國(guó)產(chǎn)自主極軌氣象衛(wèi)星FY-3C溫度計(jì)MWTS-Ⅱ和濕度計(jì)MWHTS資料質(zhì)量源優(yōu)良且對(duì)數(shù)值天氣預(yù)報(bào)的同化和模式預(yù)報(bào)有重要的意義。鑒于國(guó)內(nèi)外針對(duì)此類(lèi)衛(wèi)星資料的同化現(xiàn)狀,本文從提高陸地上空和低層微波垂直探測(cè)資料利用率出發(fā),針對(duì)解決地表發(fā)射率精確計(jì)算、云檢測(cè)等基礎(chǔ)問(wèn)題的需求,提出了基于小波分析的地表發(fā)射率去噪算法、基于小波數(shù)據(jù)集約束的動(dòng)態(tài)地表發(fā)射率計(jì)算方法和基于高斯回歸過(guò)程GPR(Gaussian Process Regression)智能學(xué)習(xí)溫濕亮溫關(guān)系函數(shù)的云檢測(cè)算法等,解決了陸地上空低層及中高層通道地表發(fā)射率精確計(jì)算及探測(cè)資料同化等衛(wèi)星資料的實(shí)際應(yīng)用問(wèn)題。陸表的復(fù)雜性導(dǎo)致很難有完美的物理模式去精確計(jì)算地表發(fā)射率,但衛(wèi)星觀測(cè)反演地表發(fā)射率不受這些大量陸面輸入?yún)?shù)(如粗糙度、土壤濕度等)的限制�；诘乇戆l(fā)射率發(fā)展變化緩慢的假定,可進(jìn)行長(zhǎng)期離線計(jì)算發(fā)展月平均地表發(fā)射率數(shù)據(jù)集。針對(duì)數(shù)據(jù)集本質(zhì)上是一種圖像矩陣且含有未知噪聲源,提出了針對(duì)高級(jí)圖像處理的小波方法對(duì)發(fā)射率數(shù)據(jù)集進(jìn)行圖像去噪,開(kāi)發(fā)了適用于FY-3C衛(wèi)星溫度計(jì)的小波發(fā)射率數(shù)據(jù)集。在同化預(yù)報(bào)試驗(yàn)檢驗(yàn)中,大大提高了陸地上空的同化資料量,改善了亮溫模擬效果和分析場(chǎng)質(zhì)量,也減小了預(yù)報(bào)誤差。微波低層探測(cè)通道對(duì)地表更加敏感,因此,實(shí)質(zhì)上是一種氣候平均的、每日為固定值的發(fā)射率數(shù)據(jù)集顯然不再適用于這些低層觀測(cè)。本文基于實(shí)時(shí)像元?jiǎng)討B(tài)發(fā)射率反演方案,同時(shí)以小波數(shù)據(jù)集作為約束集,對(duì)動(dòng)態(tài)反演的發(fā)射率值進(jìn)行約束以消除反演誤差,設(shè)計(jì)優(yōu)化了新的同化系統(tǒng)流程,實(shí)現(xiàn)微波低層探測(cè)通道的系統(tǒng)應(yīng)用。同化預(yù)報(bào)試驗(yàn)結(jié)果表明,受益于地表發(fā)射率的改進(jìn),中低層通道的第一猜值殘差有明顯改善。相比于發(fā)射率數(shù)據(jù)集方案,中低層通道陸地觀測(cè)數(shù)量可增長(zhǎng)約6-8%左右,且大量新觀測(cè)信息的加入并未對(duì)分析場(chǎng)產(chǎn)生不良影響,改進(jìn)了短時(shí)預(yù)報(bào)效果。針對(duì)FY-3C載荷上50-60GHz和118.75GHz雙氧通道特性,基于機(jī)器學(xué)習(xí)GPR方法發(fā)展了一種智能學(xué)習(xí)溫度計(jì)亮溫與濕度計(jì)亮溫內(nèi)在關(guān)系的新云檢測(cè)方案。相比于線性回歸算法,新GPR云檢測(cè)方案提高約20%的云檢測(cè)能力。設(shè)計(jì)了濕度計(jì)MWHTS的同化預(yù)報(bào)系統(tǒng)框架,構(gòu)建了FY-3C微波輻射率資料直接同化應(yīng)用平臺(tái),評(píng)估驗(yàn)證包括新增118.75GHz溫濕聯(lián)合探測(cè)通道的FY-3C資料對(duì)數(shù)值預(yù)報(bào)的應(yīng)用價(jià)值和貢獻(xiàn)潛力。
【學(xué)位單位】：國(guó)防科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP18;TP722.6;P456
【部分圖文】：

