基于多尺度特征融合网络的云和云阴影检测试验

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。     

从NOAA卫星AVHRR资料反演中国区域地表反照率

由NOAA卫星AVHRR短波通道1、2反射率反演地表反照率需要3个反演模式,分别是窄-宽波段反射率转换模式、大气顶双向反射模式、大气订正模式.基于模式和国家卫星气象中心接收处理的NOAA-18 AVHRR1B数据,处理了2006年1月至2010年12月的中国区域地表反照率,由于云的影响,15天合成技术用来形成周期为15天的地表反照率数据文件.2006年、2010年2年的处理结果与MODIS同类产品对比,RMS为0.028～0.074、相关系数为0.76～0.93,误差较大出现在冬季,原因是两者15天合成方法不同;5年的日平均地表反照率与21个中国地面气象一级辐射站的观测测值作对比,结果是：RMS为0.053、相关系数为0.88.反演模式系统误差以及云和气溶胶影响是卫星反演地表反照率的主要误差来源.     

基于FY-2D的新疆强对流云的识别

利用2007-2013年新疆的十场强对流天气过程以及与之相应的FY-2D静止气象卫星数据,分析了强对流云红外一通道、红外二通道、水汽通道及通道差的光谱特征,提取强对流云团样本点,采用统计方法确定判识指标的阈值范围,构建多通道多阈值判识方法。利用三场天气过程的地面实测降水资料分别验证了单时次和整场天气过程强对流云判识的准确性,结果表明：单时次强对流云的识别区域与发生降雨台站一致的准确率为83%;在整个天气过程中,强对流频次分布与降水实况吻合度较高,说明随着对流云团的移动和发展,判识区域与地面降水区域保持一致,验证了判识方法有效,阈值选取合理,可以为监测暴雨天气系统的发生、发展提供支持。     

PRISM在松花江流域降水分布中的应用研究

基于松花江流域46个国家基准站的年降水资料和分辨率为1km的数字高程模型（DEM）数据，考虑了距离和高程权重，利用PRISM（Parameter-elevation Regression on Independent Slopes Model）内插方法计算了松花江流域2000-2004年各年降水量，通过Arcinfo输出了含有地理信息的降水量分布，细致地反映了松花江流域降水量的空间分布状况，并对所用气象站点数据作了交叉验证，误差在可接受范围内。     

高斯权重法在温度场插值中的应用研究

对于1km分辨率的温度插值，在高斯权重插值法的基础上，提出加入地形因子的两种应用方案，并给出相应的误差订正和逐步订正方案，并以长江流域中上游2001年189个测站的5月1日的平均温度、最高温度、最低温度资料为例，通过比较选取一种简便的、精度高的、与地形吻合更好的复杂地形温度的空间插值方案。利用这种方法所得到地形吻合较好的分辨率为1km的温度场栅格图，且日平均温度、日最高温度和日最低温度，插值平均绝对误差均提高了1．2℃左右(对于平均温度，插值平均绝对误差为0．43℃)，插值平均误差平方的平方根均提高了1．5℃左右(对于平均温度，插值平均误差平方的平方根为0．56℃)，对全年，日平均温度平均绝对误差可达0．77℃以下。     

基于FY3\VIRR数据的积雪遥感监测方法研究 -以阿勒泰地区为例

以FY-3可见光与红外辐射计（VIRR）为主要数据,利用FY3\VIRR 1、6、10通道数据,以指数法和光谱阈值相结合的多光谱积雪监测算法对2013年阿勒泰地区卫星数据进行积雪监测处理。处理结果与MODIS积雪监测业务产品对比分析得出：利用FY3\VIRR可以实现对研究区的积雪遥感监测,监测结果与现有MODIS积雪监测业务产品较一致,具有可比性。     

GMS-5卫星资料和常规地面资料反演大气可降水量

探讨用GMS-5卫星资料结合常规地面资料反演大气可降水量的可行性，建立由3个通道亮温和地面水汽压反演可降水量的经验公式，并分季节进行回归统计，得到不同季节的统计参数。用990组数据对所得到的经验公式进行检验，得探空测值与反演值比较的平均绝对误差为0．1903g／cm^2，均方根误差为0．2758g／cm^2，相关系数为0．97，具有较高的反演精度。     

L与X波段气象卫星信道概率统计特性

为研究大气空间物理层对气象卫星通信的影响,将影响气象卫星信道特性的天气状态分为晴空少云、多云和阴雨天气3种情况,根据不同的静态信道特性分别推导了地面接收气象卫星信号的包络变化规律服从Rayleigh分布 (阴雨天气)、Rice分布 (部分阴影遮挡)、Lognormal分布 (全阴影遮挡) 和Gauss分布 (晴空少云),并建立了相应的概率分布 (PDF) 仿真模型。计算机仿真结果表明:不同传输特性下接收信号组成成分的不同造成其包络概率密度曲线的差异,仿真模型与理论模型的概率密度曲线符合程度很好,验证了理论分析的正确性和有效性,为分析地面接收的气象卫星的数据误码率提供了理论基础。