CN110543835B - 基于三重匹配理论的卫星海面盐度遥感产品精度评估方法 - Google Patents

Abstract

本发明公开了基于三重匹配理论的卫星海面盐度遥感产品精度评估方法，设三种独立盐度数据为Si，i＝1,2,3，其中S1和S2盐度数据的时空尺度小于S3，三重匹配过程中可以分别选取系统1和系统3作为参考数据源，在不同r²取值条件下计算系统3尺度下的真实盐度变化信号S^*，分别获得S1和S3作为参考数据源时两条S^*与r²的关系曲线，两条曲线的交点，就是使得S^*数值相同的r²取值，就是代表性误差。本发明的有益效果是本发明方法应用于SMOS和SMAP盐度遥感卫星精度的评估，Argo实测数据精度最高，SMOS精度优于SMAP卫星。

Description

基于三重匹配理论的卫星海面盐度遥感产品精度评估方法

技术领域

本发明属于卫星遥感技术领域，涉及基于三重匹配理论的卫星海面盐度遥感产品精度评估方法。

背景技术

与海面温度和风速相比，人类通过卫星平台观测海面盐度的历史要短得多。从2009年11月SMOS的成功发射使得人类第一次获得了从太空进行盐度观测的能力算起，至今不到10年时间。近年来，Aquarius、SMAP的相继入轨，以及中国未来盐度卫星计划的实施，表明盐度遥感已逐渐成为海洋遥感领域的热点。卫星遥感海面盐度数据产品质量如何，是科学界普遍关心的问题，也开展了一系列工作，讨论了盐度遥感产品在全球海洋以及一些特征区域的精度情况。遥感产品精度评估的典型方法是，基于一定时空匹配窗口对现场观测数据和遥感产品进行直接比较，进而分析遥感产品的精度和误差特征。这种精度评估方法存在两个主要问题：第一个问题是，传统精度检验方法没有考虑现场数据的测量误差以及真实盐度数据本身的统计特征。研究证明，通过直接比较获得的误差除了受卫星盐度产品本身误差特征影响外，还受到作为“真值”的现场数据误差特征以及真实盐度数据本身统计特征的影响。在没有关于现场数据误差和真实盐度数据分布特征先验知识的前提下，直接比较方法无法获得可靠的卫星数据产品误差评估结果。针对这一问题，研究者提出三重匹配方法用于遥感产品的误差分析。三重匹配方法试图采用三种独立数据源(如现场数据，遥感数据和模式数据)，通过一系列代数运算获得三种数据源各自的随机误差值、线性定标系数和真实参量变化方差。第二个问题是，由于现场数据和卫星观测的时空尺度不同所导致的所谓代表性误差。浮标等现场观测手段代表着瞬时的点观测结果，原则上可以反映无限小时空尺度的盐度变化。与此同时，受到L波段电磁波长和天线孔径的显示，盐度遥感卫星的空间分辨率一般为40～100km，时间频次为3～7天，无法观测更小时空尺度的盐度信号。通过引入代表性误差的概念，我们可以描述这种因观测手段时空尺度不同导致的误差。一般而言，给定盐度数据源条件下真实盐度方差应保持稳定。根据这一结论，我们提出了一种基于三重匹配理论的卫星海面盐度遥感产品精度评估新方法，并将其应用于目前在轨盐度遥感卫星SMOS和SMAP的精度评估。

发明内容

本发明的目的在于提供基于三重匹配理论的卫星海面盐度遥感产品精度评估方法，本发明的有益效果是本发明方法应用于SMOS和SMAP盐度遥感卫星精度的评估，Argo实测数据精度最高，SMOS精度优于SMAP卫星。

本发明所采用的技术方案是设三种独立盐度数据为Si，i＝1，2，3，其中S1和S2盐度数据的时空尺度小于S3，三种盐度数据可表示为：

S₁＝a₁S+b₁+δ₁

S₂＝a₂S+b₂+δ₂

S₃＝S+δ₃   (1)

其中a_i，b_i为线性定标系数，δ_i为三种数据源各自的随机误差，i＝1，2，3；S为三种盐度数据共同观测到的盐度信号，由于S1和S2时空尺度小于S3，因此S1和S2中包含了S3所无法观测的盐度信号，即有<δ₁·δ₂>＝r²，r²代表性误差，此外，由于三种盐度产品是独立的，因此有

<δ₁·δ₃>＝<δ₂·δ₃>＝<δ_i·S>＝0(i＝1，2，3)   (2)。

首先，采用S3数据作为参考数据源，利用三重匹配方法解出各数据产品的随机误差δ_i，定标系数a_i，b_i以及S3尺度下的盐度信号S，引入三种盐度产品一阶矩M_i，i＝1，2，3：

M₁＝a₁<S>+b₁

M₂＝a₂<S>+b₂

M₃＝<S>   (3)

