CN114966892A - 星地总辐射观测数据匹配及评估方法和系统、介质及设备 - Google Patents

星地总辐射观测数据匹配及评估方法和系统、介质及设备 Download PDF

Info

Publication number
CN114966892A
CN114966892A CN202210485416.1A CN202210485416A CN114966892A CN 114966892 A CN114966892 A CN 114966892A CN 202210485416 A CN202210485416 A CN 202210485416A CN 114966892 A CN114966892 A CN 114966892A
Authority
CN
China
Prior art keywords
data
matching
space
time
correlation coefficient
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
CN202210485416.1A
Other languages
English (en)
Other versions
CN114966892B (zh
Inventor
李翠娜
赵培涛
雷勇
刘天琦
施丽娟
徐进
郑清
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.)
CMA Meteorological Observation Centre
Original Assignee
CMA Meteorological Observation Centre
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 CMA Meteorological Observation Centre filed Critical CMA Meteorological Observation Centre
Priority to CN202210485416.1A priority Critical patent/CN114966892B/zh
Publication of CN114966892A publication Critical patent/CN114966892A/zh
Application granted granted Critical
Publication of CN114966892B publication Critical patent/CN114966892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Radio Relay Systems (AREA)

Abstract

本发明提供了星地总辐射观测数据匹配及评估方法和系统、介质及设备。该方案包括获取地基辐射站数据，并获取FY‑4A卫星数据进行时空匹配运算，生成第一时空匹配数据；获取H imawar i‑8卫星数据进行时空匹配运算，生成第二时空匹配数据；获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；评估数据质量，并标记存疑数据范围。该方案能够实现地基辐射台站、气象卫星、云与地球辐射能量系统测量仪数据间的数据融合，时间和空间分辨率高，观测范围广，具有提高数据质量和可用性的优点。

