[发明专利]一种基于像元尺度上不确定性的多源卫星AOD融合方法

说明书

本发明公开了一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，为大气环境监测提供重要的输入数据。

技术领域

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

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。

为了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。

此外，Mei等(2007)首次基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)还提出了一种基于贝叶斯最大熵(Bayesian maximumentropy 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。

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。

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