一种基于数值天气预报的垂直能见度计算方法

1.本发明属于天气预报技术领域，尤其涉及一种基于数值天气预报的垂直能见度计算方法。


背景技术：

2.能见度按观测方向分为水平能见度、垂直能见度和倾斜能见度。垂直能见度是指视力正常者垂直向上(或向下)能识别黑色目标物的最大距离，夜间则是能看到和确定出一定强度灯光的最大距离。垂直能见度的大小，主要由两个因素决定：
①
目标物与衬托它的背景之间的亮度差异。差异愈大(小)，能见距离愈大(小)。但这种亮度差异通常变化不大。
②
大气透明度。观测者与目标物间的气层能减弱前述的亮度差异。大气透明度愈差(好)，能见距离愈小(大)。所以垂直能见度的变化主要取决于大气透明度的好坏。而雾、霾、烟、沙尘、雪、雨等天气现象可使大气浑浊，透明度变小。这些天气现象与大气中的气溶胶粒子数浓度及谱分布有关。气溶胶质粒产生的散射光减少了目标与背景的视亮度对比，限制了可视距离。
3.目前，对于水平能见度主要基于大气气溶胶参数来计算，通过地面消光系数、大气气溶胶光学厚度和波长等参数计算出地面能见度。在数值天气预报中，往往采用模式预报的液态水含量来计算。也有基于大气温度、相对湿度、风速等基本气象要素预报雾的统计预报方法，进而计算水平能见度。由于大气水汽含量在垂直方向不均匀，用于水平能见度计算的方法在垂直方向并不适用。在大气探测中，常采用激光雷达探测大气的云况和反演的大气垂直消光系数计算大气的垂直能见度。在数值天气预报中，很少有数值模式计算垂直能见度，在一些对垂直能见度有需求的数值预报业务中，常通过水汽含量垂直积分的方法结合云和雾霾的预报来计算垂直能见度，但由于云和雾霾预报不能准确预报，计算的结果和观测数据对比表明垂直能见度计算不够准确。
4.通过上述分析，现有技术存在的问题及缺陷为：
5.(1)现有基于数值天气预报的垂直能见度计算方法不能对大气雾霾进行准确预测。
6.(2)对大气垂直能见度计算不准确。


技术实现要素：

7.针对现有技术存在的问题，本发明提供了一种基于数值天气预报的垂直能见度计算方法。
8.本发明是这样实现的，一种基于数值天气预报的垂直能见度计算方法包括以下步骤：
9.步骤一，通过大气数据统计模块利用统计程序统计大气温度、湿度、雾气浓度、气压等数据；
10.步骤二，中央控制模块通过大气状况判断模块利用判断程序根据统计的大气数据
判断大气状况；
11.步骤三，通过云底高度预测模块预测云底高度；通过大气雾霾预测模块利用预测程序预测大气雾霾；
12.步骤四，通过大气辐射计算模块计算大气辐射；通过垂直能见度计算模块计算大气垂直能见度；
13.步骤五，通过显示模块利用显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。
14.一种基于数值天气预报的垂直能见度计算方法包括：
15.大气数据统计模块、中央控制模块、大气状况判断模块、云底高度预测模块、大气雾霾预测模块、大气辐射计算模块、垂直能见度计算模块、显示模块；
16.大气数据统计模块，与中央控制模块连接，用于通过统计程序统计大气温度、湿度、雾气浓度、气压等数据；
17.中央控制模块，与大气数据统计模块、大气状况判断模块、云底高度预测模块、大气雾霾预测模块、大气辐射计算模块、能见度计算模块、显示模块连接，用于控制各个模块正常工作；
18.大气状况判断模块，与中央控制模块连接，用于通过判断程序根据统计的大气数据判断大气状况；
19.云底高度预测模块，与中央控制模块连接，用于通过预测程序预测云底高度；
20.大气雾霾预测模块，与中央控制模块连接，用于通过预测程序预测大气雾霾；
21.大气辐射计算模块，与中央控制模块连接，用于计算大气辐射；
22.垂直能见度计算模块，与中央控制模块连接，用于计算大气垂直能见度；
23.显示模块，与中央控制模块连接，用于通过显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。
24.进一步，所述云底高度预测模块预测方法如下：
25.(1)云分为对流云和层状云，要分别计算其云底高度；
26.(2)对流云云底计算方法如下：建立云中水汽含量与大气消光系数之间的统计关系，通过对云中水汽相态和含量计算云底高度。具体方法如下：不考虑气溶胶的散射和消光，用水凝物混合比计算云底高，即：式中，0.02表示大气总透射率为2％，β为消光系数，zc为云底高度(抬升凝结高度)。对于云水，β＝144.7ρ
0.88
；对于云冰，β＝163.9ρ
1.00
，对于雨滴，β＝1.1ρ
0.75
；对于雪，β＝10.4ρ
0.78
，其中，ρ为水汽密度。
27.(3)层状云底主要通过相对湿度来计算，按照经验公式，即当相对湿度f≥87％时即为云底高度。