Description

星地总辐射观测数据匹配及评估方法和系统、介质及设备
技术领域
本发明涉及气象分析技术领域，更具体地，涉及星地总辐射观测数据匹配及评估方法和系统、介质及设备。
背景技术
太阳辐射是地球上主要的能量来源，对地面太阳辐射的准确测量是气象、农业、建筑、太阳能发电等领域的重要基础，作为地表太阳辐射的重要组成部分，总辐射量即地表下行短波辐射(DSSR)是地表辐射平衡的重要分量，也是陆面模型和气候模式的关键输入参数，准确评估DSSR对全球辐射收支平衡和太阳能估算等应用研究具有重要意义。DSSR数据可以从中国气象部门的地基辐射台站、中国风云四号气象卫星(FY-4A)、日本气象卫星葵花-8(Himawari-8)和云与地球辐射能量系统测量仪(CERES)数据中直接或反演得到，目前缺乏从星地四个观测平台对DSSR数据产品进行一致性评估方法、系统和装置。将四个观测平台不同观测反演方法的反演数据和遥测数据进行匹配交叉验证分析，按照不同的天气类型、区域、海拔高度和季节，分析其异同，最终基于DSSR数据建立针对地基观测的分析验证，从而为气候模式和气象服务提供高质量的DSSR数据及产品支撑。
面对上述现状，一方面，DSSR可以从辐射台站观测、FY-4A的SSI产品、Himawari-8卫星SWR产品和CERES项目CERES-SYN辐射产品中直接或反演得到，目前缺乏从不同观测仪器设备和观测方法出发，对DSSR数据产品进行时空匹配及各观测平台评估分析验证的方法、装置和支持系统。另一方面，各种类型的DSSR数据量大且繁多，如何对这些多而繁杂的信息做分解、分析、验证和有效的利用，如何进行支撑系统的构建，使得能够快速有效的获取这些信息并支撑上述功能的完成，均是待解决的技术问题。
发明内容
鉴于上述问题，本发明提出了星地总辐射观测数据匹配及评估方法和系统、介质及设备，能够实现地基辐射台站、气象卫星、云与地球辐射能量系统测量仪数据间的数据融合，时间和空间分辨率高，观测范围广，具有启发提高数据质量和可用性的优点，为进一步形成地、空、天联合观测数据集，制作全天候三维联合数据产品提供基础。
根据本发明实施例第一方面，提供星地总辐射观测数据匹配及评估方法。
在一个或多个实施例中，优选地，所述星地总辐射观测数据匹配及评估方法包括：
获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据；
获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据；
获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；
对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；
对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；
根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围。
在一个或多个实施例中，优选地，所述获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据，具体包括：
获取地基辐射站数据，并获取所述FY-4A卫星数据；
根据所述FY-4A卫星数据以小时为单位进行时间匹配，生成第一时间匹配数据；
根据所述第一时间匹配数据，利用地面地基辐射站的地理位置采用临近匹配方法从所述FY-4A卫星数据中找出最临近的点位置，作为所述第一时空匹配数据。
在一个或多个实施例中，优选地，所述获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据，具体包括：
获取地基辐射站数据，并获取所述Himawari-8卫星数据；
将与地基辐射站数据的观测范围同一小时内的所述Himawari-8卫星数据进行算术平均值处理，得到同一小时时间的一小时内均值，生成第二时间匹配数据；
对所述第二时间匹配数据利用地面站点的地理位置采用临近匹配法从卫星观测范围内的数据点得出最临近的点位，作为所述第二时空匹配数据。
在一个或多个实施例中，优选地，所述获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据，具体包括：
获取地基辐射站数据，并获取所述云与地球辐射能量系统测量仪数据；
根据所述云与地球辐射能量系统测量仪数据以小时为单位进行时间匹配，生成第三时间匹配数据；
根据所述第三时间匹配数据，利用地面站点的地理位置采用临近匹配法，从所述云与地球辐射能量系统测量仪数据的观测范围中得出与地面站点的地理位置最临近的点位，作为所述第三时空匹配数据。
在一个或多个实施例中，优选地，所述对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配，具体包括：
获取所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据；
进行天气类型划分，生成天气标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
进行区域划分，生成区域标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
进行地面观测站地理高度位置划分，生成高度标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
进行季节划分，生成季节标记，更新到第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
将更新后的所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据依次存储为第一匹配、第二匹配、第三匹配。
在一个或多个实施例中，优选地，所述对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数，具体包括：
对所述第一匹配、所述第二匹配、所述第三匹配进行分类的评估运算，利用第一计算公式获得每个分类下的相对误差；
利用第二计算公式获得每个分类下的平均绝对误差；
利用第三计算公式获得每个分类下的均方根误差；
对所述第一匹配利用第四计算公式计算所述第一相关系数；
对所述第二匹配利用所述第四计算公式计算所述第二相关系数；
对所述第三匹配利用所述第四计算公式计算所述第三相关系数；
所述第一计算公式为：
Figure BDA0003629010530000041
其中，N为样本总数量，ER为所述相对误差，i为样本编号，Pi为第i个卫星数据样本，Si为第i个地面站数据样本；
所述第二计算公式为：
Figure BDA0003629010530000051
其中，EMA为所述平均绝对误差；
所述第三计算公式为：
Figure BDA0003629010530000052
其中，ERMS为所述均方根误差；
所述第四计算公式为：
Figure BDA0003629010530000053
其中，R为相关系数，相关系数在对第一、第二、第三匹配计算时，依次获得第一、第二、第三相关系数，
Figure BDA0003629010530000054
为N个卫星数据样本的平均值，
