一种遥感云量资料降尺度方法

摘要

本发明涉及一种遥感云量资料降尺度方法，采用全新设计策略，基于现有遥感云量观测数据为基础，通过设计一系列步骤，实现了遥感云量观测资料降空间尺度的目的，有效提高了云量观测的精度，大大有助于决策者制定与环境保护相关的重大决策。

说明书

技术领域

本发明涉及一种遥感云量资料降尺度方法，属于遥感云量观测技术领域。

背景技术

MODIS(中分辨率成像光谱仪)是Terra卫星和Aqua卫星上搭载的主要传感器之一，两颗卫星相互配合每1-2天可重复观测整个地球表面，得到36个波段的观测数据，这些数据将有助于我们深入理解全球陆地、海洋和低层大气内的动态变化过程，因此，MODIS在发展有效的、全球性的用于预测全球变化的地球系统相互作用模型中起着重要的作用，其精确的预测将有助于决策者制定与环境保护相关的重大决策。MOD06是大气2、3级标准数据产品，内容为云产品，Lambert投影空间分辨率1公里，地理坐标30秒空间分辨率，每日数据为2级数据产品，每旬、每月数据合成为3级数据产品。

高空间分辨率的云量数据在水文、气象、生态环境等应用方面起着至关重要的作用。目前云量数据的获取主要有两个来源：地面气象站点和遥感技术，然而大量的研究表明通过传统地面气象站点实测的都是单点数据，不能有效地反映云量的空间变化特征，尤其是在研究复杂区域；而遥感技术不仅能够提高云量的实际观测数量，而且能够生成相对精确的空间栅格数据。但是，对云量进行深层次的应用研究，需要提高云量的空间分辨率，这就要用到空间降尺度方法。降尺度的方法主要有简单降尺度法、统计降尺度法、动力降尺度法以及动力和统计相结合降尺度这四种降尺度方法。简单降尺度法就是通过单点进行插值，但是由于受到研究区地形地貌等因素的影响，造成空间插值结果误差很大，而且缺乏空间代表性。动力降尺度法具有明确的物理意义，同时观测资料对其影响较小，并能用于不同空间分辨率，在降水研究中较广泛。在1989年，Dickinson等人运用CCMI全球气候模式作为区域气候模式的边界，对美国西部的气候进行模拟，使输出的气候模型空间分辨率由500km降到60km。统计降尺度方法首次由Kim等人于1984年提出，主要是利用降水以及气温季节循环变化的空间分布特征，后经研究者们演化改进，使该方法在模拟降水时更加精确。与动力降尺度方法相比较，统计降尺度法具有计算量小、节省机时，更易于操作的特点。在遥感云量方面，现有技术还没有实现降尺度的方法。

发明内容

本发明所要解决的技术问题是提供一种采用全新设计策略，基于现有遥感云量观测数据为基础，能够快速实现降尺度云量观测的遥感云量资料降尺度方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种遥感云量资料降尺度方法，基于目标区域5km×5km分辨率总云量，获得目标区域1km×1km分辨率总云量，包括如下步骤：

步骤001.针对至少30年的历史时间段，根据目标区域各站点历史时间段内逐月平均总云量观测数据、逐月平均日照百分率数据，获得如下模型(1)中的a_n和b_n，作为目标区域一月至十二月各月分别所对应系数组{a_n，b_n}，然后进入步骤002；

${\mathrm{CL}}_{i_n}=a_n+b_n\times S_{i_n}---\left(1\right)$

其中，n＝{1、…、12}，i_n＝{1、…、I_n}，i_n表示目标区域历史时间段内第n月的第i个站点，I_n表示目标区域历史时间段内第n月的总站点数；表示目标区域历史时间段内第n月、第i个站点的月平均总云量观测数据，表示目标区域历史时间段内第n月、第i个站点的月平均日照百分率数据；

步骤002.获得目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_{(neigh,1km)，l}，其中，l＝{1、…、L}，L表示指定时间内的总月数，然后进入步骤003；

步骤003.基于目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_{(neigh,1km)，l}，获得目标区域分别对应指定时间内第l月的5km×5km分辨率日照百分率S_{(neigh,5km)，l}，然后进入步骤004；

