一种基于时空动态三重匹配分析的多源数据融合方法技术

本发明专利技术公开了一种基于时空动态三重匹配分析的多源数据融合方法，涉及信息融合领域。方法包括获取用于描述同一对象的三种独立观测栅格数据集；将三种数据集进行时空匹配，以其中一种数据集为参考，利用移动窗口结合三重匹配分析技术对另外两种数据集进行时空动态尺度调整；然后以融合数据集的时空动态随机误差最小化为前提，采用最小二乘法求解三种数据集的最优时空动态融合权重，并将三种尺度调整后的数据集分别与其最优融合权重进行时空动态线性加权并求和，最终得到融合后的数据集。本发明专利技术同时考虑了观测数据集的随机误差在时间和空间上的变动性，所得到的融合数据结果相比于单一原始数据集的精度和质量有所提高。比于单一原始数据集的精度和质量有所提高。比于单一原始数据集的精度和质量有所提高。

【技术实现步骤摘要】
一种基于时空动态三重匹配分析的多源数据融合方法


[0001]本专利技术属于信息融合领域，具体涉及一种基于时空动态三重匹配分析的多源数据融合方法。

技术介绍

[0002]对于任何一种需要观测获取的变量，单一的观测方式总是存在各种不确定性和误差，通过融合不同观测方式下的数据集，可充分结合不同数据源的优势，降低数据不确定性。对于时空动态变量来说，传统的一维融合方式仅考虑观测数据集在空间(时间)上的误差变动性，而认为数据集在时间(空间)上的误差是恒定不变的。因此同时考虑观测数据集的随机误差在时间和空间上的变动性，对不同观测数据集进行时空动态融合，是获取高精度观测数据集的有效方法。

技术实现思路

[0003]本专利技术提供一种基于时空动态三重匹配分析的多源数据融合方法，从而解决现有技术的上述问题。
[0004]本专利技术所采用的具体技术方案如下：
[0005]本专利技术提供了一种基于时空动态三重匹配分析的多源数据融合方法，包括以下步骤：
[0006]S1：获取用于描述同一对象的三种观测数据集；三种观测数据集的时空分辨率和时空覆盖范围均相同，数据格式均为栅格格式，且三种观测数据集互相独立；
[0007]S2：将S1中获取的三种观测数据集进行时空匹配，得到三种时空匹配数据集；指定其中一种时空匹配数据集为参考数据集，以所述参考数据集的时间序列观测值为基准，对另外两种时空匹配数据集的时间序列观测值进行动态尺度调整，得到两种动态尺度调整数据集；计算所得两种动态尺度调整数据集的随机误差；r/>[0008]S3：基于最小二乘法，对参考数据集和两种动态尺度调整数据集的每一时刻下的每一个栅格像元，分别计算参考数据集像元值和两种动态尺度调整数据集像元值的最优融合权重；
[0009]S4：对参考数据集和两种动态尺度调整数据集的每一时刻下的每一个栅格像元，将参考数据集像元值和两种动态尺度调整数据集像元值分别与其各自的最优融合权重相乘，并将相乘的结果相加，得到融合像元值；进而获取最终融合的时间序列栅格数据集，记为融合数据集，并得到该融合数据集的最小随机误差。
[0010]作为优选，所述三种观测数据集互相独立是指三种观测数据集的数据来源和观测方式均不同，数据集彼此互不包含，并且数据集生产过程中不使用相同的其它数据源。
[0011]作为优选，所述步骤S2具体如下：
[0012]S21：设三种时空匹配数据集的时间分辨率均为x，时间序列长度均为nx；对三种时空匹配数据集的每一个对应栅格像元，设a
t
、b
t
、c
t
分别是第t时刻下三种时空匹配数据集的
观测值，设θ
t
是第t时刻下的实际真值；其中，t∈[1x，2x，3x，
…
，nx]；
[0013]采用窗口大小为101x，步长为x的移动窗口，以m时刻为窗口中心，m∈[51x，52x，53x，
…
，(n
‑
50)x]，针对窗口区间[m
‑
50x，m+50x]内，由三种时空匹配数据集的观测值a＝[a
m
‑
50x
，a
m
‑
49x
，a
m
‑
48x
，
…
，a
m
，
…
，a
m+50x
]、b＝[b
m
‑
50x
，b
m
‑
49x
，b
m
‑
48x
，
…
，b
m
，
…
，b
m+50x
]、c＝[c
m
‑
50x
，a
m
‑
49x
，c
m
‑
48x
，
…
，c
m
，
…
，c
m+50x
]所构成的三元组合体，采用三重匹配分析(Triple Collocation Analysis；TCA)方法，建立a、b和c与时间序列实际真值θ＝[θ
m
‑
50x
，θ
m
‑
49x
，θ
m
‑
48x
，
…
，θ
m
，
…
，θ
m+50x
]之间的线性关系，具体如下：
[0014]a＝α
a
θ+β
a
+ε
a
ꢀꢀ
(1)
[0015]b＝α
b
θ+β
b
+ε
b
ꢀꢀ
(2)
[0016]c＝α
c
θ+β
c
+ε
c
ꢀꢀ
(3)
[0017]其中，α
a
、α
b
和α
c
分别是a、b和c相对于θ的乘性系统误差，β
a
、β
b
和β
c
分别是a、b和c相对于θ的加性系统误差，ε
a
、ε
b
和ε
c
分别是a、b和c相对于θ的时间序列随机误差；且上述线性方程满足三个假设：(1)三个时间序列随机误差ε
a
、ε
b
和ε
c
的算数平均值均为0，即(2)ε
a
、ε
b
和ε
c
两两相互独立，彼此之间的协方差为0，即(σ为协方差运算符)；(3)ε
a
、ε
b
和ε
c
均与θ相互独立，协方差为0，即
[0018]S22：由公式(1)～(3)计算a、b和c两两之间的协方差σ
ij
以及ε
a
、ε
b
和ε
c
各自的方差，具体如下：
[0019][0020][0021]其中，i，j，k∈[a，b，c]，且i≠j≠k，σ2为方差运算符；
[0022]S23：依据公式(4)，以参考数据集的时间序列观测值a为参考，计算m时刻下，b
m
和c
m
相对于a
m
的尺度系数rb
m
和rc
m
，具体如下：
[0023][0024][0025]S24：根据S23中获取的尺度系数rb
m
和rc
m
，对另外两种时空匹配数据集的时间序列观测值b和c进行动态尺度调整；即针对每一时刻m，计算动态尺度调整后的观测值b
′
m
和c...

