CN111611731B - 卫星数据融合方法、装置及电子设备 - Google Patents
卫星数据融合方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111611731B CN111611731B CN202010234579.3A CN202010234579A CN111611731B CN 111611731 B CN111611731 B CN 111611731B CN 202010234579 A CN202010234579 A CN 202010234579A CN 111611731 B CN111611731 B CN 111611731B
- Authority
- CN
- China
- Prior art keywords
- data
- satellites
- longitude
- wind field
- satellite
- 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.)
- Active
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 66
- 230000004927 fusion Effects 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 238000003860 storage Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 230000009469 supplementation Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请提供了一种卫星数据融合方法、装置及电子设备，其中，该方法包括：将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据；对所述多个卫星的第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据；将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据。
Description
技术领域
本申请涉及卫星数据处理技术领域，具体而言，涉及一种卫星数据融合方法、装置及电子设备。
背景技术
卫星微波遥感仪器观测的海面风场数据在海洋和大气业务监测及预报中发挥着越来越重要的作用。然而，单个卫星遥感仪器一天之内的观测数据有限，例如，通常只能对同一区域进行两次观测，无法直接应用于对数据时空分辨率要求较高的业务系统中。
发明内容
有鉴于此，本申请实施例的目的在于提供一种卫星数据融合方法、装置及电子设备。能够减少现有的处理方式中的卫星数据单一的不足。
第一方面，本申请实施例提供了一种卫星数据融合方法，包括：
将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据；
对所述多个卫星的第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据；
将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据。
在一种可选的实施方式中，所述将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据，包括：
将所述多个卫星的刈幅网格数据进行预处理，以对设定区域中不存在刈幅网格数据的缺失区域进行数据补充，得到所述多个卫星的补充刈幅网格数据；
将所述多个卫星的补充刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据。
本申请实施例提供的卫星数据融合方法，还可以先对卫星数据进行数据补充，从而可以使刈幅网格数据能够更好地覆盖需要监测的区域，从而使得到的卫星融合数据能够更准确地表示需要监测的区域的情况。
在一种可选的实施方式中，所述将所述多个卫星的补充刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据，包括：
根据所述多个卫星的补充刈幅网格数据计算设定规则的经纬网络中的各个网格的卫星数据，以得到所述多个卫星的第一经纬度网格。
在一种可选的实施方式中，所述将所述多个卫星的刈幅网格数据进行预处理，以对设定区域中不存在刈幅网格数据的缺失区域进行数据补充，得到所述多个卫星的补充刈幅网格数据，包括：
对每一组卫星的刈幅网格数据进行数据填充，以得到所述多个卫星的补充刈幅网格数据，所述数据填充包括：当刈幅网络中目标行存在完整数据时，则向所述目标行的前一行刈幅网格或后一行刈幅网格填充插值数据，所述插值数据由所述目标行的数据确定。
本申请实施例提供的卫星数据融合方法，还可以通过上述的方式对刈幅网格数据进行数据填充，可以有效实现对刈幅网络中没有数据的刈幅网格进行填充，从而可以使刈幅网络中的数据更加完整。
在一种可选的实施方式中，所述对所述多个卫星的所述第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据，包括：
获取目标卫星的风场质量敏感因子和风场误差的定量关系；所述目标卫星为所述多个卫星中的任意一个卫星；
根据所述风场质量敏感因子和所述风场误差的定量关系，计算所述目标卫星的风场误差；
根据所述误差确定出所述目标卫星的经纬度网格数据的目标权重，其中，所述风场误差越大，所述目标权重越小；
根据获得的每个卫星的经纬度网格数据的目标权重，以得到所述多个卫星的第二经纬度网格数据。
