一种融合多源数据的光合有效辐射散射比例预测方法技术

本发明专利技术涉及一种融合多源数据的光合有效辐射散射比例预测方法，属于散射辐射比估算技术领域。首先获取站点数据集、卫星数据集、再分析数据集以及角度数据；根据获取的数据，可以直接构建实测站点PAR和PAR

【技术实现步骤摘要】
一种融合多源数据的光合有效辐射散射比例预测方法


[0001]本专利技术涉及一种融合多源数据的光合有效辐射散射比例预测方法，属于散射辐射比估算


技术介绍

[0002]散射辐射比是研究植被光合作用能力随太阳变化的重要指标，根据已有的地面通量站点的观测数据可以准确得出散射辐射比，但因站点的分布稀疏，采用地面通量站点的散射辐射比数据不利于进行面向区域或者全球分布的研究；而卫星观测和再分析产品虽然可以提供全球的散射辐射比数据，但卫星观测数据中的散射辐射数据是通过反演算法计算得到的，再分析数据中的散射辐射比数据也是经过一定模式计算得到的，因此会使得卫星观测数据和再分析数据中的散射辐射比数据存在一定误差，造成散射辐射比精度低，无法保证区域或全球的散射辐射比精度，不利于后续研究。

技术实现思路

[0003]本专利技术的目的是提供一种融合多源数据的光合有效辐射散射比例预测方法，用以解决现有卫星数据和再分析数据提供的散射辐射比精度较低的问题。
[0004]本专利技术提出的一种融合多源数据的光合有效辐射散射比例预测方法，该方法包括以下步骤：
[0005]1)获取站点数据集、卫星数据集、再分析数据集以及与卫星数据集、再分析数据集对应同一时空下的角度数据；其中站点数据集包括PAR和PAR
dif
数据以及对应的站点坐标和站点数据采集时间，卫星数据集包括PAR和PAR
dif
数据，再分析数据集包括PAR和PAR
dif
数据；
[0006]2)根据获取的站点坐标和站点数据采集时间对卫星数据集、再分析数据集进行时空匹配；并将匹配成功后对应时空下的角度数据转换成太阳天顶角余弦；
[0007]3)根据站点数据集中的PAR和PAR
dif
数据计算对应的散射辐射比，并根据时空匹配成功的卫星数据集和再分析数据集计算其对应的散射辐射比；将得到的站点散射辐射比、卫星数据散射辐射比、再分析数据散射辐射比以及与三者统一对应的太阳天顶角余弦作为多源散射辐射比训练数据集；
[0008]4)将得到的多源散射辐射比训练数据集输入到随机森林决策树中进行训练，得到站点散射辐射比与卫星数据散射辐射比、再分析数据散射辐射比、太阳天顶角余弦的随机森林决策树，根据所述随机森林决策树预测待测时空下的散射辐射比。
[0009]本专利技术提出的一种融合多源数据的光合有效辐射散射比例预测方法，采用随机森林决策树建立实测站点的散射辐射比数据与卫星数据集和再分析数据集的散射辐射比数据之间的回归关系，得到散射辐射比随机森林决策树直接预测待测时空下的散射辐射比，更能得到不同时空下精确的散射辐射比。本专利技术利用多种散射辐射比数据进行预测，避免了现有散射辐射比预测精度较低的问题，更有利于进行面向区域或全球的散射辐射比研究。
[0010]进一步地，所述站点数据集为国际通量观测研究网络数据集，所述卫星数据集为CERES数据集或BESS数据集，所述再分析数据集为MERRA2数据集。
[0011]进一步地，为了保证数据选取的准确性及后续随机森林回归模型建立的准确性，所述步骤3)中，多源散射辐射比训练数据集需将站点数据集、卫星数据集和再分析数据集中散射辐射比小于0及散射辐射比大于1的散射辐射比数据剔除。
[0012]进一步地，为了保证随机森林回归模型中数据训练的可靠性，所述步骤4)中随机森林决策树的训练方法为K折交叉验证法。
[0013]进一步地，为了实现卫星数据集、再分析数据集与站点数据集的精确匹配，所述卫星数据集、再分析数据集与站点数据集的时空匹配方法为：先获取站点数据集的时空信息，利用双线性内插法或最近邻方法从卫星数据集和再分析数据集中提取对应时空下的点状数据。
[0014]本专利技术提出的一种融合多源数据的光合有效辐射散射比例预测方法，该方法包括以下步骤：
[0015]1)获取站点数据集、卫星数据集、再分析数据集以及与卫星数据集、再分析数据集对应时空下的角度数据；其中站点数据集包括PAR和PAR
dif
数据以及对应的站点坐标和站点数据采集时间，卫星数据集包括PAR和PAR
dif
数据，再分析数据集包括PAR和PAR
dif
数据；
[0016]2)根据获取的站点坐标和站点数据采集时间对卫星数据集、再分析数据集进行时空匹配；并将匹配成功后对应时空下的角度数据转换成太阳天顶角余弦；将得到的站点PAR和PAR
dif
、卫星数据PAR和PAR
dif
