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。     

基于神经网络和分形纹理的夜间浓雾遥感监测技术

利用地物光谱信息和图像纹理信息作为地物分类识别标志，将分形理论和BP神经网络应用于夜间浓雾的遥感监测，使夜间浓雾的监测精度明显提高。与传统最大似然法(MLC)比较，晴空地表、雾区、云区的识别精度均有提高，特别是云区的识别精度提高了10%，基于灰度连通域的灰度加权计盒维数图像纹理提取技术使云雾边界的提取更加合理，文章最后对类的归并作了讨论。     

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%。     

利用FY-3A卫星云图对一次暴雨过程的特征云参数分析

利用FY-3A卫星MERSI资料,结合高空常规观测、地面雨量资料,对2009年6月28日湖北梅雨期暴雨过程的卫星云图和特征云参数进行综合分析。结果表明：楔状云（V型云）是强对流产生的标志,楔尖是云顶最冷、云顶温度梯度最陡之处;短时强降水通常发生在上升运动剧烈的位置,即在高分辨率的可见光图像上可清晰识别出上冲云顶、纹理及暗影等强对流云特有结构的区域;利用模糊C均值聚类方法得到的自动化云分类结果显示,此次强对流云主体被划分为“积雨云”类,其平均隶属度系数达0．81;地面小时雨量与云顶黑体亮温呈负相关,而与云光学厚度、云粒子有效半径呈正相关。     

雹云识别的物元可拓模型及其效果检验

雹云识别是一个多参数的模式识别问题。应用物元可拓思想将单参数雹云识别的不相容性转化为相容性问题。通过构造雹云和雷雨云两类样本的经典物无降节域物元，根据计算出的待识别云体与两类样本云体之间的关联度大小，进行雹云识别。该方法用于成都地区雹云识别结果的正确率达85％以上。     

利用FY-1D全球数据监测北极冰雪覆盖

利用FY-1D极轨气象卫星全球数据(GDPT)4个通道资料选取了北极冰雪样本2 366个、云2 024个,陆地1 602个,水体1 648个,分析各类别的光谱特征和纹理特征,利用光谱特征从图像上识别出陆地、水体和部分云,根据冰雪和云纹理特征不同用贝叶斯判别方法建立类别判别函数进一步对北极冰雪与云进行分类,然后通过5 d合成,得到北极地区完整的冰雪覆盖范围.所得结果与NOAA/NESDIS的IMS提供的北半球日积雪产品检验分类结果相比较,一致率达到70 %以上.     

云分类中逐个修改聚类和模糊聚类分类性能的对

利用卫星图像对各种云型进行识别在大气科学领域具有重要意义，为了深入了解云分类过程中逐个修改聚类和模糊聚类对各种云型的识别能力，采用极轨卫星EOS／MODIS图像资料和静止卫星GMS-5图像资料，在样本采集和特征提取的基础上。选择不同的光谱或纹理特征对两种分类器的分类性能进行测试和对比分析。结果发现，不管采用哪种图像资料，提取哪些特征量，逐个修改聚类的平均分类准确率总体上略高于模糊聚类。但就两种分类器对各种云型的识别能力而言，模糊聚类对低云和高云（如层云、薄卷云、密卷云、卷层云、积云）的分类准确率明显好于逐个修改聚类，而逐个修改聚类对积雨云的分类准确率稍高于模糊聚类。从各类别间混判的情形来看，积雨云和高中低混合云、低云之间及卷云子类之间混判的情形较多，模糊聚类与逐个修改聚类相比，混判的类别增多，相对比例减少。     

