CN112819026B - 多源卫星气溶胶光学厚度数据的融合方法及装置 - Google Patents

多源卫星气溶胶光学厚度数据的融合方法及装置 Download PDF

Info

Publication number
CN112819026B
CN112819026B CN202011462665.6A CN202011462665A CN112819026B CN 112819026 B CN112819026 B CN 112819026B CN 202011462665 A CN202011462665 A CN 202011462665A CN 112819026 B CN112819026 B CN 112819026B
Authority
CN
China
Prior art keywords
satellite
aerosol
data
optical thickness
polar
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
Application number
CN202011462665.6A
Other languages
English (en)
Other versions
CN112819026A (zh
Inventor
梁倩
吴剑斌
陈焕盛
肖林鸿
秦东明
王文丁
樊旭
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.)
3Clear Technology Co Ltd
Original Assignee
3Clear Technology Co Ltd
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 3Clear Technology Co Ltd filed Critical 3Clear Technology Co Ltd
Priority to CN202011462665.6A priority Critical patent/CN112819026B/zh
Publication of CN112819026A publication Critical patent/CN112819026A/zh
Application granted granted Critical
Publication of CN112819026B publication Critical patent/CN112819026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种多源卫星气溶胶光学厚度数据的融合方法及装置。该方法包括：获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集；对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各地理区块中静止卫星和极轨卫星的气溶胶光学厚度；建立数据融合模型，并利用数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合。这种方法及装置选取了极轨卫星和静止卫星进行数据融合，使用扫描轨道不同且探测器波段不同的两颗卫星，可更加全面地捕捉环境信息，有效弥补了单一数据时间、空间分辨率不足的问题。

