CN113792091A - 一种海表温度数据归一化质量检验方法 - Google Patents

一种海表温度数据归一化质量检验方法 Download PDF

Info

Publication number
CN113792091A
CN113792091A CN202111344251.8A CN202111344251A CN113792091A CN 113792091 A CN113792091 A CN 113792091A CN 202111344251 A CN202111344251 A CN 202111344251A CN 113792091 A CN113792091 A CN 113792091A
Authority
CN
China
Prior art keywords
sea temperature
sea
satellite
temperature data
quality
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.)
Pending
Application number
CN202111344251.8A
Other languages
English (en)
Inventor
崔鹏
王素娟
贾树泽
张鹏
张兴赢
赵现纲
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.)
National Satellite Meteorological Center
Original Assignee
National Satellite Meteorological Center
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 National Satellite Meteorological Center filed Critical National Satellite Meteorological Center
Priority to CN202111344251.8A priority Critical patent/CN113792091A/zh
Publication of CN113792091A publication Critical patent/CN113792091A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种海表温度数据归一化质量检验方法，该方法为：气象卫星海温数据判识和解析，按照极轨气象卫星和静止气象卫星观测特点分类处理，得到有效卫星海温数据以及观测时间、观测范围等辅助信息；依据卫星海温观测时间和观测范围，将时间和空间分布各不相同的卫星海温数据和格点分析场海温转换到具有可比性的时间和空间范围内，采用时空匹配、插值技术，获取并解析高精度分析场海温，处理得到卫星海温和分析场海温时空匹配数据集；根据匹配结果，选择感兴趣区域，根据海温质量标识，分质量等级统计误差，计算质量检验指标。本发明可以利用具有全球覆盖且质量均一优点的分析场海温资料，对风云系列卫星反演海温数据进行一体化的质量检验。

