首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 171 毫秒
1.
三维云场分布诊断方法的研究   总被引:1,自引:0,他引:1  
利用2007-2008年Cloudsat云检测产品与ECMWF再分析资料的相对湿度进行统计分析,得出了中国云内外相对湿度判别阈值及其随高度的变化,提出了基于再分析资料的三维云场分布诊断方法,应用于实例三维云场诊断,并与卫星、雷达、地面云降水观测等资料进行了对比分析,得到的主要结论有:(1)Cloudsat云判别有效值20的云区位置与Cloudsat辅助产品给出的ECWMF再分析资料的相对湿度高值区有较好的时空对应;(2)不同高度范围的云内相对湿度都呈单峰型分布,峰值在相对湿度100%附近,晴空相对湿度受当地大气环境影响,各地各高度都有差别;(3)通过相对湿度对云区和晴空的TS评分测试,得出了诊断云区的相对湿度阈值及其垂直分布;(4)利用NCEP再分析资料对中国三维云场的分布进行个例诊断应用,与卫星、雷达和地面云降水观测的对比表明,云区附近的湿度梯度大,相对湿度阈值法诊断的云区总体比较稳定;(5)诊断的云区与上升气流区对应较好,云区和晴空的分布与卫星TBB观测大致对应,云厚(即云格点总数)与光学厚度和地面降水的分布比较一致;(6)云场垂直剖面可以清晰地看出其分布同天气系统的关系,诊断的云区与地面云观测比较一致,云层密实深厚的区域通常对应着地面降水;(7)单点的云垂直结构随时间演变与当地的雷达和地面云降水观测都比较一致。  相似文献   

2.
中国区域云特性分析及在FY-2云检测中的应用   总被引:3,自引:2,他引:1       下载免费PDF全文
刘健 《应用气象学报》2009,20(6):673-681
云检测中所使用的云检测阈值正确与否是关系到云检测精度的重要因素。该文利用1983年7月-2007年6月ISCCP数据对覆盖我国及周边区域不同云类云顶温度的年、日变化特征进行分析, 得到云顶温度的分布特征; 对晴空下垫面与最暖云云顶温度差随纬度分布特征、不同区域晴空下垫面及云顶温度与晴空地表温度差日变化特征进行分析, 这些特征及每3 h的晴空下垫面24年平均亮温作为云检测算法的背景场, 用以判识实时动态提取云检测阈值的合理性。个例分析表明:利用多年平均晴空下垫面温度及最暖云云顶温度与晴空下垫面温度之差, 可有效识别云检测阈值的合理性, 合理的阈值有助于提高连续多日被云覆盖及冰雪下垫面条件下的云检测精度。  相似文献   

3.
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%。  相似文献   

4.
L波段探空判别云区方法的研究   总被引:4,自引:1,他引:3  
利用2008年1月到2009年12月的L波段探空资料,和与之时空匹配的Cloudsat云观测资料,首先分析了云内和云外相对湿度的累积频率分布,发现以75%作为相对湿度阈值判断云准确率可达81%。随后利用BS(Bias Score)和TS(Threat Score)评分方法,对不同相对湿度阈值进行评分分析,发现以81%作为相对湿度阈值TS评分可达0.66,为最高。接着利用BS和TS评分方法分不同高度对相对湿度阈值进行评分分析,发现随高度的增加该高度上具有最好TS评分的相对湿度阈值在减小。利用这些阈值对云判断时,总的TS评分高于0.6,且其准确率达到84%以上,比利用单一相对湿度阈值判断云准确率要高。最后对这些阈值进行优化,得到一套适合于我国L波段探空秒数据的云垂直结构的判别方法。  相似文献   

5.
利用商丘1984-1991年的雷达回波资料,找出雹云与雷达回波参数之间的综合关系,统计出判别雹云的指标,分别建立了5~6月、7~9月短时预报方程。结果表明,此方法简便、实用。  相似文献   

6.
基于雷达回波强度面积谱识别降水云类型   总被引:1,自引:1,他引:0  
基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积(回波强度不小于40 dBZ的回波面积)占总回波面积百分比和基本降水回波面积(回波强度不小于20 dBZ的回波面积)占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。  相似文献   