本申请实施例提供的卫星数据融合方法，还可以根据误差分析，确定出各个卫星对应的数据的权重，从而可以使第二经纬度网格数据所能够表示需要监测的区域，从而进一步地提高卫星融合数据的有效性。
在一种可选的实施方式中，所述将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据，包括：
将所述多个卫星的第二经纬度网格数据进行二维变分分析，以得到卫星融合数据。
在一种可选的实施方式中，所述将所述多个卫星的第二经纬度网格数据进行二维变分分析，以得到卫星融合数据，包括：
根据二维变分分析方式，对所述多个卫星的第二经纬度网格数据进行计算，以得到变分分析风场的矢量表达式；
根据所述变分分析风场的矢量表达式确定出风场观测数据表达式和背景风场数据表达式，所述风场观测数据表达式和背景风场数据表达式中包括待确定参数；
使用数值仿真的方法确定出所述待确定参数对应的目标参数；
根据所述目标参数、所述风场观测数据表达式和背景风场数据表达式得到卫星融合数据。
本申请实施例提供的卫星数据融合方法，还可以通过二维变分分析确定出各个融合所需数据，从而使融合后的卫星融合数据能够更好地表示需要监测的区域。
第二方面，本申请实施例还提供一种卫星数据融合装置，包括：
转换模块，用于将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据；
第一分析模块，用于对所述多个卫星的第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据；
第二分析模块，用于将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的卫星数据融合方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中卫星数据融合方法的步骤。
本申请实施例提供的卫星数据融合方法、装置、电子设备及计算机可读存储介质，采用数据转换、误差分析、变分分析等方式对多个卫星的刈幅网格数据进行处理，与现有技术中的卫星数据单一相比，其能够分析出各个卫星的刈幅网格数据相关性质，从而能够使多个卫星的刈幅网格数据更好地融合。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的方框示意图。
图2为本申请实施例提供的卫星数据融合方法的流程图。
图3为本申请实施例提供的卫星数据融合方法的步骤201的详细流程图。
图4为本申请实施例提供的卫星数据融合方法中的补充刈幅网格数据与经纬网络中的网格的分布示意图。
图5为本申请实施例提供的卫星数据融合方法的步骤202的详细流程图。
图6为本申请实施例提供的卫星数据融合方法的步骤203的详细流程图。
图7为本申请实施例提供的卫星数据融合装置的功能模块示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
海面风场是全球气候观测系统(Global Climate Observing System，GCOS)确定的基本气候变量(Essential Climate Variable，ECV)之一，海面风场涉及海气相互作用的各个方面。高质量、高时空分辨率和无缝隙的海面风场数据在各种应用中均发挥着不可或缺的作用，例如，大尺度气候变化和海气相互作用、中小尺度物理海洋研究以及海洋、气象预报模式运行等相关方面的应用。再例如，海面风场驱动的海洋模式可提供海流、潮汐等海况资料，是舰船走航的重要参考；极端天气条件下的海面风场数据在规划舰船航线，保障舰船和货物安全，为近海渔业、油气业生产提供准确的短时预报信息，减少灾害性海况造成的损失等方面具有显著的意义。海洋风场中的海洋表面风场是影响海浪、海流、水团的活跃因子和海洋动力学的基本参数，对全球海洋风场的监测，在沿海地区的防灾减灾，海洋环境保障，以及促进海洋相关科学研究中具有重要意义。
其中，卫星微波遥感仪器观测的海面风场数据在海洋和大气业务监测及预报中发挥着越来越重要的作用。然而，单个卫星遥感仪器(如卫星散射计)一天之内通常只能对同一区域进行两次观测，无法直接应用于对数据时空分辨率要求较高的业务系统中。
卫星散射计以其全天时、全天候、高时空分辨率，大覆盖范围等特点，已成为全球海面风场最为重要的观测手段。
卫星散射计是一种经过定标的雷达，它向海面主动发射电磁波，并接收经过海面调制的回波信号。雷达回波信号将由发射信号以及海面特征共同决定。当海浪波长与雷达发射电磁波波长满足布拉格散射条件时，各波面产生的后向散射电磁波相位相同，从而产生共振，回波能量将主要由产生共振的电磁波决定。在微波散射计的工作频率下，满足布拉格谐振条件的海面波为海表毛细波，海洋表面毛细波的谱密度与海洋表面上的风速直接相关。因此，通过雷达测得的回波信号可获取海面风场的信息。通过对雷达回波信号的处理，可得出仅与海面情况有关的归一化后向散射系数(normalized radar cross section，NRCS)或(σ0)，从散射计测得的σ0可进一步提取出海面风场，海面风场的信息提取过程称为风矢量反演。
对海面风场观测来说，通过单个卫星观测数据，已经难于满足目前数值预报的需要，需要进行多星组网观测，来提高风场观测的频次。
基于上述研究，可以通过国际合作，协调卫星过境时间，形成国际虚拟卫星观测星座的方式，来实现虚拟卫星星座观测。因此，本申请实施例提供了一种卫星数据融合方法、装置及电子设备。示例性地，可以将国际上的卫星星座的数据进行融合。其中，国际海面风场观测虚拟卫星星座包括：我国的HY-2A/B星微波散射计、CFOSAT星微波散射计，欧洲气象卫星组织METOP-A/B/C ASCAT散射计，以及印度的OSCAT散射计。
