CN117150894A - 一种卫星观测数据的校正方法、系统及装置 - Google Patents

一种卫星观测数据的校正方法、系统及装置 Download PDF

Info

Publication number
CN117150894A
CN117150894A CN202311080797.6A CN202311080797A CN117150894A CN 117150894 A CN117150894 A CN 117150894A CN 202311080797 A CN202311080797 A CN 202311080797A CN 117150894 A CN117150894 A CN 117150894A
Authority
CN
China
Prior art keywords
observation
data
satellite
microwave radiometer
time
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
CN202311080797.6A
Other languages
English (en)
Inventor
徐祥德
王奕
王乐
刘瑞霞
赵润泽
顾维灏
刘端阳
张胜军
蔡雯悦
孙海铎
张凯
侯军
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.)
Chinese Academy of Meteorological Sciences CAMS
Original Assignee
Chinese Academy of Meteorological Sciences CAMS
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 Chinese Academy of Meteorological Sciences CAMS filed Critical Chinese Academy of Meteorological Sciences CAMS
Priority to CN202311080797.6A priority Critical patent/CN117150894A/zh
Publication of CN117150894A publication Critical patent/CN117150894A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种卫星观测数据的校正方法、系统及装置。本发明通过获取探空观测受限的探测区域的微波辐射计移动观测数据，并基于对应的探空观测数据对该微波辐射计移动观测数据进行校正，然后基于探空观测数据和校正后的微波辐射计移动观测数据对卫星测数据进行校正，实现了对探空观测受限的探测区域的卫星观测数据进行校正，降低了卫星观测数据的误差，提高了卫星观测数据的准确性。基于卫星与探空、微波辐射计移动平台相结合的天‑空‑地一体化垂直探测新设计方案，实现探空观测受限区域的垂直探测组网观测，不仅改变原业务系统探空每日观测08点、20点仅二次有限观测状况，而且获取探空观测受限区域白天全程高时空分辨率垂直探测数据。

Description

一种卫星观测数据的校正方法、系统及装置
技术领域
本发明涉及卫星观测技术领域，特别是涉及一种卫星观测数据的校正方法、系统及装置。
背景技术
数值模式准确性很大程度上依赖于初始场对大气状态的准确描述，因此，通过观测数据来为大气模式提供准确的初始场是十分必要的，尤其是在对天气气候敏感的高原地区。青藏高原大气三维结构对西风带下游地区降水的影响已经被广泛研究所证实，在青藏高原触发的对流系统在西风带的影响下东移并且不断的发展，在下游地区可能产生强降水。对于这一不同强度的降水过程，可以通过加入高原地区的探空观测来提升数值模式对下游地区降水模拟或预报的准确性。
由于青藏高原原有的垂直观测时间和观测站点数量的限制，因此探空观测在整个高原地区在模式同化过程中起到的作用有限。有些研究中将卫星观测的大气廓线加入数值模式来提升降水预报的准确性。现行的风云系列(FY-4)空间分辨率能达到30km左右，时间分辨率可达1小时，可以很大程度上弥补探空站点在有限时空分布上的不均一性，尤其是在部分人迹罕至的高原地区，卫星数据是唯一的高分辨率大气状态观测数据。这些卫星数据已经广泛应用在数值模式的研究与业务中，但也有一些研究已表明卫星观测数据相对于探空站点观测仍有不同程度的误差，因为卫星对大气三维结构特征的观测并不是直接观测，而是通过对大气辐射观测间接的计算出大气三维结构，如何对探空站点以外大范围观测受限区域的卫星观测数据进行时间和空间上的补充观测与校正，以降低卫星观测数据探空站点以外探测受限区域的误差，提高高时空分辨率卫星观测数据的准确性，成为一个亟待解决的技术问题。
发明内容
本发明的目的是提供一种卫星观测数据的校正方法、系统及装置，以实现对探空观测受限的探测区域的高时空分辨率卫星观测数据进行校正，降低卫星观测数据的误差，提高卫星观测数据的准确性，基于卫星与探空、微波辐射计移动平台相结合的天-空-地一体化垂直探测新设计方案，实现探空观测受限区域的垂直探测组网观测，不仅改变原业务系统探空每日观测08点、20点仅二次有限观测状况，而且获取探空观测受限区域白天全程高时空分辨率垂直探测数据。
为实现上述目的，本发明提供了如下方案：