28.进一步，所述大气雾霾预测模块预测方法如下：
29.(1)构建大气数据库，将大气监测数据存入大气数据库中；确定所在大气监测区域内的监控点；
30.(2)根据在所述大气监测区域内监控点的数据信息选择多个有效观察值作为预测大气雾霾的标准，并建立神经模糊模型，其中，所述数据信息包括第一数据信息和第二数据信息，所述神经模糊模型包括mlr模型、ann模型和nf模型；
31.(3)针对每个监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第
一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度；根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，并根据所述模糊结果进行加权平均得出大气雾霾预测结果。
32.进一步，所述监控点包括环境评价点、对照点、区域边界点和交通点。
33.进一步，所述根据所述模糊结果得出大气雾霾预测结果的步骤之后，所述大气雾霾预测方法还包括：
34.根据训练样本集对所述神经模糊模型进行训练，计算出所述神经模糊模型的实际输出结果；
35.将所述实际输出结果和预期输出结果进行比较得出验证结果，根据所述验证结果调整所述神经模糊模型的参数集，其中，所述参数集包括隶属度函数的参数集和结果参数集；
36.进一步，所述训练方法包括反向传播算法。
37.进一步，所述将所述实际输出结果和预期输出结果进行比较得出验证结果方法包括：
38.根据符合指标、标准均方差、分数偏差、几何平均偏差、几何方差、观测值倍差的预测分数和/或击中率得出验证结果。
39.进一步，所述大气辐射计算模块计算方法如下：
40.(a)视在亮度和大气路径散射辐射
41.从大气辐射传输方程的求解过程可以获得垂直非均匀视线路径上目标和背景视在亮度的结果；太阳的天顶角余弦为-μ0，方位角为φ0；大气层顶的光学厚度为0，大气层底部(地面)的光学厚度为τ0；当从地面向上观察时，目标位于光学厚度为τ的位置，观察者视线方向的天顶角余弦为μ，方位角为φ，而光线的天顶角余弦为-μ，方位角为π+φ；反之，当观察者自光学厚度为τ的位置向下观察位于地面的目标时，观察者视线方向的天顶角余弦为-μ，方位角为π+φ，而光线的天顶角余弦为μ，方位角为φ；
42.当从地面向上观察位于光学厚度τ处的目标，目标和大气背景亮度分别向下垂直传输到观察者，从辐射传输方程的形式解可知，目标本身亮度到达观察者的视在亮度i
vis
以及观察者位置处的大气背景亮度i
b-v
分别为：
[0043][0044][0045]
式中i
path
为视线光路上的大气散射辐射，
[0046]
同样地，当从光学厚度τ处向下观察位于地面的目标，目标和大气背景亮度分别向上垂直传输到观察者，从辐射传输方程的形式解可知，目标本身亮度到达观察者的视在亮度i
vis
以及观察者位置处的大气背景亮度i
b-v
分别为：
[0047][0048]
[0049]
式中i
path
同样为视线光路上的散射辐射，
[0050]
(b)目标背景视在对比度
[0051]
根据目标背景视在对比度的定义，分别将式(1)、(2)和式(3)、(4)代入到下式中，
[0052]cl
＝(i
vis-i
b-v
)/i
b-v (5)
[0053]
可以得到斜向上观察和斜向下观察时的目标背景视在对比度：
[0054][0055][0056]
式(6)与(7)表现的规律完全一致；可以看出，垂直非均匀大气中的目标背景视在对比度的变化规律除了依然遵守线性衰减特性(正比于透过率)以外，还与目标位置处大气背景亮度i
b-o
以及观察者位置处的大气背景亮度i
b-v
之比成正比。
[0057]
进一步，所述垂直能见度计算模块技术方法如下：
[0058]
1)计算垂直观测距离与目标背景视在对比度的关系；
[0059]
从式(6)与(7)可知，垂直观测距离与目标背景视在对比度的关系为：
[0060][0061]
其中，β为消光系数，χ＝i
b-o
/i
b-v
；
[0062]
考虑白背景上的理想黑体，其对比度为c0＝-1，则对应于|c
l
|＝ε的可视距离vz为：
[0063][0064]
可以得到对应于对比度阈值分别为ε＝0.02和ε＝0.05的标准大气能见度v2和气象视距rm：
[0065][0066]
2)垂直能见度计算；
[0067]
即垂直能见度：v2＝f{β(l)，χ}
ꢀꢀꢀꢀ
(11)；
[0068]
所述消光系数β的路径分布和目标位置处以及观察者位置处的背景亮度的比值χ计算方法：
[0069]
(1.1)大气背景辐射计算；
[0070]
大气背景辐射包括散射太阳辐射、大气热辐射、地表发射辐射；长波段(5～10000μ