实施例一
为便于对本实施例进行理解，首先对执行本申请实施例所公开的卫星数据融合方法的电子设备进行详细介绍。
如图1所示，是电子设备的方框示意图。电子设备100可以包括存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子设备100的结构造成限定。例如，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
上述的存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115及显示单元116各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。上述的处理器113用于执行存储器中存储的可执行模块。
其中，存储器111可以是，但不限于，随机存取存储器(Random Access Memory，简称RAM)，只读存储器(Read Only Memory，简称ROM)，可编程只读存储器(ProgrammableRead-Only Memory，简称PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，简称EEPROM)等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序，本申请实施例任一实施例揭示的过程定义的电子设备100所执行的方法可以应用于处理器113中，或者由处理器113实现。
上述的处理器113可能是一种集成电路芯片，具有信号的处理能力。上述的处理器113可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(digital signalprocessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述的外设接口114将各种输入/输出装置耦合至处理器113以及存储器111。在一些实施例中，外设接口114，处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
上述的输入输出单元115用于提供给用户输入数据。所述输入输出单元115可以是，但不限于，鼠标和键盘等。
上述的显示单元116在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。
可选地，存储器111中可以存储有用于处理卫星数据的应用程序。该应用程序可以实现卫星数据的处理和显示。
本实施例中的电子设备100可以用于执行本申请实施例提供的各个方法中的各个步骤。下面通过几个实施例详细描述卫星数据融合方法的实现过程。
实施例二
请参阅图2，是本申请实施例提供的卫星数据融合方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤201，将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据。
可选地，上述的第一经纬度网格数据对应的网格可以是按照以下方式划分：相邻网格中心的经度和纬度的间隔都是0.25°；经度的坐标刻度起点是0.125°、终点是359.875°，共1440点；纬度的坐标刻度起点是-89.875°、终点是89.875°，共720点。
可选地，上述的多个卫星采集的数据可以是海面风场数据。在一个实例中，多个卫星可以分别是：HY-2A/B星微波散射计、CFOSAT星微波散射计，欧洲气象卫星组织METOP-A/B/C ASCAT散射计。当然，多个卫星也可以包括其它卫星。
可选地，上述的多个卫星可以是三个卫星、四个卫星、五个卫星等。
在一种实施方式中，如图3所示，步骤201可以包括以下步骤。
步骤2011，将所述多个卫星的刈幅网格数据进行预处理，以对设定区域中不存在刈幅网格数据的缺失区域进行数据补充，得到所述多个卫星的补充刈幅网格数据。
为了保证风场观测的覆盖空间范围，数据转化时，可以先对刈幅网格数据进行预处理或插值处理。
步骤2011可以包括：对每一组卫星的刈幅网格数据进行数据填充，以得到所述多个卫星的补充刈幅网格数据。
示例性地，补充刈幅网格数据以如下矩阵所示为例：
其中，X表示刈幅网格数据中的测量数据，I和I’表示对刈幅网格数据进行补充的插值数据。可选地，测量数据I和插值数据X可以交叉分布，例如，第一行、第三行、第五行、第七行为插值数据，第二行、第四行、第六行为测量数据。
以上述矩阵为例，需要将刈幅网络向左扩充，则可以补充第三行和第五行的第一列的插值数据I’。本实例中，新增的插值数据所在行的前一行与该新增的插值数据最近的右上位置存在测量数据，新增的插值数据所在行的后一行与该新增的插值数据最近的右下位置存在测量数据。就上述矩阵为例说明：第二行第一列存在测量数据、第四行的第一列存在测量数据、以及第六行第一列存在测量数据。
以上述矩阵为例，需要将刈幅网络向右边扩充，则可以补充第三行和第五行的第八列的插值数据I’。本实例中，新增的插值数据所在行的前一行与该新增的插值数据最近的左上位置存在测量数据，新增的插值数据所在行的后一行与该新增的插值数据最近的左下位置存在测量数据。就上述矩阵为例说明：第二行第七列存在测量数据、第四行的第七列存在测量数据、以及第六行第七列存在测量数据。
示例性地，数据填充可以包括：当刈幅网络中目标行存在完整数据时，则向所述目标行的前一行刈幅网格填充插值数据，该插值数据由所述目标行的数据确定。
上述的目标行可以是刈幅网络中的一行测量数据。
示例性地，数据填充可以包括：当刈幅网络中目标行存在完整数据时，则向所述目标行的后一行刈幅网格填充插值数据。
