一種mcc表面海流反演方法

一種mcc 表面海流反演方法
【專利摘要】本發明涉及一種MCC表面海流反演方法，所述方法包括對MODIS衛星進行預處理；利用綜合優化云檢測算法，進行云覆蓋檢測；對于晴空區，分別選取海表溫度和550nm反射率數據為示蹤物，采用MMC反演得到表面海流場；對于缺測的海表流數據，利用DINEOF方法進行插值補缺；進行變分同化優化調整獲得短時平均表面流。本發明的有益效果為：本發明提出的云檢測方法，提高了海面低云、碎云以及部分被云覆蓋像元的識別準確率，為下一步計算表面海流更精確的去除了干擾，保證了后續結果的精度。本發明在插值基礎上，提出的一種表面海流場全局優化調整方法，大大增加了反演結果的覆蓋范圍，同時也使得反演精度得到明顯提高，增強了該方法的使用范圍。
【專利說明】
一種MGG表面海流反演方法
技術領域
[0001 ]本發明屬于衛星遙感應用領域，具體涉及一種MCC表面海流反演方法。
【背景技術】
[0002] 海流對海洋中多種物理、化學、生物和地質過程，以及海洋上空的氣候和天氣的形 成及變化，都有影響和制約作用，故了解和掌握海流規律，對漁業、航運和排污等都有重要 意義。例如:海流使低煒度熱量向高煒度傳輸，暖流上空有熱量和水汽向上輸送，使得層結 不穩定、空氣濕度增大而易產生降水，寒流產生逆溫，層結穩定，水汽不易向上輸送，蒸發又 弱，下層相對濕度有時雖然很大，但只能成霧，不能成雨；寒暖流交匯的海區，海水受到擾 動，可以將下層營養鹽類帶到表層，有利于魚類大量繁殖，為魚類提供誘餌;兩種海流還可 以形成"水障"，阻礙魚類活動，使得魚群集中，往往形成較大的漁場;海流還可以使污染物 因迅速擴散而加快其稀釋和凈化的速度，也相應地使污染范圍擴大。
[0003] 海流在軍事上也有重要的意義。對于海軍作戰，海流是考慮作戰的重要因素之一， 恰當地利用海流，對作戰會起到降低戰爭消耗，增加勝利因素的一個籌碼，反之，會對戰爭 起到不利影響，甚至會導致失敗。在第二次世界大戰中有這方面的成功的戰例。在戰爭中， 各沿海國都把海洋水文資料作為軍事情報進行收集、整理，了解海洋水文狀況對于海軍進 行防御、進攻起著重要作用。艦艇順水航行，有利于提高航行速度，節約時間和燃料;下降流 利于潛艇的下潛，上升流利于潛艇的出擊;貿易航線因船只多，容易暴露軍事目標;風浪大 的航線(特別是南北半球的西風漂流)利于偷襲等等。
[0004] 目前利用的常規手段對大面積的海域的表面海流實施高頻率實時觀測幾乎是不 可能的，例如，江蘇沿海類似908大范圍的海洋調查相隔30年一次，局部地區5-10年一次，重 點港口 2-3年一次。其他非常規手段由于種種原因難以廣泛使用，例如：SAR覆蓋范圍小，重 復觀測周期長;岸基雷達成本高，范圍有限；高度計資料僅適用于大范圍的地轉流，且同樣 存在重復觀測周期長的問題。而被動的衛星遙感影像資料具有重復觀測周期短、覆蓋范圍 大、資料容易獲取等優點，因此，利用衛星影像資料進行表面海流遙感反演，具有非常重要 理論和實踐意義。
[0005] 目前，最大相關系數方法(MCC方法）是利用衛星影像資料進行表面海流遙感反演 的主要手段。
[0006] 最初MCC法是用在AVHRR圖像的亮溫上來獲得表面海流。后來，一些學者用SST(海 表溫度）或SST的水平梯度來代替亮溫作為示蹤物得到流速。Garcia and Robinson和 Tokmakian將MCC方法用到CZCS的可見光圖像上，而不是紅外、近紅外圖像來反演海表面流 場。Isern-Fontanet利用微波反演的SST跟蹤海流。Crocker分別利用AVHRR反演的海表溫度 和modis、SeaWiFS反演得到的海色圖像得到海表面流場。Bowen做了 一項很復雜的MCC方法 反演研究，他們選取澳大利亞東部海域七年的AVHRR數據，用MCC法估算海表面流的精度達 到了0.08到0.2m/s 〇Tokmakian選取California附近海域，用ADCP測量的結果與MCC得到的 結果進行的比較，均方差在0.14-0.25m/s。
