【技术实现步骤摘要】
全天候高时空分辨率多源遥感大气水汽总量数据融合方法
[0001]本专利技术涉及气象监测领域,尤其涉及一种全天候高时空分辨率多源遥感大气水汽总量数据融合方法。
技术介绍
[0002]水汽是水循环、气候变化研究的关键参数之一。大气水汽总量(Total precipitable water,TPW)作为衡量大气水汽时空分布特征的物理量,在全球和区域尺度上准确测量它的时空分布,是我们理解水循环、能量平衡和气候变化的基础和关键。目前国内外观测TPW的方法分别有原位观测和卫星遥感观测。原位观测包括Global position system(GPS)观测和探空气球观测,通常具有较高的精度,但其空间覆盖范围有限,通常作为验证数据。卫星遥感为大规模观测TPW的一种有效的途径。通常,红外遥感观测精度高但仅有日间数据;热红外观测日间夜间均有数据,但精度低。而且二者均受天气影响无法获取云下数据。无源微波遥感在全天候条件下具有反演TPW的能力,但其空间分辨率低于红外遥感的空间分辨率。总的来说目前遥感TPW数据互有优劣,观测全球或区域TPW的分布受到时空连续性和分辨率的限制和挑战,导致研究局部地区的水文过程或大气环境时会存在时空不连续或空间分辨率过低的问题,无法准确的了解局部区域的水循环过程和大气环境。因此充分利用现有数据,发展可以获取高空分辨率时空连续TPW数据的算法,对于满足区域水文过程和大气环境特征监测研究的需求具有重要意义。
[0003]要想在有云地区准确的重建高分辨率的TPW,需选择合适的辅助变量,融合模型以及融合方案。TP ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种全天候高时空分辨率多源遥感大气水汽总量数据融合方法,其特征在于,所述方法包括;基于待研究地理区域的红外观测大气水汽总量信息、地表高程数据、归一化植被指数、微波观测大气水汽总量信息、第一亮度温度、第二亮度温度和第三亮度温度、微波观测降水量,得到所述待研究地理区域的原始时空图像数据;对所述原始时空图像数据中同一网格位置的红外观测大气水汽总量信息和微波观测大气水汽总量信息进行质量控制,得到所述待研究地理区域的样本时空图像数据;将所述样本时空图像数据中符合晴空条件的红外观测大气水汽总量信息作为因变量, 所述样本时空数据中符合晴空条件的其他数据作为自变量, 构建所述晴空条件下的所述因变量和所述自变量之间的非线性融合模型;以所述微波降水量数据为降水掩膜,将原始时空图像划分为在降水区域和非降水区域的数据集, 结合所述降水区域和非降水区域的非线性融合模型,生产降水区域和非降水区域的高分辨率大气水汽总量,利用降水掩膜将二者拼接,构建所述待研究地理区域的全天候大气水汽总量数据。2.根据权利要求1所述的方法,其特征在于,所述基于待研究地理区域的红外观测大气水汽总量信息、地表高程数据、归一化植被指数、微波观测大气水汽总量信息、第一亮度温度、第二亮度温度、第三亮度温度和微波观测降水量,得到所述待研究地理区域的原始时空图像数据, 具体包括;将所述待研究地理区域的红外观测大气水汽总量信息、所述地表高程数据和所述归一化植被指数重采样到所述待研究地理区域的等经纬度网格图像中,所述红外观测大气水汽总量信息是利用红外辐射计对所述待研究地理区域观测得到的;将所述微波观测大气水汽总量信息中的日期转换为儒略日后,将所述微波观测大气水汽总量信息、所述第一亮度温度、所述第二亮度温度、所述第三亮度温度和所述微波观测降水量插值到所述等经纬度网格图像中,得到所述待研究地理区域的原始时空图像数据,其中,所述微波观测大气水汽总量信息和降水量信息是对所述待研究地理区域利用被动微波辐射计观测得到的,所述第一亮度温度是18GHz亮度温度、所述第二亮度温度是23GHz亮度温度、所述第三亮度温度是89GHz亮度温度。3.根据权利要求2所述的方法,其特征在于,所述将所述待研究地理区域的红外观测大气水汽总量信息、所述地表高程数据和所述归一化植被指数重采样到所述待研究地理区域的等经纬度网格图像中, 具体包括;将所述待研究地理区域的图像的像素所在的经度、纬度、红外观测大气水汽总量信息、地表高程数据和归一化植被指数通过第一公式第二公式和第三公式重采样到预设空间分辨率的等经纬度网格图像中,其中,Row是第i个像素在等经纬度投影下对应的行号,Col是第i个像素在等经纬度投影下所对应的列号,Lat
i
是第i个像素的经度,Lon
i
是第i个像素的纬度,R是等经纬度格网图像的空间分辨率,Lat
top
是等经纬度网格图像中等经纬度格网左上角的纬度,Lon
left
是
等经纬度网格图像中等经纬度格网左上角的经度,v
i
为第i个像素的值,Value为Row行Col列重采样的值,N为原始数据重采样至等经纬度网格图像的Row行Col列的有效像素总量。4.根据权利要求2所述的方法,其特征在于,所述方法还包括;若所述归一化植被指数在时间序列中存在数据缺失,则将缺失日期的归一化植被指数使用前一日的NDVI数据进行填补。5.根据权利要求1所述的方法,其特征在于,所述对所述原始时空图像数据中同一网格位置的红外观测大气水汽总量信息和微波观测大气水汽总量信息进行质量控制,得到所述待研究地理区域的样本时空图像数据,具体包括;将所述原始时空图像数据中红外观测大气水汽总量信息满足晴空条件的像素所在位置作为融合数据的预设晴空条件的掩膜,选取第一预设日期区域内的满足所述晴空条件的所述红外观测大气水汽总量信息、地表高程数据、归一化植被指数、微波观测大气水汽总量信息、第一亮度温度、第二亮度温度和第三亮度温度作为时空图像中间数据;将所述时空图像中间数据输入下述第四公式Delta=NIR
TPW
‑
MW
TPW
和第五公式Valid={Delta},Delta的约束条件:Delta≥(MEAN
Delta
‑
STD
Delta
)Delta≤(MEAN
Delta
+STD
Delta
技术研发人员:孙启翔,姬大彬,施建成,
申请(专利权)人:中国科学院国家空间科学中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。