可选地，该插值数据由所述目标行的数据确定。
以上述矩阵为例，需要整行扩充数据时，可以在测量数据所在行的上侧或下侧填充差值数据。
本实施例中，所有的差值数据I或I’可以根据测量数据X计算得到。示例性地，差值数据中包括风场的按照设定坐标轴的各个坐标下的风速值。
可选地，上述的数据填充还可以包括：在任一组卫星的刈幅网格数据中，当刈幅网络中连续两个刈幅网格中存在数据时，则向所述两个刈幅网格的左边的无数据的刈幅网格填充第一插值数据，第一插值数据由所述两个刈幅网格中的数据确定。
可选地，上述的数据填充还可以包括：在任一组卫星的刈幅网格数据中，当刈幅网络中连续两个刈幅网格中存在数据时，则向所述两个刈幅网格的右边的无数据的刈幅网格填充第一插值数据，第一插值数据由所述两个刈幅网格中的数据确定。
可选地，计算上述插值数据所使用的测量数据为被经过数据剔除后所留下的有效测量数据。
步骤2012，将所述多个卫星的补充刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据。
步骤2012可以包括：根据所述多个卫星的补充刈幅网格数据计算设定规则的经纬网络中的各个网格的卫星数据，以得到所述多个卫星的第一经纬度网格数据。
通过上述的插值，如图4所示，其中图示中的“+”表示经纬网络中的网格，“X”和“I”表示补充刈幅网格数据中的部分数据。可以使每两个插值数据与一个测量数据可以形成一个三角形区域。该三角形区域所覆盖的经纬网络中的网格中的值可以使用两个插值数据与一个测量数据计算得到。
可选地，计算经纬网络中的各个网格的卫星数据可以使用插值算法。示例性地，插值算法可以选用高氏渲染法(Gouraud shading technique)，为插值数据和测量数据形成的三角形区域内的经纬网络中的网格计算数据。
示例性地，顶点处的插值数据和测量数据记为Ii(i＝1、2、3)，与三角形两边的交点记为I4和I5，交点处插值的物理参量为可以表示：
最后，三角形内部一点p点位置插值的物理参量表示：
其中，x1、x2、x3、x4、x5和y1、y2、y3、y4、y5分别表示Ii(i＝1、2、3、4、5)的坐标。
步骤202，对所述多个卫星的第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据。
如图5所示，步骤202可以包括以下步骤。
步骤2021，获取目标卫星的风场质量敏感因子和风场误差的定量关系。
上述的目标卫星为所述多个卫星中的任意一个卫星。
可选地，上述风场质量敏感因子可以包括风场反演的残差(Maximum LikelihoodEstimation，MLE)和基于风场空间差异分析的奇异指数(Singularity Exponent,SE)。其中，风场反演的残差表示各风单元用于风场反演的一组后向散射系数与地球物理模式函数(Geophysical model function，GMF)之间的距离。风场反演的残差值越小，则反演的风场越接近真实风场，风场反演的残差值越大，则反演的风场与真实风场的差异越大。基于风场空间差异分析的奇异指数表示相邻风单元之间风场的梯度变化情况，该基于风场空间差异分析的奇异指数用于表征海面风场不一致性的程度。
示例性地，奇异指数的数学表达式如下：
其中，
表示信号s在给定位置x和尺度因子r下的小波变换，
是该小波变换在所有位置x的平均值。尺度r0表示分析过程中能达到的最小尺度。任意图像的奇异指数通常介于(-1，1)之间，奇异指数为负数时，表示对应区域是不连续、非均匀的(-1对应脉冲函数)；奇异指数为正数时，表示对应的区域是均匀、连续的。
可选地，上述的风场质量敏感因子和风场误差的定量关系是通过预先处理得到。示例性地，需要使用时，可以直接从存储风场质量敏感因子和风场误差的定量关系的数据库中获取。
步骤2022，根据所述风场质量敏感因子和所述风场误差的定量关系，计算所述目标卫星的风场误差。
由于风场反演的残差和基于风场空间差异分析的奇异指数是弱相关的，并且风场质量随着风场反演的残差的增大而降低、而随着基于风场空间差异分析的奇异指数的增大而改善。
可选地，可以把需要分析的卫星数据集划分成多种等级。同一个等级区间内，由风场反演的残差定义的数据和由基于风场空间差异分析的奇异指数定义的数据应当具有大致相等的误差，确保该区间内的风场具有误差一致性。
然后，对每个区间内的数据进行统计分析，得到风场定标的比例因子、偏差系数和误差估计。
最后，通过质量敏感因子到风场误差的简单映射关系实现风场误差的动态估计：
σx＝fx(MLE,SE)；
其中，σx表示由风场反演的残差(MLE)和基于风场空间差异分析的奇异指数(Singularity Exponent,SE)定义的某个区间风场分量x(x＝u或v)的误差。
步骤2023，根据所述误差确定出所述目标卫星的经纬度网格数据的目标权重。
其中，所述风场误差越大，所述目标权重越小。
可选地，可以根据上述的多个卫星的误差值为每个卫星的经纬度网格数据配置对应的权重。示例性地，卫星对应的风场误差越大，该卫星的经纬度网格数据的权重越小。
步骤2024，根据获得的每个卫星的经纬度网格数据的目标权重，以得到所述多个卫星的第二经纬度网格数据。
步骤203，将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据。
步骤203可以包括：将所述多个卫星的第二经纬度网格数据进行二维变分分析，以得到卫星融合数据。
在一种实施方式中，如图6所示，步骤203可以包括以下步骤。
步骤2031，根据二维变分分析方式，对所述多个卫星的第二经纬度网格数据进行计算，以得到变分分析风场的矢量表达式。