[0007] 但這些方法都存在以下問題：
[0008] 無論是以SST，還是水色要素濃度為示蹤物，都只能得到晴空區結果；
[0009] 由于方法本身的局限性，即使晴空區也會出現無法反演的現象；
[0010] 因為這些嚴格的條件，限制了MCC技術的廣泛應用。

【發明內容】

[0011] 為了解決現有技術存在的上述問題，本發明提供了一種MCC表面海流反演方法。本 發明針對如何解決MCC方法獲得的表面海流在云覆蓋區或由于方法本身造成缺測的問題提 出了 一種優化方法，從而提高反演覆蓋度及精度。
[0012] 本發明所采用的技術方案為：
[0013] -種MCC表面海流反演方法，其改進之處在于:所述方法包括
[0014] 對MODIS衛星進行預處理；
[0015]利用綜合優化云檢測算法，進行云覆蓋檢測；
[0016]對于晴空區，分別選取海表溫度和550nm反射率數據為示蹤物，采用MMC反演得到 表面海流場；
[0017] 對于缺測的海表流數據，利用DINEOF方法進行插值補缺；
[0018] 進行變分同化優化調整獲得短時平均表面流。
[0019] 進一步地，所述對MODIS衛星進行預處理包括
[0020] (1.1)進行輻射值計算:將衛星觀測到所儲存的計數值轉換為可用的物理值；
[0021 ]其中，輻亮度L和反射率數據定標公式如下：
[0022] RB,T,FS = ref lectance_scalesB(SIb,t,Fs~ref Iectance_off setsB)；
[0023] 式中，心,1,^為反射通道的反射率值，31^^是數據集中16位計數值， 代；1^16(^&1106_80&1688和16；1^16(^&1106_〇€€86七88是對應波段的縮放比和截距參數；
[0024] LB，T，FS = radiance_scalesB(SlB,T，FS_radiance_offsetsB);
[0025] 式中，Lb,t,fs為福射通道的福亮度值，SIb,t,fs是數據集中16位計數值，radiance_ scalesB和radiance_offsetsB是對應波段的縮放比和截距參數；
[0026]由普朗克公式：
[0027]
[0028]
[0029]
[0030] 興τη = ο · ozo 入丄u j · sy^j首明兄吊雙，c = z · yy i y 入丄u m · s yy具；ι?兀^|，k = 1.38 X HT23J · IT1為玻爾茲曼常數，λ代表波段中心波長；
[0031] (1.2)進行條帶噪聲去除：定位噪聲帶行數據，對其數據進行濾波平滑處理，對噪 聲帶采取空間域的超限鄰域平均-選擇式掩膜平滑的方法來減弱噪聲帶的影響；
[0032] (1.3)進行邊緣數據重疊的糾正:采用Kriging插值方法和分形插值算法對MODIS 資料進行幾何糾正；
[0033] (1.4)進行太陽天頂角糾正:將不同時刻太陽天頂角下的探測數據換算成相當于 太陽處于天頂時的探測值；
[0034]其訂正公式為：
[0035] Rc = Rb.T.F.s/cos(0)；
[0036] 式中，Rc為訂正后的反射率，Rb.t.f.s為定標后的反射率，Θ為太陽天頂角；
[0037] (1.5)進行臨邊效應的訂正:將各探測值換算成相當于衛星在天頂探測時的測值；
[0038] 其訂正方法為：
[0039] T = Tb+AT;
[0040] 其中，T:訂正后的溫度;Tb : Planck亮度溫度；
[0041]
[0042] 10-5，G
[0043]
[0044]
[0045]
[0046] 其中，Re:地球半徑;H:衛星高度;σ:探測點的衛星探測角；
[0047] (1.6)進行圖像的投影:采用的投影方式為等經煒度投影。