7.
本文采用集成预报方法,将天气学诊断、雹云数值模拟、雷达回波参数判别三种预报方法的结论经(0,1)化处理,分别作为预报因子,根据三种不同预报方法的预报准确率给出各个因子的权重系数,最后调整组合成雹云临近预报方程。结合三峡近坝区5年的降雹资料,建立预报模型。外场试验检验表明该集成预报系统预报准确率可达到70%以上。  相似文献   

8.
朱文刚  李刚  张华  金大智  王根  钟亦鸣 《气象》2013,39(5):633-644
目前GRAPES-3DVar(全球\区域同化预报系统)使用的AIRS云检测方案只能够检测出完全晴空时的视场资料,对于受到云污染的视场,所有通道资料全部被剔除。研究表明有云视场当中的云顶以上资料对数值预报的影响更加重要,研究也更加有意义。因此,文章借鉴McNally和Watts云检测方案,结合GRAPES-3DVar系统和仪器特征,建立了一种适合于GRAPES-3DVar模式的晴空通道检测方案。该方案不但可以检测出完全晴空的视场资料,同时也可以检测出有云视场当中不受云影响的云顶以上通道资料;另外,还可以求出云顶高度,判断出高、中和低云。然后,将AIRS观测资料分别用晴空视场检测方案和晴空通道检测方案进行云检测,从结果分析看,晴空视场检测方案可以检测出的晴空资料占总资料的9.14%,而晴空通道检测方案检测出的晴空资料达到了34.86%,是传统云检测方案的3.8倍,大大增加了资料的使用度。  相似文献   

9.
徐双柱  吴涛  张萍萍  王继竹  董良鹏 《气象》2015,41(9):1159-1165
根据2010—2014年风云2号(FY 2)和风云3号(FY 3)气象卫星资料,结合雷达资料、常规观测资料和数值预报产品等,利用多阈值法、面积重叠法进行了湖北省暴雨云团的识别跟踪方法研究;利用配料法进行了湖北省6 h暴雨短时预报方法研究。建立了以网页形式的风云系列卫星资料的暴雨监测预报业务系统,定量监测和预预暴雨的发生、发展。2014年应用检验结果表明,该系统对于湖北省暴雨的监测和预报有指导作用。  相似文献   

10.
邓松  李刚  张华 《气象》2017,43(2):213-220
GRAPES3Dvar大气红外高光谱云检测采用McNally andWatts(2003)的晴空通道方案,该方案基于模拟观测与实际观测偏差(B-O)进行检测,其中阈值的选取与预报模式有关。传统对云检测阈值的选取多采用主观判定方法,如图像对比分析等。文章在主观判定的基础上提出两种新的较为客观的阈值判定方法:(1)视场偏差分析:通过分析模拟观测与实际观测之间偏差的垂直分布,观察不同阈值下的云顶高度来评估阈值选取的合理性;(2)云检测指标评分:通过建立一系列云检测指标,对其进行评分来选取最优的阂值。并结合上述三种方法,将其应用于IASI辐射率资料的云检测阈值判定,其中梯度阈值对最后的云检测效果影响不大,保持与欧洲中心相同的值;偏差阈值则采用综合的分析方法进行判定,从而克服了单纯利用云图对比而带来的视觉误差。分析结果表明,偏差阈值取2.0 K、窗区通道梯度阈值取0.4 K,非窗区通道梯度阈值取0.02 K时云检测的效果最好。最后进行的为期1个月的试验显示:通过对比不同云检测偏差阈值的同化效果,选取的云检测闾值是有效的。  相似文献   