本发明提供一种卫星观测数据的校正方法，所述方法包括如下步骤：
基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型；所述大样本观测数据包括第一观测位置和第一观测时间的探空站前期检验阶段的观测数据和车载微波辐射计前期检验阶段观测数据，所述第一观测位置为探空站的观测位置，所述第一观测时间为探空站的观测时间；
基于所述第一误差校正模型，对微波辐射计移动实时校正观测数据进行校正，获取微波辐射计移动实时校正观测数据；所述微波辐射计移动观测数据为通过移动设备搭载微波辐射计获得的探空观测受限的探测区域的车载微波辐射计移动路径上的不同的第二观测位置及不同的第二观测时间的观测数据，微波辐射计在每个观测周期的起点和终点均为所述第一观测位置；所述第二观测位置基于微波辐射计观测的空间分辨率确定，所述第二观测时间基于车载微波辐射计观测的时间分辨率确定；
将探空观测数据和车载微波辐射计移动实时校正观测数据组成校正数据，将校正数据与卫星观测数据按照各垂直层次对应的位置和时间进行匹配，获得各垂直层次的多组匹配数据，所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间；
基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型；
基于第二误差校正模型对在各垂直层次微波辐射计移动路径上空卫星各垂直层次第三观测位置和不同的第三观测时间观测数据进行校正，获得校正后的卫星观测数据；所述第三观测位置基于卫星观测的空间分辨率确定，所述第三观测时间基于卫星观测的时间分辨率确定。
可选的，所述基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型，具体包括：
构建第一待训练模型；
基于第一观测位置和第一观测时间的探空观测大样本数据，
计算统一第一观测位置且同一第一观测时间的探空前期检验阶段的观测数据与微波辐射计前期检验阶段观测数据的偏差，作为第一观测数据偏差；
基于所述第一观测数据偏差对所述第一待训练模型进行训练或拟合，获得第一误差校正模型。
可选的，所述基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型，具体包括：
构建的第二待训练模型；
计算每组所述匹配数据中第二观测数据偏差；所述第二观测数据偏差为第一观测位置和第一观测时间的探空观测数据与卫星观测的各垂直层次第一观测位置和所述第一观测时间的卫星观测数据的偏差，或各垂直层次第二观测位置和第二观测时间的校正后的车载微波辐射计移动观测数据与卫星观测的各垂直层次第二观测位置和所述第二观测时间的卫星观测数据的偏差；
基于第二观测数据偏差对所述第二待训练模型进行拟合或迭代训练，获得第二误差校正模型。
一种卫星观测数据的校正系统，所述系统应用于上述的方法，所述系统包括：
第一误差校正模型构建模块，用于基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型；所述大样本观测数据包括第一观测位置和第一观测时间的探空站前期检验阶段的观测数据和车载微波辐射计前期检验阶段观测数据，所述第一观测位置为探空站的观测位置，所述第一观测时间为探空站的观测时间；
第一校正模块，用于基于所述第一误差校正模型，对微波辐射计移动实时校正观测数据进行校正，获取微波辐射计移动实时校正观测数据；所述微波辐射计移动观测数据为通过移动设备搭载微波辐射计获得的探空观测受限的探测区域的车载微波辐射计移动路径上的不同的第二观测位置及不同的第二观测时间的观测数据，微波辐射计在每个观测周期的起点和终点均为所述第一观测位置；所述第二观测位置基于微波辐射计观测的空间分辨率确定，所述第二观测时间基于车载微波辐射计观测的时间分辨率确定；
匹配模块，用于将探空观测数据和车载微波辐射计移动实时校正观测数据组成校正数据，将校正数据与卫星观测数据按照各垂直层次对应的位置和时间进行匹配，获得各垂直层次的多组匹配数据，所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间；
第二误差校正模型构建模块，用于基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型；
第二校正模块，用于基于第二误差校正模型对在各垂直层次微波辐射计移动路径上空卫星各垂直层次第三观测位置和不同的第三观测时间观测数据进行校正，获得校正后的卫星观测数据；所述第三观测位置基于卫星观测的空间分辨率确定，所述第三观测时间基于卫星观测的时间分辨率确定。
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的方法。
一种卫星观测数据的校正装置，所述装置包括移动设备，搭载在所述移动设备上的微波辐射计和数据处理中心；
所述数据处理中心与所述微波辐射计连接，所述数据处理中心还与目标探空站和卫星观测站连接；
所述移动设备用于带动所述微波辐射计获得探空观测受限的探测区域的不同第二观测位置和不同第二观测时间的微波辐射计移动观测数据；
所述目标探空站为距离所述探空观测受限的探测区域最近的探空站，所述目标探空站的第二观测位置即为第一观测位置，所述目标探空站的第二观测时间即为第一观测时间；所述目标探空站用于获取不同第一观测位置不同第一观测时间的探空观测数据；
所述数据处理中心用于采用上述的方法对卫星观测数据进行校正。
