望探测技术有限公司 | 一种基于红外和微波成像仪数据的雷达回波模拟方法 |
CN115657013A (zh) * | 2022-12-27 | 2023-01-31 | 成都远望探测技术有限公司 | 基于激光雷达和云雷达的冰云内冰晶粒子数浓度估算方法 |
CN115901553A (zh) * | 2022-03-09 | 2023-04-04 | 中科卫星(山东)科技集团有限公司 | 一种基于Himawari-8卫星遥感数据的沙尘监测方法 |
CN116243406A (zh) * | 2023-03-23 | 2023-06-09 | 南京信息工程大学 | 一种卫星红外辐射率资料的全空同化方法 |
-
2023
- 2023-06-20 CN CN202310731396.6A patent/CN116449331B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10113330A1 (de) * | 2001-03-20 | 2002-10-10 | Deutsch Zentr Luft & Raumfahrt | Verfahren und Einrichtung zur optischen Fernmessung von Feuerszenen mittels IR-Sensoren |
US20150019185A1 (en) * | 2013-02-08 | 2015-01-15 | University Of Alaska Fairbanks | Validating And Calibrating A Forecast Model |
KR101429260B1 (ko) * | 2013-07-30 | 2014-08-28 | 경일대학교산학협력단 | 적외 채널을 이용한 화산재 탐지방법 및 화산재의 특성값 도출방법 |
US20150138355A1 (en) * | 2013-11-15 | 2015-05-21 | The Boeing Company | Visual Detection of Volcanic Plumes |
CN104268423A (zh) * | 2014-10-11 | 2015-01-07 | 武汉大学 | 大尺度动态演化沙尘型气溶胶反演方法 |
KR20170121393A (ko) * | 2016-04-22 | 2017-11-02 | 대한민국(기상청 국립기상과학원장) | 구름레이더를 이용한 수함량 산출 시스템 및 수함량 산출 방법 |
KR20180008056A (ko) * | 2016-07-15 | 2018-01-24 | 강릉원주대학교산학협력단 | 히마와리 8호 위성의 ahi 센서자료를 이용한 대기상단에서의 상향장파복사산출방법 |
CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
CN107798154A (zh) * | 2016-08-31 | 2018-03-13 | 中国科学院遥感与数字地球研究所 | 一种火星大气沙尘气溶胶光学厚度反演方法 |
KR20180044537A (ko) * | 2016-10-24 | 2018-05-03 | 대한민국(기상청장) | 에어로졸, 구름 및 강우 통합 관측 시스템 및 방법 |
KR20190124625A (ko) * | 2018-04-26 | 2019-11-05 | 강릉원주대학교산학협력단 | 인공위성 센서와 지상관측망을 이용한 입자상 물질의 연직 분포 분석시스템, 분석장치, 및 분석방법 |
CN109541638A (zh) * | 2018-12-18 | 2019-03-29 | 天津珞雍空间信息研究院有限公司 | 一种大气颗粒物激光雷达联网监测方法 |
JP2022018277A (ja) * | 2020-07-15 | 2022-01-27 | 国立研究開発法人宇宙航空研究開発機構 | 大気浮遊物質質量濃度計測ライダー、大気浮遊物質質量濃度計測方法及びプログラム |
CN113341432A (zh) * | 2021-06-22 | 2021-09-03 | 武汉大学 | 基于激光雷达卫星的地基激光雷达气溶胶反演方法及*** |
CN113804829A (zh) * | 2021-08-20 | 2021-12-17 | 重庆市生态环境监测中心 | 一种大气污染天空地一体化实时监测***及方法 |
CN115901553A (zh) * | 2022-03-09 | 2023-04-04 | 中科卫星(山东)科技集团有限公司 | 一种基于Himawari-8卫星遥感数据的沙尘监测方法 |
CN114924241A (zh) * | 2022-04-15 | 2022-08-19 | 国家卫星气象中心(国家空间天气监测预警中心) | 星载降水测量雷达和地基天气雷达的频率修正方法及*** |
CN115437036A (zh) * | 2022-08-25 | 2022-12-06 | 张立霞 | 一种基于葵花卫星的对流初生预报方法 |
CN115542431A (zh) * | 2022-11-25 | 2022-12-30 | 成都远望探测技术有限公司 | 一种基于地基云雷达和卫星数据的对流初生监测方法 |
CN115629388A (zh) * | 2022-12-23 | 2023-01-20 | 成都远望探测技术有限公司 | 一种基于红外和微波成像仪数据的雷达回波模拟方法 |
CN115657013A (zh) * | 2022-12-27 | 2023-01-31 | 成都远望探测技术有限公司 | 基于激光雷达和云雷达的冰云内冰晶粒子数浓度估算方法 |
CN116243406A (zh) * | 2023-03-23 | 2023-06-09 | 南京信息工程大学 | 一种卫星红外辐射率资料的全空同化方法 |
Non-Patent Citations (6)
Title |
---|
HUANG, P.; GUO, Q.; HAN, C.; ZHANG, C.; YANG, T.; HUANG, S.: "An Improved Method Combining ANN and 1D-Var for the Retrieval of Atmospheric Temperature Profiles from FY-4A/GIIRS Hyperspectral Data.", 《REMOTE SENS》, vol. 13, pages 481 * |
MARQUIS, J. W., AND COAUTHORS,: "Conceptualizing the Impact of Dust-Contaminated Infrared Radiances on Data Assimilation for Numerical Weather Prediction", 《J. ATMOS. OCEANIC TECHNOL》, vol. 38, pages 209 * |
张鹏, 王春姣, 陈林等: "沙尘气溶胶卫星遥感现状与需要关注的若干问题", 《气象》, vol. 44, no. 6, pages 725 - 736 * |