[0094][0095]
地表采用lambert假定，在τ处的向上、向下辐射通量及下边界向上的辐亮度为：
[0096][0097][0098]
求上述平面平行大气中辐射传输方程的通解可得向上和向下的辐亮度：
[0099][0100][0101]
对源函数的多次散射采用二流近似，得到j，代入上式即得到包括多次散射的背景或目标的总辐照度分布；具体的大气背景辐射计算方案如下：
[0102]
(a)散射太阳辐射
[0103]
散射太阳辐射(通常是多次散射)的计算采用disort算法，但该算法计算速度特别慢，难以满足工程化的要求；为了解决计算速度问题，对多次散射计算采用如下处理：对于中高光谱分辨率的大气辐射计算，在一定的波长宽度范围内(如长波红外500cm-1
，可见光、近红外几千cm-1
范围内，多次散射辐射强度与地表反照率的比值按光学厚度排序后呈单调变化的趋势)，只需要精确计算很少几个波数点的散射强度方向分布，在其他波数点依据大气的光学厚度进行样条插值；具体计算时，先将要计算的波段范围分好段，每段内将用晴天辐射传输模式计算的大气的光学厚度按大小排序，在等光学厚度对数间隔上选择计算点，用disort计算这些点对应波数上的多次散射辐射强度的方向分布，其它波数上的值则用spline法拟合得到，从而实现多次散射辐射传输的快速算法；
[0104]
(b)大气热辐射
[0105]
大气热辐射为非灰体辐射类型，大气热辐射定义为每层由温度引起的辐射的叠加，其表达式如下：
[0106][0107]
式中：ti一每层大气的温度；
[0108]
τ
i-大气顶到每层的大气透过率，它可以由下述大气透过率模式计算得到；向上和向下的大气程热辐射是不一样的，当计算向下的大气程热辐射时，式中的τi为大气顶到第i层的透过率；而当计算向上的大气程热辐射时，式中的τi为地面到第i层的透过率；一般当波长小于2μm，热辐射可以不考虑；在这个波段范围内，我们首先用大气透过率模式计算了大气顶到每层上分子吸收和散射的光学厚度、用气溶胶模式计算气溶胶的吸收和散射的光学厚度，然后根据式(22)和黑体辐射公式计算大气热辐射；
[0109]
(c)地表发射辐射
[0110]
地表发射辐射只与地表的温度有关，故可以用黑体辐射公式计算得到
[0111]iemis
＝εb(ts)τ
ꢀꢀꢀꢀꢀ
(23)
[0112]
式中：
[0113]
t
s-地表的温度；
[0114]
τ-整层大气透过率；
[0115]
ε-发射率，可用地表反照率求得：ε＝1-ω；
[0116]
地表反照率值取决于地表类型；
[0117]
(1.2)大气透过率计算
[0118]
在光电工程的实际应用中，一般都是中低分辨率的光电仪器；用逐线积分法(lblrtm)精确地计算大气透过率和辐射量因计算量太大而无法使用；因此需要研制快速的中分辨率的大气透过率计算软件；其中大气分子吸收透过率的快速计算模式，是快速辐射传输模式的重要部分；
[0119]
单色大气透过率包括单色分子吸收、分子连续吸收和散射、气溶胶衰减；
[0120]
(a)大气分子吸收
[0121]
大气高度层分为50层：分别为0.0，1.0，2.0，3.0，4.0，5.0，6.0，7.0，8.0，9.0，10.0，11.0，12.0，13.0，14.0，15.0，16.0，17.0，18.0，19.0，20.0，21.0，22.0，23.0，24.0，25.0，27.5，30.0，32.5，35.0，37.5，40.0，42.5，45.0，47.5，50.0，55.0，60.0，65.0，70.0，75.0，80.0，85.0，90.0，95.0，100.0，105.0，110.0，115.0，120.0km；主要考虑大气中吸收气体包括h2o、co2、o3、n2o、co、ch4和o2这七种气体分子；
[0122]
大气分子吸收透过率计算采用基于逐线积分拟合的算法；该算法即保证了计算精度，又显著地提高了计算速度；首先用lblrtm计算七种吸收气体在9个参考气压和9个参考温度下，不同吸收含量的单色透过率，9个参考气压分别为1100hpa、350hpa、100hpa、35hpa、10hpa、3.5hpa、1hpa、0.35hpa、0.1hpa；9个参考温度分别为200k、215k、230k、245k、260k、275k、290k、305k和320k；然后将这些单色透过率平均到指定的波数间隔(如1cm-1
)内；在每种气压和温度下，用一种非线性拟合算法拟合不同吸收含量下的计算值将得到一系列的拟合系数，根据这些系数建立一个数据库；
[0123][0124]
该算法中，t为参考温度，p为参考气压，u为吸收含量，ci(t，p)为某种参考温度和参考气压下拟合得到的系数，m为拟合的最高次数；若m取4，则对每种吸收气体在每个波数上将得到9
