【技术实现步骤摘要】
本专利技术属于大气污染监控，尤其涉及一种利用全天时fy-4a全圆盘数据探测云-气溶胶的方法。
技术介绍
1、大气气溶胶主要由固体或液体微粒组成，不仅可以反射和吸收太阳辐射，影响大气中的辐射平衡，还直接牵涉到人类的健康以及地球气候系统的长期稳定性。云可以反射太阳辐射，减少地表的日照和温度，从而冷却地表。这种冷却效应有助于维持地球的能量平衡。云和气溶胶是地球大气中重要的组成部分，它们对地球气候系统、空气质量和水文循环都有重要影响。因此，对云-气溶胶进行深入研究是很有必要的。然而，虽然已有许多关于云-气溶胶识别的研究，但是在夜间准确识别云-气溶胶仍是当前大气科学领域中一项具有挑战性的任务。
2、目前气溶胶相关研究中常使用地基遥感和卫星遥感数据。相较于白天，夜间的气溶胶识别更难，由于可见光波段的缺失，夜晚的气溶胶难以被直接观测，这对于常规气溶胶识别方法存在较大影响。此外，同种气溶胶处于日间和夜间状态时的特性可能存在较大差异，其环境条件、气象要素等因素可能也会受昼夜更替的影响。气溶胶的这些变化可能会对城市规划、环境管理和灾害预警产生较大影响。因此，气溶胶的夜间识别工作的重要性不容忽视。
3、另一方面，与气溶胶识别类似，目前的夜间云识别工作仍存在诸多挑战。太阳的光照提供了自然的光源，使得云层在可见光谱范围内相对容易观测和识别。而在夜间，缺乏太阳光源，只能依赖人工光源（例如城市的夜间照明）或主动光源（例如星载激光雷达或红外传感器）来观测云层，这使得夜间云识别工作更加复杂。与气溶胶相似，夜间云和日间云可能具有不同的物理特
4、风云四号a星（fy-4a）是中国第二代静止气象卫星的首颗星，于2016年成功发射。该卫星能够覆盖中国全境，搭载了多通道扫描成像辐射计（agri）。每天，fy-4a卫星可以全盘成像205次，其中包括40次对东亚地区的成像。这一频繁的成像频率提供了充足的数据支持。与极轨卫星相比，fy-4a卫星能够提供具有更高时间分辨率的数据产品。此外，近年来，随着多种机器学习算法逐渐应用于卫星遥感气溶胶相关研究中，如随机森林（rf）、支持向量机（svr）、卷积神经网络（cnn）等，已有研究成功实现了云的识别和气溶胶的分类等相关工作。这表明，机器学习模型在解决云-气溶胶遥感领域的挑战性问题方面具有独特的优势。此外，fy-4a卫星的全圆盘toar（top of atmosphere reflectance）数据集具有更广泛的覆盖范围和高时间分辨率，为云-气溶胶的识别工作提供了更为可靠和有效的数据支持。
5、然而，目前大多数基于遥感卫星数据的气溶胶分类研究都要经过云的筛除处理，这一过程会导致在云覆盖地区无法获得气溶胶检测结果，这对于生成全覆盖的气溶胶分类产品造成了明显的不利影响。
技术实现思路
1、为克服现有技术的缺点和不足，本专利技术的目的在于提供一种利用fy-4a toar数据集进行云-气溶胶分类的方法，该方法利用calipso vfm产品标记云和气溶胶类型，主要依赖fy-4a的toar红外波段数据作为模型输入，同时辅以地表信息数据，以生成高时空分辨率的全圆盘夜间云-气溶胶分类产品。
2、本专利技术是这样实现的，一种利用全天时fy-4a全圆盘数据探测云-气溶胶的方法，该方法包括以下步骤：
3、s1、根据calipso vfm产品的大气特征和气溶胶类型数据对calipso轨道像素进行标记，所述标记包括标注大气特征分类标签、标注气溶胶类型标签、标注云类型标签；
4、s2、将fy-4a toar数据集投影到平面坐标系中，通过最邻近插值法将era-5数据的空间分辨率调整为与fy-4a相同的4km，fy-4a toar和era-5数据合并生成网格样本数据集；
5、s3、在4km x 4km网格样本数据与calipso的在轨数据的时空匹配中，将时间差选择在30分钟以内，每一个calipso轨道像素匹配一个经纬度最近的网格像素，生成在轨样本数据集；
6、s4、基于非线性混合模型构建子模型，所述子模型包括大气特征分类模型、气溶胶分类模型、云分类模型；
7、s5、将整个圆盘区域的网格样本数据集输入到各子模型中进行检测，获取完整全圆盘预测数据，包括大气特征分类结果、气溶胶分类结果、云分类结果。
8、优选地，在步骤s1中，所述大气特征分类标签中，选用feature classificationflags中的大气特征类型数据（“cloud”和“tropospheric aerosol”），对每一个轨道像素进行标记，将所有样本标记为“晴空-云层-气溶胶层-云/气溶胶混合层”四类像元。
