本技术涉及一种利用多源卫星数据构建和验证极地海洋表面净辐射模型的方法,适用于遥感定量反演技术。该方法首先收集第一卫星的遥感数据,然后从中提取关键参数,结合模型算法进行净辐射的估算。通过多源数据融合,提高了模型的准确性和适用性,为极地海洋环境研究提供了新的技术手段。
背景技术
海表净辐射是海表通过下行和上行的短波、长波辐射过程得到的净能量。作为海洋热通量的重要组成部分,准确估计海表净辐射通量对评估地球系统的能量收支平衡具有重要意义。然而,相比湍流热通量研究,国内外关于海表净辐射通量的研究非常少。传统获取海表辐射通量的方式具有局限性,它通过停泊浮标站获取海表辐射实测数据,可是这些停泊浮标站大多数布设在中低纬度,一些位于极区的浮标非常稀疏或未提供海表净辐射相关变量。而再分析数据产品,例如:NASA Global Modeling Assimilation Office (GMAO)的the Modern Era Retrospective Analysis for Research and Applications,version 2 (MERRA-2),the European Centre for Medium-Range Weather Forecasts(ECWMF)的ERA5提供的海表辐射通量产品存在空间分辨率粗、精度有限的问题。现有的遥感海表辐射通量产品,例如:the Japanese Ocean Flux Datasets with Use of RemoteSensing Observations, version 3 (J-OFURO3)已停止更新,产品时间只能获取到2017年12月31日,历史产品也未提供海冰区域的辐射通量,仅覆盖全球无冰海域,未考虑下垫面为海冰时的情况。并且上述海表辐射分量数据和产品之间还存在较大的不一致性问题。
传统的海表净辐射反演方法采用辐射四分量方法直接计算下行和上行的短波辐射和长波辐射分量,但是准确估算所有辐射分量是非常困难的,海表净辐射的精度会受到误差传播和累积的影响,因此精度不高。目前关于基于卫星遥感反演海表净辐射的技术,都是采用浅层ANN (Artificial Neural Network)人工神经网络构建非线性回归模型,构建的模型通常以黑箱形式呈现,由于没有解析解,因此模型不具有可解释性。而且ANN采用梯度下降算法训练优化模型,其目标函数的非凸性会导致很难在训练过程中保证海森矩阵的正定性。相比多项式回归方法,其构建的模型能够给出解的具体函数形式,生成多项式系数,具备明确的物理含义。
现有的海冰净辐射反演技术虽然考虑了海冰混合区域的反演,但是模型需要高纬度海冰净辐射作为输入参数。同一海冰下垫面,不同经纬度地理位置,不同海冰密集度的海冰净辐射是不相同的。同理,同一海水下垫面,海水净辐射也不相同。如果简单地输入研究区海水净辐射固定值和高纬度地区海冰净辐射固定值,仅依赖海冰浓度参数计算不同地理位置的海冰净辐射是不准确的,未考虑大气条件因素。因此在高纬度地区该模型性能较差,尤其是极区以及极夜情况下,模型不起作用。
实现思路