云层覆盖对卫星遥感监测秸秆火点的影响研究

采用Image-Pro Plus软件的面积分析方法,对云层面积进行计算,并由此得到云层覆盖率,量化云层覆盖的等级,减小判断误差。并得到如下结论:(1)该方法可以方便快捷地计算出陆地面积及上空云层面积,计算误差小于10%;(2)量化了云层覆盖的等级:无云覆盖(0%~5%),少云覆盖(5%~35%),中等覆盖(35%~65%),多云覆盖(65%~95%),全云覆盖(95%~100%);(3)云层覆盖等级的确认,可为秸秆焚烧监测提供校正系数,有助于秸秆焚烧监测的准确性及合理性。

可降水量及云层覆盖率对天空辐射制冷性能的影响

为了研究可降水量及云层覆盖率与天空辐射制冷性能之间的关系,本文建立了完整的天空辐射制冷数学模型,设计并开展了辐射制冷性能测试实验,研究了上述两项因素在不同工况下对辐射制冷性能的影响。实验结果表明:随着可降水量增加,辐射制冷功率下降趋势加快。模拟结果表明:测试表面在1.5、3.0和6.0cm这3种可降水量条件下,对应的最大净辐射制冷功率分别为112、88和46W/m^(2)。云层覆盖率与辐射制冷功率损失呈明显的线性关系,云层覆盖率每增加10%,辐射制冷功率损失约8.3 W/m^(2)。

基于模糊随机理论的短期太阳辐射强度预测

基于模糊随机理论,提出太阳辐射值预测模型,得到预测云层覆盖率下太阳辐射值的预测区间及期望值等。分析云层覆盖率的随机性和云遮系数的模糊性;运用模糊随机理论处理云遮系数;以无云天气计算太阳辐射值的REST模型为基础,用云遮系数对其辐射值进行修正,从而得到有云天气的辐射值。利用美国BMS光伏电站的数据对模型进行验证,结果表明该模型具有较好的预测精度。

遥感图像薄云滤波增强

针对遥感图像地学应用中的云层覆盖问题,首先介绍了遥感图像去云处理的一般方法,然后重点研究了薄云覆盖图像的滤波增强技术和实现方法。在阐述传统的同态滤波算法的基础上,将高频增强滤波算法引入薄云区遥感图像增强处理中。试验表明,这两种方法均可取得良好的增强效果。

多星联合鲁棒性调度模型研究

在多星联合调度过程中,存在着很多不确定性因素,其中云层覆盖变化是主要的不确定性来源。本文针对考虑云层覆盖变化的多星联合调度问题,借鉴了连续函数的鲁棒性优化思想,提出了一种基于邻域的鲁棒性指标。在此基础上,建立了多星联合鲁棒性调度模型,给出了观测任务优先级的计算方法。实例研究表明,本文建立的模型能够在保证调度方案性能的基础上,获得鲁棒性强的调度方案。

一种改进马尔科夫链的光伏出力预测方法

准确有效的光伏出力预测方法对含光伏配电网的规划和运行具有指导意义,针对光伏随机性,提出一种改进马尔科夫链的光伏出力预测方法。基于云层覆盖水平指标划分云层状态,建立云层状态转移矩阵。引入状态持续时间抽样法,建立具有时序性的改进马尔科夫链模型预测云层状态变化曲线。利用随机抽样法从云层状态时序曲线中抽取各时刻辐照度样本值,依据光伏出力与辐照度的关系间接预测得到光伏出力时序曲线。仿真分析验证了所提方法的有效性。

气象科普小知识

1、什么是气象灾害?气象灾害是指大气运动和演变对人类生命财产和国民经济以及国防建设等造成的直接或间接损害。如台风、干旱、暴雨、暴雪、冰雹、霜冻、寒潮、雷电、高温等。 2、贵州常见的气象灾害有哪些?贵州是我国受气象灾害影响较大的省份之-,常见的有暴雨、干旱、冰雹、雷电、凝冻等气象灾害及诱发的泥石流、滑坡、塌方、森林火灾等次生灾害。 3、怎样读懂天气用语?(1)晴天,是指天空无云或有零星的云,但云量占不到天空的1/10。(2)阴天,是指天空中云层覆盖超过8成以上,全天很少见到蓝天。(3)多云,是指天空中云层较多,阳光不很充足,但仍能从云的缝隙中见到蓝天,总云量占天空面积的4/10~ 7/10的天气现象。

Support Vector Machines for Cloud Detection over Ice-Snow Areas

In polar regions, cloud and underlying ice-snow areas are difficult to distinguish in satellite images because of their high albedo in the visible band and low surface temperature of ice-snow areas in the infrared band. A cloud detection method over ice-snow covered areas in Antarctica is presented. On account of different texture features of cloud and ice-snow areas, five texture features are extracted based on GLCM. Nonlinear SVM is then used to obtain the optimal classification hyperplane from training data. The experiment results indicate that this algorithm performs well in cloud detection in Antarctica, especially for thin cirrus detection. Furthermore, when images are resampled to a quarter or 1/16 of the full size, cloud percentages are still at the same level, while the processing time decreases exponentially.