其中<>代表求平均值

三种盐度产品的二阶矩和混合二阶矩：

M₁₂＝<S₁·S₂>＝a₁a₂S^*+r²

M₂₃＝<S₂·S₃>＝a₂S^*

M₃₁＝<S₃·S₁>＝a₁S^*   (4)

其中S^*＝<S²>-<S>²；

以上各式联立得：

上式表明代表性误差的估值直接影响系统1、系统2比例因子以及真实盐度变化的方差，进而影响了随机误差的值的估计，估计代表性误差的方法：

以S1作为参考数据源为例，令a₁S+b₁＝S′，有：

S₁＝S′+δ₁

S′^*是经过线性变换后的S1尺度上的真实盐度信号，有：

其中S^*代表S3尺度上的真实盐度信号；

三重匹配过程中可以分别选取系统1和系统3作为参考数据源，在不同r²取值条件下计算系统3尺度下的真实盐度变化信号S^*，分别获得S1和S3作为参考数据源时两条S^*与r²的关系曲线，两条曲线的交点，就是使得S^*数值相同的r²取值，就是代表性误差。

附图说明

图1是盐度方差与代表性误差的关系。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

1.数据与方法

1.1Argo

Argo计划是20世纪开始实施的一项旨在观测全球海洋温度、盐度、溶解氧等关键参量剖面数据的任务，浮标密度达到3°×3°网格内存在一个浮标。截止到2019年，Argo浮标数量已超过3800个。这些浮标可在10天内观测海面以下数米到2000米深度范围内温盐剖面数据，并定期通过GPS天线将观测数据传送到数据处理中心。本发明使用的Argo数据由IFRMER提供，数据格式为NetCDF，数据覆盖2015～2017年。

1.2SMAP

SMAP(Soil Moisture Active/Passive)卫星是NASA于2015年1月发射入轨的土壤湿度观测卫星。于Aquarius相比，SMAP采用6m孔径的网状折叠天线，从而将空间分辨率提高到40km，与SMOS相当。扫描方式由Aquarius的三馈源推帚扫描改为单馈源圆锥扫描，刈幅增大到1000km。在Aquarius由于天线问题停止工作后，SMAP在海面盐度遥感方面的能力逐渐得到重视，目前RSS已制作了SMAP业务化L2和L3海面盐度数据产品。本发明使用了RSS提供的SMAP L3级产品，其时空间分辨率为8天和0.25°。

1.3SMOS

SMOS是欧洲空间局ESA于2009年发射的第一颗盐度遥感卫星，目前已在轨工作10年时间。使用了ESA制作的SMOS三级产品，时空分辨率为10天和0.25°。

1.4三重匹配方法

假设三种独立盐度数据为Si(i＝1，2，3)，其中S1和S2盐度数据的时空尺度小于S3，因此S1和S2可以观测更小时空尺度的盐度信号。三种盐度数据可表示为：

S₁＝a₁S+b₁+δ₁

S₂＝a₂S+b₂+δ₂

S₃＝S+δ₃   (1)

其中a_i，b_i为线性定标系数，δ_i为三种数据源各自的随机误差，i＝1，2，3；S为三种盐度数据共同观测到的盐度信号。一般情况下，三种盐度数据时空尺度不同，不失一般性的我们假设S1和S2盐度数据时空尺度小于S3，即S1、S2和S3按照时空尺度由小到大排列。因此S代表S3尺度上的真实盐度信号。由于S1和S2时空尺度小于S3，因此S1和S2中包含了S3所无法观测的盐度信号，即有<δ₁·δ₂>＝r²，r²代表小时空尺度产品能够观测到、但大时空尺度产品不能观测到的盐度信号，即代表性误差。此外，由于三种盐度产品是独立的，因此有

<δ₁·δ₃>＝<δ₂·δ₃>＝<δ_i·S>＝0(i＝1，2，3)   (2)

首先，采用S3数据作为参考数据源，利用三重匹配方法解出各数据产品的随机误差δ_i，定标系数a_i，b_i以及S3尺度下的盐度信号S。引入三种盐度产品一阶矩M_i(i＝1，2，3)：

M₁＝a₁<S>+b₁

M₂＝a₂<S>+b₂

M₃＝<S>   (3)

其中<>代表求平均值

三种盐度产品的二阶矩和混合二阶矩：

M₁₂＝<S₁·S₂>＝a₁a₂S^*+r²

M₂₃＝<S₂·S₃>＝a₂S^*

M₃₁＝<S₃·S₁>＝a₁S^*   (4)

其中S^*＝<S²>-<S>²。

以上各式联立可得：

上式表明代表性误差的估值直接影响盐度数据S₁、盐度数据S₂比例因子以及真实盐度变化的方差，进而影响了随机误差的值的估计。将r²取值为0，则会导致a1和a2的低估以及S^*的高估。