Description

多源卫星气溶胶光学厚度数据的融合方法及装置
技术领域
本发明涉及大气卫星遥感技术领域，更为具体来说，本发明涉及一种多源卫星气溶胶光学厚度数据的融合方法及装置。
背景技术
气溶胶是指悬浮在大气中的固体(如尘埃、烟粒等)和液体(如由水和冰组成的云雾滴、冰晶等)微粒与大气载体共同组成的多相体系。气溶胶作为地气系统的重要组成部分, 其对包括环境质量、气候变化和人类健康等在内的诸多方面都有重大而深远的影响。已有研究表明高浓度气溶胶在静稳天气条件下不断积聚凝结增长是产生大范围持续性雾霾天气的主要因素。
气溶胶最基本的光学特性可以用气溶胶光学厚度(AOD, Aerosol OpticalDepth)来衡量，其定义为气溶胶消光系数沿辐射传输路径在垂直方向上的积分, 为无量纲量。气溶胶光学厚度（AOD）表征气溶胶对光的衰减作用，体现大气混浊度或大气中气溶胶总含量。无云情况下，AOD的大小与空气中颗粒物情况有关。目前，AOD主要通过地基观测和卫星遥感这两种方式获取。常规的地基AOD数据精度高，但受限于站点分布的不均, 无法很好地反映较大范围AOD的空间分布特征。卫星AOD产品种类较多，可弥补地基数据空间覆盖度较差的问题。近年来，AOD卫星产品已经成为支撑大气环境与空气质量研究的重要数据源。
按照卫星的运动轨道，气象卫星主要可分为极轨卫星和静止卫星。极轨气象卫星（polar orbit meteorological satellite）也叫太阳同步轨道气象卫星，围绕地球南北两极运行，其优点是覆盖全球，观测领域广阔。静止气象卫星是在赤道上空地球同步轨道上工作的气象卫星，与地球自转同步运行，相对地球静止，可以对同一目标地区进行15－30分钟高频次的观测，可以捕捉到快速变化的天气系统，主要用于天气分析特别是中尺度强对流天气的预警和预报。
卫星数据已经在大气环境邻域得到广泛应用，基于各类卫星的不同传感器，各机构设计了不同AOD反演算法，并发布一系列AOD产品。但卫星观测时间、仪器的精度、反演算法等缺陷，严重影响了单一AOD产品的使用价值，比如极轨卫星虽然覆盖度较好，但是对于某特定地区的观测时间分辨率较低，基于极轨卫星的AOD反演产品，难以支撑污染快变过程的分析，静止卫星覆盖区域相对固定，但由于受云影响，数据覆盖度相对较低，在中国南方的数据覆盖度只有40%-50%，而且难以满足大范围的分析需求。基于多种卫星不同算法反演的卫星产品，开发融合集成算法，能够减少单一算法带来的不确定性。同时，融合算法能够有效利用静止卫星与极轨卫星各自的优势，提高AOD的数据质量和其时空分覆盖度。
下面，对卫星AOD遥感反演原理进行简要说明。在大气水平均一的假设条件下，卫星传感器接收到的大气顶部的辐射信号，既是气溶胶光学厚度的函数，又是下垫面地表反射率的函数，卫星表观反射率可以表示为（Vermote，1997）：
Figure 691982DEST_PATH_IMAGE001
式中，
Figure 140281DEST_PATH_IMAGE002
表示大气层顶反射率，
Figure 451177DEST_PATH_IMAGE003
表示大气层辐射等效反射率，
Figure 629742DEST_PATH_IMAGE004
表示地表反射率，
Figure 975273DEST_PATH_IMAGE005
表示大气下界的半球反射率，
Figure 328894DEST_PATH_IMAGE006
表示大气透过率，
Figure 330348DEST_PATH_IMAGE007
为太阳天顶角，
Figure 60406DEST_PATH_IMAGE008
为观测天顶角，
Figure 11176DEST_PATH_IMAGE009
为相对方位角。
除地表反射率外，公式右边的每一项都是气溶胶类型和气溶胶光学厚度的函数。气溶胶卫星遥感反演实际上是利用卫星传感器探测信号进行地气解耦的过程，当地表反射率较小时，卫星观测的辐射值主要是大气的贡献，气溶胶散射作用使卫星接收的辐射值增大，地表反射率确定以后，就可以根据辐射传输方程计算出气溶胶的光学厚度。
基于卫星 AOD 遥感反演数据，近期已有大量的工作集中分析卫星反演AOD数据与站点观测数据的相关关系，结论为卫星与地基观测站AOD数据的相关性系数R在0.87到0.93之间，准确度较好。(Myungje Choi, 2019)等利用全球自动观测网（AERONET，AErosolRObotic NETwork) AOD数据验证了在内的多颗极轨卫星AOD产品准确性。结论为Terra &Aqua/MODIS卫星、SuomiNPP-VIIRS卫星较其他极轨卫星在东亚地区覆盖范围更广。VIIRS作为MODIS系列的拓展和改进，VIIRS传感器的AOD像素分辨率更具有优势。
在2014年10月份发射的日本葵花卫星Himawari-8/9是世界上第一颗可以获取彩色影像的静止卫星，其上搭载的新型传感器Advanced Himawari Imager(AHI)的空间分辨率最高可达0.5公里到1公里。以往的静止卫星大部分每小时只能获取一次全盘区域，H8的观测频率提高到每10分钟一次，高频次的观测使得对云层等气象因子的动向的持续观测能力得到极大提升。
Chatterjee (2010)等对美国大陆地区的中分辨率成像光谱仪（ModerateResolution Imaging Spectroradiometer，MODIS/Terra）与多角度成像光谱仪（Multi-angle Imaging SpectroRadiometer，MISR/Terra）反演的AOD数据，进行了融合研究。李龙(2015)等基于MODIS与OMI对华东地区的气溶胶光学厚度数据进行了融合分析。王威(2019)等基于MODIS卫星的两种AOD反演算法，计算了MODIS的DT产品数据和DB产品数据与地基观测站点的数据的线性关系及回归系数，探究了气溶胶光学厚度的融合方法。
