CN117648654A - 一种海表温度反演数据的实时质量控制标识方法 - Google Patents
一种海表温度反演数据的实时质量控制标识方法 Download PDFInfo
- Publication number
- CN117648654A CN117648654A CN202311648014.XA CN202311648014A CN117648654A CN 117648654 A CN117648654 A CN 117648654A CN 202311648014 A CN202311648014 A CN 202311648014A CN 117648654 A CN117648654 A CN 117648654A
- Authority
- CN
- China
- Prior art keywords
- data
- day
- controlled
- space
- standard deviation
- 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
Links
- 238000003908 quality control method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 230000009897 systematic effect Effects 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000012217 deletion Methods 0.000 description 4
- 230000037430 deletion Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Testing Or Calibration Of Command Recording Devices (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种海表温度反演数据的实时质量控制标识方法，涉及数据质量控制标识领域。包括：采集待质量控制标识的海表温度数据，剔除待质控数据中两项超出最值范围的数据后进行标识；基于气候态数据对待质控数据进行标识；基于逐日变化数据对待质控数据进行标识；基于昼夜温差数据对待质控数据进行标识；基于空间一致性数据对待质控数据进行标识；对标识后的对待质控数据进行分级标识；采集与待质控数据相同时间范围、空间范围和空间分辨率的实测或再分析数据，对质量控制标识后的海表温度数据进行真实性检验；保存质量控制标识后的海表温度数据。本发明有助于改善错检和漏检的情况，提高海表温度数据的质量和空间覆盖率。
Description
技术领域
本发明涉及卫星遥感数据质量控制标识技术领域，尤其涉及一种海表温度反演数据的实时质量控制标识方法。
背景技术
目前海表温度数据质量控制方法多采用气候态阈值法、气候态标准差倍数法和空间一致性阈值法。气候态阈值法是将|yo-yb|≥X的观测数据剔除，式中分别为观测海表温度与气候态海表温度；X为温度阈值，通常设为2.5-3.5℃。气候态标准差倍数法将|yo-yb|≥kσ的观测数据剔除，式中k为倍数，通常设为3；σ为气候态海表温度标准差。空间一致性阈值法是选择3×3或5×5的空间窗口，计算窗口内数据的标准差，将超出阈值范围的数据(大于0.7℃或1.2℃)剔除。
图1所示为气候态标准差的空间分布。在低纬开阔海域气候态标准差较小(≤0.2℃)，而高梯度变化海域呈现出较大的气候态标准差(≥2.5℃)。发生极端气候时(如厄尔尼诺或拉尼娜现象)，在气候态标准差较小的低纬海域，观测数据会与气候态数据存在显著差异，甚至超出三倍标准差，若仅依赖气候态标准差倍数法进行质量控制，会误删良好数据；在气候态标准差较大的海域，通过标准差倍数法剔除其中的异常数也会遇到困难。气候态阈值法与标准差倍数法相反，容易遗漏低纬海域标准差小、质量差的数据，而误删标准差大、变化率高、质量良好的数据。
图2为空间一致性标准差分布图。在热带不稳定波(TIWs)、黑潮延伸体等中尺度现象存在较大海洋锋面的海域，由于其标准差可达1.5℃，空间一致性阈值法会导致误删标准差较大的良好数据，而这些数据对研究海洋中尺度能量与热量收支平衡有重要作用。小的阈值有利于提高质量控制精度但对锋面数据有负面影响，大的阈值则相反，因此在质量控制标识时需要平衡海洋实际存在的特殊现象与遥感数据异常引起的虚假信息情况。
