CN108444569B - 一种基于筛选的卫星测高数据提取湖库水位的方法 - Google Patents

Abstract

本发明公开了一种基于筛选的卫星测高数据提取湖库水位的方法，包括：卫星测高数据选取下载和基本编辑处理；利用卫星测高数据和水位测高公式初步计算湖库水位；根据初步计算的水位，对卫星测高数据进行质量评价和质量分级；基于质量评价结果筛除异常数据，保留优质数据集，计算测高平均水位，作为当期湖库水位；最后将不同周期的水位数据约化到同一参考点上，并在整个时间序列上行滤波处理，剔除粗差，得到相对一致的湖库水位时间序列。本发明可有效消除卫星测高数据噪声造成的干扰，提高卫星测高数据的可用性和监测湖库水位的精度。

Description

一种基于筛选的卫星测高数据提取湖库水位的方法

技术领域

本发明涉及水资源遥感监测技术领域，特别涉及一种基于筛选的卫星测高数据提取湖库水位的方法。

背景技术

及时获取湖泊、水库的水位变化，是水资源监测中的重要内容之一。以往主要是采用地面定点(水文站)定时观测的方式监测水位变化，地面监测方式要配套大量基础设施，耗费大量人力物力，对于偏远地区的无法大规模布点，并且日常监测效果还会受到地面站点监测上报频次的影响。为满足水资源精细化管理的需求，迫切需要扩大水资源监测范围、提升监测精度，而仅靠地面监测手段无法满足对时效性和广泛性的要求。卫星测高技术的出现和快速发展，为湖库水位监测提供了一种全新的方法。由于其具有周期性重访、监测成本低、监测范围可覆盖部分无资料地区等特点，在一定程度上可填补部分地面监测空白。

上世纪七十年代，卫星测高技术随着遥感监测技术的应用得到逐步发展，起初仅用于测量海平面和南极冰盖高度，但随着后续发射的测高卫星性能的不断改善，许多学者开始尝试将其用于大型湖泊水位变化的监测并取得较好的效果。近年，卫星测高用于测量湖库水位的可行性和精度都已得到很好验证，而测高卫星由于其设计原理等诸多因素可影响到数据的质量，例如高地起伏或复杂的地形可能导致数据的丢失和异常，还有风沙、强降雨天气和水面结冰等都可能会影响数据的质量和准确性。在以往研究中，在做完基础编辑保证系统观测的有效性后，除高永刚、郭金运、李均力等学者研究T/P、ICESsat、Jason-1测高数据时，建议使用高程均值、中误差、最大/最小水位差等指标去除异常数据获取水位外，一般均是直接使用，没有对数据的质量进行甄别和筛选。对于在各时期数据质量都稳定良好的湖库有不错的效果，但对于数据质量相对较差或是在一个水位变化周期内数据质量有起伏的湖库，该方法就不再适用。申请号“201710617728.2”的发明专利“一种高精度的水面高程提取算法”提出“如果大部分沿轨高程值在1m的高程间隔内，剔除超出部分”方法去除异常数据，但在内陆湖区，由于水面较小或水体周围地形复杂，往往一期数据中的异常值超过一半，很难找到大部分一致的数据，并且1m的高程间隔对内陆湖库水体而言是非常大的高差，这样筛选出的数据仍不能保证是有效数据。数据噪声的存在和质量的不稳定给卫星测高技术的大范围推广和业务化运行带来了很大困难。

发明内容

本发明针对现有技术的缺陷，提供了一种基于筛选的卫星测高数据提取湖库水位的方法，能有效的解决上述现有技术存在的问题。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于筛选的卫星测高数据提取湖库水位的方法，包括以下步骤：