Description

一种海表温度数据归一化质量检验方法
技术领域
本发明涉及气象遥感技术领域，具体来说，涉及一种海表温度数据归一化质量检验方法。
背景技术
中国的海岸线长，海洋国土面积大，国内用户对海洋环境监测、海洋资源开发以及海洋气象预报有很大需求。提高风云气象卫星的应用水平亟待解决的问题之一是做好数据处理方面的研究工作；由于卫星辐射测量误差、反演算法误差、地气系统辐射相互影响的存在，导致反演的产品总是存在误差，需要通过产品的质量检验工作来比对、分析反演产品精度。
目前风云气象卫星系列，已经发展出了两类四个系列。其中地球静止轨道气象卫星包括“风云二号”和“风云四号”两个系列，极轨气象卫星包括“风云一号”和“风云三号”两个系列。当前，在“风云二号”、“风云四号”“风云三号”三个系列中都实时生成卫星反演海温业务产品，目前国家卫星气象中心已经初步具备海温产品的检验能力，但是受到极轨、静止卫星观测特点以及实时业务运行的限制，未考虑采用一体化的检验源数据。海温产品质量检验所选的检验源数据各不相同，很难给出归一化的海温质量评价标准。设计采用统一的检验源进行海温质量检验，将弥补现有系统海温产品质量检验的局限性，检验结果有更好的参考性和说服力，可客观横向比较各种海温产品的优劣，为实际业务应用提供独立判据。
发明内容
针对相关技术中的上述技术问题，本发明提出一种海表温度数据归一化质量检验方法，能够克服现有技术的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种海表温度数据归一化质量检验方法，该方法包括以下步骤：
S1 读取气象卫星海温数据，按照极轨气象卫星和静止气象卫星观测特点分类处理，得到有效的卫星海温数据以及观测时间、观测范围、产品等级、质量等级等辅助信息；
S2 时间匹配，依据卫星海温观测时间，按照时间匹配规则，获取高精度分析场海温文件并进行解析，得到海温、经度、纬度等数据集；
S3 空间匹配，依据卫星海温观测范围，按照空间匹配规则，进行分析场海温空间匹配、投影插值处理，构建卫星海温和分析场海温时空匹配数据集；
S4 根据匹配数据集，选择感兴趣区域，根据海温质量标识，分质量等级统计误差，计算质量检验指标。
进一步地，所述的海表温度数据归一化质量检验方法还包括：
S5 根据匹配数据集和计算的质量检验指标，进行质量检验结果图表输出。
进一步地，所述读取气象卫星海温数据，按照极轨气象卫星和静止气象卫星观测特点分类处理为：读取风云系列卫星海温数据，进行海温数据解码预处理，得到有效卫星海温数据。
进一步地，所述时间匹配为：基于风云系列卫星海温数据观测时间，依据时间阈值选取限定时间范围内的高精度分析场海温。
进一步地，所述空间匹配为：获取风云系列卫星海温数据地理位置信息，采用投影插值算法将高精度分析场海温数据进行投影变化、重采样后和风云系列卫星海温数据空间匹配。
进一步地，所述分质量等级统计误差，计算质量检验指标为：将时空匹配后的风云系列卫星海温数据和高精度分析场海温数据依据卫星海温质量等级进行统计分析，分别计算质量检验指标。
进一步地，所述质量检验指标包括平均偏差、均方根误差。
本发明的有益效果：本发明可以利用具有全球覆盖且质量均一优点的分析场海温资料，对风云系列卫星反演海温数据进行一体化的质量检验；可以针对静止卫星和极轨卫星各自的观测特点设置合理的时空匹配规则，采用统一检验源数据对静止卫星业务海温和极轨卫星业务海温进行归一化质量检验，为业务海温产品及卫星反演海温产品研发提供一体化的质检环境，便于持续不断地改善卫星反演海温产品的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是根据本发明实施例所述的海表温度数据归一化质量检验方法的流程图；
图2是根据本发明实施例所述的基于CMC日分析场海温的FY4A/AGRI SST误差统计结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例所述的海表温度数据归一化质量检验方法，该方法包括以下步骤：
S1 读取气象卫星海温数据，按照极轨气象卫星和静止气象卫星观测特点分类处理，得到有效的卫星海温数据以及观测时间、观测范围、产品等级、质量等级等辅助信息；
S2 时间匹配，依据卫星海温观测时间，按照时间匹配规则，获取高精度分析场海温文件并进行解析，得到海温、经度、纬度等数据集；
S3 空间匹配，依据卫星海温观测范围，按照空间匹配规则，进行分析场海温空间匹配、投影插值处理，构建卫星海温和分析场海温时空匹配数据集；
S4 根据匹配数据集，选择感兴趣区域，根据海温质量标识，分质量等级统计误差，计算质量检验指标。
S5 根据匹配数据集和计算的质量检验指标，进行质量检验结果图表输出。
其中，所述读取气象卫星海温数据，按照极轨气象卫星和静止气象卫星观测特点分类处理为：读取风云系列卫星海温数据，进行海温数据解码预处理，得到有效卫星海温数据。
所述时间匹配为：基于风云系列卫星海温数据观测时间，依据时间阈值选取限定时间范围内的高精度分析场海温。