通过数据融合方法结合不同传感器的数据，能够有效弥补单一数据的不足，有助于对AOD状况的研究。另外，获取空间覆盖率更高的融合产品能够减少云等对AOD遥感反演产生的不利影响。
发明内容
本发明创新地提供了一种多源卫星气溶胶光学厚度数据的融合方法及装置，选取了极轨卫星和静止卫星进行数据融合，使用扫描轨道不同且探测器波段不同的两颗卫星，可以更加全面地捕捉环境信息，有效弥补了单一数据时间、空间分辨率不足的问题。
为实现上述的技术目的，一方面，本发明公开了一种多源卫星气溶胶光学厚度数据的融合方法。所述多源卫星气溶胶光学厚度数据的融合方法包括：获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集；对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度；建立数据融合模型，并利用所述数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合。
进一步地，对于所述多源卫星气溶胶光学厚度数据的融合方法，所述地理区块为经纬度网格，对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理包括：将静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度插值到统一的经纬度网格。
进一步地，对于所述多源卫星气溶胶光学厚度数据的融合方法，对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理包括：将静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度中一者的波段转换为与另一者的波段相同。
进一步地，对于所述多源卫星气溶胶光学厚度数据的融合方法，建立数据融合模型包括：基于卫星探测器过境范围、过境时间、以及地基观测数据相关性，建立数据融合模型。
进一步地，对于所述多源卫星气溶胶光学厚度数据的融合方法，在对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合之后，还包括：利用融合后的数据制作气溶胶光学厚度空间分布图。
实现上述的技术目的，另一方面，本发明公开了一种多源卫星气溶胶光学厚度数据的融合装置。所述多源卫星气溶胶光学厚度数据的融合装置包括：卫星数据获取单元，用于获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集；预处理单元，用于对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度；数据融合单元，用于建立数据融合模型，并利用所述数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合。
进一步地，对于所述多源卫星气溶胶光学厚度数据的融合装置，所述预处理单元包括：经纬度投影统一模块，用于将静止卫星的气溶胶厚度数据和极轨卫星的气溶胶厚度数据插值到统一的经纬度网格。
进一步地，对于所述多源卫星气溶胶光学厚度数据的融合装置，数据融合单元包括：模型建立模块，用于基于卫星探测器过境范围、过境时间、以及地基观测数据相关性，建立数据融合模型。
为实现上述的技术目的，又一方面，本发明公开了一种计算设备。所述计算设备包括：一个或多个处理器，以及与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述方法。
为实现上述的技术目的，再一方面，本发明公开了一种机器可读存储介质。所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行上述方法。
本发明的有益效果为：
本发明实施例提供的多源卫星气溶胶光学厚度数据的融合方法及装置1）数据源全面：选取了极轨卫星和静止卫星进行数据融合，使用扫描轨道不同且探测器波段不同的两颗卫星，可以更加全面地捕捉环境信息，有效弥补了单一数据时间、空间分辨率不足的问题。卫星可分为极轨卫星和静止卫星。以往研究仅使用一颗MODIS卫星的两种算法进行融合，这样的不足之处在于两种数据的空间覆盖范围一样，探测器波段一样，无法全面捕捉环境信息。2）数据源具有先进性：选取的卫星数据源、卫星探测器和反演算法都具有先进性，之前研究中使用的MODIS、OMI、MISR/Terra卫星发布时间较长，有些算法待更新。3）在融合过程中考虑到了不同卫星探测器波段不匹配的问题，并解决了AOD的波段转换的问题。4）集成权重动态更新，实时动态考虑各卫星数据质量。
附图说明
图中，
图1为本发明实施例1提供的多源卫星气溶胶光学厚度数据的融合方法的流程图；
图2a、图2b、图2c和图2d分别示出了2020年4月的卫星融合数据、葵花Himawari-8/9静止卫星数据、SuomiNPP-VIIRS极轨卫星数据、以及地基站点观测数据；
图3为本发明实施例2提供的多源卫星气溶胶光学厚度数据的融合方法的流程图；
图4为本发明实施例3提供的多源卫星气溶胶光学厚度数据的融合装置的结构示意图。
图5为根据本发明实施例的用于多源卫星气溶胶光学厚度数据的融合处理的计算设备的结构框图。
具体实施方式
下面结合说明书附图对本发明提供的多源卫星气溶胶光学厚度数据的融合方法及装置进行详细的解释和说明。
图1为本发明实施例1提供的多源卫星气溶胶光学厚度数据的融合方法的流程图。
如图1所示，在步骤S110，获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集。获取待处理卫星观测数据，首先确定下载卫星数据的方式，再对静止卫星比如葵花Himawari-8/9静止卫星的第一预设时间段比如L3小时数据集、极轨卫星比如SuomiNPP-VIIRS极轨卫星的第二预设时间段比如L2分钟数据集进行下载。
