基于遥感的全空间覆盖海上大气CO2柱浓度计算方法

专利主权项内容

1.基于遥感的全空间覆盖海上大气CO柱浓度计算方法，其特征在于，包括：2以MODIS数据为例，下载的数据有MODIS的三类数据，一类是海上参数：海表温度：SST、叶绿素a浓度：Chl-a、光合有效辐射：PAR；二类是大气参数：气溶胶光学厚度：AOT；三类是波段反射率：经过大气校正的红光波段反射率，以及OCO-2卫星的XCO数据，XCO数据即大气二氧化碳柱浓度；22步骤1：陆地对海上大气CO柱浓度的影响可使用经过大气校正的红光波段反射率来构建海水富营养指数；2步骤2：通过时空插值方法，重构出缺失的数据；步骤3：标准化处理，海表温度、叶绿素a浓度、光合有效辐射、气溶胶光学厚度、海水富营养指数参数以及OCO-2的XCO数据统一空间分辨率至0.05°，其中，海表温度、叶绿素a浓度、光合有效辐射、气溶胶光学厚度使用最邻近法插值，海水富营养指数和XCO数据采用双线性法插值，统一为等经纬度投影；22步骤4：采用随机森林方法构建预测随机森林模型，海表温度、叶绿素a浓度、光合有效辐射、气溶胶光学厚度、海水富营养指数作为自变量，XCO数据作为因变量：2步骤5：根据下载的海表温度、叶绿素a浓度、光合有效辐射、气溶胶光学厚度数据，以及计算得到的海水富营养指数数据，经过步骤2的时空插值方法，步骤3的标准化处理，再利用步骤4中训练好的随机森林模型，即预测出全天候、全覆盖的海上大气CO柱浓度数据；2所述步骤2中通过时空插值方法，重构出缺失的数据，以海表温度为例进行说明：首先，将研究区连续多天需要重构的海表温度数据设为矩阵，矩阵/>的行是某一空间位置点的所有时间序列值，列是某一时刻所有空间点的值，I为待重构的缺失点集，其中的缺失值用NaN表示，其工作流程如下：
减去其时间维的有效平均值/>, 时间维的有效平均值为不含缺失值的海表温度数据下时间维的平均值，得到X，从X中随机取出有效数据总量的1%作为交叉验证集/>，对/>对应位置的数据赋值为NaN，将X中所有NaN的点用0代替，定义P为模态保留数，此时P=1；对矩阵进行奇异值分解，有
(2)；利用式(3)补齐缺失点数据
(3)；然后根据式(4)计算与交叉验证集/>的均方根误差R :
(4)；为了使均方根误差R最小，令
(5)；再利用式(1)对作奇异值分解，重复步骤3，直到均方根误差R收敛；令模态保留数P=1, 2，…，，重复公式(2)-(5)，并记录对应P值下的均值下的均方根误差/>，此时总有一个P值能令/>最小，取此P值作为最优模态保留数k；取最优模态保留数k对缺失数据进行重构，得到的矩阵记为，/>与矩阵/>的区别是，的缺失值NaN已经被重构出来，/>的每列都加上/>得到最终的重构矩阵；通过式(2)-(5)重构出了缺失数据地区的海表温度数据，连同已有的晴空数据，一起构成了全天候、全覆盖的海表温度数据；公式(2)中：，/>，/>分别为SVD分解后对应的空间特征模态、奇异值矩阵和时间特征模态，/>表示矩阵转置；公式(3)中：，/>和/>分别是空间和时间特征模态的第t列，/>为对应的奇异值，/>为缺失点数据，P为模态保留数；公式(4)中：N为交叉验证集的数据点数，R为/>与交叉验证集/>的均方根误差，为缺失点数据的重构值，/>为缺失点数据的原始值；公式(5)中：为缺失点的修正值矩阵。