基于KNN的地基可见光云图分类方法

云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器 (K-Nearest Neighbor,KNN), 在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好, 识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。     

基于压缩感知的地基红外云图云状识别

为了对地基全天空红外测云仪获得的云图进行分类,该文从压缩感知理论出发,提出了一种利用云图灰度稀疏性进行云状识别的新方法。首先运用典型云图样本构造冗余字典,然后通过梯度投影 (GPSR) 算法和正交匹配 (OMP) 算法求取测试样本在冗余字典中的l1范式最优解,最后利用残差法和稀疏比例法对云状进行判别并输出。采用压缩感知理论进行云状识别,降低了对特征提取技术的要求,为云状的自动识别提供了新思路,对典型波状云、层状云、积状云、卷云和晴空的总体识别率分别达到75%,91%,70%,85%和93%,平均识别率为82.8%。     

基于模糊纹理光谱的全天空红外图像云分类

为了对全天空红外测云系统获得的红外图像进行云类自动识别, 提出了基于模糊纹理光谱结合云物理属性的全天空云类识别方法。首先根据不同滤波窗口的模糊纹理光谱图像特征, 确定了滤波窗口大小, 然后通过分析不同天空类型下的FUTS谱 (fuzzy uncertainty texture spectrum) 以及同一种天空类型下的FUTS谱, 考察了FUTS进行云类识别的适用性, 最后利用最小距离分类法和云基本物理属性对全天空红外图像进行了分类测试。在200个测试样本中, 层状云、积云、高积云、卷云和晴空的识别率分别为100%, 100%, 90%, 100%, 100%, 平均识别率达到98%。基于模糊纹理光谱的云分类算法对单一云空具有很好的分类效果, 可进一步应用于全天空红外图像的云分类识别。     

卫星水汽图的干区轴线在台风路径预报中的应用

通过对卫星云图的水汽图或红外云图的分析，发现水汽图干区或红外云图上的无云区（晴空带）对台风的移动方向有制约作用，经过研究和实践，找到了应用水汽图干区轴线或红外云图上的无云区（晴空带）的中直线来预报台风移动路径的方法。     

CloudSat/CALIPSO卫星资料分析云的全球分布及其季节变化特征

全球气候模式（GCM）中云的参数化方案具有不确定性,了解云的时、空变化能为参数化方案提供有效参考。利用搭载在属于A-Train卫星序列的CloudSat和CALIPSO上的94 GHz云廓线雷达（CPR）以及正交极化云-气溶胶激光雷达（CALIOP）联合的2级云分类产品,分析了2007年3月-2010年2月8种云类及三相态的云量地理分布、纬向垂直分布的季节变化特征以及云层分布概率。结果发现,卷云的分布体系与深对流云相似,主要集中在西太平洋暖池、全球各季风区及赤道辐合带,分布格局与气压带、风带季节性移动一致。层云与层积云主要分布在中低纬度非季风区以及中高纬度的洋面上。高积云与高层云的分布形成明显的海陆差异,雨层云与积云的分布形成明显的纬度差异。冰云分布与卷云相似,云高随纬度递增而递减;水云分布与层积云相似,平均分布于2 km高度;混合云集中于高纬度地区及赤道辐合带,中纬度地区随纬度变化集中于海拔0-10 km的弧形带。层状云多以多层云形式出现,积状云多以单、双层云的形式出现,层状云的云重叠现象比积状云更显著。积状和层状云的分布特征与积云和层云降水的分布特征基本一致,验证了不同类型降水的卫星观测结果,同时为气候模式的云量诊断方案提供对比验证的数据。      

关于目测层积云云高的一点体会

按云的形状外貌特征和形成系统可分为积状云、波状云和层状云三类,而层积云则归于波状云之类。波状云顾名思义由空气波动形成的云系,其原因主要是大气的湍流作用所造成。从观测记录来看,层积云出现的机率相当可观。它的常见高度在400—2500M之间,这在山东潍坊机场是极为平常的。     