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。     

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。     

云图纹理特征的抽取与云的自动分类

根据卫星云图的灰度分布，计算灰度共生矩阵，然后抽取一组纹理识别特征量，组成卫星云图云自动分类方程，从而实现云图微机自动分类。     

基于CloudSat云分类资料的华北地区云宏观特征分析

利用2007年1月至2008年12月的CloudSat 2B-CLDCLASS-LIDAR云分类资料对华北地区(36°~42°N,110°~120°E)各类云在单层及多层云中的出现频率、平均高度及平均厚度进行统计分析。结果表明:华北地区单层云和多层云出现频率存在明显的季节变化,夏季最大,春秋次之,冬季最小。单层云的出现频率远高于多层云,单层云出现频率在春、夏、秋、冬4个季节分别为44.3%、46.1%、37.8%和32.8%,而多层云中2层云所占比例最大。单层云和多层云各云层平均高度、平均厚度分析显示,3层云上层云顶云底高度最高,3层云下层云顶云底高度最低,单层云平均厚度明显大于多层云,云层数越多,各云层的平均厚度越小。对不同类型云出现频率分析显示,卷云主要出现在单层云及多层云中、上层,高层云和高积云在单层云和多层云各云层中均占有一定的比例,层云主要出现在多层云下层,层积云、积云、深对流云主要出现在单层云及多层云下层,雨层云主要出现在夏季单层云中。卷云、高层云、高积云的平均高度及厚度在不同云系统中存在显著的差异。     

卷云与水云的短波透射与反射特性

利用矩阵算法计算了对不同太阳天顶角下不同光学厚度的卷云与水云,在4π空间内0～360o的不同方位与0～90o不同天顶角下的波长为1.39 μm太阳短波波段的透射与反射,其天顶角间隔为5.6o,方位角间隔为5.0o。可以看出两种云透射和反射辐射的差别及它们随着光学厚度变化而变化的情况。同时,将其与波长为0.55 μm的可见光波段的透射和反射进行了比较。     

广州夏季地基微波辐射计红外传感器观云性能分析

为进一步评估地基微波辐射计红外传感器的观云性能,收集了2017、2018两年5—7月布设在广州野外雷电实验基地的一台MWP967KV型地基微波辐射计红外传感器与一台K/LLX502B型激光测云仪观测的云底高度数据,并利用人工观测的天空状况、云状数据进行分类,在不同云类、天空状况下对地基微波辐射计红外传感器云识别和观测云底高度的性能进行分析。结果表明:①地基微波辐射计红外传感器具有良好的云识别能力,准确率达80.4%,由于观测视角的原因,未能识别出有云存在主要发生在"多云"情况下。②地基微波辐射计红外传感器与激光测云仪所测云底高度相关系数为0.63,有着较好的一致性。③因为观测原理不同,地基微波辐射计红外传感器所测云底高度总是高于激光测云仪,且两部仪器在低云阴天时所测的云底高度一致性要优于中、高云多云。综上所述,地基微波辐射计红外传感器用来识别云、观测云底高度具有一定的可行性,尤其是在低云、"阴天"条件下,有着较好的观云性能。     

对流云点源催化剂扩散模拟系统及应用

基于对流云云中催化剂扩散理论建立了一个适用对流云的云中点源催化剂扩散模拟系统,介绍了该系统的设计思想和应用情况.讨论了催化剂扩散与扩散时间、风速、湍流系数、垂直速度等因素的关系,得到以下结论:对流云中催化剂的扩散速度较快,几分钟后就能扩散到一个相对稳定的范围;风速和湍流系数越大水平扩散范围越大;在垂直方向上催化剂扩散主要集中在爆炸层高度之上附近的地方.这些研究结果可为对流云的增雨作业方案的确定提供科学依据,同时对增雨效果的评估也有意义.     

基于Ka波段云雷达的六盘山顶云特征分析

利用宁夏六盘山气象站2017年9月至2018年8月的Ka波段云雷达观测资料,统计分析了六盘山顶不同云的出现频率及宏观特征。结果表明：六盘山顶云出现频率最高值在7月,为61%,最低值在12月,为26%;按云层数划分,六盘山顶出现的云主要以1层云、2层云及3层云为主,相对总云的月平均出现频率分别为68%—86%、14%—27%及0.4%—4.8%;按云底高度及云层厚度划分,六盘山顶低云、中云、高云及直展云相对总云的月平均出现频率分别为29%—53%、14%—58%、6%—22%及2%—20%。云底高度在冬春季节高于夏秋季节,云顶高度在夏秋季节高于冬春季节,云层厚度为1.6—3.6 km,年变化特征与云顶高度类似。整体来看,春、夏、秋季云厚在白天大于夜间,冬季云厚在夜间大于白天,其中夏、秋季云厚日变化特征较为明显。     

Observational Diagnosis of Cloud Phase in the Winter Antarctic Atmosphere for Parameterizations in Climate Models