所述空间匹配为：获取风云系列卫星海温数据地理位置信息，采用投影插值算法将高精度分析场海温数据进行投影变化、重采样后和风云系列卫星海温数据空间匹配。
所述分质量等级统计误差，计算质量检验指标为：将时空匹配后的风云系列卫星海温数据和高精度分析场海温数据依据卫星海温质量等级进行统计分析，分别计算质量检验指标。
实施例1
采用本发明的海表温度数据归一化质量检验方法对FY4A 海表温度产品进行质量检验：
（1）FY4A 海表温度产品技术指标如表1所示：
表1 产品技术指标
仪器 产品名称 产品范围 产品分辨率 产品时效 处理时效
AGRI SST 全圆盘 星下点4KM 40时次/天 3分15秒
（2）测试所用数据为：
2019年11月8日~2019年11月16日，FY4A标称实时海表温度产品；
2019年11月8日~2019年11月16日，来自加拿大CMC的日分析场海温；
（3）质量检验方法为：
S1 时间匹配：基于FY4A SST 选取同一天的CMC日分析场海温；
S2 空间插值：对0.1°×0.1°全球范围的CMC日分析场海温进行双线性插值，得到FY4A标称全圆盘CMC日分析场海温；
S3 精度比对：FY4A SST减去插值后的标称全圆盘CMC日分析场海温，并在此基础上根据FY4A海温质量等级进行统计分析，分别计算优良差三个质量等级的偏差、均方根误差；
S4 根据匹配结果文件和计算的质量检验指标，进行质量检验结果图表输出，质量检验结果如图2和表2所示：以2019年11月08日~2019年11月16日共8天CMC日分析场海温数据作为参考海温，对FY4A SST产品进行分级质量检验，质量等级为优的像元，占全样本的66%左右，产品偏差-0.09℃，均方根误差0.80℃。
表2 FY4A/AGRI SST误差统计表
Figure 160687DEST_PATH_IMAGE002
综上所述，借助于本发明的上述技术方案，本发明可以利用具有全球覆盖且质量均一优点的分析场海温资料，对风云系列卫星反演海温数据进行一体化的质量检验；可以针对静止卫星和极轨卫星各自的观测特点设置合理的时空匹配规则，采用统一检验源数据对静止卫星业务海温和极轨卫星业务海温进行归一化质量检验，为业务海温产品及卫星反演海温产品研发提供一体化的质检环境，便于持续不断地改善卫星反演海温产品的质量。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种海表温度数据归一化质量检验方法，其特征在于，包括以下步骤：
S1 读取气象卫星海温数据，按照极轨气象卫星和静止气象卫星观测特点分类处理，得到有效的卫星海温数据以及观测时间、观测范围、产品等级、质量等级；
S2 时间匹配，依据卫星海温观测时间，按照时间匹配规则，获取高精度分析场海温文件并进行解析，得到海温、经度及纬度数据集；
S3 空间匹配，依据卫星海温观测范围，按照空间匹配规则，进行分析场海温空间匹配、投影插值处理，构建卫星海温和分析场海温时空匹配数据集；
S4 根据匹配数据集，选择感兴趣区域，根据海温质量标识，分质量等级统计误差，计算质量检验指标。
2.根据权利要求1所述的海表温度数据归一化质量检验方法，其特征在于，进一步包括：
S5 根据匹配数据集和计算的质量检验指标，进行质量检验结果图表输出。
3.根据权利要求1所述的海表温度数据归一化质量检验方法，其特征在于，所述读取气象卫星海温数据，按照极轨气象卫星和静止气象卫星观测特点分类处理为：读取风云系列卫星海温数据，进行海温数据解码预处理，得到有效卫星海温数据。
4.根据权利要求3所述的海表温度数据归一化质量检验方法，其特征在于，所述时间匹配为：基于风云系列卫星海温数据观测时间，依据时间阈值选取限定时间范围内的高精度分析场海温。
5.根据权利要求4所述的海表温度数据归一化质量检验方法，其特征在于，所述空间匹配为：获取风云系列卫星海温数据地理位置信息，采用投影插值算法将高精度分析场海温数据进行投影变化、重采样后和风云系列卫星海温数据空间匹配。
6.根据权利要求5所述的海表温度数据归一化质量检验方法，其特征在于，所述分质量等级统计误差，计算质量检验指标为：将时空匹配后的风云系列卫星海温数据和高精度分析场海温数据依据卫星海温质量等级进行统计分析，分别计算质量检验指标。
7.根据权利要求1所述的海表温度数据归一化质量检验方法，其特征在于，所述质量检验指标包括平均偏差、均方根误差。
CN202111344251.8A 2021-11-15 2021-11-15 一种海表温度数据归一化质量检验方法 Pending CN113792091A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111344251.8A CN113792091A (zh) 2021-11-15 2021-11-15 一种海表温度数据归一化质量检验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111344251.8A CN113792091A (zh) 2021-11-15 2021-11-15 一种海表温度数据归一化质量检验方法

