CN114324973B - 台风风速反演方法、装置、电子设备及存储介质 - Google Patents
台风风速反演方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114324973B CN114324973B CN202210260803.5A CN202210260803A CN114324973B CN 114324973 B CN114324973 B CN 114324973B CN 202210260803 A CN202210260803 A CN 202210260803A CN 114324973 B CN114324973 B CN 114324973B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- remote sensing
- pixel
- sensing image
- acquiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 41
- 230000010287 polarization Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 101150004293 lon2 gene Proteins 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- WGKGADVPRVLHHZ-ZHRMCQFGSA-N N-[(1R,2R,3S)-2-hydroxy-3-phenoxazin-10-ylcyclohexyl]-4-(trifluoromethoxy)benzenesulfonamide Chemical compound O[C@H]1[C@@H](CCC[C@@H]1N1C2=CC=CC=C2OC2=C1C=CC=C2)NS(=O)(=O)C1=CC=C(OC(F)(F)F)C=C1 WGKGADVPRVLHHZ-ZHRMCQFGSA-N 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 101000794020 Homo sapiens Bromodomain-containing protein 8 Proteins 0.000 description 1
- 101001006782 Homo sapiens Kinesin-associated protein 3 Proteins 0.000 description 1
- 101000615355 Homo sapiens Small acidic protein Proteins 0.000 description 1
- 102100021255 Small acidic protein Human genes 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Processing (AREA)
Abstract
本申请提供了台风风速反演方法、装置、电子设备及存储介质，涉及遥感影像处理技术领域，具体为：同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速。本申请能够提高台风风速反演精度。
Description
技术领域
本申请涉及遥感图像处理技术领域，尤其是涉及台风风速反演方法、装置、电子设备及存储介质。
背景技术
台风是发生在热带洋面上的强烈气旋性涡旋，是一种强大而深厚的天气系统。作为地球上最具破坏性的自然现象之一，其造成灾害的严重性极大，具有超强的破坏力。发生台风时，常常伴有大风、巨浪、强降雨、风暴潮等，有时还能引起海啸，严重危害人们的生命安全。
卫星遥感技术的迅速发展使得广阔海域的台风观测成为可能。气象卫星覆盖范围广、成像面积大、时间分辨率高，可以用于大面积时时监测台风。由于在台风期间，往往伴随着强风和降雨，云层较厚，气象卫星在灾害预警、监测和评估中受到很大的局限，难以对台风高风速区域进行高精度反演的技术问题。
发明内容
有鉴于此，本申请提供了台风风速反演方法、装置、电子设备及存储介质，解决现有技术中难以对台风高风速区域进行高精度反演的技术问题。
第一方面，本申请实施例提供了一种台风风速反演方法，包括：
同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；
从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；
利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速。
进一步的，所述台风风速反演模型的训练过程包括：
基于国际气候管理最佳路径档案数据，确定台风发生时间，获取与台风发生时间最接近的海洋二号B卫星的执行时间T；
从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；
获取执行时间T的海洋二号B卫星微波辐射计的第一遥感影像样本、执行时间T的海洋二号B卫星微波散射计的第二遥感影像样本和与执行时间T最接近的时间的土壤水分主动-被动卫星的第三遥感影像样本；
对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度、从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；
利用训练样本集对台风风速反演模型进行训练。