可选的，所述移动设备为无人机或无人车。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明实施例提供一种卫星观测数据的校正方法、系统及装置，所述方法包括如下步骤：基于第一观测位置和第一观测时间的探空观测数据对微波辐射计移动观测数据进行校正，获得校正后的微波辐射计移动观测数据；将探空观测数据和校正后的微波辐射计移动观测数据组成校正数据，将校正数据与卫星观测数据按照位置和时间进行匹配，获得多组匹配数据，所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间；基于多组所述匹配数据对卫星观测数据进行校正。本发明通过获取探空观测受限的探测区域的微波辐射计移动观测数据，并基于对应的探空观测数据对该微波辐射计移动观测数据进行校正，然后基于探空观测数据和校正后的微波辐射计移动观测数据对卫星观测数据进行校正，实现了对探空观测受限的探测区域的卫星观测数据进行校正，降低了卫星观测数据的误差，提高了卫星观测数据的准确性。本发明基于卫星与探空、微波辐射计移动平台相结合的天-空-地一体化垂直探测新设计方案，实现探空观测受限区域的垂直探测组网观测，不仅改变原业务系统探空每日观测08点、20点仅二次有限观测状况，而且获取探空观测受限区域白天全程高时空分辨率垂直探测数据。本发明实施例中的卫星与探空、微波辐射计移动平台相结合的天-空-地一体化垂直探测方案不仅可用于青藏高原无人区，而且可适用于探空观测受限区域(沙漠、荒漠等)垂直探测组网观测。本发明实施例中的卫星与探空、微波辐射计移动平台相结合的天-空-地一体化垂直探测方案不仅可用于青藏高原无人区，而且可适用于探空观测受限区域(沙漠、荒漠等)垂直探测组网观测。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中的一种卫星观测数据的校正方法的流程图；
图2为本发明实施例中的一种卫星观测数据的校正方法的原理图；
图3为本发明实施例中的卫星观测数据的校正装置的布置示意图；
图4为本发明实施例中的效果对比图。
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在没有做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。
本发明的目的是提供一种卫星观测数据的校正方法、系统及装置，以实现对探空观测受限的探测区域的高时空分辨率卫星观测数据进行校正，降低卫星观测数据的误差，提高卫星观测数据的准确性，基于卫星与探空、微波辐射计移动平台相结合的天-空-地一体化垂直探测新设计方案，实现探空观测受限区域的垂直探测组网观测，不仅改变原业务系统探空每日观测08点、20点仅二次有限观测状况，而且获取探空观测受限区域白天全程高时空分辨率垂直探测数据。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
随着数值模式的精细化发展，对观测数据有着更高的要求，而高精度、高分辨率的卫星数据对大气观测的补充是至关重要的。变分法可以结合卫星资料与探空资料、微波辐射计资料，为高原地区的动力热力研究提供高分辨率的较为准确的数据集，并提高对数值模式对降水预报的准确性。变分法需要较为准确的地基观测作为真值来进行，而探空站点观测与微波辐射计的移动观测可以满足变分法的需要。相较于探空，微波辐射计可以提供连续的大气垂直廓线的观测，结合同步卫星的连续观测，最终可以实现对高原无人区大气垂直结构的连续的、高分辨的、准确的观测。
上述理论可实现，但面临高原恶劣的生存、生产条件，不可能在无人区通过组织人员在现场采集常态化所需要的数据。
故此，通过无人驾驶搭载大气垂直探测系统，设计形成无人移动探空平台成为可能，解决了高原无人区大气垂直结构常态化白天全程探测，又通过探空站08h出发向高原对流区纵深方向近南-北或东-西动态大气垂直结构探测剖面，傍晚20h返回原探空站，往返时刻同步探空放球业务时间，便于无人移动探空平台中的微波辐射计与探空检验比对，以保证数据质控。提供了较原探空站业务仅08h、20h更为丰富的白天全程包括对流旺盛时段中午时段连续探测数据，而纵深的探测区恰为高原数值模式预报敏感区及其对流发展源区。可见该方法不仅解决高原无人区白天各时段全程监测问题，尤其解决了中午高原对流源区的对流活动旺盛期大气垂直结构強信号的获取难题。特别是对改善气象预报的准确性，具有的积极的社会效益和明显的经济效益。
实施例1
本发明实施例提供一种卫星观测数据的校正方法，所述方法包括如下步骤：
步骤101，基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型；所述大样本观测数据包括第一观测位置和第一观测时间的探空站前期检验阶段的观测数据和车载微波辐射计前期检验阶段观测数据，所述第一观测位置为探空站的观测位置，所述第一观测时间为探空站的观测时间。
本发明步骤101以08h和20h探空温度、湿度各层垂直观测数据(探空观测数据)为基准，构建无人驾驶车载大气垂直探测系统的动态观测数据(微波辐射计探测高度为地面-10km)与上述探空站数据相关模型，以获取经订正的无人驾驶车戟大气垂直探测动态观测数据，即校正后的微波辐射计移动观测数据。
