H8-AHI卫星数据的夜间陆地雾自动检测
基于SBDART和BP的夜间雾遥感检测和能见度反演
基于SBDART和BP的夜间雾遥感检测和能见度反演张伟康;马慧云;邹峥嵘;陶超【摘要】为了挖掘卫星影像中的雾信息为雾预测预报服务,利用双红外亮温差值作为雾与地物识别分类标志,建立基于SBDART辐射传输模型和BP神经网络的夜间雾遥感检测和能见度反演模型.对2007年11月24日我国华北地区的一次陆地辐射雾MODIS卫星数据进行雾检测,同时反演雾区能见度.根据陕西省气象局提供的地面气象观测数据对模型雾检测结果和能见度反演结果进行验证,该次实验夜间雾检测的准确率为79.2％,地面观测能见度和反演能见度一元线性回归分析方程斜率为1.006,相关系数为0.8498.实验结果袁明,模型具有较高的雾识别率和雾能见度反演结果,可为夜间雾识别和生消发展规律探讨提供一定的帮助.【期刊名称】《解放军理工大学学报（自然科学版）》【年(卷),期】2014(015)002【总页数】6页(P197-202)【关键词】MODIS;SBDART;夜间雾检测;能见度反演;BP神经网络【作者】张伟康;马慧云;邹峥嵘;陶超【作者单位】中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙410083【正文语种】中文【中图分类】TP751;P237雾是一种常见的灾害性天气现象。
近年来，由于天气气候条件的变化、大气污染等原因，中国许多地区频繁发生雾霾天气，严重影响了人们的日常生活和经济活动。
雾对海运、航空以及高速公路运输等的安全运行产生极大危害。
目前雾的常规监测手段主要依靠地面气象观测数据进行数值分析监测，该方法不仅耗费大量人力物力，还受设置密度和观测时间的限制。
卫星影像作为一种大尺度观测手段，具有覆盖范围广、时间分辨率高、信息量丰富和投入成本低等优势。
因此，如何挖掘卫星影像中的雾信息为雾预测预报服务便成了当前的研究热点。
基于Python语言的Himawari-8资料在沙尘暴移动轨迹分析中的作用研究
基于Python语言的Himawari-8资料在沙尘暴移动轨迹分析中的作用研究作者：张翔来源：《无线互联科技》2020年第08期摘 ; 要：近年来，沙尘暴给我国北方人民生活生产造成了非常大的负面影响，这引起了研究人员和公众的注意。
针对沙尘暴，国内外许多学者使用了不同的方法，现在使用卫星对沙尘暴进行监控成为主流，并且使用卫星资料对发生过的沙尘事件进行了研究，其中，使用较多的是Himawari-8卫星资料。
文章采用Python语言解析Himawari-8的L1资料，通过选定亮温通道生成批量沙尘产品图，观察沙尘暴移动轨迹更直观便利。
关键词：Himawari-8;沙尘暴;亮温;Python近年来，沙尘开始引起研究人员和公众的注意，因为它可能会导致健康问题。
监测沙尘的最有效方法之一是利用气象卫星数据，特别是地球静止卫星数据，这是因为地球静止卫星可以很好的覆盖沙尘事件时间范围以及显示尘埃事件的空间覆盖范围[1]。
之前已经有很多关于沙尘事件的研究，有许多学者使用极轨卫星数据来探测沙尘[2]，然而，这些方法很难探测或区分陆地和海洋上空的沙尘，特别是在夜间。
此外，使用可见通道的一些方法只能在白天监测沙尘。
随着技术的发展，有几颗响应度更高、具有较高时间分辨率的静止轨道卫星已经用于观测大空间尺度上的气溶胶昼夜变化，并成为监控沙尘的主要力量。
1 ; ;Himawari-8卫星介绍日本气象厅（Japan Meteorological Agency，JMA）研制的Himawari-8是新一代的地球静止气象卫星，该卫星由日本气象局于2014年10月发射，并于2015年7月投入使用。
其具有最先进的光学传感器，与以前在地球静止轨道上可用的传感器相比有很大改进。
Himawari-8搭载的可见光和红外扫描辐射计“AHI”拥有世界顶尖的观测能力，其拥有16个波段，如图1所示，有望提高亚洲—大洋洲地区尘埃监测的质量。
AHI包括3个红外通道，它们用于检测尘埃，分别是8.6 μm，11.2 μm和12.4 μm通道[3]。
基于MODIS卫星资料进行夜间雾检测
基于MODIS卫星资料进行夜间雾检测作者：胡肖婉来源：《中国科技纵横》2013年第20期【摘要】阐述了雾的辐射特性及遥感监测的基本原理。
借助具有高光谱分辨率的MODIS 数据，对雾与其他背景（地表、水体、云）的光谱特性进行分析比较，得到有利于夜间雾检测的波段。
利用分析结果给出多通道综合阈值法检测大雾的流程，并用此方法进行了个例分析。
【关键词】夜间雾 MODIS 遥感光谱特性阈值作为一种灾害性天气现象，雾、特别是大雾对能见度的降低，会严重影响到航海、航空、公路运输、军事活动以及威胁到人们的身体健康。
具有宏观、快速和直观等特点的卫星遥感监测技术在雾的监测和预报方面比起在陆海表面布设站点进行人工或仪器自动观测具有独特的优势。
由于夜间没有可见光图像，而在红外图像上，因雾和低层云的物理温度与其下垫面（陆地和海洋）温度较为接近，两者表现得均相对较暖，因此，夜间雾的遥感识别更为困难。
张树誉（2003）使用统计分析方法，利用MODIS的通道1、3、7资料进行白天的雾监测，并使用通道21、31资料监测夜间大雾，但他给出的监测阈值在某些情况下效果并不太好。
而马慧云等（2007）以过境时间不同的NOAA-16/AVHRR、NOAA-17/AVHRR、FY-2D/MVRIS、TERRA/MODIS和AQUA/MODIS五种遥感影像数据组成一组序列影像，根据各序列遥感影像的光谱曲线，对各个遥感影像进行基于阈值分割的分类算法，对辐射雾进行变化检测与分析，经地面验证序列影像在雾变化检测的研究方面具有很大潜力。
1 雾的辐射特性及其遥感监测的基本原理1.1 雾的辐射特性在红外波段，雾的辐射特性也随波长不同而不同。
在长波红外波段（11μm左右），雾及其它不透明水云如低层云的辐射性状类似黑体，几乎完全发射长波红外辐射，其比辐射率接近于1。
在短波红外波段（3.7μm）左右，由于这一波段位于太阳辐射光谱曲线与地球大气辐射光谱曲线相交重叠处，所以在白天有太阳辐射时，云雾层不仅自身向上发射辐射，而且还反射太阳辐射；而在夜间，这一通道的辐射同标准的红外波段的辐射一样，来源于地球表面或云雾层。
草原火灾监测中的遥感卫星数据源