估计代表性误差的方法：

三重匹配方法除了采用S3作为参考数据源外，还可以选择S1和S2作为参考数据进行处理。以S1作为参考数据源为例，令a₁S+b₁＝S′，有：

S₁＝S′+δ₁

S′^*是经过线性变换后的S1尺度上的真实盐度信号，有：

其中S^*代表S3尺度上的真实盐度信号。

代表性误差作为小时空尺度盐度数据，可以被S1和S2观测到、但无法被大时空尺度盐度数据(S3)观测到的真实盐度信号，不随参考数据源的变化而变化。因此合适的r²数值应当使得分别以三种数据作为参考数据源时计算的S^*相等。基于以上考虑，提出了一种新的估计代表性的方法。如前所述，三重匹配过程中可以分别选取盐度数据S₁和盐度数据S₃作为参考数据源，在不同r²取值条件下计算系统3尺度下的真实盐度变化信号S^*，分别获得S1和S3作为参考数据源时两条S^*与r²的关系曲线，两条曲线的交点，就是使得S^*数值相同的r²取值，也就是代表性误差。

计算结果如下图所示。r²和S^*的关系如图1所示，采用的数据为Argo浮标、SMAP卫星和SMOS卫星数据。图中可见SMAP和SMOS曲线相交于0.096，Argo和SMOS曲线相交于0.091。对应的S^*为1.19(psu²)。当我们将SMAP和Argo位置对调，构成SMAP_Argo_SMOS数据集时，r²和S^*数值基本不变，以上结果表明，Argo和SMAP同时观测到一个方差为0.09～0.1的盐度信号，而这一盐度信号在SMOS产品中并不存在，从而证明在时空尺度方面有Argo<SMAP<SMOS。

SMOS和SMAP盐度产品精度评估

在Argo_SMAP_SMOS数据组合的条件下，取代表性误差的平均值为0.093，分别计算了以Argo、SMOS作为参考数据源时，三种数据产品的方差、盐度变化S^*以及各自的平均值，如下表所示。表1中可见，无论以哪一种产品作为参考源，计算结果是稳定的。

表1卫星盐度产品精度计算结果

由上表1可知，在SMOS尺度上，SMOS数据误差(0.41)略优于SMAP数据误差(0.45)，实测数据Argo具有最高精度，其观测数据的标准差为0.37。

以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (1)

1.基于三重匹配理论的卫星海面盐度遥感产品精度评估方法，其特征在于：设三种独立盐度数据为Si，i＝1，2，3，其中S1和S2盐度数据的时空尺度小于S3，三种盐度数据可表示为：

S₁＝a₁S+b₁+δ₁

S₂＝a₂S+b₂+δ₂

S₃＝S+δ₃

                           (1)

其中a_i，b_i为线性定标系数，δ_i为三种数据源各自的随机误差，i＝1，2，3；S为三种盐度数据共同观测到的盐度信号，由于S1和S2时空尺度小于S3，因此S1和S2中包含了S3所无法观测的盐度信号，即有<δ₁·δ₂>＝r²，r²代表性误差，此外，由于三种盐度产品是独立的，因此有

<δ₁·δ₃>＝<δ₂·δ₃>＝<δ_i·S>＝0 (2)

首先，采用S3数据作为参考数据源，利用三重匹配方法解出各数据产品的随机误差δ_i，定标系数a_i，b_i以及S3尺度下的盐度信号S，引入三种盐度产品一阶矩M_i，i＝1，2，3：

M₁＝a₁<S>+b₁

M₂＝a₂<S>+b₂

M₃＝<S>

                    (3)

其中<>代表求平均值

三种盐度产品的二阶矩和混合二阶矩：

M₁₂＝<S₁·S₂>＝a₁a₂S^*+r²

M₂₃＝<S₂·S₃>＝a₂S^*

M₃₁＝<S₃·S₁>＝a₁S^*

                                  (4)

其中S^*＝<S²>-<S>²；

以上各式联立得：

上式表明代表性误差的估值直接影响系统1、系统2比例因子以及真实盐度变化的方差，进而影响了随机误差的值的估计，估计代表性误差的方法：

以S1作为参考数据源为例，令a₁S+b₁＝S′，有：

S₁＝S′+δ₁

S′^*是经过线性变换后的S1尺度上的真实盐度信号，有：

其中S^*代表S3尺度上的真实盐度信号；

三重匹配过程中可以分别选取系统1和系统3作为参考数据源，在不同r²取值条件下计算系统3尺度下的真实盐度变化信号S^*，分别获得S1和S3作为参考数据源时两条S^*与r²的关系曲线，两条曲线的交点，就是使得S^*数值相同的r²取值，就是代表性误差。

Images