[0048]進一步地，所述利用綜合優化云檢測算法，進行云覆蓋檢測包括
[0049] (2.1)進行時間識別：白天云檢測所限定的太陽高度角要小于85°，大于85°視為夜 間；
[0050] (2.2)進行海陸識別：區分出海洋、陸地與內陸湖泊，通過獲取M0D03里的海陸標識 數據集Land/SeaMask實現海陸識別；
[0051] (2.3)進行雪識別：采用歸一化雪蓋指數測量雪對可見光和短波紅外波段的反射 特性和反射差的相對大小；
[0052] (2.4)判別洋面太陽耀斑區；
[0053]當太陽反射角度01位于0°~36°時，作太陽耀斑區處理;太陽反射角按下式確定：
[0054] cosO1 - sinΛ?η ^iCosφ-r cosOcosO0 _
[0055] 其中，Θ為太陽天頂角，θ〇為視角，口為方位角；
[0056] (2.5)針對不同的下墊面，進行單一像元的分組檢測，將檢測項目分為高云、中云、 低云三組檢測。
[0057]進一步地，所述利用最大相關系數方法反演得到表面海流場包括 [0058]在特征量跟蹤法中用于估計海流的第一幅圖設為模板窗口，第二幅圖設為搜索窗 口，利用最大相關系數法來跟蹤一幅圖到下一幅圖的海表特征的位移，在搜索窗口中找出 與模板窗口大小相同且相關性的子窗口，對模板窗口進行重復的操作，得到完整的表面海 流區域；
[0059] 其中，示蹤物選取：以海表面溫度和葉綠素濃度來作為估計海流的示蹤物，所述示 蹤物包括熒光素、葉綠素、懸浮泥沙、表面溫度及鹽度。
[0060] 進一步地，所述對于缺測的海表流數據，利用DINEOF方法進行插值補缺包括通過 經驗正交函數來推測出缺值點的數據，其基本原理包括：
[0061] (5.1)構造觀測數據矩陣；
[0062] (Xo)mxn原始觀測矩陣為mXn的數據矩陣，m為數據的空間維數，η為數據時間上的 維數，缺值點用〇表示；（X Q ) m X η矩陣的每一行表示當前時刻流場在某一方向上的流矢量，流 矢量個數為m;每一列代表有η個連續相鄰時次的流場結果用于流場重構；
[0063] (5.2)對Xo 進行 SVD 分解；
[0064] 選擇EOF的最優數η，Xo的SVD分解可表示如下Xo = UD VT，U的維數為m X r，表示X0的 空間分解量，V的維數為rXn，表示Xo的時間分解量，D為對角特征值矩陣，維數為rXr，在得 至IjU，D，V的值后，可按照Xo的重構算法(Xa) ij = (UnDnVnt) ij，二&+X來得到；
[0065] (5 · 3)缺值點數值由新的值代替；
[0066] Xa = UDVT，（Xa)ij = (UNDNVNT)ij直到收斂為止；
[0067] (5.4)E0F的最優選擇數η的確定；
[0068] 通過交叉驗證方法選擇η，采用MC客觀分析的交叉驗證方法以決定最優EOF階數。
[0069]進一步地，所述進行優化調整包括
[0070] 采用變分同化方法并結合正則化思想對表面海流場全局優化：
[0071] 設特征量跟蹤法得到的表面流場為(ub，vb)，經過變分同化的質量控制得到流場 (u,v);
[0072] 尋找表面流場的分析值(u，v)使得(u，v)滿足散度場：
[0073]
[0074] (1)時邛
[0075]
[0076]
[0077]
[0078]
[0079]
[0080]
[0081]
[0082]
[0083]
[0084] (7)
[0085]
[0086] (8:)
[0087]
[0088] (9)
[0089]
[0090] CIO)
[0091] 解出λ，即可得到(U，v);
[0092 ]利用松馳法得到λ，從而得到分析值u、v;
[0093] 令以叉，7)=01)(叉，7)-0(叉，7)，將(9)式離散得：
[0094] λ?+ι，」+λ?-1，」+λ?，j+ι+λ?，」-ι_4λ?，」= fi，」(11)