步骤102，基于所述第一误差校正模型，对微波辐射计移动实时校正观测数据进行校正，获取微波辐射计移动实时校正观测数据；所述微波辐射计移动观测数据为通过移动设备搭载微波辐射计获得的探空观测受限的探测区域的车载微波辐射计移动路径上的不同的第二观测位置及不同的第二观测时间的观测数据，微波辐射计在每个观测周期的起点和终点均为所述第一观测位置；所述第二观测位置基于微波辐射计观测的空间分辨率确定，所述第二观测时间基于车载微波辐射计观测的时间分辨率确定。
步骤103，将探空观测数据和车载微波辐射计移动实时校正观测数据组成校正数据，将校正数据与卫星观测数据按照各垂直层次对应的位置和时间进行匹配，获得各垂直层次的多组匹配数据，所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间。
本发明步骤103基于卫星资料的原始时空分辨率，将FY4A、FY4B同步卫星数据重采样至0.1网格，1h分辨率的标准化数据(卫星观测数据)，并与探空资料、微波辐射计资料进行时空匹配。
步骤104，基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型；
步骤105，基于第二误差校正模型对在各垂直层次微波辐射计移动路径上空卫星各垂直层次第三观测位置和不同的第三观测时间观测数据进行校正，获得校正后的卫星观测数据；所述第三观测位置基于卫星观测的空间分辨率确定，所述第三观测时间基于卫星观测的时间分辨率确定。
本发明步骤104和105，在08h、20h以探空站为基准，对FY4-系列资料进行变分订正，即基于第一观测位置和第一观测时间的探空观测数据对卫星观测数据进行校正。变分法的基本原理是通过构建泛函函数，如公式(1)，通过泛函函数的欧拉方程(即公式(2))来迭代求解误差场，从而实现对卫星资料的订正。
其中J[U(x,y)]，代表构造的泛函函数，表示此泛函函数与经纬度x，y，气温廓线U以及/>有关。(1)式满足欧拉方程(2)式，Fu代表F对U的偏导数，Fux代表F函数对ux的偏导数，ux即为/>
对于卫星遥感产品的大气要素廓线，即卫星观测数据，设置为PFY(I,J)，对应的探空观测数据或者校正后的微波辐射计移动观测数据为Pobs(I,J)，Cr(I,J)为离散误差场，得到公式(3)。
将离散误差场推广到连续的卫星曲面，得到公式(4)所示的误差场函数Cr(x，y)，并用迭代法求解新误差场的损失函数J的最小值。
对于这个变分问题，函数J*可以构造为：
λ是约束系数，上述公式可以改写为以下差分格式：
相应的欧拉方程为：
通过迭代展开获得上述方程的数值解，并获得经变化校正的降水场：
P(x,y)＝PFY(x,y)+Cr(x,y) (8)
通过上述二维变分方法，结合探空站、移动观测的大气垂直探测动态观测数据，实现对卫星资料(FY4A、FY4B同步卫星等)温度、湿度各层垂直观测数据的高时空分辨率变分订正，其中08h、20h为卫星遥感-探空站、微波辐射计三类数据订正融合，除08h、20h外其它时间为卫星遥感-微波辐射计二类数据订正融合；荻取高原无人区大气要素各层垂直结构的时空分辨率高精度的变分分析数据。
本发明获取的高时空分辨率数据作为数值预报模式四维或三维同化滚动预报的初始场，现有的模式有WRF模式，目前版本4.3.0；中国的GRAPES预报模式目前版本为meso_V5.0；美国NCEP的GFS预报模式，于2017年7月，GFS模型已经升级到新版本(GFS-Para)；微波辐射计可以在近地层十公里内为模式提供高垂直分辨率观测，极大提升了模式的垂直模拟分辨率，使多种数值模式可以更准确的捕捉高原地区大气过程的热力、动力结构。
实施例2
本发明实施例1提供一种卫星观测数据的校正系统，所述系统应用于实施例1的方法，所述系统包括：
第一误差校正模型构建模块，用于基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型；所述大样本观测数据包括第一观测位置和第一观测时间的探空站前期检验阶段的观测数据和车载微波辐射计前期检验阶段观测数据，所述第一观测位置为探空站的观测位置，所述第一观测时间为探空站的观测时间；
第一校正模块，用于基于所述第一误差校正模型，对微波辐射计移动实时校正观测数据进行校正，获取微波辐射计移动实时校正观测数据；所述微波辐射计移动观测数据为通过移动设备搭载微波辐射计获得的探空观测受限的探测区域的车载微波辐射计移动路径上的不同的第二观测位置及不同的第二观测时间的观测数据，微波辐射计在每个观测周期的起点和终点均为所述第一观测位置；所述第二观测位置基于微波辐射计观测的空间分辨率确定，所述第二观测时间基于车载微波辐射计观测的时间分辨率确定；
匹配模块，用于将探空观测数据和车载微波辐射计移动实时校正观测数据组成校正数据，将校正数据与卫星观测数据按照各垂直层次对应的位置和时间进行匹配，获得各垂直层次的多组匹配数据，所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间；
第二误差校正模型构建模块，用于基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型；
第二校正模块，用于基于第二误差校正模型对在各垂直层次微波辐射计移动路径上空卫星各垂直层次第三观测位置和不同的第三观测时间观测数据进行校正，获得校正后的卫星观测数据；所述第三观测位置基于卫星观测的空间分辨率确定，所述第三观测时间基于卫星观测的时间分辨率确定。
实施例3
