基于像元尺度上不确定性的多源卫星AOD融合方法.pdf

《基于像元尺度上不确定性的多源卫星AOD融合方法.pdf》由会员分享，可在线阅读，更多相关《基于像元尺度上不确定性的多源卫星AOD融合方法.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010411688.8 (22)申请日 2020.05.15 (71)申请人 中国科学院空天信息创新研究院 地址 100000 北京市朝阳区奥运村街道16 号农业银行2楼 (72)发明人 李正强光洁赫晓龙温亚南 樊程许华 (74)专利代理机构 北京方韬法业专利代理事务 所(普通合伙) 11303 代理人 朱丽华 (51)Int.Cl. G06F 30/20(2020.01) (54)发明名称 一种基于像元尺度上不确定性的多源卫星 AOD融合方法 (57)摘要 本发明公开了一。

2、种基于像元尺度上不确定 性的多源卫星AOD融合方法， 属于卫星遥感应用 技术领域。 该方法包括： 对多源卫星AATSR AOD产 品的数据集进行预处理； 再基于预处理后的多源 卫星AATSR AOD产品的不确定性数据集， 利用熵 值法构建单位像元AATSR AOD融合权重计算模 型， 计算单位像元AATSR AOD的融合权重； 再利用 加权平均融合法进行融合运算， 得到多源卫星融 合后的AOD数据集。 本发明使用熵值法构建了融 合权重计算模型， 相较于查找表法运算逻辑简 单， 运算速度快， 准确性高且稳定性强， 不仅能满 足高空间覆盖率要求， 还能保证融合产品的质 量， 提高融合产品的应用价值。

3、， 为大气环境监测 提供重要的输入数据。 权利要求书3页 说明书8页 附图7页 CN 111737850 A 2020.10.02 CN 111737850 A 1.一种基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在于， 所述方法包 括： (1)对多源卫星AATSR AOD产品的数据集进行预处理； (2)基于步骤(1)预处理后的多源卫星AATSR AOD产品的不确定性数据集， 利用熵值法 构建单位像元AATSR AOD融合权重计算模型， 计算单位像元AATSR AOD的融合权重； (3)针对步骤(2)计算得到的单位像元AATSR AOD的融合权重， 利用加权平均融合法进 行融合运算。

4、， 得到多源卫星融合后的AOD数据集。 2.根据权利要求1所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 于， 所述步骤(1)中对多源卫星AATSR AOD产品的数据集进行预处理的步骤包括： A、 数据拼接： 使用ENVI IDL编程工具提取多源卫星AATSR AOD产品的经纬度信息， 并基 于每条卫星数据的边缘经纬度信息完成数据拼接； B、 数据裁剪： 录入研究区域的左上角和右下角经纬度， 确定研究区域的经纬度范围， 将 研究区域的经纬度范围作为掩膜裁剪拼接好的AATSR AOD； C、 重采样： 将多源卫星AATSR AOD产品的空间分辨率统一重采样为1km*1km； D。

5、、 投影转换： 将所述多源AATSR AOD产品的投影方式统一设置为等经纬度投影。 3.根据权利要求2所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 于， 所述步骤(2)得到的单位像元AATSR AOD的融合权重计算模型为： 其中， wi表示多源卫星AOD的融合权重值； qi表示任意一种AATSR AOD不确定性数据与其 相对应的AOD数值的比值， AODi表示单位像元处的任意一种AATSR AOD产品的值， uncertaintyi表示单位像元处的某种卫星AOD的不确定性数据； n表示在单位像元处有效的 AATSR AOD产品个数， n的取值范围为0-3： n0， 表示此像。

6、元的融合AOD值为0； n1， 表示此 像元处只有一种AATSR AOD产品参与融合运算， 此时融合结果等于该卫星AOD的值； n2或 3， 表示此像元处有两种或三种AATSR AOD产品参与融合运算， 此时分别计算单一AATSR AOD 产品在该像元处的融合权重值。 4.根据权利要求3所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 于， 所述步骤(3)中加权平均融合法的融合数值计算公式为： 其中， m表示参与融合的AOD像元个数； i表示单位像元AOD值， wi表示对应AOD的融合权 重值，fusion表示融合后的AOD值。 5.根据权利要求1至4任一项所述的基于像元尺度上。

