气象遥感图像及格点场重采样插值方法

a b y
a′ G ( x y) Y 间接法 d′ F ( x y)
插值点 p 周围 4 个原始像元点的灰度值都参与计算， 根据距离 d 的不同， 各个像元点灰度值的贡献不同， 距离 小的像元贡献大， 距离大的像元贡献小。由于 “邻点权重 法” 在决定插值点灰度值时距离起决定作用， 能够尽可能 多地保持原图像的信息。 两种插值方法相比， 邻点权重法的计算量显然要大于 最近邻点法的计算量。
接重采样插值方法和间接重采样插值方法； 针对气象格点场， 介绍了双线性插值方法和贝塞尔插值方法。以气象业务中 不同分辨率的气象卫星 （FY2E 和 FY2D） 遥感图像以及欧洲中期天气预报中心 （ECMWF） 降水预报场为例， 分别对不同重 采样插值方法进行了分析比较。结果表明： 基于间接重采样的气象遥感图像最近邻点插值法的计算量小于邻点权重插值 方法， 而邻点权重插值方法的效果优于最近邻点插值方法； 随着图像的分辨率提高， 最近邻点插值法与邻点权重插值方法 相比， 计算量小的优势更加明显； 对于高分辨率的气象遥感图像建议采用基于间接重采样的最近邻点法； 对于气象格点 场， 贝塞尔插值方法的插值效果优于双线性插值方法。 关键词： 气象遥感图像； 气象格点场； 重采样； 插值方法 文献标志码： A 中图分类号： TP311 doi： 10.3778/j.issn.1002-8331.1302-0211
[10]
2.1
地图投影坐标转换方法
地图投影坐标转换 [14-15] 有两种方式： （1） 由目标坐标系
（经 纬 网 格 坐 标 系） 坐标值求出地图投影坐标系 （兰 勃 托 投 影） 中坐标值， 称之为正解， 即由经纬度计算投影坐标：
(φλ) → ( X Y ) 。 ìφ = F φ ( X Y ) （1） í îλ = F λ ( X Y ) （2） 从地图投影坐标 （兰勃托投影） 向目标坐标系 （经
y
P 2 (i + 1 j) p1(i j) d1 d3 p 3 (ij + 1) d2 p d4 P 4 (i + 1 j + 1)
2
气象遥感图像重采样插值方法
气象遥感图像重采样插值的目的是将一个坐标系中
O
x
图2
邻点权重法示意图
的点阵信息在另一个坐标系中按一定格式“最逼真地” 表 示出来。基本方法有直接法和间接法， 如图 1 所示。直接 法， 是从某一种地图投影坐标的原始图像上的像元点坐标 出发， 按照地图投影坐标转换公式求出目标坐标系中像元 点对应的坐标， 然后将原始图像上像元点 ( x y) 处的数据 直接赋予或经过插值赋予目标坐标系 ( X Y ) 处的像元点。
种地图投影方式表现的， 与在经纬网格坐标系中表现的气 象格点场无法直接匹配， 需要将气象遥感图像重采样插值 到经纬网格坐标系。同时， 以经纬网格坐标系表示的数值 天气预报产品 （如降水预报格点场） ， 也因数值预报模式不 同而具有不同的分辨率和区域范围 [6-7]； 除数值天气预报格 点场外， 其他气象格点 （栅格） 场也存在使用不同分辨率表 示的问题 [4]； 为便于预报自动化和科学研究， 也需要将不同 分辨率的气象格点场插值到相同分辨率的经纬网格坐标 系中。 从不同研究目的和应用需求出发， 对于图像重采样和 插值方法研究有不同的侧重， 如王茂新等人针对气象卫星 NOAA/AVHRR 数据的特点， 提出了三次卷积法、 双线性 内插法等几种常规采样算法 [5]。楼绣林等人又针对重采样 速度慢的问题提出了一种重采样的快速算法， 利用 “块操 作” 快速确定重采样图像中任意像元点在原始图像中的位 置， 同时提出了邻点权重法代替其他插值方法 [8]。一般图 像处理中的重采样插值主要用于对图像本身的放大 （缩 小） 和几何校正； 对于气象业务中使用的气象遥感图像， 重 采样插值主要通过地图投影坐标转换来提取以及填补气 象信息。邻点权重法是图像产品插值方法中最为实用的 一种 [8]， 而最近邻点法 [9] 是在计算方法上与邻点权重法最为 接近的一种。因此， 本文对不同分辨率的气象遥感图像产 品， 分别采用邻点权重法及最近邻点法进行重采样插值， 并对插值结果进行分析。 双线性插值方法在图像和格点场插值中的应用比较 广泛， 且效果较好 。李得勤等人采用双线性插值方法对 数值预报模式产品进行降尺度处理， 发现插值结果与实际 观测的均方根误差以及相关系数和插值前相差甚小 [11]。王 岳山首次将贝塞尔插值方法应用在数值预报格点场插值 中， 指出采用贝塞尔方法进行插值不仅速度快而且精度也 非常高 [12]。因此， 本文对不同分辨率的气象格点场资料分 别采用贝塞尔插值及双线性插值方法插值， 并对插值结果 进行分析。
Computer Engineering and Applications 计算像及格点场重采样插值方法
叶金印 1， 邱旭敏 1， 黄 勇 2， 张春莉 1
YE Jinyin1, QIU Xumin1, HUANG Yong2, ZHANG Chunli1
