Cloud Base Height and Effective Cloud Emissivity Retrieval with Ground-Based Infrared Interferometer

Based on ground-based Atmospheric Emitted Radiance Interferometer (AERI) observations in Shouxian, Anhui province, China, the authors retrieve the cloud base height (CBH) and effective cloud emissivity by using the minimum root-mean-square difference method. This method was originally developed for satellite remote sensing. The high-temporal-resolution retrieval results can depict the trivial variations of the zenith clouds continu-ously. The retrieval results are evaluated by comparing them with observations by the cloud radar. The comparison shows that the retrieval bias is smaller for the middle and low cloud, especially for the opaque cloud. When two layers of clouds exist, the retrieval results reflect the weighting radiative contribution of the multi-layer cloud. The retrieval accuracy is affected by uncertainties of the AERI radiances and sounding profiles, in which the role of uncertainty in the temperature profile is dominant.     

基于云类型匹配和距离误差权重的单层云云底高度估计

云底高度(cloud base height,CBH)的观测对地气系统的辐射模拟和保障飞行安全有重要意义。本文结合CloudSat/CPR、CALIPSO/CALIOP和Aqua/MODIS的主被动观测资料,建立了基于云类型和距离的CBH估计算法。本文云分类方法采取国际卫星云气候计划(International Satellite Cloud Climatology Project,ISCCP)的云分类法,并利用A-Train数据对估计结果进行验证。结果表明,CBH的平均误差小于3 km,而低云CBH的平均误差小于1 km。在0~500 km的估计范围内,CBH估计的绝对误差主要在1 km以内,均方根误差不超过3 km。最后,基于此方法,本文重建了一个锋面云系的三维结构。     

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     

卫星遥感云分类和TBB产品在天津地区云状识别的应用分析

利用2012年4月1日至2013年7月31日地面观测资料和卫星遥感云分类、相当黑体亮温TBB产品,针对不同天气类型进行背景统计和个例分析,讨论云分类、TBB产品在云状自动识别中的应用。结果表明:地面云观测取消后,云观测业务可以依据卫星遥感产品展开,即以云分类产品为基础,结合TBB资料和天气现象进行订正。当无降水时,云状以云分类产品为主,如云分类产品为积雨云,可将云状订正为非降水云;当TBB240 K时,同时变率由负值向正值转变至接近0时,有雷暴活动发生,无论是何种云分类产品,云状可直接定为积雨云;TBB在240~260 K,为稳定性降水时,考虑为非对流性云(层积云或高积云、高层云或雨层云)。     

云分类中逐个修改聚类和模糊聚类分类性能的对

利用卫星图像对各种云型进行识别在大气科学领域具有重要意义，为了深入了解云分类过程中逐个修改聚类和模糊聚类对各种云型的识别能力，采用极轨卫星EOS／MODIS图像资料和静止卫星GMS-5图像资料，在样本采集和特征提取的基础上。选择不同的光谱或纹理特征对两种分类器的分类性能进行测试和对比分析。结果发现，不管采用哪种图像资料，提取哪些特征量，逐个修改聚类的平均分类准确率总体上略高于模糊聚类。但就两种分类器对各种云型的识别能力而言，模糊聚类对低云和高云（如层云、薄卷云、密卷云、卷层云、积云）的分类准确率明显好于逐个修改聚类，而逐个修改聚类对积雨云的分类准确率稍高于模糊聚类。从各类别间混判的情形来看，积雨云和高中低混合云、低云之间及卷云子类之间混判的情形较多，模糊聚类与逐个修改聚类相比，混判的类别增多，相对比例减少。     

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.     