图3为直接使用空间一致性阈值法对海表温度反演数据进行质量控制的结果，阈值设为1.2℃。仅依赖该方法难以有效剔除空间分布一致的异常值，如(25°—35°N，120°—130°E)、(30°—40°N，140°—155°E)和(45°—60°N，150°—160°E)等海域。由于在计算过程中，一个异常值会对周围8或24个观测点的结果产生负面影响，当空间窗口内异常值数量较多时，标准差会变大，可能误删质量良好的数据，大幅降低覆盖率。因此，空间一致性阈值法应在数据质量有一定保证的情况下使用。该方法如取更小的阈值，进行更严格的质量控制，虽能识别由仪器信噪比因素或云的边缘效应造成的明显异于周围海域的异常值，但也会将一些表征海洋中尺度现象的数据剔除。
因此，如何提供一种海表温度反演数据的实时质量控制标识方法，实现明显改善错检和漏检的情况，提高海表温度数据的质量和空间覆盖率，是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种海表温度反演数据的实时质量控制标识方法，可以达到在叶片损伤较小的情况时即可发现异常的效果。
为了实现上述目的，本发明采用如下技术方案：
一种海表温度反演数据的实时质量控制标识方法，包括以下步骤：
S1、采集待质量控制标识的海表温度数据，选定时间范围、空间范围、空间分辨率大小；
S2、读取与待质控数据相同时间范围、空间范围和空间分辨率的最值数据，剔除待质控数据中两项超出最值范围的数据后进行标识处理；
S3、读取与待质控数据相同时间范围、空间范围和空间分辨率的气候态数据，包括平均温度和标准差；基于气候态数据对待质控数据进行标识处理；
S4、读取与待质控数据相同时间范围、空间范围和空间分辨率的逐日变化数据，包括逐日变化温差和标准差；基于逐日变化数据对待质控数据进行标识处理；
S5、读取与待质控数据相同时间范围、空间范围和空间分辨率的昼夜温差数据，包括昼夜温差和标准差；基于昼夜温差数据对待质控数据进行标识处理；
S6、读取与待质控数据相同时间范围、空间范围和空间分辨率的空间一致性数据，包括空间一致性的标准差；基于空间一致性数据对待质控数据进行标识处理；
S7、对S2-S6中标识处理后对待质控数据进行分级标识；
S8、采集与待质控数据相同时间范围、空间范围和空间分辨率的实测或再分析数据，对质量控制标识后的海表温度数据进行真实性检验；
S9、保存质量控制标识后的海表温度数据。
上述的方法，可选的，S2中的最值数据包括气候态最值、逐日变化最值、昼夜温差最值和空间一致性最值；S2中最值数据标识处理，依据历史同期的红外、微波、再分析和实测数据，选取预设天数的时间窗口，逐日逐点制定气候态、逐日变化、昼夜变化和空间一致性的极值范围。
上述的方法，可选的，S3～S6中对待质控数据进行标识处理时，基于容斥原理，包括归一化、动态阈值和分级处理的策略。
上述的方法，可选的，基于容斥原理、归一化和动态阈值对待质控数据进行标识处理的具体内容为：
以气候态绝对偏差、逐日变化绝对偏差、昼夜变化绝对偏差或空间一致性标准差为横坐标，单位为℃，气候态标准差倍数、逐日变化标准差倍数、昼夜变化标准差倍数或空间一致性标准差倍数为纵坐标，单位为1，建立平面直角坐标系；对待质控数据的绝对偏差和标准差倍数按升序排列并进行归一化处理，将绝对偏差和标准差倍数位于50％的值设定为横纵坐标的单位1；采用第一弧线和第二弧线作为阈值对待质控数据进行分类，第一弧线内的为质量较好的数据，介于第一弧线和第二弧线之间的为质量一般的数据，第二弧线外的为待剔除数据；第一弧线和第二弧线的位置即阈值的大小根据历史数据统计分析后逐日动态调整。
上述的方法，可选的，S3～S5中，分别逐日逐点计算研究区域内相邻两天的温差以及昼夜温差的均值和标准差倍数，计算方法分别为，
SSTO-SSTB-Δ，
其中，SSTO为待质控的海表温度；SSTB为气候态、24小时或12小时前海表温度，分别用于计算逐日变化或昼夜变化的平均偏差；Δ为基于历史数据计算的逐日变化或昼夜变化的均值，用于消除系统偏差；STDB为基于历史数据计算的气候态、逐日变化或昼夜变化海表温度标准差。
上述的方法，可选的，S6中，基于历史数据，逐日逐点计算研究区域内观测值与窗口内数据之差的标准差，先通过极值标识剔除明显错误的异常值，再利用气候态、逐日变化和昼夜变化的标识对观测数据进行分类，最终按数据质量的等级进行迭代计算并标识空间一致性的标准差和标准差倍数。
上述的方法，可选的，S7中对待质控数据进行分级标识，先将气候态、逐日变化、昼夜变化和空间一致性中至少两种类型都超出极值范围的数据剔除；再将气候态标识、逐日变化标识和空间一致性标识中“好”、“一般”和“可剔除”的数据分别赋值并加权求和；分级标识中0-6分别定义为空值、极值剔除、可剔除、较差、中等、良好和最优数据。
