使用Python绘制FY-4A卫星沙尘产品

本文通过使用Python批量的绘制FY-4卫星沙尘产品,能够快速有效的查看沙尘产品。为了监测沙尘事件,利用卫星数据已经对沙尘暴进行了监控。FY-4A卫星通过监测中国区,将获得的数据进行处理,产生了沙尘产品,使用Swap等软件打开文件较为繁琐,不能够快速的查看文件,本文使用Python语言解析FY-4A的沙尘产品资料,可批量的生成沙尘产品图。     

基于信息容量的FY-4A/GIIRS红外光谱探测能力 研究

利用LBLRTM逐线积分模式开展不同大气状况条件下各大气参数在FY-4A/GIIRS红外通道的光谱敏感性分析,在此基础上,以信息熵和自由度为判据,对FY-4A/GIIRS高光谱探测资料所包含的温度、水汽、臭氧等大气参数信息容量进行定量化描述,从而评估FY-4A/GIIRS对大气参数的可反演能力.研究结果表明:(1) FY-4A/GIIRS长波波段对温度和水汽的敏感度与大气状况相关,而对臭氧的敏感度在不同大气状况条件下差异不大;(2)初步揭示了FY-4A/GIIRS具备大气温湿和臭氧廓线反演的应用潜力,在相同大气条件下,FY-4A/GIIRS红外光谱所包含的温度信息容量最大,水汽其次;(3)在热带大气条件下,FY-4A/GIIRS所包含的温度和水汽信息容量最丰富.     

基于随机森林算法的FY-4A云底高度估计方法

基于2017年8月至10月FY-4A的云顶高度、云光学性质等上游产品和A-Train系列卫星星载毫米波雷达和激光雷达主动探测的云底高度资料,利用随机森林算法建模,提出了FY-4A对最上层云云底高度的估计算法,并用2017年11月独立样本对算法进行了检验与评估.结果表明,该算法可以有效实现对最上层云云底高度的估计,与星载主动探测结果相比,平均绝对偏差为1. 29 km,相关系数为0. 80.对单层云的估计结果相对较好,而多层云存在时云底高度的估计结果一般偏小.     

FY-4A卫星云底高度预测算法

云底高度是重要的云物理参数。由于被动遥感卫星无法精确获取云底信息,结合主动被动遥感卫星的各自优势预测FY-4A卫星云底高度,针对多层云和卷云的云底高度预测精度不足,同时加入ERA5气象数据。引入基于树结构概率密度估计贝叶斯优化算法优化XGBoost模型,实现FY-4A云底高度预测,并与其他方法比较。结果表明,此算法优化的XGBoost模型可实现高维度、多超参数全局快速寻优,且在加入气象数据后,多层云和卷云的云底高度预测精度提升较大。     

FY-4A GIIRS数据探测大气水汽和臭氧的垂直空间特性评估

红外高光谱大气垂直探测仪数据的垂直空间特性由探测仪光谱性能指标间接决定,并与所关注的大气参数及其变化有并.本文在剔除大气参数探测信噪比过低的无效通道的基础上,针对FY-4A卫星红外高光谱大气垂直探测仪GIIRS数据对水汽和臭氧变化响应的峰值高度、高度分辨率、垂直不对称性及垂直覆盖范围进行了评估,并与大气温度探测的垂直空...     

FY-4A/GIIRS大气温度廓线产品质量评估

我国风云四号A星（FY-4A）携带高光谱红外干涉式大气探测仪（Geostationary Interferometric Infrared Sounder, GIIRS）首次实现了地球静止轨道红外高光谱探测,可连续获得大气温湿度廓线信息。基于常规无线电探空资料,从产品的探测能力和精度方面对2020年FY-4A/GIIRS大气温度廓线产品开展质量评估,为产品应用和算法研究提供参考。结果表明：FY-4A/GIIRS反演大气温度廓线探测能力在高度层次和月份统计上受云活跃度影响较大;晴空条件下大气整层均方根误差约为2 K,700～1 000 hPa的大气低层较大,约2.5 K,偏差整层以负值为主;月尺度质量评估可见夏秋两季明显优于冬春季,有利于灾害性天气多发季节的监测;有云条件下单个像元的温度廓线误差显著增大,采用多像元Cressman客观分析可有效提高产品可用性;低海拔地区温度廓线产品质量整体优于高海拔地区,可极大地弥补我国东部、南部地区以及广阔的洋面上的探空资料的不足。     