步骤1、根据卫星地面轨迹选取覆盖研究湖库的卫星测高数据，并对数据进行基本编辑处理；

步骤2、将处理后数据代入湖库测高公式，确定各项修正参数，初步计算湖库水位；

步骤3、对每一周期数据质量进行评价，将数据划分为4个质量等级；

步骤4、基于质量评价结果筛除异常数据，保留优质数据，计算平均测高水位，作为当期湖库水位；

步骤5、将不同周期的水位数据约化到同一参考点上，并在整个时间序列上行滤波处理，剔除粗差，获得相对一致的湖库水位时间序列。

进一步地，所述步骤1包括：

步骤11、根据测高卫星地面轨迹文件以及湖库水体大致范围，挑选出覆盖到水面的轨道，并下载该轨道卫星测高数据；

步骤12、对原始二进制格式测高数据进行读取、转换和输出相关参数，根据经纬度坐标信息生成高程点图层，剔除水面以外的高程点，借助测高数据中自带的数据质量标识项保证数据系统处理过程有效，参照海洋处理标准将各修正项数值控制在有效范围内。

进一步地，所述步骤2包括：

步骤21、根据卫星测高原理，将经过基本编辑处理的数据代入湖库测高公式进行计算，湖库测高水位计算公式为：

Height＝Altitude–Range–Geo–Cor (1)

其中Height为湖泊水位正高；Altitude为测高仪的椭球高；Range为测高仪的观测距离；Geo为大地基准面相对于参考椭球面高度；Cor为各项观测误差修正；

步骤22、在湖库水位正高数据中添加电离层修正、干对流层修正和湿对流层修正参数，修正测高信号传播路径上受到的干扰，添加固体潮修正和极潮修正参数，修正瞬间水面与大地水准面的偏差，初步得到湖库水位数据。

进一步地，所述步骤3包括：

步骤31、提出“连续优质点群”概念，将同一周期的高程点按纬度从低到高排列，以X轴为点号、Y轴为高程值，因湖库水面近似水平，数据质量较好时，各点号对应的高程值应近似在一条水平线上；数据质量不高或不稳定时，则相反；“连续优质点群”即指纬度序号连续、高程值近乎在一条水平线上且满足每个点与高程均值间差值不超过0.3m的点群；点群至少由三点组成，当出现多组连续优质点群时，选中点数最多、中误差最小的点群，如果存在某一点群均值与选中点群均值近乎一致时，将两组合并生成最终选中的连续优质点群，其余的点群不予考虑，最终选中的连续优质点群应不少于5个点；对每一期卫星测高数据质量进行评价，“连续优质点群”点数占周期内高程点总数比例越高，数据质量就越好；

步骤32、根据“连续优质点群”占周期内高程点总数比例，将所有周期数据划分为4个质量等级，划分标准如下：

1级：连续优质点群占全部数据的比例大于66.67％；

2级：连续优质点群占全部数据的比例大于33.33％；

3级：数据中存在少量连续优质点群；

4级：数据中没有连续优质点群。

进一步地，所述步骤4包括：

步骤41、基于上述质量评价结果，保留1级、2级和3级数据中的连续优质点群，剔除掉其他异常数据，4级数据后续另行处理。

步骤42、对于1、2、3级数据，在保留下的连续优质点群中，将周期内每个高程值与高程均值的差值大于3倍中误差的高程点剔除，如式2所示；取剩余点高程均值为提取的湖库测高平均水位，如式3所示；对于4级数据，将最接近前后周期提取水位的高程值作为测高平均水位，若该值仍与前后周期水位相差甚远则考虑直接舍去该周期数据；

式中：h_i为单个周期内某一高程点高程值，X为高程均值，n为该周期内高程点数，其中i＝1,2,3…n，D_i即为各高程值与均值之差减去三倍中误差，当D_i>0时晒除该点，否则保留。m为经公式3筛选保留下的高程点数，H_平即是该周期的测高平均水位。

进一步地，所述步骤5包括：

步骤51、将不同周期的水位数据约化到同一参考点上；具体为：

首先选取高程点数最多的周期轨迹作为参考轨道，将各周期的湖面水位平均值

依次加入大地起伏差；最后根据各周期实际轨道与参考轨道的距离，将实际轨道上的湖面水位约化到参考轨道上；

式中:

为实际轨道的测高平均水位值；

为实际轨道测高平均水位的约化值；N_j为实际轨道均值点的大地起伏值；N为参考轨道参考点的大地起伏值；其中j＝1,2,3…z，z为观测周期数；

步骤52、采用高斯滤波方法对数据进行滤波处理，得到研究湖库的水位变化时间序列。

与现有技术相比本发明的优点在于：利用对数据质量的评价分级，实现对数据噪声的有效剔除，提高了测高水位提取的精度。具有简单、有效、适用性强的特点，能够有效消除卫星测高数据在湖库地区的噪声，降低卫星测高数据质量不稳定对湖库水位监测带来的的干扰，提高卫星测高数据的可用性，提高遥感监测湖库水位的精度，对卫星测高技术业务化监测全国湖库水位的推广具有重要意义。

附图说明

图1为本发明实施例基于筛选的卫星测高数据提取湖库水位方法的流程示意图；

图2为本发明实施例卫星测高数据质量评价分级示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明做进一步详细说明。

一种基于筛选的卫星测高数据提取湖库水位的方法，包括以下步骤：

步骤1、根据卫星地面轨迹选取覆盖研究湖库的卫星测高数据，并对数据进行基本编辑处理；

步骤2、将处理后数据代入湖库测高公式，确定各项修正参数，初步计算湖库水位；

步骤3、对每一周期数据质量进行评价，将数据划分为4个质量等级；

步骤4、基于质量评价结果筛除异常数据，保留优质数据，计算平均测高水位，作为当期湖库水位；

步骤5、将不同周期的水位数据约化到同一参考点上，并在整个时间序列上行滤波处理，剔除粗差，获得相对一致的湖库水位时间序列。

本发明提出的方法是基于湖库水位特征和卫星测高基本原理，首先进行数据质量评价，基于数据质量评价结果筛选数据，再提取湖库水位。方法利用对数据质量的评价分级，实现对数据噪声的有效剔除，提高了测高水位提取的精度。本方案具有简单、有效、适用性强的特点，可以降低由于卫星测高数据质量不稳定所产生的对湖库水位监测的干扰，提高了卫星测高数据的可用性和遥感监测湖库水位的精度，有助于卫星测高技术监测湖库水位的业务化推广。

如图1所示，本发明实施例的基于筛选的卫星测高数据提取湖库水位的方法包括：

步骤1、根据研究湖库位置及水体范围，选取和下载对应卫星测高数据，并进行基本编辑处理；

具体地，步骤1包括：

步骤11、根据测高卫星地面轨迹文件以及湖库水体位置和水陆边界，挑选出覆盖到水面的轨道，并下载该轨道卫星测高数据；

步骤12、对原始二进制格式测高数据使用专业软件Brat进行读取、转换和输出相关参数。将各参数数据导入到ArcGIS软件中，根据经纬度坐标信息生成高程点图层。配合经ENVI软件预处理过后的研究湖库枯水期影像，剔除掉水面以外的高程点。借助测高数据中自带的数据质量标识项如ice_qual_flag_20hz_ku、qual_20hz_alt_data等，保证数据系统处理过程有效，参照海洋处理标准将各修正项数值控制在有效范围内。

步骤2、将处理后数据代入湖库测高公式，确定各项修正参数，初步计算湖库水位；

具体地，步骤2包括：

步骤21、根据卫星测高原理，将经过基本编辑处理的数据代入湖库测高公式进行计算，湖库测高水位计算公式为：

Height＝Altitude–Range–Geo–Cor (1)

其中Height为湖泊水位正高；Altitude为测高仪的椭球高；Range为测高仪的观测距离；Geo为大地基准面相对于参考椭球面高度；Cor为各项观测误差修正；

