基于卫星云图的风矢场度量模型与算法探讨

madio

题 目 基于卫星云图的风矢场度量模型与算法探讨
摘 要：
% I! L$ w" p  c- e卫星云图在掌握大气环流、中长期天预报等研究具有重要的作用，为卫星云图在掌握大气环流、中长期天预报等研究具有重要的作用，为卫星云图在掌握大气环流、中长期天预报等研究具有重要的作用，为了充分利用卫星云图数据及其特点，建立尽可能准确地描述实际风矢场的度量模型和计算方法，本文着重进行了以下几个方面的工作：
  s  X( V" y* _6 C一、视场坐标换算公式。将地球作为理想椭建立空间直角坐标系，联椭球面方程和红外扫描平面求解卫星图像矩阵中每个行列号对应于椭球面上的点，再建椭球面上的点，再建椭球面上的点，再建椭球面上的点，再建椭球面上的点，再建立空间直角坐标和地心经纬度坐标之间的变换关系，从而得到灰度矩阵行列号对应于地心经纬度坐标的换算公式，并求得坐标逆变换的公式。
$ B, v7 B7 V0 h& n  b1 m- e二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。二、基于梯度分析和相关系数法的风矢场量模型。该模型由三个子模型组成：由三个子模型组成：示踪云选取模型、追和风矢场计算。利用21:0021:00时刻的卫星数据，以固定的窗口大小，从左到右、上下进行搜索对每个内图以固定的窗口大小，从左到右、上下进行搜索对每个内图以固定的窗口大小，从左到右、上下进行搜索对每个内图以固定的窗口大小，从左到右、上下进行搜索对每个内图像块进行双向灰度梯分析，若最大值于一定阀判断该模为初选示踪云像块进行双向灰度梯分析，若最大值于一定阀判断该模为初选示踪云像块进行双向灰度梯分析，若最大值于一定阀判断该模为初选示踪云并将梯度最大的点作为示踪云中心；追踪模型主要利用21:3021:30时刻的卫星云图对初选的示踪云进行追，搜索范围固定为对初选的示踪云进行追，搜索范围固定为64×6464×64个像素，采用最大相关系数作为匹配度量，得到示踪云的最佳匹配块；最后根据椭球面几何关系求解风矢，并根据椭球面几何关系求解风矢，并利用20:3020:3020:30时刻的卫星数据对21:0021:0021:00时刻的风矢进行修正，建立21:0021:0021:00时刻完整的风矢
1 u: x8 Y* P0 L# a9 V2 c6 Y2
( M' u( F8 W2 X8 z" l场计算模型。
: p- t1 J9 `  U- H) t9 ^) R三、自适应风矢场度量模型。针对固定大小的窗口在进行搜索时存像素匹配质量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较量不高的问题，建立能自适应确定窗口大小和搜索范围风矢场度方法。首先用较大的窗口（大的窗口（大的窗口（
# e" k5 u5 ]/ a8 e7 B1 Z22kk
个像素）分割灰度矩阵素）分割灰度矩阵素）分割灰度矩阵素）分割灰度矩阵，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取，对窗口内像素进行梯度分析取度值大于阀值的点作为图像特征，若总数与窗口素阀值的点作为图像特征，若总数与窗口素的比值小于给定百分比阀值，则将窗口进一步划分为四个大小相同的子窗口，直到内特征总数与像窗口，直到内特征总数与像窗口，直到内特征总数与像窗口，直到内特征总数与像窗口，直到内特征总数与像窗口，直到内特征总数与像窗口，直到内特征总数与像窗口，直到内特征总数与像素总数的比值大于阀或窗口划分到指定最小。遍历整幅图像就可以初选出示踪云的位置和对应窗口大小。根据气象知识风速一般不超过67m/sm/sm/s，则搜索范围可自适应的根据窗口大小（2 2 k k  ）进行调整，设置为
, A  P5 H5 Q' o! S$ i4 N8 a(248)k
# w5 b4 F* c% ?(248)k
个像素点，并采用变步长的方法进行搜索，即在
(230)(230)kk
区域内步长为1像素，区域外步长为2像素，以减少计算复杂度。
四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。四、非零风矢等压面计算模型。首先将灰度矩阵转化为温，并非零风矢首先将灰度矩阵转化为温，并非零风矢经纬度换算为温度矩阵行列坐标，通过双线性插温度矩阵行列坐标，通过双线性插值
9 ^4 B% Y6 P0 x" X! Z4 Z$ @得到对应的温度K
- h6 G" g' }6 T；同时，非零；同时，非零；同时，非零；同时，非零风矢经纬度坐标对应36个等压面的36个点，采用双线性，采用双线性，采用双线性，采用双线性插值法计算每个等压面相应的温度值
iK
( m$ Q) f* j) B8 B0 _，取使
, k1 Q, J* r8 [: \- g9 a: _||iKK
最小的等压面近似作为该非零风矢所在的等压面；也可以；也可以；也可以利用插值法求出相邻等压面强与温度的关系后计算其所在。
最后，我们对模型进行了误差分析和优缺点分析，并提出了改进方向。
7 l: O9 E( r2 d* a) V' j: v关键词 ：坐标换算、风矢场、梯度分析相关系数法风矢场、梯度分析相关系数法风矢场、梯度分析相关系数法、非零风矢、非零风矢、非零风矢、自适应、自适应、自适应、等压面


D90044016吴王翟.rar (1.29 MB, 下载次数: 41)

2013-7-30 05:57 上传

点击文件名下载附件
下载积分: 体力 -2 点

, @( ]  \1 K2 a1 v) J7 |2 T

250548810@qq.co

学习一下~~~~~~~~