×9×
5＝405个拟合系数；
[0125]
对均匀路径传输，任意温度、任意气压下的系数可插值得到，温度采用线性插值，当温度小于200k时，取200k的极限值，当温度大于320k时取320k的极限值；气压采用对数插值，当气压大于1100hpa时，取1100hpa的极限值，当气压小于0.1hpa时取0.1hpa的极限值；
[0126]
对非均匀路径传输，首先用插值法得到每层高度上的系数，然后用curtis-godson(c-g)近似
[0127][0128]
得到该路径上的平均系数，最后平均有效透过率为
[0129][0130]
式中u为该路径上总的吸收含量；
[0131]
u＝∫du(t，p)
ꢀꢀꢀꢀ
(27)
[0132]
(b)分子连续吸收和散射
[0133]
对于分子连续吸收，起作用的主要有h2o、co2、o3、o2和n2，分子散射主要考虑瑞利散射；分子的连续吸收和散射相对分子吸收来说较简单，可采用国际上公认的最新的mt_ckd方法进行计算；
[0134]
(c)气溶胶衰减(吸收和散射)
[0135]
任意波长地面到某个高度h上的气溶胶衰减可按以下公式计算
[0136][0137]
式中：
[0138]
β(λ，h)—任意波长和任意高度上的气溶胶衰减系数(吸收系数与散射系数之和)；
[0139]
h—传输路径；
[0140]
λ—波长；
[0141]
任意波长和任意高度上的气溶胶衰减系数由两部分组成：
[0142]
β(λ，h)＝β(λ，0)
×
n(h)
ꢀꢀꢀꢀ
(29)
[0143]
式中：
[0144]
n(h)-气溶胶衰减廓线随高度变化部分；
[0145]
β(λ，0)-地面的气溶胶衰减系数随光谱变化的部分；
[0146]
0.55μm波长上的气溶胶衰减系数可通过地面能见度(vis)按以下公式计算得到
[0147][0148]
式中，βm是0.55μm上分子散射系数，在海平面处可近似地取0.00159km-1
；0.55μm消光系数和其它波长上的消光系数存在一个波长依赖关系，取决于两个波长上大气分子和气溶胶粒子的消光特性，即气溶胶归一化消光系数；modtran中提供了不同气溶胶类型、地面能见度和相对湿度下的归一化消光系数和吸收系数及高度分布；选择气溶胶类型、给定地面能见度和相对湿度即可得到相应的归一化消光系数β1(λ，0)和高度分布n(h)；
[0149]
则，近地面任意波长的消光系数为：
[0150]
β(λ，0)＝β1(λ，0)
·
β(0.55，0) (31)
[0151]
最后任意波长和任意高度的消光系数为地面消光系数β(λ，0)乘以高度分布n(h)；任意波长和任意高度的散射系数、吸收系数按相同的方法即可得出；
[0152]
总透过率为单个因素透过率之积：
[0153][0154]
大气消光系数a：
[0155][0156]
并以此为基础，计算红外、可见光波段在相应大气状况下大气透过率的水平、垂直与倾斜分布，着重分析卷云、气溶胶影响条件下的大气消光系数和透过率水平、垂直与倾斜分布特征。
[0157]
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
[0158]
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0159]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
[0160]
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
[0161]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
附图说明
[0162]
图1是本发明实施例提供的基于数值天气预报的垂直能见度计算方法流程图。
[0163]
图2是本发明实施例提供的基于数值天气预报的垂直能见度计算系统结构框图。
[0164]
图3是本发明实施例提供的大气雾霾预测模块预测方法流程图。
[0165]
图4平面平行大气中倾斜视线能见度问题的几何示意图。
[0166]
图5是本发明实施例提供的垂直能见度计算模块计算方法流程图。
[0167]
图6本发明实施例提供的多次散射快速算法图。
[0168]
图2中：1、大气数据统计模块；2、中央控制模块；3、大气状况判断模块；4、云底高度预测模块；5、大气雾霾预测模块；6、大气辐射计算模块；7、垂直能见度计算模块；8、显示模块。
具体实施方式
[0169]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0170]