经由上述的技术方案可知，与现有技术相比，本发明提供了一种海表温度反演数据的实时质量控制标识方法，具有以下有益效果：本发明提出了一种基于容斥原理、归一化、动态阈值和分级标识的质量控制方法，增加极值标识、逐日变化标识、昼夜变化标识和分级标识等步骤应用到海表温度反演数据的质量控制标识当中，通过多维度的判断依据对原始数据添加了独特的质量控制标识，克服了传统质量控制方法存在的不足，可明显改善海表温度输入数据的质量，且模型简单易用，适合在海表温度业务化应用中推广使用。
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，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为气候态标准差空间分布图；
图2为空间一致性标准差空间分布图；
图3为空间一致性阈值法质量控制后海表温度的空间分布图；
图4为本发明公开的一种海表温度反演数据的实时质量控制标识方法流程图；
图5为基于容斥原理、归一化并设置动态阈值的质量控制标识图；
图6为质量控制后海表温度和质量标识的空间分布图，其中，6a为质量控制后海表温度空间分布图，6b为质量控制后海表质量标识空间分布图；
图7为气候态和逐日变化的标准差倍数空间分布图，其中，7a为气候态的标准差倍数空间分布图，7b为逐日变化的标准差倍数空间分布图；
图8为空间一致性的标准差和标准差倍数空间分布图，其中，8a为空间一致性的标准差空间分布图，8b为空间一致性的标准差倍数空间分布图。
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、完整的描述，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。
在本申请中，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，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“包括一个……”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。
海表温度反演数据质量控制标识的任务除了要剔除明显的错误值，还要准确识别那些落在合理范围内的异常值，以避免或减少做出错误的判断；同时保留那些表面上看起来异常，而实际真实存在的观测值，以免遗漏重要的海洋现象和信息。目前的质控方案依然存在阈值设置过窄导致错检或设置过宽导致漏检的情况，在大梯度或近岸海域这些情况尤其明显。本发明对之前常规的质量控制方案进行了改进，基于海表温度数据时空分布的连续性和一致性，运用容斥原理、归一化、动态阈值和分级处理的策略优化了常规方法，并补充了极值标识、逐日变化标识、昼夜变化标识等质量控制方法，最终通过综合研判和分级标识的方式对数据进行标定。可以明显改善错检和漏检的情况出现，以提高海表温度数据的质量和空间覆盖率。具体技术方案如下：
参照图4所示，本发明公开了一种海表温度反演数据的实时质量控制标识方法，包括以下步骤：
S1、采集待质量控制标识的海表温度数据，选定时间范围、空间范围、空间分辨率大小；
S2、读取与待质控数据相同时间范围、空间范围和空间分辨率的最值数据，剔除待质控数据中两项超出最值范围的数据后进行标识处理；
S3、读取与待质控数据相同时间范围、空间范围和空间分辨率的气候态数据，包括平均温度和标准差；基于气候态数据对待质控数据进行标识处理；
S4、读取与待质控数据相同时间范围、空间范围和空间分辨率的逐日变化数据，包括逐日变化温差和标准差；基于逐日变化数据对待质控数据进行标识处理；
S5、读取与待质控数据相同时间范围、空间范围和空间分辨率的昼夜温差数据，包括昼夜温差和标准差；基于昼夜温差数据对待质控数据进行标识处理；
S6、读取与待质控数据相同时间范围、空间范围和空间分辨率的空间一致性数据，包括空间一致性的标准差；基于空间一致性数据对待质控数据进行标识处理；
S7、对S2-S6中标识处理后对待质控数据进行分级标识；
S8、采集与待质控数据相同时间范围、空间范围和空间分辨率的实测或再分析数据，对质量控制标识后的海表温度数据进行真实性检验；
S9、保存质量控制标识后的海表温度数据。
