[发明专利]一种基于卫星测高数据的海平面变化预测方法

说明书

本发明公开了一种基于卫星测高数据的海平面变化预测方法，涉及卫星测高数据应用技术领域，本发明利用卫星高度计测得的海面高长时间序列数据，以确定的网格中心点为圆心，通过搜索半径内每个海面高数据的插值权重，计算得到在网格中心点处的海面高数据插值结果。然后在各网格中心点处，利用海面高数据插值结果确定季节性差分自回归滑动平均预测模型参数。最终基于预测模型计算研究区域内每个网格中心点处的海面高预测值。本发明通过将卫星测高数据与季节性差分自回归滑动平均模型相结合，可以对大空间尺度海平面变化进行预测。

技术领域

本发明涉及卫星测高数据应用技术领域，尤其涉及一种基于卫星测高数据的海平面变化预测领域。

背景技术

近年来，海平面的升高带来了海岸侵蚀，还会造成了盐水入侵、洪涝等灾害，给人类的生存环境和生命财产安全造成严重威胁。而越来越多的研究表明，海平面仍处于加速上升中。因此，海平面变化预测的方法不仅有重要的学术价值，对海洋生态环境的改善还具有重大的现实意义。

利用验潮数据得到的海面高数据精度高、时间序列长，存在测量成本高、分布不均匀、测量周期长等缺点，而且测得的数据为点数据，不能在大空间尺度范围进行测量，而卫星测高技术可以长时序的获取大空间尺度的海面高度信息，已经积累了30多年的高精度全球海面高度数据，为全球海平面变化建模预测提供了数据基础。

目前，预测海面高的方法是随机动态模型为经验的数学统计模型，然而海平面变化具有复杂的机理，传统方法对于非平稳非线性的时间序列预测存在较大局限性，而且往往是针对某个验潮站数据进行计算。季节性差分自回归滑动平均(SeasonalAutoregressive Integrated Moving Average,SARIMA)模型是由Box和Jenkins提出的一种时间序列预测方法，该方法主要应用在经济金融、交通运输和工程管理等领域，还未应用于海平面变化预测领域。SARIMA模型能够充分考虑卫星测高数据中周期性特征,不仅能够解决卫星测高数据不平稳问题,而且去周期化后数据表现为一种纯粹的随机过程，能够很好的对海平面变化进行预测。由于卫星测高数据具有地理空间分布的多点特性，在测高数据预处理和SARIMA模型构建方面尚未有解决方案。鉴于卫星测高数据和SARIMA模型的优点，本发明提出一种卫星测高数据和SARIMA模型相结合进行海平面变化的预测方法。

发明内容

(一)要解决的技术问题

本发明提供了一种基于卫星测高数据的海平面变化预测方法，该方法利用SARIMA模型对长时间序列的卫星测高数据进行处理，来预测海平面变化。

(二)技术方案

本发明包含以下步骤：

(1)将卫星测高数据进行预处理，得到数量为g个月份的海面高数据ssh_u(1≤u≤g)；

其中，u表示对参与建模的海面高数据月份按时间先后顺序进行排列的序数。

(2)以第一个月份数据的左上角坐标点(x₁,y₁)为第一个网格中心点，网格宽度W取最大轨道间距的一半，依次计算网格中心点经纬度坐标并储存在L_ij中；

其中，i和j表示从网格左上角起算第i列第j行。

(3)对各月海面高数据ssh_u，以网格中心点L_ij为圆心，以R为搜索半径，找到w个海面高数据，计算每个海面高数据ssh_uv(1≤u≤g,1≤v≤w)的插值权重p_uv，并计算在第u个月网格中心点L_ij处的海面高数据插值结果SSH_uij；