为了有效弥补单一数据时间空间分辨率不足的问题，该实施例选择静止卫星和极轨卫星作为数据源。静止卫星可以选择日本葵花卫星Himawari-8/9静止卫星。极轨卫星可以选择SuomiNPP-VIIRS极轨卫星作为数据源。对气溶胶光学厚度（AOD）数据进行匹配融合，最终获得特定时段内空间分布卫星融合AOD数据。以往研究基于卫星数据AOD进行融合，选取的卫星数据源均为发布年限较长的极轨卫星MODIS/Terra、OMI、MISR/Terra等。该实施例则选用近年更新发布的卫星产品作为数据源，例如分辨率比MODIS更佳的SuomiNPP-VIIRS极轨卫星，以及比极轨卫星时间空间分辨率更高的日本葵花卫星Himawari-8/9静止卫星进行融合。
在步骤S120，对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度。
首先，步骤S120对原始卫星数据进行预处理可以具体包括以下过程A：获取所需变量信息。提取静止卫星第一预设时间段的数据集中包含的500nm波段的气溶胶光学厚度（AOD，Aerosol Optical Depth）、Angstrom波长指数（exponent）、纬度（latitude）、经度（longitude）、气溶胶光学厚度的不确定度(Uncertainty of aerosol opticalthickness)、可信度(QAflag）等信息。提取极轨卫星第二预设时间段的数据集中包含的550nm波段的气溶胶光学厚度（AOD，Aerosol Optical Depth）、经度（Longitude）、纬度（Latitude）、最佳估计（Best_Estimate）等信息。
步骤S120可以包括以下过程B：根据气溶胶光学厚度的不确定度(Uncertainty ofaerosol optical depth)、和/或可信度(QA flag)等质控指标，筛选质控因素，对AOD数据进行质控，剔除被云和/或地表地形等因素干扰的质量较差数据。
对于地理区块为经纬度网格的情况，步骤S120可以包括以下过程C：将静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度插值到统一的经纬度网格。统一经纬度投影，可以通过线性插值、多项式插值、和/或样条曲线插值等插值方法，将数据插值到所需经纬度网格。
进一步来说，步骤S120可以包括以下过程D：将静止卫星的气溶胶厚度数据和极轨卫星的气溶胶厚度数据中一者的波段转换为与另一者的波段相同。
作为一种可选实施方式，可以将500nm波段AOD（Aerosol Optical Depth）转换为550nm波段AOD。
Figure 535698DEST_PATH_IMAGE010
（1）
式（1）中，
Figure 821186DEST_PATH_IMAGE011
表示波长(wavelength)，
Figure 89356DEST_PATH_IMAGE012
表示在相应波长AOD值，b表示波长为1μm时的AOD值，
Figure 658747DEST_PATH_IMAGE013
表示埃指数(Angstrom exponent)，λ1表示转换目标波段，λ2表示被转换波段。
作为另一种可选实施方式，也可以将550nm波段AOD转换为500nm波段AOD（Aerosoloptical Depth）。
在步骤S130，建立数据融合模型，并利用数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合。
步骤S130中建立数据融合模型可以包括以下过程：基于卫星探测器过境范围、过境时间、以及地基观测数据相关性等，建立数据融合模型。具体地，建立的数据融合模型可以如下公式：
Figure 619749DEST_PATH_IMAGE014
（2）
式（2）中，AODintegra表示数据融合后的气溶胶光学厚度；
Figure 392533DEST_PATH_IMAGE015
表示经上述步骤S110-S120得到的静止卫星第一预设时间段的AOD值；
Figure 198815DEST_PATH_IMAGE016
表示经上述步骤S110-S120得到的极轨卫星第二预设时间段的AOD值；
Figure 576707DEST_PATH_IMAGE017
和
Figure 193764DEST_PATH_IMAGE018
分别为静止卫星AOD和极轨卫星的AOD的权重系数，若同一像素格点同时有
Figure 453844DEST_PATH_IMAGE019
和
Figure 63817DEST_PATH_IMAGE020
，则进行权重集成，通过与颗粒物站点观测数据的相关系数得到权重系数
Figure 92953DEST_PATH_IMAGE021
=r1/(r1+r2)和
Figure 647956DEST_PATH_IMAGE022
=r2/(r1+r2)，权重系数每小时更新。具体来说，针对研究区域一小时时间范围内，若同一像素格点同时有
Figure 129753DEST_PATH_IMAGE019
、
Figure 808996DEST_PATH_IMAGE020
，而且静止卫星AOD数据的像素格点经纬度与站点观测经纬度匹配的数量为r1，即在站点观测经纬度范围内有静止卫星数据的总像素格点个数为r1，极轨卫星AOD数据的像素格点经纬度与站点观测经纬度匹配的数量为r2，则该小时内静止卫星AOD的
Figure 692638DEST_PATH_IMAGE021
=r1/(r1+r2)，极轨卫星AOD的
Figure 917077DEST_PATH_IMAGE022
=r2/(r1+r2)。