Figure BDA0003629010530000055
为N个地面站数据样本的平均值。
在一个或多个实施例中，优选地，所述根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围，具体包括：
根据所述第一相关系数、所述第二相关系数和所述第三相关系数；
计算所述第一相关系数、所述第二相关系数和所述第三相关系数大于等于0.8的数量，作为界定值；
当所述界定值为3时，不标记存疑数据；
当所述界定值为2或1时，标记相关系数不大于0.8的卫星数据为存疑数据；
当所述界定值为0时，标记对应的所述地基辐射站数据为存疑数据。
根据本发明实施例第二方面，提供星地总辐射观测数据匹配及评估系统。
在一个或多个实施例中，优选地，所述星地总辐射观测数据匹配及评估系统包括：
第一匹配模块，用于获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据；
第二匹配模块，用于获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据；
第三匹配模块，用于获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；
匹配样本划分模块，用于对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；
评估运算模块，用于对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；
交叉混合评估模块，用于根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明能够实现地基辐射台站、气象卫星、云与地球辐射能量系统测量仪数据间的数据融合，时间和空间分辨率高，观测范围广，具有启发提高数据质量和可用性的优点。
本发明方案将形成地、空、天联合观测数据集，制作全天候三维联合数据产品提供基础。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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是本发明一个实施例的星地总辐射观测数据匹配及评估方法的流程图。
图2是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据的流程图。
图3是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据的流程图。
图4是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据的流程图。
图5是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配的流程图。
图6是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数的流程图。
图7是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围的流程图。
图8是本发明一个实施例的星地总辐射观测数据匹配及评估系统的结构图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
太阳辐射是地球上主要的能量来源，对地面太阳辐射的准确测量是气象、农业、建筑、太阳能发电等领域的重要基础，作为地表太阳辐射的重要组成部分，总辐射量即地表下行短波辐射(DSSR)是地表辐射平衡的重要分量，也是陆面模型和气候模式的关键输入参数，准确评估DSSR对全球辐射收支平衡和太阳能估算等应用研究具有重要意义。DSSR数据可以从中国气象部门的地基辐射台站、中国风云四号气象卫星(FY-4A)、日本气象卫星葵花-8(Himawari-8)和云与地球辐射能量系统测量仪(CERES)数据中直接或反演得到，目前缺乏从星地四个观测平台对DSSR数据产品进行一致性评估方法、系统和装置。将四个观测平台不同观测反演方法的反演数据和遥测数据进行匹配交叉验证分析，按照不同的天气类型、区域、海拔高度和季节，分析其异同，最终基于DSSR数据建立针对地基观测的分析验证，从而为气候模式和气象服务提供高质量的DSSR数据及产品支撑。
面对上述现状，一方面，DSSR可以从辐射台站观测、FY-4A的SSI产品、Himawari-8卫星SWR产品和CERES项目CERES-SYN辐射产品中直接或反演得到，目前缺乏从不同观测仪器设备和观测方法出发，对DSSR数据产品进行时空匹配及各观测平台评估分析验证的方法、装置和支持系统。另一方面，各种类型的DSSR数据量大且繁多，如何对这些多而繁杂的信息做分解、分析、验证和有效的利用，如何进行支撑系统的构建，使得能够快速有效的获取这些信息并支撑上述功能的完成，均是待解决的技术问题。
本发明实施例中，提供了星地总辐射观测数据匹配及评估方法和系统、介质及设备。该方案能够实现地基辐射台站、气象卫星、云与地球辐射能量系统测量仪数据间的数据融合，时间和空间分辨率高，观测范围广，具有启发提高数据质量和可用性的优点，为进一步形成地、空、天联合观测数据集，制作全天候三维联合数据产品提供基础。
根据本发明实施例第一方面，提供星地总辐射观测数据匹配及评估方法。
图1是本发明一个实施例的星地总辐射观测数据匹配及评估方法的流程图。
在一个或多个实施例中，优选地，所述星地总辐射观测数据匹配及评估方法包括：
S101、获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据；
S102、获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据；
S103、获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；
S104、对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；
S105、对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；
S106、根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围。
在本发明实施例中，地基辐射台站观测，中国气象部门已部署完成约200个地基辐射台站观测的总辐射、散射辐射、直接辐射、净辐射和反射辐射等要素的逐小时曝辐量、小时内辐照度极值、出现时间及正点时刻的辐照度。我国于2016年成功发射风云四号系列光学气象卫星(FY-4A)，地表太阳入射辐射(SSI)是FY-4A L2定量反演产品之一，包括总辐射、水平面直接辐射、散射辐射等3个要素，空间分辨率为4km，时间分辨率可达15min。新一代静止气象卫星葵花-8(Himawari-8)，日本宇宙航空研究开发机构(JAXA)对外发布短波辐射Short Wave Radiation-L2定量反演产品(SWR)，空间分辨率为5km，时间分辨率为5min。云和地球辐射能系统(CERES)提供了地球辐射和云的卫星观测，它利用在几颗卫星上飞行的CERES仪器的测量数据以及许多其他仪器的数据，1台CERES仪器(TRMM，Terra，Aqua，S-NPP，NOAA-20)，2台MODIS，2台VIIRS和20台对地静止成像仪，为气候、天气和应用科学研究提供了一套全面的ERB数据产品，发布的CERES_SYN1deg_Ed4A产品包括短波向下通量ShortwaveDown Flux产品(SDF)，空间分辨率为1°，时间分辨率为1小时。