[0095] 其中，每一格點上給定λ的初始猜值<\它不滿足方程（10)，經過m次疊代后，余量
，重新求出（i，j)點CTli值，使得余量等于或接近 于〇,從而得到的最后疊代值;將得到的A(x，y)代入(7)式，就可得到表面海流的分析值 (u,v)〇
[0096] 本發明的有益效果為：
[0097] (1)提出的云檢測方法，提高了海面低云、碎云以及部分被云覆蓋像元的識別準確 率，為下一步計算表面海流更精確的去除了干擾，保證了后續結果的精度。
[0098] (2)在插值基礎上，提出的一種表面海流場全局優化調整方法，大大增加了反演結 果的覆蓋范圍，同時也使得反演精度得到明顯提高，增強了該方法的使用范圍。
[0099] 本發明主要從工程的角度，依據長期的實踐經驗及技巧，提出了一種適合業務運 行的表面海流反演算法。
【附圖說明】
[0100] 圖1是本發明提供的一種MCC表面海流反演方法流程示意圖；
[0101] 圖2是本發明提供的一種MCC表面海流反演方法中云檢測流程示意圖；
[0102] 圖3是本發明提供的一種MCC表面海流反演方法中最大相關系數法計算海流實施 例示意圖；
[0103] 圖4是本發明提供的一種MCC表面海流反演方法中松馳迭代示意圖。
【具體實施方式】
[0104] 下面結合附圖對本發明的【具體實施方式】作進一步的詳細說明。
[0105] 以下描述和附圖充分地示出本發明的具體實施方案，以使本領域的技術人員能夠 實踐它們。其他實施方案可以包括結構的、邏輯的、電氣的、過程的以及其他的改變。實施例 僅代表可能的變化。除非明確要求，否則單獨的組件和功能是可選的，并且操作的順序可以 變化。一些實施方案的部分和特征可以被包括在或替換其他實施方案的部分和特征。本發 明的實施方案的范圍包括權利要求書的整個范圍，以及權利要求書的所有可獲得的等同 物。在本文中，本發明的這些實施方案可以被單獨地或總地用術語"發明"來表示，這僅僅是 為了方便，并且如果事實上公開了超過一個的發明，不是要自動地限制該應用的范圍為任 何單個發明或發明構思。
[0106]如圖1所示，本發明提供了一種MCC表面海流反演方法。
[0107] 本發明首先對E0S/M0DIS衛星進行投影變換、幾何校正、輻射變換，利用綜合優化 云檢測算法，進行云覆蓋檢測。對于晴空區，分別選取海表溫度和550nm反射率數據為示蹤 物，利用最大相關系數方法反演得到表面海流場。對于缺測的海表流數據，利用DINEOF方法 進行插值補缺，利用變分同化方法并結合正則化思想的表面海流場全局優化方法進行優化 調整，調整后的數據在覆蓋度及反演精度上都有較大提高。具體步驟包括：
[0108] 第一步:對MODIS衛星進行預處理；
[0109] (1)輻射計算
[0110] MODIS數據在使用前，必須經過輻射值計算，將衛星觀測到所儲存的計數值轉換為 可用的物理值。
[0111] 其中，輻亮度L和反射率數據定標公式如下：
[0112] RB,T,FS = ref lectance_scalesB(SIb,t,Fs~ref Iectance_off setsB)；
[0113] 式中，1?^^為反射通道的反射率值，51^^是數據集中16位計數值， 代；1^16(^&1106_80&1688和16；1^16(^&1106_〇€€86七88是對應波段的縮放比和截距參數；
[0114] LB，T，FS = radiance_scalesB(SlB,T，FS_radiance_offsetsB);
[0115] 式中，Lb,t,fs為福射通道的福亮度值，SIb,t,fs是數據集中16位計數值，radiance_ scalesB和radiance_offsetsB是對應波段的縮放比和截距參數；
[0116] 由普朗克公式：
[0117]
[0?18]可以將福亮度Lb.t.f.s轉換為亮溫BT(Brightness Temperature):
