基于WorldWind平台的卫星云图模拟技术研究

卫星云图是目前最重要的气象信息来源之一。实现卫星云图的模拟对于灾害预防、评估等工作具有十分重要的意义。首先分析了WorldWind开源平台的系统框架。针对于彩色卫星云图,改进了一种基于图像色彩和灰度值的算法,能够较好地分割提取出云层区域。进而在开源平台WorldWind上采用多层纹理映射的方式实现了卫星云图的模拟。     

多光谱卫星云图的SOFM-PNN网络耦合的云分类模型

针对单一类型的神经网络分类器难以正确区分和有效识别复杂云类特征的缺陷,本文基于静止气象卫星云图多光谱云类样本,通过计算、分析云图灰度、梯度与纹理特征,提取了云分类最佳判别因子,建立了自组织网络（SOFM）与概率神经网络（PNN）的综合云分类器优化模型．该分类器首先利用自组织网络对云类样本进行无监督初始分类,确定出相似样本子集;随后用概率神经网络对初始分类误差进行有监督修正和分类结果的二次优化判别．试验结果表明,该分类器可有效提高云类判别效果,分类结果的总正确率达到92．4％,Kappa系数为90．82,明显优于单一的统计分类器判别效果．     

静止卫星红外云图上卷云与其它云类纹理特征的比较

用灰度共生矩阵方法分析了几种卷云的纹理特征,同时探讨了卷云与中低云、积云群、积雨云纹理特征的异同和相互区分的方法．纵述分析结果,有以下主要结论：用灰度共生矩阵的纹理特征量分析ＧＭＳ云图,邻域窗口的选取以７×７为宜;ＡＳＭ、ＣＯＮ、ＣＯＲ、ＥＮＴ这四个最常用的纹理特征量中,ＡＳＭ和ＣＯＮ更为重要;依ＡＳＭ和ＣＯＮ阈值并参考红外灰度值,可区分几种薄卷云和厚卷云;将纹理特征与光谱特性结合分析,又可区分积云群、中低云、薄卷云;厚卷云（尤其是伪卷云）与Ｃｂ云团的区分,则还是应用红外—可见光双光谱特性加以判识更有效;此外,云区边界对纹理分析的结果会有很大影响．     

基于分数维与灰度梯度共生矩阵的气象云图识别（Ⅱ）

图像的分数维特征描述了纹理的复杂度和粗糙度。图像的灰度梯诬信息则检出了图像中灰度跳变的部分,将图像的梯度信息加进灰度共生矩阵,则使得共生矩阵更能包含图像的纹理基元及其列的信息。     

基于多纹理特征和PCA的地基云图识别研究

地基云图自动分类识别对于天气现象的诊断和预报具有重要意义。以地基云图为研究目标,首先在提取云图灰度共生矩阵和Gabor变换特征的基础上计算云图的多纹理组合特征,然后采用主成分分析法对组合特征进行数据降维,获取最终鉴别特征。通过对积雨云,高积云和层积云三类地基云图进行分类识别的实验结果表明,该方法可以同时提高云图分类的精度和效率。     

卫星云图云分类的一种综合优化聚类方法

为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法（GA）全局寻优、模糊C均值聚类（FCM）局部寻优、模糊减法聚类（FSC）客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法（FSC-GA-FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

影响华南热带风暴各类路径的卫星云图特征

分析影响华南各类路径热带风暴的云图特征及风暴大风、暴雨区分布与红外增强显示云图高亮度等级云型的关系,给出一个以云图为主的预报风暴路径的概念模式。     

风云二号卫星云图月亮干扰的分析

通过对风云二号卫星云图成像原理分析,找到卫星云图出现亮带的机理,并对亮带进行分析,得到形成亮带的可能原因为月亮干扰直流恢复,并计算卫星和月亮相对位置关系,证明了分析的正确性.     

1998年长江洪水磊暴雨的卫星云图分析

利用ＧＭＳ卫星的逐时红外云图做成了日、候、旬、月和和平均云图,在此基础上对１９９８年夏季长江中、上游洪水期间暴雨的云图特征进行了分析。结果表明,多日平均云图可以概括地揭示降水系统的主要特征。它不权可展示天气尺度的暴雨云带,而且在日和候平均云图上也可以相当清楚地展示出云带内所包含的中尺度对流云团。旬、月和季平均云图表明,长江上游从６月中旬开始到８月中旬长达两个多月对流的频繁发生是“９８洪水”长江上游     

基于DBSCAN聚类的改进KNN文本分类算法

K最近邻算法(KNN)在分类时,需要计算待分类样本与训练样本集中每个样本之间的相似度.当训练样本过多时,计算代价大,分类效率降低.因此,提出一种基于DBSCAN聚类的改进算法.利用DBSCAN聚类消除训练样本的噪声数据.同时,对于核心样本集中的样本,根据其样本相似度阈值和密度进行样本裁剪,以缩减与待分类样本计算相似度的训练样本个数.实验表明此算法能够在保持基本分类能力不变的情况下,有效地降低分类计算量.     

