地基双波段测云系统及其对比试验

针对地基测云系统中云在可见光波段与红外波段中表现出的不同特性,用双站数字式云高仪所测云高进行标校,结合地面实时观测天顶红外辐射亮温及地面环境参数,分析地面到云层底大气对红外辐射亮温的影响,从中发现利用天空红外辐射亮温来遥感云底高度的可行性,研发地基双波段测云系统。该系统以对流层大气的垂直温度递减率为理论基础,建立云层底到地面的温度递减梯度参数K,根据递减梯度参数反演天顶方向的云高。该算法不依赖于探空数据,通过实时定标形式得出符合仪器所在地的云底高反演公式。通过与维萨拉激光云高仪CL31进行数据对比分析得出,地基双波段测云系统反演结果具有较高的准确性。     

基于红外实时阈值的全天空云量观测

红外测温传感器在旋转平台控制下定时对全天空进行扫描,拼接全天空红外辐射亮温图像。利用天空中的云点与非云点在红外波段中表现出的不同特性,考虑不同仰角方向天空中云点与非云点的温度差异,结合地面环境参数,实时拟合天顶到水平区间内晴空时刻的温度阈值函数,利用阈值分割方式得出全天空云分布及云量信息。该方法可以有效减少地面环境参数及太阳光照对云图的影响,能够全天实时运行。将利用该方法获取的数据分别与人工观测数据及典型天气条件下可见光测云结果进行对比,结果表明该系统在云量观测方面具有一定的先进性和准确性。     

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。     

基于可见光——红外图像信息融合的云状识别方法

云状的正确观测对降水测报具有指示性意义,云状自动识别技术是气象要素自动化观测领域的难题之一。本文基于全天空可见光成像仪采集的云图与中红外热像仪获取的云图结合,对天空云状进行分类和测量。结果表明:通过在北京、杭州和丽江气象台站采集的大量云图,从云图特征和降水指示性方面将云状划分为Clear、C_H、C_L、C_B及C_M共5类。选取14个色彩和纹理特征值作为云状计算参数,采用552张云图作为训练样本,信息分类利用特征值加权最小距离算法,对于5类500个被测样本进行云状的判别。对应自拟的标准云状分类,平均准确率为82%。基于可见光—红外图像信息融合的云状识别方法结合了可见光图像色彩信息丰富的特点及红外图像可以降低雾霾干扰的优势,对比单一可见光传感器云测量,准确性有所提高。本文在可见光与红外图像传感器等多种云观测设备的信息融合方面进行了有益的尝试。     

地基热红外云高观测与云雷达及激光云高仪的相互对比

2008年5月至12月中美（美国能源部大气辐射测量（ARM）计划）联合利用ARM移动观测设施（AMF）在安徽省寿县进行了大气辐射综合观测试验,地基云参数观测仪器主要有:（1）云雷达（ARM W-band (95 GHz) Cloud Radar）,观测结果为反射率廓线,时间分辨率为2 s;（2）云高仪（Vaisala Ceilometer）,观测结果为云底高度和后向散射廓线,时间分辨率为15 s.两者均为天顶方向观测.扫描式全天空红外成像仪（SIRIS-1型）于11月27日～12月30日在寿县参加了观测,观测方式为全天空扫描,时间间隔为15分钟.三种云观测仪器共并行观测16天.利用全天空红外成像仪测得的天空红外亮温和同步观测的地面气象数据进行了等效云底高的反演.以全天空红外成像仪天顶方向观测时间前后15次云雷达反射率廓线的平均廓线,云高仪12次观测中有云时次云底高的平均值分别作为同步观测结果,利用平均反射率廓线进行了各层云的云底、云顶、回波峰值高度和回波积分值的提取和计算.三种观测仪器以10 km云底高为限,共同步观测1661次,其中云雷达、红外成像仪和云高仪分别观测到云:428,287,225次.本文分3种情况:（1）全部有云观测情况,（2）单层云,（3）双层及三层云,分别进行了三个仪器观测云高的对比.对比结果:情况（1）,云雷达与云高仪、云雷达与红外成像仪的相关系数分别为0.6和0.82;情况（2）,三者共同观测75次,云雷达与红外成像仪相关系数为0.85,与云高仪相关系数为0.53,标准差分别为0.88 和1.61 km;情况（3）,红外成像仪云底高绝大多数在云雷达观测的最上、最下层云之间,有时接近上层云,有时接近下层云.对比结果显示,地基热红外对于观测中低云高具有稳定、可靠、经济和便捷等优势,但观测结果较云雷达系统偏高.文中同时提出了初步的校正方法.     

