[发明专利]基于云量预测信息的大区域多星联合覆盖有效性评估方法

权利要求书

1.一种基于云量预测信息的大区域多星联合覆盖有效性评估方法，其特征在于，包括如下步骤：

S1：对气象卫星VIRR全球云量日产品数据进行预处理，确定需求区域晴空指数FI，生成晴空指数的时间序列；

S2：对需求区域的晴空指数时间序列作平稳性与季节性判断，若晴空指数时间序列为非平稳性数据则进行平稳化处理，以平稳季节性晴空指数时间序列为输入，建立季节时间序列模型SARIMA；

S3：通过建立的SARIMA模型对该需求区域进行晴空指数预测；

S4：对需求区域进行观测周期内多星联合过境分析，确定完整覆盖时段和不完整覆盖时段所在月份的晴空指数预测值；

S5：建立覆盖有效性与全部覆盖时段和晴空指数FI的有效性预估模型，对观测周期内需求区域多星联合覆盖的数据进行有效性预测。

2.根据权利要求1所述的基于云量预测信息的大区域多星联合覆盖有效性评估方法，其特征在于，步骤S1中，所述气象卫星VIRR全球云量日产品数据选自风云三号A星(FY-3A)和/或风云三号C星(FY-3C)气象卫星VIRR全球云量日产品数据。

3.根据权利要求1所述的基于云量预测信息的大区域多星联合覆盖有效性评估方法，其特征在于，步骤S1中，所述对气象卫星VIRR全球云量日产品数据进行预处理的步骤，包括以下子步骤：

月度晴空天数统计：读取云量数据HDF文件，将VIRR全球云量日产品数据中像元值在0-20之间的像元定义为晴空，检测0-20的像元并赋值为1，其余数据赋值为0，将各月份每日赋值处理后的数据进行累计求和，得出月晴空天数TIFF文件，TIFF文件中包含了分辨率0.05°的全球月晴空天数；

TIFF文件地理配准：通过ArcGIS将全球月晴空天数TIFF文件转换为ASCII栅格数据文件，修改文件头角点的坐标(xllcorner和yllcorner)为对应HDF文件信息中左下经纬度，将ASCII栅格数据文件再转换回TIFF格式文件并配置地理坐标系；

需求区域晴空数据提取：采用需求区域SHP文件进行数据剪裁，获取目标区域内逐年逐月晴空天数TIFF文件，遍历各月份晴空天数TIFF文件像元值并求取相应月份晴空天数均值，作为月晴空天数区域均值。

4.根据权利要求1所述的基于云量预测信息的大区域多星联合覆盖有效性评估方法，其特征在于，步骤S1中，晴空指数FI的计算公式如下：

其中，∑F_ij为晴空天数区域总值，M为提取区域的像元总数，N为晴空数据所在月份总天数。

5.根据权利要求1所述的基于云量预测信息的大区域多星联合覆盖有效性评估方法，其特征在于，步骤S1中，晴空指数的时间序列Yi为按月份排列的各月份需求区域内平均晴空天数占该月份总天数的比值。

6.根据权利要求1所述的基于云量预测信息的大区域多星联合覆盖有效性评估方法，其特征在于，步骤S2中，所述建立季节时间序列模型SARIMA的步骤，包括如下子步骤：

晴空指数时间序列的平稳性判断：晴空指数时间序列的平稳性判断，主要通过分析移动平均和标准差走势的统计检验方法或ADF检验方法实施；

晴空指数时间序列的季节性判断:提取晴空指数时间序列的趋势、季节和随机效应，并将以上信息从时间序列中分离出来，对晴空指数时间序列的季节性变动周期进行判断；若晴空指数时间序列具备序列季节性，可采用SARIMA建模；

晴空指数时间序列平稳化：采用一阶十二步差分对非平稳季节性晴空指数时间序列进行季节性和非季节性差分处理，使晴空指数时间序列趋于平稳，并确定把非平稳季节性时间序列转化为平稳季节性时间序列的非季节和季节性差分次数d和D；

白噪声检验：判断差分后的晴空指数时间序列是否为白噪声序列，如果不是，进行SARIMA建模步骤；

SARIMA建模：以平稳季节性晴空指数时间序列作为输入，通过网格搜寻方法或AIC准则，确定SARIMA模型中p，P，q，Q参数及季节性变化周期s的值，建立SARIMA(p,d,q)(P,D,Q)_s模型，其中参数p，P，q，Q分别表示非季节、季节、自回归、移动平均算子的最大滞后阶数。