一种积雪深度融合方法技术

本发明专利技术涉及一种积雪深度融合方法，该方法包括：获取第一区域的多源数据，多源数据包括：积雪深度的初始数据和影响积雪深度的影响数据；基于多源数据，提取第一区域的目标区域的目标初始数据和目标影响数据；获取目标区域的空间地理位置数据，将目标区域的目标初始数据、目标影响数据和空间地理位置数据融合为目标初始数据集；获取融合模型，将目标初始数据集输入融合模型中以获得时空连续的目标积雪深度估计值。本发明专利技术方法不仅可以随着积雪深度数据的增加而拓展，而且还可以对现有的积雪深度数据进行有效融合，成为了一种减少开销又便捷高效提高积雪深度估算精度的方法，此外，在融合估算过程中无需人工参与，完全实现了自动化估算。化估算。化估算。

A snow depth fusion method

【技术实现步骤摘要】
一种积雪深度融合方法


[0001]本专利技术涉及航空航天领域，特别涉及一种积雪深度融合方法。

技术介绍

[0002]积雪作为重要的地球表层要素，在全球陆地生态系统、气候变化、水循环和能量循环中起着重要作用。积雪存储着丰富的淡水资源，雪融水成为干旱
‑
半干旱地区地表径流和地下水的重要补给水源。积雪的异常变化也会引发雪崩、融雪洪水、风吹雪等自然灾害，对区域生态、经济和社会的可持续发展产生重要的影响。积雪深度(雪深)数据提供积雪覆盖的空间分布信息及物质能量信息，是表征积雪特征的重要参数之一，也是研究积雪气候效应、流域水量平衡和融雪径流模拟以及监测和评估雪灾等级的重要参数。
[0003]现有技术正文(重点)
[0004]当前，大多数的研究是通过对多个积雪深度数据进行精度评估，然后经过误差统计分析，掌握各数据在不同地理环境因素下的表现，选择其中一个或几个积雪深度数据进行加权平均，最终获得时空连续的积雪深度数据。具体过程如下：
[0005](1)通过爬虫技术获得目前已公开的积雪深度数据，然后对搜集到的积雪深度数据进行预处理，获得时空一致的积雪深度数据集；
[0006](2)依据地面观测站点的经纬度，获取各积雪深度数据的像元值；
[0007](3)评估各数据在不同地理位置的观测精度
[0008](4)建立不同地理环境下积雪深度数据加权平均融合模型，然后基于此模型对研究区范围内的不同空间位置进行计算。

