[发明专利]结合遥感与浮标数据的海洋热含量遥感反演方法

说明书

本发明涉及一种结合遥感与浮标数据的海洋热含量遥感反演方法，包括以下步骤：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；将X和Y纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；获取历史长时序特征矩阵X'，并作为模型的输入数据，进一步重建海洋内部热含量OHC数据集。

技术领域

本发明涉及遥感信息处理与应用领域，具体涉及一种结合遥感与浮标数据的海洋热含量遥感反演方法。

背景技术

近十几年来，遥感技术在海洋领域应用成效显著，然而遥感观测仅限于海洋表面，无法直接探测海洋内部关键动力信息。同时，海洋内部动力过程复杂，具有多维多尺度、动态、时序依赖性特征。海洋内部观测对了解海洋系统的动力变化机制、分析全球海洋的热量变化及其再分配起着重要的作用。虽然现有的海洋内部浮标观测资料Argo数据精度较高，但是稀疏有限、全球分布不足4000个，时空分辨率较低，远远满足不了多维多尺度海洋观测的需求。如何更好的应用海表卫星遥感观测和实测浮标数据间接地推演海洋内部关键信息热含量对于了解海洋暖化、气候变异等研究至关重要。

发明内容

有鉴于此，本发明的目的在于提供一种结合遥感与浮标数据的海洋热含量遥感反演方法，结合遥感与实测浮标数据实现海洋内部热含量结构的遥感反演与时序重建，重建数据集精度高。

为实现上述目的，本发明采用如下技术方案：

一种结合遥感与浮标数据的海洋热含量遥感反演方法，包括以下步骤：

步骤S1：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；

步骤S2：根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；

步骤S3：将特征矩阵和标签矩阵纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；

步骤S4：基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；

步骤S5：获取历史长时序特征矩阵X'，并作为步骤S4中模型的输入数据，进一步重建海洋内部热含量OHC数据集。

进一步的，所述海表数据包括海表高度SSH、海表温度SST、海表风速水平分量USSW及垂直分量VSSW，所述时空参量包括经度LON、纬度LAT和时间DOY。

进一步的，所述步骤S1具体为：

步骤S11：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据，按月尺度提取时间序列海表高度数据SSH；海表温度数据SST；海表风场数据SSW；经度LON；纬度LAT；时间DOY；Argo实测的热含量数据OHC；其中海表风场分解成水平分量USSW与垂直分量VSSW；将所有数据的异常值剔除并统一空间范围；

步骤S12：将所有海表遥感观测数据的空间分辨率利用最优插值法统一为预设值；

步骤S13：将得到的所有参量均进行归一化处理。

进一步的，所述步骤S2具体为：利用Argo实测经纬度坐标数据，使每格网点热含量OHC与输入模型的海表遥感观测数据和时空位置参量共7个变量一一对应；将七参量标记为特征矩阵X、实测热含量OHC标记为标签矩阵Y；