利用MODIS云检测产品客观确定AIRS云检测

云检测是用卫星资料研究云对气候系统作用至关重要的第一步,采用Nagle的基于扫描几何特性的共同空间匹配算法,用MODIS云检测产品客观确定了AIRS云检测,是将高空间分辨率成像仪产品与高光谱分辨率传感器观测资料结合使用的一次实际应用。合成使用高空间分辨率成像仪与高光谱分辨率传感器观测资料的关键步骤在于:①有效而精确的时间和空间上的匹配;②传感器像素内图像仪云检测产品的断定。不仅是云检测,利用AIRS视场内空间匹配的MODIS云产品,还可以判断AIRS的云相态、有效云量及云光学厚度等。     

用空间匹配的MODIS云产品客观确定AIRS云检测

中分辨率成像光谱仪MODIS有可见光及近红外通道,云检测能力超过大气红外探测器AIRS,在我们的算法中,AIRS云检测由落在每个AIRS视场中的精确空间匹配的1 kmMODIS云检测产品客观确定。实况资料测试说明该AIRS云检测算法简单易行且精度较高,目前正在业务使用。     

利用MODIS大气廓线产品计算空气相对湿度的方法研究

森林火灾遍及全球,损失巨大。火险天气指数（FWI）是森林火灾预警和管理的有效工具。相对湿度（RH）是计算天气火险指数一个非常重要的参数。然而,由插值方法得到的RH在远离气象站点的地方往往存在很大的误差。因此,尝试利用MODIS遥感数据计算基于像元的高分辨率RH。MODIS的MOD07大气廓线产品,可以提供大气可降水量和地表气温数据。基于地面水汽压和大气可降水量的经验关系,利用MODIS数据计算了地表空气的相对湿度,平均绝对误差小于5％。结果表明,利用MODIS数据能简单而有效地计算地表空气的相对湿度,拓展了遥感技术在森林火险管理中的应用。     

基于沙尘气溶胶识别的中国北方地区MODIS云检测产品的改进研究

美国国家航空航天局(NASA)的MODIS业务云检测产品MOD35是其他大气产品和陆地产品反演的辅助数据,也是目前很多云检测研究的检验依据。为研究MODIS云检测业务产品MOD35的监测效果,分析了中国北方地区有沙尘暴天气的MOD35产品,发现产品易将沙尘气溶胶区域误判为云。为了区分沙尘和云,对中国北方地区白天4次沙尘过程数据进行散点图分析,并通过计算损失率得到沙尘气溶胶的11μm、12μm通道亮温差特征和11μm通道、3.7μm通道的亮温范围,改进了MODIS监测沙尘气溶胶的算法。应用此算法对MODIS云检测产品中的沙尘气溶胶污染进行判别,分析结果与国家气象卫星中心发布的沙尘监测一致。改进的算法能有效地监测出MOD35产品中误判为云的沙尘区域,结合MOD35自身的厚气溶胶标记,改进了云检测产品的效果。     

利用MODIS资料对中国西部地区的云检测

许多运用卫星资料的工作首先要求将卫星观测区域内的云去除,而美国国家航空和宇宙航行局(NASA,National Aeronautics and Space Administration)的中分辨率成像分光辐射计(MODIS,Mod-erate Resolution Imaging Spectroradiometer)云检测产品MOD35_L2在光亮表面(如中国西部地区)上空存在较大误差。因而对于云检测结果敏感的工作(如反演气溶胶光学特性),如果简单的采用MOD35_L2,将给最终的结果带来误差。本文提出时间序列方法和MODIS第1(0.659μm)、3(0.470μm)、4(0.555μm)通道多通道方差方法与MOD35_L2中部分云检测方法相结合对中国西部地区进行云检测,得到了较好的云检测结果。     

