欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2018115508217
申请人: 成都信息工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种静止气象卫星热红外数据估算近地面大气温度方法,其特征在于,所述静止气象卫星热红外数据估算近地面大气温度方法包括:利用卫星观测亮温、气象台站和数值预报模式资料,获取具有代表性的热红外观测亮温和近地面大气温度;利用卫星云检测产品,获取无云条件下的观测亮温、台站实测气温和辅助资料的匹配数据集;基于逐步回归方法分析卫星观测辐射亮温、大气压力、相对湿度、卫星观测角度、儒略日参数与近地面大气温度的关系,确定用于估算大气温度的关键因子;利用神经网络技术构建近地面气温估算的反演模型。

2.如权利要求1所述的静止气象卫星热红外数据估算近地面大气温度方法,其特征在于,所述建立大气可降水量的反演模型和计算方法具体是指反演计算中利用卫星观测亮温、气象台站和数值预报模式资料,获取具有代表性的热红外观测亮温和近地面大气温度,利用卫星云检测产品,获取无云条件下的观测亮温、台站实测气温和辅助资料的匹配数据集,利用逐步回归方法对亮温以及其他辅助因子进行选择,确定最佳气温估算因子;通过神经网络理论,建立一个无云条件下近地面大气温度的物理反演模型。

3.如权利要求1所述的静止气象卫星热红外数据估算近地面大气温度方法,其特征在于,所述静止气象卫星热红外数据估算近地面大气温度方法以下步骤:(1)同步下载收集静止气象卫星的L1b亮温、云掩膜和地理位置信息;

(2)收集与静止气象卫星时空匹配的气象台站、数值预报模式、归一化植被指数等数据,基于MATLAB获取时空匹配的近地面气温、静止气象卫星窗区通道亮温、卫星观测角、大气可降水量、相对湿度、归一化植被指数和儒略日等参数;

(3)利用SPSS 20.0开展逐步线性回归分析,分析各预测因子在气温估算模型中的贡献,开展气温估算模型预测因子的选择;

(4)利用SNN的神经网络工具箱,构建基于前向多层神经网络的近地面气温估算模型;

(5)基于台站实测气温数据,利用相关系数、均方根误差和偏差等参数对模型的精度进行评估分析。

4.如权利要求1所述的静止气象卫星热红外数据估算近地面大气温度方法,其特征在于,所述静止气象卫星热红外数据估算近地面大气温度方法具体包括:(1)根据月份信息和目标地区的经纬度范围信息,下载收集静止气象卫星的L1b辐射产品、云掩膜产品和地理位置信息;基于遥感处理软件ENVI将静止卫星的L1b辐射产品进行预处理,将热红外通道辐射转换为通道亮温,提取11um和12um通道的亮温数据;利用云掩膜产品得到无云天气下的像元亮温数据,同时读取对应的地理位置产品,获取晴空像元的经纬度和卫星观测角度信息,构建晴空环境下多像元的11um和12um通道的亮温、对应的经纬度和卫星观测角数据集;

(2)收集与(1)得到的静止气象卫星数据集时空匹配的气象台站观测数据、美国国家环境预报中心全球预报系统GFS数据、MODIS的16天合成的MOD13A2归一化植被指数等辅助数据集;其中,气象台站辅助数据集主要使用近地面气温、相对湿度、气温和风速;GFS产品则选取使用其大气可降水量、气压和相对湿度产品;基于wgrib和MATLAB对以上数据进行读取和时空匹配处理,获取与(1)数据时间和空间匹配的近地面气温、大气可降水量、相对湿度、归一化植被指数和儒略日等参数数据集;

(3)将(1)和(2)收集的数据集开展逐步线性回归分析,其中近地面气温是因变量,11um和12um通道亮温、大气可降水量、相对湿度、归一化植被指数、儒略日、卫星观测经纬度和角度等参数是自变量,挑选出对近地面气温有显著影响的自变量;具体则是利用SPSS 20.0开展逐步线性回归分析,将自变量逐个的引入到回归模型,每引入一个自变量时,对已经入选的自变量开展逐个的F检验;当已经入选的自变量因为其他变量的引入而不再显著时,从模型中进行剔除;反复进行以上过程,一直到既无显著的自变量可入选模型,同时也没有不显著的变量从回归模型中被剔除为止;根据逐步分析的中间过程分析各自变量在气温估算模型中的贡献,进行气温估算模型的预测因子选择;

(4)将(3)选择的预测因子作为神经网络模型的输入,气温作为神经网络的输出;利用斯图加特神经网络工具箱,构建基于前向多层神经网络的近地面气温估算模型;利用以上步骤构建的神经网络模型、模型的输入和输出数据集,对模型进行训练;

(5)基于台站实测气温数据,利用相关系数、均方根误差和偏差等参数对模型的精度进行评估分析;判断误差是否满足精度要求,若满足精度需求则结束训练,否则继续调整各节点的权重进行训练;比较不同节点个数的各神经网络预测精度,选择最优网络作为估算模型;

(6)将卫星热红外数据和其他辅助数据作为神经网络的输入,基于(5)构建的最优网络实现近地面气温的估算。

5.一种应用权利要求1~5任意一项所述静止气象卫星热红外数据估算近地面大气温度方法的利用合适方法处理高时间分辨率静止气象卫星热红外数据的系统。

6.一种应用权利要求1~5任意一项所述静止气象卫星热红外数据估算近地面大气温度方法的适用于无地表温度业务产品的卫星热红外数据近地面气温估算系统。