CN112884342B - 一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 - Google Patents
一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 Download PDFInfo
- Publication number
- CN112884342B CN112884342B CN202110257688.1A CN202110257688A CN112884342B CN 112884342 B CN112884342 B CN 112884342B CN 202110257688 A CN202110257688 A CN 202110257688A CN 112884342 B CN112884342 B CN 112884342B
- Authority
- CN
- China
- Prior art keywords
- radiation
- satellite
- quality
- radiation product
- product
- 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.)
- Active
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 230000003746 surface roughness Effects 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 239000005445 natural material Substances 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水色卫星大气层顶辐射产品质量评价与交叉定标方法,通过建立多源卫星准同步有效像元选择约束条件;发现自然过程引起的辐射信号异常具有较强的星际相关性;设计多源卫星辐射产品误差解析方程;并结合动态交叉辐射定标机制;确定辐射产品质量对水色产品的影响。本方案首次规范了准同步观测的约束条件,确定了多源卫星辐射产品误差的解析方程,实现了水体辐射产品质量动态评价与交叉定标,克服了传统方法受自然过程引起的异常信号影响严重,提高了水体辐射产品质量与自动化业务水平;而且该方法易于实现,可用于动态监测与提高水体辐射产品的质量,具有更广泛的实际应用价值和经济价值。
Description
技术领域
本发明属于定量遥感领域,具体涉及一种水色卫星大气层顶辐射产品质量评价与交叉定标方法。
背景技术
沿湖、沿江和沿海等是人类社会繁荣发展最具潜力和活力的地区,是重要的生态环境承载区,具有重大的经济效益。由于近年人口不断地向沿湖、沿江和沿海等地区聚集,使得水生态面临着压力越来越大,资源和环境问题越来越严重。加强对沿湖、沿江与沿海等区域水环境的监测与管理已经成为各级政府亟待解决的重要难题。遥感数据具有覆盖面积广、空间尺度多样性、时间尺度连续、光谱信息丰富、观测灵活便捷等优势,可为动态监测湖、江、海的资源环境状况提供了有效手段。自1972年Landsat卫星成功发射以来,人类积累了千余颗卫星寿命周期内采集的遥感影像,并在防灾减灾、预报预警、资源调查等方面取得了巨大成功,保护了人类的生存环境与发展空间,助力美丽中国建设。
水体离水辐射属于典型的弱信号,使得水环境遥感对卫星影像质量要求相对较高。重力环境等的动态变化,加强卫星辐射产品质量动态监测显得十分必要,以便指导辐射定标工作的开展。然而,大部分卫星未拥有辐射产品质量检测的设备,通常利用影像统计特征实现辐射产品的质量评价。然而,除数据误差可以引起辐射信号异常外,大气状况、观测几何、海水特征等自然因素也将引起辐射信号异常,大大地降低了传统方法的可靠性。此外,缺少严格的准同步有效像元选择约束条件,传统交叉定标难以获得高精度辐射产品,严重影响了水体辐射产品的业务化应用。
发明内容
本发明为解决传统水体辐射产品质量动态监测与交叉定标方面存在的不足,提供一种水色卫星大气层顶辐射产品质量评价与交叉定标方法,动态实现了卫星辐射产品的交叉定标,以期提升卫星影像数据质量,更好地服务于湖、江、海等水环境的监测。
本发明是采用以下的技术方案实现的:一种水色卫星大气层顶辐射产品质量评价与交叉定标方法,包括以下步骤:
步骤S1、建立多源卫星准同步有效像元选择约束条件,并提取有效像元数据集:
通过辐射传输模拟和准同步卫星资料分析,量化建立判别准同步观测的光照-观测几何、水文气象、过境时间延迟、海面粗糙度和亮目标的约束条件,用于判别多源卫星观测数据的同步性;并在约束条件下,从多源卫星辐射产品数据中提取辐射产品质量评价与交叉定标所需的有效像元数据集;
步骤S2、构建误差解析方程:通过分析不同卫星准同步探测到的大气和海洋物质自然变化引起的信号异常的一致性特征,建立多源卫星辐射产品误差解析方程;
步骤S3、质量评价:根据有效像元数据集和多源卫星辐射产品误差解析方程,提取多源卫星辐射产品误差信息,进行辐射产品质量动态评价;
若误差方程获取的辐射产品误差信息满足质量要求,则判定辐射产品质量合理;若超出了质量要求范围,则执行步骤S4;
步骤S4、交叉定标:以约束条件下有效像元数据集为输入,对卫星辐射产品进行动态交叉定标校正。