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%。     

用多谱阈值法进行GMS-5卫星云图云型分类的研究

介绍了利用GMS-5卫星云图资料获得晴空、半透明云或碎云和高、中、低云的方法。基于最优回归统计法得出多谱阈值与等压面温度的统计关系，利用MM5中尺度数值预报模式的预报结果计算动态变化的多谱阈值，使云判别阈值能适应不同的天气。实际资料试验表明：多谱阈值法是一种可行的云判别和支分类的方法。该方法能较准确地区分云与晴空、判别出高云和低云，对半透明云或碎云及中云也有一定的判别能力。该方法基本能应用于实时云分类 业务。     

用雷达反射率作对流性降水和层状云降水自动分类

为提高雷达定量测量降水的精度,利用武汉CINRAD/SA雷达反射率数据,研究提出了对流性降水和层状云降水自动分类算法(ACSS)。该算法在二维反射率结构场初步分类降水的基础上,识别亮带并从体扫描数据中提取降水的三维结构特征,然后对初步分类结果进行订正。试验表明,ACSS能较准确地实现对流性降水和层状云降水的自动分类,相对于只根据二维结构分类降水性能上有较大提高,主要表现在能正确识别出亮带特征明显的强层状云和对流核外沿的对流弱回波区。     

一种人工神经网络云分类方法的改进与应用

采用2005—2009年FY-2C静止气象卫星可见光和红外自旋扫描辐射计的红外1(IR1)、红外2(IR2) 和水汽 (WV) 亮温资料,选取2449个云分类样本。设计两层嵌套的前向传递后向反馈 (BP) 人工神经网络模型,第1层网络选取IR1,IR2,WV亮温及IR1与WV亮温差和IR2与WV亮温差5个特征量,第2层网络选取特征量IR1与IR2亮温差,两层网络都采用一层隐含层且带有附加动量法的简单网络,降低了网络的冗余度。误差分析表明:嵌套BP人工神经网络模型的分类准确率在中云和薄卷云这两类上分别提高了42.7%和11.3%,整个分类模型的平均平方误差和标准化平均平方误差分别降低了6.1%和44.7%,相关系数提高了3.4%。通过3个个例的对比分析发现,嵌套模型的分类结果比传统模型的分类结果更合理,特别是在中低云和薄卷云的云量和位置分辨能力上有了较大提高。     

高原边坡复杂地形下短时强降水的云型特征分类

利用逐时雨量资料、常规高低空观测资料及FY-2卫星云图,对2010—2015年5—9月甘肃省高原边坡复杂地形下76次短时强降水过程个例的天气形势配置及卫星云图演变特征进行统计分析。结果表明,与甘肃省短时强降水过程相关的特征云型共有6类:副热带高压边沿型、逗点云型、冷锋前部型、冷锋尾部与南亚高压东侧叠置型、冷涡后部型、弱冷锋前部椭圆形MαCS型。其中,副热带高压边沿型、冷锋前部型、弱冷锋前部椭圆形MαCS型与低层暖平流强迫有关。逗点云型、冷锋尾部与南亚高压东侧叠置型主要受高低空冷暖平流强烈交汇影响。冷涡后部型是高空冷平流强迫下形成。冷锋尾部与南亚高压东侧叠置型具有较好的预报指示意义。     

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%。     

测云方法研究进展

定性及定量云基础参量的观测(检测)结果,对提供未来天气变化趋势的依据有着非常重要的意义。对国内外学者多年来使用的各种测云方法得出的云空间分布等情况进行了综合评述。根据不同观测手段的特点,按空基遥感、地基遥感等方法加以区分,分别对上述测云方法逐个分析并相互比较,讨论各种测云方法的利弊,为今后使用这些方法开展的各种科学研究工作提供参考,并展望未来观测研究云的可能方向。     

基于径向基函数网络的云自动分类研究

采用 GMS- 5红外 ( 1 0 .5～ 1 2 .5μm)和可见光 ( 0 .55～ 0 .9μm)两通道资料 ,采集了 1 999年 7— 1 0月中国东南沿海 57区、58区和 59区包括晴空在内的 1 2类云目标样本 2 91 2个 ,采样窗尺寸为 8× 8像素 ,随机生成训练和测试两个样本子集。对径向基函数网络 ( radial base function neural network,RBF)在云分类问题研究中的应用价值进行了全面的测试与分析 ,得到了肯定的结论 ,提出了优化设计的方法。对6类云型分类试验 ,平均正确率为 86 % ;对 1 1类云型分类试验 ,平均正确率为6 7%。采用自组织竞争神经网络实现寻找 RBF神经网络的隐层神经元中心。在特征空间生成过程中 ,采用小波包分解算法实现模式特征抽出。结果表明 ,小波包分解特征能很好地描述不同云型的差异。     