利用全天空可见光图像反演天空辐亮度

由中国科学院大气物理研究所LAGEO实验室研制和开发的地基全天空成像仪,可实现地基全天空自动化观测,文中首先对全天空成像仪仪器及性能进行介绍.辐亮度是气象科学研究中基础而重要的气象要素,而全天空成像仪记录的是可见光红、绿、蓝三波段辐射信息的灰度值图像,因而无法直接应用到气象研究中.为能够从灰度值图像中获取天空辐亮度信息,文中详细介绍了与亮度反演密切相关的几个重要标定实验,包括儿何标定、光学标定,以标定参数为基础并结合全天空仪器成像原理提出了一个由可见光灰度图像反演相对天空辐亮度分布的算式算法.文中还利用大气物理研究所香河观测站(39.75°N,116.96°E)同时观测的全天空成像仪以及CIMEL光度计所观测的天空辐亮度数据(440 nm波长),对该反演算式进行检验和比对,结果表明,所提出的算法进行天空辐亮度分布反演可行,该算法将灰度图像与天空辐亮度建立了联系,有利于观测图像数据与数值模式模拟工作的相互对比和验证,有利于观测图像数据在模式研究中的应用.     

基于晴空阈值法的全天空红外图像云量计算

为提高新疆戈壁地区云的自动化观测水平,基于全天空红外成像仪(WSIRCMS)获取的红外辐射图像,利用辐射传输模式SBDART分析了仪器测量波段对有云无云状况的敏感性并构建了拟合方程,同时利用典型季节的晴空辐射样本拟合了晴空曲线并统计形成了晴空阈值,最后利用统计晴空阈值对全天空红外辐射图像进行云像素识别和总云量计算。将不同季节总云量计算结果同人工观测结果对比验证表明：观测时段算法计算总云量和人工观测总云量差值在±2成以下的概率均在80%以上,说明该方法具有较高的准确度和较强的实用性,在观测业务中具有较好的应用前景。     

船载毫米波云雷达观测西太平洋云宏观特征对比分析

2017年10月15日至11月15日,利用"科学"号海洋科学综合考察船安装的两种型号云雷达(HT101、HMBKPS)开展西太平洋云观测试验研究。试验期间定时释放探空仪,利用探空仪的出云及入云高度,开展云雷达云高准确性分析;同船安装一台可见光热红外双波段天空成像仪获取天顶图像,分析云雷达数据获取率。试验结果表明:两部云雷达云高数据一致性较好,探测云底高度相关系数为0.997,云顶高度相关系数为0.988;云雷达探测云高准确性高,与基于探空识别的云底高度平均偏差分别为130 m(HT101)、72 m(HMBKPS),云顶高度平均偏差分别为310 m(HT101)、190 m(HMBKPS);受海洋性气候及船体摇摆影响,两部云雷达云数据获取率分别为57.8%(HT101)、68.7%(HMBKPS),漏测主要为卷云和淡积云。     