步骤22、向湖库水位添加各项观测误差修正，一般参照海洋数据标准处理，但由于相对海面而言湖库的水面很小，海潮、逆气压、潮压等影响可不考虑。所以在湖库水位正高数据中仅添加电离层修正、干对流层修正和湿对流层修正参数，修正测高信号传播路径上受到的干扰；以及添加固体潮修正和极潮修正参数，修正瞬间(海)水面与大地水准面的偏差。因此湖库水位误差修正公式为：

Cor＝CG+Iono+Set+Pol+Dry+Wet (2)

式中：CG为质心修正，即卫星的质心到测高仪天线的距离；Iono为电离层修正，测高卫星信号穿过电离层时,会产生各种物理效应,其中最主要的是折射效应,其结果对传播信号产生延时，对测量的影响约为0.2-5cm；Set为固体潮修正，固体潮会引起地球本体变形导致高度变化,最多可达50cm；Pol为极潮修正，极潮是指地壳对地球自转轴指向偏移的弹性相应，极潮引起的高度误差为0.1-25mm；Dry、Wet分别为干对流层修正和湿对流修正，测高信号经对对流层折射率的变化使路径产生弯曲,对流层的影响可以分成干对流层效应和湿对流层效应，前者引起高度上的误差约为-2.2m。后者为6-30m。

步骤3、对每一周期卫星测高水位数据质量进行评价，并划分质量等级；

具体地，步骤3包括：

步骤31、提出“连续优质点群”概念(将同一周期的高程点按纬度从低到高排列，以X轴为点号、Y轴为高程值，因湖库水面近似水平，数据质量较好时，各点号对应的高程值应近似在一条水平线上；数据质量不高或不稳定时，则相反。“连续优质点群”即指纬度序号连续、高程值近乎在一条水平线上且满足每个点与高程均值间差值不超过0.3m的点群)。点群至少由三点组成，当出现多组连续优质点群时，选中点数最多、中误差最小的点群，如果存在某一点群均值与选中点群均值近乎一致时，将两组合并生成最终选中的连续优质点群，其余的点群不予考虑，最终选中的连续优质点群应不少于5个点。对每一期卫星测高数据质量进行评价，“连续优质点群”点数占周期内高程点总数比例越高，数据质量就越好。

步骤32、根据“连续优质点群”占周期内高程点总数比例，将所有周期数据划分为4个质量等级(见附图2，图中标记为三角形的点即为连续优质点群)，划分标准如下：

1级：连续优质点群占全部数据的比例大于66.67％。

2级：连续优质点群占全部数据的比例大于33.33％。

3级：数据中存在少量连续优质点群。

4级：数据中没有连续优质点群。

步骤4、基于质量评价结果筛除异常数据，保留优质数据提取测高水位；

具体地，该步骤包括：

步骤41、基于上述质量评价结果，保留1级、2级和3级数据中的连续优质点群，剔除掉其他异常数据，4级数据暂且不做处理。

步骤42、对于1、2、3级数据，在保留下的连续优质点群中，将周期内每个高程值与高程均值的差值大于3倍中误差的高程点剔除(如式(2)所示)，取剩余点高程均值为提取的测高平均水位(如式(3)所示)；对于4级数据，将最接近前后周期提取水位的高程值作为测高平均水位，若该值仍与前后周期水位相差甚远则考虑直接舍去该周期数据。

式中：hi为单个周期内某一高程点高程值，X为高程均值，n为该周期内高程点数，其中i＝1,2,3…n，D_i即为各高程值与均值之差减去三倍中误差，当D_i>0时晒除该点，否则保留。m为经公式(3)筛选保留下的高程点数，H_平即是该周期的测高平均水位。

步骤5、对数据进行约化、滤波处理。

具体地，该步骤包括：

步骤51、测高卫星不同周期间的同一轨道存在一定间距，每次测量的点位都不完全相同，加入大地起伏差，将不同周期的水位数据约化到同一参考点上。具体做法：

首先选取高程点数最多的周期轨迹作为参考轨道，将各周期的湖面水位平均值

依次加入大地起伏差；最后根据各周期实际轨道与参考轨道的距离，将实际轨道上的湖面水位约化到参考轨道上。经约化后得到各周期的测高水位可能还存在一些粗差，所以对数据进行高斯滤波，经上述处理后便得到湖库整个时间序列上的水位变化。

