CN109948175A - 基于气象数据的卫星遥感反照率缺失值反演方法 - Google Patents

基于气象数据的卫星遥感反照率缺失值反演方法 Download PDF

Info

Publication number
CN109948175A
CN109948175A CN201910031807.4A CN201910031807A CN109948175A CN 109948175 A CN109948175 A CN 109948175A CN 201910031807 A CN201910031807 A CN 201910031807A CN 109948175 A CN109948175 A CN 109948175A
Authority
CN
China
Prior art keywords
albedo
data
remote sensing
satellite remote
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910031807.4A
Other languages
English (en)
Other versions
CN109948175B (zh
Inventor
王重洋
王丹妮
李丹
姜浩
陈水森
杨骥
周霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN201910031807.4A priority Critical patent/CN109948175B/zh
Publication of CN109948175A publication Critical patent/CN109948175A/zh
Application granted granted Critical
Publication of CN109948175B publication Critical patent/CN109948175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Geophysics And Detection Of Objects (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于气象数据的卫星遥感反照率缺失值反演方法，利用卫星遥感数据的有效值，结合气象数据，采用机器学习中的随机森林方法建立反演模型，再根据反演模型和气象数据求算无效或缺失的反照率模拟值。由于还根据有效值对模型进行调整以提高模型的精度，所计算出的反照率模拟值与原始值保持了较高的一致性。由于考虑了气象数据，所建立的反演模型尤其适于多云雨等气象条件较差的区域。