进一步的,所述步骤S1中,在确定光照-观测几何约束条件时,用太阳天顶角、卫星天顶角和相对方位角表征光照-观测几何,利用辐射传输模拟,满足IOCCG质量目标前提下,获取多源卫星准同步观测允许的像元光照-观测几何方面差异的最大值与最小值,作为判别准同步观测的光照-观测几何约束条件。
进一步的,所述步骤S1中,在确定水文气象约束条件时,以水文气象资料为基础,结合多源卫星准同步辐射产品,绘制恶劣水文气象与辐射产品星际偏差的关系图,所述恶劣水文气象包括风速、大气压,通过分析不同恶劣水文气象条件下两颗卫星辐射产品的星际偏差的统计特征,在满足IOCCG质量目标前提下,确定恶劣水文气象的上限,作为判别准同步观测的水文气象约束条件。
进一步的,所述步骤S1中,在确定海面粗糙度约束条件时,通过分析卫星影像辐射产品空间变异系数与辐射产品星际偏差的量化关系,在满足IOCCG质量目标前提下,确定卫星影像最大空间变异系数,作为判别准同步观测的海面粗糙度的约束条件。
进一步的,所述步骤S1中,在确定过境时间延迟时,通过分析卫星过境的时间差异与影像辐射产品星际偏差的定量关系,在满足IOCCG质量目标前提下,确定多源卫星的最大过境时间延迟,作为判别准同步观测的过境时间延迟的约束条件。
进一步的,所述步骤S1中,在确定亮目标的约束条件时,通过统计卫星影像亮目标辐射信号的直方图,确定影像中所有亮目标的最小辐射值作为约束条件。
进一步的,所述步骤S2在建立误差解析方程时,具体通过以下方式:
S21,选定至少三颗过境卫星,基于步骤S1中的约束条件,获取误差解析方程所需的有效像元数据集;
S22,将卫星影像进行分割,建立N×N像元局部区域样本集,计算局部区域内像元辐射量与均值的偏差,作为局部异常信号;
S23,将局部异常信号转化为星际偏差,消除自然过程引起的异常信号对误差解析方程的影响;
S24,利用多源卫星辐射产品误差相互独立的假设,通过计算星际偏差的方差,建立多源卫星辐射产品误差解析方程,进行辐射产品质量动态监测。
进一步的,所述步骤S4中,通过误差解析方程获取的某颗卫星辐射产品误差过大时,则进行交叉定标,具体以参考卫星的辐射数据为因变量,目标卫星的辐射数据为自变量,基于回归分析建立因变量与自变量的经验函数关系,并将经验函数关系应用于目标卫星的辐射数据,进而得到交叉定标后的辐射产品。
与现有技术相比,本发明的优点和积极效果在于:
本发明通过分析光照-观测几何、水文气象、过境时间延迟和海面粗糙度等对辐射信号稳定性的影响,建立多源卫星准同步有效像元选择约束条件;通过对比准同步卫星信号异常的关联特征,确定自然过程引起的辐射信号异常具有较强的星际相关性;通过分析辐射产品数据误差的统计特征,设计了多源卫星辐射产品误差解析方程,并结合动态交叉辐射定标机制,确定辐射产品质量对水色产品的影响;
本方案首次规范了准同步观测的约束条件,确定了多源卫星辐射产品误差的解析方程,实现了水体辐射产品质量动态评价与交叉定标,克服了传统方法受自然过程引起的异常信号影响严重,提高了水体辐射产品质量与自动化业务水平;该方法易于实现,可用于动态监测与提高水体辐射产品的质量,具有更高的实际应用和推广价值。
附图说明
图1为本发明实施例的辐射产品质量评价与交叉定标流程图;
图2为本发明实施例的自然过程引起的异常信号具有星际相关性的示意图,其中(a)和(b)分别对应的代表VIIRS和MODIS卫星影像辐射产品空间异常信号,(c)为(a)和(b)影像的直方图;
图3为本发明实施例的辐射传输模拟验证误差解析方程可靠性的示意图;
图4为本发明实施例的辐射定标误差对误差解析方程影响的示意图;
图5为本发明实施例的交叉定标模型的示意图;
图6为本发明实施例的经交叉定标校正后水色产品星际一致性评价的示意图。
具体实施方式
为了能够更加清楚地理解本发明的上述目的、特征和优点,下面结合附图及实施例对本发明做进一步说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用不同于在此描述的其他方式来实施,因此,本发明并不限于下面公开的具体实施例。
实施例,本实施例提出一种水色卫星大气层顶辐射产品质量评价与交叉定标方法,如图1所示,包括如下步骤:
步骤S1,建立多源卫星准同步有效像元选择约束条件,并提取有效像元数据集:
以IOCCG产品质量要求为目标导向,通过辐射传输模拟和准同步卫星资料分析,量化建立判别准同步观测的光照-观测几何、水文气象、过境时间延迟、海面粗糙度和亮目标的约束条件,用于判别多源卫星观测数据的同步性;并在约束条件下,从多源卫星辐射产品数据中提取辐射产品质量评价与交叉定标所需的有效像元数据集;
步骤S2,通过分析不同卫星准同步探测到的大气和海洋物质自然变化引起的信号异常的一致性特征,采用不同卫星总异常信号相减的方法消除自然变化引起的信号异常,并建立多源卫星辐射产品误差解析方程;
步骤S3,根据有效像元数据集和多源卫星辐射产品误差解析方程,提取多源卫星辐射产品误差信息,进行辐射产品质量动态评价;
若误差方程获取的辐射产品误差信息满足质量要求,则判定辐射产品质量合理;若超出了质量要求范围,则执行步骤S4;
步骤S4,以约束条件下有效像元数据集为输入,基于回归拟合的方法建立交叉定标模型,实现卫星辐射产品的动态交叉定标校正。
