[发明专利]一种近地表气象要素计算方法

说明书

本发明公开了一种近地表气象要素计算方法，主要包括：采集目标区域的气象相关数据；将目标区域划分为A区域、B区域、C区域和D区域四个区域；利用ANN方法确定最佳输入变量组合；依据该最佳输入变量组合确定最佳ANN映射模型；计算B区域的气象要素计算数据；计算D区域的气象要素计算数据；A区域、C区域的台站气象要素数据和B区域、D区域的计算气象要素估算数据共同组成目标区域的近地表气象要素数据。本发明结合遥感方法和空间插值方法，有效降低了台站稀疏导致的计算误差，并解决了遥感盲区近地表气象要素数据计算的问题。

技术领域

本发明属于遥感应用技术领域，具体涉及一种近地表气象要素计算方法。

背景技术

空气温湿度等近地表气象要素是衡量地球气候变化、水文循环等的重要指标，也是开展各类气象服务的基础。在人类生产生活方面，这些气象数据可用于指导农牧业生产、空气调节系统运行。在科学研究方面，可用于生态系统建模、流行性疾病传播预警研究及气候变化等领域。在防灾减灾方面，也可用于林火探测等。

然而，受经济发展水平及人口分布特征等因素影响，部分地区气象台站分布稀疏且均匀性较差。现有台站气象数据不足以指导农牧业生产和支撑当地流行性疾病传播预警、气候变化、林火探测等研究。故探索适合复杂地形、台站稀疏区域准确获取气象数据的方法是非常必要的。

传统的高分辨率气象要素估算主要是使用当地及邻近区域内气象站数据进行空间插值，以实现数据点尺度到面尺度的转换。空间插值主要分为三类：非地统计学、地统计学和两者相结合的方法。如反距离加权法、回归模型法、薄板样条函数法属于非地统计学方法。地统计学方法主要包括克里格法及其改进算法等。结合方法则有梯度距离平方反比法、回归克里格等。研究人员对各种方法的适用性做了大量研究，结果表明空间插值方法对于台站密集且分布均匀区域的气象要素插值准确度较高。但由于受到台站数量及分布等因素的影响，在台站稀疏且分布均匀性较差的区域，插值误差较大，难以满足小尺度气象分布特征的研究。因此，随着遥感技术的迅速发展，使用遥感数据估算气象要素的方法开始形成并逐渐发展，以克服传统空间插值方法的上述缺陷。

气象要素遥感估算方法与传统的空间插值方法不同。它使用遥感获取的地-气系统参数数据来估算近地表气象要素。卫星遥感提供具有空间连续覆盖、全球尺度的多种地-气系统参数产品，如地表温度T_s、大气总可降水量 TPW、土地覆盖类型LCT等。然而受到现有技术手段的限制，现在还不能直接通过遥感直接获取近地表气象数据。目前主流的方法主要是基于地表特征与近地表气象要素的耦合关系。因此，现有气象数据遥感估算方法在台站稀疏区域准确度比空间插值方法更高。但对于复杂地形区域，现有遥感估算方法准确度仍存在可提升的空间。此外，云覆盖、积雪、霾等造成的遥感观测盲区也是近地表气象要素计算的一大难点。

发明内容

为解决现有气象要素估算方法中存在的上述局限，本发明提供了一种基于遥感数据的近地表气象要素计算方法，解决现有的方法准确度低的问题。

为了实现上述目的，本发明采用如下技术方案予以实现：

一种近地表气象要素计算方法，包括以下步骤：

步骤1、采集目标区域的气象相关数据，其中气象相关数据包括从目标区域气象台站及其邻近区域气象台站获取的台站气象要素数据、从遥感平台获取的目标区域及其邻近区域的遥感数据；

步骤2、将目标区域划分为四个区域，分别为：A区域：遥感数据可用的台站区域，B区域：遥感数据可用的非台站区域，C区域：遥感数据不可用的台站区域，D区域：遥感数据不可用的非台站区域；

步骤3、利用人工神经网络方法对A区域的遥感变量进行降维处理，获得降维后的遥感变量；

步骤4、将A区域与降维后的遥感变量对应的遥感数据作为输入，A区域的台站气象要素数据作为输出，利用人工神经网络方法构建遥感数据和台站气象要素数据之间的映射模型；