式中:

为实际轨道的测高平均水位值；

为实际轨道测高平均水位的约化值；N_j为实际轨道均值点的大地起伏值；N为参考轨道参考点的大地起伏值；其中j＝1,2,3…z，z为观测周期数；

步骤52、经计算处理得到整个时间序列上的湖库测高水位数据，可能存在粗差，对数据进行滤波平滑处理。这里采用高斯滤波，搜索窗口大小选取为半年。1、2级数据连续优质点占总数的33.33％以上，数据质量更好、可信度更高。在数年的长时间序列上数据量多，建立只保留1级、2级水位数据，进一步提升监测精度。

本发明提出的方法是基于湖库水位特征和卫星测高基本原理，首先进行数据质量评价，基于数据质量评价结果筛选数据，再提取湖库水位。方法利用对数据质量的评价分级，实现对数据噪声的有效剔除，提高了测高水位提取的精度。本方案具有简单、有效、适用性强的特点，可以降低由于卫星测高数据质量不稳定所产生的对湖库水位监测的干扰，提高了卫星测高数据的可用性和遥感监测湖库水位的精度，有助于卫星测高技术监测湖库水位的业务化推广。

下面结合具体的实施例对本发明基于筛选的卫星测高数据提取湖库水位方法进行详细说明，具体地，该实施例包括以下步骤：

步骤a.根据卫星地面轨迹和湖库位置范围，选取下载卫星测高数据，并进行数据基本编辑处理；

根据测高卫星地面轨迹文件以及湖库水体大致范围，挑选出覆盖到水面的轨道，并下载该轨道卫星测高数据。以Jason-3测高卫星数据和洪泽湖为例，卫星Pass240轨道覆盖洪泽湖湖，且在该湖区部分数据质量不稳定，可用来说明本发明提出方法的实施过程和实施的效果，故下载Jason-3卫星Pass240轨道上北纬33°06'-33°40'部分的2级产品GDR(Geophysical Data Record)数据；

对原始二进制格式测高数据进行读取、转换和输出相关参数，根据经纬度坐标信息生成高程点图层，剔除掉水面以外的高程点，借助测高数据中自带的数据质量标识项保证数据系统处理过程有效，参照海洋处理标准将各修正项数值控制在有效范围内；

步骤b.将处理后数据代入湖库测高公式，确定各项修正参数，初步计算湖库水位；

根据卫星测高原理，将经过基本编辑处理的数据代入湖库测高公式进行计算，湖库测高水位计算公式为：

Height＝Altitude–Range–Geo–Cor (1)

其中Height为湖泊水位正高；Altitude为测高仪的椭球高；Range为测高仪的观测距离；Geo为大地基准面相对于参考椭球面高度；Cor为各项观测误差修正。

向湖库水位添加各项观测误差修正，在湖库水位正高数据中仅添加电离层修正、干对流层修正和湿对流层修正参数，修正测高信号传播路径上受到的干扰；以及添加固体潮修正和极潮修正参数，修正瞬间(海)水面与大地水准面的偏差。因此湖库水位误差修正公式为：

Cor＝CG+Iono+Set+Pol+Dry+Wet (2)

式中：CG为质心修正；Iono为电离层修正；Set为固体潮修正；Pol为极潮修正；Dry、Wet分别为干对流层修正和湿对流修正。

步骤c.对每一周期数据质量进行评价，并划分等级：

提出“连续优质点群”概念(将同一周期的高程点按纬度从低到高排列，以X轴为点号、Y轴为高程值，因湖库水面近似水平，数据质量较好时，各点号对应的高程值应近似在一条水平线上；数据质量不高或不稳定时，则相反。“连续优质点群”即指纬度序号连续、高程值近乎在一条水平线上且满足每个点与高程均值间差值不超过0.3m的点群)。点群至少由三点组成，当出现多组连续优质点群时，选中点数最多、中误差最小的点群，如果存在某一点群均值与选中点群均值近乎一致时，将两组合并生成最终选中的连续优质点群，其余的点群不予考虑，最终选中的连续优质点群应不少于5个点。对每一期卫星测高数据质量进行评价，“连续优质点群”点数占周期内高程点总数比例越高，数据质量就越好。