基于纹理特征和机器学习的卫星云图分类实验

准确识别云对提升天气预报和气候预测准确性有着重要意义,传统的阈值法和聚类法很难找出统一通用的阈值标准和方法,随着机器学习在云分类领域的应用和发展,在分类速度和分类精度上都有了明显提升。本实验对风云二号G星的红外云图进行预处理并构建卫星云图样本库,通过提取云图纹理特征再结合支持向量机（SVM）、随机森林（RF）和XGBoost分类器实现了对“晴空”、“层积云或高积云”、“积雨云”、“密层云”和“卷层云”的分类,实验结果表明：①三种分类器对该实验云分类的平均准确率分别为RF（62.5%）＞XGBoost（61.7%）＞SVM（60.0%）;②三种分类器对“层积云或高积云”的分类都最好且稳定,平均分类精度均达到了90%以上,最高为91.5%;③SVM对密层云（67.9%）、RF对卷层云（68.9%）、XGboost对晴空（68.3%）的分类效果次之,平均分类精度均达67%以上。     

双光谱云图的云分类探讨

依据各类云在红外和可见光波段不同的光谱特性，考察了近百个数字云图样本，在红外－可见光二维光谱特征空间上基本确定了与种类相应的集群分布范围，由此判识出积雨云、薄卷云、厚卷云、中云、低云、沈积云和多层云系等７种主要云类及晴空区。并以１９９０年３月１５日１４时云图为例进一步讨论了诸云类在光谱特征空间上高频数分布区的形状和分布特点。     

基于改进mRMR特征选择的云型识别研究

传统的云型识别主要是提取云的颜色、纹理和形状等特征,但这些特征中存在不相关和冗余特征,导致云型识别率降低.在最大相关最小冗余（max relevance and min-redundancy,mRMR）特征选择方法的基础上,运用互信息标准化形式（Symmetrical Uncertainty,SU）克服互信息偏向于取值较多属性的固有缺点,提出了改进的mRMR特征选择方法,对云的综合特征集进行特征筛选,筛选出最优特征子集,运用支持向量机进行云型识别.试验结果表明该方法优于mRMR方法,使层云、积云、高积云、卷云和晴空5种天空类型的总正确率提高,特征选择前、后的总识别率分别为86.96％、89.04％,识别率提高了2％;对于云型识别研究,经过特征选择后可知纹理特征优于形状特征,基于形状的Zernike矩优于HU不变矩,基于纹理的灰度共生矩阵为最优特征提取方法.     

地基红外测云仪探测能力分析

利用地基红外测云仪(WSIRCMS)在2011年11月北京观象台的连续观测数据,从总云量、云底高和天空类型3个方面初步分析其探测能力。结果表明:1该仪器能够不分昼夜同时实现云高、云量(高、中、低和总云量)和天空类型的连续自动探测;2与参考标准云量的差值在±10%以内的样本数占总样本数的72.5%,有霾存在时,对中高云的观测能力较弱,造成云量观测结果差异较大;3与激光云高仪的天顶方向的无云一致率达94.9%;在中低云情况下,云高观测结果一致性较好,高云时存在较大差异,WSIRCMS观测云高偏高;4与人工分类的天空类型一致的样本数占总样本数的82.63%,对波状云、积状云和混合云的识别能力稍低。     

利用全天空数字图像对北京上空云况分布特征的试验分析

利用最新获取的近两年北京上空全天空数字图像资料对云况分布做统计分析,以获得云的分布特征。工作中将图像分为9个扇区和16个环区分别进行分析,从结果看,无云(云量<1)与全天空有云天气(云量>9)情况明显占优,平均各占总量的36%,46%。除去系统误差及计算所带来的误差发现,两年中北京上空多以晴好天气(包含薄卷云)和阴天为主。上空西北部云的分布略显偏多,头顶上空云的出现概率较其他位置低,并有随天顶角增大概率增大的趋势。     