本发明实施例3提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1的方法。
实施例4
本发明实施例4提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例1的方法。
实施例5
本发明实施例5提供一种卫星观测数据的校正装置，所述装置包括移动设备，搭载在所述移动设备上的微波辐射计和数据处理中心；所述数据处理中心与所述微波辐射计连接，所述数据处理中心还与目标探空站和卫星观测站连接；所述移动设备用于带动所述微波辐射计获得探空观测受限的探测区域的不同第二观测位置和不同第二观测时间的微波辐射计移动观测数据；所述目标探空站为距离所述探空观测受限的探测区域最近的探空站，所述目标探空站的第二观测位置即为第一观测位置，所述目标探空站的第二观测时间即为第一观测时间；所述目标探空站用于获取不同第一观测位置不同第一观测时间的探空观测数据；所述数据处理中心用于采用实施例1的方法对卫星观测数据进行校正。
本发明实施例中的移动设备为无人机或无人车，示例性的，当为无人车时，微波辐射计搭载在无人上，在无人车上设置有一种柜体，该柜体可兼顾微波辐射计的固定安装和正常工作要求(辐射面不被遮挡)、车辆传感器(激光雷达、摄像头、定位天线等)安装固定和车辆感知模块的正常工作；柜体将微波辐射计固定安装在车辆上的同时也对其进行防护。
本发明实施例以无人车为行驶域，以移动大气垂直探测系统(示例性的为微波辐射计)为业务域，两者结合构成大气垂直结构动态气象监测系统。这种新的大气无人驾驶车载垂直探测平台及其优化动态探测布局，可有效解决高原无人区难以建设有人探空站的难题，解决无人区内大气垂直结构业务高空探测数据无法采集的现实问题。
为解决高原无人区(对流旺盛区)大气垂直结构白天全程探测。将气象监测设备与无人驾驶技术的优势相结合，构建无人与有人均可的大气垂直移动探测平台，其功能适应于高原无人区白天全程移动探测，可以按照探测指定路线、指定速度、指定时间进行探测，并且达到远程可操控，整个实地现场工作过程最大可能减少人员参与，真正实现无人化的大气垂直移动气象监测平台。
为了便于大气垂直结构动态监测，特别是微波辐射计与探空站垂直探测数据比对或建立订正模型，以及实施数据质量控制，均选择高原无人区周边已有探空站(目标探空站)作为移动探测平台基地。行车路线均由高原无人区周边已有探空站08h出发(如图3所示，该探空站每日第一次放球20h业务探测时段)，向高原无人区对流高频区“纵深方向”行进，动态移动的各微波辐射计垂直探测过程构成近南-北或东-西动态大气垂直结构探测剖面“数据墙”，到达高原无人区对流高频区的移动载具自中继站点返回时间均定为中午14h，此时恰对日变化对流旺盛时间，各移动探测平台可获取高原数值预报模式初始场关键同化信息之一(对流发展源区对流旺盛时段中午时段探测数据)，傍晚20h(该探空站每日第二次放球20h业务探测时段)返回原探空站，如图3所示。
图3以高空气象站为基地(如图3中的已建探空站或拟新建探空站)早上8h出发(图3中实心箭头方向)向无人区行驶，在午后14点抵达途中点位(自早上8点出发，行驶6个小时候，为14点，恰好覆盖每日气候交换的旺盛时段)，自动驾驶车辆进行掉头折返(如图3中空心箭头方向)。无人驾驶车辆设计时速为50km/h,上下午各行程6小时，整体线路单程距离为300km。
本发明结合了卫星资料与探空资料、移动观测资料的优点，为高原无人区提供了高时空分辨率，较为可靠的大气垂直结构数据集。订正后的卫星数据质量提升主要是因为变分法非常适用于卫星资料订正的问题，变分法基于泛函函数，以探空观测和微波辐射计的观测为基准，将构建的卫星资料误差曲面通过欧拉方程逐步迭代至真值曲面，从而使得卫星资料与探空资料和微波辐射计资料有很好的一致性。这一方法既保留了卫星资料时空分辨率高的特点，也有探空资料、微波辐射计资料准确性高的特点。微波辐射计也是连续的观测，因此在没有探空观测覆盖的时段微波辐射计的观测为变分法订正提供了重要的大气垂直结构基准，实现了对高原无人区的连续观测。
同时，选取了10％的探空以及移动观测样本进行交叉检验，如图4所示，图4中的(a)为0时卫星-探空探测结果对比图，图4中的(b)为20时卫星-探空探测结果对比图，结果表明在变分法订正后数据质量有明显提升。圆形所在区域为原始卫星资料，三角形所在区域为订正后卫星资料，黑色线为探空观测和车载微波辐射计观测，可以看到三角形所在区域相较于圆形所在区域更加收紧到黑色廓线，说明订正后的结果更加贴近探空观测和车载微波辐射计的观测。这个对比结果进一步表明通过变分法，结合探空观测和微波辐射计观测对卫星资料的订正是十分有效。
基于上述实施例本发明的技术方案的有益效果为：
本发明不仅解决高原无人区白天各时段全程监测问题，尤其解决了中午高原对流源区的对流活动旺盛期大气垂直结构強信号的获取难题。特别是对改善气象预报的准确性，具有的积极的社会效益和明显的经济效益。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种卫星观测数据的校正方法，其特征在于，所述方法包括如下步骤：
基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型；所述大样本观测数据包括第一观测位置和第一观测时间的探空站前期检验阶段的观测数据和车载微波辐射计前期检验阶段观测数据，所述第一观测位置为探空站的观测位置，所述第一观测时间为探空站的观测时间；