技术实现思路

[0009]本专利技术的目的是解决现有技术中存在的上述问题。
[0010]为实现上述目的，本专利技术提供了一种积雪深度融合方法，包括：获取第一区域的多源数据，所述多源数据包括：积雪深度的初始数据和影响积雪深度的影响数据；基于所述多源数据，提取所述第一区域的目标区域的目标初始数据和目标影响数据；获取所述目标区域的空间地理位置数据，将所述目标区域的所述目标初始数据、所述目标影响数据和所述空间地理位置数据组合合为目标初始数据集；获取融合模型，将所述目标初始数据集输入所述融合模型中以获得时空连续的目标积雪深度估计值，其中，所述融合模型为通过所述目标初始数据集的训练和精度验证得到的。
[0011]本专利技术方法不仅可以随着积雪深度数据的增加而拓展，而且还可以准确对现有的积雪深度数据进行有效融合，成为了一种减少开销又便捷高效提高积雪深度估算精度的方法，此外，在融合估算过程中无需人工参与，完全实现了自动化估算。
附图说明
[0012]图1为现有技术的基于加权平均的积雪深度融合技术流程图；
[0013]图2为本专利技术实施例的积雪深度融合方法的流程图；
[0014]图3为本专利技术实施例的积雪深度融合方法的评估结果。
具体实施方式
[0015]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0016]现有技术的方式如图1所示，大多数的研究是通过对多个积雪深度数据进行精度评估，然后经过误差统计分析，掌握各数据在不同地理环境因素下的表现，选择其中一个或几个积雪深度数据进行加权平均，最终获得时空连续的积雪深度数据。具体过程如下：
[0017](1)通过爬虫技术获得目前已公开的积雪深度数据，然后对搜集到的积雪深度数据进行预处理，获得时空一致的积雪深度数据集；
[0018](2)依据地面观测站点的经纬度，获取各积雪深度数据的像元值；
[0019](3)评估各数据在不同地理位置的观测精度
[0020](4)建立不同地理环境下积雪深度数据加权平均融合模型，然后基于此模型对研究区范围内的不同空间位置进行计算。
[0021]而现有技术的方式是具有一定的技术缺陷的：
[0022](1)基于加权平均的积雪深度融合技术以积雪深度的评估结果为基础，并基于此评估结果建立决策树，然后针对每颗决策树建立选取准则或分配不同积雪深度数据所对应的融合权重值，通过对研究区的地理环境特征进行决策分类，最后获得一个时空连续的积雪深度数据。该方法的结果取决于二叉树构建的精细程度，然而在实际应用中，很难全面地考虑影响因素，而且各影响因素之间也是相互关联的，因此决策树很难精确地建立。
[0023](2)该方法的可拓展性不高，如果有新的积雪深度数据或模型，需要重新对添加的积雪深度数据进行精度评估和构建新的决策树。
[0024](3)该方法对每颗决策树的处理仅是简单的加权平均，往往不能准确的构建出输入的积雪深度数据与目标输出积雪深度的关系模型，如非线性模型。
[0025]图2为本专利技术实施例的积雪深度融合方法的流程图。根据本专利技术实施一种积雪深度融合方法，包括：
[0026]S100：获取第一区域的多源数据，多源数据包括：积雪深度的初始数据和影响积雪深度的影响数据。
[0027]在该步骤中，获取的第一区域的积雪深度的初始数据，第一区域可以全球各地的位置，即为获取目前国内外主流公开的积雪深度数据，主要包括 WESTDC、MERRA2、ERA
‑
Interm和CMC数据。而对于获取的对积雪深度具有干扰的影响数据，可以为土地覆盖类型数据、积雪类型、森林覆盖度数据和地表粗糙度数据。
[0028]在本专利技术的一些实施例中，对于积雪深度的获取，可以通过Python程序全自动获取，从而可以无需人工参与，自动对信息获取，方便快捷，提升效率。
[0029]进一步地，在将目标区域的目标初始数据、目标影响数据和空间地理位置数据融合为目标初始数据集之前，还需要将目标初始数据进行重投影变换以获得变换初始数据，并将目标影响数据与变换初始数据进行时空匹配。
[0030]具体地，将收集到的积雪深度的初始数据进行重投影变换，统一变换为 WGS84投影，并采用最近临近法将收集到积雪数据的初始数据进行重采样为 0.25
°×
0.25
°
。此外，
将收集到地形+环境因子数据等影响数据采用临近差值法将数据与已有的积雪深度数据进行时空匹配，空间分辨率为0.25
°×
0.25
°
，投影坐标系为WGS84。
[0031]可以理解的是，待融合的积雪深度数据和影响数据大多数为栅格数据，而收集到的积雪深度数据和影响数据的初始分辨率不一致，为了便于后续的数据融合，所以将所有数据的分辨率统一为0.25
°×
0.25
°
，以保证栅格的统一，防止后续的融合过程中数据无法准确匹配。
[0032]进一步地，在对所有获取的初始数据和影响数据进行重投影和重采样后，还需要将目标区域的目标初始数据与目标影响数据的缺省值剔除。
[0033]在全球各地对积雪深度的数据进行获取的时候，会由于某些原因而无法获取到相应的观测值，因此在数据记录中，会采用唯一值对其进行标识，这部分数据统称为缺省值。
[0034]由此，在本专利技术实施例的方法实际实施过程中，需要对该部分数据进行剔除，以保证后续计算的正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种积雪深度融合方法，其特征在于，包括:获取第一区域的多源数据，所述多源数据包括：积雪深度的初始数据和影响积雪深度的影响数据；基于所述多源数据，提取所述第一区域的目标区域的目标初始数据和目标影响数据；获取所述目标区域的空间地理位置数据，将所述目标区域的所述目标初始数据、所述目标影响数据和所述空间地理位置数据组合为目标初始数据集；获取融合模型，将所述目标初始数据集输入所述融合模型中以获得时空连续的目标积雪深度估计值,其中，所述融合模型为通过所述目标初始数据集的训练和精度验证得到的。2.根据权利要求1所述的方法，其特征在于，所述获取第一区域的多源数据之后，包括：将所述目标初始数据进行重投影变换以获得变换初始数据，并将所述目标影响数据与所述变换初始数据进行时空匹配。3.根据权利要求2所述的方法，其特征在于，获取第一区域的多源数据之后，还包括：将所述目标区域的所述目标初始数据与所述目标影响数据的缺省值剔除。4.根据权利要求1所述的方法，其特征在于，所述将所述目标区域的所述目标初始数据、所述目标影响数据和所述空间地理位置数据组合为目标初始数据集，包括：分别获取所述目标区域的所述目标初始数据和所述目标影响数据的第一像元值和第二像元值；将所述第一像元值、第二像元值和所述空间地理位置数据组合为所述目标初始数据集。5.根据权利要求1所述的方法，其特征在于，所述融合模...

【专利技术属性】
技术研发人员：周建民，乔德京，邱玉宝，李震，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：