一种长波下行辐射的确定方法和装置的制造方法
【技术领域】
[0001]本发明涉及遥感图像技术领域，具体而言，特别涉及一种长波下行辐射的确定方法和装置。
【背景技术】
[0002]目前，利用遥感图像获取长波下行辐射时，主要集中在晴空条件下，原因在于:利用遥感图像反演长波下行辐射主要依赖热红外波段，然而热红外波段很难穿透云层，致使利用遥感图像反演长波下行辐射时，几乎都集中在晴空条件下，有云条件下的长波下行辐射无法直接从遥感图像上获取，从而导致光学遥感反演的辐射产品空间不连续，难于被研究全球变化的模型采用，也难于准确刻画地表的热状况，限制了遥感反演的长波下行辐射在全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域的广泛应用。因此，发展有云条件下长波下行辐射计算方法十分迫切。
[0003]针对现有技术中不能确定有云条件下长波下行辐射，反演的辐射产品空间不连续的问题，目前尚未提出解决方案。
【发明内容】
[0004]本发明的主要目的在于提供一种长波下行辐射的确定方法和装置，以解决现有技术中不能确定有云条件下长波下行辐射，反演的辐射产品空间不连续的问题。
[0005]依据本发明的一个方面，提供了一种长波下行辐射的确定方法，该方法包括:根据微波遥感数据和有云条件下的第一光学遥感数据确定与长波下行辐射相关的第一参数的值;利用辐射传输模型模拟生成有云条件下的长波下行辐射模拟量和第一参数的模拟量；以长波下行辐射模拟量为输出量，以第一参数的模拟量为输入量，构建数学模型；以及将确定的第一参数的值输入数学模型，得到第一长波下行辐射。
[0006]进一步地，第一参数包括云高度、云层温度和云层到地面的大气总水汽含量，根据微波遥感数据和有云条件下的第一光学遥感数据确定与长波下行辐射相关的第一参数的值包括:根据第一光学遥感数据确定云高度;结合第一光学遥感数据和微波遥感数据确定云层温度；以及根据微波遥感数据确定云层到地面的大气总水汽含量。
[0007]进一步地，以长波下行辐射模拟量为输出量，以第一参数的模拟量为输入量，构建数学模型包括:以长波下行福射模拟量为输出量、以云高度模拟量、云层温度模拟量、云层到地面的大气总水汽含量模拟量为输入量，构建神经网络模型。
[0008]进一步地，第一光学遥感数据为MODIS大气廓线和云产品，微波遥感数据为AMSU大气温度和湿度廓线数据。
[0009]进一步地，辐射传输模型为M0DTRAN模型。
[0010]进一步地，该方法还包括:对晴空条件下的第二光学遥感数据进行反演得到第二长波下行辐射;将第一长波下行辐射和第二长波下行辐射相组合，得到空间连续的长波下行辐射。
[0011]进一步地，对晴空条件下的第二光学遥感数据进行反演得到第二长波下行辐射包括:设定预设的晴空天气条件参数，利用M0DTRAN辐射传输模型模拟生成大气层顶MODIS热红外波段辐射亮度以及对应的长波下行辐射，通过不断模拟建立模拟库;基于模拟库构建利用MODIS热红外波段直接反演晴空条件下长波下行辐射的多元非线性回归算法;将晴空条件下的MODIS热红外波段数据输入到多元非线性回归算法，得到第二长波下行辐射。
[0012]依据本发明的另一个方法，提供了一种长波下行辐射的确定装置，该装置包括:第一确定模块，用于根据微波遥感数据和有云条件下的第一光学遥感数据确定与长波下行辐射相关的第一参数的值;生成模块，用于利用辐射传输模型模拟生成有云条件下的长波下行辐射模拟量和第一参数的模拟量;构建模块，用于以长波下行辐射模拟量为输出量，以第一参数的模拟量为输入量，构建数学模型；以及第一计算模块，用于将确定的第一参数的值输入数学模型，得到第一长波下行辐射。
[0013]进一步地，第一参数包括云高度、云层温度和云层到地面的大气总水汽含量，第一确定模块具体执行以下步骤:根据第一光学遥感数据确定云高度;结合第一光学遥感数据和微波遥感数据确定云层温度；以及根据微波遥感数据确定云层到地面的大气总水汽含量。
[0014]进一步地，该装置还包括:第二计算模块，用于对晴空条件下的第二光学遥感数据进行反演得到第二长波下行辐射;组合模块，用于将第一长波下行辐射和第二长波下行辐射相组合，得到空间连续的长波下行辐射。