基于所述第一误差校正模型，对微波辐射计移动实时校正观测数据进行校正，获取微波辐射计移动实时校正观测数据；所述微波辐射计移动观测数据为通过移动设备搭载微波辐射计获得的探空观测受限的探测区域的车载微波辐射计移动路径上的不同的第二观测位置及不同的第二观测时间的观测数据，微波辐射计在每个观测周期的起点和终点均为所述第一观测位置；所述第二观测位置基于微波辐射计观测的空间分辨率确定，所述第二观测时间基于车载微波辐射计观测的时间分辨率确定；
将探空观测数据和车载微波辐射计移动实时校正观测数据组成校正数据，将校正数据与卫星观测数据按照各垂直层次对应的位置和时间进行匹配，获得各垂直层次的多组匹配数据；所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间；
基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型；
基于第二误差校正模型对在各垂直层次微波辐射计移动路径上空卫星各垂直层次第三观测位置和不同的第三观测时间观测数据进行校正，获得校正后的卫星观测数据；所述第三观测位置基于卫星观测的空间分辨率确定，所述第三观测时间基于卫星观测的时间分辨率确定。
2.根据权利要求1所述的卫星观测数据的校正方法，其特征在于，所述基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型，具体包括：
构建第一待训练模型；
基于第一观测位置和第一观测时间的探空观测大样本数据，
计算统一第一观测位置且同一第一观测时间的探空前期检验阶段的观测数据与微波辐射计前期检验阶段观测数据的偏差，作为第一观测数据偏差；
基于所述第一观测数据偏差对所述第一待训练模型进行训练或拟合，获得第一误差校正模型。
3.根据权利要求1所述的卫星观测数据的校正方法，其特征在于，所述基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型，具体包括：
构建的第二待训练模型；
计算每组所述匹配数据中第二观测数据偏差；所述第二观测数据偏差为第一观测位置和第一观测时间的探空观测数据与卫星观测的各垂直层次第一观测位置和所述第一观测时间的卫星观测数据的偏差，或各垂直层次第二观测位置和第二观测时间的校正后的车载微波辐射计移动观测数据与卫星观测的各垂直层次第二观测位置和所述第二观测时间的卫星观测数据的偏差；
基于第二观测数据偏差对所述第二待训练模型进行拟合或迭代训练，获得第二误差校正模型。
4.一种卫星观测数据的校正系统，其特征在于，所述系统应用于权利要求1-3任一项所述的方法，所述系统包括：
第一误差校正模型构建模块，用于基于第一观测位置和第一观测时间的前期检验阶段大样本观测数据构建用于对车载微波辐射计移动观测数据进行校正的第一误差校正模型；所述大样本观测数据包括第一观测位置和第一观测时间的探空站前期检验阶段的观测数据和车载微波辐射计前期检验阶段观测数据，所述第一观测位置为探空站的观测位置，所述第一观测时间为探空站的观测时间；
第一校正模块，用于基于所述第一误差校正模型，对微波辐射计移动实时校正观测数据进行校正，获取微波辐射计移动实时校正观测数据；所述微波辐射计移动观测数据为通过移动设备搭载微波辐射计获得的探空观测受限的探测区域的车载微波辐射计移动路径上的不同的第二观测位置及不同的第二观测时间的观测数据，微波辐射计在每个观测周期的起点和终点均为所述第一观测位置；所述第二观测位置基于微波辐射计观测的空间分辨率确定，所述第二观测时间基于车载微波辐射计观测的时间分辨率确定；
匹配模块，用于将探空观测数据和车载微波辐射计移动实时校正观测数据组成校正数据，将校正数据与卫星观测数据按照各垂直层次对应的位置和时间进行匹配，获得各垂直层次的多组匹配数据，所述位置包括第一观测位置和第二观测位置，所述时间包括第一观测时间和第二观测时间；
第二误差校正模型构建模块，用于基于各垂直层次的多组匹配数据构建用于对卫星观测数据进行校正的第二误差校正模型；
第二校正模块，用于基于第二误差校正模型对在各垂直层次微波辐射计移动路径上空卫星各垂直层次第三观测位置和不同的第三观测时间观测数据进行校正，获得校正后的卫星观测数据；所述第三观测位置基于卫星观测的空间分辨率确定，所述第三观测时间基于卫星观测的时间分辨率确定。
5.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至3任一项所述的方法。
7.一种卫星观测数据的校正装置，其特征在于，所述装置包括移动设备，搭载在所述移动设备上的微波辐射计和数据处理中心；
所述数据处理中心与所述微波辐射计连接，所述数据处理中心还与目标探空站和卫星观测站连接；
所述移动设备用于带动所述微波辐射计获得探空观测受限的探测区域的不同第二观测位置和不同第二观测时间的微波辐射计移动观测数据；
所述目标探空站为距离所述探空观测受限的探测区域最近的探空站，所述目标探空站的第二观测位置即为第一观测位置，所述目标探空站的第二观测时间即为第一观测时间；所述目标探空站用于获取不同第一观测位置不同第一观测时间的探空观测数据；
所述数据处理中心用于采用权利要求1-3任一项所述的方法对卫星观测数据进行校正。
8.根据权利要求7所述的卫星观测数据的校正装置，其特征在于，所述移动设备为无人机或无人车。
