多阈值和神经网络卫星云图云系自动分割试验

卫星云图自动分割是实现卫星云图云系自动识别的基础.选用1992~1994年和1997~1998年夏季有典型天气系统的177幅GMS红外云图建立了云系模型库, 云系分类样本3079个, 包含16类云系, 云系分割样本2764个.利用云系分割样本集进行神经网络试验, 训练集为从32幅云图中抽取的484个样本, 测试集为从145幅云图中抽取的2280个样本, 神经网络模型训练正确率达到98.8%, 测试正确率为86.4%.用1997年7月18~21日和1998年6月15~17日的两组卫星云图做自动分割应用试验, 结果经专家判识, 正确率达到90%以上.本文的工作表明:用多阈值和人工神经网络相结合方法对卫星云图进行云分割在实际应用中是可行的. 卫星云图自动分割系统的输入是GMS红外云图, 输出是分割出的每一个云区, 同时还包括云区的边界链码、起始点、周长、面积, 并保留了原始图像数据.在下一步的云系识别过程中, 可以在此基础上进行云系分类识别试验.     

利用卫星云图估算黄河中游地区平均面雨量

介绍了利用卫星云图资料估算黄河中游面雨量的基本方法将GMS卫星1 h间隔的可见光和红外云图作为判别的两个特性进行分类,确定红外线资料的所有最小值点作为对流核;参照Negri-Adler的方法,应用斜率参数消除卷云;应用一维云模式确定红外线图上对流核的降水率,层状云降水通过一个温度阈值给出.另外,通过对2001年7月26日至28日黄河流域出现的一次较强降雨过程进行应用分析,得出结论--利用卫星云图估算黄河中游地区平均面雨量的方法具有很好的实用价值.     

利用气象卫星资料定量测量黄河流域汛期降水

根据 Ｇ Ｍ Ｓ－ ５ 静止气象卫星数字化卫星云图的灰度分布,计算灰度共生矩阵,抽取云的纹理特征量,组成云自动分类方程,进而滤去地表和非降水云信息,实现云的自动分类,然后针对黄河流域不同类型云建立云顶温度与地面实测降水关系曲线,并选取订正因子,建立地面降水估算方程进行降水估算。使用结果表明,该方法对黄河流域汛期降水估算效果较好。     

利用卫星云图估算黄河中游地区平均面雨量

介绍了利用卫星云图资料估算黄河中游面雨量的基本方法：将GMS卫星1h间隔的可风和红外云图作为判别的两个特性进行分类，确定红外光线资料的所有最小值点作为对流核；多参照Negri-Adler的方法，应用斜率参数消除卷云；应用－维云模式确定红外线图上对流核的降水率，层状云降水通过一个温度阈值给出。另外，通过2001年7月26日至28日黄河流域出现的一次较强降雨过程进行应用分析，得出结论－－利用卫星云图估算黄河中游地区平均雨量的方法具有很好的实用价值。     

基于视觉注意的动态阈值分割算法

提出一种基于视觉注意机制的动态阈值选取方法.首先按人眼视觉注意特点计算各图块的显著性特征值,根据显著性特征值将图像块进行分类,然后利用最大类间方差法和多尺度的自适应阈值方法分别实现不同灰度特性区域的图像动态分割.实验结果表明:该方法能够实现图像多阈值的自动选取,不受照明条件的影响,能够获得满意的二值分割效果.     

卫星云图形态特征提取和表示的一种方法

利用可变形模型与形状分解相结合，给出了卫星云图形态特征提取和表示的一种方法。首先用阈值法进行云图分割，再提取出可基本代表云图内容的若干主要云块，之后用圆形可变形模型作用于每个主要云块，并结合形状分解的思想将其用圆形基元的组合来表示。对GMS5云图的实验表明，该方法是简单可行的。     

GMS-5四通道云图的自动分类及其在定量降水估算中的应用

根据日本地球静止气象卫星（GMS-5）云图的新特点,运用动态分类方法对GMS-5四通道卫星云图进行分类,得到各种云类及地表。并由分类结果,根据一维云模式得到的对流云对流核心云顶温度与降水之间的关系,对层云和对流云做定量降水估算。并用1995年8月31日的云图资料进行对流云和层云的降水估计试验,将估算出的降水率和降水面积与地面1 h的观测降水资料进行比较,结果表明：假如设置40%为降水的允许误差,那么降水估计的准确覆盖率将达到70%。能在业务应用中推广,并且该方法可以应用到即将发射的风云2号气象卫星资料处理     