7、不确定性的多源卫星AOD融合方 法， 其特征在于， 还包括步骤(4)， 利用地基观测数据对步骤(3)得到的多源卫星融合后AOD 数据集进行精度验证和质量评估。 6.根据权利要求5所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 权利要求书 1/3 页 2 CN 111737850 A 2 于， 所述步骤(4)中对多源卫星融合后AOD数据集采用时空匹配验证法进行精度验证， 具体 方法为： 将地基观测数据的经纬度和观测时间作为基本输入参数， 取30分钟以内的地基 观测均值与卫星在观测站点周围55像素窗口内AOD的均值进行匹配和对比验证， 再对匹 配的结果可用性进行判断， 其中要求：。

8、 每个30分钟以内的地基观测数据保证至少有两次 有效观测值， 并且在每个55像素窗口内计算卫星AOD平均值时， 保证窗口内有不少于5个 有效的卫星AOD值。 7.根据权利要求6所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 于， 对所述精度验证方法中所有匹配成功的数据进行质量评估， 所述质量评估方法包括五 个评估指标， 每个评估指标包括优秀、 良好、 一般三个质量标准； 其中五个评估指标分别为： 卫星AOD均值MSA， 表示与地基观测AOD数据匹配成功的卫星AOD数值的均值； 地基AOD均值MAA， 表示与卫星AOD数据匹配成功的地基观测AOD数值的均值； 相对平均偏差RMB。

9、， 表示卫星AOD均值MSA与地基AOD均值MAA的比值； 均方根误差RMSE， 表示卫星AOD均值偏离真值的程度； 相关性系数R， 表示卫星AOD数据与地基AOD数据之间的相关关系的统计指标， R越接近 1， 表示两个变量的相关性越好。 8.根据权利要求7所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 于， 所述卫星AOD均值MSA的计算公式为： 其中， q表示55像元窗口中有效的AOD像素个数； satllite， i表示单位像元内有效的卫星 AOD值； 所述地基AOD均值MAA的计算公式为： 其中， p表示30分钟内的有效的地基观测AOD个数； Aeronet， i表示。

10、单位像元内有效的地 基观测AOD值； 所述相对平均偏差RMB的计算公式为： RMBMSA/MAA 其中， RMB用于表示卫星AOD值的高估和低估现象， 一般取值范围为0-2， 当RMB在1-2时， 表明卫星AOD值存在高估现象， 当RMB在0-1时， 表明卫星AOD值存在低估现象； 所述均方根误差RMSE的计算公式为： 其中， s表示与地基观测AOD数据匹配成功的AOD个数； satllite， i表示卫星AOD的值； Aeronet表示地基观测AOD的值， RMSE值越大， 卫星AOD值的质量越差。 9.根据权利要求5所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征在 于， 所。

11、述步骤(4)中对多源卫星融合后AOD数据集进行质量评估的指标包括空间覆盖率。 10.根据权利要求9所述的基于像元尺度上不确定性的多源卫星AOD融合方法， 其特征 在于， 所述空间覆盖率的计算方法为： 使用IDL编程判断研究区域内的单位像元AOD值是否 权利要求书 2/3 页 3 CN 111737850 A 3 大于0， 若大于0则表示该像元内有AOD覆盖； 然后利用公式： 计算研究区域内的空间覆盖率Coverage， 其中， x为研究区域内像元AOD值大于0的像元 个数， Y为研究区域内的像元总数和。 权利要求书 3/3 页 4 CN 111737850 A 4 一种基于像元尺度上不确定性的。

12、多源卫星AOD融合方法 技术领域 0001 本发明涉及大气卫星遥感应用技术领域， 特别是涉及一种基于像元尺度上不确定 性的多源卫星AOD融合方法。 背景技术 0002 气溶胶光学厚度(Aerosol Optical Depth,AOD)是指气溶胶消光系数从地面到大 气顶部的垂直积分， 描述的是气溶胶对光的削减作用。 它是气溶胶最重要的参数之一， 也是 气溶胶遥感研究最多的参数之一， 在很多与气溶胶相关的领域中， 如气溶胶辐射强迫， 遥感 影像的大气校正等， AOD都是很重要的输入参数。 气溶胶是大气中的主要污染物， PM2.5颗粒 物能够携带和运输有害物质， 严重威胁人类健康。 0003 为了。