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
[0171]
如图1所示，本发明提供的基于数值天气预报的垂直能见度计算方法包括以下步骤：
[0172]
s101，通过大气数据统计模块利用统计程序统计大气温度、湿度、雾气浓度、气压等数据；
[0173]
s102，中央控制模块通过大气状况判断模块利用判断程序根据统计的大气数据判断大气状况；
[0174]
s103，通过云底高度预测模块预测云底高度；通过大气雾霾预测模块利用预测程序预测大气雾霾；
[0175]
s104，通过大气辐射计算模块计算大气辐射；通过垂直能见度计算模块计算大气垂直能见度；
[0176]
s105，通过显示模块利用显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。
[0177]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
[0178]
如图2所示，本发明实施例提供的基于数值天气预报的垂直能见度计算系统包括：大气数据统计模块1、中央控制模块2、大气状况判断模块3、云底高度预测模块4、大气雾霾预测模块5、大气辐射计算模块6、垂直能见度计算模块7、显示模块8；
[0179]
大气数据统计模块1，与中央控制模块2连接，用于通过统计程序统计大气温度、湿度、雾气浓度、气压等数据；
[0180]
中央控制模块2，与大气数据统计模块1、大气状况判断模块3、云底高度预测模块4、大气雾霾预测模块5、大气辐射计算模块6、垂直能见度计算模块7、显示模块8连接，用于控制各个模块正常工作；
[0181]
大气状况判断模块3，与中央控制模块2连接，用于通过判断程序根据统计的大气数据判断大气状况；
[0182]
云底高度预测模块4，与中央控制模块2连接，用于通过预测程序预测云底高度；
[0183]
大气雾霾预测模块5，与中央控制模块2连接，用于通过预测程序预测大气雾霾；
[0184]
大气辐射计算模块6，与中央控制模块2连接，用于计算大气辐射；
[0185]
垂直能见度计算模块7，与中央控制模块2连接，用于计算大气垂直能见度；
[0186]
显示模块，与中央控制模块2连接，用于通过显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。
[0187]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
[0188]
本发明提供的云底高度预测模块预测方法如下：
[0189]
(1)云分为对流云和层状云，要分别计算其云底高度；
[0190]
(2)对流云云底计算方法如下：建立云中水汽含量与大气消光系数之间的统计关系，通过对云中水汽相态和含量计算云底高度。具体方法如下：不考虑气溶胶的散射和消光，用水凝物混合比计算云底高，即：式中，0.02表示大气总透射率为2％，β为消光系数，zc为云底高度(抬升凝结高度)。对于云水，β＝144.7ρ
0.88
；对于云冰，β＝163.9ρ
1.00
，对于雨滴，β＝1.1ρ
0.75
；对于雪，β＝10.4ρ
0.78
，其中，ρ为水汽密度。
[0191]
(3)层状云底主要通过相对湿度来计算，按照经验公式，即当相对湿度f≥87％时即为云底高度。
[0192]
如图3所示，本发明提供的大气雾霾预测模块预测方法如下：
[0193]
s201，构建大气数据库，将大气监测数据存入大气数据库中；确定所在大气监测区域内的监控点；
[0194]
s202，根据在所述大气监测区域内监控点的数据信息选择多个有效观察值作为预测大气雾霾的标准，并建立神经模糊模型，其中，所述数据信息包括第一数据信息和第二数据信息，所述神经模糊模型包括mlr模型、ann模型和nf模型；
[0195]
s203，针对每个监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度；根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，并根据所述模糊结果进行加权平均得出大气雾霾预测结果。
[0196]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性。
[0197]
本发明提供的监控点包括环境评价点、对照点、区域边界点和交通点。
[0198]
本发明提供的根据所述模糊结果得出大气雾霾预测结果的步骤之后，所述大气雾
霾预测方法还包括：
[0199]
根据训练样本集对所述神经模糊模型进行训练，计算出所述神经模糊模型的实际输出结果；
[0200]
