FY-3C卫星数据的海表温度融合与重构研究

发布时间：2018-01-16 20:20

  本文关键词：FY-3C卫星数据的海表温度融合与重构研究　出处：《中国科学院大学(中国科学院遥感与数字地球研究所)》2017年博士论文　论文类型：学位论文

  更多相关文章： 海表温度(SST) 风云三号C卫星(FY-3C) 最优插值(OI) 卡尔曼(Kalman)滤波 径向基函数网络(RBFN)

【摘要】：本论文以海表温度(SST)数据的融合与重构研究为主要目标,以风云三号C卫星(FY-3C)的SST产品数据为主要遥感数据源,从遥感反演得到的SST数据的质量控制和偏差校正出发,通过对SST数据质量进行有效控制和提升,以及采用不同SST重构方法的对比与分析,以实现对SST数据的有效融合和重构。围绕着这一技术流程,本文首先对FY-3C的可见光红外扫描辐射计(VIRR)和微波成像仪(MWRI)的SST产品数据进行质量评估,然后对卫星反演的SST数据进行偏差校正,再利用最优插值(OI)方法和卡尔曼(Kalman)滤波方法实现对SST数据的重构,并针对SST样本过于稀疏的情况,建立RBFN模型以实现对重构SST的进一步优化。首先,利用实测SST数据实现了对VIRR和MWRI的SST数据在不同时空尺度上的误差统计。统计结果表明,VIRR和MWRI产品质量在时间序列和纬度空间上均有一定的差异。其中,VIRR产品的白天(VIRRD)和夜间(VIRRN)SST在低纬度区域平均偏差(Bias)最大,在中高纬度地区较小,且平均Bias会随时间的推移往负偏差方向偏移;MWRI产品的白天(MWRID)和夜间(MWRIN)SST的年平均Bias±误差标准差(STDE)分别为0.6044±3.9064℃和0.7653±3.7307℃,且在不同纬度空间的差异较大,在低纬度地区的SST精度相对较高,中高纬度的SST精度较差。另外,MWRID和MWRIN数据质量很不稳定,在2015年的TimeⅢ期间分别出现了3.5380℃和3.8018℃的正偏差。通过对VIRR和MWRI产品误差的对比分析发现,两者的误差除了部分是由反演算法本身所造成的之外,其亮温数据误差对SST的精度影响较大,尤其是MWRI的SST产品,该产品质量还无法满足当前实际应用需求。其次,采用基于分段回归方法对2015年的VIRR SST数据进行偏差校正,以剔除卫星反演SST数据中存在的偏差。与传统的概率密度匹配(PDF)方法相比,该方法不仅考虑了与实测数据间的匹配,还涉及了与SST相关的气候SST和观测天顶角,能够根据不同的观测值在多维相关变量空间上的差异性选择不同的匹配样本。对偏差校正后的SST结果统计分析表明,基于分段回归方法能够有效地剔除VIRR产品数据中存在的SST偏差,其中VIRRD和VIRRN的平均Bias从原来的-0.5877℃和-0.4801℃分别减小到0.0173℃和-0.0177℃,平均SD从原来的1.3544℃和1.2840℃分别减小为0.4965℃和0.4920℃,且校正后的VIRR SST无论在空间分布还是时间序列上,其数据质量都得到了明显地改善。另外,采用OI方法和Kalman滤波方法实现了对SST数据的融合与重构试验。试验基于质量控制后的SST和偏差校正后的VIRR SST数据,构建的原始SST场,并根据不同SST的有效关联范围选择了矩形和方向椭圆作为相关尺度。通过对OI方法的SST分析实验表明,采用方向椭圆相关尺度获得的OIellipse结果要优于采用矩形相关尺度获得的OIrect结果,其中2015年OIellipse和OIrect结果的平均RMSE分别为0.4194℃和0.3816℃,要明显小于原始SST场的0.4775℃。而采用矩形相关尺度的Kalman滤波分析得到的Kalman_(rect)和采用方向椭圆相关尺度得到的Kalmanellipse结果都能够很好地实现对SST的有效分析,且Kalmanellipse结果要略优于Kalman_(rect)结果。其中,Kalman_(rect)结果和Kalmanellipse结果的平均RMSE值分别为0.2921℃和0.2869℃,已非常接近于OISST产品统计的0.2780℃。试验结果表明,采用变化误差估计的Kalman滤波方法比OI方法在SST重构中更具优势。最后,针对OI方法和Kalman滤波方法中SST样本稀少且分布不均匀时受有效关联区域限制的问题,本文采用径向基函数网络(RBFN)方法尝试对SST重构结果进行优化。试验结果表明,RBFN方法能够有效的减少SST的累计误差,其获得的SST重构场比OI方法结果更能准确地描述SST细节的变化,而使SST重构精度更高。此外,对于RBFN模型,改进的最近邻聚类(INNC)算法比K-means和Kohonen-map算法更适合用于该模型隐含节点的选取,而采用多二次函数作为径向基函数比采用高斯函数能更好地进行SST场变化的模拟。
[Abstract]:......
【学位授予单位】：中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】：博士
【学位授予年份】：2017
【分类号】：P731.11