Publications (1)

Publication Number Publication Date
CN113792091A true CN113792091A (zh) 2021-12-14

Family

ID=78955141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111344251.8A Pending CN113792091A (zh) 2021-11-15 2021-11-15 一种海表温度数据归一化质量检验方法

Country Status (1)

Country Link
CN (1) CN113792091A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371316A (zh) * 2023-10-09 2024-01-09 北京大学重庆大数据研究院 基于深度学习的静止卫星太阳短波辐射反演方法及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109668635A (zh) * 2019-01-16 2019-04-23 中国人民解放军61741部队 海表温度融合方法与系统
CN111090834A (zh) * 2019-12-24 2020-05-01 国家卫星海洋应用中心 海洋观测数据产品质量离线检验方法、装置及服务器
KR20200059085A (ko) * 2018-11-20 2020-05-28 서울대학교산학협력단 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법
CN113033063A (zh) * 2021-05-24 2021-06-25 航天宏图信息技术股份有限公司 海表温度的反演方法、装置、电子设备及存储介质
CN113111936A (zh) * 2021-04-07 2021-07-13 成都信息工程大学 一种卫星数据融合的气温估算方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200059085A (ko) * 2018-11-20 2020-05-28 서울대학교산학협력단 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법
CN109668635A (zh) * 2019-01-16 2019-04-23 中国人民解放军61741部队 海表温度融合方法与系统
CN111090834A (zh) * 2019-12-24 2020-05-01 国家卫星海洋应用中心 海洋观测数据产品质量离线检验方法、装置及服务器
CN113111936A (zh) * 2021-04-07 2021-07-13 成都信息工程大学 一种卫星数据融合的气温估算方法
CN113033063A (zh) * 2021-05-24 2021-06-25 航天宏图信息技术股份有限公司 海表温度的反演方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王素娟 等: "《FY-3C/VIRR海表温度产品及质量检验》", 《应用气象学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371316A (zh) * 2023-10-09 2024-01-09 北京大学重庆大数据研究院 基于深度学习的静止卫星太阳短波辐射反演方法及可读存储介质
CN117371316B (zh) * 2023-10-09 2024-08-09 北京大学重庆大数据研究院 基于深度学习的静止卫星太阳短波辐射反演方法及可读存储介质

Similar Documents

Publication Publication Date Title
Krueger et al. Inconsistencies between long-term trends in storminess derived from the 20CR reanalysis and observations
Hamada et al. An automated quality control method for daily rain-gauge data
Solbrekke et al. The 3 km Norwegian reanalysis (NORA3)–a validation of offshore wind resources in the North Sea and the Norwegian Sea
CN110929776B (zh) 一种基于海面风场稳定度统计区划的遥感风场数据质量评估方法及装置
Dodd et al. An investigation into the impact of using various techniques to estimate Arctic surface air temperature anomalies
Hopkinson et al. Optimizing input data for gridding climate normals for Canada
Pipunic et al. An evaluation and regional error modeling methodology for near‐real‐time satellite rainfall data over Australia
Wolter Trimming problems and remedies in COADS
CN113282576B (zh) 一种气象数据质量控制方法
Wang et al. Comparison of ECMWF significant wave height forecasts in the China sea with buoy data
Saponaro et al. Evaluation of aerosol and cloud properties in three climate models using MODIS observations and its corresponding COSP simulator, as well as their application in aerosol–cloud interactions
Lien et al. Accelerating assimilation development for new observing systems using EFSO
Charoenphon et al. Improving the accuracy of real-time precipitable water vapour using country-wide meteorological model with precise point positioning in Thailand
Luo et al. On the probability distribution of GNSS carrier phase observations
Brown et al. Severe convection-related winds in Australia and their associated environments
Vogelzang et al. Improvements in Ku‐band scatterometer wind ambiguity removal using ASCAT‐based empirical background error correlations
CN113792091A (zh) 一种海表温度数据归一化质量检验方法
Isioye et al. Retrieval and analysis of precipitable water vapour based on GNSS, AIRS, and reanalysis models over Nigeria
Reynolds et al. Impacts of northeastern Pacific buoy surface pressure observations
Chang Assessing the increasing trend in Northern Hemisphere winter storm track activity using surface ship observations and a statistical storm track model
Solbrekke et al. Norwegian hindcast archive (NORA3)–A validation of offshore wind resources in the North Sea and Norwegian Sea
Wang et al. Profile-based estimated inversion strength
Bhend et al. Evaluation of simulated recent climate change in Australia
Martin Ocean forecasting systems: product evaluation and skill
Blettner et al. Combining commercial microwave link and rain gauge observations to estimate countrywide precipitation: A stochastic reconstruction and pattern analysis approach

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