1998年长江洪水大暴雨的卫星云图分析

利用GMS卫星的逐时红外云图做成了日、候、旬、月和季平均云图,在此基础上对1998年夏季长江中、上游洪水期间暴雨的云图特征进行了分析。结果表明,多日平均云图可以概括地揭示降水系统的主要特征。它不仅可展示天气尺度的暴雨云带,而且在日和候平均云图上也可以相当清楚地展示出云带内所包含的中尺度对流云团。旬、月和季平均云图表明,长江上游从6月中旬开始到8月中旬长达两个多月对流的频繁发生是“98洪水”长江上游洪峰多,中游高水位维持时间长的重要原因。候和日平均云图表明,降雨云带上频繁产生中α尺度暴雨云团造成了7月下旬长江中游连续出现特大暴雨。用每小时一次的红外云图作出的日平均云图与日雨量分布之间存在一定程度的对应关系显示出用日平均云顶黑体辐射温度(T_BB)来估算径流量的可能性。     

奇异值分解与神经网络结合的卫星云图云团移动预测

云团运动和发展演变的预测是暴雨等灾害性天气监测预报的重点和难点问题,针对当前云团预测中缺乏有效的非线性、非平稳预测手段,提出了奇异值分解SVD(singular value decomposition)与径向基网络相结合的云团预测途径.首先用SVD对云图进行分解,提取主要的云团结构特征,然后用提取出的云图奇异特征值和左右奇异向量作为模式识别因子,选择特定区域和季节的云图时滞序列采样,并用前后时段样本云图的奇异值和奇异矢量作为云图预测模型的输入、输出,通过对径向基网络的学习训练和误差迭代收敛,建立了云团运动的非线性预测模型.试验结果表明,该方法能合理地描述云团运动的基本特征和演变趋势.     

基于Web的卫星云图信息系统研究

1　项目背景　　最近 ,我们为民航空管局开发了综合业务网络系统 .系统的基本构架是浏览器 /服务器 (Ｂ/Ｓ)模式 ,采用Ｓｕｎ公司的超级小型机作为Ｗｅｂ服务器和数据库服务器 ,操作系统为ＳｕｎＳｏｌａｒｉｓ 8;Ｗｅｂ服务器程序使用Ａ ｐａｃｈｅ ,开发语言使用ＰＨＰ和Ｊａｖａ ;数据库系统采用Ｏｒａｃｌｅ 8.1.6ＥｎｔｅｒｐｒｉｓｅＥｄｉｔｉｏｎ .综合业务网络系统的主要功能 ,是将空管局目前几个单独运行的业务系统信息综合起来 ,为空管局的日常工作以及航空公司和驻场单位等业务数据用户提供及时、准确、综合的信息 .其中一项重…     

基于匹配法的卫星云图自动定位微调算法

利用交叉相关系数法,通过设计晴空合成底图模板,并与当前云图进行匹配,以计算由于卫星飘移等问题出现的云图定位偏移量△x、△y,从而实现卫星云图的精确定位.结果表明：对于自动校正卫星云图中较小的定位误差效果（偏移量小于20个像素）的这种方法,可以用于静止卫星接收处理系统中在初定位后的精确校正.该算法从原理上也可用在定位误差较小的极轨卫星云图的准确定位上.匹配区域选择在海陆交界处、岛屿、湖泊和起伏大的山地等地表特征差异明显的区域效果明显.     

东南沿海地区强对流天气(雷暴)卫星云图特征分析

对1996～1999年我国东南沿海地区常规天气图及GMS-5卫星红外、水汽和分裂窗云图资料的分析表明,发生强对流(雷暴)天气的6种不同天气形势下,卫星云图的基本数字特征有相同之处,也存在明显的差异。通过对卫星云图的灰度和局地标准差等基本数字特征的分析,发现局地标准差极大值和红外减分裂窗差值≤0极小值的出现,预示4h左右对流将发展到最强盛。同时,可以较好地把握强对流云团的发展阶段以及发展趋势,提高雷暴的预报水平。     

夜间静止卫星红外云图的GHSOM网络云分类模型

针对夜间云分类准确率低下的问题,利用奇异值分解方法对FY-2E夜间红外云图进行特征提取和选择,从中筛选出包括亮温和分裂窗差值在内的不同的纹理特征。分别采用动态增长型分层自组织和自组织映射2种神经网络模型对夜间云图进行分类,并将2种网络模型的分类效果进行对比分析。实验结果表明:GHSOM网络模型在夜间云图分类方面效果较好,平均准确率总体上高于SOM,通过分层的分类方法极大地提高了夜间云图的分类准确率。     

基于卫星云图的无眼台风中心定位算法

基于数学形态学理论,采用球形结构元素设计了一种滚球滤波器,以去除红外卫星云图的噪声。采用多值自适应分割算法,生成自适应的分割模板,分割出主体台风云系。通过分析不同类型无眼台风云系的眼区特点,提出了具有自适应特性的无眼台风云系中心自动定位算法。通过红外通道和水汽通道的多谱图像融合,校验无眼台风中心的定位。实验结果表明,这种方法可以初步解决大部分无眼台风的中心定位。     

卫星云图结构基元的提取

利用弗里曼链式方向码，对云图边缘和骨架数据线进行分割跟踪后，得到了特定的几何弧线。根据这些弧线中连接特征点的有向弧线段端点的不同，定义了一组结构基元，并给出了从基础数据中利用轮廓线跟踪算法和骨架分割跟踪算法完成基元提取的方法以及在台风云体系识别中的应用。实验数据表明，定义的结构基元具有特征明显和便于识别等优点，可用于采用句法模式识别方法进行卫星云图识别的研究。