[0119]
[0120] 其中h = 6.626X 10-34J · s為普朗克常數，c = 2.9979Xl〇V · s-1 為真空光速，k = 1.38 X HT23J · IT1為玻爾茲曼常數，λ代表波段中心波長。
[0121] (2)條帶噪聲去除
[0122] 由于MODIS的條帶噪聲非常有規律的，條帶噪聲線平行于掃描方向，而且相鄰條帶 噪聲線之間的距離為掃描寬度，但是產生條帶噪聲線的位置并不總是在掃描帶的分界處。 所以可以先定位噪聲帶行數據，在對其進行濾波平滑。對噪聲帶采取空間域的超限鄰域平 均-選擇式掩膜平滑的方法來減弱噪聲帶的影響；
[0123] (3)邊緣數據重疊的糾正
[0124] 由于像素的實際地面大小隨著觀測角的增大而增大，除了星下點數據外，相鄰兩 行的像素存在彼此的重疊本發明采用Kriging插值方法和分形插值技術對MODIS資料進行 了幾何糾正。
[0125] (4)太陽天頂角糾正
[0126] 把不同時刻的太陽天頂角下的探測數據換算成相當于太陽處于天頂時的探測值。
[0127] 其訂正公式為：
[0128] Rc = Rb.t.f.s/cos(0)
[0129] 式中，Rc為訂正后的反射率，Rb.t.f.s為定標后的反射率，Θ為太陽天頂角。
[0130] (5)臨邊效應的訂正
[0131] 將各探測值換算成相當于衛星在天頂探測時的測值。
[0132] 其訂正方法為：
[0133] T = Tb+AT;
[0134] 其中，T:訂正后的溫度;Tb : Planck亮度溫度；
[0135；
[0136] 式中，υ:探測波段的中心波數;E:定標后的輻射率;C1，C2為常數，C1 = 1.1910659 · 10一5,C2 = I.438833; ΔΤ:溫度訂正值；
[0137]
[0138]
[0139]
[0140] 其中，Re:地球半徑;H:衛星高度;σ:探測點的衛星探測角。
[0141] (6)圖像的投影
[0142] 為便于計算，本發明采用的投影方式為等經煒度投影。
[0143] 第二步:利用綜合優化云檢測算法，進行云覆蓋檢測；
[0144] 本發明云檢測方法在借鑒了 NASA云檢測可信度思想基礎上，根據實際的資料獲取 情況來實現對研究地區的云檢測。如圖2所示，具體檢測步驟如下：
[0145] (1)時間識別：白天云檢測所限定的太陽高度角要小于85°，大于85°視為夜間。通 過時間識別可以選擇適當的云檢測方法。
[0146] (2)海陸識別：區分出海洋、陸地與內陸湖泊。通過獲取M0D03里的海陸標識數據集 Land/Sea Mask實現海陸識別。
[0147] (3)雪識別：由于無法實時獲取每日的冰雪覆蓋數據，但為了提高云檢測的可信 度，在進行云檢測之前，先進行積雪檢測。目前基于反射特性的歸一化雪蓋指數(NDSI)具有 普遍的實際操作意義，精度高，分類合理，是提取積雪信息的最佳技術手段。歸一化雪蓋指 數(NDSI)是基于雪對可見光和短波紅外波段的反射特性和反射差的相對大小的一種測量 方法。
[0148] (4)洋面太陽耀斑區判別。當太陽反射角度θτ位于〇°~36°時，作太陽耀斑區處理； 太陽反射角按下式確定：
[0149] cos0. - sini7sin0{)cos(p+cos^cos0{) _
[0150] 其中，Θ為太陽天頂角，為視角，為方位角。
[0151] (5)針對不同的下墊面，進行單一像元的分組檢測。將檢測項目分為高云、中云、低 Ζ5Γ二組檢測：
[0152] 第一組為高云檢測：BT13.9，BT6.7，R1.38，BT11，BT3.7-BT12。
[0153] 第二組為中云檢測：RO · 66，R0 · 87，R0 · 87/R0 · 66，BT11-BT7 · 3。
[0154] 第三組為低云檢測：BTll-BT3.9，R0.936/R(h865，B Til。