13、生产出与地面观测数据一致性较高的AOD产品， 国内外的学者开发了很多针 对性的融合算法， 其中应用最广泛的是简单平均融合法和加权平均融合法。 该简单平均融 合法使用的是简单数学平均法， 融合产品的像元AOD值用由参与融合的单位像元多源卫星 气溶胶光学厚度值求和后， 除以多源卫星产品的个数所得的值表示。 该简单加权平均融合 法是在简单加权平均的基础上， 将考虑地表反射率或气溶胶类型等影响卫星反演气溶胶质 量的因素， 量化为权重因子后进行加权融合。 但这些传统的简单平均融合算法虽然计算的 过程简单， 但是融合结果的误差较大， 无法保证融合产品的精确性。 0004 此外， Mei等(2007)首次基。

14、于最小二乘法完成了对MODIS和SeaWIFS数据的融合， 并 基于地基观测数据对融合结果进行了验证。 Leptoukh等(2007)采用最大似然估计法基于 MODIS和MISR气溶胶光学厚度数据进行了融合,通过与单一传感器反演的气溶胶光学厚度 对比， 发现融合后的AOD产品覆盖度明显提高了。 Chatterjee等(2010)将地学统计方法应用 到了多源卫星气溶胶融合算法的开发中， 并完成了基于MODIS AOD和MISR AOD的融合， 然后 使用AERONET地基观测气溶胶光学厚度数据对融合的AOD产品进行了验证， 发现融合产品更 加接近地基测量数据。 Tang等(2016)还提出了一种。

15、基于贝叶斯最大熵(Bayesian maximum entropy method,BME)的多源气溶胶融合算法， 将影响融合结果的不确定性因素通过贝叶 斯最大熵法进行了量化。 Xie等(2018)通过查找表法构建不确定性数据集作为融合权重， 并 使用最大似然法融合多源卫星AOD， 该方法通过插值计算的融合权重稳定性差， 无法保证融 合结果的准确性。 0005 最小二乘融合法和最大似然融合法主要基于查找表法构建融合权重， 然后使用最 大似然估计法或最小二乘拟合法融合气溶胶光学厚度产品。 查找表方法虽然可一定程度上 提高计算速度， 但是前期查找表的构建过程中比较耗时， 建立查找表依赖的参数不具有普。

16、 遍适用性和移植性。 在实际运行计算中， 查找表的加载占据一定的内存空间， 也会使得运行 处理效率较低。 还有， 查找表的运用过程中的插值计算比较复杂， 且不同的插值方法会得到 不同的计算结果， 算法不具有稳定性， 所得融合权重不确定性较大， 导致融合结果不具有应 用价值。 0006 从上可知， 上述算法均没有考虑到产品在像元尺度上的不确定性。 而要充分利用 说明书 1/8 页 5 CN 111737850 A 5 不同AOD数据集的优势， 生产更为完整、 准确具有时空一致性的气溶胶数据集， 需要充分考 虑原始气溶胶数据集的像元尺度的系统误差和不确定性。 因此， 本申请要创设一种基于像 元尺度。

17、上不确定性的多源卫星AOD融合方法， 使其能够结合产品在像元尺度上的不确定性， 提高多源卫星AOD产品的完整度、 准确性和空间覆盖率， 使其与地基站点观测数据一致性良 好。 发明内容 0007 本发明要解决的技术问题是提供一种基于像元尺度上不确定性的多源卫星AOD融 合方法， 使其不仅可以提高融合运算速度， 还可以保证融合权重具有稳定、 可靠的特性， 提 高融合产品的应用价值， 并满足较高的空间覆盖率， 从而克服现有的AOD产品的不足。 0008 为解决上述技术问题， 本发明提供一种基于像元尺度上不确定性的多源卫星AOD 融合方法， 所述方法包括： 0009 (1)对多源卫星AATSR AOD。