步骤004.获得目标区域分别对应指定时间内第l月5km×5km分辨率日照百分率S_{(neigh,5km)，l}与1km×1km分辨率日照百分率S_{(neigh,1km)，l}之间的差值ΔS_l，ΔS_l的分辨率为1km×1km，并获得目标区域分别对应指定时间内第l月5km×5km分辨率总云量CL_l,5km，然后进入步骤005；

步骤005.根据如下模型(2)：

CL_l，1km＝CL_l,5km-b_l×ΔS_l>

获得目标区域分别对应指定时间内第l月的1km×1km分辨率总云量CL_l，1km。

作为本发明的一种优选技术方案，所述步骤001具体包括如下步骤：

步骤00101.获得目标区域各站点历史时间段内逐月平均总云量观测数据、逐月平均日照时间观测数据和逐月平均可照时间数据，并根据目标区域历史时间段内各站点逐月平均日照时间观测数据与逐月平均可照时间数据之间的比值，获得目标区域历史时间段内的逐月平均日照百分率数据，然后进入步骤00102；

步骤00102.根据目标区域历史时间段内各站点逐月平均总云量观测数据和逐月平均日照百分率数据，通过多元回归分析法，获得如下模型(1)中的a_n和b_n，作为目标区域一月至十二月各月分别所对应系数组{a_n，b_n}，然后进入步骤002；

${\mathrm{CL}}_{i_n}=a_n+b_n\times S_{i_n}---\left(1\right)$

其中，n＝{1、…、12}，i_n＝{1、…、I_n}，i_n表示目标区域历史时间段内第n月的第i个站点，I_n表示目标区域历史时间段内第n月的总站点数；表示目标区域历史时间段内第n月、第i个站点的月平均总云量观测数据，表示目标区域历史时间段内第n月、第i个站点的月平均日照百分率数据。

作为本发明的一种优选技术方案，所述步骤002包括如下操作：获得目标区域中各个网格区域分别对应指定时间内第l月的1km×1km分辨率日照时间和1km×1km分辨率地理可照时间，并据此获得分别对应指定时间内第l月、目标区域中所有网格区域的平均1km×1km分辨率日照百分率，即目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_(neigh,1km)，其中，l＝{1、…、L}，L表示指定时间内的总月数，然后进入步骤003。

作为本发明的一种优选技术方案，所述步骤002具体包括如下步骤：

步骤00201.获得目标区域中各个网格区域分别对应指定时间内第l月的1km×1km分辨率日照时间和1km×1km分辨率地理可照时间，其中，l＝{1、…、L}，L表示指定时间内的总月数；然后进入步骤00202；

步骤00202.据目标区域中各个网格区域分别对应指定时间内第l月1km×1km分辨率日照时间与1km×1km分辨率地理可照时间之间的比值，获得目标区域中各个网格区域分别对应指定时间内第l月的1km×1km分辨率日照百分率，进而获得分别对应指定时间内第l月、目标区域中所有网格区域的1km×1km分辨率日照百分率，即目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_(neigh,1km)，然后进入步骤003。

作为本发明的一种优选技术方案，所述步骤003包括如下操作：针对目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_(neigh,1km)，通过邻域分析法，根据5×5窗口大小，获得目标区域分别对应指定时间内第l月的5km×5km分辨率日照百分率S_(neigh,5km)，然后进入步骤004。

本发明所述遥感云量资料降尺度方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明所设计的遥感云量资料降尺度方法，采用全新设计策略，基于现有遥感云量观测数据为基础，通过设计一系列步骤，实现了降尺度的云量观测，有效提高了云量观测的精度，大大有助于决策者制定与环境保护相关的重大决策。

附图说明

图1是本发明设计的一种遥感云量资料降尺度方法的流程示意图；

图2a是实施例目标区域2013年1月份降尺度前的遥感云量示意图；

图2b是实施例目标区域2013年1月份降尺度后的遥感云量示意图；

图2c是实施例目标区域2013年7月份降尺度前的遥感云量示意图；

图2d是实施例目标区域2013年7月份降尺度后的遥感云量示意图；

图3a是实施例目标区域中局部区域2013年1月份降尺度前的遥感云量放大示意图；

图3b是实施例目标区域中局部区域2013年1月份降尺度后的遥感云量放大示意图；

图3c是实施例目标区域中局部区域2013年7月份降尺度前的遥感云量放大示意图；

图3d是实施例目标区域中局部区域2013年7月份降尺度后的遥感云量放大示意图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。

