通量观测足迹与遥感像元空间尺度的匹配方法组成比例

本发明专利技术属于生态遥感技术领域，涉及通量观测足迹与遥感像元空间尺度的匹配方法，包括：获取站点数据与遥感数据；预处理，从站点数据中提取站点观测通量数据，从站点数据与遥感数据中提取地表异质性因子数据；通量足迹模拟，得到通量足迹模型；对站点数据与遥感数据中提取的地表异质性因子进行通量足迹加权；构建用于表征地表异质性因子数据与站点观测通量数据之间非线性关系的机器学习模型；根据机器学习模型与地表异质性因子数据，得到与中等空间分辨率像元尺度匹配的通量值。本发明专利技术考虑了地表异质性对通量观测在空间尺度方面的影响，结合机器学习模型将高时空异质性的通量观测足迹与中等空间分辨率遥感像元进行尺度匹配。迹与中等空间分辨率遥感像元进行尺度匹配。迹与中等空间分辨率遥感像元进行尺度匹配。

【技术实现步骤摘要】
通量观测足迹与遥感像元空间尺度的匹配方法


[0001]本专利技术属于生态遥感
，具体而言，涉及通量观测足迹与遥感像元空间尺度的匹配方法。

技术介绍

[0002]地表与大气之间的能量和物质交换（通量）主要通过大气边界层中的湍流活动实现。作为直接测定湍流通量的微气象学技术，涡度相关方法（Eddy Covariance，EC）已广泛用于研究大气与陆地生态系统间碳、水和能量的交换过程。一般来说，通量观测值局限于站点尺度上的贡献源，大尺度上，涉及通量观测的空间代表性表征了给定空间范围内的通量观测信息反映目标区域实际状况的能力。其中，通量观测值的贡献源与遥感像元间的相关性，即站点尺度上通量观测数据反映遥感像元尺度上通量交换过程的程度是通量观测研究中的重要一环。
[0003]近年来，全球通量数据集已广泛用作驱动信息来生产通量数据产品以及用作验证信息来评估地球系统模型和遥感产品的可靠性。一般来说，通量数据产品和地球系统模型常常以遥感像元尺度呈现，站点通量数据在像元尺度的空间代表性将影响数据产品的质量和模型评估验证的精度。涡度相关数据具有丰富的时间尺度，但在空间上受贡献源区变化的影响通常表现出异质性。不同时间上的风速风向、下垫面地表特征以及大气湍流状态等因素都会影响通量源区的范围，同时，通量足迹在空间上表现出不对称性,在时序上表现出不重叠性;而遥感像元在空间上则较为规则（一般为正方形或矩形），因此，通量足迹和遥感像元的空间尺度存在不匹配的问题。
[0004]目前，全球通量产品通常为中低空间分辨率数据集，基于通量观测的全球通量产品验证将不可避免的存在空间尺度不匹配的问题。现有的塔基通量观测足迹与遥感像元空间尺度的匹配方法通常未考虑地表异质性对通量观测的影响或仅仅通过不同植被类型占比和面积平均等方法来进行空间尺度的匹配，且未考虑通量观测足迹与地表异质性特征间存在的非线性响应关系。