、再分析数据PAR和PAR
dif
以及与三者统一对应的太阳天顶角余弦作为多源PAR和PAR
dif
训练数据集；
[0017]3)将多源PAR和PAR
dif
数据输入随机森林决策树中进行训练，得到PAR和PAR
dif
随机森林决策树，预测待测时空下的PAR和PAR
dif
；
[0018]4)通过预测得到的PAR和PAR
dif
计算得到待测时空下的散射辐射比。
[0019]本专利技术提供的一种融合多源数据的光合有效辐射散射比例预测方法，采用随机森林决策树建立实测站点的PAR和PAR
dif
数据与卫星数据集中的PAR和PAR
dif
数据之间的回归关系，得到PAR和PAR
dif
随机森林决策树预测待测时空下的PAR和PAR
dif
，继而计算得到待测时空下的散射辐射比，该方法避免了通过卫星数据集中PAR和PAR
dif
数据计算得到的散射辐射比精度低的问题，通过预测得到精准的PAR和PAR
dif
来得到精准的散射辐射比，更有利于进行面向区域或全球的散射辐射比研究。
[0020]进一步地，所述站点数据集为国际通量观测研究网络数据集，所述卫星数据集为CERES数据集或BESS数据集，所述再分析数据集为MERRA2数据集。
[0021]进一步地，为了保证数据选取的准确性及后续随机森林回归模型建立的准确性，所述步骤2)中，在进行数据匹配时，需将站点数据集、卫星数据集和再分析数据集中散射辐射比小于0及散射辐射比大于1对应的PAR和PAR
dif
数据剔除。
[0022]进一步地，为了保证随机森林回归模型中数据训练的可靠性，所述步骤3)中随机森林决策树的训练方法为K折交叉验证法。
[0023]进一步地，为了实现卫星数据集、再分析数据集与站点数据集的精确匹配，所述卫星数据集、再分析数据集与站点数据集的时空匹配方法为：先获取站点数据集的时空信息，利用双线性内插法或最近邻方法从卫星数据集和再分析数据集中提取对应时空下的点状
数据。
附图说明
[0024]图1为本专利技术融合多源数据的光合有效辐射散射比例预测方法流程图；
[0025]图2为本专利技术实验1中多产品RFM本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多源数据的光合有效辐射散射比例预测方法，其特征在于，该方法包括以下步骤：1)获取站点数据集、卫星数据集、再分析数据集以及与卫星数据集、再分析数据集对应同一时空下的角度数据；其中站点数据集包括PAR和PAR
dif
数据以及对应的站点坐标和站点数据采集时间，卫星数据集包括PAR和PAR
dif
数据，再分析数据集包括PAR和PAR
dif
数据；2)根据获取的站点坐标和站点数据采集时间对卫星数据集、再分析数据集进行时空匹配；并将匹配成功后对应时空下的角度数据转换成太阳天顶角余弦；3)根据站点数据集中的PAR和PAR
dif
数据计算对应的散射辐射比，并根据时空匹配成功的卫星数据集和再分析数据集计算其对应的散射辐射比；将得到的站点散射辐射比、卫星数据散射辐射比、再分析数据散射辐射比以及与三者统一对应的太阳天顶角余弦作为多源散射辐射比训练数据集；4)将得到的多源散射辐射比训练数据集输入到随机森林决策树中进行训练，得到站点散射辐射比与卫星数据散射辐射比、再分析数据散射辐射比、太阳天顶角余弦的随机森林决策树，根据所述随机森林决策树预测待测时空下的散射辐射比。2.根据权利要求1所述的融合多源数据的光合有效辐射散射比例预测方法，其特征在于，所述步骤1)中所述站点数据集为国际通量观测研究网络数据集，所述卫星数据集为CERES数据集和/或BESS数据集，所述再分析数据集为MERRA2数据集。3.根据权利要求1所述的融合多源数据的光合有效辐射散射比例预测方法，其特征在于，所述步骤3)中，多源散射辐射比训练数据集需将站点数据集、卫星数据集、再分析数据集中散射辐射比小于0及散射辐射比大于1的散射辐射比数据剔除。4.根据权利要求1所述的融合多源数据的光合有效辐射散射比例预测方法，其特征在于，所述步骤4)中随机森林决策树的训练方法为K折交叉验证法。5.根据权利要求1或3所述的融合多源数据的光合有效辐射散射比例预测方法，其特征在于，卫星数据集、再分析数据集与站点数据集的时空匹配方法为：先获取站点数据集的时空信息，再利用双线性内插法或最近邻方法从卫星数据集和再分析数据集中提取对应时空下的点状数据。6.一种融合多源数据的光合有效辐射散射比例预测方法，其特征在于，该方法包括以下步骤：1)获取站点...

【专利技术属性】
技术研发人员：白杨，常文娟，赵鹏飞，文金铭，王盼，曹佳，秦奋，郭建忠，
申请(专利权)人：河南大学，
类型：发明
国别省市：