进一步的，从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；包括：
从国际气候管理最佳路径档案数据中获取执行时间T前后两个时间BT_time1和BT_time2；
从国际气候管理最佳路径档案数据中获取BT_time1对应的第一台风中心位置：经度BT_lat1和纬度 BT_lon1，获取BT_time2对应的第二台风中心位置：经度BT_lat2和纬度BT_lon2；
通过线性插值计算执行时间T对应的第三台风中心位置：
其中，MATCH_lat和MATCH_lon为第三台风中心位置的经度和纬度；
以第三台风中心位置为中心，经度方向上下各3度，纬度方向上下各3度确定一个正方形区域，该正方形区域为台风区域。
进一步的，对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度、从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；包括：
对于第一遥感影像样本的台风区域的任一像元A，从第二遥感影像样本中获取与像元A距离最近的像元B；
对于第一遥感影像样本的台风区域的任一像元A，从第三遥感影像样本中获取与像元A距离最近的像元C；
从第一遥感影像样本中获取像元A的各频段亮度温度，从第二遥感影像样本中获取像元B的后向散射系数，从第三遥感影像样本中获取像元C的台风风速；
将像元A的各频段亮度温度、像元B的后向散射系数和像元C的台风风速作为一个训练样本；
将所有训练样本组成训练样本集。
进一步的，第一遥感影像的一个像元的各频段亮度温度包括：6.925GHz水平极化亮度温度H6_TB、6.925GHz垂直极化亮度温度V6_TB、10.7GHz水平极化亮度温度H10_TB、10.7GHz垂直极化亮度温度V10_TB、18.7GHz水平极化亮度温度H18_TB、18.7GHz垂直极化亮度温度V18_TB、23.8GHz垂直极化亮度温度V23_TB、37GHz水平极化亮度温度H37_TB和37GHz垂直极化亮度温度V37_TB。
进一步的，所述台风风速反演模型采用随机森林回归模型，利用训练样本集对台风风速反演模型进行训练，包括：
将各训练样本的各频段亮度温度以及后向散射系数作为台风风速反演模型输入；将各训练样本的台风风速作为台风风速反演模型的预期输出，采用随机森林回归方法，对台风风速反演模型进行训练。
第二方面，本申请实施例提供了一种台风风速反演装置，包括：
影像获取单元，用于同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；
数据获取单元，用于从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；
风速反演单元，用于利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速。
第三方面，本申请实施例提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例的台风风速反演方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现本申请实施例的台风风速反演方法。
本申请解决了现有技术中难以对台风高风速区域进行高精度反演的技术问题，实现了台风区域高精度的风速反演。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的台风风速反演方法的流程图；
图2为本申请实施例提供的台风风速反演装置的功能结构图；
图3为本申请实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
首先对本申请实施例的设计思想进行简单介绍。
卫星遥感技术的迅速发展使得广阔海域的台风观测成为可能。气象卫星覆盖范围广、成像面积大、时间分辨率高，可以用于大面积时时监测台风。由于在台风期间，往往伴随着强风和降雨，云层较厚，气象卫星在灾害预警、监测和评估中受到很大的局限，难以对台风高风速区域进行高精度反演的技术问题。
考虑到微波遥感具有穿透云雾及雨雪，以及全天候的工作能力，能够提供不同于可见光和红外遥感的某些信息，它能够从多个频率、多种极化方式和多个视角来获取目标信息，对台风期间的海风海浪监测具有独特的优势。微波散射计和微波辐射计主被动微波观测结合的方法可以充分利用主动微波和被动微波的优势，获取更高精度的台风风场，有效解决高风速下台风风场反演的问题。
在本申请实施例中，通过同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速；达到了对台风区域高风速反演的目的，进而解决了现有技术中难以对台风高风速区域进行高精度反演的技术问题，从而实现了能够对台风区域高风速风场反演的技术效果。
在介绍了本申请实施例的应用场景和设计思想之后，下面对本申请实施例提供的技术方案进行说明。
如图1所示，本申请实施例提供了一种台风风速反演方法，包括：
步骤101：同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；
步骤102：从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；
其中，待反演台风区域通过中央气象台提供的台风中心定位报文资料确定。
步骤103：利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速。
在本实施例中，首先利用历史数据建立训练样本集，对台风风速反演模型进行训练，包括：