农业与生态环境①作者简介：向培素(1974—)，女，汉族,湖北人，研究生,副教授，研究方向：机器学习，智能算法。
DOI：10.16661/ki.1672-3791.2017.34.095草原火灾监测中的遥感卫星数据源①向培素(西南民族大学电气信息工程学院 四川成都 610041)摘 要：卫星遥感是野火监测中的常规手段。
通过比较各卫星遥感数据的光谱特性，提出日本的Himawari-8卫星作为新一代的静止轨道气象卫星，其高频率连续地观测数据能提供火灾动态演变的重要数据。
新一代的极轨气象卫星Suomi NPP和Sentinel-3A具有相对高的时间分辨率和空间分辨率，可以提供火点发现、火点定位、燃烧面积测量、灾后评估等数据。
中等分辨率（15～100m）的Landsat8能提供更精确的火点定位和更详细的地形信息。
关键词：火灾监测 卫星 遥感中图分类号：P23 文献标识码：A 文章编号：1672-3791(2017)12(a)-0095-04Abstract：Satellite remote sensing is routine in wildfires monitoring means. The paper proposed that as a new generation of geostationary satellite, the high frequency continuous observation data of our country's FY-4 satellite and Japanese's Himawari-8 satellite can provide important data of fire's dynamic evolution.The new generation of polar orbiting meteorological satellite Suomi NPP and Sentinel - 3a has relatively high spatial resolution and temporal resolution, can provide data for fire detection, fire location, burned area , post fire ndsat8 with medium resolution (15～100m)can provide more precise fire location and more detailed topographical information whitch would be utility for wildfire management activities.Key Words：Fire monitoring; Satellite; Remote sensing1 引言草原占地球陆地面积的一半以上，其植物生产占全球总量的30%～35%，是家畜生产的主要基地，养活了世界上约1/3的人口。
FY-4A卫星夜间大雾识别及其在高速公路服务应用中的潜力分析
收稿日期：2020-05-23；定稿日期：2020-10-09资助项目：湖北省气象局科技发展基金专项(2019Q08)；湖北省气象局科技发展基金重点项目(2019Z07)第一作者：王明，主要从事卫星遥感监测与交通气象研究。
E-mail:*****************暴雨灾害TORRENTIAL RAIN AND DISASTERSVol.40No.2Apr.2021第40卷第2期2021年4月Night heavy fog identification based on FY-4A satellite and itspotential analysis in the service of expresswayWANG Ming 1,2,LIU Wenting 3,CHEN Yingying 1,JIA Wenqian 1,HE Mingqiong 1,ZHANG Cuihong 3,SONG Mingming 4（1.Hubei Provincial Meteorological Service Centre,Wuhan 430200;2.Institute of Heavy Rain,China MeteorologicalAdministration,Wuhan 430200;3.Wuhan Central Meteorological Observatory,Wuhan 430074;4.Yichang Meteorological Office of Hubei Province,Yichang 443000)Abstract ：By analyzing the AGR multi-channel data with high spatial and temporal resolution from the FY-4A satellite and the cases of heavy fog at night in Hubei Province from March 2018to February 2020,we first determined the identification threshold of night heavy fog at the AGRI long-wave infrared band (10.8μm)and mid-wave infrared band (3.72μm),then verified the satellite identification results with the surface meteorological observation data,and finally assessed the potential of night fog identification method in the application of highway service in Hubei Province.The results show that (1)the night heavy fog identified by the FY-4A satellite is basically consistent with that ob ⁃served by weather stations.