11.
毫米波雷达云回波的自动分类技术研究   总被引:1,自引:0,他引:1  
毫米波雷达在云探测方面比厘米波天气雷达和激光雷达具有显著优势,可获得更多的云粒子信息,是研究云特性的主要遥感探测设备。为了开展对毫米波雷达探测的云回波进行自动分类的研究,利用161次云回波的个例数据,统计得到了卷云、高层云、高积云、层云、层积云和积云6类云型的特征量和其他参量的数值范围,利用分级的多参数阈值判别方法,达到了自动分类的目标,通过与人工分类的初步验证,两种分类结果的一致性达到84%,其中,层云和积云的识别一致较低的原因在于样本数据有限,仅有6次层云和8次积云的个例样本数据。通过更多样本的处理,提取的特征参量更可靠,自动分类的准确率会得到提高,以便将基于毫米波雷达的云分类技术应用于将来的云观测自动化业务。   相似文献   

12.
王远谋  郁凡 《气象学报》2017,75(4):618-631
利用SBDART模式正演了主要云类在多光谱通道上的光谱特性,分析了在由不同通道组成的二维光谱空间中的云类分布;又以MTSAT-2多光谱静止卫星观测资料与CloudSat云廓线雷达分类产品匹配,建立了包含诸主要云类光谱特性的数据对。在此基础上,采用单位特征空间归类分析法,反演并分析了各典型云类在相应二维光谱空间中的分布范围和高频集群分布特点;结合正、反演结果,应用最小距离分类与最大似然估计方法进行了云分类试验研究。经过单位特征空间方法的调整,最终确定了较为准确的适用于全天时云分类的判据。检验结果表明:根据多通道的云光谱特性区分高、中、低云和对流性及非对流性降水云是可行的,由此能够实现全天时云系生消、移动的连续可靠监测。   相似文献   

13.
This paper presents the automated pixel-scale neural network classification methods being developed at National Satellite Meteorological Center(NSMC) of China to classify clouds by using NOAA/AVHRR and GMS-5 satellite imageries.By using Terra satellite MODIS imageries,an automated pixel-scale threshold technique has been developed to detect and classify clouds.The study focuses on applications of these cloud classification techniques to the Huaihe River and the Changjiang(Yangtze) River drainage basin.The different types of clouds show more clearly on this cloud classification image than single band image.The results of the cloud classifications are the basis of studying cloud amount,cloud top height and cloud top pressure.Cloud mask method sare widely used in SST,LST,and TPW retrieval schemes.Some case studies about cloud mask and cloud classification in satellite imageries,which are related with the study of Global Energy and Water Cycle Experiment(GEWEX) in the Huaihe River and the Changjiang River drainage basin are illustrated.  相似文献   

14.
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.  相似文献   

15.
为加强新疆戈壁地区云的自动观测,利用辐射传输模式SBDART和新疆博湖地区历史气候资料,分析了当地大气向下红外辐射对大气影响因子的敏感性和利用全天空红外辐射进行云识别分类的可行性,并提出了一种基于典型云族红外阈值的云分类方法。结果表明:(1)水汽、云、天顶角、能见度等对中红外波段向下红外辐射值都有较大影响;(2)当能见度较差时,气溶胶对向下红外辐射的贡献不可忽略,并由于局地气溶胶辐射特性难以确定,因此是利用天空向下红外辐射进行云识别时的一个不确定因素;(3)根据8~14μm波段不同云族的辐射特性差异分析,阈值法是进行云识别和云族区分的有效方法。但该方法应用效果的好坏依赖于实测探空数据和历史气候数据的有效性及准确性。  相似文献   

16.
基于自适应阈值的地基云自动检测方法   总被引:3,自引:1,他引:2       下载免费PDF全文
云的高精度检测是云量计算的基础,利用晴朗天空下天空呈蓝色、云呈白色的属性, 该文提出一种基于最大类间方差的自适应阈值云检测方法, 并分别基于蓝红波段比值、差值和归一化差值处理进行试验。相比固定阈值的云检测方法, 自适应阈值具有更大的通用性, 且定量的评估结果表明:归一化差值处理在云检测的正确率和精确度方面都获得了令人满意的检测效果。  相似文献   