步骤S1：基于国际气候管理最佳路径档案数据，确定台风发生时间，获取与台风发生时间最接近的海洋二号B卫星的执行时间T；
在本实施例中，根据历史的国际气候管理最佳路径档案（International BestTrack Archive for Climate Stewardship，IBTrACS）提供的台风最佳路径数据，获取台风发生时间BT_time。
由于国际气候管理最佳路径档案数据中台风的采样间隔（通常为6个小时）和海洋二号B卫星的采样间隔（通常为1个小时）不一致，因此需要获取与台风发生时间最接近的海洋二号B卫星的执行时间T。
步骤S2：从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；
在本实施例中，该步骤包括：
从国际气候管理最佳路径档案数据中获取执行时间T前后两个时间BT_time1和BT_time2；
从国际气候管理最佳路径档案数据中获取BT_time1对应的第一台风中心位置：经度BT_lat1和纬度 BT_lon1，获取BT_time2对应的第二台风中心位置：经度BT_lat2和纬度BT_lon2；
通过线性插值计算执行时间T对应的第三台风中心位置：
其中，MATCH_lat和MATCH_lon为第三台风中心位置的经度和纬度；
以第三台风中心位置为中心，经度方向上下各3度，纬度方向上下各3度确定一个正方形区域，该正方形区域为台风区域。
步骤S3：获取执行时间T的海洋二号B卫星微波辐射计的第一遥感影像样本、执行时间T的海洋二号B卫星微波散射计的第二遥感影像样本和与执行时间T最接近的时间的土壤水分主动-被动卫星的第三遥感影像样本；
步骤S4：对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度、从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；
在本实施例中，该步骤包括：
步骤4A:对于第一遥感影像样本的台风区域的任一像元A，从第二遥感影像样本中获取与像元A距离最近的像元B；
A像元的位置为:（RAD_lat，RAD_lon）,RAD_lat为经度，RAD_lon为维度；
计算第一距离差distance_diff_SCA：
其中，SCA_lat和SCA_lon为第二遥感影像样本任一像元的纬度和经度；将distance_diff_SCA最小值对应的位置的像元作为像元B；
步骤4B:对于第一遥感影像样本的台风区域的任一像元A，从第三遥感影像样本中获取与像元A距离最近的像元C；
计算第二距离差distance_diff_SMAP：
其中，SMAP_lat和SMAP_lon为第三遥感影像样本任一像元的纬度和经度；将distance_diff_SMAP最小值对应的位置的像元作为像元C；
步骤4C:从第一遥感影像样本中获取像元A的各频段亮度温度，从第二遥感影像样本中获取像元B的后向散射系数，从第三遥感影像样本中获取像元C的台风风速；
其中，各频段亮度温度包括：6.925GHz水平极化亮度温度H6_TB、6.925GHz垂直极化亮度温度V6_TB、10.7GHz水平极化亮度温度H10_TB、10.7GHz垂直极化亮度温度V10_TB、18.7GHz水平极化亮度温度H18_TB、18.7GHz垂直极化亮度温度V18_TB、23.8GHz垂直极化亮度温度V23_TB、37GHz水平极化亮度温度H37_Tb和37GHz垂直极化亮度温度V37_TB；
步骤4D:将像元A的各频段亮度温度、像元B的后向散射系数和像元C的台风风速作为一个训练样本；将所有训练样本组成训练样本集。
步骤S5：利用训练样本集对台风风速反演模型进行训练；
在本实施例中，所述台风风速反演模型采用随机森林回归模型，将各个训练样本的各频段亮度温度（H6_TB、V6_TB、H10_TB、V10_TB、H18_TB、V18_TB、V23_TB、H37_TB、V37_TB）和后向散射系数（sigma0），作为台风风速反演模型输入的变量x，各训练样本的台风风速（SMAP_speed）作为模型预期的输出y，采用随机森林回归（Random Forest regression）方法，确定台风风速反演模型。
本申请通过国产海洋二号B卫星微波散射计和微波辐射计数据的主被动联合，有效突破现有技术在台风高风速区域反演的局限性，实现了能够对台风区域高风速风场反演能力，解决了现有技术中难以对台风高风速区域进行高精度反演的技术问题。
综上，本申请实施例通过国际气候管理最佳路径档案数据，确定出所待反演台风风速的范围边界，缩小卫星影像的选取范围，提高台风区域风速反演的效率；选取海洋二号B卫星微波辐射计和微波散射计匹配数据集，联合主被动微波数据变量，充分利用主被动微波优势，提高台风区域风速反演的精度；采用随机森林回归方法训练台风风速反演模型，有效提高反演模型的抗噪声能力和降低反演模型偏差。
基于上述实施例，本申请实施例提供了一种台风风速反演装置，参阅图2所示，本申请实施例提供的台风风速反演装置200至少包括：
影像获取单元201，用于同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；
数据获取单元202，用于从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；
风速反演单元203，用于利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速。