进一步的，S2中的最值数据包括气候态最值、逐日变化最值、昼夜温差最值和空间一致性最值；S2中最值数据标识处理，依据历史同期的红外、微波、再分析和实测数据，选取更大预设天数的时间窗口，逐日逐点制定气候态、逐日变化、昼夜变化和空间一致性的极值范围，可用于标识受云雨、太阳耀斑等天气影响明显异常的数据。选取多源卫星遥感数据是为了避免单一数据源可能存在的系统偏差并提升观测频次。选择更大的时间窗口则会扩大极值范围，避免极端气候条件下造成误删的情况。
进一步的，S3、S4、S5、S6对待质控数据进行标识处理，运用容斥原理、归一化、动态阈值和分级处理的策略。
进一步的，参见图5，运用容斥原理对待质控数据进行标识处理的具体内容为：以气候态绝对偏差、逐日变化绝对偏差、昼夜变化绝对偏差或空间一致性标准差为横坐标，单位为℃，气候态标准差倍数、逐日变化标准差倍数、昼夜变化标准差倍数或空间一致性标准差倍数为纵坐标，单位为1，建立平面直角坐标系；对待测控数据的绝对偏差和标准差倍数按升序排列并进行归一化处理，将绝对偏差和标准差倍数位于50％的值设定为横纵坐标的单位1；采用第一弧线和第二弧线作为阈值对待测控数据进行分类，第一弧线内的为质量较好的数据，介于第一弧线和第二弧线之间的为质量一般的数据，第二弧线外的为待剔除数据；第一弧线和第二弧线的位置即阈值的大小会根据历史数据统计分析后逐日动态调整。
进一步的，海表温度主要受太阳辐射的昼夜和年周期变化影响，其变化存在明显的区域和季节特性。一年中同一天同一区域的海表温度相对稳定且变化幅度不大，相邻两天和昼夜之间的海表温度也呈现均匀、平缓的变化趋势。S4、S5中，分别逐日逐点计算研究区域内相邻两天的温差以及昼夜温差的均值和标准差倍数，计算方法分别为，
STDO-SSTB-Δ，
其中，SSTO为待质控的海表温度；SSTB为气候态、24小时或12小时前海表温度，分别为用于计算逐日变化或昼夜变化的平均偏差；Δ为基于历史数据计算的逐日变化或昼夜变化的均值，用于消除系统偏差；STDB为基于历史数据计算的气候态、逐日变化或昼夜变化海表温度标准差，增加逐日变化和昼夜变化的标识能够在时间尺度上更有效地评估数据精度。
进一步的，S6中，基于历史数据，逐日逐点计算研究区域内观测值与窗口内数据之差的标准差，先通过极值标识剔除明显错误的异常值，再利用气候态、逐日变化和昼夜变化的标识对观测数据进行分类，最终按数据质量的等级进行迭代计算并标识空间一致性的标准差和标准差倍数。
进一步的，在完成极值、气候态、逐日变化、昼夜变化和空间一致性的标识后，从时空尺度进行综合的质量标识。S7中对待质控数据进行分级标识，先将气候态、逐日变化、昼夜变化和空间一致性中至少两种类型都超出极值范围的数据剔除；再将气候态标识、逐日变化标识和空间一致性标识中“好”、“一般”和“可剔除”的数据分别赋值并加权求和；分级标识中0-6分别定义为空值、极值剔除、可剔除、较差、中等、良好和最优数据。标识1和2中可能包含极端天气和气候信息，还可能蕴含定位或定标异常等信息，对分析误差原因以及改进产品质量有益；标识3和4可依据应用需求谨慎使用；标识5和6质量比较可靠，可直接使用。图6为质量控制后海表温度和质量标识的空间分布结果，6a为质量控制后海表温度空间分布图，6b质量控制后海表质量标识空间分布图。
观察气候态和逐日变化标准差倍数的空间分布(图7)可以看出，7a为气候态的标准差倍数空间分布图，7b为逐日变化的标准差倍数空间分布图；增加极值标识可将受云雨、台风、太阳耀斑等环境因素影响海域明显异常的数据剔除(图中空白区域)。在鄂霍次克海、日本海、北海湾等海域，两者有明显差异。因此在时间尺度上增加逐日变化和昼夜变化的质量控制标识是非常必要的。相比单一标识增加了辨别依据，既可避免误删，也能发现隐藏的异常值。
图8是空间一致性标准差和标准差倍数的空间分布，8a为空间一致性的标准差空间分布图，8b为标准差倍数空间分布图；结合标准差倍数标识后，可以避免误删高梯度变化海域的数据，并突出显示了台风周边海域在之前的质量标识步骤中无法发现的异常值，这是云雨边缘覆盖所引起的，而未检测的云层恰恰是海表温度的主要误差来源。通过结合容斥原理、归一化、动态阈值和分级处理的思路，可以更好地发挥空间一致性标识在质量控制中的作用。
由于改进方法标识过程中考虑了逐日变化和昼夜变化的影响，可防止误删与气候态数据偏差较大的正常数据。空间一致性标识囊括了标准差倍数的标识，从而更好地保留了高梯度变化海域的有效数据。改进方法多剔除的数据主要位于刈幅边缘和云水边缘的海域。相较于常规方法仅对气候态偏差和标准差倍数做固定阈值的判断，改进方法显著降低了异常值对最终结果的负面影响，具有更好地稳定性且能够保留更多具有“海洋现象”特性的数据。
为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种海表温度反演数据的实时质量控制标识方法，其特征在于，包括以下步骤：