(2)The satellite's identification hit rate for heavy fog at night is generally above 70%.Without considering the in ⁃fluence of terrain,the hit rate can be increased by 5%to 8%.Without considering the influence of cloud,the hit rate can be increased by 3%to 4%.(3)Compared with the highway traffic control information of Hubei Province,the hit rate of heavy fog identification from FY-4A satel ⁃lite at toll stations is higher than 70%.To areas where no heavy fog is observed at some national weather stations but the expressway is closedbecause of it,the satellite can effectively identify heavy fog.The identification information to heavy fog at night has great application poten ⁃tial in the highway traffic weather services.Key words:heavy fog identification;FY-4A satellite;expressway;traffic weather service王明,刘文婷,陈英英,等.2021.FY-4A 卫星夜间大雾识别及其在高速公路服务应用中的潜力分析[J].暴雨灾害,40(2):190-200WANG Ming,LIU Wenting,CHEN Yingying,et al.2021.Night heavy fog identification based on FY-4A satellite and its potential analysis in the service of expressway [J].Torrential Rain and Disasters,40(2):190-200FY-4A 卫星夜间大雾识别及其在高速公路服务应用中的潜力分析王明1,2，刘文婷3，陈英英1，贾文茜1，何明琼1，章翠红3，宋明明4(1.湖北省气象服务中心，武汉430200；2.中国气象局武汉暴雨研究所，武汉430200；3.武汉中心气象台，武汉430070；4.湖北省宜昌市气象局，宜昌443000)摘要：利用2018年3月至2020年2月FY-4A 卫星AGRI 高时空分辨率多通道数据与同期湖北省夜间大雾天气个例，先确定夜间大雾在AGRI 长波红外波段(10.8μm)和中波红外波段(3.72μm)的识别阈值，再使用地面气象观测站点资料对卫星识别结果进行检验；最后，结合高速公路交通管制信息，分析夜间大雾识别方法在湖北省高速公路服务应用中的潜力。
Himawari-8气象卫星黄海浒苔动态监测
Himawari-8气象卫星黄海浒苔动态监测王萌;郑伟;李峰【摘要】As a new generation geostationary meteorologicalsatellite,Himawari-8 can provide measurements dynamically monitoring of Enteromorpha prolifera,with its high temporal-spatial resolution.According to the normalized differential vegetation index NDVI,by studying reflection characteristics of enteromorpha,a method using Himawari-8 data is proposed for enteromorpha information detection,drift speed and intensity ing the above methods,the outbreak processes of enteromorpha prolifera in the Yellow Sea from May to July in 2016 are monitored including the appearing time,location,areas,intensity,range of influence,drift path and drift speed.Results show that the enteromorpha are detected firstly on 19 May 2016 in the Yellow Sea and areas are relatively small.It outbreaks in mid and late June with its continuous growth,and areas,range of influence and intensity all reach the maximum in this period.The enteromorpha enters recession period in early July near the coast of Shandong Province,the Yellow Sea,such asQingdao,Yantai,Weihai and so on.The calculation shows that enteromorpha intensity changes with time,and multi-temporal enteromorpha intensity are accumulated into enteromorpha intensity synthetic product.The multi-temporal