实际上,辐射数据同步性越好,越有利于交叉定标建模和数据质量正确评价。然而受光照-观测几何、水文气象、过境时间延迟和海面粗糙度等因素的影响,多源卫星辐射数据之间存在很大的偏差,基于上述考虑,本实施例提出了一套科学、严格的约束条件,剔除星际偏差较大的辐射数据。本实施例中,步骤S1中涉及的有效像元选择约束条件,是满足IOCCG水色卫星数据质量要求时(如,443nm波段的辐射信号误差不超过2.5%),光照-观测几何(含太阳天顶角、卫星天顶角和相对方位角)、水文气象、过境时间延迟和海面粗糙度、亮像元辐射量的最大或最小值,步骤S1具体通过以下方式实现:
(1)利用辐射传输模拟,满足IOCCG质量目标前提下,获取多源卫星准同步观测允许的像元光照-观测几何方面差异的最大值与最小值,作为判别准同步观测的光照-观测几何约束条件:
用太阳天顶角、卫星天顶角和相对方位角表征光照-观测几何,将相对方位角与卫星天顶角固定不变,保持太阳天顶角在0-60°区间内动态变化,绘制不同太阳天顶角与太阳天顶角星际偏差引起的辐射误差的等值线图,确定<2.5%辐射产品误差对应的太阳天顶角与太阳天顶角星际偏差的分布区域,将<2.5%等值线区域内置面积最大的长方形的上、下、左与右边界作为太阳天顶角与太阳天顶角星际偏差各自的最小值与最大值。同理可获得卫星天顶角与卫星天顶角偏差以及相对方位角与相对方位角偏差的最大允许动态范围(最大值与最小值)。
光照-观测几何约束条件A0取值具体以实际情况为准,以VIIRS和FY-3D卫星为列,获得的有效像元选择的光照-观测几何的约束条件为:太阳天顶角大于19°但小于50°、太阳天顶角星际偏差不大于2.9°、卫星天顶角大于20°但小于38°、卫星天顶角星际偏差不超过4.9°、相对方位角大于110°但小于150°、相对方位角星际偏差不超过15°。
(2)在同水文气象条件下,探讨卫星影像星际偏差的统计特征,建立两者的量化联动关系,在满足IOCCG质量目标前提下,确定恶劣水文气象的上限,作为判别准同步观测的水文气象约束条件:具体以水文气象资料为基础,结合多源卫星准同步辐射产品,绘制风速、大气压等与辐射产品星际偏差的关系图,通过分析不同风速和大气压条件下,两颗卫星辐射产品的星际偏差的统计特征,确定2.5%辐射产品误差对应的风速、大气压值,作为水文气象约束条件。
水文气象约束条件M0取值具体以实际情况为准,以VIIRS和FY-3D卫星为列,获得的有效像元选择的水文气象的约束条件为:风速不超过7.8m/s,大气压大于100.5kPa但小于102.5kPa。
(3)分析卫星影像辐射产品空间变异系数与辐射产品星际偏差的量化关系,在满足IOCCG质量目标前提下,确定卫星影像最大空间变异系数,作为判别准同步观测的海面粗糙度的约束条件:本实施例中,具体将空间变异系数定义为小区域内辐射量的方差与均值的比值,用于表征辐射产品空间分布的粗糙程度,通过绘制变异系数与星际偏差的统计关系图,确定2.5%辐射产品误差对应的变异系数,作为海面粗糙度的最大值,即约束上限。
以VIIRS和FY-3D卫星为列,获得的海面粗糙程度约束条件为:空间变异系数不超过0.1。
式中,CV为N×N区域内辐射的空间变异系数,ρ为辐射信号,下标m代表平均值。
(4)亮目标(例如云)的辐射信号时空变化较大,不宜用于交叉定标或数据质量评价的数据集,需予以剔除,通过统计卫星影像亮目标辐射信号的直方图,确定影像中所有亮目标的最小辐射值,作为约束条件,用于剔除亮目标对数据质量评价和交叉定标结果的影响。
以VIIRS和FY-3D卫星为列,获得的亮目标约束条件为:大气层顶反射率不超过0.18。
(5)分析卫星过境的时间差异与影像辐射产品星际偏差的定量关系,在满足IOCCG质量目标前提下,确定多源卫星的最大过境时间延迟,作为判别准同步观测的过境时间延迟约束条件:过境时间偏差越大,则两颗卫星辐射产品的星际偏差越大。为获得稳定、可靠的交叉定标与数据质量评价数据集,有必要建立时间约束条件。通过统计卫星不同过境时间下,辐射产品星际偏差特征,本实施例将2.5%辐射产品误差对应的过境时间延迟,作为两颗卫星最大时间延迟。过境时间延迟约束条件T0取值具体以实际情况为准,以VIIRS和FY-3D卫星为列,获得的时间延迟约束条件为<20分钟。
另外,在步骤S2中,卫星影像局部方差不仅包含辐射数据误差信息,同时也包含大气与海洋成分自然空间变化引起的信号异常,使得传统的局部方差方法难以获得准确的辐射数据误差。然而,不同卫星准同步观测条件下,大气与海洋成分自然空间变化引起的信号异常具有较好的空间一致性(如图2),可用于改善传统的局部方差提取辐射数据误差的方法。本实施例从辐射产品数据误差的统计特征出发,考虑大气与海洋成分自然空间变化引起的信号异常具有较好的空间一致性,建立误差解析方程,实现多源卫星辐射数据质量动态评价,步骤S2具体包括以下步骤:
S21,选定至少三颗过境卫星,利用S1中的约束条件,获取解析方程所需的有效像元数据集;
S22,将卫星影像进行分割,建立N×N像元局部区域样本集,计算局部区域内像元辐射量与均值的偏差,作为局部异常信号;
S23,将局部异常信号转化为星际偏差,消除自然过程引起的异常信号对误差解析方程的影响;
S24,利用多源卫星辐射产品误差相互独立的假设,通过计算星际偏差的方差,并建立多源卫星辐射产品误差解析方程,进行辐射产品质量动态监测。
误差解析方程的具体构建原理进一步解释如下:
(1)对于行业公认的辐射定标质量较高的传感器(例如,VIIRS和MODIS卫星),卫星观测到的辐射信号表述为:
ρs(λ)=ρt(λ)+ε(λ)
式中,ρs为卫星获得的辐射信号,ρt为对应的真值,ε为观测误差,λ为波长。
(2)不考虑光谱响应差异引起的星际偏差,则多源卫星准同步观测获得的辐射信号如下:
(3)影像辐射信号总异常主要由辐射产品误差和大气与海洋固有物质成分自然空间变化引起的信号异常组成,可用公式表达如下::
式中,△ρ为卫星影像像元辐射总异常,ξ为观测几何、大气状况和海面状况等引起的自然异常信号;ε辐射产品的真实误差,下标代表三颗不同的卫星。其中,在3×3像元区域范围内,△ρ用像元辐射信号与区域内辐射信号均值的偏差表示。
(4)假设不同卫星观测到的自然信号异常具有较好的一致性(即,ξ1=ξ2=ξ3),则通过三颗卫星像元辐射信号总异常两两相减予以消除,可得到星际偏差方程如下:
(5)卫星影像辐射产品的误差可以用影像的方差表示。以影像为单位,对步骤(4)中公式两侧取方差(δ),即可得到辐射产品误差的解析方程如下:
以FY-3D、VIIRS和MODIS卫星为列,通过数值模拟卫星辐射产品误差产生过程——人为地将已知数据误差添加到辐射产品数据中,通过将误差解析方程获取的误差与已知误差的比较,可得误差解析方程的准确性达93%,具体如图3所示。
步骤S3中,当卫星影像的辐射定标误差较大时,辐射定标误差将被视作辐射产品误差的一部分,并传递到误差解析方程的计算结果中,因此本发明建立的误差解析方程对辐射定标质量较敏感,可用于指导进一步辐射定标。
以辐射传输模拟获取的FY-3D、VIIRS和MODIS卫星辐射产品为例,通过数值模拟的方法,将<±20%的辐射定标误差添加到卫星辐射产品数据中,通过比较解析方程获取的误差与已知误差比较,得知<±20%的辐射定标误差可增加<32%的卫星辐射产品误差,如图4。将步骤S1有效像元选择约束条件下获得的有效像元数据集作为误差解析方程的输入,当误差解析方程获取的某颗卫星辐射产品误差超出合理范围时(如,IOCCG的<2.5%误差要求目标),则触发启动交叉定标,反之则判定辐射产品质量合理,终止执行。
步骤S4中,误差解析方程获取的某颗卫星辐射产品误差过大时,则该卫星需要对该卫星辐射数据进行交叉定标。将步骤S1有效像元选择约束条件下获得的有效像元数据集,以行业公认数据质量较高的卫星(如,MODIS或VIIRS)作为参考卫星,将待交叉定标的卫星作为目标卫星,实施交叉定标。
其具体实施过程为:以参考卫星的辐射数据为因变量,目标卫星的辐射数据为自变量,通过回归分析,建立因变量与自变量的经验函数关系;将经验函数关系应用于目标卫星的辐射数据,则可得到交叉定标后的辐射产品。以FY-3D与VIIRS卫星辐射产品为例(其中VIIRS为参考卫星而FY-3D为待校正卫星),严格遵守像元选择约束条件的前提下,可建立稳定且可靠的交叉定标模型,其相关系数可达0.90以上,如图5。此外,经交叉定标后FY-3D辐射产品,用于生产551nm波段的后向散射系数(bb(551)),与VIIRS卫星的同类产品具有良好的一致性,其星际偏差不超24%,如图6。
综上可知,本方案通过构建多源卫星准同步有效像元选择约束条件、水体辐射产品质量评价与动态交叉辐射定标,有效地提高了水体卫星辐射产品质量与水环境遥感数据处理自动化水平。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (7)
1.一种水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于,包括以下步骤:
步骤S1、建立多源卫星准同步有效像元选择约束条件,并提取有效像元数据集:
通过辐射传输模拟和准同步卫星资料分析,量化建立判别准同步观测的光照-观测几何、水文气象、过境时间延迟、海面粗糙度和亮目标的约束条件,用于判别多源卫星观测数据的同步性;并在约束条件下,从多源卫星辐射产品数据中提取辐射产品质量评价与交叉定标所需的有效像元数据集;
步骤S2、构建误差解析方程:通过分析不同卫星准同步探测到的大气和海洋物质自然变化引起的信号异常的一致性特征,建立多源卫星辐射产品误差解析方程;
S21,选定至少三颗过境卫星,基于步骤S1中的约束条件,获取误差解析方程所需的有效像元数据集;
S22,将卫星影像进行分割,建立N×N像元局部区域样本集,计算局部区域内像元辐射量与均值的偏差,作为局部异常信号;
影像辐射信号总异常由辐射产品误差和大气与海洋固有物质成分自然空间变化引起的信号异常组成,表达如下:
式中,△ρ为卫星影像像元辐射总异常,下标代表三颗不同的卫星,ξ为观测几何、大气状况和海面状况引起的自然异常信号,ε为辐射产品的真实误差,下标代表三颗不同的卫星,λ为波长;
S23,将局部异常信号转化为星际偏差,消除自然过程引起的异常信号对误差解析方程的影响;
假设不同卫星观测到的自然信号异常具有一致性,则通过三颗卫星像元辐射信号总异常两两相减予以消除,得到星际偏差方程如下:
S24,利用多源卫星辐射产品误差相互独立的假设,通过计算星际偏差的方差,建立多源卫星辐射产品误差解析方程,进行辐射产品质量动态监测;
辐射产品误差的解析方程如下:
其中,和/>分别对应的表示第1颗,第2颗和第3颗卫星的无偏估计方差,/>表示第1颗和2颗两颗卫星之间的无偏估计方差,/>表示第2颗和第3颗两颗卫星之间的无偏估计方差、/>表示第1颗和第3颗两颗卫星之间的无偏估计方差;
步骤S3、质量评价:根据有效像元数据集和多源卫星辐射产品误差解析方程,提取多源卫星辐射产品误差信息,进行辐射产品质量动态评价;
若误差方程获取的辐射产品误差信息满足质量要求,则判定辐射产品质量合理;若超出了质量要求范围,则执行步骤S4;
步骤S4、交叉定标:以约束条件下有效像元数据集为输入,对卫星辐射产品进行动态交叉定标校正。
