季节性冻土冻结深度模型构建方法、装置、计算机设备及可读存储介质与流程

1.本发明涉及卫星和陆面同化数据应用技术领域，特别是涉及一种季节性冻土冻结深度模型构建方法及装置、计算机设备及可读存储介质。

背景技术：

2.冻土一直以来都是冰冻圈研究的重点和难点，且多集中于对多年冻土的研究。自上世纪60年代以来，国内外研究人员对冻土开展了多尺度、多要素、多算法的研究，取得了一系列重要成果，如多年冻土温度随着海拔的升高而下降，但总体上呈现出上升趋势；青藏高原季节性冻土面积大于多年冻土的面积，约占高原总面积的50％-56％；多年冻土趋于退化，活动层厚度增加，但退化程度在空间上差异较大,这与区域气候变化强度、冻土热状况及冻土环境密切相关；多年冻土和季节性冻土的冻结首日推迟，冻结终日提前，冻土期缩短；冻土退化会通过增加地下水蓄水量来影响径流。虽然以上研究加深了人们对冻土的认识，但是针对季节性冻土冻结深度的研究较少。一些研究基于地面台站观测揭示了季节性冻土最大冻土深度随纬度和海拔的升高而增加，最大冻土深度总体呈下降的趋势。但是由于青藏高原台站稀少且分布不均匀，有限的站点资料不足以认识高原季节性冻土冻结深度的总体特征。因此一些研究基于半经验半理论的模型计算冻结深度，如stefan方程；还有一些研究利用陆面过程模式结合各种观测进行模拟或耦合stefan方程来研究冻结深度在大尺度空间和时间上的变化，但是由于模型存在一些假设以及陆面过程模式对复杂的土壤冻融过程模拟不足，使得其对季节性冻土冻结深度的模拟仍然存在局限性。卫星遥感技术具有覆盖范围广、重复周期短、涵盖信息多的优势，已成为人们获取地球系统各圈层信息的重要手段。
3.冻土可利用被动微波遥感和主动微波遥感(包括雷达和散射计)探测。常用的被动微波仪器包括搭载于国防气象卫星(defense meteorological satellite program，dmsp)上的微波成像仪(special sensor microwave imager/sounder，ssm/i)、搭载于aqua卫星上的先进微波扫描辐射计(advanced microwave scanning radiometer-earth observing system，amsr-e)和搭载于土壤湿度和海洋盐度卫星(soil moisture and ocean salinity，smos)上的l波段辐射计(microwave imaging radiometer using aperture synthesis，miras)等，主动微波遥感仪器包括搭载于哨兵1号卫星(sentinel-1)上的c波段合成孔径雷达(synthetic aperture radar，sar)和搭载于气象业务卫星(meteorological operational，metop)上的先进散射计(advanced scatterometer，ascat)等。基于卫星微波探测资料，国内外学者对冻土参数做了大量研究，初步认识了土壤冻融状态的时空变化特征。但是卫星微波遥感仪器也只能获取近地表土壤的冻融状态信息及土壤湿度信息，难以直接反演得到季节性冻土冻结深度的信息。
4.而季节性冻土的最大深度大部分在几十到几百厘米范围内，其时空分布特征受到多种环境因子的影响。随着卫星遥感数据处理技术的进步，人们利用更加先进的数据融合
和数据同化算法，融合卫星观测的光学、红外和微波等多源观测资料，生产出越来越多的全覆盖高时空分辨率空间属性数据集。这些数据集和先进的数据处理技术为我们研究季节性冻土冻土深度的时空分布特征及其变化趋势提供了绝佳的机遇。基于多源融合的卫星观测资料，近年来一些学者对季节性冻土深度开展了估算研究，初步评价了不同统计/机器学习模型的估算潜力以及模型对过去或未来时期模拟的可移植性。然而，这些研究使用的输入变量多为地表变量(如地表温度)，地表参数不能反映整层土壤的信息，因为会产生较大的反演误差，另外这些研究多是从年际或者年代际尺度上反演季节性冻土最大冻土深度或平均最大冻土深度，不能提供日尺度的冻土深度数据。因此，有必要更多的反应土壤冻结状态的输入参数以提高冻土深度的反演精度和时间分辨率。

