[发明专利]基于云量预测信息的大区域多星联合覆盖有效性评估方法

说明书

本发明提供了一种基于云量预测信息的大区域多星联合覆盖有效性评估方法，对气象卫星VIRR全球云量日产品数据进行预处理，确定需求区域晴空指数FI，生成晴空指数的时间序列；对需求区域的晴空指数时间序列作平稳性与季节性判断、平稳化处理，以晴空指数时间序列为输入，建立季节时间序列模型SARIMA；通过建立的模型对该需求区域进行晴空指数预测；对需求区域进行观测周期内多星联合过境分析，确定完整覆盖时段和不完整覆盖时段所在月份的晴空指数预测值；建立覆盖有效性与全部覆盖时段和晴空指数FI的有效性预估模型，对观测周期内需求区域多星联合覆盖的数据进行有效性预测。采用本发明方法，可对观测时段内大区域多星联合覆盖的数据有效性提供可靠评估。

技术领域

本发明属于对地卫星观测技术领域，特别涉及一种基于云量预测信息的大区域多星联合覆盖有效性评估方法。

背景技术

随着我国陆地观测卫星的增多，卫星数据获取能力大幅提升。由于光学类卫星在数据获取过程中易受到天气影响，因此云覆盖量较多将导致卫星影像产品质量较差。目前，我国陆地观测卫星多未搭载云探载荷，以目前的卫星运行模式，只有影像数据回传处理后才能分析影像的价值，所以卫星任务规划过程中，不结合云量空间分布，将无法避免这种资源的浪费。

然而，目前面向卫星成像规划的云量预测的相关研究较少，在云量预测相关模型方面，多为通过如模式识别、交叉相关等方法模型进行的短期预测，预测时段通常以小时为单位。人工神经网络模型(Artificial Neural Network，ANN) 因其自学能力、联想存储、优化求解能力，对中、短期天气预报，短期气候预测具有较好的拟合与预报精度。但由于影像云量分布的因素较多，且卫星观测区域目标具有空间分布的不确定性，因此难以通过人工神经网络建立一个可准确预测特定观测时段及范围内的云量预测模型。

在常规卫星运行过程中，点目标或单轨可覆盖小区域目标通过卫星重访，短时间内即可进行成像。由于短期天气预报精度水平较高，且卫星重访周期短，通过卫星过境日期与过境期间天气预报的有效结合，数据获取的有效性容易判断。对于大区域观测目标，利用卫星重访很难实现快速全部覆盖，为了保障数据获取的有效搭接，单颗卫星不进行侧摆的情况下至少一个回归周期才能拍摄一遍，但由于未来天气的不确定性和长期预报的复杂性及不准确性，难以根据天气预报数据对长期或指定日期范围内过境覆盖进行有效性评估。

发明内容

为了克服现有技术中的不足，本发明人进行了锐意研究，提供了一种基于云量预测信息的大区域多星联合覆盖有效性评估方法，利用风云三号A星或C 星(FY-3A、3C)可见光红外扫描辐射计(VIRR)全球云量日产品数据，通过季节时间序列模型(SARIMA,seasonalARIMA model)，以月为周期对云量进行预测建模；基于观测区域云量预测结果，结合多星组网运行情况下有效时段内卫星过境情况，得出观测时段内数据有效性评估结果。

本发明提供的技术方案如下：

一种基于云量预测信息的大区域多星联合覆盖有效性评估方法，包括如下步骤：

S1：对气象卫星VIRR全球云量日产品数据进行预处理，确定需求区域晴空指数FI，生成晴空指数的时间序列；

S2：对需求区域的晴空指数时间序列作平稳性与季节性判断，若晴空指数时间序列为非平稳性数据则进行平稳化处理，以平稳季节性晴空指数时间序列为输入，建立季节时间序列模型SARIMA；

S3，通过建立的SARIMA模型对该需求区域进行晴空指数预测；

S4，对需求区域进行观测周期内多星联合过境分析，确定完整覆盖时段和不完整覆盖时段所在月份的晴空指数预测值；

S5：建立覆盖有效性与全部覆盖时段和晴空指数FI的有效性预估模型，对观测周期内需求区域多星联合覆盖的数据进行有效性预测。

根据本发明提供的一种基于云量预测信息的大区域多星联合覆盖有效性评估方法，具有以下有益效果：