Description

基于气象数据的卫星遥感反照率缺失值反演方法
技术领域
本发明涉及气候变化预测技术领域，特别是涉及一种基于气象数据的卫星遥感反照率缺失值反演方法。
背景技术
地表反照率是地球表面对太阳辐射反射能力的量化指示，制约着地球表面能量的收支平衡，同时也是驱动地表过程和整个气候系统的关键要素。监测、获取地表反照率结果，分析其时空变化特征，对陆面过程分析、气候变化预测等多方面研究具有重要意义。
当前，获取地表反照率数据主要有两种途径。一种是通过仪器(CMP6型短波辐射计、CNR4型净辐射计等)在现场直接测量，这种方法测得的地表反照率结果虽然精确度高，但耗时费力，空间代表性有限，同时也无法大范围、长久、持续进行；另一种是利用卫星遥感间接反演的反照率数据。基于卫星遥感平台固有的特点和优势，该方法能够在区域乃至全球尺度上持续、高效、周期重复地获取反照率结果。然而这种方式同时也存在一定的不足。由于多种因素的影响，卫星遥感数据存在无效获取或缺失的情况，进而导致反照率反演失败，特别是多云雨的地域，情况尤其严重，例如中国东南沿海一带。
发明内容
鉴于上述情况，本发明致力于提供一种基于气象数据的卫星遥感反照率缺失值反演方法，将气象条件纳入反照率反演的过程，以弥补卫星遥感数据的缺失。
为了实现上述目的，本发明采取的技术方案如下。
一种基于气象数据的卫星遥感反照率缺失值反演方法，包括如下步骤：
对于待反演区域，获取其各个气象站在待反演年份逐日的气象数据和卫星遥感反照率数据，其中，气象数据按照各个气象指标进行统计，卫星遥感反照率数据按照有效值和无效值进行统计；
从卫星遥感反照率有效值中随机选取部分数据，该数据为反照率真实值，结合对应的气象数据，采用机器学习中的随机森林方法建立反演模型，利用反演模型计算反照率模拟值，并通过重新建模或增加数据量的方式提高模型精度，使模型精度达到预定的要求，模型精度的计算公式如下：
式中，R2表示模型精度，n表示随机选取数据的个数，xi和xi’分别代表所选数据中第i个反照率真实值和所选数据对应的第i个反照率模拟值，和分别代表xi和xi’的平均值；
利用卫星遥感反照率有效值中剩余的数据，基于建立的反演模型，求算反照率模拟值，并验证模型精度，即依据以下两式求算均方根误差RMSE和平均相对误差MRE，平均相对误差MRE须优于预定值，否则重新建模或增加数据量：
式中，m表示剩余数据的个数，xi和xi’分别代表剩余数据中的第i个反照率真实值和剩余数据对应的第i个反照率模拟值；
基于经过模型精度验证的反演模型，结合卫星遥感反照率无效值对应的气象数据，计算卫星遥感反照率无效值对应的反照率模拟值，并对比与卫星遥感反照率有效值的一致性。
本发明基于气象数据的卫星遥感反照率缺失值反演方法，利用卫星遥感数据的有效值，结合气象数据，采用机器学习中的随机森林方法建立反演模型，再根据反演模型和气象数据求算无效或缺失的反照率模拟值。由于还根据有效值对模型进行调整以提高模型的精度，所计算出的反照率模拟值与原始值保持了较高的一致性。由于考虑了气象数据，所建立的反演模型尤其适于多云雨等气象条件较差的区域。
附图说明
图1为本发明基于气象数据的卫星遥感反照率缺失值反演方法的流程示意图；
图2为利用气象因子并基于机器学习随机森林算法建立的NPP-VIIRS反照率模型；
图3为建立的NPP-VIIRS反照率模型精度验证示意图；
图4为气象站G4543的反照率有效值和模拟值的对比示意图；
图5为气象站G4544的反照率有效值和模拟值的对比示意图；
图6为气象站G8501的反照率有效值和模拟值的对比示意图；
图7为气象站G8503的反照率有效值和模拟值的对比示意图。
具体实施方式
考虑到人类社会已建立了数量庞大、空间上广泛分布的各种类型观测平台(气象、林业、农业、环保观测站等)，如广东省仅气象观测站就超过2300个(http://www.grmc.gov.cn/qxgk/bmgk/)。建立气象数据反演反照率的数学模型，不仅可以利用区域大范围分布的气象站数据快速反演反照率，增加反照率数据的获取途径，而且能够弥补地面实测反照率空间分布的不足，填补卫星遥感反演失效的缺失值，丰富、促进地球表面地、气过程相互作用的多方面研究。因此，本发明以位于广东省北部的南岭国家森林保护区的8个自动气象站2015年逐日的气象数据和新一代NPP-VIIRS地表反照率产品数据为基础，建立一种基于气象数据的南岭地区NPP-VIIRS反照率缺失值反演方法。
基于气象数据的南岭地区NPP-VIIRS反照率缺失值反演方法，具体步骤如下：
(1)获取覆盖南岭地区某年(以2015年为例)每天的NPP-VIIRS反照率遥感影像365景；
(2)获取南岭地区所有自动气象站点(8个)2015年每天的气象观测数据,气象站点监测气象指标9个，共有气象数据8*9*365个；
(3)分别统计出与这8个气象站对应的NPP-VIIRS反照率数据中有效和无效的值，如表1所示；
表1与气象站对应的逐日反照率数据情况
(4)反演模型建立。根据有效的338组气象数据和对应的NPP-VIIRS反照率数据，随机选取其中的70％数据进行机器学习中的随机森林方法建模；由于每个气象站有9个气象指标，即每个NPP-VIIRS反照率数据对应9个气象指标；也就是，建模使用数据为236*9个气象因子，加上236个NPP-VIIRS反照率数据。模型建立过程基于Python语言在Visecode编辑器中实现，建模精度须达到0.9以上(R2>0.9，公式1),否则需要重新建模或增加数据量。结果如图2所示。
其中，xi代表NPP-VIIRS反照率,xi’代表基于机器学习随机森林方法由气象因子反演的NPP-VIIRS反照率结果；和分别为xi和xi’的平均值；i表示第i[1,236]个数据,n为建模的总数据量236个。
(5)模型精度验证。利用有效的338组气象数据余下30％的数据，即102组数据中的气象因子；基于建立的NPP-VIIRS反照率模型，求算出102个NPP-VIIRS反照率模拟值，再结合原始NPP-VIIRS反照率真值进行模型精度验证；即依据公式2、3求算均方根误差RMSE和平均相对误差MRE，模型验证精度平均相对误差须优于20％(MRE<20％),否则需要重新建模或增加数据量。
结果如图3所示；
式中，RMSE为均方根误差，MRE为平均相对误差，xi代表NPP-VIIRS反照率,xi’代表基于机器学习随机森林方法由气象因子反演的NPP-VIIRS反照率结果，m为验证数据量102个；
(6)2015年NPP-VIIRS反照率缺失值反演。基于通过了精度验证的模型和对应无效NPP-VIIRS反照率的气象数据，求算出NPP-VIIRS反照率值，8个气象站缺失值共2582个，并分析这些反演的NPP-VIIRS反照率值与原始有效的NPP-VIIRS反照率数据(338个)的一致性。结果如图4-7所示；
(7)图4-7中示例了4个气象站的结果，其中实心标记为原始有效的NPP-VIIRS反照率数据，空心圆圈为反演的NPP-VIIRS反照率结果，两者显示了很高的一致性；如果反演结果与原始NPP-VIIRS反照率数据差异很大，则需要重新建模。最终建立了基于气象数据的NPP-VIIRS反照率缺失值反演方法。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种基于气象数据的卫星遥感反照率缺失值反演方法，其特征在于，包括如下步骤：
对于待反演区域，获取其各个气象站在待反演年份逐日的气象数据和卫星遥感反照率数据，其中，气象数据按照各个气象指标进行统计，卫星遥感反照率数据按照有效值和无效值进行统计；
从卫星遥感反照率有效值中随机选取部分数据，该数据为反照率真实值，结合对应的气象数据，采用机器学习中的随机森林方法建立反演模型，利用反演模型计算反照率模拟值，并通过重新建模或增加数据量的方式提高模型精度，使模型精度达到预定的要求，模型精度的计算公式如下：
式中，R2表示模型精度，n表示随机选取数据的个数，xi和xi’分别代表所选数据中第i个反照率真实值和所选数据对应的第i个反照率模拟值，和分别代表xi和xi’的平均值；
利用卫星遥感反照率有效值中剩余的数据，基于建立的反演模型，求算反照率模拟值，并验证模型精度，即依据以下两式求算均方根误差RMSE和平均相对误差MRE，平均相对误差MRE须优于预定值，否则重新建模或增加数据量：
式中，m表示剩余数据的个数，xi和xi’分别代表剩余数据中的第i个反照率真实值和剩余数据对应的第i个反照率模拟值；
基于经过模型精度验证的反演模型，结合卫星遥感反照率无效值对应的气象数据，计算卫星遥感反照率无效值对应的反照率模拟值，并对比与卫星遥感反照率有效值的一致性。
2.根据权利要求1所述的基于气象数据的卫星遥感反照率缺失值反演方法，其特征在于，
所获取的卫星遥感反照率数据为NPP-VIIRS卫星遥感反照率数据。
3.根据权利要求2所述的基于气象数据的卫星遥感反照率缺失值反演方法，其特征在于，
从卫星遥感反照率有效值中随机选取70％的数据用于建立反演模型，剩余30％的数据用于模型精度验证。
4.根据权利要求3所述的基于气象数据的卫星遥感反照率缺失值反演方法，其特征在于，
反演模型的模型精度R2应大于0.9，模型精度平均相对误差MRE须优于20％。
5.根据权利要求4所述的基于气象数据的卫星遥感反照率缺失值反演方法，其特征在于，
待反演区域内气象站的气象指标有9个。
CN201910031807.4A 2019-01-14 2019-01-14 基于气象数据的卫星遥感反照率缺失值反演方法 Active CN109948175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910031807.4A CN109948175B (zh) 2019-01-14 2019-01-14 基于气象数据的卫星遥感反照率缺失值反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910031807.4A CN109948175B (zh) 2019-01-14 2019-01-14 基于气象数据的卫星遥感反照率缺失值反演方法

Publications (2)

Publication Number Publication Date
CN109948175A true CN109948175A (zh) 2019-06-28
CN109948175B CN109948175B (zh) 2020-11-03

Family

ID=67007333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910031807.4A Active CN109948175B (zh) 2019-01-14 2019-01-14 基于气象数据的卫星遥感反照率缺失值反演方法

Country Status (1)

Country Link
CN (1) CN109948175B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110411982A (zh) * 2019-07-04 2019-11-05 云南省水利水电勘测设计研究院 一种利用地面气象观测资料估算地表反照率的方法
CN114861538A (zh) * 2022-05-07 2022-08-05 中核四川环保工程有限责任公司 基于随机森林算法的后处理厂退役辐射场估算方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867194A (zh) * 2012-09-14 2013-01-09 中国科学院对地观测与数字地球科学中心 一种遥感反演精度检测方法及装置
US20130046470A1 (en) * 2011-08-18 2013-02-21 Korea Meteorological Administration Method and apparatus of developing high-resolution solar meteorological resource map based on meteorological data
US20140324350A1 (en) * 2013-04-30 2014-10-30 International Business Machines Corporation Machine Learning Approach for Analysis and Prediction of Cloud Particle Size and Shape Distribution
CN107065036A (zh) * 2017-04-19 2017-08-18 中国农业科学院农业资源与农业区划研究所 一种联合遥感和气象数据获取全天候蒸散发的方法
CN107885909A (zh) * 2017-10-18 2018-04-06 中国水利水电科学研究院 一种水质遥感多模型协同反演的权重集结优化方法及装置
US20180356339A1 (en) * 2016-08-10 2018-12-13 Fuzhou University Method of calculating tavi based on a band ratio model and solar altitude angle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130046470A1 (en) * 2011-08-18 2013-02-21 Korea Meteorological Administration Method and apparatus of developing high-resolution solar meteorological resource map based on meteorological data
CN102867194A (zh) * 2012-09-14 2013-01-09 中国科学院对地观测与数字地球科学中心 一种遥感反演精度检测方法及装置
US20140324350A1 (en) * 2013-04-30 2014-10-30 International Business Machines Corporation Machine Learning Approach for Analysis and Prediction of Cloud Particle Size and Shape Distribution
US20180356339A1 (en) * 2016-08-10 2018-12-13 Fuzhou University Method of calculating tavi based on a band ratio model and solar altitude angle
CN107065036A (zh) * 2017-04-19 2017-08-18 中国农业科学院农业资源与农业区划研究所 一种联合遥感和气象数据获取全天候蒸散发的方法
CN107885909A (zh) * 2017-10-18 2018-04-06 中国水利水电科学研究院 一种水质遥感多模型协同反演的权重集结优化方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖登攀 等: ""全球变化下地表反照率研究进展"", 《地球科学进展》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110411982A (zh) * 2019-07-04 2019-11-05 云南省水利水电勘测设计研究院 一种利用地面气象观测资料估算地表反照率的方法
CN110411982B (zh) * 2019-07-04 2021-09-24 云南省水利水电勘测设计研究院 一种利用地面气象观测资料估算地表反照率的方法
CN114861538A (zh) * 2022-05-07 2022-08-05 中核四川环保工程有限责任公司 基于随机森林算法的后处理厂退役辐射场估算方法及系统
CN114861538B (zh) * 2022-05-07 2024-05-07 中核四川环保工程有限责任公司 基于随机森林算法的后处理厂退役辐射场估算方法及系统

Also Published As

Publication number Publication date
CN109948175B (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
Gebre et al. Hydrological response to climate change of the upper blue Nile River Basin: based on IPCC fifth assessment report (AR5)
Huang et al. Jointly assimilating MODIS LAI and ET products into the SWAP model for winter wheat yield estimation
Liu et al. Ultraviolet radiation over China: Spatial distribution and trends
CN102539336B (zh) 基于环境一号卫星的可吸入颗粒物估算方法及系统
Beyrich et al. Area-averaged surface fluxes over the LITFASS region based on eddy-covariance measurements
Liu et al. The spatial distribution of forest carbon sinks and sources in China
Hood et al. Trends in lower stratospheric zonal winds, Rossby wave breaking behavior, and column ozone at northern midlatitudes
Hiller et al. Eddy-covariance flux measurements in the complex terrain of an Alpine valley in Switzerland
CN106547840A (zh) 一种全球三维大气数据的解析及管理方法
Carrer et al. Incoming solar and infrared radiation derived from METEOSAT: Impact on the modeled land water and energy budget over France
Li et al. Simulated impacts of land cover change on summer climate in the Tibetan Plateau
CN109933873A (zh) 一种荒漠化地区土壤有机碳密度高空间遥感估测的方法
CN105868529A (zh) 一种基于遥感的近地表日均大气温度反演方法
Geels et al. Investigating the sources of synoptic variability in atmospheric CO2 measurements over the Northern Hemisphere continents: a regional model study
KR20160057911A (ko) 농업가뭄지수 도출 시스템 및 이를 이용한 농업가뭄지수 도출 방법
CN114019579A (zh) 高时空分辨率近地表空气温度重构方法、系统、设备
Mensah et al. Comparison of rainy season onset, cessation and duration for Ghana from RegCM4 and GMet datasets
CN109948175A (zh) 基于气象数据的卫星遥感反照率缺失值反演方法
CN111079256A (zh) 一种基于遥感的灌溉水有效利用系数测算方法
Zhao et al. Evaluation of Penman-Monteith model applied to a maize field in the arid area of northwest China
CN104992054A (zh) 基于时间序列二维化的电离层垂直总电子含量预报方法
CN102136035B (zh) 获取田块尺度的农田蒸散量的方法
CN107403004A (zh) 一种基于地形数据的遥测雨量站点可疑数值检验方法
Timmermans et al. Footprint issues in scintillometry over heterogeneous landscapes
CN106932842A (zh) 一种基于伽玛全谱方法的降雨定量信息化实时监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 100, Xianlie Middle Road, Guangzhou, Guangdong 510070

Patentee after: Guangzhou Institute of geography, Guangdong Academy of Sciences

Address before: 510070 No. 100 martyrs Middle Road, Guangzhou, Guangdong, Yuexiu District

Patentee before: GUANGZHOU INSTITUTE OF GEOGRAPHY