将所述实际输出结果和预期输出结果进行比较得出验证结果，根据所述验证结果调整所述神经模糊模型的参数集，其中，所述参数集包括隶属度函数的参数集和结果参数集。
[0201]
本发明提供的训练方法包括反向传播算法。
[0202]
本发明提供的将所述实际输出结果和预期输出结果进行比较得出验证结果方法包括：
[0203]
根据符合指标、标准均方差、分数偏差、几何平均偏差、几何方差、观测值倍差的预测分数和/或击中率得出验证结果。
[0204]
本发明提供的大气辐射计算模块计算方法如下：
[0205]
如图4所示，(a)视在亮度和大气路径散射辐射
[0206]
从大气辐射传输方程的求解过程可以获得垂直非均匀视线路径上目标和背景视在亮度的结果；太阳的天顶角余弦为-μ0，方位角为φ0；大气层顶的光学厚度为0，大气层底部(地面)的光学厚度为τ0；当从地面向上观察时，目标位于光学厚度为τ的位置，观察者视线方向的天顶角余弦为μ，方位角为φ，而光线的天顶角余弦为-μ，方位角为π+φ；反之，当观察者自光学厚度为τ的位置向下观察位于地面的目标时，观察者视线方向的天顶角余弦为-μ，方位角为π+φ，而光线的天顶角余弦为μ，方位角为φ；
[0207]
当从地面向上观察位于光学厚度τ处的目标，目标和大气背景亮度分别向下垂直传输到观察者，从辐射传输方程的形式解可知，目标本身亮度到达观察者的视在亮度i
vis
以及观察者位置处的大气背景亮度i
b-v
分别为：
[0208][0209][0210]
式中i
path
为视线光路上的大气散射辐射，
[0211]
同样地，当从光学厚度τ处向下观察位于地面的目标，目标和大气背景亮度分别向上垂直传输到观察者，从辐射传输方程的形式解可知，目标本身亮度到达观察者的视在亮度i
vis
以及观察者位置处的大气背景亮度i
b-v
分别为：
[0212][0213][0214]
式中i
path
同样为视线光路上的散射辐射，
[0215]
(b)目标背景视在对比度
[0216]
根据目标背景视在对比度的定义，分别将式(1)、(2)和式(3)、(4)代入到下式中，
[0217]cl
＝(i
vis-i
b-v
)/i
b-v (5)
[0218]
可以得到斜向上观察和斜向下观察时的目标背景视在对比度：
[0219][0220][0221]
式(6)与(7)表现的规律完全一致；可以看出，垂直非均匀大气中的目标背景视在对比度的变化规律除了依然遵守线性衰减特性(正比于透过率)以外，还与目标位置处大气背景亮度i
b-o
以及观察者位置处的大气背景亮度i
b-v
之比成正比。
[0222]
如图5所示，本发明提供的垂直能见度计算模块技术方法如下：
[0223]
s301，计算垂直观测距离与目标背景视在对比度的关系；
[0224]
从式(6)与(7)可知，垂直观测距离与目标背景视在对比度的关系为：
[0225][0226]
其中，β为消光系数，χ＝i
b-o
/i
b-v
；
[0227]
考虑白背景上的理想黑体，其对比度为c0＝-1，则对应于|c
l
|＝ε的可视距离vz为：
[0228][0229]
可以得到对应于对比度阈值分别为ε＝0.02和ε＝0.05的标准大气能见度v2和气象视距rm：
[0230][0231]
s302，垂直能见度计算；
[0232]
即垂直能见度：v2＝f{β(l)，χ}
ꢀꢀꢀ
(11)；
[0233]
本发明通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
[0234]
所述消光系数β的路径分布和目标位置处以及观察者位置处的背景亮度的比值χ计算方法：
[0235]
(1.1)大气背景辐射计算；
[0236]
大气背景辐射包括散射太阳辐射、大气热辐射、地表发射辐射；长波段(5～10000μm)主要考虑大气热辐射和地表发射辐射；短波段(0.4～2μm)主要考虑散射太阳辐射；2～5μm大气热辐射、地表发射辐射和散射太阳辐射都要考虑；
[0237]
考虑气层的吸收削弱和放射增强的辐射传输方程为：
[0238][0239]
其中，j
λ
(l)、i(l)分别是散射的源函数及辐射强度；
[0240][0241]
其中，p是散射相函数，j
λ5
是太阳直接辐射；p(θ，φ)＝b(θ，φ)/qs，b(θ，φ)为散射函数；
[0242]
则辐射传输方程为：
[0243][0244]
根据不同的问题，可给出不同的边界条件；如对热辐射，当地面温度为ts时，边界条件是：
[0245]iλ
(u
t
，μ)＝β
λ
(ts)
[0246]iλ
(0，-μ)＝0，μ＝cosθ
0 (14)
[0247]
定义单色大气透过率τ
λ
：
[0248][0249]
τ
λ
为在l路径上大气的单色透过率，k
eλ
为体衰减系数；
[0250]