enteromorpha intensity synthetic product shows that enteromorpha intensity covers more in the central Yellow Sea and the east of Yantai waters,and less in initial position.Themoving path of enteromorpha from appearance to disappearance shows that the drift path of enteromorpha is from the southeast open sea to the northwest offshore,and the average daily drift speed changes constantly.Dynamic changes of enteromorpha are closely related to the environmental hydro meteorological conditions,such as temperature,wind speed and direction.The suitable temperature is the basis for enteromorpha's growth and development.In late May,enteromorpha growth are detected near the northern coast of Jiangsu Provincefirstly,where the temperature is stably 20℃.And then in earlyJune,enteromorpha area increases rapidly with the increasing temperature,and then outbreaks in mid-June when the temperature reaches 20℃ in east of Shandong Peninsula sea.In early July,the average temperature of the Yellow Sea is above 25℃,m aking the enteromorpha decay and disappear gradually.It shows that dominant wind direction is the main driving force of enteromorpha drift,the calculation shows that enteromorpha drifts northward with large and steady south wind from May to July in 2016,and finally arrive in Weihai coast,and the moving direction is in line with the wind.%基于Himawari-8气象卫星数据,研究了利用归一化植被指数提取浒苔信息方法,并提出了浒苔强度和移动速度估算方法.对2016年5-7月黄海海域浒苔信息进行监测,获得了浒苔暴发的时间、地点、面积、强度、影响范围、漂移路径及移动速度.结果表明:2016年5月19日Himawari-8气象卫星首次监测到黄海海域出现浒苔信息;6月中下旬进入暴发期,浒苔面积、影响范围及强度达到最大值;7月上旬,伴随着浒苔大面积登陆青岛、烟台、威海等地,浒苔进入缓慢消亡阶段.多时次浒苔强度合成产品显示:2016年浒苔在黄海中部海域、烟台以东海域覆盖强度较大,在初始位置一带覆盖强度较小.浒苔漂移路径整体为从东南外海逐渐开始向西北近海海域靠近,日移动速度不断变化.浒苔的动态变化与水文气象环境密切相关,适宜的温度是浒苔生长和发展的基础,浒苔出现后,盛行风向是浒苔漂移方向的主要驱动力,2016年5 7月强劲的南风使浒苔一直向北漂移,并最终抵达威海,浒苔的移动与风向大致相同.【期刊名称】《应用气象学报》【年(卷),期】2017(028)006【总页数】10页(P714-723)【关键词】Himawari-8;黄海;浒苔【作者】王萌;郑伟;李峰【作者单位】国家卫星气象中心,北京100081;国家卫星气象中心,北京100081;山东省气候中心,济南250031【正文语种】中文基于Himawari-8气象卫星数据，研究了利用归一化植被指数提取浒苔信息方法，并提出了浒苔强度和移动速度估算方法。
基于MTSAT卫星的我国东部沿海雾区的自动识别
雾 是大 气边界层 的一种水 汽凝 结现 象 ， 宜 的大 气环 流 、 汽 、 速 、 垫 面 等条 件 的共 同 配置 下 ， 在适 水 风 下 有 可能 生成雾 ． 面上空 由于有充 足 的水汽 和丰 富 的凝 结 核 ， 备 了生 成雾 的充分 条件 ． 雾 是灾 害 性 天气 现 海 具 海
所 无 法 比拟 的．
国外 自２ ０世 纪 ７ ０年代起 ， 开始应 用卫星遥感对 雾进行识别研 究． ｕ ａ １７ 、９ ８ 、 ｕｔ ｓ Ｇ ｒ （ ９４ １７ ） Ｇ ｓ ｆ ｎ等 ｋ ａｏ （９ ６ 利用可 见光 图像进 行云雾 识 别及 消散 研 究 Ｈ－ ． ｌｏ （ ９ ５ 对 Ｇ Ｅ １７ ） ３ Ｅｌ ｄ １ ９ ） ］ ｒ Ｏ Ｓ卫 星 的多 光 谱 红外 图像 进 行 夜间雾检测 ＪＭ ｏｎ— ｗｎ等（０ ３ 提出了基于 Ｇ Ｓ ． ｙｕｇＨ ａ ２０） Ｍ－ ５红外通道的新算法来检测海雾和层云 ． ５ 近年来 ， ］
收 稿 日期 ：０ ７ 一８ ２ ０ ＠５ Ｉ 基金项 目： 福建 省科 学 技 术 厅 ２ ０ ０ ４年 自然 科 学 基 金资 助 项 目 （ ０１ ０ ４ Ｄ５０２ ） 作 者 简 介 ： 希 ｆ９ ８～） 女 ， 刘 １７ ， 工程 师 ．
维普资讯
１ 雾光谱特征及遥感监测基本原理
１ １ 可见光通 道 ．
可见 光波 段 （ 中心波 长 ０６ 左 右 ， Ｉ ． ＶＳ通道 ） 星接 收 的地 气 系统 辐 射 主要来 自地 面 、 卫 云雾 层 对 太 阳 辐射 的反 射辐 射． 般雾 的反射率 小 于 中、 一 高云类 ， 于水 体 和地面 ． 大