18、产品的数据集进行预处理； 0010 (2)基于步骤(1)预处理后的多源卫星AATSR AOD产品的不确定性数据集， 利用熵 值法构建单位像元AATSR AOD融合权重计算模型， 计算单位像元AATSR AOD的融合权重； 0011 (3)针对步骤(2)计算得到的单位像元AATSR AOD的融合权重， 利用加权平均融合 法进行融合运算， 得到多源卫星融合后的AOD数据集。 0012 进一步改进， 所述步骤(1)中对多源卫星AATSR AOD产品的数据集进行预处理的步 骤包括： 0013 A、 数据拼接： 使用ENVI IDL编程工具提取多源卫星AATSR AOD产品的经纬度信息， 并基于每条卫星。

19、数据的边缘经纬度信息完成数据拼接； 0014 B、 数据裁剪： 录入研究区域的左上角和右下角经纬度， 确定研究区域的经纬度范 围， 将研究区域的经纬度范围作为掩膜裁剪拼接好的AATSR AOD； 0015 C、 重采样： 将多源卫星AATSR AOD产品的空间分辨率统一重采样为1km*1km； 0016 D、 投影转换： 将所述多源AATSR AOD产品的投影方式统一设置为等经纬度投影。 0017 进一步改进， 所述步骤(2)得到的单位像元AATSR AOD的融合权重计算模型为： 0018 0019 0020 其中， wi表示多源卫星AOD的融合权重值； qi表示任意一种AATSR AOD不确。

20、定性数据 与其相对应的AOD数值的比值， AODi表示单位像元处的任意一种AATSR AOD产品的值， uncertaintyi表示单位像元处的某种卫星AOD的不确定性数据； n表示在单位像元处有效的 AATSR AOD产品个数， n的取值范围为0-3： n0， 表示此像元的融合AOD值为0； n1， 表示此 像元处只有一种AATSR AOD产品参与融合运算， 此时融合结果等于该卫星AOD的值； n2或 3， 表示此像元处有两种或三种AATSR AOD产品参与融合运算， 此时分别计算单一AATSR AOD 产品在该像元处的融合权重值。 0021 进一步改进， 所述步骤(3)中加权平均融合法的融。

21、合数值计算公式为： 说明书 2/8 页 6 CN 111737850 A 6 0022 0023 其中， m表示参与融合的AOD像元个数； i表示单位像元AOD值， wi表示对应AOD的融 合权重值，fusion表示融合后的AOD值。 0024 进一步改进， 还包括步骤(4)， 利用地基观测数据对步骤(3)得到的多源卫星融合 后AOD数据集进行精度验证和质量评估。 0025 进一步改进， 所述步骤(4)中对多源卫星融合后AOD数据集采用时空匹配验证法进 行精度验证， 具体方法为： 将地基观测数据的经纬度和观测时间作为基本输入参数， 取30 分钟以内的地基观测均值与卫星在观测站点周围55像素窗口。

22、内AOD的均值进行匹配和对 比验证， 再对匹配的结果可用性进行判断， 其中要求： 每个30分钟以内的地基观测数据保 证至少有两次有效观测值， 并且在每个55像素窗口内计算卫星AOD平均值时， 保证窗口内 有不少于5个有效的卫星AOD值。 0026 进一步改进， 对所述精度验证方法中所有匹配成功的数据进行质量评估， 所述质 量评估方法包括五个评估指标， 每个评估指标包括优秀、 良好、 一般三个质量标准； 其中五 个评估指标分别为： 0027 卫星AOD均值MSA， 表示与地基观测AOD数据匹配成功的卫星AOD数值的均值； 0028 地基AOD均值MAA， 表示与卫星AOD数据匹配成功的地基观测A。

23、OD数值的均值； 0029 相对平均偏差RMB， 表示卫星AOD均值MSA与地基AOD均值MAA的比值； 0030 均方根误差RMSE， 表示卫星AOD均值偏离真值的程度； 0031 相关性系数R， 表示卫星AOD数据与地基AOD数据之间的相关关系的统计指标， R越 接近1， 表示两个变量的相关性越好。 0032 进一步改进， 所述卫星AOD均值MSA的计算公式为： 0033 0034 其中， q表示55像元窗口中有效的AOD像素个数； satllite， i表示单位像元内有效 的卫星AOD值； 0035 所述地基AOD均值MAA的计算公式为： 0036 0037 其中， p表示30分钟内的有。

