简介:ThispaperdiscussestheapproachesforautomaticalsearchingofcontrolpointsintheNOAAAVHRRimageonthebasisofdatarearrangementintheformoflatitudeandlongitudegrid.Thevegetationindextransformationandmulti-levelmatchingstrategieshavebeenproveneffectiveandsuccessfulastheexperimentsshowwhilethecontrolpointdatabaseisestablished.
简介:1背景介绍2014年9月23日至2015年3月22日,中国气象局(CMA)兰州干旱气象研究所(IAM)研究员李耀辉博士执行中美大气科学技术合作联合工作组第18次会议(JWG-18)项目,赴美国国家海洋和大气管理局(NOAA)气候预测中心(CPC)访问工作6个月。在JWG-18确定的新增合作项目中,气候与季风工作组1.2条国际干旱平台(IDD)中提出的合作,建立全球干旱信息系统(GDIS:GlobalDroughtInfor-mationSystem);CPC将在干旱监测、预报和影响研究方面与中国气象局国家气候中心(NCC)和中国气象局兰州干旱气象研究所开展合作,并在中美两国的试点研究地区建立近实时监测和预报;中美两国将率先成为全球干旱信息系统的两个试点区域中心;CPC将与中国气象局兰州干旱气象研究所合作,建立一个近实时干旱监测预报系统。
简介:本文介绍了利用NOAA—AVHRRIB数据集计算青海高原的地气系统射出长波辐射(OLR)的方法及其结果,并对计算结果进行了分析。分析表明青海的西北部地区和东南部地区分别为OLR高值区和低值区。
简介:基于卫星检索方法论,光谱特征和云微物理性质被分析那包括了隧道的亮度温度第4a5,并且他们的亮度温度差别(BTD),播种的云轨道的有效半径由播种的运作的云和云播种的微物理效果引起了的粒子被他们的差别的比较揭示在内并且在播种轨道外面。云轨道实际上是到达深的1.5-km和14-km的一条云隧道为超过80min的宽持续。周围的云的有效半径是10-15μm,当那从15~26μm在云轨道以内时。周围的云在播种轨道以内由云的supercooled微滴,和作文组成是冰。关于在轨道附近的二个周围的方面的相当稳定的反射,可见光谱在云轨道的反射在least10%变化了,并且到达了35%的最大值,在播种轨道的3.7μm的反射相对减少了至少10%。当云播种进展了,宽度和深度逐渐地被增加。同时,在轨道以内的云顶温度关于周围的云变得日益增多地更温暖,并且最高温度差别为隧道在首先播种的位置到达了4.2和3.9℃4和5。另外,在轨道的BTD也稳定地增加了到1.4℃的最大值,与周围的云的0.2-0.4℃相比。播种的云变得的证据更薄来自显示出一条隧道的可见图象,温暖在播种轨道的BTD的云顶,和增加。因为云顶在整个它的深度下了,它输了水到降水,播种的云主要变得更薄。为播种大小写的这云,冻结成冰在云顶变得明显在播种以后的大约22min。在supercooled层状云的一个云磁道的形成主要是因为进猛抛的冰水疗院流星并且那么的播种的云卷glaciated降低了云顶高度。在播种以后在在38和63min之间的播种轨道的中间形成的新水云的一根细线,可能,由于升起,运动由结冰的释放的潜伏的热导致了。这些云消失在播种轨道的更早的片断,它建议这些eding轨道的成熟与它从方面由于周围的云的顶的扩大变窄和最终的驱散被联系里面。
简介:Identificationofforestfire_pointsinNOAAimagesisthebasisofmonitoringforestfireusingNOAAsatellitedata.Traditionalvisualinterpretationisdifficulttosettleforauto_identificationwithcomputer.Theartificialneuralnetworktechniqueprovidesanewmeansforsolvingthisproblem.Inthispaper,theprinciplesandmethodofusingneuralnetworktechniquetoautomaticallyidentifyfire_pointsinNOAAimagesarediscussedandthetestintherangeofHubeiprovinceispresented.Theresultofthetestshowsthatthedisciplinedneuralnetworkhascollectedthecharacteroffire_pointsandhasabilitytoidentifyfire_pointsinNOAAimages.Comparingneuralnetworkwithvisualinterpretation,theconclusionisdrawnthatbyusingneuralnetworkthepurposeofauto_identificationofforestfire_pointsinNOAAimagescanberealizedwiththealmostsameprecision.