物理-统计反演和云-晴空辐射特征差异检测结合的全天空高云判别能力改进算法与初步试验

在全天空红外-可见光云像观测反演方法基础上,针对已往阈值法判断高云的局限性,提出改进的算法。对可见光图像可利用以太阳-天顶为连线的主平面两边相元特性的对称性来判断云的存在,对红外成像仪可利用同一仰角扫描时所得不同方位角亮温分布的非均匀性来判断云的存在。以北京2011年1 3月观测资料为基础,选择原阈值法未能判别出来的案例进行再处理,全天空可见光成像观测仪高云判别能力最高可达73.9%,全天空扫描式红外成像仪可达70.1%。该工作为天空的高云识别提供新的复合算法。     

地基可见光/红外全天空成像仪数据融合

采用60m基线的双站可见光成像仪和扫描式红外成像仪构建地基双波段全天空测云系统,双站可见光成像仪根据双站测距原理准确地获取云底高,通过全方位立体扫描获取全天空可见光云图,扫描式红外成像仪基于大气辐射传输原理测量云底亮温,反演云底高度,通过全方位立体扫描获取全天空红外云图。结合双站可见光成像仪测得云底高,对大气温度垂直递减率进行实时订正,提高扫描式红外成像仪反演云底高精度,达到双波段云底高数据融合目的;基于小波变换多分辨率分析的图像融合技术,对全天空可见光和红外云图进行图像融合,提高能见度低、以及雾、霾等天气条件下云量计算准确度;最终实现昼夜云高、云量同时观测。     

图割模型在卫星云图云检测中的应用

提出一种基于图割模型的卫星云图云检测方法。利用FY-2C卫星云图的长波红外通道和可见光通道的云图提取了10个灰度特征和80个Gabor纹理特征,再用主成分分析方法（principal component analysis,PCA）降维到9个主成分。将这9个主成分构成的特征作为每个像素的特征,建立相似度矩阵,再利用改进的NormalizedCuts模型进行分割,将云图分成了晴空区域和有云区域。与地面观测结果相比,平均一致率达到86．51％,表明将Gabor纹理特征和灰度特征相结合并利用改进的Normalized Cuts模型对卫星云图云检测有比较好的效果。     

Cloud mapping from the earth's surface using infrared radiance contrasts*

Abstract

Radiance criteria for distinguishing low, middle, and high clouds in the 9.5–11.5 μm band of the infrared are developed and used to produce local cloud maps. The performance of this radiance contrast method for mapping clouds from the earth's surface is evaluated with a view to using the technique for objective observation of cloud amount and distribution in the sky hemisphere.

Discrimination radiance formulas are developed using a multilayer, wavenumber‐specific infrared radiative transfer model including cloud parameters measured by other workers and atmospheric conditions measured by radiosonde. The clear sky radiance (N₀) is the dominant independent variable in the discrimination formulas. The variation of N₀ with time (primarily due to changes in atmospheric water vapour content) and zenith angle are found to be important in distinguishing cirriform clouds from clear sky and other clouds.

The local cloud maps are produced by applying the discrimination radiances (in voltage form) to the output from a narrow‐view infrared radiometer pointed at a sky‐scanning mirror. It is necessary to assume that the radiance from a cloud observed at the surface decreases unambiguously with an increase in cloud base height. Cloud maps for five days in July 1978 indicate the mapping technique shows promise under a wide range of sky conditions. Cloud motions rapidly degrade the maps’ quality over time‐scales that are much less than the current manual cloud sampling period of 1 h.     

利用静止卫星窗区红外亮温反演晴空区风场的初步研究

云导风反演明显的局限是在晴空区无法获取风场。为克服这种局限,提出利用静止卫星红外图像资料反演晴空区风场的方法—时间序列差值法,利用LOWTRAN7对其进行可行性分析,并应用云导风实验系统CWIS进行晴空区导风实验。结果表明：实验结果与NCEP资料低空风场有很好的一致性。因此,在传统的“云导风”基础上,增加晴空区卫星导风,可为卫星遥感资料在台风、梅雨和强对流等天气系统分析预报中的定量应用提供更多的卫星风矢。