图2是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据的流程图。
如图2所示，在一个或多个实施例中，优选地，所述获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据，具体包括：
S201、获取地基辐射站数据，并获取所述FY-4A卫星数据；
S202、根据所述FY-4A卫星数据以小时为单位进行时间匹配，生成第一时间匹配数据；
S203、根据所述第一时间匹配数据，利用地面地基辐射站的地理位置采用临近匹配方法从所述FY-4A卫星数据中找出最临近的点位置，作为所述第一时空匹配数据。
在本发明实施例中，因为地基辐射值DSSR(总辐照度)数据为一小时内均值，而FY-4A的SSI数据也使用小时为单位的数据，故符合时间一致性，再利用地面站点的地理位置采用临近匹配法从FY-4A卫星观测范围内的数据点得出最临近的点位，获取出与地面站时空一致的一组匹配样本，即满足空间一致性。FY4-A地表太阳入射辐射产品(FY4A_SSI)与地基辐射观测站空间匹配：FY4A_SSI产品为全球观测数据(全圆盘)，数据由4km*4km的等距网格点构成，在匹配时首先根据中国地理轮廓的最大地理范围，从FY4A_SSI中拿到属于中国区域内的4km*4km的等距网格部分，将网格数据地理位置坐标利用投影转换，将卫星投影geos坐标,转换成wgs84坐标系，之后利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。Himawari-8短波辐射产品(H8_SWR)时间分辨率为每10分钟一次，每小时有6次观测，为此，将每10分钟的H8_SWR累加，再除以6，若缺失某分钟数据，则剔除该分钟样本，将处理后的数据记为有效值，作为Himawari-8的小时总辐射量。
图3是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据的流程图。
如图3所示，在一个或多个实施例中，优选地，所述获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据，具体包括：
S301、获取地基辐射站数据，并获取所述Himawari-8卫星数据；
S302、将与地基辐射站数据的观测范围同一小时内的所述Himawari-8卫星数据进行算术平均值处理，得到同一小时时间的一小时内均值，生成第二时间匹配数据；
S303、对所述第二时间匹配数据利用地面站点的地理位置采用临近匹配法从卫星观测范围内的数据点得出最临近的点位，作为所述第二时空匹配数据。
在本发明实施例中，因为地基辐射值DSSR(总辐照度)数据为一小时内均值，而Himawari-8的SWR数据分辨率为10分钟，即将与地面观测范围同一小时内Himawari-8的SWR数据进行算术平均值处理得到同一小时时间的一小时内均值，再利用地面站点的地理位置采用临近匹配法从卫星观测范围内的数据点得出最临近的点位，获取出与地面站时空一致的一组匹配样本，即满足空间一致性。
图4是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据的流程图。
如图4所示，在一个或多个实施例中，优选地，所述获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据，具体包括：
S401、获取地基辐射站数据，并获取所述云与地球辐射能量系统测量仪数据；
S402、根据所述云与地球辐射能量系统测量仪数据以小时为单位进行时间匹配，生成第三时间匹配数据；
S403、根据所述第三时间匹配数据，利用地面站点的地理位置采用临近匹配法，从所述云与地球辐射能量系统测量仪数据的观测范围中得出与地面站点的地理位置最临近的点位，作为所述第三时空匹配数据。
在本发明实施例中，因为地基辐射值DSSR(总辐照度)数据为一小时内均值，而CERES-SYN的SDF产品数据分辨率也使用1小时分辨率的均值数据，故符合时间一致性；利用地面站点的地理位置采用临近匹配法从CERES项目观测范围内的数据点得出最临近的点位，获取出与地面站时空一致的一组匹配样本，即满足空间一致性。
图5是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配的流程图。
如图5所示，在一个或多个实施例中，优选地，所述对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配，具体包括：
S501、获取所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据；
S502、进行天气类型划分，生成天气标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
S503、进行区域划分，生成区域标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
S504、进行地面观测站地理高度位置划分，生成高度标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
S505、进行季节划分，生成季节标记，更新到第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
S506、将更新后的所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据依次存储为第一匹配、第二匹配、第三匹配。
在本发明实施例中，天气类型划分为：根据地面观测站同站观测的日照，将其根据日照时数系数划分为1.0晴空、0.9～0.7少云、0.6～0.4多云、0.3～0阴共计4种天气类型。区域划分为：根据地面观测站地理位置所属的行政区域不同，将匹配样本根据其地面站的区域属性，分成华北、东北、华东、华中、华南、西南、西南共7大区域。海拔高度划分为：根据地面观测站地理高度位置不同，将其根据高度范围划分为<1000、1000～2000、2000～3000、3000～4000、>＝4000共计5个海拔高度范围。季节：根据观测时间点，将其划分为冬季(2018-12-0100:00:00 2019-02-2823:59:59)、春季(2019-03-01 00:00:00～2019-05-3123:59:59)、夏季(2019-06-01 00:00:00～2019-08-31 23:59:59)、秋季(2019-09-01 00:00:00～2019-11-30 23:59:59)共计4个季节。
图6是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数的流程图。
如图6所示，在一个或多个实施例中，优选地，所述对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数，具体包括：