基于Himawari-8卫星的逐时次海表温度融合
周旋，叶小敏，周江涛，等. 基于Himawari-8卫星的逐时次海表温度融合[J]. 海洋学报，2021，43(1)：137–146，doi:10.12284/hyxb2021011Zhou Xuan ，Ye Xiaomin ，Zhou Jiangtao, et al. Hourly sea surface temperature fusion based on Himawari-8 satellite[J]. Haiyang Xuebao ，2021,43(1)：137–146，doi:10.12284/hyxb2021011基于Himawari-8卫星的逐时次海表温度融合周旋1，叶小敏2，周江涛1，杨晓峰3( 1. 中国人民解放军61741部队，北京 100094；2. 国家卫星海洋应用中心，北京 100081；3. 中国科学院空天信息创新研究院 遥感科学国家重点实验室，北京 100101)摘要：Himawari-8卫星是日本气象厅发射的新一代地球同步静止气象卫星，为获取逐时次海表温度产品提供了有力数据支持。
本文以Himawari-8 AHI 海表温度为基础，利用最优插值法融合GCOM-W1AMSR2海表温度和NERA-GOOS 现场观测资料，生成逐时次海表温度融合产品。
为了充分利用邻近时刻的海表温度观测资料，利用Himawari-8 AHI 海表温度和欧洲中期天气预报中心海面风速数据建立匹配数据集，研究建立海表温度日变化模型，实现邻近时刻海表温度的订正；为了消除多源海表温度间的系统偏差，以Himawari-8 AHI 海表温度为目标数据，利用泊松方程对GCOM-W1 AMSR2海表温度进行偏差订正。
实验验证结果表明，利用逐时次海表温度融合产品计算的日增温情况与海面风速具有较好的相关性，间接证实了逐时次海表温度融合产品的准确性；另外，逐时次海表温度融合产品与现场观测海表温度的偏差为0.09℃、均方根误差为0.89℃，二者具有较好的一致性，说明逐时次海表温度融合产品具有较高的精度。
利用卫星系统提升我国森林火灾监测能力探讨
利用卫星系统提升我国森林火灾监测能力探讨刘志勇; 蒋岳新; 申志强; 李帅; 赵雪【期刊名称】《《航天器工程》》【年(卷),期】2019(028)006【总页数】5页(P96-100)【关键词】遥感卫星; 火灾监测; 数据处理【作者】刘志勇; 蒋岳新; 申志强; 李帅; 赵雪【作者单位】北京空间飞行器总体设计部北京 100094; 应急管理部森林防火预警监测信息中心北京 100065; 钱学森空间技术实验室北京 100094【正文语种】中文【中图分类】V19森林火灾，是指失去人为控制、对森林和森林生态系统及人类带来一定危害和损失的林火行为。
研究利用遥感卫星增强对森林火灾的及时探测、发现、预警能力意义重大，不仅可以减轻灾害损失，还能够扩大遥感卫星应用范围，促进遥感探测载荷技术进步。
国外很多机构、学者投入大量资源进行遥感卫星探测森林火灾的技术研究，取得了很多成果，但也存在着数据综合利用水平不足、精确预警火灾能力不够等问题。
森林的燃烧必须同时具备可燃物、氧气和一定的温度(火源)3个条件，缺一不可。
常见的森林火灾主要有地下火、地表火、树冠火等3种[1]，森林火灾的燃烧发展通常经历预热阶段、燃烧阶段和熄灭阶段[1]。
开始燃烧时生成二氧化氮气体和不可见的小颗粒(直径约在0.01～0.05 pm)等，烟雾气溶胶开始散发；出现明火后，伴随更多烟雾(烟雾颗粒直径约在0.3～1.0 pm)，烟雾粒子更加凝聚，并产生大量有害气体。
火灾发生时一般有3种热物理现象：阴燃、火羽流、烟气，同时产生烟雾气溶胶、烟雾高温、火焰光等现象，这些都称为火灾参量，通过卫星对这些参量进行监测就可以判断是否发生了火灾。
阴燃的典型温度范围为600～1100 K，火羽流热解的典型温度在600～900 K，气相火焰为1200～1700 K。
烟气温度的上限低于火羽流的温度，而下限则高于环境温度，一般为300～800 K。
由辐射定律可知，当物体为黑体时，依靠其自身发光而表现出物体形体的图像信息，其温度必须超过873 K。
HY-1C卫星海岸带成像仪叶绿素a浓度反演研究
HY-1C卫星海岸带成像仪叶绿素a浓度反演研究滕越;邹斌;叶小敏【期刊名称】《海洋学报》【年(卷),期】2022(44)5【摘要】叶绿素a作为最重要的水质参数之一,是评价水体富营养化和初级生产力状况的主要因素。
我国海洋一号C(HY-1C)卫星海岸带成像仪(CZI)具有高时空分辨率的观测优势。
本文基于东海和南海现场实测数据建立了HY-1C卫星CZI叶绿素a浓度反演模型并在实测水域进行反演,与MODIS叶绿素a浓度反演产品进行了对比验证,应用CZI叶绿素a浓度模型在珠江口、长江口、渤海湾水域进行了叶绿素a浓度反演示例试验。
结果表明,叶绿素a浓度模型估算浓度与实测浓度相关系数为0.7743,平均相对误差为24.58%,利用实测叶绿素a浓度对模型进行精度验证,相关系数达到0.9939,平均相对误差为18.49%。
模型在实测水域反演得到的叶绿素a浓度分布与MODIS叶绿素a浓度产品分布大体一致。
在珠江口水域反演得到叶绿素a浓度空间分布为由西北向东南逐级递减,峰值出现在珠江口西沿岸。
在长江口、渤海湾反演叶绿素a浓度空间分布均符合地理实情。
研究表明HY-1C卫星CZI数据可应用于中国近海水色定量化研究。
【总页数】10页(P25-34)【作者】滕越;邹斌;叶小敏【作者单位】国家海洋环境预报中心;国家卫星海洋应用中心;自然资源部空间海洋遥感与应用研究重点实验室【正文语种】中文【中图分类】X834;P714【相关文献】1.基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例2.基于GF-1卫星数据的水库叶绿素a浓度联合反演研究3.长荡湖叶绿素a浓度卫星遥感反演研究4.基于Landsat-8陆地成像仪与Sentinel-2多光谱成像仪传感器的香港近海海域叶绿素a浓度遥感反演5.基于最优特征集的HY-1C卫星海岸带成像仪影像海冰分类方法研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于机器学习的大雾天气背景下特强浓雾本地化诊断研究