其中，变分分析是气象数据同化常用的一种方法。
示例性地，使用
表示多个卫星的第二经纬度网格数据，使用xb表示背景风场矢量。其中，X表示向量，k表示第k种数据源。根据需要融合的卫星数量的不同，k的取值范围不同。在一个实例中，需要将三个卫星对应的数据进行融合，则k的取值范围为1≤k≤3，且k属于正整数。
变分分析风场的矢量x通过最小化下列目标函数得到：
其中，Jo和Jb分别表示风场观测数据和背景风场数据。
步骤2032，根据所述变分分析风场的矢量表达式确定出风场观测数据表达式和背景风场数据表达式。
其中，风场观测数据表达式和背景风场数据表达式中包括待确定参数。
在一个实例中，可以使用Δx＝x-xb替换状态向量x。因此，上述的风场观测数据可以表示为：
其中，(i,j)表示二维变分分析对应分析的经纬网络中的网格的序号，N1和N2分别表示经纬网络的网格数量；Mij表示是网格(i,j)处卫星观测风场的数量；tij和lij分别表示网格(i,j)处分析风场的分量；
和
表示网格(i,j)处卫星观测风场的分量；σt和σl分别表示观测风场的误差；pk和λ分别表示经验的调整因子，用于优化目标函数的观测项。其中，如果每个卫星数据的贡献相等，那么pk＝1/Mij。
背景风场数据可以表示为：
其中，
表示背景风场误差协方差矩阵。
可选地，可以通过数学变换写成风场方差和误差相关函数乘积的形式，即：
上述的∑和P都是对角矩阵，分别表示背景风场的方差和误差相关函数。
综上所述，使用二维变分分析进行多源数据融合，需要配置观测风场的误差σt和σl、背景风场误差∑和背景风场误差相关函数P，同时要通过数值仿真的方法确定最优的经验参数λ和pk。
步骤2033，使用数值仿真的方法确定出所述待确定参数对应的目标参数。
示例性地，二维变分分析的代价函数改进如下：
其中，
表示代价函数的背景风场项；
表示代价函数的散射计风场项；
表示代价函数的辐射计风速项。V表示风场矢量；R表示风场误差协方差矩阵；S表示风速误差协方差矩阵；w表示风速；下标a、b、o分别表示融合分析、背景场和卫星观测对应的变量。
根据上述代价函数确定最优的经验参数λ和pk。可选地，代价函数越小可以使经验参数λ和pk越优。
步骤2034，根据所述目标参数、所述风场观测数据表达式和背景风场数据表达式得到卫星融合数据。
根据本实施例中的卫星数据融合方法，采用数据转换、误差分析、变分分析等方式对多个卫星的刈幅网格数据进行处理，与现有技术中的卫星数据单一相比，其能够分析出各个卫星的刈幅网格数据相关性质，从而能够使多个卫星的刈幅网格数据更好地融合。
实施例三
基于同一申请构思，本申请实施例中还提供了与卫星数据融合方法对应的卫星数据融合装置，由于本申请实施例中的装置解决问题的原理与前述的卫星数据融合方法实施例相似，因此本实施例中的装置的实施可以参见上述方法的实施例中的描述，重复之处不再赘述。
请参阅图7，是本申请实施例提供的卫星数据融合装置的功能模块示意图。本实施例中的卫星数据融合装置中的各个模块用于执行上述方法实施例中的各个步骤。卫星数据融合装置包括：转换模块301、第一分析模块302、第二分析模块303；其中，
转换模块301，用于将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据；
第一分析模块302，用于对所述多个卫星的第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据；
第二分析模块303，用于将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据。
一种可能的实施方式中，转换模块301包括：预处理单元、以及转换单元；
预处理单元，用于将所述多个卫星的刈幅网格数据进行预处理，以对设定区域中不存在刈幅网格数据的缺失区域进行数据补充，得到所述多个卫星的补充刈幅网格数据；
转换单元，用于将所述多个卫星的补充刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据。
一种可能的实施方式中，转换单元，用于：
根据所述多个卫星的补充刈幅网格数据计算设定规则的经纬网络中的各个网格的卫星数据，以得到所述多个卫星的第一经纬度网格数据。
一种可能的实施方式中，预处理单元，用于：
对每一组卫星的刈幅网格数据进行数据填充，以得到所述多个卫星的补充刈幅网格数据，所述数据填充包括：当刈幅网络中目标行存在完整数据时，则向所述目标行的前一行刈幅网格或后一行刈幅网格填充插值数据，所述插值数据由所述目标行的数据确定。
一种可能的实施方式中，第一分析模块302，用于：
获取目标卫星的风场质量敏感因子和风场误差的定量关系；所述目标卫星为所述多个卫星中的任意一个卫星；
根据所述风场质量敏感因子和所述风场误差的定量关系，计算所述目标卫星的风场误差；
根据所述误差确定出所述目标卫星的经纬度网格数据的目标权重，其中，所述风场误差越大，所述目标权重越小；
根据获得的每个卫星的经纬度网格数据的目标权重，以得到所述多个卫星的第二经纬度网格数据。
一种可能的实施方式中，第二分析模块303，用于：
将所述多个卫星的第二经纬度网格数据进行二维变分分析，以得到卫星融合数据。
一种可能的实施方式中，第二分析模块303，用于：
根据二维变分分析方式，对所述多个卫星的第二经纬度网格数据进行计算，以得到变分分析风场的矢量表达式；
根据所述变分分析风场的矢量表达式确定出风场观测数据表达式和背景风场数据表达式，所述风场观测数据表达式和背景风场数据表达式中包括待确定参数；
使用数值仿真的方法确定出所述待确定参数对应的目标参数；
根据所述目标参数、所述风场观测数据表达式和背景风场数据表达式得到卫星融合数据。
