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。     

全天空云图获取的一种方式及算法实现

针对目前气象观测中云的人工观测的主观性以及没有客观的历史实况记录可对照查询的情况,本文提出一种以观测员角度的全天空云图获取方式,将相机绕观测点旋转实现对全天空的拍摄,通过相应的拼图算法得到全天空图像.与当前国内外研究工作普遍使用的广角鱼眼镜头相比较,这种方式可以避免鱼眼镜头造成的畸变.因此,用这种全天空图像获取方式进行云的自动观测是可行的.     

全天空成像仪云量计算方法的改进

全天空成像仪（total sky imager 440,TSI-440）可以实现白天全天空云量的持续自动监测,时空分辨率较高,得到的云量计算结果更精确.首先介绍了TSI-440的基本原理和资料格式,并基于太湖地区2008年5-10月的TSI-440资料及无锡站地面观测资料,采用统计方法详细地分析了不同天气情况下图像的成像特征及云量的计算误差.结果发现：图像的成像特征与能见度密切相关,红蓝比值随着能见度的减小而增大.另外,仪器在处理阴天图像及复杂天空（多云）图像时,易造成一定的云量计算误差.针对上述问题,本文通过直方图分析,重新选定了红蓝比阈值（晴空点阈值0.62,云点阈值0.66）,基于新阈值计算的云量结果较仪器自带的处理结果更为准确,减小了因天气状况不同而产生的云量计算误差.     

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。     

霍夫变换在卫星云图异常数据检测中的应用

由于噪声与干扰的存在,导致卫星云图接收过程中产生丢线、马赛克等异常数据。依靠人工进行检测与统计,不仅工作效率低,准确性也得不到保证。研究基于霍夫变换的卫星云图异常数据的检测方法,并且结合其分布特点,针对卫星云图实时性要求高、传统霍夫变换运算量大的问题对边缘检测算子检测方向进行了优化,试验结果表明可以有效提高30%的运算速度。实现对卫星云图异常数据的准确定位与快速检测,对于日后排查干扰源,进一步提高卫星云图接收质量具有重要意义。     

多通道卫星云图云检测方法的研究

通过对2002年7、8、9三个月,范围为(8.65°N～59.65°N,73.22°E～134.42°E)的GMS-5卫星云图3000多次数字资料的取样,根据遥感原理和样本统计特征,探讨了常用的通道阈值法云检测方法,并尝试建立了红外分裂窗通道差值法和通道综合运算法的云检测方法。通过各种检测方法比较分析后发现:对通道阈值法,只要用红外一和可见光两个通道的阈值,就可得到较好的检测效果,但用这种方法阈值要随着太阳高度角和季节的变化发生相应的变化,虽阈值变化的幅度不大,却会对云检测工作带来很大的不便。此外,该方法云检测的结果存在地理位置的影响,即检测出的云量在中低纬度偏多而较高纬度偏少。作者建立的通道综合运算云检测方法,不仅改善了地理位置的变化对云检测带来的影响,而且通过红外分裂窗通道差值检测,可减弱太阳高度角的影响,减少了检测过程中阈值变化的繁琐,同时得到了更好的检测效果,检测结果与其可见光图像中的云区相比基本符合。     

浅谈利用卫星云图资料估计降水的方法

本文介绍了卫星云图估计降水的几种方法,并通过对卫星云图数据的处理得到实时亮温场,建立亮温场与降水量之间的相关方程,进行降水估算。     

一种神经网络的云图短时预测方法

依据6hT213数值预报产品的资料,采用EOF展开和人工神经网络等方法,对卫星云图短时预报方法进行研究。首先对卫星云图灰度值样本序列进行EOF展开,将提取出来的时间系数作为建模的预报量,以数值预报产品的物理量场作为预报因子,建立人工神经网络预测模型。将预报得到的时间系数与空间特征向量进行时空反演,实现对未来6h云图的预测。预报方法的独立样本试验证明,预测结果与实际云图的主要特征基本吻合,尤其在预测云图的大体分布和发展趋势上得到了较好效果。     

基于小波包分解和形态学融合的地基云图边缘检测

采用一种基于小波包分解和数学形态学融合的边缘提取方法用于地基云图的边缘检测．首先对图像进行基于小波包分解的边缘提取,然后对图像进行数学形态学的边缘检测,最后利用图像融合技术对两幅图像进行融合得出最优边缘图像．通过Matlab软件验证和比较,表明该方法实际使用效果较好     

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%。     

用数字云图确定热带气旋强度的原理和方法

本文采用数字云图资料，分析热带气旋强度与热带气旋中云系结构的关系，提出了云系结构紧密度因子的概念并用云带旋转的圈数表示热带气旋强度的方法。本文对原有关于热带气旋中云系结构的某些因子的取值作了适当调整， 改进了用增强红外云图确定热带气旋强度的方法。 经过对2446组样本的拟合，热带气旋强度最大风速估计值的平均绝对误差为2.48 m/s。本方法可以实现人机交互，能更客观地作出定量估计。对1993年12个热带气旋检验，最大风速平均绝对误差为2.31 m/s。     

