[发明专利]一种卫星沿轨海平面高度异常数据融合方法及系统有效
申请号: | 202210116477.0 | 申请日: | 2022-02-07 |
公开(公告)号: | CN114494811B | 公开(公告)日: | 2023-03-24 |
发明(设计)人: | 王久珂;肖林;李菁楠;张志华 | 申请(专利权)人: | 国家海洋环境预报中心 |
主分类号: | G06V10/80 | 分类号: | G06V10/80;G06V10/774;G06V10/82 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 蒋姗 |
地址: | 100080*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 卫星 海平面 高度 异常 数据 融合 方法 系统 | ||
本申请提供一种卫星沿轨海平面高度异常(Sea Level Anomaly,SLA)数据融合方法及系统,该方法包括:获取待处理的卫星沿轨海平面高度异常数据;根据所述卫星沿轨海平面高度异常数据,生成卫星沿轨掩膜数据;根据所述卫星沿轨海平面高度异常数据生成目标海域稀疏二维SLA矩阵,以及根据所述卫星沿轨掩膜数据生成掩膜二维矩阵;通过预先构建的海平面高度异常数据融合模型对所述目标海域稀疏二维SLA矩阵和所述掩膜二维矩阵进行融合处理,得到格点化融合数据。可见,实施这种实施方式,能够更快速、更灵活地自适应获取到与不同海域、不同卫星相融合的格点化SLA数据;同时,还能够全链条全自主的生成SLA格点化融合数据,解决海洋预报关键数据的“卡脖子”问题。
技术领域
本申请涉及物理海洋学领域,具体而言,涉及一种卫星沿轨海平面高度异常数据融合方法及系统。
背景技术
海水的流动是影响海洋能量等相关海洋物理要素分布最为重要的因素之一。根据流体力学物理规律,海流能够引起海平面高度的变化,在这其中,海平面高度与平均海平面高度之间的差异被称之海平面高度异常(Sea Level Anomaly,SLA)。由此可见,SLA中包含有海流的信息,这就使得海流的情况可以通过对SLA的测量结果加以描述,从而使得其成为海洋数值模式中同化的重要参数。
目前,测量全球SLA时通常会使用卫星雷达高度计加以观测。然而,该种方式仅能够得到卫星星下点SLA,从而使得获得的SLA数据呈一维的星下点轨迹的形态。该类数据被称为卫星沿轨SLA数据,具有空间覆盖率不够高的局限性。
但是,海洋数值模式需要使用网格化数据进行计算,因此技术人员提出了将一段时间内的卫星沿轨SLA数据进行融合,以此生成网格化的二维SLA数据的方法。
其中,上述的卫星沿轨SLA融合方法通常采用最优插值融合法,但是最优插值融合法包含时空相关半径等大量人为设定的参数,从而使得其具有一定的主观性;同时,该方法的计算量较大,耗时相对较长;另外,该方法针对不同海域通常使用相同的参数,这使得卫星在不同海域的观测特性难以自适应调整。
可见,虽然最优插值融合法是目前最为主流的SLA融合方法,但是在计算效率与自适应性方面仍具有一定的局限性。
发明内容
本申请实施例的目的在于提供一种卫星沿轨海平面高度异常数据融合方法及系统,能够更快速、更全面、更准确地获取到与不同海域、不同卫星相匹配的格点化融合数据;同时,还能够避免使用欧洲哥白尼海洋服务生产的格点化融合数据,解决海洋预报关键数据的“卡脖子”问题。
本申请实施例第一方面提供了一种卫星沿轨海平面高度异常数据融合方法,包括:
获取待处理的卫星沿轨海平面高度异常数据;
根据所述卫星沿轨海平面高度异常数据,生成卫星沿轨掩膜数据;
根据所述卫星沿轨海平面高度异常数据生成目标海域稀疏二维SLA矩阵,以及根据所述卫星沿轨掩膜数据生成掩膜二维矩阵;
通过预先构建的海平面高度异常数据融合模型对所述目标海域稀疏二维SLA矩阵和所述掩膜二维矩阵进行融合处理,得到格点化融合数据。
进一步地,所述方法还包括:
构建原始融合模型,并获取用于训练所述原始融合模型的SLA数据样本集;其中,所述SLA数据样本集包括多个历史卫星沿轨海平面高度异常数据;
获取与所述SLA数据样本集对应的卫星沿轨掩膜数据样本集;
生成所述SLA数据样本集对应的二维矩阵样本和所述卫星沿轨掩膜数据样本集对应的掩膜二维矩阵样本;
通过最优插值方法对所述二维矩阵样本进行融合处理,得到格点化融合场数据集;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家海洋环境预报中心,未经国家海洋环境预报中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210116477.0/2.html,转载请声明来源钻瓜专利网。