需要说明的是，本申请实施例提供的台风风速反演装置200解决技术问题的原理与本申请实施例提供的台风风速反演方法相似，因此，本申请实施例提供的台风风速反演装置200的实施可以参见本申请实施例提供的台风风速反演方法的实施，重复之处不再赘述。
如图3所示，本申请实施例提供的电子设备300至少包括：处理器301、存储器302和存储在存储器302上并可在处理器301上运行的计算机程序，处理器301执行计算机程序时实现本申请实施例提供的台风风速反演方法。
本申请实施例提供的电子设备300还可以包括连接不同组件（包括处理器301和存储器302）的总线303。其中，总线303表示几类总线结构中的一种或多种，包括存储器总线、外围总线、局域总线等。
存储器302可以包括易失性存储器形式的可读介质，例如随机存储器（RandomAccess Memory，RAM）3021和/或高速缓存存储器3022，还可以进一步包括只读存储器（ReadOnly Memory，ROM）3023。
存储器302还可以包括具有一组（至少一个）程序模块3025的程序工具3024，程序模块3025包括但不限于：操作子系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备300也可以与一个或多个外部设备304（例如键盘、遥控器等）通信，还可以与一个或者多个使得用户能与电子设备300交互的设备通信（例如手机、电脑等），和/或，与使得电子设备300与一个或多个其它电子设备300进行通信的任何设备（例如路由器、调制解调器等）通信。这种通信可以通过输入/输出（Input /Output，I/O）接口305进行。并且，电子设备300还可以通过网络适配器306与一个或者多个网络（例如局域网（Local AreaNetwork，LAN），广域网（Wide Area Network，WAN）和/或公共网络，例如因特网）通信。如图3所示，网络适配器306通过总线303与电子设备300的其它模块通信。应当理解，尽管图3中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列（Redundant Arrays of IndependentDisks，RAID）子系统、磁带驱动器以及数据备份存储子系统等。
需要说明的是，图3所示的电子设备300仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，该计算机指令被处理器执行时实现本申请实施例提供的台风风速反演方法。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (6)
1.一种台风风速反演方法，其特征在于，包括：
同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；
从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；
利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速；
所述台风风速反演模型的训练过程包括：
基于国际气候管理最佳路径档案数据，确定台风发生时间，获取与台风发生时间最接近的海洋二号B卫星的执行时间T；
从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；
获取执行时间T的海洋二号B卫星微波辐射计的第一遥感影像样本、执行时间T的海洋二号B卫星微波散射计的第二遥感影像样本和与执行时间T最接近的时间的土壤水分主动-被动卫星的第三遥感影像样本；
对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度，从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；
利用训练样本集对台风风速反演模型进行训练；
从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；包括：
从国际气候管理最佳路径档案数据中获取执行时间T前后两个时间BT_time1和BT_ time2；
从国际气候管理最佳路径档案数据中获取BT_time1对应的第一台风中心位置：经度BT_lat1和纬度 BT_lon1，获取BT_time2对应的第二台风中心位置：经度BT_lat2和纬度BT_ lon2；
通过线性插值计算执行时间T对应的第三台风中心位置：
其中，MATCH_lat和MATCH_lon为第三台风中心位置的经度和纬度；
以第三台风中心位置为中心，经度方向上下各3度，纬度方向上下各3度确定一个正方形区域，该正方形区域为台风区域；
对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度、从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；包括：
对于第一遥感影像样本的台风区域的任一像元A，从第二遥感影像样本中获取与像元A距离最近的像元B；
对于第一遥感影像样本的台风区域的任一像元A，从第三遥感影像样本中获取与像元A距离最近的像元C；
从第一遥感影像样本中获取像元A的各频段亮度温度，从第二遥感影像样本中获取像元B的后向散射系数，从第三遥感影像样本中获取像元C的台风风速；
将像元A的各频段亮度温度、像元B的后向散射系数和像元C的台风风速作为一个训练样本；
将所有训练样本组成训练样本集。