S1、采集待质量控制标识的海表温度数据，选定时间范围、空间范围、空间分辨率大小；
S2、读取与待质控数据相同时间范围、空间范围和空间分辨率的最值数据，剔除待质控数据中两项超出最值范围的数据后进行标识处理；
S3、读取与待质控数据相同时间范围、空间范围和空间分辨率的气候态数据，包括平均温度和标准差；基于气候态数据对待质控数据进行标识处理；
S4、读取与待质控数据相同时间范围、空间范围和空间分辨率的逐日变化数据，包括逐日变化温差和标准差；基于逐日变化数据对待质控数据进行标识处理；
S5、读取与待质控数据相同时间范围、空间范围和空间分辨率的昼夜温差数据，包括昼夜温差和标准差；基于昼夜温差数据对待质控数据进行标识处理；
S6、读取与待质控数据相同时间范围、空间范围和空间分辨率的空间一致性数据，包括空间一致性的标准差；基于空间一致性数据对待质控数据进行标识处理；
S7、对S2-S6中标识处理后对待质控数据进行分级标识；
S8、采集与待质控数据相同时间范围、空间范围和空间分辨率的实测或再分析数据，对质量控制标识后的海表温度数据进行真实性检验；
S9、保存质量控制标识后的海表温度数据。
2.根据权利要求1所述的一种海表温度反演数据的实时质量控制标识方法，其特征在于，
S2中的最值数据包括气候态最值、逐日变化最值、昼夜温差最值和空间一致性最值；S2中最值数据标识处理，依据历史同期的红外、微波、再分析和实测数据，选取预设天数的时间窗口，逐日逐点制定气候态、逐日变化、昼夜变化和空间一致性的极值范围。
3.根据权利要求1所述的一种海表温度反演数据的实时质量控制标识方法，其特征在于，
S3～S6中对待质控数据进行标识处理时，基于容斥原理，包括归一化、动态阈值和分级处理的策略。
4.根据权利要求3所述的一种海表温度反演数据的实时质量控制标识方法，其特征在于，
基于容斥原理、归一化和动态阈值对待质控数据进行标识处理的具体内容为：
以气候态绝对偏差、逐日变化绝对偏差、昼夜变化绝对偏差或空间一致性标准差为横坐标，单位为℃，气候态标准差倍数、逐日变化标准差倍数、昼夜变化标准差倍数或空间一致性标准差倍数为纵坐标，单位为1，建立平面直角坐标系；对待质控数据的绝对偏差和标准差倍数按升序排列并进行归一化处理，将绝对偏差和标准差倍数位于50％的值设定为横纵坐标的单位1；采用第一弧线和第二弧线作为阈值对待质控数据进行分类，第一弧线内的为质量较好的数据，介于第一弧线和第二弧线之间的为质量一般的数据，第二弧线外的为待剔除数据；第一弧线和第二弧线的位置即阈值的大小根据历史数据统计分析后逐日动态调整。
5.根据权利要求1所述的一种海表温度反演数据的实时质量控制标识方法，其特征在于，
S3～S5中，分别逐日逐点计算研究区域内相邻两天的温差以及昼夜温差的均值和标准差倍数，计算方法分别为，
SSTO-SSTB-Δ，
其中，SSTO为待质控的海表温度；SSTB为气候态、24小时或12小时前海表温度，分别用于计算逐日变化或昼夜变化的平均偏差；Δ为基于历史数据计算的逐日变化或昼夜变化的均值，用于消除系统偏差；STDB为基于历史数据计算的气候态、逐日变化或昼夜变化海表温度标准差。
6.根据权利要求1所述的一种海表温度反演数据的实时质量控制标识方法，其特征在于，
S6中，基于历史数据，逐日逐点计算研究区域内观测值与窗口内数据之差的标准差，先通过极值标识剔除明显错误的异常值，再利用气候态、逐日变化和昼夜变化的标识对观测数据进行分类，最终按数据质量的等级进行迭代计算并标识空间一致性的标准差和标准差倍数。
7.根据权利要求1所述的一种海表温度反演数据的实时质量控制标识方法，其特征在于，
S7中对待质控数据进行分级标识，先将气候态、逐日变化、昼夜变化和空间一致性中至少两种类型都超出极值范围的数据剔除；再将气候态标识、逐日变化标识和空间一致性标识中“好”、“一般”和“可剔除”的数据分别赋值并加权求和；分级标识中0-6分别定义为空值、极值剔除、可剔除、较差、中等、良好和最优数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311648014.XA CN117648654B (zh) | 2023-12-04 | 2023-12-04 | 一种海表温度反演数据的实时质量控制标识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311648014.XA CN117648654B (zh) | 2023-12-04 | 2023-12-04 | 一种海表温度反演数据的实时质量控制标识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117648654A true CN117648654A (zh) | 2024-03-05 |