2.根据权利要求1所述的水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于:所述步骤S1中,在确定光照-观测几何约束条件时,用太阳天顶角、卫星天顶角和相对方位角表征光照-观测几何,利用辐射传输模拟,满足IOCCG质量目标前提下,获取多源卫星准同步观测允许的像元光照-观测几何方面差异的最大值与最小值,作为判别准同步观测的光照-观测几何约束条件。
3.根据权利要求1所述的水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于:所述步骤S1中,在确定水文气象约束条件时,以水文气象资料为基础,结合多源卫星准同步辐射产品,绘制恶劣水文气象与辐射产品星际偏差的关系图,通过分析不同恶劣水文气象条件下两颗卫星辐射产品的星际偏差的统计特征,在满足IOCCG质量目标前提下,确定恶劣水文气象的上限,作为判别准同步观测的水文气象约束条件。
4.根据权利要求1所述的水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于:所述步骤S1中,在确定海面粗糙度约束条件时,通过分析卫星影像辐射产品空间变异系数与辐射产品星际偏差的量化关系,在满足IOCCG质量目标前提下,确定卫星影像最大空间变异系数,作为判别准同步观测的海面粗糙度的约束条件。
5.根据权利要求1所述的水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于:所述步骤S1中,在确定过境时间延迟时,通过分析卫星过境的时间差异与影像辐射产品星际偏差的定量关系,在满足IOCCG质量目标前提下,确定多源卫星的最大过境时间延迟,作为判别准同步观测的过境时间延迟的约束条件。
6.根据权利要求1所述的水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于:所述步骤S1中,在确定亮目标的约束条件时,通过统计卫星影像亮目标辐射信号的直方图,确定影像中所有亮目标的最小辐射值作为约束条件。
7.根据权利要求1所述的水色卫星大气层顶辐射产品质量评价与交叉定标方法,其特征在于:所述步骤S4中,通过误差解析方程获取的某颗卫星辐射产品误差过大时,则进行交叉定标,具体以参考卫星的辐射数据为因变量,目标卫星的辐射数据为自变量,基于回归分析建立因变量与自变量的经验函数关系,并将经验函数关系应用于目标卫星的辐射数据,进而得到交叉定标后的辐射产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110257688.1A CN112884342B (zh) | 2021-03-10 | 2021-03-10 | 一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110257688.1A CN112884342B (zh) | 2021-03-10 | 2021-03-10 | 一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112884342A CN112884342A (zh) | 2021-06-01 |
CN112884342B true CN112884342B (zh) | 2024-03-12 |
Family
ID=76054023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110257688.1A Active CN112884342B (zh) | 2021-03-10 | 2021-03-10 | 一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112884342B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407596B (zh) * | 2021-06-23 | 2022-07-15 | 北京华云星地通科技有限公司 | 基于交叉辐射定标的气象遥感数据精度检验分析*** |
CN113534203B (zh) * | 2021-07-12 | 2022-08-23 | 长光卫星技术股份有限公司 | 基于aeronet气溶胶数据的在轨交叉辐射定标方法 |
CN114383656B (zh) * | 2021-12-22 | 2023-09-29 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种基于交叉点双参考源偏差的卫星数据质量监控方法 |
CN114971148A (zh) * | 2022-03-28 | 2022-08-30 | 陕西九州遥感信息技术有限公司 | 一种用于海洋水色卫星伪不变交叉传递场地甄选方法 |
CN114579655B (zh) * | 2022-05-06 | 2022-07-29 | 国家卫星海洋应用中心 | 一种海洋水色卫星辐射定标自动规划方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107402395A (zh) * | 2017-05-17 | 2017-11-28 | 西安交通大学 | 一种用于单***和多***卫星组合导航的选星方法 |