2.根据权利要求1所述的台风风速反演方法，其特征在于，第一遥感影像的一个像元的各频段亮度温度包括：6.925GHz水平极化亮度温度H6_TB、6.925GHz垂直极化亮度温度V6_TB、10.7GHz水平极化亮度温度H10_TB、10.7GHz垂直极化亮度温度V10_TB、18.7GHz水平极化亮度温度H18_TB、18.7GHz垂直极化亮度温度V18_TB、23.8GHz垂直极化亮度温度V23_TB、37GHz水平极化亮度温度H37_TB和37GHz垂直极化亮度温度V37_TB。
3.根据权利要求2所述的台风风速反演方法，其特征在于，所述台风风速反演模型采用随机森林回归模型，利用训练样本集对台风风速反演模型进行训练，包括：
将各训练样本的各频段亮度温度以及后向散射系数作为台风风速反演模型输入；将各训练样本的台风风速作为台风风速反演模型的预期输出，采用随机森林回归方法，对台风风速反演模型进行训练。
4.一种台风风速反演装置，其特征在于，包括：
影像获取单元，用于同时获取海洋二号B卫星微波辐射计的第一遥感影像和微波散射计的第二遥感影像；
数据获取单元，用于从第一遥感影像获取待反演台风区域各像元的各频段亮度温度，从第二遥感影像获取待反演台风区域各像元的后向散射系数；
风速反演单元，用于利用预先训练完成的台风风速反演模型，对待反演台风区域的同一像元的各频段亮度温度和后向散射系数进行处理，得到待反演台风区域各像元的风速；
所述台风风速反演模型的训练过程包括：
基于国际气候管理最佳路径档案数据，确定台风发生时间，获取与台风发生时间最接近的海洋二号B卫星的执行时间T；
从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；
获取执行时间T的海洋二号B卫星微波辐射计的第一遥感影像样本、执行时间T的海洋二号B卫星微波散射计的第二遥感影像样本和与执行时间T最接近的时间的土壤水分主动-被动卫星的第三遥感影像样本；
对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度，从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；
利用训练样本集对台风风速反演模型进行训练；
从国际气候管理最佳路径档案数据中获取执行时间T的前后两个时间及相应的台风中心位置，对两个台风中心位置进行线性插值获得执行时间T对应的台风中心位置，根据台风中心位置确定台风区域；包括：
从国际气候管理最佳路径档案数据中获取执行时间T前后两个时间BT_time1和BT_ time2；
从国际气候管理最佳路径档案数据中获取BT_time1对应的第一台风中心位置：经度BT_lat1和纬度 BT_lon1，获取BT_time2对应的第二台风中心位置：经度BT_lat2和纬度BT_ lon2；
通过线性插值计算执行时间T对应的第三台风中心位置：
其中，MATCH_lat和MATCH_lon为第三台风中心位置的经度和纬度；
以第三台风中心位置为中心，经度方向上下各3度，纬度方向上下各3度确定一个正方形区域，该正方形区域为台风区域；
对于第一遥感影像样本的台风区域中的各像元，从第一遥感影像样本中获取像元的各频段亮度温度、从第二遥感影像样本中获取后向散射系数，从第三遥感影像样本中获取风速数据，生成训练样本集；包括：
对于第一遥感影像样本的台风区域的任一像元A，从第二遥感影像样本中获取与像元A距离最近的像元B；
对于第一遥感影像样本的台风区域的任一像元A，从第三遥感影像样本中获取与像元A距离最近的像元C；
从第一遥感影像样本中获取像元A的各频段亮度温度，从第二遥感影像样本中获取像元B的后向散射系数，从第三遥感影像样本中获取像元C的台风风速；
将像元A的各频段亮度温度、像元B的后向散射系数和像元C的台风风速作为一个训练样本；
将所有训练样本组成训练样本集。
5.一种电子设备，其特征在于，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-3任一项所述的台风风速反演方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1-3任一项所述的台风风速反演方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210260803.5A CN114324973B (zh) | 2022-03-17 | 2022-03-17 | 台风风速反演方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210260803.5A CN114324973B (zh) | 2022-03-17 | 2022-03-17 | 台风风速反演方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114324973A CN114324973A (zh) | 2022-04-12 |
| CN114324973B true CN114324973B (zh) | 2022-06-07 |
Family
ID=81033717
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210260803.5A Active CN114324973B (zh) | 2022-03-17 | 2022-03-17 | 台风风速反演方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114324973B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114942076B (zh) * | 2022-07-25 | 2022-10-11 | 国家卫星海洋应用中心 | 一种海面温度的校正方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844090A (zh) * | 2016-03-18 | 2016-08-10 | 国家卫星海洋应用中心 | 多参数分步海面盐度反演方法以及装置 |