S601、对所述第一匹配、所述第二匹配、所述第三匹配进行分类的评估运算；
具体的，进行分类运算的原因是不同数据实际是对应会产生不同的误差和相关系数。
S602、利用第一计算公式获得每个分类下的相对误差；
S603、利用第二计算公式获得每个分类下的平均绝对误差；
S604、利用第三计算公式获得每个分类下的均方根误差；
S605、对所述第一匹配利用第四计算公式计算所述第一相关系数；
S606、对所述第二匹配利用所述第四计算公式计算所述第二相关系数；
S607、对所述第三匹配利用所述第四计算公式计算所述第三相关系数；
所述第一计算公式为：
Figure BDA0003629010530000141
其中，N为样本总数量，ER为所述相对误差，i为样本编号，Pi为第i个卫星数据样本，Si为第i个地面站数据样本；
所述第二计算公式为：
Figure BDA0003629010530000151
其中，EMA为所述平均绝对误差；
所述第三计算公式为：
Figure BDA0003629010530000152
其中，ERMS为所述均方根误差；
所述第四计算公式为：
Figure BDA0003629010530000153
其中，R为相关系数，相关系数在对第一、第二、第三匹配计算时，依次获得第一、第二、第三相关系数，
Figure BDA0003629010530000154
为N个卫星数据样本的平均值，
Figure BDA0003629010530000155
为N个地面站数据样本的平均值。
在本发明实施例中，针对不同规则划分的样本以及不做划分的正态样本做评估运算，计算其相关系数(R)、均方根误差(RMSE)、平均绝对误差(MAE)、相对误差(RE)，相关评估计算公式的计算，能够获得对于的评估结果。在本发明实施例中，在空间匹配方面，地面观测站点为点数据，卫星数据为格点数据，采用地面观测站点的位置信息匹配与之相近的卫星格点数据的方法做空间匹配。具体匹配规则为：FY4-A地表太阳入射辐射产品(FY4A_SSI)与地基辐射观测站空间匹配：FY4A_SSI产品为全球观测数据(全圆盘)，数据由4km*4km的等距网格点构成，在匹配时首先根据中国地理轮廓的最大地理范围，从FY4A_SSI中拿到属于中国区域内的4km*4km的等距网格部分，将网格数据地理位置坐标利用投影转换，将卫星投影geos坐标,转换成wgs84坐标系，之后利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。Himawari08短波辐射产品(H8_SWR)与地基辐射观测站空间匹配：H8_SWR产品为区域观测数据，数据由0.05°*0.05°的wgs84坐标系等经纬度网格构成，利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。CERES-SYN的SDF产品与地基辐射观测站空间匹配：SDF产品为区域观测数据，数据由1°*1°的wgs84坐标系等经纬度网格构成，利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。设置一个公用函数，用途为提供一组经纬度坐标(匹配地面站点经纬度)，分别通过这组经纬度的经度和纬度减去星基的径向列第一组数据(星基观测开始经度)和径向第一组数据(星基观测开始纬度)再除以格距，将其按照四舍五入的规则得出星基匹配临近点。在时间匹配方面，FY4-A地表太阳入射辐射产品(FY4A_SSI)、Himawari08短波辐射产品(H8_SWR)与地基辐射站数据固定间隔时间跨度上不一致，需要将卫星的分钟数据处理成能与地面产品匹配的数据。处理完成后在利用时间一致的特性进行匹配。需要注意：地基辐射产品数据观测记录时间表示为数据观测截止时间(例如2021-01-0122:00:00记录数据所指的观测时间段为2021-01-0121:00:01至2021-01-0122:00:00)，但卫星产品数据时间通常表示为数据开始时间，所以时间一致性时需要矫正，具体规则为：将地基时间+1小时作为基准，与卫星产品同1小时所指数据进行时间一致性匹配。以地基辐射站总辐射产品的时间分辨率为基准，定义每小时整点为统一的时间维度，将各类产品按照每小时整点维度进行处理，形成初级时间匹配样本。不同产品的处理方法如下：Himawari08短波辐射产品(H8_SWR)时间分辨率为每10分钟一次，每小时有6次观测，为此，将每10分钟的H8_SWR累加，再除以6，若缺失某分钟数据，则剔除该分钟样本，将处理后的数据记为有效值，作为Himawari08的小时总辐射量。FY-4A数据的时间分辨率为每小时0-15分钟一次全圆盘扫描，其他时段为区域扫描，没有产品输出，为此，将每小时0-15分钟的观测值记为有效值，作为FY-4A的小时总辐射量。CERES_SYN的时间分辨率为1小时，产品时间采用距2000年3月1日过去的天数数值进行记录，需要通过时间转换规则(从UTC 2000-03-01 00:00:00将天数+产品文件中的time字段值(单位天，有小数))换算得出日历时间，数据记录为每小时第30分钟左右，与地面观测时间分辨率一致，将每小时的观测值记为有效值，作为CERES_SYN的小时总辐射量。经过上述处理，已将不同观测平台的数据形成了统一时间维度的初级时间匹配样本，将其按照统一的站点和时间进行整理，形成最终的时间匹配样本。
图7是本发明一个实施例的星地总辐射观测数据匹配及评估方法中的根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围的流程图。
如图7所示，在一个或多个实施例中，优选地，所述根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围，具体包括：
S701、根据所述第一相关系数、所述第二相关系数和所述第三相关系数；
S702、计算所述第一相关系数、所述第二相关系数和所述第三相关系数大于等于0.8的数量，作为界定值；
S703、当所述界定值为3时，不标记存疑数据；
S704、当所述界定值为2或1时，标记相关系数不大于0.8的卫星数据为存疑数据；
S705、当所述界定值为0时，标记对应的所述地基辐射站数据为存疑数据。
在本发明实施例中，FY-4A的SSI产品、Himawari-8卫星SWR产品、CERES的SDF产品与地基辐射评估结果，具体包括：三种都较好时(R>＝0.8)，则说明三种卫星产品数据质量都较高；两种较好时(R>＝0.8)，则说明有两种卫星产品数据质量较高，而另外一种数据存疑；3)一种较好时(R>＝0.8)，则说明有一种卫星产品数据质量较高，而另外两种数据存疑；4)都较差时(R<0.8)，则说明地基辐射数据存疑。交叉混合评估又从同一时空但不同星基与地面观测的维度，对数据源质量进行反向评估，3种卫星数据源分别和地基数据源做时间序列上的观测和反演值做偏差对比，针对偏差明显偏大的一类组合进行分析，确定数据源问题，并将其使用该时空一致性上的设备数据样本进行异常标记，此举能一方面剔除设备异常数据对整体评估造成的误导、另一方面可得出设备故障的记录，对于地基设备的维护改进和辐射观测数据质量稳定性、一致性和准确性有积极的作用。