24、效的地基观测AOD个数； Aeronet， i表示单位像元内有效 的地基观测AOD值； 0038 所述相对平均偏差RMB的计算公式为： 0039 RMBMSA/MAA 0040 其中， RMB用于表示卫星AOD值的高估和低估现象， 一般取值范围为0-2， 当RMB在1- 2时， 表明卫星AOD值存在高估现象， 当RMB在0-1时， 表明卫星AOD值存在低估现象； 0041 所述均方根误差RMSE的计算公式为： 0042 0043 其中， s表示与地基观测AOD数据匹配成功的AOD个数； satllite， i表示卫星AOD的值； 说明书 3/8 页 7 CN 111737850 A 7 Aer。

25、onet表示地基观测AOD的值， RMSE值越大， 卫星AOD值的质量越差。 0044 进一步改进， 所述步骤(4)中对多源卫星融合后AOD数据集进行质量评估的指标包 括空间覆盖率。 0045 进一步改进， 所述空间覆盖率的计算方法为： 使用IDL编程判断研究区域内的单位 像元AOD值是否大于0， 若大于0则表示该像元内有AOD覆盖； 然后利用公式： 0046 0047 计算研究区域内的空间覆盖率Coverage， 其中， x为研究区域内像元AOD值大于0的 像元个数， Y为研究区域内的像元总数和。 0048 采用这样的设计后， 本发明至少具有以下优点： 0049 本发明基于AATSR AOD。

26、的不确定性数据集使用熵值法构建了融合权重计算模型， 相较于现有的查找表法构建融合权重的方法， 运算逻辑简单； 运算速度快， 与现有简单平均 融合算法的速度相同， 但融合结果的准确性比简单加权平均融合算法高很多； 且稳定性强、 融合权重评估准确性高， 且可移植性强。 0050 本发明多源卫星AOD产品融合方法结合了多个卫星AOD的空间分布特征， 为监测大 气环境瞬时变化趋势、 研究大气污染对人类健康的影响提供重要的输入数据。 该多源卫星 数据融合方法不仅满足了较高的空间覆盖率要求， 最重要是在提高融合产品空间覆盖率的 同时， 保证了融合产品的质量， 提高了融合产品的应用价值。 附图说明 0051。

27、 上述仅是本发明技术方案的概述， 为了能够更清楚了解本发明的技术手段， 以下 结合附图与具体实施方式对本发明作进一步的详细说明。 0052 图1是本发明基于像元尺度上不确定性的多源卫星AOD融合方法的流程图。 0053 图2是本发明融合方法中多源AATSR AOD值与地基观测站点统计数据匹配验证的 原理图， A单元格表示以地基观测站点的经纬度为中心， 以图像分辨率为边长的单位像元， B 单元格表示匹配范围内的卫星观测AOD观测结果(如6个)， 白色单元格表示没有卫星AOD数 据的像元。 0054 图3是本发明融合方法中多源AATSR AOD空间覆盖率计算原理图,灰色单元格表示 有AOD覆盖的像。

28、元， 白色单元格表示没有AOD覆盖的像元。 0055 图4是本发明融合方法中中国大陆AERONET和CARSNET站点的空间分布， 浅灰色点 和深灰色点分别代表AERONET和CARSNET站点。 0056 图5是本发明融合方法中三种AATSR ADV、 ORAC、 SU产品和本发明融合后的L2 AOD 产品与地基观测数据的散点图。 实线表示1-1线， 散点表示不同AOD值域内的AERONET和 CARSNET AOD的平均值。 0057 图6是本发明融合方法中三种AATSR AOD与融合后AOD产品的日均空间覆盖率统计 图。 0058 图7是本发明融合方法中2007年三种AATSR AOD与。

29、融合后AOD产品的月均空间覆盖 率统计图。 0059 图8是本发明融合方法中2007年1、 4、 7、 10月AATSR AOD与融合AOD产品的月均空间 说明书 4/8 页 8 CN 111737850 A 8 覆盖分布图。 0060 图9是本发明融合方法中2007年AATSR AOD与融合AOD产品的季均空间覆盖率统计 图。 0061 图10是本发明融合方法中2007年AATSR AOD与融合AOD产品的季均空间覆盖分布 图。 0062 图11是本发明融合方法中2007年AATSR AOD与融合AOD产品的年均空间覆盖率统 计图。 0063 图12是本发明融合方法中2007年AATSR A。