Family Cites Families (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3984685A (en) * | 1975-12-03 | 1976-10-05 | Nasa | Wind measurement system |
| JPS58214860A (ja) * | 1982-06-07 | 1983-12-14 | Mitsubishi Electric Corp | マイクロ波散乱計 |
| FI930229A (fi) * | 1993-01-20 | 1994-07-21 | Sitra Foundation | Menetelmä materiaalin virtausnopeuden määrittämiseksi |
| JP2006118974A (ja) * | 2004-10-21 | 2006-05-11 | Chugoku Electric Power Co Inc:The | 風速・風向測定システム |
| JP2006118975A (ja) * | 2004-10-21 | 2006-05-11 | Chugoku Electric Power Co Inc:The | 風速・風向測定システム |
| KR101351793B1 (ko) * | 2011-10-24 | 2014-01-17 | 대한민국 | 해상풍 탐지시스템 및 이를 이용한 해상풍 탐지방법 |
| US9127910B2 (en) * | 2012-07-09 | 2015-09-08 | Torrey Pines Logic, Inc. | Crosswind speed measurement by optical measurement of scintillation |
| CN106324275B (zh) * | 2016-08-05 | 2022-07-26 | 国家海洋局第二海洋研究所 | 一种基于双视角光学遥感图像的海面风速探测方法 |
| CN107870043A (zh) * | 2017-10-25 | 2018-04-03 | 中国科学院国家空间科学中心 | 一种海表参数同步反演优化方法 |
| CN108596380B (zh) * | 2018-04-18 | 2022-11-08 | 中国科学院国家空间科学中心 | 一种海面台风风场的定量探测方法 |
| CN108983235B (zh) * | 2018-07-26 | 2020-07-03 | 浙江大学 | 一种基于刈幅的交叉极化sar风场反演方法 |
| DE202018105460U1 (de) * | 2018-09-21 | 2018-10-01 | Dongxiang Zhang | Ein Ozean-Satelliten-Windfeld-Echtheitstestgerät |
| CN110398738B (zh) * | 2019-06-09 | 2021-08-10 | 自然资源部第二海洋研究所 | 一种利用遥感图像反演海面风速的方法 |
| CN111723464B (zh) * | 2020-05-15 | 2024-04-09 | 南京师范大学 | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 |
| CN111638521B (zh) * | 2020-06-17 | 2021-09-24 | 中国人民解放军海军潜艇学院 | 一种成像高度计遥感数据的海面风速反演方法 |
| CN111812646A (zh) * | 2020-07-01 | 2020-10-23 | 自然资源部第二海洋研究所 | 一种利用合成孔径雷达图像反演海面风速的方法及系统 |
| CN111781114A (zh) * | 2020-07-09 | 2020-10-16 | 南京大得科技有限公司 | 一种气固两相流的浓度和速度检测装置和检测方法 |
| CN111951204B (zh) * | 2020-08-10 | 2021-07-20 | 中国人民解放军国防科技大学 | 一种基于深度学习的天宫二号探测数据海面风速反演方法 |
| CN112199840B (zh) * | 2020-09-30 | 2021-07-06 | 国家海洋环境预报中心 | 数值模式海面风速订正方法、装置、电子设备及存储介质 |
| CN113050091B (zh) * | 2021-03-08 | 2021-09-28 | 国家海洋技术中心 | 一种星载合成孔径雷达风速风向联合反演方法及系统 |
| CN113534159B (zh) * | 2021-07-08 | 2022-04-26 | 国家海洋技术中心 | 一种基于sar卫星遥感数据的海面风速反演方法及系统 |
| CN113989681B (zh) * | 2021-12-29 | 2022-04-08 | 航天宏图信息技术股份有限公司 | 遥感影像变化检测方法、装置、电子设备及存储介质 |
| CN114113001B (zh) * | 2022-01-27 | 2022-05-17 | 航天宏图信息技术股份有限公司 | 一种气溶胶光学厚度反演方法 |