该实施例的多源卫星气溶胶光学厚度数据的融合方法在步骤S130之后，还可以包括以下步骤：利用融合后的数据制作气溶胶光学厚度空间分布图。为了验证卫星融合AOD数据的准确性，选取如图2a所示的2020年4月的卫星融合数据、如图2b所示的葵花Himawari-8/9静止卫星数据、以及如图2c所示的SuomiNPP-VIIRS极轨卫星数据与如图2d所示的地基站点观测数据进行对比。通过与地基站点观测数据的对比可见，采用该实施例的多源卫星AOD数据的融合方法得到的AOD数据产品结合了极轨卫星与静止卫星的优势，在空间分辨率和数据准确性两方面，反演效果都有所提高，该实施例的多源卫星气溶胶光学厚度数据的融合方法对于气溶胶光学厚度的反演精度具有显著提升。
图3为本发明实施例2提供的多源卫星气溶胶光学厚度数据的融合方法的流程图。
如图3所示，在步骤S310，获取葵花Himawari-8/9静止卫星L3小时数据集，获取SuomiNPP-VIIRS极轨卫星L2分钟数据集。
在步骤S320，1）提取葵花Himawari-8/9静止卫星L3小时数据集中包含的500nm波段的气溶胶光学厚度（AOD），提取SuomiNPP-VIIRS极轨卫星L2分钟数据集中包含的550nm波段的气溶胶光学厚度（AOD）。2）数据质控，根据气溶胶光学厚度的不确定度、和/或可信度等质控指标，筛选质控因素，对AOD数据进行质控，剔除被云和/或地表地形等因素干扰的质量较差数据。3）投影格式转换，通过线性插值、多项式插值、和/或样条曲线插值等插值方法，将葵花Himawari-8/9静止卫星的AOD数据和SuomiNPP-VIIRS极轨卫星的AOD数据插值到所需经纬度网格。4）550nm波段转换，将500nm波段AOD（Aerosol Optical Depth）转换为550nm波段AOD。
在步骤S330，基于卫星探测器过境范围、过境时间、以及地基观测数据相关性等，建立数据融合模型。利用数据融合模型，对预处理后的同一时间段各个地理区块中的葵花Himawari-8/9静止卫星的气溶胶光学厚度和SuomiNPP-VIIRS极轨卫星的气溶胶光学厚度进行数据融合。
在步骤S340，根据融合后的数据绘制气溶胶光学厚度空间分布图像。
图4为本发明实施例3提供的多源卫星气溶胶光学厚度数据的融合装置的结构示意图。如图4所示，该实施例提供的多源卫星气溶胶光学厚度数据的融合装置400包括卫星数据获取单元410、预处理单元420、以及数据融合单元430。
卫星数据获取单元410用于获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集。卫星数据获取单元410的操作可以参照上面图1描述的步骤S110的操作。
预处理单元420用于对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度。预处理单元420的操作可以参照上面图1描述的步骤S120的操作。
数据融合单元430用于建立数据融合模型，并利用所述数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合。数据融合单元430的操作可以参照上面图1描述的步骤S130的操作。
作为一种可选实施方式，预处理单元可以包括经纬度投影统一模块，用于将静止卫星的气溶胶厚度数据和极轨卫星的气溶胶厚度数据插值到统一的经纬度网格。
作为一种可选实施方式，数据融合单元可以包括模型建立模块，用于基于卫星探测器过境范围、过境时间、以及地基观测数据相关性，建立数据融合模型。
图5为根据本发明实施例的用于多源卫星气溶胶光学厚度数据的融合处理的计算设备的结构框图。
如图5所示，计算设备500可以包括至少一个处理器510、存储器520、内存530、通信接口540以及内部总线550，并且至少一个处理器510、存储器520、内存530和通信接口540经由内部总线550连接在一起。该至少一个处理器510执行在计算机可读存储介质（即，存储器520）中存储或编码的至少一个计算机可读指令（即，上述以软件形式实现的元素）。
在一个实施例中，在存储器520中存储有计算机可执行指令，其当执行时使得至少一个处理器510：获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集；对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度；建立数据融合模型，并利用所述数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合。
应该理解的是，在存储器520中存储的计算机可执行指令当执行时使得至少一个处理器510进行本公开的各个实施例中以上结合图1-4描述的各种操作和功能。
在本公开中，计算设备500可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理（PDA）、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。
根据一个实施例，提供了一种例如非暂时性机器可读介质的程序产品。非暂时性机器可读介质可以具有指令（即，上述以软件形式实现的元素），该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-4描述的各种操作和功能。
具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘（如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW）、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。
以上所述仅为本发明的实施例，并非因此限制本发明的权利要求保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明权利要求的保护范围内。