30、OD与融合AOD产品年均空间覆盖分布图。 具体实施方式 0064 参照附图1所示， 本实施例基于像元尺度上不确定性的多源卫星AOD融合方法， 包 括如下步骤： 0065 (1)对多源卫星AATSR AOD产品的数据集进行预处理。 0066 本实施例以三种AATSR AOD数据集(ADV,ORAC,SU)为例进行具体说明。 由于不同来 源的AOD产品空间分辨率和投影方式不相同， 因此在进行融合运算之前， 需要对多源卫星 AATSR AOD产品的数据集进行预处理。 预处理步骤包括： 0067 A、 数据拼接： 使用ENVI IDL编程工具提取多源卫星AATSR AOD产品的经纬度信息， 并基于每条。

31、卫星数据的边缘经纬度信息完成数据拼接； 0068 B、 数据裁剪： 录入研究区域的左上角和右下角经纬度， 确定研究区域的经纬度范 围， 将研究区域的经纬度范围作为掩膜裁剪拼接好的AATSR AOD； 0069 C、 重采样： 将多源卫星AATSR AOD产品的空间分辨率统一重采样为1km*1km； 0070 D、 投影转换： 将所述多源AATSR AOD产品的投影方式统一设置为等经纬度投影。 0071 (2)基于步骤(1)预处理后的多源卫星AATSR AOD产品的不确定性数据集， 利用熵 值法构建单位像元AATSR AOD融合权重计算模型， 计算单位像元AATSR AOD的融合权重。 0072。

32、 该单位像元AATSR AOD的融合权重计算模型为： 0073 0074 0075 其中， wi表示多源卫星AOD的融合权重值； qi表示任意一种AATSR AOD不确定性数据 与其相对应的AOD数值的比值， AODi表示单位像元处的任意一种AATSR AOD的值， uncertaintyi表示单位像元处的某种卫星AOD的不确定性数据； n表示在单位像元处有效的 AATSR AOD产品个数， n的取值范围为0-3： n0， 表示此像元的融合AOD值为0； n1， 表示此 像元处只有一种AATSR AOD参与融合运算， 此时融合结果等于该卫星AOD的值； n2或3， 表 示此像元处有两种或三种A。

33、ATSR AOD参与融合运算， 此时分别计算单一AATSR AOD产品在该 像元处的融合权重值。 0076 (3)针对步骤(2)计算得到的单位像元AATSR AOD的融合权重， 利用加权平均融合 法进行融合运算， 得到多源卫星融合后的AOD数据集。 0077 该加权平均融合法的融合数值计算公式为： 说明书 5/8 页 9 CN 111737850 A 9 0078 0079 其中， m表示参与融合的AOD像元个数； i表示单位像元AOD值， wi表示对应AOD的融 合权重值，fusion表示融合后的AOD值。 0080 本实施例中还包括对步骤(3)得到的多源卫星融合后AOD数据集， 利用地基观。

34、测数 据进行精度验证和质量评估的步骤。 0081 该步骤中采用时空匹配验证法进行精度验证， 具体方法为： 将地基观测数据的经 纬度和观测时间作为基本输入参数， 取30分钟以内的地基观测均值与卫星在观测站点周 围55像素窗口内AOD的均值进行匹配和对比验证， 再对匹配的结果可用性进行判断， 其中 要求： 每个30分钟以内的地基观测数据保证至少有两次有效观测值， 并且在每个55像 素窗口内计算卫星AOD平均值时， 保证窗口内有不少于5个有效的卫星AOD值。 0082 如图2为时空对比匹配法的原理图， 图中A单元格是以地基观测站点的经纬度为中 心， 以图像分辨率为边长的单位像元， 此像元的AOD赋值。

35、规则为： 统计该站点30分钟以内 所有的AOD观测记录， 将所有观测AOD记录进行求和， 然后除以观测次数， 即： 0083 0084 其中， p表示30分钟内地基观测AOD的记录总数， 为增加验证准确度， 我们要求p 2， 即在单位时间窗口内的地基观测AOD记录应大于两条。 0085 图2还示出， 所示55的单元格， 表示以地基观测站点为中心， 与卫星观测数据的 匹配范围， 图中B单元格表示在匹配范围内的卫星观测AOD观测结果， 则卫星AOD的匹配均值 为： 0086 0087 其中， q表示匹配范围内卫星观测AOD的个数， 为增加验证准确度， 我们要求q5， 即在以地基站点经纬度为中心的5。