【相似文献】

相关期刊论文 前10条

1 于庆龙;王辉;万莉颖;;南海海表温度时空分布特征的数值模拟[J];海洋预报;2010年04期

2 李娟;左军成;李艳芳;张蓓;陈嫣红;;南海海表温度的低频变化及影响因素[J];河海大学学报(自然科学版);2011年05期

3 王伟;李洪平;;青岛气温与全球海表温度的相关分析[J];地理空间信息;2012年05期

4 林丽茹;赵辉;;南海海域浮游植物叶绿素与海表温度季节变化特征分析[J];海洋学研究;2012年04期

5 张文舟,陈美娜,赵惠芳;利用太平洋海表温度作西北太平洋热带气旋年频数预测[J];海洋预报;2003年03期

6 毛志华,朱乾坤,潘德炉;卫星遥感业务系统海表温度误差控制方法[J];海洋学报(中文版);2003年05期

7 李云芳;郭佩芳;周慧;;估计海表温度的1种简便方法[J];中国海洋大学学报(自然科学版);2006年01期

8 徐文玲;苏洁;;台风对西北太平洋海表温度的影响[J];中国海洋大学学报(自然科学版);2007年S2期

9 周宁;程亮;杨志睿;盛峥;;卫星遥感海表温度反演结果再处理研究[J];海洋预报;2008年04期

10 周宁;程亮;杨志睿;;卫星遥感海表温度反演结果再处理研究[J];海洋技术;2008年04期

相关会议论文 前10条

1 龚璐;沈国土;蔡继光;董占海;高景;;基于C的海表温度数据读取[A];第三届红外成像系统仿真、测试与评价技术研讨会论文集[C];2011年

2 李丽平;王盘兴;管兆勇;杨松;;热带对流季内振荡强度季节和年际变化及与海表温度关系[A];中国气象学会2007年年会气候学分会场论文集[C];2007年

3 于杰;陈丕茂;黄洪辉;李永振;杜飞雁;陈国宝;;大亚湾海表温度的遥感研究[A];2008年中国水产学会学术年会论文摘要集[C];2008年

4 刘秦玉;秦婷;;热带三大洋海表温度和云水关系的初探[A];中国海洋湖沼学会第九次全国会员代表大会暨学术研讨会论文摘要汇编[C];2007年

5 王蓉;肖瑜璋;俞胜斌;宋萍萍;;粤东沿海冬季风与海表温度对暖冬的响应[A];第27届中国气象学会年会副热带季风与气候变化分会场论文集[C];2010年

6 王蓉;李希茜;邓文君;宋萍萍;;粤东沿海冬季风与海表温度对暖冬的响应[A];2007年华南地区学术交流会论文集[C];2007年

7 李丽平;王盘兴;管兆勇;何金海;;热带对流季内振荡与海表温度的关系[A];中国气象学会2006年年会“气候变化及其机理和模拟”分会场论文集[C];2006年

8 田志光;王艳萍;王振峰;;海水表面温度日变化波动分析[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

9 温娜;刘征宇;刘秦玉;Claude Frankignoul;;非局地平衡反馈方法在观测分析中的应用[A];“海洋动力过程与天气、气候变化”联合学术年会论文摘要集[C];2009年

10 刘秦玉;秦婷;;热带三大洋海表温度和云水关系的初探[A];中国海洋湖沼学会水文气象分会、中国海洋湖沼学会潮汐及海平面专业委员会、中国海洋湖沼学会计算海洋物理专业委员会、山东（暨青岛市）海洋湖沼学会2007年学术研讨会论文摘要集[C];2007年

相关重要报纸文章 前1条

1 记者 张景勇;我国可能遇暖冬[N];新华每日电讯;2002年

相关博士学位论文 前7条

1 涂乾光;基于日变化分析的卫星遥感海表温度重构研究[D];浙江大学;2016年

2 廖志宏;FY-3C卫星数据的海表温度融合与重构研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

3 王祥;基于国产自主卫星的海表温度红外遥感机理与算法研究[D];大连海事大学;2013年

4 陈海英;南海上层海洋变异分析及海表温度统计学可预报性试验[D];中国科学院研究生院（海洋研究所）;2006年

5 汪卫平;热带印太海盆海表温度变率与东亚夏季气候异常[D];南京大学;2012年

6 李丽娟;台湾以东海平面高度和海表温度变化特征与机制[D];中国海洋大学;2009年

7 伍玉梅;近海面气象参数的反演及应用研究[D];中国科学院研究生院（海洋研究所）;2006年

相关硕士学位论文 前10条

1 邳青岭;台湾海峡及周边海域的海表温度锋研究[D];厦门大学;2009年

2 王伟;青岛气温异常与全球海表温度异常的相关分析[D];中国海洋大学;2012年

3 董雷娟;基于小波分析的海表温度变化特征研究[D];中国海洋大学;2013年

4 张彩;基于Landsat-8数据空间分布遥感提取研究[D];东华理工大学;2014年

5 孙凤琴;多源遥感海表温度互较及其台风响应应用[D];厦门大学;2007年

6 贾晓峰;西北太平洋海表温度场时间序列分析[D];首都师范大学;2005年

7 奚萌;基于最优插值算法的红外和微波遥感海表温度数据融合[D];国家海洋环境预报研究中心;2011年

8 王艳珍;卡尔曼滤波在卫星红外、微波海表温度数据融合中的应用[D];中国海洋大学;2010年

9 买佳阳;2000年以来长江河口海表温度变化的遥感分析[D];华东师范大学;2015年

10 刘恒;多传感器卫星海表温度数据的印证与交叉比较[D];中国海洋大学;2008年

，

本文编号：1434670