| CN117648654B CN117648654B (zh) | 2024-04-30 |
Family
ID=90047346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311648014.XA Active CN117648654B (zh) | 2023-12-04 | 2023-12-04 | 一种海表温度反演数据的实时质量控制标识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117648654B (zh) |
Citations (2)
| 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 |
| CN114490622A (zh) * | 2022-03-10 | 2022-05-13 | 中国科学院大气物理研究所 | 基于气候态范围阈值的自动化海洋温盐观测数据质量控制方法和系统 |
-
2023
- 2023-12-04 CN CN202311648014.XA patent/CN117648654B/zh active Active
Patent Citations (2)
| 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 |
| CN114490622A (zh) * | 2022-03-10 | 2022-05-13 | 中国科学院大气物理研究所 | 基于气候态范围阈值的自动化海洋温盐观测数据质量控制方法和系统 |
Non-Patent Citations (5)
| Title |
|---|
| ZHENHAO LIU等: "Inversion of sea surface temperature in South China Sea based on machine learning method", 《SECOND INTERNATIONAL CONFERENCE ON GEOGRAPHIC INFORMATION AND REMOTE SENSING TECHNOLOGY (GIRST 2023)》, vol. 12797, 30 August 2023 (2023-08-30), pages 1 - 127970 * |
| 刘欢: "基于Spark的MODIS海表温度快速反演方法研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》, no. 6, 15 June 2020 (2020-06-15), pages 010 - 1 * |
| 奚萌;宋清涛;林明森;李文君;: "西北太平洋多源微波辐射计海表温度数据交叉比对分析", 《海洋学报》, no. 07, 15 July 2016 (2016-07-15), pages 32 - 47 * |
| 徐宾;宇婧婧;张雷;师春香;周自江;: "全球海表温度融合研究进展", 《气象科技进展》, no. 01, 15 February 2018 (2018-02-15), pages 164 - 170 * |
| 陈靖扬;陈耀登;师春香;李旭;徐宾;: "基于变分理论的AVHRR海表温度反演应用及效果评估", 《海洋学报》, no. 02, 15 February 2018 (2018-02-15), pages 30 - 42 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117648654B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pope et al. | Regimes of the north Australian wet season | |
| Souza et al. | Breeze potential along the Brazilian northern and northeastern coast | |
| CN113591387B (zh) | 基于Huber范数约束的卫星资料反演降水方法及系统 | |