36、5空间窗口内的卫星AOD反演结果应大于5个。 0088 本实施例还对该精度验证方法中所有匹配成功的数据进行质量评估， 该质量评估 方法包括五个评估指标， 每个评估指标包括Q1-Q3三个质量标准， Q1为优秀、 Q2为良好、 Q3为 一般。 其中五个评估指标分别为： 0089 卫星AOD均值(Mean Satellite-retrieved AOD)MSA， 表示与地基观测AOD数据 匹配成功的卫星AOD数值的均值； 其计算公式为： 0090 0091 其中， q表示55像元窗口中有效的AOD像素个数； satllite， i表示单位像元内有效 的卫星AOD值。 MSA的值越大， 表明卫星AOD。

37、的均值越高， 反之同理。 0092 地基AOD均值(Mean AERONET or CARSNET AOD)MAA， 表示与卫星AOD数据匹配成 功的地基观测AOD数值的均值； 计算公式为： 0093 0094 其中， p表示30分钟内的有效的AERONET或CARSNETAOD个数； Aeronet， i表示单位像 说明书 6/8 页 10 CN 111737850 A 10 元内有效的AERONE或CARSNET AOD值。 MAA的值越大， 表明地基观测AOD的均值越高， 反之同 理。 0095 相对平均偏差RMB(Relative Mean Bias)， 表示卫星AOD均值MSA与地基。

38、AOD均值 MAA的比值； 其计算公式为： 0096 RMBMSA/MAA (8) 0097 其中， RMB用于表示卫星AOD值的高估和低估现象， 一般取值范围为0-2， 当RMB在1- 2时， 表明卫星AOD值存在高估现象， RMB越大， 卫星AOD的高估现象越严重。 当RMB在0-1时， 表 明卫星AOD值存在低估现象。 RMB越小， 卫星AOD的低估越严重。 0098 均方根误差(Root-Mean-Square Error)RMSE， 表示卫星AOD均值偏离真值的程 度； 计算公式为： 0099 0100 其中， s表示与地基观测AOD数据匹配成功的AOD个数； satllite， i。

39、表示卫星AOD的值； Aeronet表示地基观测AOD的值， RMSE值越大， 卫星AOD值的质量越差。 0101 相关性系数R， 表示卫星AOD数据与地基AOD数据之间的相关关系的统计指标， R 越接近1， 表示两个变量的相关性越好。 0102 还有， AOD产品的空间覆盖率是评估AOD产品质量的参考标准之一。 高覆盖率的AOD 产品在大气监测和人类健康领域具有重要的应用意义。 本发明融合方法中还包括采用空间 覆盖率指标对多源卫星融合后AOD数据集进行质量评估的步骤。 同一研究区域内， AOD产品 的空间覆盖率越大， 则表示产品的质量越好。 0103 该空间覆盖率的计算方法为： 使用IDL编。

40、程判断研究区域内的单位像元AOD值是否 大于0， 若大于0则表示该像元内有AOD覆盖； 然后利用公式： 0104 0105 计算研究区域内的空间覆盖率Coverage， 其中， x为研究区域内像元AOD值大于0的 像元个数， Y为研究区域内的像元总数和。 0106 如图3示出AATSR AOD空间覆盖率计算原理图， 灰色单元格表示有AOD覆盖的像元， 如15个， 白色单元格表示没有AOD覆盖的像元， 如25个,则该研究区域内的空间覆盖率 Coverage等于15/(15+25)37.5。 0107 参照附图4-12所示， 本实施例具体采用地基观测AOD数据对本发明融合AOD产品和 单一遥感卫星。

41、AOD产品进行精度验证以及空间覆盖率质量评估的结果如下。 0108 从附图5所示可知， 三种AATSR AOD产品ADV、 ORAC、 SU的均方根误差RMSE分别为 0.18、 0.14、 0.14， 而本发明融合AOD产品(Fus ion AOD)的均方根误差RMSE为0.17。 表明本 发明融合AOD产品的均方根误差与单一遥感卫星AOD产品的均方根误差没有差异， 保持高度 的一致性， 能满足融合产品的精度要求。 0109 从附图6所示的三种AATSR AOD与融合后AOD产品的日均空间覆盖率统计图可知， 本发明融合AOD产品(Fusion AOD)的日均空间覆盖率分别比ADV、 ORAC。