1.淮河流域气象中心， 安徽 蚌埠 233040 2.安徽省气象科学研究所， 合肥 230031 1.Huaihe River Basin Meteorological Center, Bengbu, Anhui 233040, China 2.Anhui Institute of Meteorology, Hefei 230031, China YE Jinyin, QIU Xumin, HUANG Yong, et al. Resampling interpolation methods of meteorological remote sensing image and grid point field. Computer Engineering and Applications, 2013, 49 （18） ： 237-241. Abstract：Resampling interpolation method is one of the problems in the field of meteorological information processing research. This paper introduces a direct and indirect resampling interpolation methods which are based on map projection coordinate conversion for the meteorological remote sensing images, and introduces bilinear interpolation method and Bessel interpolation method for the meteorological grid point field. Taking meteorological satellite （FY2E and FY2D）remote sensing images with different resolutions and ECMWF （European Centre for Medium-Range Weather Forecasts）precipitation forecast field for example, the paper analyzes different resampling interpolation methods. The results show that the calculation amount of the nearest neighbor algorithm is less than that of the weighted nearest neighbor algorithm based on indirect resampling method, while the weighted nearest neighbor algorithm can get better results than the nearest neighbor algorithm. With the improvement of resolution, the comparative advantage of calculation amount of the nearest neighbor algorithm is more obvious. The weighted nearest neighbor algorithm is more suitable for high-resolution meteorological remote sensing images. The results also show that Bessel interpolation algorithm is better than bilinear interpolation algorithm for the meteorological grid point field. Key words： meteorological remote sensing images; meteorological grid point field; resampling; interpolation method 摘 要： 重采样插值方法是气象信息处理领域研究的问题之一。针对气象遥感图像， 介绍了基于地图投影坐标转换的直
务和科研中发挥着不可替代的作用 自动化预报中备受关注
[3-4]
。气象业务数据按表现形式分
为两类： 一类是非规则的离散类数据， 如气象站点观测数 据； 一类是规则的格点 （栅格） 类数据， 如气象遥感图像及
基金项目： 国家自然科学基金 （No.41275030， No.41105098） ； 淮河流域气象开放研究基金 （No.HRM201103） 。 作者简介： 叶金印 （1968—） ， 男， 高级工程师， 主要从事水文气象学及数值分析的研究。 E-mail： yejinyin@ 收稿日期： 2013-03-01 修回日期： 2013-05-21 文章编号： 1002-8331 （2013） 18-0237-05 CNKI 出版日期： 2013-06-08 /kcms/detail/11.2127.TP.20130608.0953.005.html