CN202311080797.6A 2023-08-25 2023-08-25 一种卫星观测数据的校正方法、系统及装置 Pending CN117150894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311080797.6A CN117150894A (zh) 2023-08-25 2023-08-25 一种卫星观测数据的校正方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311080797.6A CN117150894A (zh) 2023-08-25 2023-08-25 一种卫星观测数据的校正方法、系统及装置

Publications (1)

Publication Number Publication Date
CN117150894A true CN117150894A (zh) 2023-12-01

Family

ID=88901923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311080797.6A Pending CN117150894A (zh) 2023-08-25 2023-08-25 一种卫星观测数据的校正方法、系统及装置

Country Status (1)

Country Link
CN (1) CN117150894A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213964A (zh) * 2018-07-13 2019-01-15 中南大学 一种融合多源特征地理参数的卫星aod产品校正方法
CN110716185A (zh) * 2019-10-22 2020-01-21 国家卫星气象中心 一种用于星载微波辐射计的在轨辐射校正方法
CN111078678A (zh) * 2019-12-18 2020-04-28 中国气象局乌鲁木齐沙漠气象研究所 一种基于多源信息融合与降尺度的卫星降水数据校正方法
CN115329273A (zh) * 2022-08-02 2022-11-11 中国气象局武汉暴雨研究所 一种降水时微波辐射计反演大气廓线的校正方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213964A (zh) * 2018-07-13 2019-01-15 中南大学 一种融合多源特征地理参数的卫星aod产品校正方法
CN110716185A (zh) * 2019-10-22 2020-01-21 国家卫星气象中心 一种用于星载微波辐射计的在轨辐射校正方法
CN111078678A (zh) * 2019-12-18 2020-04-28 中国气象局乌鲁木齐沙漠气象研究所 一种基于多源信息融合与降尺度的卫星降水数据校正方法
CN115329273A (zh) * 2022-08-02 2022-11-11 中国气象局武汉暴雨研究所 一种降水时微波辐射计反演大气廓线的校正方法及装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CUCURULL, L., R. A. ANTHES, AND L. TSAO: "2014: Radio Occultation Observations as Anchor Observations in Numerical Weather Prediction Models and Associated Reduction of Bias Corrections in Microwave and Infrared Satellite Observations.", 《J. ATMOS. OCEANIC TECHNOL》, vol. 31, 31 January 2014 (2014-01-31), pages 20 *
JUN QIN, KUN YANG，TOSHIO KOIKE, HUI LU，YAOMING MA，XIANGDE XU: "Evaluation of AIRS Precipitable Water Vapor against Ground-based GPS Measurements over the Tibetan Plateau and Its Surroundings", 《JOURNAL OF THE METEOROLOGICAL SOCIETY OF JAPAN》, vol. 90, 31 December 2012 (2012-12-31), pages 87 *
SUN CHAN，XU XIANG-DE.ET.AL.: "The Warming and Wetting Ecological Environment Changes over the Qinghai- Tibetan Plateau and the Driving Effect of the Asian Summer Monsoon", 《JOURNAL OF TROPICAL METEOROLOGY》, vol. 28, no. 1, 31 March 2022 (2022-03-31), pages 95 - 108 *
孙浩;范士杰;刘焱雄;彭秀英;史航: "HY-2A校正微波辐射计水汽数据的精度检验和校正", 《地理空间信息》, vol. 20, no. 1, 31 January 2022 (2022-01-31), pages 19 - 23 *