技术实现思路

[0005]为了解决通量观测足迹和遥感像元存在空间尺度不匹配以及现有通量产品未考虑通量观测足迹与地表异质性特征间存在的非线性响应关系问题，本专利技术提供通量观测足迹与遥感像元空间尺度的匹配方法，包括：获取站点数据与遥感数据；对所述站点数据与所述遥感数据进行预处理，从所述站点数据中提取站点观测通量数据，从所述站点数据与所述遥感数据中提取地表异质性因子数据；采用足迹模型进行通量足迹模拟，得到通量足迹模型；将从所述站点数据提取的地表异质性因子数据输入所述通量足迹模型，对所述站点数据中提取的所述地表异质性因子进行通量足迹加权；
计算从所述遥感数据提取的地表异质性因子数据的通量足迹权重矩阵，对所述遥感数据中提取的所述地表异质性因子进行通量足迹加权；将通量足迹加权后的各所述地表异质性因子数据作为建模因子，构建用于表征所述地表异质性因子数据与所述站点观测通量数据之间非线性关系的机器学习模型；根据所述机器学习模型与所述地表异质性因子数据，得到与中等空间分辨率像元尺度匹配的通量值。
[0006]本专利技术的有益效果是：本专利技术采用通量足迹模型结合机器学习表征地表异质性与通量观测间的非线性关系，考虑了地表异质性对通量观测在空间尺度方面的影响，结合机器学习算法将高时空异质性的通量观测足迹与中等空间分辨率遥感像元进行尺度匹配，有助于通量产品和遥感模型在山区的验证，有助于全球山地通量产品的生产及对遥感地球模型的改进以适用于全球山地的通量模拟。
[0007]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0008]进一步，所述站点数据包括站点观测元数据与气象数据；所述遥感数据包括用于描述站点地形的地形数据与用于描述植被特征的遥感影像产品数据。
[0009]进一步，所述站点观测元数据包括仪器观测高度数据和植被高度数据；所述地形数据包括基于卫星影像生成的数字高程模型数据；对所述地形数据预处理，包括：利用三次卷积法对所述数字高程模型数据重采样至设定空间分辨率；利用设定空间分辨率的所述数字高程模型数据计算得到站点下垫面环境内设定空间分辨率的坡度和坡向数据。
[0010]进一步，对所述站点数据与所述遥感数据进行预处理，从所述站点数据中提取站点观测通量数据，从所述站点数据与所述遥感数据中提取地表异质性因子数据，包括：对所述站点数据中的湍流数据进行预处理，得到所述站点观测通量数据；所述地表异质性因子数据包括植被异质性因子数据、地形异质性因子数据与气象因子数据；从所述遥感数据的地形数据中获取所述地形异质性因子数据，从所述遥感数据的遥感影像产品数据中获取所述植被异质性因子数据；将所述植被异质性因子数据空间聚合至中等空间分辨率；从所述站点数据中提取所述气象因子数据。
[0011]进一步，所述植被异质性因子数据包括增强型植被指数、植被叶面积指数时序数据与土地覆被数据。
[0012]进一步，对所述站点数据中的湍流数据进行预处理，得到所述站点观测通量数据，包括：野点数据去除，数据延迟时间校正、坐标旋转、频率响应修正、超声虚温修正与空气密度变化修正，获得多个设定时间长度的所述站点通量观测数据。
[0013]进一步，采用足迹模型进行通量足迹模拟，得到通量足迹模型，包括：基于量纲分析对输入参数重构得到侧风积分足迹函数与侧风分布函数；根据所述侧风积分足迹函数与所述侧风分布函数，建立基于拉格朗日随机粒子扩散的LPDM
‑
B足迹模型；基于量纲分析对所述侧风积分足迹函数与所述侧风分布函数确定足迹函数分别进行扩展；
使用代表函数分别对扩展后的所述侧风积分足迹函数与所述侧风分布函数进行拟合，得到足迹参数化函数；使用无约束非线性优化算法将所述足迹参数化函数拟合到扩展的足迹集合中，得到拟合参数；根据所述拟合参数确定所述足迹函数的拟合函数；将所述拟合函数转换到实际尺度，得到所述通量足迹模型。
[0014]进一步，基于量纲分析对所述侧风积分足迹函数与所述侧风分布函数确定足迹函数分别进行扩展，包括：选择所述侧风积分足迹函数的扩展参数，根据所述侧风积分足迹函数的扩展参数得到第一量纲组，确定所述侧风积分足迹函数的无量纲形式的函数表达式，得到扩展后的所述侧风积分足迹函数；选择所述侧风分布函数的扩展参数，根据所述侧风分布函数的扩展参数得到第二量纲组；根据所述第二量纲组得到侧风距离标准差与侧风距离的无量纲表达式，确定扩展后的所述侧风分布函数。
[0015]进一步，将通量足迹加权后的各所述地表异质性因子数据作为建模因子，构建用于表征所述地表异质性因子数据与所述站点观测通量数据之间非线性关系的机器学习模型，包括：构建用于表征地表异质性因子数据与站点观测通量数据之间的关系的深度信念网络模型，并进行预训练；根据所述深度信念网络模型，确定所述地表异质性因子数据的初始权重；基于所述初始权重，利用人工神经网络构建用于表征所述地表异质性因子数据与所述站点观测通量数据之间非线性关系的机器学习模型。
附图说明
[0016]图1为本专利技术提供的通量观测足迹与遥感像元空间尺度的匹配方法的原理图；图2为本专利技术提供的通量观测足迹与遥感像元空间尺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.通量观测足迹与遥感像元空间尺度的匹配方法，其特征在于，包括：获取站点数据与遥感数据；对所述站点数据与所述遥感数据进行预处理，从所述站点数据中提取站点观测通量数据，从所述站点数据与所述遥感数据中提取地表异质性因子数据；采用足迹模型进行通量足迹模拟，得到通量足迹模型；将从所述站点数据提取的地表异质性因子数据输入所述通量足迹模型，对所述站点数据中提取的所述地表异质性因子进行通量足迹加权；计算从所述遥感数据提取的地表异质性因子数据的通量足迹权重矩阵，对所述遥感数据中提取的所述地表异质性因子进行通量足迹加权；将通量足迹加权后的各所述地表异质性因子数据作为建模因子，构建用于表征所述地表异质性因子数据与所述站点观测通量数据之间非线性关系的机器学习模型；根据所述机器学习模型与所述地表异质性因子数据，得到与中等空间分辨率像元尺度匹配的通量值。2.根据权利要求1所述通量观测足迹与遥感像元空间尺度的匹配方法，其特征在于，所述站点数据包括站点观测元数据与气象数据；所述遥感数据包括用于描述站点地形的地形数据与用于描述植被特征的遥感影像产品数据。3.根据权利要求2所述通量观测足迹与遥感像元空间尺度的匹配方法，其特征在于，所述站点观测元数据包括仪器观测高度数据和植被高度数据；所述地形数据包括基于卫星影像生成的数字高程模型数据；对所述地形数据预处理，包括：利用三次卷积法对所述数字高程模型数据重采样至设定空间分辨率；利用设定空间分辨率的所述数字高程模型数据计算得到站点下垫面环境内设定空间分辨率的坡度和坡向数据。4.根据权利要求1所述通量观测足迹与遥感像元空间尺度的匹配方法，其特征在于，对所述站点数据与所述遥感数据进行预处理，从所述站点数据中提取站点观测通量数据，从所述站点数据与所述遥感数据中提取地表异质性因子数据，包括：对所述站点数据中的湍流数据进行预处理，得到所述站点观测通量数据；所述地表异质性因子数据包括植被异质性因子数据、地形异质性因子数据与气象因子数据；从所述遥感数据的地形数据中获取所述地形异质性因子数据，从所述遥感数据的遥感影像产品数据中获取所述植被异质性因子数据；将所述植被异质性因子数据空间聚合至中等空间分辨率；从所述站点数据中提取所述气象因子数据。5.根据权利要求4所述通量观测足迹与遥感像元空间尺度的匹配方法，其特征在于，所述植被异质性因子数据包括增强型植被指数、植被叶面积指数...

【专利技术属性】
技术研发人员：谢馨瑶，李爱农，邬昌林，
申请(专利权)人：中国科学院，水利部成都山地灾害与环境研究所，
类型：发明
国别省市：