在空间匹配方面，地面观测站点为点数据，卫星数据为格点数据，采用地面观测站点的位置信息匹配与之相近的卫星格点数据的方法做空间匹配。具体匹配规则为：FY4-A地表太阳入射辐射产品(FY4A_SSI)与地基辐射观测站空间匹配：FY4A_SSI产品为全球观测数据(全圆盘)，数据由4km*4km的等距网格点构成，在匹配时首先根据中国地理轮廓的最大地理范围，从FY4A_SSI中拿到属于中国区域内的4km*4km的等距网格部分，将网格数据地理位置坐标利用投影转换，将卫星投影geos坐标,转换成wgs84坐标系，之后利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。Himawari08短波辐射产品(H8_SWR)与地基辐射观测站空间匹配：H8_SWR产品为区域观测数据，数据由0.05°×0.05°的wgs84坐标系等经纬度网格构成，利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。CERES-SYN的SDF产品与地基辐射观测站空间匹配：SDF产品为区域观测数据，数据由1°×1°的wgs84坐标系等经纬度网格构成，利用临近匹配法将每个站点找到最临近的网格点，记录好站点地理位置与卫星网格点坐标位置(坐标索引)的映射关系，即形成空间匹配。设置一个公用函数，用途为提供一组经纬度坐标(匹配地面站点经纬度)，分别通过这组经纬度的经度和纬度减去星基的径向列第一组数据(星基观测开始经度)和径向第一组数据(星基观测开始纬度)再除以格距，将其按照四舍五入的规则得出星基匹配临近点。
在时间匹配方面，FY4-A地表太阳入射辐射产品(FY4A_SSI)、Himawari08短波辐射产品(H8_SWR)与地基辐射站数据固定间隔时间跨度上不一致，需要将卫星的分钟数据处理成能与地面产品匹配的数据。处理完成后在利用时间一致的特性进行匹配。需要注意：地基辐射产品数据观测记录时间表示为数据观测截止时间(例如2021-01-01 22:00:00记录数据所指的观测时间段为2021-01-01 21:00:01至2021-01-01 22:00:00)，但卫星产品数据时间通常表示为数据开始时间，所以时间一致性时需要矫正，具体规则为：将地基时间+1小时作为基准，与卫星产品同1小时所指数据进行时间一致性匹配。以地基辐射站总辐射产品的时间分辨率为基准，定义每小时整点为统一的时间维度，将各类产品按照每小时整点维度进行处理，形成初级时间匹配样本。不同产品的处理方法如下：Himawari08短波辐射产品(H8_SWR)时间分辨率为每10分钟一次，每小时有6次观测，为此，将每10分钟的H8_SWR累加，再除以6，若缺失某分钟数据，则剔除该分钟样本，将处理后的数据记为有效值，作为Himawari08的小时总辐射量。FY-4A数据的时间分辨率为每小时0-15分钟一次全圆盘扫描，其他时段为区域扫描，没有产品输出，为此，将每小时0-15分钟的观测值记为有效值，作为FY-4A的小时总辐射量。CERES_SYN的时间分辨率为1小时，产品时间采用距2000年3月1日过去的天数数值进行记录，需要通过时间转换规则(从UTC 2000-03-01 00:00:00将天数+产品文件中的time字段值(单位天，有小数))换算得出日历时间，数据记录为每小时第30分钟左右，与地面观测时间分辨率一致，将每小时的观测值记为有效值，作为CERES_SYN的小时总辐射量。经过上述处理，已将不同观测平台的数据形成了统一时间维度的初级时间匹配样本，将其按照统一的站点和时间进行整理，形成最终的时间匹配样本。
根据本发明实施例第二方面，提供星地总辐射观测数据匹配及评估系统。
图8是本发明一个实施例的星地总辐射观测数据匹配及评估系统的结构图。
在一个或多个实施例中，优选地，所述星地总辐射观测数据匹配及评估系统包括：
第一匹配模块801，用于获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据；
第二匹配模块802，用于获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据；
第三匹配模块803，用于获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；
匹配样本划分模块804，用于对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；
评估运算模块805，用于对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；
交叉混合评估模块806，用于根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围。
本发明实施例中，将地基和星基的DSSR数据产品进行分解，将不同设备观测到的同一要素进行梳理，先对相同观测要素进行能够满足现有设备的处理能力要求以及数据精度要求的不同数据处理；然后将不同观测平台不同观测反演方法的直接观测和遥测数据进行匹配交叉验证分析，分析其异同，最终基于DSSR数据建立针对不同观测平台的分析验证，从而为气候模式和服务提供高质量的DSSR数据及产品支撑。提出交叉混合评估方法，在基于数据参数进行评估的基础上，基于DSSR数据进行评估，在保障科学性的同时，使得评估方法更适合用于进行。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用卫星时空匹配装置，其包括通用的计算机硬件结构，其至少包括处理器901和存储器902。处理器901和存储器902通过总线903连接。存储器902适于存储处理器901可执行的指令或程序。处理器901可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器901通过执行存储器902所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线903将上述多个组件连接在一起，同时将上述组件连接到显示控制器904和显示装置以及输入/输出(I/O)装置905。输入/输出(I/O)装置905可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置905通过输入/输出(I/O)控制器906与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明能够实现地基辐射台站、气象卫星、云与地球辐射能量系统测量仪数据间的数据融合，时间和空间分辨率高，观测范围广，具有启发提高数据质量和可用性的优点。
本发明方案将形成地、空、天联合观测数据集，制作全天候三维联合数据产品提供基础。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.星地总辐射观测数据匹配及评估方法，其特征在于，该方法包括：
获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成第一时空匹配数据；
获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据；
获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；
对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；