CN108919151A (zh) * | 2018-04-03 | 2018-11-30 | 西安空间无线电技术研究所 | 一种微波辐射计交叉极化误差修正方法 |
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 |
CN109655846A (zh) * | 2019-01-30 | 2019-04-19 | 清华大学 | 一种多站差分后处理高精度时间同步方法及*** |
CN109903352A (zh) * | 2018-12-24 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN110286354A (zh) * | 2019-04-23 | 2019-09-27 | 中国人民解放军63921部队 | 多目标检测和区分的方法、装置和计算机可读存储介质 |
CN111523209A (zh) * | 2020-04-09 | 2020-08-11 | 北京空间机电研究所 | 一种陆地资源卫星定标轨道规划及基准载荷轨道优化方法 |
CN111737850A (zh) * | 2020-05-15 | 2020-10-02 | 中国科学院空天信息创新研究院 | 一种基于像元尺度上不确定性的多源卫星aod融合方法 |
CN112200050A (zh) * | 2020-09-30 | 2021-01-08 | 同济大学 | 基于多源卫星数据的湖泊水量时空变化分析方法及装置 |
CN112197865A (zh) * | 2020-09-02 | 2021-01-08 | 华中科技大学 | 一种星载微波辐射计观测亮温数据误差的估计方法及*** |
AU2020103576A4 (en) * | 2019-12-27 | 2021-02-04 | Wuhan University | Autonomous orbit and attitude determination method of low-orbit satellite based on non-navigation satellite signal |
-
2021
- 2021-03-10 CN CN202110257688.1A patent/CN112884342B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107402395A (zh) * | 2017-05-17 | 2017-11-28 | 西安交通大学 | 一种用于单***和多***卫星组合导航的选星方法 |
CN108919151A (zh) * | 2018-04-03 | 2018-11-30 | 西安空间无线电技术研究所 | 一种微波辐射计交叉极化误差修正方法 |
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 |
CN109903352A (zh) * | 2018-12-24 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
CN109655846A (zh) * | 2019-01-30 | 2019-04-19 | 清华大学 | 一种多站差分后处理高精度时间同步方法及*** |
CN110286354A (zh) * | 2019-04-23 | 2019-09-27 | 中国人民解放军63921部队 | 多目标检测和区分的方法、装置和计算机可读存储介质 |
AU2020103576A4 (en) * | 2019-12-27 | 2021-02-04 | Wuhan University | Autonomous orbit and attitude determination method of low-orbit satellite based on non-navigation satellite signal |
CN111523209A (zh) * | 2020-04-09 | 2020-08-11 | 北京空间机电研究所 | 一种陆地资源卫星定标轨道规划及基准载荷轨道优化方法 |
CN111737850A (zh) * | 2020-05-15 | 2020-10-02 | 中国科学院空天信息创新研究院 | 一种基于像元尺度上不确定性的多源卫星aod融合方法 |
CN112197865A (zh) * | 2020-09-02 | 2021-01-08 | 华中科技大学 | 一种星载微波辐射计观测亮温数据误差的估计方法及*** |
CN112200050A (zh) * | 2020-09-30 | 2021-01-08 | 同济大学 | 基于多源卫星数据的湖泊水量时空变化分析方法及装置 |
Non-Patent Citations (22)
Title |
---|
"高分二号"卫星相机影像辐射质量评价;徐文等;航天返回与遥感;第36卷(第4期);1-9 * |
GPM_IMERGE卫星遥感降水数据在巢湖流域的精度评价;程扬等;水土保持研究;第27卷(第5期);188-193 * |
Integrated fusion of multi-scale polar-orbiting and geostationary satellite observations for the mapping of high spatial and temporal resolution land surface temperature;Penghai Wu等;Remote Sensing of Environment;169-181 * |