如图1所示，本发明所设计的一种遥感云量资料降尺度方法，基于目标区域5km×5km分辨率总云量，获得目标区域1km×1km分辨率总云量，实际应用过程当中，具体包括如下步骤：

步骤001.根据目标区域各站点至少30年历史时间段中各年内逐月平均总云量观测数据、逐月平均日照百分率数据，获得如下模型(1)中的a_n和b_n，作为目标区域一月至十二月各月分别所对应系数组{a_n，b_n}，然后进入步骤002；

${\mathrm{CL}}_{i_n}=a_n+b_n\times S_{i_n}---\left(1\right)$

其中，n＝{1、…、12}，i_n＝{1、…、I_n}，i_n表示目标区域历史时间段中各年内第n月的第i个站点，I_n表示目标区域历史时间段中各年内第n月的总站点数；表示目标区域历史时间段中各年内第n月、第i个站点的月平均总云量观测数据，通过MODIS大气产品MOD06获得总云量观测数据，a_n和b_n表示目标区域历史一年时间内第n月的系数，表示目标区域历史时间段中各年内第n月、第i个站点的月平均日照百分率数据。

上述步骤001，具体包括如下步骤：

步骤00101.获得目标区域各站点历史时间段中各年内逐月平均总云量观测数据、逐月平均日照时间观测数据和逐月平均可照时间数据，并根据目标区域历史时间段中各年内各站点逐月平均日照时间观测数据与逐月平均可照时间数据之间的比值，获得目标区域历史时间段中各年内的逐月平均日照百分率数据，然后进入步骤00102；其中，通过反距离权重插值法(IDW)获得日照时间。

步骤00102.根据目标区域历史时间段中各年内各站点逐月平均总云量观测数据和逐月平均日照百分率数据，通过多元回归分析法，获得如下模型(1)中的a_n和b_n，作为目标区域一月至十二月各月分别所对应系数组{a_n，b_n}，然后进入步骤002；

${\mathrm{CL}}_{i_n}=a_n+b_n\times S_{i_n}---\left(1\right)$

其中，n＝{1、…、12}，i_n＝{1、…、I_n}，i_n表示目标区域历史时间段中各年内第n月的第i个站点，I_n表示目标区域历史时间段中各年内第n月的总站点数；表示目标区域历史时间、各年内第n月、第i个站点的月平均总云量观测数据，通过MODIS大气产品MOD06获得总云量观测数据，表示目标区域历史时间段中各年内第n月、第i个站点的月平均日照百分率数据。

这里基于上述设计方法所确定的a_n和b_n，作为目标区域一年时间内各月的系数，彼此有一定的相似性，即当a_n>0，b_n<0，体现了云量与日照百分率的负相关关系；同时也存在差异性，夏季系数略大于冬季；如此基于上述目标区域历史时间段的实际数据，通过多元回归分析法，获得a_n和b_n，作为目标区域一年时间内各月的系数，即误差最小的参数数据，也是最符合目标区域一年时间内各月实际情况的参数数据。

步骤002.获得目标区域中各个网格区域分别对应指定时间内第l月的1km×1km分辨率日照时间和1km×1km分辨率地理可照时间，并据此获得分别对应指定时间内第l月、目标区域中所有网格区域的平均1km×1km分辨率日照百分率，即目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_(neigh,1km)，其中，l＝{1、…、L}，L表示指定时间内的总月数，然后进入步骤003。

其中，对于可照时间而言，在实际地形中，任意一点P在一天中的任意时刻是否可照，主要由该时刻太阳光线投射方向上的地形对P点有无造成遮蔽决定。当太阳高度角大于地形对P点造成的遮蔽角时，P点可得到日照，反之，则被遮蔽，没有日照。基于此思想，充分考虑天空因子和局地地形条件对实际地形可照时间的影响，通过建立起伏地形下可照时间的分布式计算模型，即可获得可照时间。