对多次散射处理：采用改造的累加法，用二流近似求解辐射传输方程；
[0251]
平面大气基本单色辐射传输方程出发：
[0252][0253][0254]
其中，u是垂直光学厚度，μ为光线所经路径天顶角的余弦，方位角；源函数包括散射太阳辐射和热辐射：
[0255][0256][0257][0258]
其中，j0，j
ms
分别为单次散射、多次散射源函数；边界条件：
[0259]
ω0(u)＝δus/δu0[0260]
[0261]
地表采用lambert假定，在τ处的向上、向下辐射通量及下边界向上的辐亮度为：
[0262][0263][0264]
求上述平面平行大气中辐射传输方程的通解可得向上和向下的辐亮度：
[0265][0266][0267]
对源函数的多次散射采用二流近似，得到j，代入上式即得到包括多次散射的背景或目标的总辐照度分布；具体的大气背景辐射计算方案如下：
[0268]
(a)散射太阳辐射
[0269]
散射太阳辐射(通常是多次散射)的计算采用disort算法，但该算法计算速度特别慢，难以满足工程化的要求；为了解决计算速度问题，对多次散射计算采用如下处理：对于中高光谱分辨率的大气辐射计算，在一定的波长宽度范围内(如长波红外500cm-1
，可见光、近红外几千cm-1
范围内，如图6所示，多次散射辐射强度与地表反照率的比值按光学厚度排序后呈单调变化的趋势)，只需要精确计算很少几个波数点(如图6中的8个红色*号)的散射强度方向分布，在其他波数点依据大气的光学厚度进行样条插值；具体计算时，先将要计算的波段范围分好段，每段内将用晴天辐射传输模式计算的大气的光学厚度按大小排序，在等光学厚度对数间隔上选择计算点，用disort计算这些点对应波数上的多次散射辐射强度的方向分布，其它波数上的值则用spline法拟合得到，从而实现多次散射辐射传输的快速算法；
[0270]
(b)大气热辐射
[0271]
大气热辐射为非灰体辐射类型，大气热辐射定义为每层由温度引起的辐射的叠加，其表达式如下：
[0272][0273]
式中：t
i-每层大气的温度；
[0274]
τ
i-大气顶到每层的大气透过率，它可以由下述大气透过率模式计算得到；向上和向下的大气程热辐射是不一样的，当计算向下的大气程热辐射时，式中的τi为大气顶到第i层的透过率；而当计算向上的大气程热辐射时，式中的τi为地面到第i层的透过率；一般当波长小于2μm，热辐射可以不考虑；在这个波段范围内，我们首先用大气透过率模式计算了大气顶到每层上分子吸收和散射的光学厚度、用气溶胶模式计算气溶胶的吸收和散射的光学厚度，然后根据式(22)和黑体辐射公式计算大气热辐射；
[0275]
(c)地表发射辐射
[0276]
地表发射辐射只与地表的温度有关，故可以用黑体辐射公式计算得到
[0277]iemis
＝εb(ts)τ
ꢀꢀꢀꢀ
(23)
[0278]
式中：
[0279]
t
s-地表的温度；
[0280]
τ-整层大气透过率；
[0281]
ε-发射率，可用地表反照率求得：ε＝1-ω；
[0282]
地表反照率值取决于地表类型；
[0283]
(1.2)大气透过率计算
[0284]
在光电工程的实际应用中，一般都是中低分辨率的光电仪器；用逐线积分法(lblrtm)精确地计算大气透过率和辐射量因计算量太大而无法使用；因此需要研制快速的中分辨率的大气透过率计算软件；其中大气分子吸收透过率的快速计算模式，是快速辐射传输模式的重要部分；
[0285]
单色大气透过率包括单色分子吸收、分子连续吸收和散射、气溶胶衰减；
[0286]
(a)大气分子吸收
[0287]
大气高度层分为50层：分别为0.0，1.0，2.0，3.0，4.0，5.0，6.0，7.0，8.0，9.0，10.0，11.0，12.0，13.0，14.0，15.0，16.0，17.0，18.0，19.0，20.0，21.0，22.0，23.0，24.0，25.0，27.5，30.0，32.5，35.0，37.5，40.0，42.5，45.0，47.5，50.0，55.0，60.0，65.0，70.0，75.0，80.0，85.0，90.0，95.0，100.0，105.0，110.0，115.0，120.0km；主要考虑大气中吸收气体包括h2o、co2、o3、n2o、co、ch4和o2这七种气体分子；
[0288]
大气分子吸收透过率计算采用基于逐线积分拟合的算法；该算法即保证了计算精度，又显著地提高了计算速度；首先用lblrtm计算七种吸收气体在9个参考气压和9个参考温度下，不同吸收含量的单色透过率，9个参考气压分别为1100hpa、350hpa、100hpa、35hpa、10hpa、3.5hpa、1hpa、0.35hpa、0.1hpa；9个参考温度分别为200k、215k、230k、245k、260k、275k、290k、305k和320k；然后将这些单色透过率平均到指定的波数间隔(如1cm-1