对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；
根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围。
2.如权利要求1所述的星地总辐射观测数据匹配及评估方法，其特征在于，所述获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据，具体包括：
获取地基辐射站数据，并获取所述FY-4A卫星数据；
根据所述FY-4A卫星数据以小时为单位进行时间匹配，生成第一时间匹配数据；
根据所述第一时间匹配数据，利用地面地基辐射站的地理位置采用临近匹配方法从所述FY-4A卫星数据中找出最临近的点位置，作为所述第一时空匹配数据。
3.如权利要求1所述的星地总辐射观测数据匹配及评估方法，其特征在于，所述获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据，具体包括：
获取地基辐射站数据，并获取所述Himawari-8卫星数据；
将与地基辐射站数据的观测范围同一小时内的所述Himawari-8卫星数据进行算术平均值处理，得到同一小时时间的一小时内均值，生成第二时间匹配数据；
对所述第二时间匹配数据利用地面站点的地理位置采用临近匹配法从卫星观测范围内的数据点得出最临近的点位，作为所述第二时空匹配数据。
4.如权利要求1所述的星地总辐射观测数据匹配及评估方法，其特征在于，所述获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据，具体包括：
获取地基辐射站数据，并获取所述云与地球辐射能量系统测量仪数据；
根据所述云与地球辐射能量系统测量仪数据以小时为单位进行时间匹配，生成第三时间匹配数据；
根据所述第三时间匹配数据，利用地面站点的地理位置采用临近匹配法，从所述云与地球辐射能量系统测量仪数据的观测范围中得出与地面站点的地理位置最临近的点位，作为所述第三时空匹配数据。
5.如权利要求1所述的星地总辐射观测数据匹配及评估方法，其特征在于，所述对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配，具体包括：
获取所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据；
进行天气类型划分，生成天气标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
进行区域划分，生成区域标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
进行地面观测站地理高度位置划分，生成高度标记，更新到所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
进行季节划分，生成季节标记，更新到第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据中；
将更新后的所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据依次存储为第一匹配、第二匹配、第三匹配。
6.如权利要求1所述的星地总辐射观测数据匹配及评估方法，其特征在于，所述对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数，具体包括：
对所述第一匹配、所述第二匹配、所述第三匹配进行分类的评估运算；
利用第一计算公式获得每个分类下的相对误差；
利用第二计算公式获得每个分类下的平均绝对误差；
利用第三计算公式获得每个分类下的均方根误差；
对所述第一匹配利用第四计算公式计算所述第一相关系数；
对所述第二匹配利用所述第四计算公式计算所述第二相关系数；
对所述第三匹配利用所述第四计算公式计算所述第三相关系数；
所述第一计算公式为：
Figure FDA0003629010520000031
其中，N为样本总数量，ER为所述相对误差，i为样本编号，Pi为第i个卫星数据样本，Si为第i个地面站数据样本；
所述第二计算公式为：
Figure FDA0003629010520000032
其中，EMA为所述平均绝对误差；
所述第三计算公式为：
Figure FDA0003629010520000041
其中，ERMS为所述均方根误差；
所述第四计算公式为：
Figure FDA0003629010520000042
其中，R为相关系数，相关系数在对第一、第二、第三匹配计算时，依次获得第一、第二、第三相关系数，
Figure FDA0003629010520000043
为N个卫星数据样本的平均值，
Figure FDA0003629010520000044
为N个地面站数据样本的平均值。
7.如权利要求1所述的星地总辐射观测数据匹配及评估方法，其特征在于，所述根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围，具体包括：
根据所述第一相关系数、所述第二相关系数和所述第三相关系数；
计算所述第一相关系数、所述第二相关系数和所述第三相关系数大于等于0.8的数量，作为界定值；
当所述界定值为3时，不标记存疑数据；
当所述界定值为2或1时，标记相关系数不大于0.8的卫星数据为存疑数据；
当所述界定值为0时，标记对应的所述地基辐射站数据为存疑数据。
8.星地总辐射观测数据匹配及评估系统，其特征在于，该系统包括：
第一匹配模块，用于获取地基辐射站数据，并获取FY-4A卫星数据进行时空匹配运算，生成所述第一时空匹配数据；
第二匹配模块，用于获取Himawari-8卫星数据进行时空匹配运算，生成第二时空匹配数据；
第三匹配模块，用于获取云与地球辐射能量系统测量仪数据进行时空匹配运算，生成第三时空匹配数据；
匹配样本划分模块，用于对所述第一时空匹配数据、所述第二时空匹配数据和所述第三时空匹配数据根据天气类型、区域、海拔高度和季节进行划分，存储为第一匹配、第二匹配、第三匹配；
评估运算模块，用于对所述第一匹配、所述第二匹配、所述第三匹配进行评估计算，生成第一相关系数、第二相关系数和第三相关系数；
交叉混合评估模块，用于根据所述第一相关系数、所述第二相关系数和所述第三相关系数，评估数据质量，并标记存疑数据范围。
9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7任一项所述的方法。
CN202210485416.1A 2022-05-06 2022-05-06 星地总辐射观测数据匹配及评估方法和系统、介质及设备 Active CN114966892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210485416.1A CN114966892B (zh) 2022-05-06 2022-05-06 星地总辐射观测数据匹配及评估方法和系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210485416.1A CN114966892B (zh) 2022-05-06 2022-05-06 星地总辐射观测数据匹配及评估方法和系统、介质及设备