基于探空资料的上海台风季GIIRS/FY-4A卫星温度廓线反演精度研究

利用上海宝山站L波段探空资料,分析台风季无云、有云和全天空条件下不同质量控制以及台风登陆前后24 h内FY-4A干涉式大气垂直探测仪(Geostationary Interferometric Infrared Sounder, GIIRS)温度资料的反演精度。结果表明：(1) GIIRS温度反演产品在无云条件下反演精度最高,质量控制为0的数据均方根误差(Root Mean Squared Error, RMSE)为1.74 K,表明该产品在对流层中上层具有一定可信度。(2)云层降低了GIIRS温度反演的精度,有云条件下质量控制为0的数据RMSE为3.57 K,超出了美国环境监测系统给出的标准误差范围。(3)有云天空条件下,当温度大于230 K时,GIIRS反演温度均低于探空数据。(4)台风“安比”、“云雀”登陆前24 h内,在500 hPa高度至近地面附近和对流层顶,GIIRS反演温度偏高;台风“云雀”登陆后24 h内,GIIRS在800 hPa高度至近地面附近反演温度偏低,并且反演会产生大量无效值。     

基于集成学习的FY-4A/GIIRS红外通道亮温偏差订正研究

资料变分同化方法基于观测误差无偏的假设,故偏差订正是卫星资料质量控制的重要环节之一。开展了基于集成学习的风云四号A 星(Feng-Yun 4A, FY-4A)干涉式大气垂直探测仪(Geostationary Interferometric Infrared Sounder, GIIRS)中波红外通道亮温偏差订正研究。将随机森林、极端梯度提升(eXtreme Gradient Boosting, XGBoost)、Decision Tree和Extra Tree作为集成学习的基础模型。在优化基础模型的超参数后,采用广义误差极小化方法集成基础模型回归结果。基于台风“利奇马”期间的加密晴空视场点资料,对比了集成学习、基础模型和离线法的GIIRS通道亮温偏差订正效果。试验结果表明,本文所采用的订正方法均取得了好的结果。在所有方法中,集成学习的订正效果最佳。在气团预报因子中,地理(经度和纬度)信息对基础模型贡献率较大。本文方法可推广至其他资料的偏差或误差订正。     

一种基于4A系统的应急一体化平台

4A管理平台作为全省业务的统一入口,重要性日益凸显。确保4A发生故障时应急系统的可靠性,进一步提升系统的应急处理能力已成为急需解决的问题。因此4A平台从应用和系统架构等多方面需要综合考虑接入资源的应急切换、金库认证应急切换和统一认证管理的应急切换。通过建立应急保障的多重机制,确保在4A出现应急情况时能够及时响应,并尽可能减少对用户访问目标资源产生的影响。     

基于大小场景整合的遥感小目标检测算法

针对目前遥感图像小目标检测算法遇到的复杂背 景建模困难、先验信息严重匮乏等问题,考虑 到昆虫视觉系统在图像处理方面的优势,提出基于蝇视觉系统大小场景(LF-SF)整合的信 息处理模式解决遥感 图像存在复杂背景的目标检测。蝇视觉的LF-SF整合机理无需考虑图像背景的复杂度以及目 标先 验信息,在抑制复杂背景纹理特征的同时对稀有目标特征进行增强,最后通过加权融合实现 目标检测。实验结果表明,本文算法在算法设计、处理速度以及检测精度均优于现有算法 。     

基于遥感反演的地球红外背景建模

模拟地球红外辐射背景的前提是要获取可靠的全球表面温度。利用卫星遥感数据可以反演得到较精确的地表温度。反演算法采用了应用广泛的分裂窗算法,并将反演结果绘制成了全球表面温度分布图。同时,建立了完整的地球红外辐射亮度模型,考虑不同地域、纬度和季节模式下的大气辐射亮度和大气衰减。通过遥感反演技术与红外辐射建模技术的结合,最终完成了任意波段全球红外辐射背景亮度的计算与图像生成。结果表明:模拟的地球红外辐射图像效果精细,真实反映了地球背景的红外辐射特征,在空间目标的热环境分析,以及空间红外探测与隐身技术的研究等方面具有重要的应用价值。     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