地基可见光全天空云图云量图像处理识别方法

为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显著。     

联合星载毫米波雷达和中分辨率光谱成像仪的云底高度反演

云底高度是云重要的宏观物理参数。本文基于MODIS和CPR探测得到的可见光、红外和毫米波数据,提出了用主成分分析(Principal Component Analysis,PCA)和BP神经网络反演云底高度的新方法,并以相对湿度阈值法处理探空资料所获取的云底高度为基准,对PCA-BP法和CloudSat产品获取的云底高度进行了对比分析。结果表明:对绝大部分类型的云,PCA-BP法的反演偏差小于CloudSat产品。PCA-BP法和CloudSat产品反演的云底高度在夏季偏低,在其他季节偏高,且PCA-BP法与探空仪的均方根误差在所有季节均小于CloudSat产品,两者反演的云底高度具有一致的季节特征,即夏高冬低。PCA-BP法和CloudSat产品所获取的云底高度随纬度升高有减小趋势,在不同地区,两者具有不同的反演效果,反演误差随纬度升高而逐渐减小,对比结果说明了PCA-BP法反演云底高度具有一定的可行性。     

基于双目成像云底高度测量方法

采用基线长为60 m的一对数字摄像机,构成双目成像云底高度测量系统,随着数字摄像技术和立体视觉传感器的发展,尤其是双目成像视觉传感器以结构简单、使用方便、测量精度高等诸多优点而被广泛应用。通过直方图均衡化方法对图像进行增强,利用亚像素角点检测器检测角点提高测量精度,并采用归一化互相关方法进行区域相关检测寻找同名点,将外极线约束引入图像匹配过程中进行同名点粗差去除,提高测量准确度;再根据匹配特征点得到相对视差,利用摄影测量原理计算云底高度;建立三维实验室标校场对相机进行内外方位元素标校,利用星星相对位置与相机姿态角的关系对相机进行现场标校,简化标校系统提高测量精度。利用2011年5月1日—6月30日采集的样本,在北京市观象台与维萨拉生产的CL31激光云高仪进行对比试验,并对产生云底高度测量系统误差的可能原因做出具体分析。     

风云三号降水卫星多角度偏振成像仪的观测特点和应用潜力

准确测量大气中云和气溶胶的辐射特性对数值天气预报和气候变化具有重要意义。搭载在风云三号降水卫星上的偏振载荷是国内首个具有短波红外通道的多角度偏振成像仪（Polarization and Multi Angle Imager, PMAI），计划于2023年年初发射，为气溶胶〖CD*2〗云〖CD*2〗降水观测链条提供重要支撑。该仪器运行在非太阳同步的倾斜轨道，可提供3 km（星下点）空间分辨率和700 km幅宽的图像。PMAI的观测通道包括1030 nm、1370 nm、1640 nm的偏振通道和相应的非偏振通道，可提供14个角度的观测信息。PMAI将利用自然目标的在轨替代定标和同平台仪器的交叉定标，实现5%的辐射测量精度。观测和仿真数据表明PMAI拥有描述云和气溶胶特性的独特优势。全新的短波红外通道的多角度偏振测量可以优化云相态识别和云微物理参数反演、气溶胶的地气解耦以及地表方向反射特征的表述。处于非太阳同步轨道的PMAI具有独特观测几何，可以获得大气粒子辐射更宽的散射角分布信息。此外，PMAI可联合同平台中分辨率光谱成像仪的可见近红外和热红外通道的观测信息，进行云和气溶胶的协同反演。〖JP〗     

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.     

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。     

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。     

多源观测数据在LAPS三维云量场分析中的应用

该文将我国FY-2C气象卫星通道数据、地面观测数据、雷达数据融合进入LAPS (Local Analysis Prediction System) 三维数据分析系统中,获得了三维云量场分布,并采用北京地区2009年11月9日08:00(北京时,下同) 和华南地区2008年6月12日14:00个例,设计了5种试验对LAPS融合的云量场进行分析。结果表明:LAPS云分析中,地面观测对云底结构起主要订正作用,雷达观测对云中、低部信息起主要订正作用,而卫星云图数据对云顶分布订正效果显著,卫星资料是获得客观三维云量场不可或缺的数据。