基于机器学习的大雾天气背景下 特强浓雾本地化诊断研究
史达伟$ 李!超" 史逸民$ 张银意$
#$1江苏省连云港市气象局! 江苏 连云港 """##'. "1江苏省气象台! 江苏 南京 "$###:$
摘!要 低能见度的大雾天气是造成许多交通事故的重要气象灾害% 极低能见度的强浓雾预报预测是气象工作 中的难点问题% 利用连云港地区 "#$* %"#$' 年逐小时气象观测资料! 选取大雾发生时次! 基于机器学习中的多 种算法对能见度低于 2# B特强浓雾建立气象要素诊断模型% 结果表明" 基于 6@5Y决策树算法的诊断模型能够 较为直观准确的对强浓雾进行诊断! 并且该模型具有较高的泛化能力! 利用约占研究样本 (2f的数据进行学习! 模型的学习准确率为 #*f! 剩余 "2f左右的样本数据对模型的泛化能力进行测试! 测试准确率为 :"1"2f. 2 种机器学习算法中 E/a0算法对于特强浓雾的诊断模型测试效果最好! 但算法可理解度较低& 复杂度较高! 不 如 6@5Y算法易于使用% 关键词 大雾. 特强浓雾. 机器学习. 本地化. 诊断模型. 6@5Y决策树算法 中图分类号 ]*) 7**!!文献标志码 @!!文章编号 $### %:$$]"#$:#" %#$&) %#( R<I" $#1)&'& ZS1IOOD1$### %:$$]1"#$:1#"1#)*
的探讨和研究相对较少! 对于强浓雾的微物理研究 相对较多! 许多研究成果表明! 饱和环境与辐射降 温是雾滴增长的主要因素': %$)( % 6H<TMCNF<D 等的研 究表明仅靠辐射冷却不能产生大的雾滴'$*( % 科研业 务人员判断是否有雾时! 难以定性地预报出雾的强 度! 尤其是影响程度最强的特强浓雾%
一种基于himawari-8卫星数据的火点识别方法及系统与流程
一种基于himawari-8卫星数据的火点识别方法及系统与流程近年来，随着遥感技术的发展，卫星遥感在森林火点识别和监测方面得到了广泛应用。
本文提出了一种基于Himawari-8卫星数据的火点识别方法及系统，详细阐述了火点识别的流程与步骤。
本方法主要包括以下几个部分：1.数据获取：利用Himawari-8卫星获取目标区域的遥感图像、对应的天气信息和地表类型信息。
Himawari-8卫星具有高空间分辨率、高光谱分辨率和实时监测能力，为火点识别提供了有效数据支持。
2.数据预处理：对获取的遥感图像进行辐射定标、大气校正和地理校正等预处理，以消除数据中的噪声和误差。
同时，根据天气信息和地表类型信息，对数据进行相应的预处理，为后续火点识别做好准备。
3.特征选取：根据火点识别的需要，从遥感图像中筛选出有利于火点识别的有效波段。
通过对比不同波段间的火点信息，选取具有较高火点识别能力的波段，为后续火点识别提供基础。
4.火点识别：采用机器学习算法对预处理后的遥感图像进行火点识别。
结合筛选出的有效波段，对火点信息进行初步提取。
通过优化算法参数，提高火点识别的准确性和稳定性。
5.火点强度等级判识：根据火点识别结果，对火点的强度等级进行判定。
结合火点面积、温度等信息，对火点进行定量描述。
6.过火区判识和火点时空分布统计：对火点识别结果进行过火区判识，统计火点的时空分布情况。
过火区判识有助于评估火灾损失和制定火灾防控策略。
7.结果验证与分析：通过对比实测火点和卫星遥感识别结果，评估火点识别方法的准确性和可靠性。
对识别结果进行分析，为后续火点识别方法改进提供依据。
8.火点监测与预警：将火点识别结果实时传输至火点监测与预警系统，为火灾防控提供数据支持。
通过对火点信息的实时监测和分析，提高火灾预警的准确性和及时性。
总之，本文提出的基于Himawari-8卫星数据的火点识别方法及系统，能够实现火点的实时监测、识别和预警，为火灾防控提供有力支持。
地面气象观测规范气压
地面气象观测规范气压篇一：地面气象观测规范说明：以黑色字体为主第一篇《地面气象观测规范》一、填空题1、时制规定，人工器测日照采用真太阳时，辐射和自动观测日照采用地方平均太阳时，其余观测项目均采用北京时。
人工器测日照以日落为日界，辐射和自动观测日照以地方平均太阳时24时为日界，其余观测项目均以北京时20时为日界。
2、湿度观测时掌握好溶冰时间是很重要的一步，当风速、湿度中常时，在观测前30分钟左右进行；湿度很小、风速很大时，在观测前20分钟以内进行；湿度很大、，风速很小时，要在观测前50分钟左右进行。
3、能见度测定的目标物大小要适度，视角以0.5-5.0°之间为宜，近的目标物可适当小些，远的目标物可适当大些。
4、霰为白色不透明的园锥形或球形的颗粒固态降水，直径约为2-5mm，下降时常呈阵性，着硬地常反跳，松脆易碎。
5、观测场内仪器都有其基准部位，下列仪器的基准部位是：小型蒸发器口缘，冻土器内管零线，定槽式水银气压表水银槽盒中线，干湿球湿度表感应部分中心，日照计底座南北线。
6、若无20Cm口径专用量杯，仅知某次降水量重为376.8克，则该次降水量为 12.0 mm。
7、《地面气象观测规范》是从事地面气象观测工作的业务规则和技术规定，观测工作中必须严格遵守。
8、出现灾害性天气，台站应迅速进行调查，并及时记载。
9、由于近地面层的气象要素存在着空间分布的不均匀性和随时间变化的脉动性，因此地面气象观测记录必须具有代表性、准确性、比较性。
10、观测场仪器之间，南北间距不小于3 m，东西间距不小于4 m。
11、云状的判定，主要根据天空中云的外形特征、结构、色泽、排列、高度以及伴见的天象现象，参照“云图”，经过认真细致的分析对比判定是那种云。
判定云状要特别注意云的连续演变过程。
云状记录按“云状分类表”中二十九类云的简写字母记载。
12、荚状层积云（Sc lent）中间厚、边缘薄，形似豆荚、梭子状的云条。
13、日照计每月应检查仪器安装情况，仪器的水平、方位、纬度等是否正确，发现问题，及时纠正。
引入himawari-8卫星数据协变量的能见度样条插值方法
ｈｔｔｐ：／／ｗｗｗ．ｑｘｋｊ．ｎｅｔ．ｃｎ 气 象 科 技 河北省气象局科研开发面上项目“基于葵花卫星的雾区和 ＰＭ２．５浓度反演技术”（１６ｋｙｄ０６）资助 作 者 简 介 ：赵 春 雷 ，男 ，１９６７ 年 生 ，正 研 级 高 级 工 程 师 ，主 要 从 事 卫 星 遥 感 及 生 态 监 测 技 术 应 用 ，Ｅｍａｉｌ：３０８９２０９１４＠ｑｑ．ｃｏｍ 收 稿日期：２０１９年２月１５日；定稿日期：２０１９年７月９日
