作者单位
摘要
1 南京信息工程大学大气物理学院, 江苏 南京 210044
2 南京信息工程大学精细化区域地球模拟和信息中心, 江苏 南京 210044
3 中国气象局人工影响天气中心, 北京 100081
4 国家卫星气象中心, 北京 100081
为了定量评估对数正态谱分布假设对水云光学厚度(COT)与有效粒子半径(Re)反演的影响,利用欧洲中期数值天气预报中心建立的RTTOV(Radiative Transfer for TIROS Operational Vertical Sounder)模式,对比模拟了基于对数正态谱和修正Gamma谱两种云滴谱分布下FY-4A/AGRI(Advanced Geosynchronous Radiation Imager)的第2、5通道液态水云的反射率,分析了这两个谱分布假设条件下水云反射率随COT以及Re的变化特征。在此基础上,建立了两种谱分布条件下的COT和Re查算表,并基于2020年夏季的一个初生对流云个例,定量分析了云滴谱分布类型对云参数反演结果的影响。结果表明,在第2通道,两个云滴谱类型假设下计算的反射率仅有0.1%~2%的差异,但在第5通道,采用修正Gamma云滴谱计算的反射率比采用对数正态云滴谱计算的反射率低10%~20%。反演结果表明,采用对数正态云滴谱反演的有效粒子半径Re比采用修正Gamma云滴谱反演的Re整体偏大,前者反演的Re集中在15~35 μm,而后者反演的Re集中在10~30 μm。采用两种云滴谱反演的COT的空间一致性良好,相差-2%~5%。
遥感 云滴谱 RTTOV FY-4A 云光学厚度 有效粒子半径 
光学学报
2022, 42(6): 0628004
作者单位
摘要
1 国防科技大学气象海洋学院, 江苏 南京 211101
2 国防大学联合作战学院, 河北 石家庄 050051
气温是描述大气状态的基本参数之一, 温度的准确测量对天气预报、 气候预测及其他气象参数的反演都至关重要。 激光雷达作为一种遥感仪器, 已经用于气象要素的探测中(风、 温度、 气溶胶的光学厚度等)。 目前, 测温激光雷达主要有拉曼激光雷达(振动和转动)、 共振荧光激光雷达和Rayleigh散射激光雷达等, 拉曼激光雷达需要大功率的激光器和复杂的背景滤波器; 共振荧光激光雷达无法探测平流层内的温度; 基于Rayleigh散射的测温激光雷达多应用于温度的相对测量, 反演温度时需要建立响应函数和校准程序; 基于固体腔扫描F-P干涉仪测量大气Rayleigh散射光谱来反演温度的方法, 时间分辨率较低, 并且该方法在测量过程中需要运动部件, 所以不利于星载。 在大气低层, 分子的Rayleigh散射光谱会受到Brillouin散射的影响, 两种散射信号叠加形成的Rayleigh-Brillouin散射光谱不再服从Gaussian分布, 直接通过测量散射光谱的半高全宽来反演温度, 会产生误差。 基于回波能量的方法会受到气溶胶Mie散射信号的影响, 所以在对流层中该方法并不适用。 为了实现对流层内温度的高精度和高时间分辨率的测量, 提出利用Fizeau干涉仪和PMT阵列对对流层内分子的Rayleigh-Brillouin散射光谱进行测量, 并通过插值的方法来对回波信号中气溶胶Mie散射信号进行抑制, 从而使Mie散射信号对温度反演的影响较小, 最后将测量光谱和理论光谱进行全光谱匹配来实现温度的反演。 除此之外, 还对Fizeau干涉仪的自由光谱区、 固体腔几何长度、 腔体反射率、 扫描间隔等参数进行了优化设计。 为了验证本文提出方法的可行性, 利用Matlab软件建立了一套仿真模型, 通过模拟表明, 在不考虑云、 风和水汽含量的影响时, 利用该方法测量对流层内的大气温度时, 测量误差小于1 K。 该测温方法可以对对流层内的大气温度廓线实现高精度、 高时间分辨率的测量, 在测量过程中不需要使用运动部件, 有较高的使用价值, 并对同类高光谱激光雷达分光系统的研究具有借鉴意义, 为我国高光谱激光雷达陆基及星载应用提供了一套可行的技术方案和温度反演方法。
温度 Rayleigh-Brillouin散射 Fizeau干涉仪 激光雷达 Atmospheric temperature Rayleigh-Brillouin scattering Fizeau interferometer Lidar 
光谱学与光谱分析
2019, 39(10): 3302
作者单位
摘要
1 南京航空航天大学航天学院, 江苏 南京 210000
2 南京大学电子科学与工程学院, 江苏 南京 210046
针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法。编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流。解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像。实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB。
图像处理 深度学习 多光谱图像压缩 卷积神经网络 率失真优化 
中国激光
2019, 46(10): 1009001

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!