此外，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的卫星数据融合方法的步骤。
本申请实施例所提供的卫星数据融合方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的卫星数据融合方法的步骤，具体可参见上述方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种卫星数据融合方法，其特征在于，包括：
将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据；
获取目标卫星的风场质量敏感因子和风场误差的定量关系；所述目标卫星为所述多个卫星中的任意一个卫星；
根据所述风场质量敏感因子和所述风场误差的定量关系，计算所述目标卫星的风场误差；
根据所述误差确定出所述目标卫星的经纬度网格数据的目标权重，其中，所述风场误差越大，所述目标权重越小；
根据获得的每个卫星的经纬度网格数据的目标权重，以得到所述多个卫星的第二经纬度网格数据；
将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据。
2.根据权利要求1所述的方法，其特征在于，所述将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据，包括：
将所述多个卫星的刈幅网格数据进行预处理，以对设定区域中不存在刈幅网格数据的缺失区域进行数据补充，得到所述多个卫星的补充刈幅网格数据；
将所述多个卫星的补充刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据。
3.根据权利要求2所述的方法，其特征在于，所述将所述多个卫星的补充刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据，包括：
根据所述多个卫星的补充刈幅网格数据计算设定规则的经纬网络中的各个网格的卫星数据，以得到所述多个卫星的第一经纬度网格数据。
4.根据权利要求2所述的方法，其特征在于，所述将所述多个卫星的刈幅网格数据进行预处理，以对设定区域中不存在刈幅网格数据的缺失区域进行数据补充，得到所述多个卫星的补充刈幅网格数据，包括：
对每一组卫星的刈幅网格数据进行数据填充，以得到所述多个卫星的补充刈幅网格数据，所述数据填充包括：当刈幅网络中目标行存在完整数据时，则向所述目标行的前一行刈幅网格或后一行刈幅网格填充插值数据，所述插值数据由所述目标行的数据确定。
5.根据权利要求1所述的方法，其特征在于，所述将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据，包括：
将所述多个卫星的第二经纬度网格数据进行二维变分分析，以得到卫星融合数据。
6.根据权利要求5所述的方法，其特征在于，所述将所述多个卫星的第二经纬度网格数据进行二维变分分析，以得到卫星融合数据，包括：
根据二维变分分析方式，对所述多个卫星的第二经纬度网格数据进行计算，以得到变分分析风场的矢量表达式；
根据所述变分分析风场的矢量表达式确定出风场观测数据表达式和背景风场数据表达式，所述风场观测数据表达式和背景风场数据表达式中包括待确定参数；
使用数值仿真的方法确定出所述待确定参数对应的目标参数；
根据所述目标参数、所述风场观测数据表达式和背景风场数据表达式得到卫星融合数据。
7.一种卫星数据融合装置，其特征在于，包括：
转换模块，用于将多个卫星的刈幅网格数据进行数据转换，以得到所述多个卫星的第一经纬度网格数据；
第一分析模块，用于对所述多个卫星的第一经纬度网格数据进行误差分析，以为各个所述第一经纬度网格数据赋予权重，得到所述多个卫星的第二经纬度网格数据；
第二分析模块，用于将所述多个卫星的第二经纬度网格数据进行变分分析，以得到卫星融合数据；
其中，第一分析模块，用于：
获取目标卫星的风场质量敏感因子和风场误差的定量关系；所述目标卫星为所述多个卫星中的任意一个卫星；
根据所述风场质量敏感因子和所述风场误差的定量关系，计算所述目标卫星的风场误差；
根据所述误差确定出所述目标卫星的经纬度网格数据的目标权重，其中，所述风场误差越大，所述目标权重越小；
根据获得的每个卫星的经纬度网格数据的目标权重，以得到所述多个卫星的第二经纬度网格数据。
8.一种电子设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如权利要求1至6任一所述的方法的步骤。
9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至6任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010234579.3A CN111611731B (zh) | 2020-03-27 | 2020-03-27 | 卫星数据融合方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010234579.3A CN111611731B (zh) | 2020-03-27 | 2020-03-27 | 卫星数据融合方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611731A CN111611731A (zh) | 2020-09-01 |
| CN111611731B true CN111611731B (zh) | 2021-03-30 |
Family