[0015]通过本发明，提供了一种确定有云条件下长波下行辐射的方法，该方法首先根据微波遥感数据和有云条件下的光学遥感数据确定与长波下行辐射相关的第一参数的值，然后再由辐射传输模型模拟生成有云条件下的长波下行辐射模拟量和第一参数的模拟量，并由上述模拟量构建数学模型，得到以长波下行辐射为输出，以第一参数为输入的数学关系，最后将确定的上述第一参数的值代入上述数学模型，即可确定有云条件下长波下行辐射，解决了现有技术中不能确定有云条件下长波下行辐射，反演的辐射产品空间不连续的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的【具体实施方式】。
【附图说明】
[0016]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中:
图1是根据本发明第一实施例的一种长波下行辐射的确定方法的流程图；
图2是根据本发明第二实施例的一种长波下行辐射的确定方法的流程图；
图3是根据本发明第三实施例的一种长波下行辐射的确定方法的流程图；以及图4是根据本发明第四实施例的一种长波下行辐射的确定装置的框图。
【具体实施方式】
[0017]下面结合附图和【具体实施方式】对本发明做进一步说明。需要指出的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0018]实施例一
首先，本发明实施例一提供了一种长波下行辐射的确定方法，参见图1，该方法可以包括以下步骤:
步骤S102:根据微波遥感数据和有云条件下的第一光学遥感数据确定与长波下行辐射相关的第一参数的值。
[0019]在该实施例中，将有云条件下的光学遥感数据命名为第一光学遥感数据，将与长波下行辐射相关的参数命名为第一参数，该处的“第一”并不具有次序限定，仅用于起标识作用。
[0020]在该步骤中，微波遥感数据可以为AMSU大气温度和湿度廓线数据，还可以为FY-3的相关产品数据，第一光学遥感数据为MODIS大气廓线和云产品，还可以为VIIRS的相关产品数据
通过微波遥感数据和第一光学遥感数据确定与长波下行辐射相关的第一参数的值，第一参数可以为云高度、云层温度、云层到地面的大气总水汽含量以及云层到地面透过率、云发射率等，该处确定的第一参数的值是根据实际数据计算得到真实值。
[0021]步骤S104:利用辐射传输模型模拟生成有云条件下的长波下行辐射模拟量和第一参数的模拟量。
[0022]在该步骤中，采用辐射传输模型进行模拟，以得到有云条件下的长波下行辐射模拟量和第一参数的模拟量，其中，福射传输模型可以米用M0DTRAN福射传输模型，还可以米用LBLRTM 或 SBDART 模型。
[0023]步骤S106:以长波下行福射模拟量为输出量，以第一参数的模拟量为输入量，构建数学模型。
[0024]在该步骤中，根据步骤S104中得到得模拟量构建一个数学模型，该数学模型表征了长波下行辐射与第一参数之间的关系，例如采用神经网络算法，通过训练得到神经网络模型，又如采用多元自适应回归样条方法。
[0025]步骤S108:将确定的第一参数的值输入数学模型，得到第一长波下行辐射。
[0026]采用该实施例，首先根据微波遥感数据和有云条件下的光学遥感数据确定与长波下行辐射相关的第一参数的值，然后再由辐射传输模型模拟生成有云条件下的长波下行辐射模拟量和第一参数的模拟量，并由上述模拟量构建数学模型，得到以长波下行辐射为输出，以第一参数为输入的数学关系，最后将上述确定的第一参数的值代入上述数学模型，即可确定有云条件下长波下行辐射，填补了现有技术中不能确定有云条件下长波下行辐射的空白，使得反演的辐射产品空间连续。
[0027]实施例二
该实施例为在实施例一的基础上进一步优选的长波下行辐射的确定方法，参见图2，该方法可以包括以下步骤:
步骤S202:根据有云条件下的第一光学遥感数据确定云高度。
[0028]步骤S204:结合第一光学遥感数据和微波遥感数据确定云层温度。
[0029]步骤S206:根据微波遥感数据确定云层到地面的大气总水汽含量。
[0030]在上述步骤S202至步骤S206中，可采用现有技术中存在的任意一种方法确定，此处不再赘述。
[0031]步骤S208:利用M0DTRAN辐射传输模型模拟生成有云条件下的长波下行辐射模拟量、云高度模拟量、云层温度模拟量、云层到地面的大气总水汽含量模拟量。
[0032]步骤S210:以长波下行辐射模拟量为输出量、以云高度模拟量、云层温度模拟量、云层到地面的大气总水汽含量模拟量为输入量，构建神经网络模型。
[0033]步骤S212:将确定的云高度、云层温度和云层到地面