)内；在每种气压和温度下，用一种非线性拟合算法拟合不同吸收含量下的计算值将得到一系列的拟合系数，根据这些系数建立一个数据库；
[0289][0290]
该算法中，t为参考温度，p为参考气压，u为吸收含量，ci(t，p)为某种参考温度和参考气压下拟合得到的系数，m为拟合的最高次数；若m取4，则对每种吸收气体在每个波数上将得到9
×9×
5＝405个拟合系数；
[0291]
对均匀路径传输，任意温度、任意气压下的系数可插值得到，温度采用线性插值，当温度小于200k时，取200k的极限值，当温度大于320k时取320k的极限值；气压采用对数插值，当气压大于1100hpa时，取1100hpa的极限值，当气压小于0.1hpa时取0.1hpa的极限值；
[0292]
对非均匀路径传输，首先用插值法得到每层高度上的系数，然后用curtis-godson(c-g)近似
[0293][0294]
得到该路径上的平均系数，最后平均有效透过率为
[0295][0296]
式中u为该路径上总的吸收含量；
[0297]
u＝∫du(t，p)
ꢀꢀꢀꢀ
(27)
[0298]
(b)分子连续吸收和散射
[0299]
对于分子连续吸收，起作用的主要有h2o、co2、o3、o2和n2，分子散射主要考虑瑞利散射；分子的连续吸收和散射相对分子吸收来说较简单，可采用国际上公认的最新的mt_ckd方法进行计算；
[0300]
(c)气溶胶衰减(吸收和散射)
[0301]
任意波长地面到某个高度h上的气溶胶衰减可按以下公式计算
[0302][0303]
式中：
[0304]
β(λ，h)-任意波长和任意高度上的气溶胶衰减系数(吸收系数与散射系数之和)；
[0305]
h-传输路径；
[0306]
λ-波长；
[0307]
任意波长和任意高度上的气溶胶衰减系数由两部分组成：
[0308]
β(λ，h)＝β(λ，0)
×
n(h)
ꢀꢀꢀꢀ
(29)
[0309]
式中：
[0310]
n(h)-气溶胶衰减廓线随高度变化部分；
[0311]
β(λ，0)-地面的气溶胶衰减系数随光谱变化的部分；
[0312]
0.55μm波长上的气溶胶衰减系数可通过地面能见度(vis)按以下公式计算得到
[0313][0314]
式中，βm是0.55μm上分子散射系数，在海平面处可近似地取0.00159km-1
；0.55μm消光系数和其它波长上的消光系数存在一个波长依赖关系，取决于两个波长上大气分子和气溶胶粒子的消光特性，即气溶胶归一化消光系数；modtran中提供了不同气溶胶类型、地面能见度和相对湿度下的归一化消光系数和吸收系数及高度分布；选择气溶胶类型、给定地面能见度和相对湿度即可得到相应的归一化消光系数β1(λ，0)和高度分布n(h)；
[0315]
则，近地面任意波长的消光系数为：
[0316]
β(λ，0)＝β1(λ，0)
·
β(0.55，0) (31)
[0317]
最后任意波长和任意高度的消光系数为地面消光系数β(λ，0)乘以高度分布n(h)；任意波长和任意高度的散射系数、吸收系数按相同的方法即可得出；
[0318]
总透过率为单个因素透过率之积：
[0319][0320]
大气消光系数a：
[0321][0322]
并以此为基础，计算红外、可见光波段在相应大气状况下大气透过率的水平、垂直与倾斜分布，着重分析卷云、气溶胶影响条件下的大气消光系数和透过率水平、垂直与倾斜分布特征。
[0323]
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
[0324]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
[0325]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0326]
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
[0327]
本发明通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，并根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，以及根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。
[0328]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。