GMS卫星多通道数字资料在雨区判识和雨量估算上的应用研究

卫星遥感多通道资料,在海洋、灾害监测、冰雪及农作物监测等领域得到了广泛应用。在天气预报方法,主要应用于卫星云图的形态分析。GMS的可见光、红外及水汽通道分别反映了大气不同的特征信息。为克服单一通道在雨区及量级预报中局限性,采用多通道合成分析方法,将1992－1997年影响我区的70个强降水云图与每小时－次的地面自己雨量进行统计,得到各通道探测值与降水概率与降水量的统计关系。并对不同天气背景下云图的卫星数字特征进行比较,采用多通道合成图像分析法,分离出强降水（强雨区）,采用通道交叉相关法,对未来降水区及降水概率作出移动跟踪预报。本技术方法采用VGA256直接编程,自动前后台处理,图像预报产品可随时显示并入网进行传输。     

卫星云图与雷达回波结合在南宁短时预报中的应用思路初探

对用卫星云图和雷达回波结合做广西南宁市小区域的短时降水预报方法从两个方面进行总结一是从天气系统来向的角度进行分类,设立影响南宁市的关键区;二是对汛期南宁市大雨的三种主要类型的卫星云图和雷达回波的配置模型进行总结.     

浅谈利用卫星云图资料估计降水的方法

本文介绍了卫星云图估计降水的几种方法,并通过对卫星云图数据的处理得到实时亮温场,建立亮温场与降水量之间的相关方程,进行降水估算。     

STUDY ON CLOUD CLASSIFICATIONS BY USING AVHRR,GMS-5 AND TERRA/MODIS SATELLITE DATA*

This paper presents the automated pixel-scale neural network classification methods being developed at National Satellite Meteorological Center(NSMC) of China to classify clouds by using NOAA/AVHRR and GMS-5 satellite imageries.By using Terra satellite MODIS imageries,an automated pixel-scale threshold technique has been developed to detect and classify clouds.The study focuses on applications of these cloud classification techniques to the Huaihe River and the Changjiang(Yangtze) River drainage basin.The different types of clouds show more clearly on this cloud classification image than single band image.The results of the cloud classifications are the basis of studying cloud amount,cloud top height and cloud top pressure.Cloud mask method sare widely used in SST,LST,and TPW retrieval schemes.Some case studies about cloud mask and cloud classification in satellite imageries,which are related with the study of Global Energy and Water Cycle Experiment(GEWEX) in the Huaihe River and the Changjiang River drainage basin are illustrated.     

STUDY ON CLOUD CLASSIFICATIONS BY USING AVHRR,GMS-5 AND TERRA/MODIS SATELLITE DATA

This paper presents the automated pixel-scale neural network classification methods beingdeveloped at National Satellite Meteorological Center(NSMC)of China to classify clouds by usingNOAA/AVHRR and GMS-5 satellite imageries.By using Terra satellite MODIS imageries,anautomated pixel-scale threshold technique has been developed to detect and classify clouds.Thestudy focuses on applications of these cloud classification techniques to the Huaihe River and theChangjiang(Yangtze)River drainage basin.The different types of clouds show more clearly onthis cloud classification image than single band image.The results of the cloud classifications arethe basis of studying cloud amount,cloud top height and cloud top pressure.Cloud mask methodsare widely used in SST,LST,and TPW retrieval schemes.Some case studies about cloud maskand cloud classification in satellite imageries,which are related with the study of Global Energyand Water Cycle Experiment(GEWEX)in the Huaihe River and the Changjiang River drainagebasin are illustrated.     

基于最大互相关的对流云预测

传统上利用卫星云图做降水都是根据已知的卫星云图中的通道信息来进行降水量的估算。因此,利用卫星云图仅仅做到了降水量的估算。本文利用图像的最大互相关以及线性外推对未来的卫星云图进行预测,并取得较好的结果,从而能够利用云图进行降水量的预报。     

多光谱卫星图象综合处理系统的可视化设计

多光谱卫星图象中蕴涵着丰富的气象信息，在天气监测和预报工作中发挥了重要作用。为使多光谱气象卫星图象更好的为气象工作服务，我们初步开发了多光谱卫星图象综合处理系统(MSISPS)。本文详细地论述了多光谱卫星图象综合处理系统的可视化设计原理、思想和方法以及此系统实现的主要功能。还介绍了位图显示、动画处理、创建新窗口和状态栏利用等关键技术在MSISPS中的应用。与现在的相关的软件相比，MSISPS实现了多光谱卫星图象的云分类分析、降水场分析和湿度场分析的可视化和交互式操作，使气象卫星图象处理的新技术和新方法得到了简便、高效、快捷的应用。     

Computer identification of multispectral satellite cloud imagery

A dynamic clustering method based on multispectral satellite imagery to identify the different features is des-cribed. The channel combinations selected are for the different purposes in classification. Several cases are presented using the polar- orbiting satellite imageries.     