42、、 SU产品的日均空间 覆盖率提高43.2、 39.1和39.2， 提高幅度很大。 0110 从附图7所示的2007年三种AATSR AOD与融合后AOD产品的月均空间覆盖率统计图 说明书 7/8 页 11 CN 111737850 A 11 可知， 本发明融合AOD产品(Fusion AOD)的月均空间覆盖率分别比ADV、 ORAC、 SU产品的月均 空间覆盖率提高20、 18和18。 且从附图8示出的2007年1、 4、 7、 10月三种AATSR AOD产 品与本发明融合AOD产品的月均空间覆盖分布图可看出， 本发明融合AOD产品(Fusion AOD) 的月均空间覆盖率要比ADV、 O。

43、RAC、 SU产品的月均空间覆盖率有较大提高。 0111 从附图9所示的2007年三种AATSR AOD与融合后AOD产品的季均空间覆盖率统计图 可知， 本发明融合AOD产品(Fusion AOD)的季均空间覆盖率分别比ADV、 ORAC、 SU产品的季均 空间覆盖率提高15.2、 12.5和7.5。 且从附图10示出的2007年4个季度三种AATSR AOD 产品与本发明融合AOD产品的季均空间覆盖分布图可看出， 本发明融合AOD产品(Fusion AOD)的季均空间覆盖率要比ADV、 ORAC、 SU产品的季均空间覆盖率有提高。 0112 从附图11所示的2007年三种AATSR AOD与。

44、融合后AOD产品的年均空间覆盖率统计 图可知， 本发明融合AOD产品(Fusion AOD)的年均空间覆盖率分别比ADV、 ORAC、 SU产品的年 均空间覆盖率提高6.9、 5.7和2.1。 且从附图12示出的2007年三种AATSR AOD产品与 本发明融合AOD产品的年均空间覆盖分布图可看出， 本发明融合AOD产品(Fusion AOD)的年 均空间覆盖率要比ADV、 ORAC、 SU产品的年均空间覆盖率有所提高。 0113 从附图5-12可得出， 与三个单一遥感卫星AATSR AOD相比， 本发明融合AOD产品的 空间覆盖率都有提高。 尤其在日平均和月平均时间分辨率上提升显著。 所以说。

45、， 本发明基于 像元尺度上不确定性的多源卫星AOD融合方法得到的融合产品， 相比较于单一传感器反演 的卫星气溶胶光学厚度产品， 不仅提高了空间覆盖度， 也保证了融合产品质量的可靠性， 可 在大气监测和人类健康领域中发挥重要的作用。 0114 本发明基于像元尺度上不确定性的多源卫星AOD融合方法弥补了单一遥感传感器 提供的AOD数据在空间覆盖范围内的有限性， 不能提供高空间覆盖度产品的缺陷， 而是通过 构建像元尺度不确定性表达模型， 将融合误差限制到像元尺度上， 提高融合产品的精度和 可靠性， 创建出全新的一致性高、 精度高， 空间覆盖范围更广的气溶胶光学厚度产品,为大 气监测和人类健康研究提供。

46、支撑数据。 0115 以上所述， 仅是本发明的较佳实施例而已， 并非对本发明作任何形式上的限制， 本 领域技术人员利用上述揭示的技术内容做出些许简单修改、 等同变化或修饰， 均落在本发 明的保护范围内。 说明书 8/8 页 12 CN 111737850 A 12 图1 说明书附图 1/7 页 13 CN 111737850 A 13 图2 图3 说明书附图 2/7 页 14 CN 111737850 A 14 图4 图5 说明书附图 3/7 页 15 CN 111737850 A 15 图6 图7 说明书附图 4/7 页 16 CN 111737850 A 16 图8 图9 说明书附图 5/7 页 17 CN 111737850 A 17 图10 图11 说明书附图 6/7 页 18 CN 111737850 A 18 图12 说明书附图 7/7 页 19 CN 111737850 A 19 。