Ｈｉｍａｗａｒｉ－８（以下简称 Ｈ８）是 日 本 气 象 厅 的 第 二 代 静 止 气 象 卫 星 ，２０１４ 年 １０ 月 发 射 成 功 ，２０１５ 年 ７月投入正式业 务 运 行。Ｈ８ 的 常 规 观 测 频 次 为 １０ ｍｉｎ，其数据的空间分辨 率 从 ０．５～２ｋｍ，应 用 此 数 据开展地面能见度 反 演 对 公 共 交 通、天 气 过 程 监 测 和预警具有重要的现实意义。由于 Ｈ８ 卫 星具有 监 测 频 次 高 、空 间 分 辨 率 高 等 特 点 ，它 所 提 供 的 连 续 遥 感数据以及地面自动监测站提供的能见度数据使得 建立能见度的遥感模型成为可能 。 ［９－１０］
第１期
赵春雷等：引入 Ｈｉｍａｗａｒｉ－８卫星数据协变量的能见度样条插值方法
ห้องสมุดไป่ตู้５３
１ 数 据 与 方 法
１．１ 数 据 来 源 和 处 理 本文所使用的能见度地面监测数据来源于河北
省气象信息中心，京 津 冀 区 域 内 能 见 度 数 据 来 源 于 各气象站点的地面能见度自 动 监 测 仪。１８２ 个 能 见 度地面监测站点的分布见图１所示。
Landsat 8数据介绍
Landsat 8数据介绍1. 简介1.1 数据简介2013年2月11日，美国航空航天局(NASA) 成功发射Landsat-8卫星。
Landsat-8卫星上携带两个传感器，分别是OLI陆地成像仪(Operational Land Imager)和TIRS热红外传感器(Thermal Infrared Sensor)。
Landsat-8在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，卫星每16天可以实现一次全球覆盖。
OLI陆地成像仪有9个波段，成像宽幅为185 x 185km。
与Landsat-7上的ETM传感器相比，OLI陆地成像仪做了以下调整：1. Band 5的波段范围调整为0.845–0.885 μm，排除了0.825μm处水汽吸收的影响;2. Band 8全色波段范围较窄，从而可以更好区分植被和非植被区域;3. 新增两个波段。
Band 1蓝色波段(0.433–0.453 μm) 主要应用于海岸带观测，Band 9短波红外波段(1.360–1.390 μm) 应用于云检测。
LandSat-8上携带的TIRS热红外传感器主要用于收集地球两个热区地带的热量流失，目标是了解所观测地带水分消耗。
1.2 传感器参数传感器波段波长范围/μm信噪比空间分辨率/m用途说明1.3 产品参数2. 数据更新量Landsat 8 每天至少可以获得400幅图像。
Landsat 8覆盖中国区域大约需要9天的时间。
此前这个系列的卫星每天只能获得250幅图像。
这是因为该卫星可以监测区域有更大的灵活性，过去的陆地卫星在轨道上只能收集卫星直接下面航迹线两边一定宽度的地带，而Landsat 8上的遥感器具有指向偏离航迹一个角度获取信息的能力，可以收集到本来要后面的轨道圈才处于卫星下面的地面信息。
这有助于及时获取需多时相(如灾害)对比研究的图像。
基于静止气象卫星的草原火实时监测与预警研究
中文摘要及时发现、预警及火蔓延准确模拟对阻击、扑灭草原火非常重要。
蒙古国是我国北方的重要邻国，与我国共有4676.8km边境线，边境线两侧的地形、气候、植被类型等相近。
近年来蒙古国境内频繁发生草原火，火借风势，经常蔓延到边境线处，严重威胁到我国北方草地生态安全及边境地区人民生命财产安全。
本文以中蒙边境地区为研究区，利用时间分辨率较高的新一代静止气象卫星HIMAWARI8/9数据，开展了快速判别火点、实时跟踪监测草原火的发展动态、提取火烧迹地等工作，并对现有的火蔓延元胞自动机模型进行改进，结合气象、地形、可燃物等数据，模拟研究了草原火的蔓延趋势。
研究结果表明：（1）开展了基于HIMAWARI8/9数据的草原火快速识别和实时跟踪监测研究。
对2019年4月29日-30日发生在蒙古国境内的草原火进行了连续动态监测，发现此次草原火共持续11h30min，HIMAWARI8/9卫星共监测70次，火烧面积共3098.09km2。
最初监测到火点坐标为东经115°49′，北纬49°2′，时间为29日14:50（UTC），距离国境线24公里。
通过实时跟踪监测发现，火势向东南方向蔓延，直到30日02:20（UTC）时火头不再往外扩散，逐渐熄灭。
火场蔓延过程中，蔓延速度呈增加-减少-增加的趋势，平均蔓延速度约6.08km/h，为急进地表火。
采用标准差椭圆分析法评估火点空间分布的准确性，发现基于MODIS、S-NPP/VIIRS和HIMAWARI8/9三种数据判识的火点，其标准差椭圆重心十分接近，均在49.03°N，115.96°E附近，火点分布方向均为西北—东南，与火线移动方向相一致。
（2）在火烧迹地提取方面，归一化燃烧指数（Normalized Burn Ration, NBR）与归一化植被指数（Normalized Difference Vegetation Index, NDVI）、增强型植被指数（Enhanced Vegetation Index, EVI）、全球环境监测植被指数（Global Environment Monitoring Index, GEMI）、燃烧面积指数（Burned Area Index, BAI）四种指数相比，分离指数M取值大于1，对火烧迹地的分离能力较好。
基于葵花8号新一代静止气象卫星的夜间雾识别
基于葵花8号新一代静止气象卫星的夜间雾识别王宏斌;张志薇;刘端阳;袁成松;周林义;钱玮【期刊名称】《高原气象》【年(卷),期】2018(37)6【摘要】基于葵花8号新一代静止气象卫星的高时空分辨率多通道数据,利用3.9μm与11. 2μm通道亮温差法(BTD3. 9～11. 2)和3. 9μm伪比辐射率法(ems3.9)开展了中国地区夜间不同等级雾的识别,确定了各站点和网格点上对不同等级雾两种方法的参数最优阈值;并利用地面站点观测资料和CALIPSO星载激光雷达产品对陆地和海上雾的识别结果进行了验证。
结果表明:(1)通道亮温差法和3. 9μm伪比辐射率法均可以较准确地识别出不同等级的雾,3. 9μm伪比辐射率法准确率略优;随能见度的下降,两种方法识别准确率都明显提升,虚警率明显下降。