The cloud phase composition of cold clouds in the Antarctic atmosphere is explored using data from the Moderate Resolution Imaging Spectroradiometer (MODIS) and Cloud-Aerosol Lidar with Orthogonal Polarization (CALIOP) instruments for the period 2000--2006. We used the averaged fraction of liquid-phase clouds out of the total cloud amount at the cloud tops since the value is comparable in the two measurements. MODIS data for the winter months (June, July, and August) reveal liquid cloud fraction out of the total cloud amount significantly decreases with decreasing cloud-top temperature below 0oC. In addition, the CALIOP vertical profiles show that below the ice clouds, low-lying liquid clouds are distributed over ～20% of the area. With increasing latitude, the liquid cloud fraction decreases as a function of the local temperature. The MODIS-observed relation between the cloud-top liquid fraction and cloud-top temperature is then applied to evaluate the cloud phase parameterization in climate models, in which condensed cloud water is repartitioned between liquid water and ice on the basis of the grid point temperature. It is found that models assuming overly high cut-offs (》-40oC) for the separation of ice clouds from mixed-phase clouds may significantly underestimate the liquid cloud fraction in the winter Antarctic atmosphere. Correction of the bias in the liquid cloud fraction would serve to reduce the large uncertainty in cloud radiative effects.     

CloudSat卫星及其在天气和云观测分析中的应用

介绍了2006年4月28日成功发射的第1颗以对云层特性进行全球主动遥感测量CloudSat卫星的观测仪器、工作参数、运行方式、数据产品及“A—Train”卫星群等基本概况。CloudSat卫星主要有效载荷是94GHz（3mm波）云雷达,它可以“切开”云层,获得许多有关云的最新气象数据,主要数据产品包括了云的宏观物理参量和微观物理参量。介绍了CloudSat卫星已获得的典型天气和云的初期观测结果：从首次观测的云三维图片,可以清楚地看到南极洲上空风暴云的垂直剖面结构特征;从首张获得降雪云的垂直剖面图像可以得到降雪云层的发展状态以及结构特点;使用CloudSat统计数据可分析全球水凝物的分布特征。将TRMM卫星上的测雨雷达与CloudSat卫星上的云雷达联合观测研究,可以获得从薄云到浓厚云及降水的精细垂直结构特征。通过下载的CloudSat观测资料,对我国典型台风和层状云系等两类不同天气条件下云的宏微观结构特征等进行了初步分析,可以看到台风眼区附近云系的垂直结构随台风发展不同阶段的演变;从层状云系的垂直剖面可以清楚地发现云层的内部分层结构及不同相态的垂直分布特征等。     

红外高光谱观测值反演云参数

最小局部比辐射率变化MLEV算法根据在红外长波10～15 μm 区, 云的吸收、发射和散射具有相对有限的局部谱变化的特征, 利用对云敏感的长波红外辐射观测值来同时反演单层云的云顶高度和有效云比辐射率谱。先给定一些假想的云高初始猜测, 最佳的云高和比辐射率谱解使得用这些不同云高计算得到的比辐射率谱的局部变化最小, 该算法适用于高光谱(光谱分辨率从0.25～1 cm-1) 的大气红外探测器。通过用两种不同方案的内部比较及与激光雷达观测和MODIS业务云高产品的对比验证, 说明对卫星红外高光谱观测资料采用MLEV算法同时反演单层云的云顶高度和云有效比辐射率谱是非常有效的, 尤其是对中高云。     

云对云中大气臭氧影响因子的分析

应用一个较详细的气相光化学和液相化学耦合的箱体模式, 研究了云层对云中大气臭氧的影响过程。这一过程可分解为三个因子来考虑： 因子Ａ （云的辐射效应）, 由于云的存在改变太阳光辐射通量, 使得对流层光化学反应减弱或增强, 从而降低或增加臭氧浓度; 因子Ｂ（云的吸收效应）, 云层中液态水对大气臭氧及其前体物 （ＮＯｘ、ＮＭＨＣ、自由基等） 的直接吸收作用; 因子Ｃ（云的液相化学效应）, 吸收进入云中的物质发生液相化学反应从而改变大气臭氧浓度。数值研究结果表明： 上述三因子对云中臭氧浓度影响的程度差别很大, 并且与云层的物理结构有密切关系。讨论了云的吸收及液相化学效应影响臭氧浓度的主要原因