圖 2.1 AMSU-A 的通道權(quán)重函數(shù)圖如下[56]MSU-A 有 15 個(gè)光譜通道，頻率范圍為 23.8-89.0GHz，其中通道 1、2、區(qū)通道，通道 4-14（52.8-58GHz）為探測(cè)通道，視角為 3.3 度（AMS度），每個(gè)掃描帶有 30 個(gè)視場(chǎng)點(diǎn)（AMSU-B 為 90 個(gè)），天頂掃描角可AMSU-A 目前作為有效載荷運(yùn)行在不同的衛(wèi)星平臺(tái)上（NOAA-15/16/18 和 Metop-A/B 等)，各衛(wèi)星具有不同的赤道過(guò)境時(shí)間且有 10 個(gè)頻率在 60G對(duì)流層和平流層不同高度空間敏感的氧氣吸收線通道，因此可以提供良空間覆蓋，獲取多種大氣和地表?xiàng)l件下的觀測(cè)信息。MSU-A 輻射率的直接同化對(duì)大氣溫度分析場(chǎng)有重要貢獻(xiàn)，其中通道 10峰值在平流層，通道 9 的權(quán)重峰值在對(duì)流層頂，通道 5-8 的權(quán)重峰值在對(duì)些低峰值通道的觀測(cè)包含有大量短時(shí)天氣信息，對(duì)天氣預(yù)報(bào)很重要，但敏感且衛(wèi)星接收到的信號(hào)源有來(lái)自地表發(fā)射和反射分量，使得難以同化道在晴空條件下的輻射率同化首先要處理的就是復(fù)雜的地表貢獻(xiàn)分量，面溫度、地表發(fā)射率以及晴空云檢測(cè)等因素。據(jù)上節(jié)權(quán)重函數(shù)的計(jì)算公式，圖 2.2 給出了基于美國(guó) 1976 標(biāo)準(zhǔn)大氣廓線

圖 3.4 FY-3C 衛(wèi)星 MWTS-II 通道 1 全球發(fā)射率數(shù)據(jù)集3.2.2 地表類(lèi)型依賴全球地表發(fā)射率難以獲取精確值的最大難點(diǎn)在于地表類(lèi)型的多樣性和復(fù)性。為了充分研究各種地表類(lèi)型的發(fā)射率特征，首先要對(duì)全球地表進(jìn)行分類(lèi)，文主要基于 BATS 數(shù)據(jù)庫(kù)數(shù)據(jù)集（Biosphere–Atmosphere Transfer Scheme）進(jìn)全球主要的地表類(lèi)型的分類(lèi)，包括裸土、植被、水域等地表類(lèi)型[79][80][81]。具體類(lèi)如表 3.3 所示，全球地表類(lèi)型分布圖如圖 3.5 所示。表 3.3 BATS 地表覆蓋分類(lèi)對(duì)照表代碼 覆蓋類(lèi)型 備注1 Crops, Mixed Farming 綠洲農(nóng)田2 Short Grass 短草3 Evergreen Needleleaf Trees 常綠針葉林4 Deciduous Needleleaf Trees 闊葉針葉林5 Deciduous Broadleaf Trees 闊葉闊葉林

國(guó)防科技大學(xué)研究生院博士學(xué)位論文13 Bogs and Marshes 沼澤14 Inland Water 內(nèi)陸水域15 Sea 海洋16 Evergreen Shrubs 常綠灌木17 Decidous Shrubs 闊葉灌木18 Mixed Forest 混交林地19 Interrupted Forest 不連續(xù)森林20 Water and Land Mixtures 水陸混合
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭弦;;數(shù)據(jù)集采器在臨床護(hù)理工作中的應(yīng)用價(jià)值探討[J];基層醫(yī)學(xué)論壇;2017年12期

2 Long-xiang WANG;Xiao-she DONG;Xing-jun ZHANG;Yin-feng WANG;Tao JU;Guo-fu FENG;;TextGen:用于新型存儲(chǔ)系統(tǒng)基準(zhǔn)測(cè)試的真實(shí)文本數(shù)據(jù)集生成方法（英文）[J];Frontiers of Information Technology & Electronic Engineering;2016年10期

3 劉娟;朱翔鷗;劉文斌;;基于交互信息的數(shù)據(jù)集特征結(jié)構(gòu)研究[J];模式識(shí)別與人工智能;2014年01期

4 沈雯漪;;大型數(shù)據(jù)集數(shù)據(jù)挖掘算法研究[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2014年16期

5 職為梅;郭華平;范明;葉陽(yáng)東;;非平衡數(shù)據(jù)集分類(lèi)方法探討[J];計(jì)算機(jī)科學(xué);2012年S1期

6 吳克壽;曾志強(qiáng);;非平衡數(shù)據(jù)集分類(lèi)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年09期

7 付優(yōu);;非平衡數(shù)據(jù)集的分類(lèi)[J];電力學(xué)報(bào);2010年04期

8 張纓;周紅俊;李建軍;劉根林;鄭櫻;郝春霞;王一吉;康海瓊;衛(wèi)波;;國(guó)際脊髓損傷數(shù)據(jù)集之核心數(shù)據(jù)集[J];中國(guó)康復(fù)理論與實(shí)踐;2009年09期

9 高嘉偉;梁吉業(yè);;非平衡數(shù)據(jù)集分類(lèi)問(wèn)題研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2008年04期

10 苗卿;單立新;裘昱;;信息熵在數(shù)據(jù)集分割中的應(yīng)用研究[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年05期

相關(guān)博士學(xué)位論文 前10條

1 皇群博;晴空條件FY-3C大氣微波垂直探測(cè)資料變分同化研究[D];國(guó)防科技大學(xué);2018年

2 孫秀寶;基于CMA-LSAT v1.0數(shù)據(jù)集的近百年全球陸表氣溫變化研究[D];南京信息工程大學(xué);2018年

3 陳迪;耕地?cái)?shù)量與質(zhì)量時(shí)空變化遙感監(jiān)測(cè)研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2019年

4 李星達(dá);鋼琴多音估計(jì)問(wèn)題和音樂(lè)生成問(wèn)題的深度學(xué)習(xí)方法[D];吉林大學(xué);2019年

5 劉皓;基于深度學(xué)習(xí)的行人再識(shí)別問(wèn)題研究[D];合肥工業(yè)大學(xué);2017年

6 王建培;聚類(lèi)有效性分析及其在電學(xué)層析成像中的應(yīng)用[D];天津大學(xué);2017年

7 楊勛;跨視域行人再識(shí)別若干問(wèn)題研究[D];合肥工業(yè)大學(xué);2017年

8 納賽爾 阿里 穆罕默德 巴拉卡特;復(fù)雜化學(xué)數(shù)據(jù)的知識(shí)發(fā)現(xiàn)新型化學(xué)計(jì)量學(xué)算法研究[D];湖南大學(xué);2005年

9 李宏;面向應(yīng)用領(lǐng)域的分類(lèi)方法研究[D];中南大學(xué);2007年

10 余靂;虛擬可視鼠樣品制備技術(shù)研究[D];華中科技大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 范晨雪;基于交通類(lèi)數(shù)據(jù)集的我國(guó)政府開(kāi)放數(shù)據(jù)分析[D];山西大學(xué);2019年

2 閆東;大規(guī)模人臉數(shù)據(jù)集快速構(gòu)建方法與人證比對(duì)算法研究[D];華北電力大學(xué)(北京);2019年

3 甘翔;基于深度學(xué)習(xí)和生成對(duì)抗網(wǎng)絡(luò)的圖標(biāo)設(shè)計(jì)研究[D];華南理工大學(xué);2019年

4 張騰;不平衡數(shù)據(jù)集均衡化方法研究及其應(yīng)用[D];中國(guó)石油大學(xué)(北京);2018年

5 劉文斌;中式菜肴食材數(shù)據(jù)集的構(gòu)建及其分類(lèi)算法研究[D];武漢輕工大學(xué);2019年

6 周聽(tīng)聽(tīng);基于深度學(xué)習(xí)的醫(yī)保異常檢測(cè)研究[D];電子科技大學(xué);2019年

7 陳遠(yuǎn)鵬;基于長(zhǎng)時(shí)間可穿戴社交數(shù)據(jù)集的語(yǔ)音分割方法的研究[D];電子科技大學(xué);2019年

8 顧巖;基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)及在油田作業(yè)區(qū)的應(yīng)用研究[D];電子科技大學(xué);2019年

9 申磊;復(fù)雜環(huán)境下多目標(biāo)快速檢測(cè)的研究與應(yīng)用[D];電子科技大學(xué);2019年

10 楊騰佼;基于深度學(xué)習(xí)的文本情感分析研究及應(yīng)用[D];電子科技大學(xué);2019年

本文編號(hào)：2872184