暴雨过程的卫星云图纹理特征研究

针对卫星云图上云团所具有的半流体特性，应用纹理特征分析法对其进行定量研究。首先用灰度共生矩阵统计法提取100个样本云团的纹理特征参数，然后应用Mahalanobis距离作相似性测度进行聚类分析，提取出4类云以及无云区的具有旋转不变性的纹理特征参数。在此基础上分析了2003年7月4—5日江淮流域发生特大暴雨地区云团的纹理特征参数的变化规律与降水过程之间的对应关系。从实际的降水资料和纹理特征参数变化的回归分析结果来看，纹理特征参数的变化规律与降水量之间有较好的对应关系。这些结果不仅对中短期天气过程的诊断分析而且对数值预报都具有一定的实用意义。     

Application of a cloud-texture analysis scheme to the cloud cluster structure recognition and rainfall estimation in a mesoscale rainstorm process

It is thought that satellite infrared (IR) images can aid the recognition of the structure of the cloud and aid the rainfall estimation. In this article, the authors explore the application of a classification method relevant to four texture features, viz. energy, entropy, inertial-quadrature and local calm, to the study of the structure of a cloud cluster displaying a typical meso-scale structure on infrared satellite images. The classification using the IR satellite images taken during 4–5 July 2003, a time when a meso-scale torrential rainstorm was occurring over the Yangtze River basin, illustrates that the detailed structure of the cloud cluster can be obviously seen by means of the neural network classification method relevant to textural features, and the relationship between the textural energy and rainfall indicates that the structural variation of a cloud cluster can be viewed as an exhibition of the convection intensity evolvement. These facts suggest that the scheme of following a classification method relevant to textural features applied to cloud structure studies is helpful for weather analysis and forecasting.     

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%。     

基于卫星遥感图象纹理特征的云类识别方法及软件设计

介绍了基于卫星遥感资料,运用纹理学识别云类的原理、方法及软件设计。理论与实际分析表明,不同的云类对纹理敏感,纹理特征量是识别云类的良好因子,软件设计充分考虑了模块化,可视化与交互性。     

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%。     

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。     

华南地区中尺度对流性云团

本文运用1980—1988年4—10月短时间间隔的GMS云图和常规气象资料，在我国华南地区共普查出176个中尺度对流性云团。根据云团面积大小分成三类，分别统计和分析了它们的特征。总结出了云团发生、发展的两个模型，并对两个典型例子作了简要分析和讨论。所得结果表明:中尺度对流性云团是华南地区中尺度强对流系统的主要成员；近地面层的风场和水汽场的辐合及地形强迫，是云团发生的主要机制；低空急流和季风云涌是云团发展的最重要因子。     

1991 年6月江淮持续暴雨的云系特征分析

通过对GMS静止卫星的红外数据处理，获得了1991年夏季江淮梅雨期暴雨大范围的平均云分布。对1991年6月6次江淮暴雨过程逐时和3小时的GMS红外云图动画和照片的分析，得到了该地区梅雨期暴雨的三种中低纬云系相互作用的云型演变模型图，并利用由卫星气象中心处理的NOAA卫星的TOVS水汽反演资料，结合低层的θse和急流分析，给出了1991年6月江淮暴雨的水汽输送的一些特征。     

基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法

以北京市为研究区域,分析了该区域的TM(Thematic Mapper;专题制图仪)卫星影像特征,探讨了水域、农田、林地、草地、城市用地以及云和云影在TM的7个波段上的光谱可分性,提出了NDCI(Normalized Difference Cloud Index;归一化云指数),分析建立了基于NDCI、NDVI(Normalized Difference Vegetation Index;归一化植被指数)、NDBI(Normalized Difference Built-up Index;归一化建筑指数)、MNDWI(Modified Normalized Difference Water Index;改进型归一化水体指数)和坡度数据的简单决策树模型,对研究区的几类主要地物、云和云影的信息进行了提取,并对结果进行了精度评价.在GIS支持下计算了水域、林地、草地和农田的面积,计算了北京市2005年第3季度的水体密度指数和植被覆盖指数.结果表明:该方法的总体提取效果较好,在分类过程中阈值的选取简单、有效,分类结果能够满足计算水体密度指数和植被覆盖指数的要求,从而将遥感技术运用到生态质量气象评价中去,并取得了较为满意的结果.     

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.     

卫星云图形态特征提取和表示的一种方法

利用可变形模型与形状分解相结合，给出了卫星云图形态特征提取和表示的一种方法。首先用阈值法进行云图分割，再提取出可基本代表云图内容的若干主要云块，之后用圆形可变形模型作用于每个主要云块，并结合形状分解的思想将其用圆形基元的组合来表示。对GMS5云图的实验表明，该方法是简单可行的。     

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—201...     