Shapley-模糊神经网络方法在华南台风卫星云图的长时效滚动预测中的应用

为了更好地利用大量的卫星云图观测资料来提高台风暴雨的预报能力,解决并提高对台风强降水云系变化的预报精度,延长对未来云系变化的预报时效,构建基于合作对策Shapley-模糊神经网络的华南区域台风卫星云图非线性智能计算滚动集合预测模型,对增强卫星云图资料在台风暴雨天气预报中的实用性和及时性具有重要意义。依据2013—2016年华南区域台风影响过程的卫星云图,采用类似于数值预报模式的集合预报方法,通过对间隔6 h的卫星云图云顶亮温样本序列做经验正交函数分解,将提取出的时间系数作为云图预报建模的预报分量。考虑台风云系的发展变化主要受云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用k-近邻互信息估计的分步式变量选择算法,通过两步过程实现相关变量的选择与弱相关变量的剔除,分别建立相应时间系数的Shapley-模糊神经网络集合预报模型,进一步将预报得到的各时间系数与空间向量合成,重构得到未来时刻的卫星云图预报图,实现了云图6—72 h的长时效客观滚动预测。试验结果表明,新方案所预测的云图与实况云图相关较高,重构云图的基本轮廓、纹理特征分布、清晰度以及云系强弱方面都比较接近原始云图。另外,研究进一步基于相同的云图预报因子,针对同样的建模和预报样本采用多元线性回归方案进行和新方案一致的云图预测。对比结果表明,这种非线性预报模型比线性方案能更好地预报未来较长时效台风云团的发展、移动的主要特征和变化趋势,其预测的云图与实际云图的主要特征更相似。云图预报时效达到了72 h,具有业务实用价值。      

小波变换在气象卫星云图压缩中的应用

该文分析了卫星云图和自然图像在小波系数分布上的特征差异,提出了基于小波变换的气象卫星云图压缩方案。方案选择对卫星云图压缩效果较好的、具有双正交性的Odegard 9/7滤波器组对卫星云图进行五级小波分解和重构;根据卫星云图小波分解系数相似性强、低频分量能量更为集中、分量系数层次衰减性明显的特点,使用改进后的零树编码算法对小波系数进行编码运算;最后,采用高效的自适应算术编码对输出数据流进行了进一步的压缩。该方法对卫星云图的压缩效果要优于经典的嵌入式零树小波编码,在失真允许情况下,对红外云图的最大压缩比可达40:1,水汽云图达60:1,可见光云图达35:1。     

基于多种底图的云检测

利用静止卫星红外和短波红外通道资料的特点,生成了红外亮温底图与红外减短波红外差异底图,并充分利用这几种底图的特性,结合时空相似性检测来进行云检测的校正,实现了用动态阈值技术进行云检测.分析表明,红外亮温底图对于中高云系的检测效果较好,差异底图对于中低云系的检测效果较好,通过时空不同性测试可以将误检为云的晴空重新识别出来.算法取得了较好的检测效果.     

Cloud Classification and Distribution of Cloud Types in Beijing Using Ka-Band Radar Data

A cloud clustering and classification algorithm is developed for a ground-based Ka-band radar system in the vertically pointing mode. Cloud profiles are grouped based on the combination of a time–height clustering method and the k-means clustering method. The cloud classification algorithm, developed using a fuzzy logic method, uses nine physical parameters to classify clouds into nine types: cirrostratus, cirrocumulus, altocumulus, altostratus, stratus, stratocumulus, nimbostratus,cumulus or cumulonimbus. The performance of the clustering and classification algorithm is presented by comparison with all-sky images taken from January to June 2014. Overall, 92% of the cloud profiles are clustered successfully and the agreement in classification between the radar system and the all-sky imager is 87%. The distribution of cloud types in Beijing from January 2014 to December 2017 is studied based on the clustering and classification algorithm. The statistics show that cirrostratus clouds have the highest occurrence frequency(24%) among the nine cloud types. High-level clouds have the maximum occurrence frequency and low-level clouds the minimum occurrence frequency.