技术实现要素：

5.本发明提供了一种适用于全球区域全天候日尺度的季节性冻土冻结深度模型构建方法，用以提高冻土冻结深度反演的精度及提高冻结深度的时间分辨率，所述季节性冻土冻结深度模型构建方法包括：
6.获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；
7.将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；
8.根据时空一致的融合观测数据建立并调整冻土冻结深度模型。
9.具体实施中，所述获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据，进一步包括：
10.获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，得到处理后的星载微波成像仪亮温数据；
11.获取并剔除陆面同化数据中的填充值及异常值，得到处理后的陆面同化数据；
12.获取并剔除站点观测数据中的缺测值及异常值，得到处理后的站点观测数据。
13.具体实施中，所述获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，得到处理后的星载微波成像仪亮温数据，进一步包括：
14.利用星载微波成像仪l1级数据自带的质量标识以及rfi阈值对星载微波成像仪亮温数据进行质控，剔除星载微波成像仪亮温数据中不合理的亮温数据；
15.利用igbp地表分类数据剔除星载微波成像仪亮温数据中不能反演的地表数据类型数据；
16.将剩余数据确定为处理后的星载微波成像仪亮温数据。
17.具体实施中，所述将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据，进一步包括：
18.采用最近邻内插法将星载微波成像仪亮温数据映射至指定格点范围内；
19.将站点观测数据和陆面同化数据放入指定格点范围内并确定算数平均值；
20.确定时空一致的融合观测数据。
21.具体实施中，所述根据时空一致的融合观测数据建立并调整冻土冻结深度模型，进一步包括：
22.将时空一致的融合观测数据划分为训练样本和验证样本；
23.以训练样本中的陆面同化数据及星载微波成像仪亮温数据为输入，以站点观测数据为输出，采用随机森林算法构建初步冻土冻结深度模型；
24.利用验证样本对初步冻土冻结深度模型的精度进行定量评价，获得精度定量评价结果；
25.根据精度定量评价结果调整初步冻土冻结深度模型，得到冻土冻结深度模型。
26.具体实施中，所述陆面同化数据包括土壤湿度数据、土壤温度数据及降水量数据。
27.具体实施中，所述站点观测深度数据为国家气象站利用霜冻管测量的冻土冻结深度数据。
28.本发明还提供了一种季节性冻土冻结深度模型构建装置，所季节性冻土冻结深度模型构建装置包括：
29.数据获取模块，用于获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；
30.数据匹配模块，用于将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；
31.模型构建模块，用于根据时空一致的融合观测数据建立并调整冻土冻结深度模型。
32.本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述季节性冻土冻结深度模型构建方法。
33.本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有所述季节性冻土冻结深度模型构建方法的计算机程序。
34.本发明提供的季节性冻土冻结深度模型构建方法、装置、计算机设备及可读存储介质，其中，该季节性冻土冻结深度模型构建方法包括：获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；根据时空一致的融合观测数据建立并调整冻土冻结深度模型。该方法基于星载微波成像仪亮温数据和陆面同化数据，可以实现区域全天候日尺度季节性冻土冻结深度的反演；同时，该方法还增加了反应土壤冻融程度的参数，从而优化了反演结果，提高了冻土冻结深度反演的精度及冻结深度的时间分辨率。
附图说明
35.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些具体实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
36.图1是根据本发明一个具体实施方式中季节性冻土冻结深度模型构建方法的流程示意图；
37.图2是根据本发明一个具体实施方式中获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据的流程示意图；
38.图3是根据本发明一个具体实施方式中获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据的流程示意图；
39.图4是根据本发明一个具体实施方式中将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配的流程示意图；
40.图5是根据本发明一个具体实施方式中根据时空一致的融合观测数据建立并调整冻土冻结深度模型的流程示意图；
41.图6是根据本发明一个具体实施方式中季节性冻土冻结深度模型构建装置的结构示意图；
42.图7是根据本发明一个具体实施方式中季节性冻土冻结深度反演流程示意图；
43.图8是根据本发明一个具体实施方式中风云3号卫星微波成像仪采集的亮温数据示意图。
具体实施方式
44.为使本发明具体实施方式的目的、技术方案和优点更加清楚明白，下面结合附图对本发明具体实施方式做进一步详细说明。在此，本发明的示意性具体实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
45.如图1所示，本发明提供了一种适用于全球区域全天候日尺度的季节性冻土冻结深度模型构建方法，用以提高冻土冻结深度反演的精度及提高冻结深度的时间分辨率，所述季节性冻土冻结深度模型构建方法包括：