翁永辉, 徐祥德: "TOVS 资料的变分处理方法在青藏高原地区的数值试验", 《大气科学》, vol. 23, no. 6, 30 November 1999 (1999-11-30), pages 703 - 712 *
翁永辉, 徐祥德: "TOVS资料的变分处理方法在青藏高原地区的数值试验", 《大气科学》, vol. 23, no. 6, 30 November 1999 (1999-11-30), pages 703 - 712 *
高晓荣: "多种遥感平台（雷达、卫星）资料和雨量计资料综合定量降水估计技术", 《中国优秀硕士学位论文全文数据库 基础学科辑》, 31 March 2012 (2012-03-31), pages 009 - 8 *

Similar Documents

Publication Publication Date Title
Panciera et al. The NAFE'05/CoSMOS data set: Toward SMOS soil moisture retrieval, downscaling, and assimilation
Champollion et al. GPS water vapour tomography: preliminary results from the ESCOMPTE field experiment
Bell et al. Confronting the boundary layer data gap: Evaluating new and existing methodologies of probing the lower atmosphere
US20220244426A1 (en) Precipitation measurement method and device
CN109709558B (zh) 一种星载微波遥感陆地上空pwv的物理反演方法
CN103217177B (zh) 一种电波折射修正方法、装置及系统
CN105678085A (zh) 一种pm2.5浓度的估算方法及系统
Liang et al. Meteorological applications of precipitable water vapor measurements retrieved by the national GNSS network of China
CN109871637B (zh) 一种云天条件下近地面气温估算方法
Mladenova et al. Validation of the ASAR global monitoring mode soil moisture product using the NAFE'05 data set
CN108874734B (zh) 一种全球陆地降水反演方法
CN111881581A (zh) 一种建立三维水汽格网模型的方法和系统
CN116519913B (zh) 基于星载和地基平台融合的gnss-r数据土壤水分监测方法
Zhao et al. An improved troposphere tomographic approach considering the signals coming from the side face of the tomographic area
Liu et al. NOAA soil moisture operational product system (SMOPS) and its validations
CN113408111A (zh) 大气可降水量反演方法及系统、电子设备和存储介质
Carreno-Luengo et al. Mapping freezing and thawing surface state periods with the cygnss based f/t seasonal threshold algorithm
CN116626782A (zh) 一种基于风云极轨气象卫星南海夏季风双指标监测方法
CN117150894A (zh) 一种卫星观测数据的校正方法、系统及装置
CN116258065A (zh) 一种云天高时空分辨率近地面气温估算方法
CN115755095A (zh) 一种中尺度大气动力参数星地同步反演方法
Miao et al. Wet tropospheric correction methods for wide-swath altimeters
Bock et al. GPS water vapor project associated to the ESCOMPTE programme: description and first results of the field experiment
CN113776585A (zh) 基于像元矩阵的地理要素多尺度四维立体观测方法及系统
Dong et al. Studying soil moisture and temperature on the Tibetan Plateau: initial results of an integrated, multiscale observatory

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