MODIS多光谱云相态识别技术的应用研究

介绍了卫星多光谱云相态识别的基本原理, 并给出了EOS/ MODIS云相态识别的流程。针对简单和复杂云场, 利用个例并结合无线电探空资料与MODI S三通道合成图肯定了多光谱云相态识别的合理性和实际效果。文中对几个特定天气系统(西南涡旋和西太平洋台风)下大面积云场相态分析的结果表明:多光谱云相态识别技术有一定应用价值, 且需要引入可见光技术来减少红外谱段对多层云覆盖和薄卷云的相态分析误差。     

基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

基于2001～2009年MODIS资料的西藏地区大气可降水量分布特征

利用2001~2009年MODIS近红外的大气可降水的逐月资料,分析了西藏地区大气可降水量时空分布特征及与实际降水量之间的关系。结果表明:西藏大气可降水量时空分布不均匀,空间分布由东南至西北递减;7、8月份大气可降水量最大,夏季大气可降水量占全年的50%;2001~2009年间西藏大气可降水量呈增加趋势,阿里地区、山南地区以及昌都地区增加明显;大气可降水量与实际降水量呈明显负相关,相关系数为-0.688。      

基于GNSS的MODIS大气可降水量校正模型

MODIS大气可降水量（PWV）空间分辨率高但易受云雨等环境因素影响,精度不高.GNSS PWV 空间分辨率较低但具有全天候、不受天气影响、精度高的优点.研究表明两者存在显著的线性相关性,结合两者的优点,基于GNSS PWV校正MODIS PWV可获取大面积高精度的PWV.针对传统的线性回归校正模型没有考虑云、气溶胶等的影响使两种数据线性相关性变差的问题,本文在传统的线性校正模型上增加了使用年积日的非线性周期项的方法来构建校正模型.利用2017—2019年香港地区GNSS对流层延迟与MODIS近红外数据,使用频谱分析线性残差项,结果表明残差具有显著的年周期.对比传统模型,本文模型的平均绝对误差、平均相对误差、均方根误差和拟合度都有明显的改善,表明本文模型可行有效且精度较高.     

MODIS数据云相态反演在一次暴雪过程中的应用

该文选取新疆阿克苏地区2006年11月22—24日的EOS/MODIS卫星遥感资料,同时选取相关气象站的观测资料,应用三光谱云相态反演法,对阿克苏地区暴雪云团的变化过程进行了研究,通过三光谱亮温差点聚图对云相态变化的分析,清晰地展示出该天气系统的发生、发展到最终暴雪形成过程中的物理机制。反演结果与实际气象观测情况相一致;表明三光谱云相态反演法在理论和实际应用方面具有一定优势。     

基于EOS/MODIS的台风"浣熊"云顶相态分析

借鉴MODIS云检测算法的地表生态分型和可信度思想,结合可见光和红外两方面的检测项目,介绍了为云相态分析提供输入的晴空像元检测方法。给出了多光谱判识云相态的综合流程,反演出2002年6月台风“浣熊”的云顶粒子相态分布,并结合1.38卷云检测与MODIS通道1、4、6合成图进行了分析。     

珠江三角洲城市地区MODIS气溶胶光学厚度产品的检验分析

根据2004年1—11月地面太阳光度计的气溶胶光学厚度的观测数据,对美国航空航天局(NASA)发布的中分辨率成像光谱仪气溶胶光学厚度产品(MODIS AOD C004)在珠江三角洲城市地区的准确性进行了检验,并分析了造成MODIS AOD误差的可能原因。分析结果表明:⑴MODIS AOD的误差在NASA的预期误差范围内,MODIS AOD可作为气候变化的研究和区域大气污染监测的有效手段。⑵与世界上其他地区的检验结果类似,MODIS AOD在珠江三角洲城市地区存在一定的系统性偏差:当AOD较小时,MODIS AOD值大多高估,而当AOD比较大时,MODIS AOD值偏低,这一系统性偏差大于全球平均偏差。其中广州和南海的偏差最为显著,东莞和番禺次之。⑶导致MODIS AOD在珠江三角洲城市地区出现较大系统性偏差的原因包括:珠江三角洲工业化和城市化的发展,使地表的植被覆盖率已大幅减少,MODIS AOD反演所采用的地表反照率估算值可能偏小;气溶胶模型中设定的单散射反照率值偏高,低估了珠江三角洲城市地区气溶胶的吸收性。     