Publications (2)

Publication Number Publication Date
CN114966892A true CN114966892A (zh) 2022-08-30
CN114966892B CN114966892B (zh) 2023-09-29

Family

ID=82982043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210485416.1A Active CN114966892B (zh) 2022-05-06 2022-05-06 星地总辐射观测数据匹配及评估方法和系统、介质及设备

Country Status (1)

Country Link
CN (1) CN114966892B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116843082A (zh) * 2023-07-21 2023-10-03 浙江大学山东(临沂)现代农业研究院 基于空天地一体化监测技术的金银花产量评估方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871637A (zh) * 2019-03-06 2019-06-11 成都信息工程大学 一种云天条件下近地面气温估算方法
CN114357885A (zh) * 2022-01-06 2022-04-15 河南大学 一种融合多源数据的光合有效辐射散射比例预测方法
CN114397636A (zh) * 2022-03-25 2022-04-26 中国气象局气象探测中心 一种地基雷达反射率因子均一性评估方法、系统及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871637A (zh) * 2019-03-06 2019-06-11 成都信息工程大学 一种云天条件下近地面气温估算方法
CN114357885A (zh) * 2022-01-06 2022-04-15 河南大学 一种融合多源数据的光合有效辐射散射比例预测方法
CN114397636A (zh) * 2022-03-25 2022-04-26 中国气象局气象探测中心 一种地基雷达反射率因子均一性评估方法、系统及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
扈培信: "FY-3B微波成像仪数据质量评价与参数反演", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2012 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116843082A (zh) * 2023-07-21 2023-10-03 浙江大学山东(临沂)现代农业研究院 基于空天地一体化监测技术的金银花产量评估方法及装置
CN116843082B (zh) * 2023-07-21 2024-04-16 浙江大学山东(临沂)现代农业研究院 基于空天地一体化监测技术的金银花产量评估方法及装置

Also Published As

Publication number Publication date
CN114966892B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
Boilley et al. Comparison between meteorological re-analyses from ERA-Interim and MERRA and measurements of daily solar irradiation at surface
Pfenninger et al. Long-term patterns of European PV output using 30 years of validated hourly reanalysis and satellite data
EP2856339B1 (en) Method and apparatus for forecasting solar radiation and solar power production using synthetic irradiance imaging
Donlon et al. The GODAE high-resolution sea surface temperature pilot project
JP5461748B1 (ja) 発電量予測装置、発電量予測方法、及びプログラム
Wilcox National solar radiation database 1991-2005 update: User's manual
KR20070038058A (ko) 비정형 격자를 통한 기상 예보 방법 및 시스템
McNicholl et al. Evaluating the reliability of air temperature from ERA5 reanalysis data
Gonzalez Aparicio et al. EMHIRES dataset Part II: Solar power generation
Korany et al. A database of multi-year (2004–2010) quality-assured surface solar hourly irradiation measurements for the Egyptian territory
KR102008017B1 (ko) 드론을 이용한 태양광발전소 건설부지의 일사량 계산 방법
Moudrý et al. Evaluation of a high resolution UAV imagery model for rooftop solar irradiation estimates
Bouchouicha et al. Mapping and geospatial analysis of solar resource in Algeria
CN114966892B (zh) 星地总辐射观测数据匹配及评估方法和系统、介质及设备
Soares et al. The added value of km-scale simulations to describe temperature over complex orography: the CORDEX FPS-Convection multi-model ensemble runs over the Alps
Tuna Tuygun et al. Calibrating MERRA-2 PM2. 5 concentrations with aerosol diagnostics: testing different machine learning approaches in the Eastern Mediterranean
Tyndall et al. Sensitivity of surface air temperature analyses to background and observation errors
Gualla Sun position and PV panels: a model to determine the best orientation
Ronzio et al. A survey on different radiative and cloud schemes for the solar radiation modeling
Munkhammar et al. Copula correlation modeling of aggregate solar irradiance in spatial networks
Er et al. A modal study on the estimation of daily global solar radiation from sunshine duration
Muñoz et al. Implementing multi century hourly stochastic precipitation using CMIP6-A trade-off approach
Gomes Analysis of Precipitable Water Vapour in Angola Using Gnss Observations
Lamichhane Part IV: Hydrology and Hydropower
Steinhart On running a numerical weather prediction model from an ensemble mean initial and boundary condition

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