17.
改进的Holroyd云粒子形状识别方法及其应用   总被引:1,自引:0,他引:1  
黄敏松  雷恒池 《气象学报》2020,78(2):289-300
云降水粒子形状是影响云微物理过程的重要因素,准确的云粒子形状信息是诸多云微物理参量计算的前提。为获取机载云粒子成像仪(CIP)所测云粒子的形状信息,文中提出了一种改进的Holroyd云粒子形状识别方法,即先对云粒子形状进行预分类,然后针对预分类后的完整粒子和可识别的部分状粒子,分别选出合适的参数及其阈值再进行具体的分类,最终可将云粒子分为微小状、线形状、聚合状、霰、球形、板状、不规则和枝状。利用实测数据对原始的Holroyd方法和改进的Holroyd方法进行识别效果对比验证。结果表明改进的Holroyd方法在云粒子形状识别的准确度方面比原Holroyd方法有较大的提高。将所提方法应用于太原地区一次降水性层状云的云微物理飞机观测资料以分析不同的降水阶段云中冰晶粒子的形状分布、增长机制、冰晶粒子数浓度以及冰水含量的垂直分布特征,所获取的云中冰晶粒子属性表明新提出方法有助于云微物理分析。   相似文献   

18.
A convective and stratiform cloud classification method for weather radar is proposed based on the density-based spatial clustering of applications with noise (DBSCAN) algorithm. To identify convective and stratiform clouds in different developmental phases, two-dimensional (2D) and three-dimensional (3D) models are proposed by applying reflectivity factors at 0.5° and at 0.5°, 1.5°, and 2.4° elevation angles, respectively. According to the thresholds of the algorithm, which include echo intensity, the echo top height of 35 dBZ (ET), density threshold, and ε neighborhood, cloud clusters can be marked into four types: deep-convective cloud (DCC), shallow-convective cloud (SCC), hybrid convective-stratiform cloud (HCS), and stratiform cloud (SFC) types. Each cloud cluster type is further identified as a core area and boundary area, which can provide more abundant cloud structure information. The algorithm is verified using the volume scan data observed with new-generation S-band weather radars in Nanjing, Xuzhou, and Qingdao. The results show that cloud clusters can be intuitively identified as core and boundary points, which change in area continuously during the process of convective evolution, by the improved DBSCAN algorithm. Therefore, the occurrence and disappearance of convective weather can be estimated in advance by observing the changes of the classification. Because density thresholds are different and multiple elevations are utilized in the 3D model, the identified echo types and areas are dissimilar between the 2D and 3D models. The 3D model identifies larger convective and stratiform clouds than the 2D model. However, the developing convective clouds of small areas at lower heights cannot be identified with the 3D model because they are covered by thick stratiform clouds. In addition, the 3D model can avoid the influence of the melting layer and better suggest convective clouds in the developmental stage.  相似文献   

19.
基于局部阈值插值的地基云自动检测方法   总被引:3,自引:0,他引:3       下载免费PDF全文
杨俊  吕伟涛  马颖  姚雯  李清勇 《气象学报》2010,68(6):1007-1017
地基云自动化观测是当前气象业务发展的迫切需求.目前的地基云检测算法仍主要是以阈值为基础,针对固定阈值和全局阈值算法在云检测精度方面存在的不足,利用晴朗天空下天空呈蓝色、云呈白色的属件,提出了一种基于局部阈值插值的地基云自动检测方法.该方法在对云图进行重采样后,对云图蓝、红波段进行归一化差值处理,再将处理后的结果图像按空间像素位置自动分成互不重叠、大小相等的均匀子块,对每一子区域采用一定的规则并结合改进的最大类间方差自适应阈值算法计算局部阈值,然后对每一子区域形成的阈值矩阵采用双线性插值算法进行插值处理,形成与原始云图大小相等的阈值曲面,利用此阈值曲面与云图蓝、红波段归一化差值处理结果进行比较,即可完成地基云的自动检测.与固定阈值和全局阈值算法相比,局部阈值插值算法对一些细碎的云和与背景反差不大的云获得了更好的检测效果.定量的评估结果表明,固定阈值方法在正确率和精确度上都要远远低于全局阈值和局部阈值方法,而文中提出的局部阈值算法在正确率和精确度上相比全局阈值算法又有较大提高.  相似文献   

20.
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.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号