[发明专利]一种基于贝叶斯理论的土壤水分站点数据升尺度方法

摘要

本发明公开了一种基于贝叶斯理论的土壤水分站点数据升尺度方法，包括，基于升尺度区域中稀疏站点观测数据估计目标变量的先验概率密度分布pre_pdf；通过建立SM和MODIS ATI之间的非线性回归关系，将MODIS ATI反演为SM，并且估计土壤水分非线性回归的估计置信区间以及概率分布作为概率形式的软数据；通过贝叶斯公式融合目标变量的先验分布以及来自于MODIS ATI的概率形式的辅助信息，获取目标变量的后验概率密度分布函数post_pdf；通过后验概率密度函数的最大化求取概率最大时目标变量的取值。本发明有效减少土壤水分遥感产品和地面站点验证数据之间尺度差异而引入的不确定性，亦可应用到其他地表参数的升尺度应用当中。

主权项

一种基于贝叶斯理论的土壤水分站点数据升尺度方法，其特征在于，包括以下步骤：步骤一、基于升尺度区域中稀疏站点观测数据估计目标变量的先验概率密度分布pre_pdf；步骤二、通过建立土壤水分SM和MODIS ATI之间的非线性回归关系，将MODIS ATI反演为SM，并且估计土壤水分非线性回归的估计置信区间以及概率分布作为概率形式的软数据；所述非线性回归的估计置信区间的估计利用公式为：其中，fs为SM0的概率密度函数；为在自由度n‑p情况下t分布的概率密度函数；SM0表示回归估计置信区间中土壤水分的可能取值；表示对应于指定表观热惯量ATI0的土壤水分回归估计值；p表示模型参数个数；表示模型回归估计值误差的标准差，的公式为：其中，是系数向量，表示大小为n*p的雅可比矩阵，在雅可比矩阵的第j列，包括了n个j＝1，…，p；步骤三、通过贝叶斯公式融合目标变量的先验分布以及来自于MODIS ATI的概率形式的辅助信息，获取目标变量的后验概率密度分布函数post_pdf；步骤四、通过后验概率密度函数的最大化求取概率最大时目标变量的取值，即通过融合MODIS ATI信息将站点土壤水分观测升尺度后的土壤水分。