Landsat系列卫星光学遥感器辐射定标方法综述;张志杰;张浩;常玉光;陈正超;;遥感学报(第05期);21-34 * |
Multi-source high-resolution satellite products in Yangtze Estuary: cross-comparisons and impacts of signal-to-noise ratio and spatial resolution;RUGANG TANG等;Opt. Express;第27卷;6426-6441 * |
SPARK卫星高光谱数据辐射质量评价;吴兴等;遥感技术与应用;第33卷(第2期);233-240 * |
VIIRS在中国渤海的遥感反射率产品验证;李军;朱建华;韩冰;高飞;杨安安;赵屹立;;海洋技术学报(第02期);30-36 * |
三峡库区CO_2平均柱浓度的卫星和地面观测研究;荣飘;张淳民;***;栗彦芬;;三峡生态环境监测(第03期);12-21 * |
两种星载微波辐射计被动亮温数据的交叉定标;黄端;邱玉宝;石利娟;武胜利;刘小生;阮永俭;;测绘科学(第01期);139-145 * |
传感器交叉辐射定标综述;高彩霞;姜小光;马灵玲;霍红元;;干旱区地理(第01期);141-148 * |
光学遥感仪器月球定标技术研究;牛明慧;中国博士学位论文全文数据库基础科学辑(月刊);20190515(第05期);A007-3 * |
北冰洋卫星水色遥感观测能力评价与展望;崔廷伟等;中国海洋大学学报;第51卷(第1期);125-137 * |
卫星辐射带高能带电粒子观测数据交叉定标-FY3和NOAA应用示例;王春琴;张贤国;李嘉巍;黄聪;张效信;荆涛;沈国红;张申毅;曹光伟;孙越强;梁金宝;朱光武;韩英;;中国科学:技术科学;20131120(第11期);90-96 * |
卫星辐射数据质量分析与研究;马艳红;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(月刊)(第02期);C028-260 * |
卫星高度计定标现状;杨磊;周兴华;徐全军;柯宝贵;穆博;朱琳;;遥感学报;20190525(第03期);38-53 * |
基于高光谱资料对FY-1C/1D气象卫星进行交叉定标;漆成莉;胡秀清;张里阳;董超华;;气象学报;20120815(第04期);286-295 * |
徐伟进.静止卫星反射波段辐射性能评估和辐射归一化.中国优秀硕士学位论文全文数据库基础科学辑(月刊).2020,(第01期),A009-128. * |
敦煌场地CBERS-02 CCD传感器在轨绝对辐射定标研究;傅俏燕;闵祥军;李杏朝;沙崇漠;李小英;马国强;潘志强;郭毅;李启明;刘国栋;;遥感学报(第04期);3-9 * |
无线电掩星反演大气参数误差分析及应用进展;蒋虎, 黄, 严豪键;地球物理学进展(第01期);85-91 * |
近海多卫星测高数据联合处理的方法及应用;胡建国, 章传银, 常晓涛;测绘通报;20040125(第01期);1-4 * |
风云二号卫星在轨辐射定标技术进展;郭强;陈博洋;张勇;徐娜;冯绚;杨昌军;王新;韩秀珍;李元;胡秀清;***;;气象科技进展(第06期);8-14 * |
高分一号卫星PMS相机多场地宽动态辐射定标;韩启金;张学文;乔志远;杨磊;潘志强;刘李;;红外与激光工程(第01期);133-139 * |
Also Published As
Publication number | Publication date |
---|---|
CN112884342A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112884342B (zh) | 一种水色卫星大气层顶辐射产品质量评价与交叉定标方法 | |
Lymburner et al. | Landsat 8: Providing continuity and increased precision for measuring multi-decadal time series of total suspended matter | |
Quilfen et al. | The ERS scatterometer wind measurement accuracy: Evidence of seasonal and regional biases | |
Wang et al. | Bridging the gap between GRACE and GRACE follow-on monthly gravity field solutions using improved multichannel singular spectrum analysis | |
Sherwood et al. | Shear velocity estimates on the inner shelf off Grays Harbor, Washington, USA | |
Stengel et al. | Assimilation of SEVIRI infrared radiances with HIRLAM 4D‐Var | |