基于多图像特征的遥感图像配准新方法

针对不同视角遥感图像配准中的非刚性几何畸变造成的配准误差,文章提出了一种基于尺度不变特征变换(SIFT)特征距离和几何结构描述符的精确方法,用于解决中等地形起伏和成像视点变化条件下遥感图像的配准问题。该方法采用尺度不变特征变换和部分强度不变特征描述符提取可靠的特征点集,利用变换过程中约束几何结构的多图像特征,提出一种新的算法来估计点集之间的精确对应关系。包括特征描述符提取、基于几何结构约束的改进SIFT特征点集配准和非刚性图像变换等步骤。对不同视点的无人机图像和卫星图像的实验结果表明,该方法相对于目前几种先进方法具有更佳的配准性能。     

基于深度学习的轻量化遥感图像目标检测方法

深度学习技术强大的特征表征能力为遥感图像目标检测提供了一个非常有效的工具。现有的主流深度学习模型参数数量巨大,存储和计算代价高,限制了其应用的推广。文中提出一种轻量化的深度学习模型用于遥感图像目标检测。实验结果表明,文中提出的方法在保持与Tiny_YOLOv3检测精度相当的情况下,模型大小仅为Tiny_YOLOv3的44. 7%。文中提出的模型在检测精度、模型大小和计算开销上可达到更好的平衡。     

基于新的遗传算法的模糊C均值聚类用于遥感图像分割

标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法（MKGA）与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。     

基于局部相似自组织的遥感图像自动识别算法

提出了一种根据局部特征进行图像描述和自动学习的识别算法.该算法能对地表遥感图像进行外貌分析,利用地貌特征进行图像分割,识别出图像中的丘陵、森林、沙漠、冲积扇.等地形.通过用一个大小可变的、边界模糊的窗口对图像进行大量取样,再利用这些样本来训练支持向量机,并使用该支持向量机进行模式分类,进行基于某些类型局部模式的相似性的自组织聚集,从而获得对遥感图像的整体性描述或理解.最后给出该方法在一些真实的遥感图像中的运用和分类实验的结果.应也适合拓展到其它具有纹理特征的模式识别问题.     

一种基于数学形态学的遥感影像公路主干提取算法

从空间遥感图像的复杂背景中提取较为细微的目标一直被视为重要而复杂的课题。空间遥感图像具有灰度丰富,地理形态含信息量大,背景噪声复杂不规则等特点。对于被夹在现代城市各类复杂建筑中间的公路而言,它们的提取和走向位置等信息的掌握具有普遍的实际意义和深远的研究价值。针对以上情况,提出一种从遥感图像中提取公路主干的基于数学形态学的算法。利用形态学中的计算手段,Top—hat算子,阈值分割以及维纳变换等方式对目标图像中的公路进行提取,实验结果证明了方法的有效性。该算法同时具有理论基础完备、算法简单、运算速度快以及抗噪能力强等优点。     

基于遥感反演的空间下视系统红外场景仿真

空间红外下视系统的真实感红外场景仿真一直以来都是研究的一个难点。提出了一种基于卫星红外遥感反演数据的空间下视红外场景仿真方法。利用红外遥感反演数据,通过匹配算法获得仿真波段内地表红外纹理,建立了下视红外观测模型,对地表红外纹理图像在传感器焦平面上重采样,最后按照辐射传输理论,计算生成光学入瞳前红外场景。仿真结果表明:该方法可以逼真地模拟地物场景红外纹理特征。将热红外遥感反演技术应用于红外场景仿真,极大简化了大规模地表场景仿真过程,为空间下视系统红外场景仿真提供了一种直观、有效的新方法。     

基于遥感数据的地球背景中红外场景仿真

卫星遥感是研究地球大气背景红外辐射特性的重要手段,受大气影响及传感器观测条件的限制,无法获取多气象、多探测条件的辐射数据。针对该问题,基于JHU地物光谱数据库,分析了植被、水体、岩石等光谱辐射特性,结合传感器光谱响应,建立了3~5 m基于光谱相关性的地表辐射波段转换模型,并利用逐步回归法计算误差,模型误差小于10%。利用MODIS、AIRS等多源遥感数据产品,根据地表-大气-传感器辐射传输模型,模拟不同时空分辨率、探测条件等的地球背景辐射中红外图像。结果表明,利用多源遥感数据进行中红外图像仿真,可以实现大尺度、具有细致纹理结构的图像模拟,应用于遥感研究。