根据“连续优质点群”占周期内高程点总数比例，将所有周期数据划分为4个质量等级(见附图2)，划分标准如下：

1级：连续优质点群占全部数据的比例大于66.67％。

2级：连续优质点群占全部数据的比例大于33.33％。

3级：数据中存在少量连续优质点群。

4级：数据中没有连续优质点群。

步骤d.基于质量评价结果筛除异常数据，保留优质数据，计算平均测高水位，作为当期湖库水位；

基于上述质量评价结果，保留1级、2级和3级数据中的连续优质点群，剔除掉其他异常数据。

对于1、2、3级数据，在保留下的连续优质点群中，将周期内每个高程值与高程均值的差值大于3倍中误差的高程点剔除(如式(2)所示)，取剩余点高程均值为提取的湖库测高平均水位(如式(3)所示)；对于4级数据，将最接近前后周期提取水位的高程值作为测高平均水位，若该值仍与前后周期水位相差甚远则考虑直接舍去该周期数据。

式中：h_i为单个周期内某一高程点高程值，X为高程均值，n为该周期内高程点数，其中i＝1,2,3…n，D_i即为各高程值与均值之差减去三倍中误差，当D_i>0时晒除该点，否则保留。m为经公式(3)筛选保留下的高程点数，H_平即是该周期的测高平均水位。

步骤e.对数据进行约化、滤波处理；

加入大地起伏差，将不同周期的水位数据约化到同一参考点上。

具体做法：

首先选取高程点数最多的周期轨迹作为参考轨道，将各周期的湖面水位平均值

依次加入大地起伏差；最后根据各周期实际轨道与参考轨道的距离，将实际轨道上的湖面水位约化到参考轨道上。

式中:

为实际轨道的测高平均水位值；

为实际轨道测高平均水位的约化值；N_j为实际轨道均值点的大地起伏值；N为参考轨道参考点的大地起伏值；其中j＝1,2,3…z，z为观测周期数；

经约化后得到各周期的测高水位可能还存在一些粗差，采用高斯滤波方法、选取搜索窗口大小为半年对数据进行滤波处理，最终得到研究湖库的水位变化。

本领域的普通技术人员将会意识到，在本发明各方法实施例中，所述各步骤的序号并不能用于限定各步骤的先后顺序，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，对各步骤的先后变化也在本发明的保护范围之内。这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.一种基于筛选的卫星测高数据提取湖库水位的方法，其特征在于：包括以下步骤：

步骤1、根据卫星地面轨迹选取覆盖研究湖库的卫星测高数据，并对数据进行基本编辑处理；

步骤2、将处理后数据代入湖库测高公式，确定各项修正参数，初步计算湖库水位，所述步骤2包括：

步骤21、根据卫星测高原理，将经过基本编辑处理的数据代入湖库测高公式进行计算，湖库测高水位计算公式为：

Height＝Altitude–Range–Geo–Cor(1)

其中Height为湖泊水位正高；Altitude为测高仪的椭球高；Range为测高仪的观测距离；Geo为大地基准面相对于参考椭球面高度；Cor为各项观测误差修正；

步骤22、在湖库水位正高数据中添加电离层修正、干对流层修正和湿对流层修正参数，修正测高信号传播路径上受到的干扰，添加固体潮修正和极潮修正参数，修正瞬间水面与大地水准面的偏差，初步得到湖库水位数据；