[0155] 第三步:對于晴空區，分別選取海表溫度和550nm反射率數據為示蹤物，采用MMC反 演得到表面海流場；
[0156] (1)示蹤物選取
[0157] 衛星遙感具有大范圍系統反復的觀測能力，可以被用來開發觀測海洋表面環流， 這種表面環流的估計方法一般都要觀測示蹤物及它們在一段時間內的移動，熒光素、葉綠 素、懸浮泥沙、表面溫度、及鹽度都是潛在的示蹤物，本方法主要以海表面溫度和葉綠素濃 度來作為估計海流的示蹤物。
[0158] (2)示蹤物追蹤方法
[0159] 如圖3所示，在特征量跟蹤法中用于估計海流的第一幅圖稱為"模板窗口 (template window)"，第二幅圖稱為"搜索窗口（search window)"。利用最大相關系數法來 跟蹤一幅圖到下一幅圖的海表特征的位移。在"搜索窗口"中找出與"模板窗口"大小相同且 相關性最好的那個子窗口，假設"搜索窗口"子窗口的中心坐標為(Xmcc，Ymcc)，"模板窗口" 的中心坐標為(X，γ)，則有(X mcc-X，Ymcc-Y)既可假設為流動的矢量。對許多"模板窗口"進 行重復的操作，將得到完整的表面海流區域。
[0160]第四步:對于缺測的海表流數據，利用DINEOF方法進行插值補缺；
[0161 ]本方法米用DINE0F(Data Interpolating Empirical Orthogonal Functions)方 法對缺值流場進行補缺。
[0162] DINEOF是一種自適應的EOF分解方法，通過經驗正交函數來推測出缺值點的數據， 而不需要通過計算最小的誤差協方差來求取插值的結果，其基本原理如下：
[0163] (1)構造觀測數據矩陣；
[0164] (Xo)mxn原始觀測矩陣為mXn的數據矩陣，m為數據的空間維數，η為數據時間上的 維數，缺值點用〇表示；（X Q ) m X η矩陣的每一行表示當前時刻流場在某一方向上的流矢量，流 矢量個數為m;每一列代表有η個連續相鄰時次的流場結果用于流場重構；
[0165] (2)對Xo進行SVD分解；
[0166] 選擇EOF的最優數η，第(4)步中說明選擇原則。Xo的SVD分解可表示如下Xo = UDVt，U 的維數為m X r，表示Xo的空間分解量，V的維數為r X η，表示Xo的時間分解量。D為對角特征值 矩陣，維數為r X r。在得到U，D，V的值后，可按照X 〇的重構算法（X a) i j = (U N D N V NT) i j， JTfl二尤ji·來得到。
[0167] (3)缺值點數值由新的值代替；
[0168] Xa = UDVT，（Xa)ij = (UNDNVNT)ij直到收斂為止。
[0169] (4)E0F的最優選擇數η的確定。
[0170] η的選擇依賴于Mate Caro方法，亦稱為交叉檢驗技術。如果η選取太小，重構的數 據不足以反映數據內在的物理變化特征;η選太大，所引入的誤差信息加大，計算量也會加 大。采用MC客觀分析的交叉驗證方法以決定最優EOF階數。
[0171] 第五步:進行變分同化優化調整獲得短時平均表面流；
[0172]變分同化實際上是偏微分方程的最優控制問題，涉及到偏微分方程理論、線性與 非線性泛函分析、資料最優處理及數值計算等學科。
[0173] 本專利提出的變分同化方法并結合正則化思想的表面海流場全局優化具體如下：
[0174] 設特征量跟蹤法得到的表面流場為(ub，vb)，我們要得到的是經過變分同化的質量 控制得到流場(u，v);
[0175] 尋找表面流場的分析值(u，v)使得(u，v)滿足散度場：
[0176]
[0177] ⑴時，
[0178]
[0179]
[0180]
[0181]
[0182]
[0183]
[0184] 得出：
[0185]
(6)
[0186]
[0187] C7)
[0188]
[0189] (8)
[0190]
[0191] (9)
[0192]