9、优选地，在步骤s1中，所述气溶胶类型标签中，使用aerosol sub-type中的气溶胶类型数据（dust、polluted continental等）来标记“无云区域的气溶胶-云/气溶胶混合层”中的气溶胶类型，将无云区域和有云区域的气溶胶类型划分为“清洁海洋型气溶胶-污染海洋型气溶胶-沙尘气溶胶-清洁大陆型气溶胶-人为相关气溶胶-抬升烟尘”，所述人为相关气溶胶包含污染大陆型气溶胶和污染沙尘气溶胶。
10、优选地，在步骤s1中，在所述云类型标签中，使用cloud sub-type中云类型数据（low overcast（transparent）、low overcast（opaque）等）来标记“云层区域-云/气溶胶混合层”中的云层类型，并将所述云层类型划分为“透明低云层-不透明低云层-高云层-卷云-深对流云”。
11、优选地，在步骤s4中，所述非线性混合模型的构建过程包括以下步骤：
12、在训练集上训练四个不同类型的基础分类模型（et、rf、xgb、lgt），对于每个基础分类模型，使用训练集中的数据生成其预测结果；
13、将上述预测结果将作为元特征和训练集的真实标签用于元模型训练。
14、优选地，所述元模型为极端树，用于组合基础模型的预测结果以获得最终的分类结果。
15、优选地，在步骤s5中，所述检测包括以下步骤：
16、通过大气特征分类模型获取“晴空-云层-气溶胶层-云/气溶胶混合层”；
17、基于气溶胶分类模型对“气溶胶层-云/气溶胶混合层”（由大气特征分类模型获取）区域进行检测，将该区域的气溶胶分为以下类别：“清洁海洋型气溶胶-污染海洋型气溶胶-沙尘气溶胶-清洁大陆型气溶胶-人为相关气溶胶-抬升烟尘”；
18、基于云分类模型对“云层-云/气溶胶混合层” （由大气特征分类模型获取）区域进行检测，并将该区域的云层分类为：“透明低云层-低云层不透明-高云层-卷云-深对流云”。
19、相比于现有本文档来自技高网...
【技术保护点】
1.一种利用全天时FY-4A全圆盘数据探测云-气溶胶的方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，在步骤S1中，所述大气特征分类标签中，选用Feature Classification Flags中的大气特征类型数据，对每一个轨道像素进行标记，将所有样本标记为“晴空-云层-气溶胶层-云/气溶胶混合层”四类像元。
3.如权利要求1所述的方法，其特征在于，在步骤S1中，所述气溶胶类型标签中，使用Aerosol sub-type中的气溶胶类型数据来标记“无云区域的气溶胶-云/气溶胶混合层”中的气溶胶类型，将无云区域和有云区域的气溶胶类型划分为“清洁海洋型气溶胶-污染海洋型气溶胶-沙尘气溶胶-清洁大陆型气溶胶-人为相关气溶胶-抬升烟尘”，所述人为相关气溶胶包含污染大陆型气溶胶和污染沙尘气溶胶。
4.如权利要求1所述的方法，其特征在于，在步骤S1中，在所述云类型标签中，使用Cloud sub-type中云类型数据、low overcast来标记“云层区域-云/气溶胶混合层”中的云层类型，并将所述云层类型划分为“透明低云
5.如权利要求1所述的方法，其特征在于，在步骤S4中，所述非线性混合模型的构建过程包括以下步骤：
6.如权利要求5所述的方法，其特征在于，所述元模型为极端树，用于组合基础模型的预测结果以获得最终的分类结果。
7.如权利要求1所述的方法，其特征在于，在步骤S5中，所述检测包括以下步骤：
...【技术特征摘要】
1.一种利用全天时fy-4a全圆盘数据探测云-气溶胶的方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，在步骤s1中，所述大气特征分类标签中，选用feature classification flags中的大气特征类型数据，对每一个轨道像素进行标记，将所有样本标记为“晴空-云层-气溶胶层-云/气溶胶混合层”四类像元。
3.如权利要求1所述的方法，其特征在于，在步骤s1中，所述气溶胶类型标签中，使用aerosol sub-type中的气溶胶类型数据来标记“无云区域的气溶胶-云/气溶胶混合层”中的气溶胶类型，将无云区域和有云区域的气溶胶类型划分为“清洁海洋型气溶胶-污染海洋型气溶胶-沙尘气溶胶-清洁大陆型气溶胶-人为相关气...
【专利技术属性】
技术研发人员：陈斌，周星兆，杨婷婷，李雪，张旭，孙艳桥，杨贵成，
申请(专利权)人：兰州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。