(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111223184.4 (22)申请日 2021.10.20 (71)申请人 国家卫星气象中心 （国家空间天气 监测预警中心） 地址 100081 北京市海淀区中关村南大街 46号 (72)发明人 覃丹宇　刘瑞霞　吴晓　惠雯　 杨冰韵　王富　 (74)专利代理 机构 北京纽乐康知识产权代理事 务所(普通 合伙) 11210 代理人 刘艳艳 (51)Int.Cl. G01C 5/00(2006.01) G01W 1/10(2006.01) G06F 30/27(2020.01)G06K 9/62(2022.01) (54)发明名称 一种利用气象卫星资料计算云底高度的方 法 (57)摘要 本发明公开了一种利用气象卫星资料计算 云底高度的方法， 该方法为： 获取FY ‑2卫星云区 湿度廓线产品和云分类产品， 对FY ‑2卫星云区湿 度廓线数据和云分类数据、 地表类型数据进行时 间和空间上的匹配， 得到配准的两种产品和地表 类型数据； 统计 建立不同云类型和不同云区湿度 廓线的云底高度特征值模型； 建立不同云分类与 云区湿度廓线的计算模型， 分析得出云的垂直结 构和云类， 根据不同云类所具有的云底高度特征 值以及云的垂直结构特征， 综合估计出云底高 度。 本发明利用气象卫星资料计算云底高度的方 法可实现云底高度的实时计算， 获得15分钟时间 频次、 5公里空间分辨率、 全覆盖的云底高度， 计 算效率高， 并且在有数据环境的地方能够实时计 算。 权利要求书1页 说明书6页 附图1页 CN 114111705 A 2022.03.01 CN 114111705 A 1.一种利用气象卫星资料计算云底高度的方法， 其特 征在于， 包括以下步骤： S1 获取FY‑2卫星云区湿度廓线产品和 云分类产品， 对FY ‑2卫星云区湿度廓线数据和 云分类数据、 地表类型数据进行时间和空间上 的点对点匹配， 得到配准的两种产品和地表 类型数据； S2 统计建立 不同云类型和不同云区湿度廓线的云底高度特 征值模型； S3 建立不同云分类与云区湿度廓线的计算模型， 分析得出云的垂直结构和云类， 根据 不同云类所 具有的云底高度特 征值以及云的垂直结构特 征， 综合估计出云底高度。 2.根据权利要求1所述的利用气象卫星资料计算云底高度的方法， 其特征在于， 所述 FY‑2卫星云区湿度廓线产品给出了92 5hPa、 850hPa、 700hPa、 500hPa、 400hPa、 300hPa等压面 上的相对湿度。 3.根据权利要求1所述的利用气象卫星资料计算云底高度的方法， 其特征在于， 所述云 分类产品给出了卷层云、 密卷云、 高层云或雨层云、 积雨云、 中低云、 晴空与云混合共6类信 息。 4.根据权利要求1所述的利用气象卫星资料计算云底高度的方法， 其特征在于， 所述对 FY‑2卫星云区湿度廓线 数据和云分类数据、 地表类型数据进 行时间和空间上的点对点匹配 中， 时间匹配阈值为观测为同一时间， 即时间差为0 分钟， 空间匹配阈值设为观测位置差为5 公里范围内最邻近点相匹配。 5.根据权利要求1所述的利用气象卫星资料计算云底高度的方法， 其特征在于， 步骤S3 包括： S31根据以下判定条件统计设定出不同的云类型和云区湿度廓线相对应的云底高度的 组合： 低云云底赋值在600 ‑1500米， 中云高赋值2000 ‑4500米， 高云底赋值7000 ‑8000米， 850hPa、 700hPa、 500hPa、 400hPa、 300hPa等压面层上相对湿度大于60%视为有云， 925hpa等 压面层上相对湿度在陆地大于70%、 海洋大于60%视为有云， 不满足判定条件， 则暂时定为不 确定； S32针对判定为 不确定的云， 根据湿度阈值法进一 步计算云底高度。 6.根据权利要求5所述的利用气象卫星资料计算云底高度的方法， 其特征在于， 所述根 据湿度阈值法进一步计算云底高度为： 对云区湿度廓线产品进行垂直层次的精细化处理， 由地面向上逐层进行云底高度判断， 如水汽阈值超过一定阈值范围， 则认为该层所在高度 为云底高度。 7.根据权利要求6所述的利用气象卫星资料计算云底高度的方法， 其特征在于， 所述对 云区湿度廓线产品进行垂直层次的精细化处理为： 利用距离权重方法， 将每相邻两个水汽 层插值为9个水汽层， 将云区湿度廓线产品精细化得到 54个层的水汽廓线。权　利　要　求　书 1/1 页 2 CN 114111705 A 2一种利用气象卫星资料计算 云底高度的方 法 技术领域 [0001]本发明涉及气象卫星计算云底高度技术领域， 具体来说， 涉及一种利用气 象卫星 资料计算云底高度的方法。 背景技术 [0002]云底高度是气象上非常重要的参数， 一直以来以人 眼观测为主， 人 眼观测主观性 较大， 造成数据有很大不确定性， 并且观测次数和分布均很有限， 近些年中 国开始部署一些 云高仪， 也可以得到云底的观测， 但是同样地基站点为散点数据， 很多地方覆盖不到。 为了 得到空间和空间分辨率更高的云底高度资料， 人们也采用通过气象因子诊断和计算的方法 来得到云底高度， 主 要方法包括： [0003](1)MOS方法， 即模式输出后处理方法， 1972年Bocchieri等首次基于有限区域嵌套 网格模式(NGM)的模式输出结果， 利用MOS回归方法用于云高预报(Bocchierri  J.R.， Glahn   H.R.Use of model output statistics  for prediction  ceiling height[J].Monthly   Weather Review， 1972， 100(12):869 ‑879)。 MOS回归方法计算云高的思路是建立目标变量 云底高和从模式输出变量中遴 选的多个自变量建立多元线性回归方程； [0004](2)人工神经网络方法， 云底高与各个预报因子之间并非是线性关系， 而往往呈现 为非线性关系， 而神经网络方法是构建云底高和预报因子之间非线性关系的有力工具， 人 工神经网络方法的基本思想为对应训练矢量的理想输出矢量与实际输出矢量的误差反向 传播， 改变调整各层神经 元权值， 直至 输出误差在一定范围之内； [0005](3)支持向量机方法， 基于支持向量理论的支持向量机方法是一种新颖的小样本 机器学习方法,该方法建模不必知道因变量和自变量之间的关系,通过对样本的学习即可 获得因变量和自变量之间非常复杂的映射关系,它 具有从海量的信息中,自动识别并提取 关键信息的特点,适合处理本质上 的非线性问题， 通过对历史实况资料进行统计分析基础 上， 以每日模式输出产品的基本物理量为主要参考因子， 基于支持向量机的方法进行预报 因子筛选和核参数优化,得到云底高。 [0006](4)基于探空观测的计算抬升 凝结高度近似 估计云底高： [0007]1)温度露点差计算方法， 目前最常用的方法是通过计算地面温度露点差(T s‑Td)， 从而估计抬升 凝结高度H,具体 计算公式为： [0008]H＝a*(Ts ‑Td)                            (1) [0009]其中， 即a与露点的垂直递减率有关， 目前不同的作者将a取值为 121,122,123和124不等， a的取值无确切原则； 不同的a值只适用于不同的Ts和Ta ‑Td的范围 内做近似计算之用， 超出这个范围就有较大误差 。 [0010]2)由气压表示抬升凝结高度的计算方法， Barnes(1986)利用(2)、 (3)式计算得到 抬升凝结高度上的温度， 并得到 了气压形式的凝结高度。说　明　书 1/6 页 3 CN 114111705 A 3