【技术保护点】

【技术特征摘要】
1.一种基于时空动态三重匹配分析的多源数据融合方法，其特征在于，包括以下步骤：S1：获取用于描述同一对象的三种观测数据集；三种观测数据集的时空分辨率和时空覆盖范围均相同，数据格式均为栅格格式，且三种观测数据集互相独立；S2：将S1中获取的三种观测数据集进行时空匹配，得到三种时空匹配数据集；指定其中一种时空匹配数据集为参考数据集，以所述参考数据集的时间序列观测值为基准，对另外两种时空匹配数据集的时间序列观测值进行动态尺度调整，得到两种动态尺度调整数据集；计算所得两种动态尺度调整数据集的随机误差；S3：基于最小二乘法，对参考数据集和两种动态尺度调整数据集的每一时刻下的每一个栅格像元，分别计算参考数据集像元值和两种动态尺度调整数据集像元值的最优融合权重；S4：对参考数据集和两种动态尺度调整数据集的每一时刻下的每一个栅格像元，将参考数据集像元值和两种动态尺度调整数据集像元值分别与其各自的最优融合权重相乘，并将相乘的结果相加，得到融合像元值；进而获取最终融合的时间序列栅格数据集，记为融合数据集，并得到该融合数据集的最小随机误差。2.根据权利要求1所述的一种基于时空动态三重匹配分析的多源数据融合方法，其特征在于，所述三种观测数据集互相独立是指三种观测数据集的数据来源和观测方式均不同，数据集彼此互不包含，并且数据集生产过程中不使用相同的其它数据源。3.根据权利要求1所述的一种基于时空动态三重匹配分析的多源数据融合方法，其特征在于，所述步骤S2具体如下：S21：设三种时空匹配数据集的时间分辨率均为x，时间序列长度均为nx；对三种时空匹配数据集的每一个对应栅格像元，设a
t
、b
t
、c
t
分别是第t时刻下三种时空匹配数据集的观测值，设θ
t
是第t时刻下的实际真值；其中，t∈[1x，2x，3x，
…
，nx]；采用窗口大小为101x，步长为x的移动窗口，以m时刻为窗口中心，m∈[51x，52x，53x，
…
，(n
‑
50)x]，针对窗口区间[m
‑
50x，m+50x]内，由三种时空匹配数据集的观测值a＝[a
m
‑
50x
，a
m
‑
49x
，a
m
‑
48x
，
…
，a
m
，
…
，a
m+50x
]、b＝[b
m
‑
50x
，b
m
‑
49x
，b
m
‑
48x
，
…
，b
m
，
…
，b
m+50x
]、c＝[c
m
‑
50x
，a
m
‑
49x
，c
m
‑
48x
，
…
，c
m
，
…
，c
m+50x
]所构成的三元组合体，采用三重匹配分析方法，建立a、b和c与时间序列实际真值θ＝[θ
m
‑
50x
，θ
m
‑
49x
，θ
m
‑
48x
，
…
，θ
m
，
…
，θ
m+50x
]之间的线性关系，具体如下：a＝α
a
θ+β
a
+ε
a (1)b＝α
b
θ+β
b
+ε
b (2)c＝α
c
θ+β
c
+ε
c (3)其中，α
a
、α
b
和α
c
分别是a、b和c相对于θ的乘性系统误差，β
a
、β
b
和β
c
分别是a、b和c相对于θ的加性系统误差，ε
a
、ε
b
和ε
c
分别是a、b和c相对于θ的时间序列随机误差；且上述线性方程满足三个假设：1)2)σ为协方差运算符；3)S22：由公式(1)～(3)计算a、b和c两两之间的协方差σ
ij
以及ε
a
、ε
b
和ε
c
各自的方差，具体如下：如下：
其中，i，j，k∈[a，b，c]，且i≠j≠k，σ2为方差运算符；S23：依据公式(4)，以参考数据集的时间序列观测值a为参考，计算m时刻下，b
m
和c
m
相对于a
m
的尺度系数rb
m
和rc
m
，具体如下：，具体如下：S24：根据S23中获取的尺度系数rb
m
和rc
m
，对另外两种时空匹配数据集的时间序列观测值b和c进行动态尺度调整；即针对每一时刻m，计算动态尺度调整后的观测值b
′
m
和c
′
m
，具体如下：如下：进而对于每一个栅格像元，获取经动态尺度调整后所得两种动态尺度调整数据集的时间序列观测值b
′
＝[b
′
51x
，b
′
52x
，b
′
53x
，
…
，b<...

【专利技术属性】
技术研发人员：史舟，闵肖肖，薛杰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：