气象遥感图像及格点场重采样插值方法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (18): 237-241.

气象遥感图像及格点场重采样插值方法

叶金印1，邱旭敏1，黄勇2，张春莉1

1.淮河流域气象中心，安徽蚌埠 233040
2.安徽省气象科学研究所，合肥 230031

出版日期:2013-09-15 发布日期:2013-09-13

Resampling interpolation methods of meteorological remote sensing image and grid point field

YE Jinyin1, QIU Xumin1, HUANG Yong2, ZHANG Chunli1

1.Huaihe River Basin Meteorological Center, Bengbu, Anhui 233040, China
2.Anhui Institute of Meteorology, Hefei 230031, China

Online:2013-09-15 Published:2013-09-13

摘要/Abstract

摘要： 重采样插值方法是气象信息处理领域研究的问题之一。针对气象遥感图像，介绍了基于地图投影坐标转换的直接重采样插值方法和间接重采样插值方法；针对气象格点场，介绍了双线性插值方法和贝塞尔插值方法。以气象业务中不同分辨率的气象卫星（FY2E和FY2D）遥感图像以及欧洲中期天气预报中心（ECMWF）降水预报场为例，分别对不同重采样插值方法进行了分析比较。结果表明：基于间接重采样的气象遥感图像最近邻点插值法的计算量小于邻点权重插值方法，而邻点权重插值方法的效果优于最近邻点插值方法；随着图像的分辨率提高，最近邻点插值法与邻点权重插值方法相比，计算量小的优势更加明显；对于高分辨率的气象遥感图像建议采用基于间接重采样的最近邻点法；对于气象格点场，贝塞尔插值方法的插值效果优于双线性插值方法。

关键词: 气象遥感图像, 气象格点场, 重采样, 插值方法

Abstract: Resampling interpolation method is one of the problems in the field of meteorological information processing research. This paper introduces a direct and indirect resampling interpolation methods which are based on map projection coordinate conversion for the meteorological remote sensing images, and introduces bilinear interpolation method and Bessel interpolation method for the meteorological grid point field. Taking meteorological satellite（FY2E and FY2D） remote sensing images with different resolutions and ECMWF（European Centre for Medium-Range Weather Forecasts） precipitation forecast field for example, the paper analyzes different resampling interpolation methods. The results show that the calculation amount of the nearest neighbor algorithm is less than that of the weighted nearest neighbor algorithm based on indirect resampling method, while the weighted nearest neighbor algorithm can get better results than the nearest neighbor algorithm. With the improvement of resolution, the comparative advantage of calculation amount of the nearest neighbor algorithm is more obvious. The weighted nearest neighbor algorithm is more suitable for high-resolution meteorological remote sensing images. The results also show that Bessel interpolation algorithm is better than bilinear interpolation algorithm for the meteorological grid point field.

Key words: meteorological remote sensing images, meteorological grid point field, resampling, interpolation method

叶金印1，邱旭敏1，黄勇2，张春莉1. 气象遥感图像及格点场重采样插值方法[J]. 计算机工程与应用, 2013, 49(18): 237-241.

YE Jinyin1, QIU Xumin1, HUANG Yong2, ZHANG Chunli1. Resampling interpolation methods of meteorological remote sensing image and grid point field[J]. Computer Engineering and Applications, 2013, 49(18): 237-241.

[1]	顾兆军，吴优，赵春迪，周景贤. 流量的集成学习与重采样均衡分类方法[J]. 计算机工程与应用, 2020, 56(6): 86-91.
[2]	徐玲玲，迟冬祥. 面向不平衡数据集的机器学习分类策略[J]. 计算机工程与应用, 2020, 56(24): 12-27.
[3]	王晓华，聂腾腾. 改进的布谷鸟算法优化粒子滤波研究[J]. 计算机工程与应用, 2020, 56(12): 60-65.
[4]	侯贝贝，刘三阳，普事业. 基于边界混合重采样的非平衡数据分类方法[J]. 计算机工程与应用, 2020, 56(1): 46-52.
[5]	昝孟恩，周航，韩丹，杨刚，许国梁. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用, 2019, 55(5): 8-17.
[6]	郭秋红1，梁秀霞1，2. 对3D Warping分解的高质量虚拟视点绘制方法[J]. 计算机工程与应用, 2019, 55(3): 184-190.
[7]	董瑶1，2，葛莹莹1，2，郭鸿湧1，3，董永峰1，2，杨琛1，2. 基于深度强化学习的移动机器人路径规划[J]. 计算机工程与应用, 2019, 55(13): 15-19.
[8]	李英1，杨秋翔1，雷海卫2，杜博2. 基于深度图像绘制技术的正反向映射技术的改进[J]. 计算机工程与应用, 2018, 54(5): 186-190.
[9]	王向前1，冉维2，马飞1，3. 邻域迭代重采样粒子滤波的纯方位目标跟踪[J]. 计算机工程与应用, 2017, 53(13): 160-166.
[10]	许枫1，纪永强1，2，杨娟1，温涛1，2，宋宏健1，2 . 基于重采样的水下小目标多基地量测融合[J]. 计算机工程与应用, 2015, 51(5): 27-32.
[11]	刘雪冬，张康，杨杰. 基于粒子滤波器的摄像机运动参数估计[J]. 计算机工程与应用, 2014, 50(7): 144-148.
[12]	李睿，毛莉，张九蕊. 基于混沌免疫遗传优化的粒子滤波重采样[J]. 计算机工程与应用, 2013, 49(6): 209-212.
[13]	李晖，翟淑宝，刘小明，蒋璐瑶. 基于多重采样策略的车辆指标随机派发算法[J]. 计算机工程与应用, 2013, 49(22): 22-25.
[14]	张航1，李梦丽2，杨清波2. 基于小生境遗传算法的粒子滤波算法[J]. 计算机工程与应用, 2013, 49(18): 191-194.
[15]	吴刚1，2，唐振民2，杨静宇2. 序列蒙特卡罗框架中引入对数取样的重采样[J]. 计算机工程与应用, 2012, 48(6): 24-27.