Claims (8)

1.一种多源卫星气溶胶光学厚度数据的融合方法，其特征在于，包括：
获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集；
对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度；
建立数据融合模型，并利用所述数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合；
建立数据融合模型包括：
基于卫星探测器过境范围、过境时间、以及地基观测数据相关性，建立数据融合模型。
2.根据权利要求1所述的多源卫星气溶胶光学厚度数据的融合方法，其特征在于，所述地理区块为经纬度网格，
对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理包括：将静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度插值到统一的经纬度网格。
3.根据权利要求1或2所述的多源卫星气溶胶光学厚度数据的融合方法，其特征在于，对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理包括：
将静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度中一者的波段转换为与另一者的波段相同。
4.根据权利要求1或2所述的多源卫星气溶胶光学厚度数据的融合方法，其特征在于，在对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合之后，还包括：
利用融合后的数据制作气溶胶光学厚度空间分布图。
5.一种多源卫星气溶胶光学厚度数据的融合装置，其特征在于，包括：
卫星数据获取单元，用于获取静止卫星第一预设时间段的数据集，获取极轨卫星第二预设时间段的数据集；
预处理单元，用于对所获取的数据集中静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行预处理，得到同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度；
数据融合单元，用于建立数据融合模型，并利用所述数据融合模型，对预处理后的同一时间段各个地理区块中的静止卫星的气溶胶光学厚度和极轨卫星的气溶胶光学厚度进行数据融合；
数据融合单元包括：模型建立模块，用于基于卫星探测器过境范围、过境时间、以及地基观测数据相关性，建立数据融合模型。
6.根据权利要求5所述的多源卫星气溶胶光学厚度数据的融合装置，其特征在于，所述预处理单元包括：经纬度投影统一模块，用于将静止卫星的气溶胶厚度数据和极轨卫星的气溶胶厚度数据插值到统一的经纬度网格。
7.一种计算设备，其特征在于，包括：
一个或多个处理器，以及
与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1到4中任一项所述的方法。
8.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到4中任一项所述的方法。
CN202011462665.6A 2020-12-11 2020-12-11 多源卫星气溶胶光学厚度数据的融合方法及装置 Active CN112819026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011462665.6A CN112819026B (zh) 2020-12-11 2020-12-11 多源卫星气溶胶光学厚度数据的融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011462665.6A CN112819026B (zh) 2020-12-11 2020-12-11 多源卫星气溶胶光学厚度数据的融合方法及装置