李倩, 李成才, 王烨芳, 等: "利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布", 《北京大学学报:自然科学版》, no. 4, pages 132 - 141 * |
王春姣: "红外高光谱卫星遥感沙尘物理参数的研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 11, pages 009 - 70 * |
黄鹏宇, 郭强, 韩昌佩等: "FY-4A/GIIRS资料云上温度廓线反演研究", 《激光与光电子学进展》, vol. 58, no. 17, pages 125 - 133 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116819490A (zh) * | 2023-08-31 | 2023-09-29 | 成都远望科技有限责任公司 | 基于云雷达与激光雷达的云与气溶胶分类的方法 |
CN116819490B (zh) * | 2023-08-31 | 2023-11-17 | 成都远望科技有限责任公司 | 基于云雷达与激光雷达的云与气溶胶分类的方法 |
CN117272866A (zh) * | 2023-09-28 | 2023-12-22 | 中国科学技术大学 | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 |
CN117272866B (zh) * | 2023-09-28 | 2024-03-22 | 中国科学技术大学 | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116449331B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116449331B (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
CN112213727B (zh) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 | |
Liao et al. | Comparisons of rain rate and reflectivity factor derived from the TRMM precipitation radar and the WSR-88D over the Melbourne, Florida, site | |
Habib et al. | Uncertainty analysis of the TRMM ground-validation radar-rainfall products: Application to the TEFLUN-B field campaign | |
Häggmark et al. | Mesan, an operational mesoscale analysis system | |
Anagnostou | A convective/stratiform precipitation classification algorithm for volume scanning weather radar observations | |
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 | |
Alfieri et al. | Time-dependent ZR relationships for estimating rainfall fields from radar measurements | |
Collis et al. | Statistics of storm updraft velocities from TWP-ICE including verification with profiling measurements | |
CN109856021B (zh) | 一种pm2.5反演方法及监测区域分割方法 | |
Wang et al. | C-band polarimetric radar QPE based on specific differential propagation phase for extreme typhoon rainfall | |
CN114509734A (zh) | 一种基于雨滴谱的双偏振天气雷达数据质量实时评估方法 | |
Park et al. | Calibration of radar reflectivity measurements from the KMA operational radar network | |
CN112560270A (zh) | 一种化学危害同化*** | |
CN115561836A (zh) | 一种星载微波高光谱温湿度廓线反演精度评估方法及*** | |
Berne et al. | Influence of the vertical profile of reflectivity on radar-estimated rain rates at short time steps | |
Sanabria et al. | Severe wind hazard assessment using Monte Carlo simulation | |
CN113742929B (zh) | 一种针对格点气象实况的数据质量评价方法 | |
CN116466368B (zh) | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 | |
CN115575914B (zh) | 一种多波段双线偏振天气雷达观测量误差量化方法 | |
Stankov et al. | Use of wind profiler estimates of significant moisture gradients to improve humidity profile retrieval | |
Kida et al. | Improvement of rain/no-rain classification methods for microwave radiometer observations over the ocean using a 37 GHz emission signature | |
Ma et al. | Assimilation of all-sky radiance from the FY-3 MWHS-2 with the Yinhe 4D-Var system | |
Goswami et al. | Indian Ocean surface winds from NCMRWF analysis as compared to QuikSCAT and moored buoy winds | |
Matsuyama et al. | Spatial and temporal variabilities of rainfall in tropical South America as derived from climate prediction center merged analysis of precipitation |
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 |