46.101：获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；
47.102：将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；
48.103：根据时空一致的融合观测数据建立并调整冻土冻结深度模型。
49.具体实施中，上述星载微波成像仪指的是卫星上搭载的传感器，其观测资料包括微波窗区通道。
50.具体实施中，获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据，可以有多种实施方案，例如，如图2所示，所述步骤101：获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据，可以进一步包括：
51.201：获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，得到处理后的星载微波成像仪亮温数据；
52.202：获取并剔除陆面同化数据中的填充值及异常值，得到处理后的陆面同化数据；
53.203：获取并剔除站点观测数据中的缺测值及异常值，得到处理后的站点观测数据。
54.具体实施中，在进行站点观测数据的预处理步骤时：可以去除不合理的观测数据，保留第一冻土层上界值为0的观测数据。
55.具体实施中，获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，可以有多种实施方案。例如，如图3所示，所述步骤201：获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，得到处理后的星载微波成像仪亮温数据，可以进一
步包括：
56.301：利用星载微波成像仪l1级数据自带的质量标识以及rfi阈值对星载微波成像仪亮温数据进行质控，剔除星载微波成像仪亮温数据中不合理的亮温数据；
57.302：利用igbp地表分类数据剔除星载微波成像仪亮温数据中不能反演的地表数据类型数据；
58.303：将剩余数据确定为处理后的星载微波成像仪亮温数据。
59.具体实施中，所述星载微波成像仪l1级数据指的是星载微波成像仪亮温数据经过定标和定位后的数据。所述rfi(radio frequency interference，无线电频率干扰)指的是卫星微波热辐射与有源传感器发射信号的混合，在射频频段内会对有用信号造成损害的无用信号或者电磁干扰。所述igbp地表分类数据则指的是以国际地圈生物圈计划分类系统为标准来对地表类型进行分类，总共17类，包括水体、常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混合森林、闭合灌木林、开放灌木林、草地、耕地、永久湿地、城市和建筑、雪和冰、稀疏植被等。
60.具体实施中，将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，可以有多种实施方案。例如，可以将高分辨率的站点观测数据和陆面同化数据升尺度到星载微波成像仪亮温数据的分辨率，从而整合到一起，进一步的，如图4所示，所述步骤102：将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据，可以进一步包括：
61.401：采用最近邻内插法将星载微波成像仪亮温数据映射至指定格点范围内；
62.402：将站点观测数据和陆面同化数据放入指定格点范围内并确定算数平均值；
63.403：确定时空一致的融合观测数据。
64.具体实施中，所述最近邻内插法指的是将星载微波成像仪亮温数据据插值到有规律的格点之中，格点大小则可以为0.25
°
x0.25
°
。
65.具体实施中，根据时空一致的融合观测数据建立并调整冻土冻结深度模型，可以有多种实施方案。例如，如图5所示，所述步骤103：根据时空一致的融合观测数据建立并调整冻土冻结深度模型，进一步包括：
66.501：将时空一致的融合观测数据划分为训练样本和验证样本；
67.502：以训练样本中的陆面同化数据及星载微波成像仪亮温数据为输入，以站点观测数据为输出，采用随机森林算法构建初步冻土冻结深度模型；
68.503：利用验证样本对初步冻土冻结深度模型的精度进行定量评价，获得精度定量评价结果；
69.504：根据精度定量评价结果调整初步冻土冻结深度模型，得到冻土冻结深度模型。
70.具体实施中，冻土冻结深度模型构建时，如图6所示，可以将匹配后的样本数据集按照7：3的比例分为训练样本和验证样本。可以基于训练样本，以土壤湿度、土壤温度、降水量、星载微波成像仪亮温数据为输入，以站点观测数据为输出，采用随机森林算法，构建初步冻土冻结深度模型构建。
71.具体实施中，构建冻土冻结深度模型构建可以采用多种算法，而随机森林算法是机器学习算法中集成学习算法的一种，包括多个决策树的回归器，随机森林集成了所有的
回归器估算结果，将算术平均数指定为最终的输出，采用随机森林算法可以使得模型具有较高的精度。
72.具体实施中，利用验证样本对初步冻土冻结深度模型的精度进行定量评价，获得精度定量评价结果，可以有多种实施方案。例如，用验证样本对初步冻土冻结深度模型的精度进行定量评价，评价指标可以如下公式所示：
[0073][0074][0075][0076]
其中，r为相关系数，n为验证样本个数，o为观测冻结深度，e为估算的冻结深度，为观测的冻结深度平均值，为估算的冻结深度平均值，bias为偏差，rmse为均方根误差。
[0077]
具体实施中，所述陆面同化数据指的是包含陆表参数的数据集。进一步的，为了有效提升模型精度，所述陆面同化数据可以包括土壤湿度数据、土壤温度数据及降水量数据。
[0078]
具体实施中，所述站点观测深度数据为国家气象站利用霜冻管测量的冻土冻结深度数据。
[0079]
在一个具体的实施例中，如图7所示，研究区域为青藏高原地区，微波成像仪数据使用的是风云3号卫星的星载微波成像仪亮温数据，陆面同化数据则使用的是中国气象局陆面同化数据第二版(cldas v2.0)。
[0080]
如图6所示，本发明还提供了一种季节性冻土冻结深度模型构建装置，所季节性冻土冻结深度模型构建装置包括：
[0081]
数据获取模块601，用于获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；
[0082]
数据匹配模块602，用于将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；
[0083]
模型构建模块603，用于根据时空一致的融合观测数据建立并调整冻土冻结深度模型。
[0084]
本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述季节性冻土冻结深度模型构建方法。
[0085]
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有所述季节性冻土冻结深度模型构建方法的计算机程序。
[0086]
综上所述，本发明提供的季节性冻土冻结深度模型构建方法、装置、计算机设备及可读存储介质，其中，该季节性冻土冻结深度模型构建方法包括：获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；根据时空一致的融合观测数据建立并调整冻土冻结深度模型。该方法基于星载微波成像仪亮温数据和陆面
同化数据，可以实现区域全天候日尺度季节性冻土冻结深度的反演；同时，该方法还增加了反应土壤冻融程度的参数，从而优化了反演结果，提高了冻土冻结深度反演的精度及冻结深度的时间分辨率。
[0087]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0088]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0089]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0090]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0091]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种季节性冻土冻结深度模型构建方法，其特征在于，所述季节性冻土冻结深度模型构建方法包括：获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；根据时空一致的融合观测数据建立并调整冻土冻结深度模型。2.如权利要求1所述的季节性冻土冻结深度模型构建方法，其特征在于，所述获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据，进一步包括：获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，得到处理后的星载微波成像仪亮温数据；获取并剔除陆面同化数据中的填充值及异常值，得到处理后的陆面同化数据；获取并剔除站点观测数据中的缺测值及异常值，得到处理后的站点观测数据。3.如权利要求2所述的季节性冻土冻结深度模型构建方法，其特征在于，所述获取并剔除星载微波成像仪亮温数据中不合理及不能反演的亮温数据，得到处理后的星载微波成像仪亮温数据，进一步包括：利用星载微波成像仪l1级数据自带的质量标识以及rfi阈值对星载微波成像仪亮温数据进行质控，剔除星载微波成像仪亮温数据中不合理的亮温数据；利用igbp地表分类数据剔除星载微波成像仪亮温数据中不能反演的地表数据类型数据；将剩余数据确定为处理后的星载微波成像仪亮温数据。4.如权利要求1所述的季节性冻土冻结深度模型构建方法，其特征在于，所述将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据，进一步包括：采用最近邻内插法将星载微波成像仪亮温数据映射至指定格点范围内；将站点观测数据和陆面同化数据放入指定格点范围内并确定算数平均值；确定时空一致的融合观测数据。5.如权利要求1所述的季节性冻土冻结深度模型构建方法，其特征在于，所述根据时空一致的融合观测数据建立并调整冻土冻结深度模型，进一步包括：将时空一致的融合观测数据划分为训练样本和验证样本；以训练样本中的陆面同化数据及星载微波成像仪亮温数据为输入，以站点观测数据为输出，采用随机森林算法构建初步冻土冻结深度模型；利用验证样本对初步冻土冻结深度模型的精度进行定量评价，获得精度定量评价结果；根据精度定量评价结果调整初步冻土冻结深度模型，得到冻土冻结深度模型。6.如权利要求3所述的季节性冻土冻结深度模型构建方法，其特征在于，所述陆面同化数据包括土壤湿度数据、土壤温度数据及降水量数据。7.如权利要求1所述的季节性冻土冻结深度模型构建方法，其特征在于，所述站点观测深度数据为国家气象站利用霜冻管测量的冻土冻结深度数据。8.一种季节性冻土冻结深度模型构建装置，其特征在于，所季节性冻土冻结深度模型
构建装置包括：数据获取模块，用于获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；数据匹配模块，用于将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；模型构建模块，用于根据时空一致的融合观测数据建立并调整冻土冻结深度模型。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述季节性冻土冻结深度模型构建方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7任一所述季节性冻土冻结深度模型构建方法的计算机程序。

技术总结

本发明提供了一种季节性冻土冻结深度模型构建方法、装置、计算机设备及可读存储介质，其中，该季节性冻土冻结深度模型构建方法包括：获取并预处理星载微波成像仪亮温数据、陆面同化数据及站点观测数据；将处理后的星载微波成像仪亮温数据、陆面同化数据及站点观测数据进行空间匹配，得到时空一致的融合观测数据；根据时空一致的融合观测数据建立并调整冻土冻结深度模型。该方法基于星载微波成像仪亮温数据和陆面同化数据，可以实现区域全天候日尺度季节性冻土冻结深度的反演；同时，该方法还增加了反应土壤冻融程度的参数，从而优化了反演结果，提高了冻土冻结深度反演的精度及冻结深度的时间分辨率。结深度的时间分辨率。结深度的时间分辨率。