用三通道合成彩色图像进行云的分类解释判读

为更好地利用FY-3A气象卫星上中分辨率光谱成像仪 (MERSI) 资料高空间分辨率及多光谱的优势,细致分析云系在宏、微观方面的多重特征,首先利用平面平行辐射传输模式 (SBDART) 证明了MERSI的0.65,1.6 μm和11.25 μm通道能够分别反映云光学厚度、云粒子大小、云顶高度的信息,然后采用三通道合成彩色图像的方法,对FY-3A气象卫星云图进行云的分类解释判读。该技术可直观区分有云区、无云区,显示海陆分界,并且使不同云类在云图上体现为不同颜色。同时,FY-3A气象卫星高达1000 m甚至250 m的空间分辨率也使云的细致结构更为清晰,两项优势的叠加,大大提升了云的分类解释判读的准确程度和精细化水平。文中还尝试寻找典型云系的三通道特征值,以期为模糊C均值聚类 (FCM) 方法中聚类中心的选定提供经验值参考。     

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。     

用三通道合成彩色图像进行云的分类解释判读

为更好地利用FY-3A气象卫星上中分辨率光谱成像仪(MERSI)资料高空间分辨率及多光谱的优势,细致分析云系在宏、微观方面的多重特征,首先利用平面平行辐射传输模式(SBDART)证明了MERSI的0.65,1.6 μm和11.25 μm通道能够分别反映云光学厚度、云粒子大小、云顶高度的信息,然后采用三通道合成彩色图像的...     

新疆系统性冰雹天气过程的环流形势及卫星云图特征分析

根据1961—2003年新疆90个气象观测站的地面观测资料,统计分析了新疆局地、一般性和系统性冰雹天气过程的气候特征。普查43年历史天气图,将系统性冰雹天气过程分为三种天气类型,并对其进行了物理量合成诊断和环流形势分析。通过对1998—2001年GMS5红外云图的普查,得到新疆438个降雹云团。新疆降雹云团的尺度小、形状不规则、云顶温度较高,强对流云团是冰雹云的主体。     

Three-dimensional Extension of the Unit-Feature Spatial Classification Method for Cloud Type

We describe how the Unit-Feature Spatial Classification Method(UFSCM) can be used operationally to classify cloud types in satellite imagery efficiently and conveniently.By using a combination of Interactive Data Language(IDL) and Visual C++(VC) code in combination to extend the technique in three dimensions(3-D),this paper provides an efficient method to implement interactive computer visualization of the 3-D discrimination matrix modification,so as to deal with the bi-spectral limitations of traditional two dimensional(2-D) UFSCM.The case study of cloud-type classification based on FY-2C satellite data (0600 UTC 18 and 0000 UTC 10 September 2007) is conducted by comparison with ground station data, and indicates that 3-D UFSCM makes more use of the pattern recognition information in multi-spectral imagery,resulting in more reasonable results and an improvement over the 2-D method.     

云微物理参数的地基探测反演研究综述

云相态、云滴谱分布和云液态水含量作为重要的云微物理参数,对气候变化、天气变化、人工影响天气和飞行安全等很多方面都有着重要的影响。云微物理参数的研究已是国际气象学研究领域中的热点之一,而在国内这方面的研究较少。简要论述了地基方法在云微物理学研究的优越性,扼要总结了国内外地基探测技术的发展现状,重点概括了云相态、云滴谱和云液态水3个参数的地基反演算法,并予以评价,展望了未来发展趋势,为国内云微物理研究提供了参考与借鉴。