用增强显示云图确定热带气旋强度的方法

文章介绍了用增强显示红外云图确定热带气旋强度的方法。利用1983—1988年GMS增强显示云图资料，对中央气象台使用的《用地球同步气象卫星红外云图估计热带气旋强度》的方法中的云特征指数进行了修改与调整，增加了眼区的温度、中心强对流云区和螺旋云带的云顶温度等新的云特征因子。经统计、拟合，得到云特征指数与热带气旋中心附近最大风速、最低海平面气压的对应关系，给出了计算热带气旋强度的人-机交互方法流程，此方法对各种强度的热带气旋都能客观地计算其强度，使用简便，且精度满足业务应用要求。     

基于LBP算法的全天空红外云图的分类研究

利用局部二值模式（Local Binary Patterns,LBP）,结合局部云图的方差信息（VAR）,对全天空红外测云系统获得的红外云图进行了分类研究。首先建立了器测云状分类与传统分类的对应关系,其次分析了层状云、积状云、波状云、卷云和晴空5种类型天空的LBP谱和VAR特征,最后对274个样本进行了分类识别,并与人工观测结果比较,结果表明,层状云、积状云、波状云、卷云和晴空的识别正确率分别为100．0％、84．2％、70．3％、64．7％、99．0％,平均正确率达到87．2％。     

利用卫星云图定量分析副热带高压活动的方法及应用

利用数字图像处理方法,设计了一种多重处理的算法,从卫星云图提取定量信息,定量描述副高强度和演变趋势,并应用于预报业务。应用实践表明,这些方法具有客观、定量、自动等优点,在实际使用中可客观定量地跟踪和预报副高演变,对做好广西前汛期暴雨预报有较大的帮助。     

用数字云图确定热带气旋强度方法的检验和应用

以关岛飞机探测的热带气旋资料和登陆热带气旋的实测风资料为观测值，将用数字云图确定的热带气旋强度与观测值作比较，其平均绝对误差均不足3 ms-1。文章还给出了1994年业务试用结果。检验结果表明，此方法具有业务应用价值。     

利用GOES9静止卫星的PGM云图辨别雾区方法初探

本文通过GOES9静止卫星的PGM云图和沿岸地面测站的观测结果,结合2005年3月27日一次大雾个例展开研究,通过分析PGM云图在所获得的可见光云图上,确定一个最低反照率来辨别雾区;另外,试图选择1通道红外云图亮度温度值结合确定雾区和高度,并且希望以此来进行夜间雾区的监测和预报。经过选取不同最低反照率反复试验,最终确定0.13能够很好地反映雾区,而利用1通道红外云图则不能通过亮度温度TBB这一指标确定雾区。     

基于尺度不变特征变换的云导风计算方法

提出了基于尺度不变特征变换的云导风计算方法,通过计算图像的尺度不变特征点并进行特征点匹配得到云导风矢量结果。选取风云2号卫星拍摄的卫星云图作为实验基础数据,运用传统的最大相关系数法和基于尺度不变特征变换的匹配方法,对得到的两种计算结果进行对比分析。结果表明:基于尺度不变特征变换的匹配方法计算得到的有效风矢量较多,且分布有规律,能很好地应对不同情况的云团情况计算出合理的风矢量结果。     

遥感图象区域面积的计算

遥感图象区域面积的计算潘耀忠（内蒙古气象灾害监测服务中心）１前言用计算机分析遥感图象时，常需计算某一不规则连通区域（如湖泊、岛屿等）的面积。计算方法之一是开窗将感兴趣区域（假设为某一湖泊）全部包含于此窗中，再依次检查此窗口内的每一象素点，判别其是否具...     

Shapley-模糊神经网络方法在华南台风卫星云图的长时效滚动预测中的应用

为了更好地利用大量的卫星云图观测资料来提高台风暴雨的预报能力,解决并提高对台风强降水云系变化的预报精度,延长对未来云系变化的预报时效,构建基于合作对策Shapley-模糊神经网络的华南区域台风卫星云图非线性智能计算滚动集合预测模型,对增强卫星云图资料在台风暴雨天气预报中的实用性和及时性具有重要意义。依据2013—2016年华南区域台风影响过程的卫星云图,采用类似于数值预报模式的集合预报方法,通过对间隔6 h的卫星云图云顶亮温样本序列做经验正交函数分解,将提取出的时间系数作为云图预报建模的预报分量。考虑台风云系的发展变化主要受云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用k-近邻互信息估计的分步式变量选择算法,通过两步过程实现相关变量的选择与弱相关变量的剔除,分别建立相应时间系数的Shapley-模糊神经网络集合预报模型,进一步将预报得到的各时间系数与空间向量合成,重构得到未来时刻的卫星云图预报图,实现了云图6—72 h的长时效客观滚动预测。试验结果表明,新方案所预测的云图与实况云图相关较高,重构云图的基本轮廓、纹理特征分布、清晰度以及云系强弱方面都比较接近原始云图。另外,研究进一步基于相同的云图预报因子,针对同样的建模和预报样本采用多元线性回归方案进行和新方案一致的云图预测。对比结果表明,这种非线性预报模型比线性方案能更好地预报未来较长时效台风云团的发展、移动的主要特征和变化趋势,其预测的云图与实际云图的主要特征更相似。云图预报时效达到了72 h,具有业务实用价值。