ID=72205463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010234579.3A Active CN111611731B (zh) | 2020-03-27 | 2020-03-27 | 卫星数据融合方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611731B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113435512B (zh) * | 2021-06-28 | 2022-10-11 | 内蒙古师范大学 | 一种多卫星多源xco2数据融合方法和系统 |
| CN114019504B (zh) * | 2021-11-05 | 2024-03-19 | 南京大学 | 基于变分分析的星载Ka/W双频云雨雷达粒子谱反演方法 |
| CN116704306A (zh) * | 2023-06-29 | 2023-09-05 | 阳光农业相互保险公司 | 一种Planet卫星数据融合与匀色方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698462A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 基于变分的合成孔径雷达海面风场融合方法 |
| CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
| CN105975763A (zh) * | 2016-04-29 | 2016-09-28 | 国家卫星海洋应用中心 | 一种多源海面风场的融合方法和装置 |
| CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
| CN109886354A (zh) * | 2019-03-06 | 2019-06-14 | 国家卫星海洋应用中心 | 风场融合方法及装置 |
-
2020
- 2020-03-27 CN CN202010234579.3A patent/CN111611731B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698462A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 基于变分的合成孔径雷达海面风场融合方法 |
| CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
| CN105975763A (zh) * | 2016-04-29 | 2016-09-28 | 国家卫星海洋应用中心 | 一种多源海面风场的融合方法和装置 |
| CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
| CN109886354A (zh) * | 2019-03-06 | 2019-06-14 | 国家卫星海洋应用中心 | 风场融合方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611731A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111611731B (zh) | 卫星数据融合方法、装置及电子设备 | |
| Gleason et al. | Retrieval of river discharge solely from satellite imagery and at‐many‐stations hydraulic geometry: Sensitivity to river form and optimization parameters | |
| Pennell et al. | On the effective number of climate models | |
| Bentamy et al. | Gridded surface wind fields from Metop/ASCAT measurements | |
| Keppenne et al. | Initial testing of a massively parallel ensemble Kalman filter with the Poseidon isopycnal ocean general circulation model | |
| Dash et al. | Group for High Resolution Sea Surface Temperature (GHRSST) analysis fields inter-comparisons—Part 2: Near real time web-based level 4 SST Quality Monitor (L4-SQUAM) | |
| Herman et al. | “Dendrology” in numerical weather prediction: What random forests and logistic regression tell us about forecasting extreme precipitation | |
| Smith et al. | A comparison of nine monthly air–sea flux products | |
| Buehner et al. | A new Environment Canada regional ice analysis system | |
