Тип работы:
Предмет:
Язык работы:


ОЦЕНКА СКОРОСТИ И НАПРАВЛЕНИЯ ПЕРЕМЕЩЕНИЯ ОБЛАЧНОСТИ НА ОСНОВАНИИ СПУТНИКОВЫХ ДАННЫХ

Работа №189847

Тип работы

Магистерская диссертация

Предмет

прочее

Объем работы44
Год сдачи2016
Стоимость4650 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
12
Не подходит работа?

Узнай цену на написание


Аннотация
ВВЕДЕНИЕ 4
1 ОБЪЕКТ И ПРЕДМЕТ ИССЛЕДОВАНИЯ. МЕТОДЫ ОПРЕДЕЛЕНИЯ И
ОЦЕНКИ ДВИЖЕНИЯ. МЕТОДЫ ОПРЕДЕЛЕНИЕ СКОРОСТИ
ОБЛАЧНОСТИ. ПРОГНОЗИРОВАНИ 6
1.1 Облака и их классификация 6
1.2 Способы регистрации облачности 8
1.2.1 Оперативно доступные источники спутниковых данных 9
1.2.1.1 Google Maps 12
1.2.1.2 OpenWeatherMap 13
1.2.1.3 Wunderground 14
1.3 Анализ последовательности изображений 15
1.3.1 Методы регистрации движения или областей движения 15
1.3.1.1 Межкадровая разность 16
1.3.1.2 Полный перебор 16
1.3.1.3 «Оптический поток» 17
1.3.2 Методы отслеживание траектории 17
1.4 Методы определения скорости облаков 19
1.4.1 Способ измерения скорости движения облаков с использованием
лидара 19
1.4.2 Доплеровский радар 20
1.5 Прогнозирование перемещения облачности 21
2 РАЗРАБОТКА МЕТОДИКИ ОПРЕДЕЛЕНИЯ СКОРОСТИ И НАПРАВЛЕНИЯ ПЕРЕМЕЩЕНИЯ ОБЛАЧНЫХ МАСС С СОСТАВЛЕНИЕМ КРАТКОСРОЧНОГО ПРОГНОЗА 25
2.1 Алгоритм вычисления центров масс на серии изображений 25
2.2 Реализация алгоритма на основе технологии «оптический поток».... 28
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 39
Приложение А 43


В современной жизни информация играет очень важную роль. Научнотехнический прогресс в областях, связанных с передачей и обработкой информации, открывает всё новые и новые горизонты.
В последнее время важное значения приобрели спутниковые методы исследования Земли. Это связанно как с совершенствованием космической техники, так и с сокращением авиационных и наземных методов мониторинга.
Основные области применения спутникового зондирования - получение информации о состоянии окружающей среды, оценка стихийных бедствий, оценка урожая сельскохозяйственных угодий и т.д. эти средства позволяют получать сведения о состоянии атмосферы, в том числе и в глобальном масштабе. Данные поступают, как правило, в виде изображений, дальнейшая обработка ведется на электронно-вычислительной машине с использованием, различных программных пакетов. Поэтому дистанционное зондирование тесно связанно с цифровой обработкой изображений.
Таким образом, объектом исследования являются облачные образования.
Предмет исследования - это методы оценки скорости и направления перемещения крупных облачных образований.
Проблемная ситуация: отсутствие методов оперативной оценки скорости и направления перемещения облачности.
Целью данной работы является разработка методики оперативной оценки скорости и направления перемещения крупных облачных образований по данным спутникового зондирования.
Под крупными облачными образованиями понимается облачность размерами не менее чем 250x250 километров.
Для достижения поставленной цели, необходимо решить следующие задачи:
• провести аналитический обзор (по источникам информации об облачности), по методам отслеживания траекторий движений, по методам прогнозирования и определения скорости и направления движения облачности);
• разработать алгоритм получения оперативной информации о состоянии облачности;
• разработать алгоритм расчета вектора перемещения крупных облачных образований;
• оценить точность прогнозирования алгоритма для различных интервалов времени.
Актуальность. Для решения многих практических задач, таких как прогноз погоды, экологические исследования загрязнения атмосферы, обслуживание полетов самолетов, научных исследований, необходима информация о скорости и направлении перемещения облачности. Также изменяя радиационный баланс атмосферы и земной поверхности, облачность воздействует на температурновлажностный режим тропосферы и приземного слоя воздуха [1].
Положение, выносимое на защиту. Методика оценки скорости и направления перемещения крупных облачных образований по серии изображений получаемых с ИСЗ, основанная на контроле перемещения границ облачность/подстилающая поверхность, обеспечивает оценку этих параметров с погрешностью не более 20 % и позволяет прогнозировать перемещение до 9 часов с погрешностью не более 25 %.
Научная новизна. Разработан алгоритм оперативной оценки скорости и направления перемещения крупных облачных образований, на основе технологии «оптический поток», использующий в качестве меры близости двух изображений абсолютную разность их яркостей, обеспечивающий сокращение времени вычислений на ~20 % по сравнению с известными аналогами.
Данную задачу можно решить с помощью методов обработки данных и изображений, получаемых в результате дистанционного зондирования Земли.
Апробация результатов. По результатам работы опубликовано 7 статей, получено свидетельство на программу для ЭВМ. Результаты исследования по теме диссертации докладывались на XI Международной школе молодых ученых «Физика окружающей среды» им. А. Г. Колесника (г. Томск, 15-19 сентября 2014г.); X.I Международный симпозиум «Оптика атмосферы и океана. Физика атмосферы»; Всероссийской конференции студенческих научно-исследовательских инкубаторов (г. Томск, 2015 г., 2016 г.); Международной научно практической конференции «Актуальные проблемы радиофизики» (Томск, 2015 г.); XXII рабочая группа «Аэрозоли Сибири» (Томск, 2015 г.)..


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Для оценки скорости и направления перемещения крупных облачных образований можно использовать данные спутникового зондирования Земли, получаемые из открытых источников, в силу того, что они имеют частое обновление, обладают системой геокодирования, а способ получения таких данных не вызывает затруднений. Это позволяет вести наблюдения практически за любой точкой земной поверхности.
В работе предложена методика оперативной оценки скорости и направления перемещения крупных облачных образований, на основе технологии «оптический поток», использующая в качестве меры близости двух изображений абсолютную разность их яркостей, обеспечивающая сокращение времени вычислений на ~20 % по сравнению с известными аналогами.
Разработанный алгоритм обеспечивает оперативную оценку параметров (скорости и направления перемещения) параметров с погрешностью не более 20 % и позволяет прогнозировать перемещение до 9 часов с погрешностью не более 25 %.
Полученная информация позволяет в целом оценить перемещение облачных полей, что может быть необходимым для оценки радиационного баланса Земли.
Результаты работы опубликованы в 7 статьях [27,28, 30 - 34], в том числе одна в сборнике SPIE индексируемом в Scopus и WoS [30] и две статьи в журналах из перечня ВАК [31,27]. Получено свидетельство на программу ЭВМ [29].



Мониторинг облачного покрова для решения задач региональной климатологии [Электронный ресурс] http://www.geo-
vestnik.psu.ru/files/vest/34_monitoring.pdf [web-сайт] - режим доступа: свободный, (дата обращения 04.02.2014).
АМРК «Метеоячейка» [Электронный ресурс]
http://www.iram.ru/iram/p12_mcell_ru.php, [web-сайт] - режим доступа: свободный, (дата обращения 24.10 2014).
Разработка методов, алгоритмов и технологий построения автоматизированных систем сбора и обработки спутниковых данных [Электронный ресурс] http://smiswww.iki.rssi.ru/default.aspx?page=332, [web- сайт] - режим доступа: свободный, (дата обращения 20.10.2014).
Григорюк А.П., Брагинская Л.П. Опыт веб-картографирования на основе сервиса GOOGLE MAPS // Интерэкспо ГЕО-СИБИРЬ. - 2008. - №2. - С. 291. API метеорологических WEB-сервисов [Электронный ресурс]
http://elibrary.ru/item.asp?id=21687239 [web-сайт] - режим доступа: свободный, (дата обращения 15.10.2014).
DevOps [Электронный ресурс] http://devopswiki.net/index.php -DevOps WIKI [web-сайт] - режим доступа: свободный, (дата обращения 10.10.2014).
Google Maps Javascript API [Электронный ресурс]
https://developers.google.com/maps/documentation/flash/?hl=ru [web-сайт] - режим доступа: свободный, (дата обращения 03.11.2014).
OpenWeatherMap [Электронный ресурс] http://openweathermap.org/technology [web-сайт] - режим доступа: свободный, (дата обращения 03.11.2014).
OpenWeatherMap Weather API [Электронный ресурс]
http://openweathermap.org/API [web-сайт] - режим доступа: свободный, (дата обращения 03.11.2014).
Otsu N. A threshold selection method from gray-level histogram. // IEEE Trans. Syst. Man Cybern. 9; - 1979. - P. 62-66.
Support-Vector Networks // Machine Learning - V. 20, - № 3. - P. 273-297
12 Motion Detection and Segmentation [Электронный ресурс]
http://www.ai.mit.edu/projects/cog/VisionSystem/motion_detection.html, [web-
сайт] - режим доступа: свободный, (дата обращения 17.11.2014).
13 Breiman L. Random Forests // Machine Learning, - 2001. - V. 45, - №. 1, - P. 532.
14 Bishop C. M. Pattern Recognition and Machine. Learning. Springer
[Электронный ресурс] http://www.rmki.kfki.hu/~banmi/elte/Bishop%20-
%20Pattern%20Recognition%20and%20Machine%20Learning.pdf [web-сайт] - режим доступа: свободный, (дата обращения 03.11.2015).
15 Оценка движения на основе блоков [Электронный ресурс] http://sernam.ru/book_rich.php?id=146 [web-сайт] - режим доступа: свободный, (дата обращения 13.11.2015)....34



Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