上述步骤002具体包括如下步骤：

步骤00201.获得目标区域中各个网格区域分别对应指定时间内第l月的1km×1km分辨率日照时间和1km×1km分辨率地理可照时间，其中，l＝{1、…、L}，L表示指定时间内的总月数；然后进入步骤00202；其中，通过反距离权重插值法获得1km×1km分辨率日照时间。

步骤00202.据目标区域中各个网格区域分别对应指定时间内第l月1km×1km分辨率日照时间与1km×1km分辨率地理可照时间之间的比值，获得目标区域中各个网格区域分别对应指定时间内第l月的1km×1km分辨率日照百分率，进而获得分别对应指定时间内第l月、目标区域中所有网格区域的1km×1km分辨率日照百分率，即目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_(neigh,1km)，然后进入步骤003。

在处理栅格数据时，由于数据像元大小不符合要求，或者在进行栅格数据配准后，像元发生倾斜，或者对多个栅格数据进行分析时，往往需要使用相同的栅格分辨率，ArcGIS中的重采样功能即可实现此目的。邻域分析是一种窗口分析，是空间分析中的一个栅格计算方式，其基本思路就是以待计算的栅格像元为中心，向周围扩展一定的范围，然后根据这些扩展栅格像元与中心像元的值或仅用扩展像元(即分析窗口)的值进行函数运算，从而得到这个待计算像元的新值。

步骤003.针对目标区域分别对应指定时间内第l月的1km×1km分辨率日照百分率S_(neigh,1km)，通过邻域分析法，根据5×5窗口大小，获得目标区域分别对应指定时间内第l月的5km×5km分辨率日照百分率S_(neigh,5km)，然后进入步骤004。

步骤004.获得目标区域分别对应指定时间内第l月5km×5km分辨率日照百分率S_{(neigh,5km)，l}与1km×1km分辨率日照百分率S_{(neigh,1km)，l}之间的差值ΔS_l，ΔS_l的分辨率为1km×1km，并通过MODIS大气产品MOD06，获得目标区域分别对应指定时间内第l月5km×5km分辨率总云量CL_l,5km，然后进入步骤005。

步骤005.根据如下模型(2)：

CL_l，1km＝CL_l,5km-b_l×ΔS_l>

获得目标区域分别对应指定时间内第l月的1km×1km分辨率总云量CL_l，1km。

将本发明所设计的遥感云量资料降尺度方法应用在具体的实施例中，针对实施例中目标区域进行遥感云量资料降尺度观测，其中，针对实施例中目标区域，分析云量和日照百分率的相关性，对云量和日照百分率进行建模，模型模拟绝对误差见下表1所示。

表1

应用本发明所设计的遥感云量资料降尺度方法，针对实施例中目标区域2013年1月和2013年7月的总云量进行分析，如图2a所示，实施例目标区域2013年1月份降尺度前的遥感云量示意图，经过本发明所设计的遥感云量资料降尺度方法后，如图2b所示，实施例目标区域2013年1月份降尺度后的遥感云量示意图；同样，如图2c所示，实施例目标区域2013年7月份降尺度前的遥感云量示意图，经过本发明所设计的遥感云量资料降尺度方法后，如图2d所示，实施例目标区域2013年7月份降尺度后的遥感云量示意图。

为了获得清晰分辨率降尺度的效果，分别针对实施例目标区域2013年1月和2013年7月降尺度前、降尺度后遥感云量示意图进行局部放大处理，获得实施例目标区域中局部区域的实施效果图，如图3a所示，实施例目标区域中局部区域2013年1月份降尺度前的遥感云量示意图，经过本发明所设计的遥感云量资料降尺度方法后，如图3b所示，实施例目标区域中局部区域2013年1月份降尺度后的遥感云量示意图；同样，如图3c所示，实施例目标区域中局部区域2013年7月份降尺度前的遥感云量示意图，经过本发明所设计的遥感云量资料降尺度方法后，如图3d所示，实施例目标区域中局部区域2013年7月份降尺度后的遥感云量示意图，其中，局部区域为对应图2a-图2d中的方框区域。

本发明所设计的遥感云量资料降尺度方法，采用全新设计策略，基于现有遥感云量观测数据为基础，通过设计一系列步骤，实现了降尺度的云量观测，有效提高了云量观测的精度，大大有助于决策者制定与环境保护相关的重大决策。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。