能见度小于50 m时,通道亮温差法(3. 9μm伪比辐射率法)识别雾的击中率HR、虚警率FAR和KSS评分分别为0. 89(0. 90)、0. 15(0. 15)和0. 74(0. 75)。
(2)剔除云影响后,4个雾等级下两种方法对雾识别的HR和KSS评分均有明显提升,FAR均有明显下降。
能见度小于1 000 m时,剔除云后通道亮温差法(3. 9μm伪比辐射率法)的HR由0. 71(0. 74)提高到0. 81(0. 85),FAR由0. 27(0. 28)降低到0. 12(0. 13),KSS评分由0. 44(0. 46)提高到0. 69(0. 72),KSS评分提高0. 23(0. 26)。
(3) 3个个例分析表明,基于通道亮温差法、3. 9μm伪比辐射率法以及RGB合成图均可清晰识别出大部分雾区,雾区和非雾区的BTD_(3. 9～11. 2)(ems_(3. 9))差异明显,强浓雾区BTD_(3. 9～11. 2)(ems_(3. 9))约为-5℃(0. 75);基于葵花8卫星海雾的识别结果与CALIPSO星载激光雷达VFM反演产品一致。
卫星遥感火险监测预报预警服务平台的设计与应用
卫星遥感火险监测预报预警服务平台的设计与应用发布时间：2021-03-26T11:57:59.323Z 来源：《中国科技信息》2021年3月作者：陈全1，王明1，杨朝晖2，贾新岳1，郭泽勇2 [导读] 静止气象卫星具有高频次、全覆盖优势，对火情有非常好的监测能力。
本文从火点探测原理和探测仪器和通道出发，简要介绍了卫星遥感火点监测的流程。
1.阳江市消防救援支队，广东阳江529600；2.广东省阳江市气象局，广东阳江 529500；陈全1，王明1，杨朝晖2，贾新岳1，郭泽勇2摘要：静止气象卫星具有高频次、全覆盖优势，对火情有非常好的监测能力。
本文从火点探测原理和探测仪器和通道出发，简要介绍了卫星遥感火点监测的流程。
然后从阳江市火情监测服务平台设计方案出发，重点介绍了服务平台的内容和设计方法，主要包括了火点监测、气象数据显示、火灾报警、火险区划以及历史资料分析等功能，设计了阳江市的火险区划，对阳江市火情的防灾减灾提供了重要保障。
关键词：卫星遥感；火情监测；AHI/ Himawari-8；服务平台 1 卫星遥感火情监测 1.1 火点监测原理高于绝对温度的物体都在不断向外辐射电磁波，温度升高会导致热辐射增强[16]。
据波尔兹曼定律式中，MT为黑体辐射出的总能量，为辐射系数，为斯蒂芬-波尔兹曼常数，其中和为常数，所以辐射能量与该物体绝对温度成4次方成正比，当物体温度有很小的变化，就会引起辐射很大的变化，而高温热源的温度更将会引起辐射的急剧增加，这种变化十分有利于判识高温热源。
另外据维恩位移定律，黑体温度T和辐射峰值波长成反比，即温度愈高，辐射峰值波长越小。
常温地表（约300K）辐射峰值波长在11μm左右，当物质着火时，温度可达550K以上，辐射峰值波长就位于4μm左右。
正好对应卫星探测器的红外通道，遥感林火监测正是利用了上述原理，利用辐射的差异性判定火点。
1.2 探测仪器及通道介绍新一代静止气象卫星Himawari-8定位在东经140.7°，搭载的扫描成像仪AHI能够在10分钟内完成全盘扫描，共有16个通道，波段长从0.46μm到13.3μm，其空间分辨率有0.5km，1km和2km三种，其中3个可见光通道，3个近红外和10个红外通道，表1所示为16个通道详细的特性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
H8-AHI卫星数据的夜间陆地雾自动检测
H8/AHI卫星数据的夜间陆地雾自动检测
近年来，雾霾天气严重影响着人们的生活和安全。
特别是夜间的陆地雾，由于其隐蔽性和对能见度的极大影响，给道路交通、航空航天等行业带来了巨大挑战。
因此，快速、准确地检测和预警夜间陆地雾对于提高人们的生活质量和保障安全非常重要。
H8/AHI卫星数据的夜间陆地雾自动检测成为了一种
高效解决方案。
H8卫星搭载了AHI（高分辨率对地观测仪）设备，该设备能够以很高的时空分辨率观测地球表面。
卫星以固定的位置和固定的视角对地球表面进行观测，并将观测到的数据传回地面处理。
这些数据中包含了丰富的气象信息，如云层、气温、湿度等。
通过对这些信息的分析和处理，可以实现夜间陆地雾的自动检测。
在进行夜间陆地雾自动检测之前，首先需要对卫星数据进行预处理。
由于H8/AHI卫星数据在传输过程中会受到各种噪
声的干扰，因此需要对数据进行滤波和校正。
滤波可以去除数据中的噪声，校正可以修正由于各种外部因素引起的误差。
通过这些预处理步骤，可以使得卫星数据更符合实际的观测情况。
接下来，利用预处理后的卫星数据，可以进行夜间陆地雾的自动检测。
夜间陆地雾主要是由大气中的水汽凝结形成的，因此与云层的特征相似。
根据亮温和亮度温度差的特征，可以将云层和雾区分开来。
亮温是指地表或大气层在某个频段发射的辐射能量，亮度温度差是指地表或大气层发射的辐射能量与黑体辐射能量之间的差值。
通常情况下，亮温与亮度温度差之间呈现出负相关关系。
通过对亮温和亮度温度差的分析，可以
实现对夜间陆地雾的自动检测。
此外，由于夜间雾的隐蔽性，人眼很难观测到夜间陆地雾的形成和演变。
因此，利用H8卫星的高时空分辨率数据，可
以实现对夜间陆地雾的实时监测和预警。
通过对连续观测到的数据进行分析，可以发现雾的形成过程和演变规律，从而提前预警可能出现的危险情况。
总之，H8/AHI卫星数据的夜间陆地雾自动检测为我们提
供了一种高效、准确的方式来监测和预警雾霾天气。
通过对卫星数据的分析和处理，我们可以实现对夜间陆地雾的自动检测，从而提高人们的生活质量和保障安全。
随着科技的不断发展和卫星数据的不断更新，我们相信夜间陆地雾自动检测的技术将会得到进一步的完善和广泛应用
综上所述，利用H8/AHI卫星数据进行夜间陆地雾的自动
检测成为一种高效、准确的方式。
通过对亮温和亮度温度差的分析，可以将云层和雾区分开来，实现对夜间陆地雾的检测。
此外，利用H8卫星的高时空分辨率数据，可以实时监测和预
警夜间陆地雾的形成和演变，提前预警可能出现的危险情况。
这种技术的应用将提高人们的生活质量和保障安全。
随着科技的发展和卫星数据的更新，夜间陆地雾自动检测的技术将进一步完善和广泛应用。