-
2022
- 2022-03-17 CN CN202210260803.5A patent/CN114324973B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844090A (zh) * | 2016-03-18 | 2016-08-10 | 国家卫星海洋应用中心 | 多参数分步海面盐度反演方法以及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114324973A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Draxl et al. | Overview and meteorological validation of the wind integration national dataset toolkit | |
| EP1971883B1 (en) | A statistical-deterministic approach to natural disaster prediction | |
| US10725205B2 (en) | Forensic weather system | |
| US9262723B2 (en) | Predicting climate data using climate attractors derived from a global climate model | |
| KR101761707B1 (ko) | 능동형 정보수집 스크립트 및 수치모형을 이용한 태풍해일 자동 예측 방법 | |
| Uhlhorn et al. | Observational undersampling in tropical cyclones and implications for estimated intensity | |
| Demirdjian et al. | Statistical modeling of extreme precipitation with TRMM data | |
| Sheng et al. | Automated georeferencing and orthorectification of Amazon basin-wide SAR mosaics using SRTM DEM data | |
| CN114049545B (zh) | 一种基于点云体素的台风定强方法、系统、设备及介质 | |
| CN114324973B (zh) | 台风风速反演方法、装置、电子设备及存储介质 | |
| Masters | Measurement, modeling and simulation of ground-level tropical cyclone winds | |
| CN115267786A (zh) | 融合卫星观测亮温和高程的ResUNet-GAN全球雷达反演方法及装置 | |
| US20180156940A1 (en) | Forensic weather system | |
| Das | Parametric modeling of tropical cyclone wind fields in India | |
| Oettli et al. | The self-organizing map, a new approach to apprehend the Madden–Julian oscillation influence on the intraseasonal variability of rainfall in the southern African region | |
| Behrens et al. | CDIP: maintaining a robust and reliable ocean observing buoy network | |
| CN114021504A (zh) | 一种城市台风轨迹预测方法及装置 | |
| US10345485B2 (en) | Forensic weather system | |
| CN111488553B (zh) | 一种太阳辐照度计算方法及装置 | |
| CN112966656A (zh) | 数据处理方法及装置 | |
| Shi et al. | Inundation simulation of different return periods of storm surge based on a numerical model and observational data | |
| Stone et al. | A new wave-current online information system for oil spill contingency planning (WAVCIS) | |
| CN116861766A (zh) | 一种基于生成对抗网络的台风风场预测方法和系统 | |
| Thiele | On requirements for a satellite mission to measure tropical rainfall | |
| Bolla et al. | The tracking and prediction of high intensity rainstorms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |