空天地多源协同测云关键技术研究

批准号:
61531019
项目类别:
重点项目
资助金额:
300.0 万元
负责人:
王春恒
依托单位:
学科分类:
F0112.雷达原理与技术
结题年份:
2020
批准年份:
2015
项目状态:
已结题
项目参与者:
曹晓钟、刘健、张雪芬、肖柏华、陶法、杨冰韵、高嵩、陈雪、祁成祚
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
微信扫码咨询
中文摘要
云是大气热力平衡和水气循环的重要环节,对气候模式和天气预报有着重要影响。鉴于云在大气科学研究中的重要地位以及观测的复杂性,本项目以国家重大应用需求为牵引,充分利用天基卫星观测、空基探空仪资料、地基激光、可见光和红外探测的优势互补,针对复杂大气环境下多源协同的云点/云层识别、基于大数据驱动的云类特征表示与学习和卫星/地面观测云量融合的时空泛化等关键科学问题,以模式识别为核心方法和融合基础,研究地基遥感协同的云量计算、云类识别;地空协同的云垂直结构识别;卫星云探测空间分辨率下的卫星、地面观测的云量融合等协同测云关键技术,用地基云自动观测资料和探空资料对卫星云观测资料进行修正和完善。协同处理后的云资料既有卫星观测的广度,又有地基观测的精度,是目前常规分立探测手段所不能比拟的,有望提升我国的气象预报预测能力和防灾减灾能力,同时研究成果也可为将来地面气象自动观测站和探空站的合理布局提供科学依据。
英文摘要
Cloud is one of the most important forces of Earth’s heat balance and hydrological cycle. The net effect of clouds, however, is still unknown and it plays important role in climate models, climate predictions and meteorological services. Because of the importance of the clouds in the atmospheric science research and the complexity of cloud observation, this project takes national important application demand for traction, makes full use of space-based satellite observation, radiosonde data, ground based laser, visible light and infrared observation of complementary advantages, aiming at the key scientific problems: multi-source collaborative cloud recognition in the complex atmospheric environment, big-data driven cloud feature representation and learning , satellite/ground cloud cover fusion and its spatio-temporal generalization. The research will focus on revising and improving the satellite cloud observation using ground based cloud observation and radiosonde data. The key techniques will be investigated in the view of pattern recognition separately, including cloud cover calculation and cloud type recognition based on fusion of ground based remote sensing, cloud vertical structure identification using ground-air coordination, and cloud cover fusion under the satellite cloud observation’s spatial resolution based on Space-Air-Ground integrated cloud observation. The products by Space-Air-Ground integrated cloud observation can improve the quality of cloud data both in breadth and precision beyond the separated cloud observations, which is expected to enhance our ability of weather forecast and disaster prevention. At the same time, the result of research can help for the reasonable layout of future ground based automatic meteorological observation stations and radiosonde stations establishment.
云是大气热力、动力和水汽循环过程的外部表现,在气候和地球的能量辐射收支平衡中发挥着相当重要的作用。如何准确、及时地获取云的信息,对于大气科学、大气环境监测、气候分析研究、气象预报、人工影响天气以及国民经济和军事等诸多领域都十分重要。云的特性十分复杂,目前国内外对云观测的研究主要都是围绕云状(云类)、云量和云高展开。因此,研究采用模式识别与机器学习的手段,同时结合天基卫星观测、空基探空仪资料、地基激光、可见光和红外探测数据的特点,展开空天地协同的云量计算、云状识别以及云垂直结构反演的关键技术与方法的研究,主要的研究成果如下:.1..构建空天地多源云观测资料数据库.构建毫米波云雷达数据、卫星云反演数据及长序列气候云参数数据的相关数据库,并从多种角度评估数据的质量,为业务应用提供支撑用奠定。.2..地基遥感协同云探测的云量计算方法.提出基于超像素的图模型地基云量计算方法和基于ARIMA 时间序列模型的短期云量观测方法,改进地基云量计算的鲁棒性;通过小波变换多分辨率分析的图像融合技术,实现可见光/红外全天空成像仪数据融合的云量观测方法;基于语义分割模型的地基可见光云图云量计算方法,提出一种语义分割模型进行实现对地基可见光云图的云量提取。.3..地基遥感协同云探测的云类计算方法.先后提出了基于稳定局部二值模式和卷积神经网络提取特征的云类识别计算方法,提高了地基云类识别的准确性;提出了一种基于地基红外和可见光云图提取的直方图特征的联合分布的地基协同云类识别方法,应用于地基红外和可见光双波段测云系统的构建。.4..空天地协同的云垂直结构反演.由云顶高、云底高以及云厚描述的云垂直结构对于天气预报、气候模型预测、飞行和军事服务都具有显著的影响。开展了地基,卫星,探空云垂直结构协同观测,从不同云类型,云高,云厚和降水等方面对云垂直结构进行了对比分析,提高了空天地协同观测云垂直结构的识别能力。.5..开展空天地多源协同测云方法的验证试验.在研究云量计算、云类识别、云垂直结构反演等算法研究的同时,开展地基、空基、天基协同云探测的相互校验和融合的验证试验,为地面自动气象观测站和探空站的合理布局提供科学依据。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
DOI:--
发表时间:2017
期刊:气象
影响因子:--
作者:赵静;曹晓钟;代桃高
通讯作者:代桃高
Fisher vector for scene character recognition: A comprehensive evaluation
用于场景字符识别的 Fisher 向量:综合评价
DOI:10.1016/j.patcog.2017.06.022
发表时间:2017-12
期刊:Pattern Recognition
影响因子:8
作者:Shi Cunzhao;Wang Yanna;Jia Fuxi;He Kun;Wang Chunheng;Xiao Baihua
通讯作者:Xiao Baihua
Iterative Manifold Embedding Layer Learned by Incomplete Data for Large-Scale Image Retrieval
用于大规模图像检索的不完整数据学习的迭代流形嵌入层
DOI:10.1109/tmm.2018.2883860
发表时间:2017-07
期刊:IEEE Transactions on Multimedia
影响因子:7.3
作者:Xu Jian;Wang Chunheng;Qi Chengzuo;Shi Cunzhao;Xiao Baihua
通讯作者:Xiao Baihua
Short-term cloud coverage prediction using the ARIMA time series model
使用 ARIMA 时间序列模型进行短期云覆盖预测
DOI:10.1080/2150704x.2017.1418992
发表时间:2018-01-01
期刊:REMOTE SENSING LETTERS
影响因子:2.3
作者:Wang, Yu;Wang, Chunheng;Xiao, Baihua
通讯作者:Xiao, Baihua
Deep Convolutional Activations-Based Features for Ground-Based Cloud Classification
用于地基云分类的基于深度卷积激活的特征
DOI:10.1109/lgrs.2017.2681658
发表时间:2017-06-01
期刊:IEEE GEOSCIENCE AND REMOTE SENSING LETTERS
影响因子:4.8
作者:Shi, Cunzhao;Wang, Chunheng;Xiao, Baihua
通讯作者:Xiao, Baihua
多源异构电子会计档案的智能化关键技术研究
- 批准号:--
- 项目类别:面上项目
- 资助金额:59万元
- 批准年份:2020
- 负责人:王春恒
- 依托单位:
图像分类方法研究及其在色情监测中的应用
- 批准号:61172103
- 项目类别:面上项目
- 资助金额:62.0万元
- 批准年份:2011
- 负责人:王春恒
- 依托单位:
数字图像复杂背景中文字信息的提取与退化识别
- 批准号:60602031
- 项目类别:青年科学基金项目
- 资助金额:27.0万元
- 批准年份:2006
- 负责人:王春恒
- 依托单位:
国内基金
海外基金