Publications (2)

Publication Number Publication Date
CN112819026A CN112819026A (zh) 2021-05-18
CN112819026B true CN112819026B (zh) 2022-02-15

Family

ID=75853493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011462665.6A Active CN112819026B (zh) 2020-12-11 2020-12-11 多源卫星气溶胶光学厚度数据的融合方法及装置

Country Status (1)

Country Link
CN (1) CN112819026B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102538242B1 (ko) * 2021-09-30 2023-06-01 서울대학교 산학협력단 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템
CN116611587B (zh) * 2023-07-19 2023-11-07 中国气象局公共气象服务中心(国家预警信息发布中心) 一种基于极轨-静止卫星融合技术的太阳能资源预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107202750A (zh) * 2017-05-17 2017-09-26 河北中科遥感信息技术有限公司 一种大气颗粒物星地综合监测定量遥感融合处理方法
CN109272053A (zh) * 2018-10-12 2019-01-25 国网湖南省电力有限公司 极轨卫星监测气溶胶光学厚度的数据融合方法及系统
CN110954482A (zh) * 2019-12-02 2020-04-03 生态环境部卫星环境应用中心 基于静止卫星和极轨卫星的大气污染网格化监控方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108761484A (zh) * 2018-04-26 2018-11-06 江苏省气象台 一种基于多源卫星遥感数据的海雾监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107202750A (zh) * 2017-05-17 2017-09-26 河北中科遥感信息技术有限公司 一种大气颗粒物星地综合监测定量遥感融合处理方法
CN109272053A (zh) * 2018-10-12 2019-01-25 国网湖南省电力有限公司 极轨卫星监测气溶胶光学厚度的数据融合方法及系统
CN110954482A (zh) * 2019-12-02 2020-04-03 生态环境部卫星环境应用中心 基于静止卫星和极轨卫星的大气污染网格化监控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于观测、模拟和同化数据的 PM2.5 污染回顾分析;黄思;《气候与环境研究》;20161130;第700-710页 *

Also Published As

Publication number Publication date
CN112819026A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN109668635B (zh) 海表温度融合方法与系统
CN114371182B (zh) 一种基于cygnss数据的星载gnss-r高精度土壤水分估算方法
CN112819026B (zh) 多源卫星气溶胶光学厚度数据的融合方法及装置
US20110238314A1 (en) Methodology for Short-term and Impending Earthquake Prediction
CN113253233B (zh) 基于全天空流星雷达信号的分析处理方法、系统
WO2023197714A1 (zh) 一种适用于动态载体平台的gnss多路径误差削弱方法
CN111781146A (zh) 利用高分辨率卫星光学影像的波浪参数反演方法
Shoji A study of near real-time water vapor analysis using a nationwide dense GPS network of Japan
Li et al. Retrieving ocean surface wind speed from the TRMM precipitation radar measurements
Webb et al. Kinematic GNSS estimation of zenith wet delay over a range of altitudes
CN116245757A (zh) 多模态数据的多场景通用性遥感影像云修复方法和系统
CN109886354B (zh) 风场融合方法及装置
Wijaya et al. Determination and assessment of GNSS-derived precipitable water vapor in Indonesia using Ina-CORS
CN115980317B (zh) 基于修正相位的地基gnss-r数据土壤水分估算方法
Gu et al. Snow depth and snow cover retrieval from FengYun3B microwave radiation imagery based on a snow passive microwave unmixing method in Northeast China
Elgered et al. Monitoring of the neutral atmosphere
Martinez-Vicente et al. Above-water reflectance for the evaluation of adjacency effects in Earth observation data: initial results and methods comparison for near-coastal waters in the Western Channel, UK
Wielgosz et al. Research on GNSS positioning and applications in Poland in 2015–2018
Tang et al. PPP-derived tropospheric ZWD augmentation from local CORS network tested on bridge monitoring points
Morel et al. On the relation between GPS tropospheric gradients and the local topography
Ma et al. Optical observation of plasma bubbles and comparative study of multiple methods of observing the ionosphere over China
CN113936009A (zh) 一种气象卫星洪涝监测的云阴影去除方法、装置及设备
Ma et al. CYGNSS high spatiotemporal resolution flood monitoring based on POBI interpolation: A case study of 2022 Pakistan catastrophic floods
Wu et al. Global statistical assessment of Haiyang-2B scanning microwave radiometer precipitable water vapor
CN114234934B (zh) 一种非均匀空间分辨率星载微光成像仪的海洋内波监测方法及系统

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