| Alvarez et al. | Optimum sampling designs for a glider–mooring observing network | |
| JPWO2016031174A1 (ja) | シミュレーション装置、シミュレーション方法、および、記憶媒体 | |
| Hoffman et al. | A two-dimensional variational analysis method for NSCAT ambiguity removal: Methodology, sensitivity, and tuning | |
| Turner et al. | Interpolation of tidal levels in the coastal zone for the creation of a hydrographic datum | |
| Sánchez et al. | Wave resource characterization through in-situ measurement followed by artificial neural networks' modeling | |
| KR102319145B1 (ko) | 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치 | |
| Pereira et al. | Method for solar resource assessment using numerical weather prediction and artificial neural network models based on typical meteorological data: Application to the south of Portugal | |
| Emmanouil et al. | Combination of statistical Kalman filters and data assimilation for improving ocean waves analysis and forecasting | |
| CN112069449A (zh) | 基于初值集合的天气预报方法及装置 | |
| Li et al. | A model-based observation-thinning scheme for the assimilation of high-resolution SST in the shelf and coastal seas around China | |
| Hoffman | The effect of thinning and superobservations in a simple one-dimensional data analysis with mischaracterized error | |
| Verkhoglyadova et al. | Estimation of winds from GPS radio occultations | |
| Finn et al. | Towards assimilation of wind profile observations in the atmospheric boundary layer with a sub-kilometre-scale ensemble data assimilation system | |
| Siddons et al. | Assimilation of HF radar data into the SWAN wave model | |
| Zus et al. | Development and optimization of the IPM MM5 GPS slant path 4DVAR system | |
| Karpatne et al. | A guide to earth science data: Summary and research challenges |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210111 Address after: No.8 Dahui temple, Haidian District, Beijing 100080 Applicant after: NATIONAL SATELLITE OCEAN APPLICATION SERVICE Applicant after: NANJING University OF INFORMATION SCIENCE & TECHNOLOGY Applicant after: Guangdong Provincial Laboratory of marine science and engineering of South China (Guangzhou) Address before: No.8 Dahui temple, Haidian District, Beijing 100080 Applicant before: NATIONAL SATELLITE OCEAN APPLICATION SERVICE Applicant before: NANJING University OF INFORMATION SCIENCE & TECHNOLOGY |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |