[发明专利]卫星数据重构方法、探测上层海洋对台风响应的方法

说明书

本公开实施例涉及一种卫星数据重构方法和探测上层海洋对台风响应的方法，其中卫星数据重构方法包括：获取目标海域预设时段的多源卫星遥感数据，所述多源卫星遥感数据包括海表要素数据及相应的位置信息和时间信息；从所述多源卫星遥感数据中提取海表要素的时间序列数据集；将所述时间序列数据集输入到预先建立的海表要素数据重构模型中进行数据重构，输出得到重构参数；基于所述重构参数对所述时间序列数据中缺测时间节点进行数据重构，得到海表要素的卫星重构数据。通过本申请的方法可重构海表逐日高分辨率卫星数据，重构时间短且准确率较高。

背景技术

台风是一种中小尺度的极端天气现象，它所带来的强风会对上层海洋产生显著的影响。海水表面温度(Sea surface temperature，SST)及叶绿素浓度是上层海洋最重要的两个参数。海温作为一种外源强迫，对大气会产生重要的影响，热带气旋的形成和发展与SST的大小及分布密不可分。叶绿素浓度是反映海洋光能自养生物多寡的重要指标，而海洋浮游植物是海洋有机物的初级生产者，也是海洋食物网结构中的基础环节，在海洋生态系统的物质循环和能量转化过程中起着重要作用，同时在海洋环境监管、上升流、湍流混合等研究都具有重要意义。因此对于台风过境前后海表温度与叶绿素浓度的研究十分有必要。

卫星遥感技术具有监测面积广、监测时间尺度长、以及定点连续观测等优势，目前被逐步广泛应用于台风观测中。但由于云遮挡、传感器故障或者噪音等因素的影响，使得遥感数据存在较为严重的数据缺失。因此，为了更好的发挥海洋水色遥感在海洋研究中的作用，针对海洋水色遥感缺失数据问题，国内外许多研究给出了多种解决方案，如克里金插值法、最优插值法、经验正交函数法等。但总的来说，这些方法针对高空间分辨率和时间分辨率数据的重构准确率较低，且计算时间较长。

另外，对于台风天气下上层海洋要素如海表温度以及叶绿素浓度的完整响应过程也鲜有研究。现有的方法仅适用于台风个例分析，对于多台风分析不适用。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本申请提供一种卫星数据重构方法、探测上层海洋对台风响应的方法。

(二)技术方案

为达到上述目的，本申请采用如下技术方案：

第一方面本申请提出一种卫星数据重构方法，该方法包括：

S10、获取目标海域预设时段的多源卫星遥感数据，所述多源卫星遥感数据包括海表要素数据及相应的位置信息和时间信息；

S20、从所述多源卫星遥感数据中提取海表要素的时间序列数据集，所述时间序列数据集中每个时间节点数据包括目标位置当天、前一天、后一天海表要素的误差方差、绝对偏差与误差方差的比值和时间信息；

S30、将所述时间序列数据集输入到预先建立的海表要素数据重构模型中进行数据重构，输出得到重构参数，所述重构参数包括缺测时间节点的平均值、绝对偏差与误差方差的比值、期望误差方差的倒数的对数；其中，所述海表要素数据重构模型是基于卷积神经网络构建、并以海表要素的历史时间序列数据集为训练样本进行训练后得到的网络模型；

S40、基于所述重构参数对所述时间序列数据中缺测时间节点进行数据重构，得到海表要素的卫星重构数据。

可选地，所述海表要素数据重构模型的建立方法包括：

S01、获取多源卫星遥感历史数据，并搭建卷积神经网络模型；

S02、对所述多源卫星遥感历史数据进行预处理，得到海表要素数据样本集；

S03、将所述海表要素数据样本集分为训练集、交叉验证集和测试集；