| Li et al. | A neural network-based approach for the detection of heavy precipitation using GNSS observations and surface meteorological data | |
| Lucio-Eceiza et al. | Quality control of surface wind observations in northeastern North America. Part II: Measurement errors | |
| Satalino et al. | Wheat crop mapping by using ASAR AP data | |
| Sherwood | Simultaneous detection of climate change and observing biases in a network with incomplete sampling | |
| CN117648654B (zh) | 一种海表温度反演数据的实时质量控制标识方法 | |
| O’Neill et al. | Estimation of time-averaged surface divergence and vorticity from satellite ocean vector winds | |
| Cremer et al. | Potential of recurrence metrics from Sentinel-1 time series for deforestation mapping | |
| CN112730465B (zh) | 一种smap l波段亮温的农业干旱监测方法 | |
| Greatrex et al. | Advances in the stochastic modeling of satellite-derived rainfall estimates using a sparse calibration dataset | |
| CN109766937B (zh) | 一种掩星数据的质量控制方法、装置、设备及存储介质 | |
| CN109740118B (zh) | 一种质量控制方法、装置、设备及存储介质 | |
| Alvera-Azcárate et al. | Comparison between satellite and in situ sea surface temperature data in the Western Mediterranean Sea | |
| CN106295096B (zh) | 一种对遥感数据进行观测质量分级的方法 | |
| CN114943493B (zh) | 一种耕地质量等别监测评价系统及方法 | |
| CN115980697A (zh) | 一种不同天气条件下激光雷达反演边界层高度的方法 | |
| Mirás-Avalos et al. | Data quality assessment and monthly stability of ground solar radiation in Galicia (NW Spain) | |
| Sivaraman et al. | Micropulse Lidar Cloud Mask value-added product technical report | |
| Sun et al. | Comparison and evaluation of remote sensing indices for agricultural drought monitoring over Kazakhstan | |
| CN115661674A (zh) | 一种基于多源卫星土壤湿度数据的作物灌溉信息提取方法 | |
| CN109725370B (zh) | 一种数据匹配方法、装置、设备及存储介质 | |
| Nelson et al. | Diurnal variation of the planetary boundary layer height observed from GNSS radio occultation and radiosonde soundings over the southern great plains | |
| CN113792091A (zh) | 一种海表温度数据归一化质量检验方法 |
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 |