[0193] CIO)
[0194] 解出λ，即可得到(U，v)。
[0195] 如圖4所示，利用松馳法(Relaxation method)得到λ，從而得到分析值U、V;
[0196] 令以叉，7)=01)(叉，7)-0(叉，7)，將(9)式離散得：
[0197] λ?+ι，」+λ?-1，j+λ?，j+ι+λ?，j-i_4Ai，j = fi，j (11)
[0198] 每一格點上給定λ的初始猜值#^ 一般來說，它不滿足方程（10)，經過m次疊代后，
重新求出（i，j)點#+1)值，使得余量等于或 接近于〇,從而得到的最后疊代值。將得到的λ(χ，3〇代入(7)式，就可以得到表面海流的 分析值(u，v)。
[0199] 本發明不局限于上述最佳實施方式，任何人在本發明的啟示下都可得出其他各種 形式的產品，但不論在其形狀或結構上作任何變化，凡是具有與本申請相同或相近似的技 術方案，均落在本發明的保護范圍之內。
【主權項】
1. 一種MCC表面海流反演方法，其特征在于:所述方法包括 對版)DIS衛星進行預處理； 利用綜合優化云檢測算法，進行云覆蓋檢測； 對于晴空區，分別選取海表溫度和550nm反射率數據為示蹤物，采用MMC反演得到表面 海流場； 對于缺測的海表流數據，利用DI肥OF方法進行插值補缺； 進行變分同化優化調整獲得短時平均表面流。2. 根據權利要求1所述的一種MCC表面海流反演方法，其特征在于:所述對M0DIS衛星進 行預處理包括 (1.1) 進行福射值計算:將衛星觀測到所儲存的計數值轉換為可用的物理值； 其中，福亮度L和反射率數據定標公式如下： fe,T,FS = reflectance_scalesB(SlB,T,FS-reflectance_offsetsB); 式中，Rb,t,fs為反射通道的反射率值，SIb,t,fs是數據集中16位計數值，reflectance_ scalesB和reflectance_offsetsB是對應波段的縮放比和截距參數； LB,T,FS = radiance_scalesB(SlB,T,FS-radiance_off setsB); 式中，Lb,t,fs為福射通道的福亮度值，SIb,t,fs是數據集中16位計數值，radiance_scalesB 和radiance_offsetsB是對應波段的縮放比和截距參數； 由普朗克公式：可W將福亮度Lb.t.f.s轉換為亮溫BT:其中，h = 6.626Xl〇-34j . S為普朗克常數，c = 2.9979Xl〇8m · S-1 為真空光速，k=1.38 X10-23J . K-1為玻爾茲曼常數，λ代表波段中屯、波長； (1.2) 進行條帶噪聲去除：定位噪聲帶行數據，對其數據進行濾波平滑處理，對噪聲帶 采取空間域的超限鄰域平均-選擇式掩膜平滑的方法來減弱噪聲帶的影響； (1.3) 進行邊緣數據重疊的糾正:采用Kriging插值方法和分形插值算法對M0DIS資料 進行幾何糾正； (1.4) 進行太陽天頂角糾正:將不同時刻太陽天頂角下的探測數據換算成相當于太陽 處于天頂時的探測值； 其訂正公式為： Rc = I?b.t.f.s/cos(白）； 式中，Rc為訂正后的反射率，化.T.F.S為定標后的反射率，目為太陽天頂角； (1.5) 進行臨邊效應的訂正:將各探測值換算成相當于衛星在天頂探測時的測值； 其訂正方法為： T = Tb+AT; 其中，Τ:訂正后的溫度;TB:Planck亮度溫度；9 式中，U:探測波段的中屯、波數;E:定標后的福射率;Cl，C2為常數，Cl = 1.1910659 · 10一5， C2=l.438833; ΔΤ:溫度訂正值；其中，目:探測點的衛星天頂角；其中，Re:地球半徑;Η:衛星高度;0:探測點的衛星探測角； (1.6)進行圖像的投影:采用的投影方式為等經締度投影。3. 