步骤3、对每一周期数据质量进行评价，将数据划分为4个质量等级；

步骤4、基于质量评价结果筛除异常数据，保留优质数据，计算平均测高水位，作为当期湖库水位；

步骤5、将不同周期的水位数据约化到同一参考点上，并在整个时间序列上进 行滤波处理，剔除粗差，获得相对一致的湖库水位时间序列。

2.根据权利要求1所述的一种基于筛选的卫星测高数据提取湖库水位的方法，其特征在于，所述步骤1包括：

步骤11、根据测高卫星地面轨迹文件以及湖库水体大致范围，挑选出覆盖到水面的轨道，并下载该轨道卫星测高数据；

步骤12、对原始二进制格式测高数据进行读取、转换和输出相关参数，根据经纬度坐标信息生成高程点图层，剔除水面以外的高程点，借助测高数据中自带的数据质量标识项保证数据系统处理过程有效，参照海洋处理标准将各修正项数值控制在有效范围内。

3.根据权利要求1所述的一种基于筛选的卫星测高数据提取湖库水位的方法，其特征在于，所述步骤3包括：

步骤31、提出“连续优质点群”概念，将同一周期的高程点按纬度从低到高排列，以X轴为点号、Y轴为高程值，因湖库水面近似水平，数据质量较好时，各点号对应的高程值应近似在一条水平线上；数据质量不高或不稳定时，则相反；“连续优质点群”即指纬度序号连续、高程值近乎在一条水平线上且满足每个点与高程均值间差值不超过0.3m的点群；点群至少由三点组成，当出现多组连续优质点群时，选中点数最多、中误差最小的点群，如果存在某一点群均值与选中点群均值近乎一致时，将两组合并生成最终选中的连续优质点群，其余的点群不予考虑，最终选中的连续优质点群应不少于5个点；对每一期卫星测高数据质量进行评价，“连续优质点群”点数占周期内高程点总数比例越高，数据质量就越好；

步骤32、根据“连续优质点群”占周期内高程点总数比例，将所有周期数据划分为4个质量等级，划分标准如下：

1级：连续优质点群占全部数据的比例大于66.67％；

2级：连续优质点群占全部数据的比例大于33.33％；

3级：数据中存在少量连续优质点群；

4级：数据中没有连续优质点群。

4.根据权利要求1所述的一种基于筛选的卫星测高数据提取湖库水位的方法，其特征在于，所述步骤4包括：

步骤41、基于上述质量评价结果，保留1级、2级和3级数据中的连续优质点群，剔除掉其他异常数据，4级数据后续另行处理；

步骤42、对于1、2、3级数据，在保留下的连续优质点群中，将周期内每个高程值与高程均值的差值大于3倍中误差的高程点剔除，如式2所示；取剩余点高程均值为提取的湖库测高平均水位，如式3所示；对于4级数据，将最接近前后周期提取水位的高程值作为测高平均水位，若该值仍与前后周期水位相差甚远则考虑直接舍去该周期数据；

式中：h_i为单个周期内某一高程点高程值，X为高程均值，n为该周期内高程点数，其中i＝1,2,3…n，Di即为各高程值与均值之差减去三倍中误差，当D_i>0时晒除该点，否则保留；m为经公式3筛选保留下的高程点数，H_平即是该周期的测高平均水位。

5.根据权利要求1所述的一种基于筛选的卫星测高数据提取湖库水位的方法，其特征在于，所述步骤5包括：

步骤51、将不同周期的水位数据约化到同一参考点上；具体为：

首先选取高程点数最多的周期轨迹作为参考轨道，将各周期的湖面水位平均值

依次加入大地起伏差；最后根据各周期实际轨道与参考轨道的距离，将实际轨道上的湖面水位约化到参考轨道上；

式中:为实际轨道的测高平均水位值；为实际轨道测高平均水位的约化值；N_j为实际轨道均值点的大地起伏值；N为参考轨道参考点的大地起伏值；其中j＝1,2,3…z，z为观测周期数；

步骤52、采用高斯滤波方法对数据进行滤波处理，得到研究湖库的水位变化时间序列。

Images