Laloyaux et al. | Impact of scatterometer surface wind data in the ECMWF coupled assimilation system | |
Kazumori et al. | Effects of all‐sky assimilation of GCOM‐W/AMSR2 radiances in the ECMWF numerical weather prediction system | |
Xie et al. | Calculating NDVI for Landsat7-ETM data after atmospheric correction using 6S model: A case study in Zhangye city, China | |
Stengel et al. | The impact of cloud‐affected IR radiances on forecast accuracy of a limited‐area NWP model | |
Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
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 | |
Elyouncha et al. | Joint retrieval of ocean surface wind and current vectors from satellite SAR data using a Bayesian inversion method | |
Zheng et al. | Characterizing drought events occurred in the Yangtze River Basin from 1979 to 2017 by reconstructing water storage anomalies based on GRACE and meteorological data | |
Treadon et al. | Global and regional moisture analyses at NCEP | |
Zhuang et al. | The evaluation and downscaling‐calibration of IMERG precipitation products at sub‐daily scales over a metropolitan region | |
Peres et al. | Analyses of the positive bias of remotely sensed SST retrievals in the coastal waters of Rio de Janeiro | |
Zhang et al. | Assimilation of remote sensing observations into a sediment transport model of China’s largest freshwater lake: spatial and temporal effects | |
Cotton et al. | Assimilation of SMOS L‐band wind speeds: impact on Met Office global NWP and tropical cyclone predictions | |
Wei et al. | On accuracy of SAR wind speed retrieval in coastal area | |
Chen et al. | Scale correction of two-band ratio of red to near-infrared using imagery histogram approach: A case study on Indian remote sensing satellite in Yellow River estuary | |
Niedzielski et al. | El Niño's Impact on the Probability Distribution of Sea Level Anomaly Fields. | |
Tang et al. | A comparative evaluation of gauge-satellite-based merging products over multiregional complex terrain basin | |
Cheng et al. | Surface wave height regulated by ocean currents: An observational perspective | |
Lv et al. | Spatial and temporal variability of precipitation in the context of climate change: A case study of the Upper Yellow River Basin, China |
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 |