根據權利要求1所述的一種MCC表面海流反演方法，其特征在于:所述利用綜合優化 云檢測算法，進行云覆蓋檢測包括 (2.1) 進行時間識別：白天云檢測所限定的太陽高度角要小于85%大于85°視為夜間； (2.2) 進行海陸識別：區分出海洋、陸地與內陸湖泊，通過獲取M0D03里的海陸標識數據 集Land/Sea Mask實現海陸識別； (2.3) 進行雪識別：采用歸一化雪蓋指數測量雪對可見光和短波紅外波段的反射特性 和反射差的相對大小； (2.4) 判別洋面太陽耀斑區； 當太陽反射角度θτ位于0°~36°時，作太陽耀斑區處理;太陽反射角按下式確定：其中，Θ為太陽天頂角，θ〇為視角，戶為方位角； (2.5) 針對不同的下墊面，進行單一像元的分組檢測，將檢測項目分為高云、中云、低云 二組檢測。4. 根據權利要求1所述的一種MCC表面海流反演方法，其特征在于:所述利用最大相關 系數方法反演得到表面海流場包括 在特征量跟蹤法中用于估計海流的第一幅圖設為模板窗口，第二幅圖設為捜索窗口， 利用最大相關系數法來跟蹤一幅圖到下一幅圖的海表特征的位移，在捜索窗口中找出與模 板窗口大小相同且相關性的子窗口，對模板窗口進行重復的操作，得到完整的表面海流區 域； 其中，示蹤物選取：W海表面溫度和葉綠素濃度來作為估計海流的示蹤物，所述示蹤物 包括巧光素、葉綠素、懸浮泥沙、表面溫度及鹽度。5. 根據權利要求1所述的一種MCC表面海流反演方法，其特征在于:所述對于缺測的海 表流數據，利用DI肥OF方法進行插值補缺包括通過經驗正交函數來推測出缺值點的數據， 其基本原理包括： (5.1)構造觀測數據矩陣； (Xo)mxn原始觀測矩陣為mXn的數據矩陣，m為數據的空間維數，η為數據時間上的維數， 缺值點用ο表示；（Xo)mXn矩陣的每一行表示當前時刻流場在某一方向上的流矢量，流矢量個 數為m;每一列代表有η個連續相鄰時次的流場結果用于流場重構； (5.2) 對乂〇進行5￥0分解； 選擇EOF的最優數η，Χο的SVD分解可表示如下Χο = UDVT，U的維數為m X r，表示Χο的空間分 解量，V的維數為r X η，表示Χο的時間分解量，D為對角特征值矩陣，維數為r X r，在得到U，D， V的值后，可按照Χο的重構算法(Xa)ij= (UnDnVnT)。，義。=；^。+左來得到； (5.3) 缺值點數值由新的值代替； Xa = UWT，（Xa)U=化nDnVnT)^ 直到收斂為止； 巧.4化OF的最優選擇數η的確定； 通過交叉驗證方法選擇η，采用MC客觀分析的交叉驗證方法W決定最優EOF階數。6.根據權利要求1所述的一種MCC表面海流反演方法，其特征在于:所述進行優化調整 包括 采用變分同化方法并結合正則化思想對表面海流場全局優化： 設特征量跟蹤法得到的表面流場為(ub，vb)，經過變分同化的質量控制得到流場(u，v); 尋找表面流場的分析值(u，v)使得(u，v)滿足散度場：C1) (ub，vb)為推導得到的表面流場，使得分析值(U，V)與表面流場充分接近，滿足式（1)時， 同時滿足下式：(2) 利用Lagrange乘子法，把式（1)作為約束條件，即條件變分法，引進新的泛函如下：和邊界條件λ|Γ = 0,即：解出λ，即可得到(U，v); 利用松馳法得到λ，從而得到分析值U、V ; 令f (x，y)=Db(x,y)-D(x，y)，將(9)式離散得： 入 i+i, j = fi, j (11) 其中，每一格點上給定人的初始猜值為它不滿足方程（10)，經過m次疊代后，余量重新求出（i，j)點乂Γ"值，使得余量等于或接 近于0,從而得到λι,^的最后疊代值;將得到的λ(χ，γ)代入(7)式，就可得到表面海流的分析 值(u，v)。
【文檔編號】G06F17/50GK105844000SQ201610159357
【公開日】2016年8月10日
【申請日】2016年3月18日
【發明人】郭洪濤
【申請人】江蘇銓銓信息科技有限公司