DETECTION OF DAYTIME FOG IN SOUTH CHINA SEA USING MODIS DATA

Based on a current fog detection theory, a multiband threshold method for MODIS data was put forward to detect daytime fog in the South China Sea. It used Bands 1, 2, 18, 20 and 31 of MODIS data to separate fog from the cloud and the sea surface. The digital detection indexes were as follows. If RB1<20%, RB2<20% and RB1>RB2, the pixel was identified to be the sea surface. If RB1>55%, RB2>55% and TB31<273 K, the pixel was identified to be a middle- and high-level cloud. If IFC>20, the pixel was classified to be sea fog. The method was verified with sea fog data observed from the coastal region of Guangdong during January-April 2011. Out of the 13 samples of satellite detection, nine were consistent with the surface observations, three were identified to be low-level the cloud according to the satellite detection but fog according to the surface observations, and only one sample was identified to be the ocean surface by the satellite detection but fog by the surface observations. Because the MODIS data cannot penetrate the cloud or fog, the model was designed for a single field of view which had only one layer of cloud or fog. It can accurately distinguish fog which is not covered by the cloud, but it identifies fog as cloud if the former is covered by a cloud. Generally speaking, the model is effective and feasible.     

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.     

暴雨分级卫星云图模型和模式识别

详细分析了1982年与1998年各种暴雨过程的卫星云图，归纳出了暴雨分级卫星云图模型。对卫星云图模型进行了图象处理，提取出了卫星云图模型的纹理、结构、灰度等特征，用统计与句法相结合的方法进行模式识别，效果良好。     

基于MODIS云产品的AIRS云相态的识别和云量产品的检验

选用中国中东部(95～130 °E, 20～60 °N)午后同一时刻相对应的AIRS与MODIS各15景样本数据,将MODIS在红外波段上四种基于亮温的云识别算法对AIRS晴空像元和云像元中不同的云相态进行区分,分别统计出AIRS不同类型像元中这四种云识别算法的亮温差异,根据AIRS在晴空、水云和冰云三种不同相态下亮温的差异,确定出其阈值,实现AIRS晴空和云相态识别。在此基础上,对AIRS不同云相态下反演的有效云量进行检验和改进。结果表明:运用亮温阈值法对AIRS进行云相态识别能够较好地反映AIRS的晴空和云相态特征,云相态分布与MODIS云相态产品对应效果较好,特别在云边缘区域。对AIRS不同云相态下反演的有效云量进行对比和误差分析后发现:当水云有效云量较高、冰云有效云量较低时,AIRS反演的有效云量误差较大。在误差分析的基础上,提出了AIRS有效云量的偏差订正算法,对AIRS反演的有效云量具有一定改进,为AIRS云产品的应用提供参考依据。      

地球静止卫星云图象点定位方法之比较

在假定ＧＭＳ－４地球静止卫星所发定位网格数据的精度满足要求的基础上，通过数学原理分析、改变二维插值顺序、比较插值结果与实际分布等手段，对比分析了利用线性和非线性插值方法给每一个象点定位的结果，发现非线性插值所得结果明显优于线性插值，更加符合实际情况。线性插值的误差在经度方向上较小。可以忽略，但是在纬度方向的误差，即经度误差极为明显。在星下点的左上部，误差由东南向西北迅速增大，有相当一部分地区内经度     

一种基于卫星云图定量估计的三维显示方法

对卫星云图进行云地分离、云分类、云高估计等定量计算,并利用这些定量结果,用OpenGL进行三维建模,首先叠加地形,然后以混合的形式实现半透明与非透明云及全透明的地表区别显示,以云顶高估计结果作为云高,高程作为地面高度进行三角网格绘制,最终实现与实际云团基本相一致的三维云图。