学位论文 > 优秀研究生学位论文题录展示
韦伯定律及时间序列在FY2C云检测中的应用研究
作 者: 杨昌军
导 师: 许健民;赵凤生
学 校: 南京信息工程大学
专 业: 大气遥感科学与技术
关键词: 云检测 韦伯定律 韦伯比 时间序列 时较差
分类号: P412.15
类 型: 博士论文
年 份: 2007年
下 载: 238次
引 用: 1次
阅 读: 论文下载
内容摘要
本文用FY2C资料研究了韦伯定律和时间序列在云检测中的应用。FY2C业务云检测算法是利用动态阈值法结合其它方法实现云检测的串行算法。分析表明:FY2C业务云检测从总体来说较好,利用中国区域站点资料(下同)检验得2007年1月准确率达71.15%,6月达75.77%;但对于国际云检测的难点——低云(夜间尤为明显)和薄云的检测仍存在不足。影响FY2C云检测准确率的因素除了现有探测技术水平,还有阈值的时空局限性等。为了克服阈值的局限性,本文从人眼对边界的识别原理——韦伯定律着手,找到与时空无关的物理量——韦伯比,提出云图中云所在亮度范围内的可变背景下,理论上的多条韦伯比曲线实际为一条,并利用其实现了海洋云边界检测;同时,结合时间序列云图实现了陆地云边界检测。用得到的云边界可动态获取阈值(本文中阈值法为晴空背景场法)并实现标称图云检测。经统计,中国区域2007年1月检测准确率为72.34%,6月为80.05%。该方法将人眼对边界的智能识别原理应用于云检测,一定程度上克服了阈值的时空影响,改进了低云和薄云的检测效果,对云的智能识别研究和提高业务云检测性能有重要意义。本文开展了静止气象卫星时间序列在云检测的应用研究,结果发现:时间序列中云和晴空像元的亮温时较差可以用来识别运动剧烈的云和运动云区的边缘云。同韦伯比的应用一样,利用得到的云动态获取阈值,进行了标称图云检测。经验证中国区域2007年1月准确率为72.89%,6月为79.94%。该方法利用静止卫星高时间分辨率特点和云的运动特性,改进了低云和薄云的检测性能,对静止卫星业务云检测有较高应用价值。为了进一步改善云检测效果,本文将韦伯比和时较差相结合应用于标称图云检测,经站点资料验证,中国区域2007年1月准确率为73.67%,6月为81.02%,提高了检测的准确率。利用韦伯定律或时间序列得到的云来获取阈值的方法是一种新的动态获取阈值的云检测方法,能有效抑制阈值的时空影响,且阈值获取方式简单、实用,有较高的业务实用价值。
|
全文目录
摘要 8-9 Abstract 9-11 第一章 绪论 11-37 1.1 前言 11-13 1.2 国内外研究进展 13-32 1.2.1 云检测基本方法 13-24 1.2.1.1 阈值法 13-22 1.2.1.2 统计学方法 22-24 1.2.1.3 辐射传输算法 24 1.2.2 综合云检测方法 24-31 1.2.2.1 人工神经网络法 25-26 1.2.2.2 ISCCP云检测算法 26-27 1.2.2.3 APOLLO算法 27 1.2.2.4 CLAVR算法 27-28 1.2.2.5 SAFNWC云掩模(CMa)算法 28-30 1.2.2.6 MODIS云检测方法 30-31 1.2.3 小结 31-32 1.3 选题意义 32-35 1.4 主要研究目的和内容 35-37 第二章 FY2C业务云检测分析 37-58 2.1 前言 37-38 2.2 FY2C卫星及业务云检测系统介绍 38-42 2.3 业务云检测误差分析 42-57 2.3.1 业务云检测现状 42-45 2.3.2 区域性误检分析 45-48 2.3.3 方法局限性分析 48-57 2.3.3.1 晴空背景场法局限性 49-50 2.3.3.2 动态阈值法局限性 50-54 2.3.3.3 海上方差阈值检验局限性 54-55 2.3.3.4 综合分析 55-57 2.4 结论 57-58 第三章 韦伯定律在云检测中的应用 58-97 3.1 引言 58-62 3.2 韦伯定律和韦伯比 62-65 3.3 基于韦伯定律的云检测 65-94 3.3.1 视觉系统中的韦柏定律 65-66 3.3.2 FY2C云图中的韦伯比(WbB) 66-72 3.3.3 基于韦伯定律的云判识条件及个例分析 72-79 3.3.3.1 利用时间序列中象元亮度的变化识别云 74-76 3.3.3.2 不同陆地下垫面条件下云判识 76-77 3.3.3.3 判识陆地云边界的条件 77-79 3.3.4 标称图云检测 79-90 3.3.4.1 韦伯边界与云检测阈值 81-82 3.3.4.2 IR1晴空背景场法 82-84 3.3.4.3 检测结果分析 84-90 3.3.5 讨论 90-94 3.3.5.1 海上方差分析与WBCLD 90-92 3.3.5.2 WBCLD方法的不足 92-94 3.4 本章小结 94-97 第四章 时间序列在云检测中的应用 97-126 4.1 视场目标物特性分析 97-100 4.1.1 视场目标物的辐射特性分析 97-99 4.1.2 静止卫星云图时间序列特征分析 99-100 4.2 时间序列中的云和晴空地表 100-110 4.2.1 晴空像元亮温时较差 101-108 4.2.2 云和晴空像元亮温时较差关系 108-110 4.2.2.1 云和晴空像元亮温时较差范围 108-109 4.2.2.2 判识云的充分条件 109-110 4.3 时间序列云检测方法 110-124 4.3.1 时间序列云检测方法应用个例 110-116 4.3.2 结合背景场法的云检测与讨论 116-124 4.4 本章小结 124-126 第五章 总结 126-129 5.1 主要结论 126-127 5.2 创新点 127 5.3 展望 127-129 参考文献 129-139 简历 139-141 致谢 141
|
相似论文
- 发育于热带地区玄武岩的时间序列土壤中石英和植硅体的变化特征,S153
- 基于数据挖掘技术在城市供水的分析与决策,F299.24;F224
- 停车诱导在智能移动终端上的设计与实现,TN929.53
- 基于核自组织映射的时间序列预测研究,O211.61
- 基于多社会经济因素的地铁出行需求研究,U231
- 基于时间序列理论方法的流感病毒DNA序列特征分析,R346
- 气温的统计分析及短期预测,P457.3
- 基于中原地区的经济增长模型及其机理分析,F127
- 基于GIS的矿井采掘衔接决策支持系统设计,TD822
- 基于HJ-1B星的云检测及土地覆盖模式与地表温度研究,TP79
- 时间序列关联规则在IT上市企业股价趋势分析中的应用研究,TP311.13
- 基于小波与支持向量机的混沌时间序列研究,TP301
- 基于GIS的流域水文数据的时空分析,P333
- 基于D-InSAR技术的青藏高原区域冻土变形监测研究,P642.14
- 时间序列异常值探测的Bayes方法及其在GPS数据处理中的应用,O212.8
- 基于事件影响度的金融时间序列预测,F830
- 多时间序列上挖掘框架的研究,TP311.13
- 矿山地震活动及其混沌时间序列分析,P315
- 基于神经网络的地震数据时间序列分析,P315
- 人民币汇率预测模型与实证研究,F832.6
- 基于复杂网络的非线性时间序列的统计表征,O211.61
中图分类: > 天文学、地球科学 > 大气科学(气象学) > 大气探测(气象观测) > 探测技术与方法 > 地面气象观测 > 云的观测
© 2012 www.xueweilunwen.com
|