南半球中高纬度区域不同类型云的辐射特性

利用CloudSat的2B-CLDCLASS-LIDAR云分类产品和2B-FLXHR-LIDAR辐射产品4 a（2007-2010年）的数据,定量分析了单层云（高云、中云、低云）和3种双层云（如:高云与中云共存、高云与低云共存以及中云与低云共存）在南半球中高纬度（40°-65°S）的云量、云辐射强迫和云辐射加热率。其中云辐射加热率定义为有云时的大气加热率廓线与晴空大气加热率廓线的差值。结果表明:研究区域盛行单层低云和单层中云,其云量分别为44.1%和10.3%。并且,中云重叠低云在双层云中云量也是最大（8.7%）。不同类型云的云量也显著影响着其云辐射强迫。单层低云在大气层顶、地表以及大气中的净云辐射强迫分别是-64.8、-56.5和-8.4 W/m2,其绝对值大于其他类型云。虽然单层的中云在大气层顶和地表的净辐射强迫也为负值,但其在大气中的净云辐射强迫为正值（2.3 W/m2）。最后,讨论了不同类型云对大气中辐射能量垂直分布的影响。所有类型云的短波（或长波）云辐射加热率都随高度升高表现为由负值转为正值（或由正值转为负值）。对于大部分云,其净云辐射加热率主要由长波云辐射加热率决定。这些研究结果旨在为模式中云重叠参数化方案在区域的适用性评估及改进提供观测依据。      

基于改进mRMR特征选择的云型识别研究

传统的云型识别主要是提取云的颜色、纹理和形状等特征,但这些特征中存在不相关和冗余特征,导致云型识别率降低.在最大相关最小冗余（max relevance and min-redundancy,mRMR）特征选择方法的基础上,运用互信息标准化形式（Symmetrical Uncertainty,SU）克服互信息偏向于取值较多属性的固有缺点,提出了改进的mRMR特征选择方法,对云的综合特征集进行特征筛选,筛选出最优特征子集,运用支持向量机进行云型识别.试验结果表明该方法优于mRMR方法,使层云、积云、高积云、卷云和晴空5种天空类型的总正确率提高,特征选择前、后的总识别率分别为86.96％、89.04％,识别率提高了2％;对于云型识别研究,经过特征选择后可知纹理特征优于形状特征,基于形状的Zernike矩优于HU不变矩,基于纹理的灰度共生矩阵为最优特征提取方法.     

利用全天空数字图像对北京上空云况分布特征的试验分析

利用最新获取的近两年北京上空全天空数字图像资料对云况分布做统计分析,以获得云的分布特征。工作中将图像分为9个扇区和16个环区分别进行分析,从结果看,无云(云量<1)与全天空有云天气(云量>9)情况明显占优,平均各占总量的36%,46%。除去系统误差及计算所带来的误差发现,两年中北京上空多以晴好天气(包含薄卷云)和阴天为主。上空西北部云的分布略显偏多,头顶上空云的出现概率较其他位置低,并有随天顶角增大概率增大的趋势。     

基于生成对抗网络和卫星数据的云图临近预报北大核心CSCD

利用风云四号气象卫星A星(FY-4A)红外云图,基于生成对抗网络方法,提出了红外云图外推预报模型,实现了华东区域未来3 h的云图预报,预报的时空分辨率分别为1 h和4 km。结果表明:该外推模型预报的云图可较好描述云团移动、发展和减弱趋势,对研究区域内云团的强度、位置和形态得到较为理想的预报效果。为了验证提出的云图外推模型的有效性,将其与光流法和轨迹门控循环单元模型进行比较。对比试验结果表明:该云图外推模型具有最优的预报效果,说明使用生成对抗网络进行云图外推具有较好的可行性,能有效应用于气象业务中监测云团的生消和移动并提前预警灾害性天气的发生,为天气预报提供重要的参考依据。     

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。     

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.     

云三维结构对加热率廓线及通量影响的模拟

大气加热率强度与结构是驱动全球大气环流的关键因素,实际加热率分布与云三维结构密切相关。作者使用三维蒙特卡洛辐射传输模式,模拟计算了云分辨模式所得3个典型三维云场的加热率廓线及通量;定义了两个参数来同时描述加热率廓线的垂直分布和强度,通过与独立像素近似算法对比,定量统计分析了高分辨率下云三维结构对辐射的影响。结果表明,在高分辨率条件下云三维结构对加热率廓线和通量影响十分显著,且不同结构云场所体现的影响各具特点,提出需要考察现有大气模式中云三维结构对当前所用加热率计算方案的订正方向。