【技术实现步骤摘要】
本专利技术涉及卫星大气遥感，更为具体地，涉及一种基于随机森林回归的卫星大气二氧化碳数据空间插补方法。
技术介绍
1、co2是最重要的温室气体，传统的地基网络观测数据具有较高的精度，但空间分辨率不足，海洋、沙漠以及赤道区域也缺乏足够的观测信息，因此从中很难获取全球区域范围内温室气体的源汇分布信息。卫星观测可以在较高的空间分辨率上实现全球观测，为碳监测研究、全球碳循环、气候变化和温室气体减排提供重要的科学观测数据。利用卫星遥感数据监测人为碳排放，为排放清单进行验证补充，对卫星观测是一项重要的挑战和任务，需要高精度与时空分辨率的卫星观测数据。
2、现有技术中，采用短波红外吸收带作为探测波段的星载探测器，受制于光谱分辨率和信噪比，探测精度较差(14ppm)，空间分辨率较低(星下点分辨率30km×60km)，难以满足需求。随着探测仪指标和反演方法的不断改进，探测精度逐步提高，主流的碳监测卫星都是具有较长的观测时间，但是由于整体探测能力限制，仍存在覆盖范围和分辨率之间平衡问题：一些卫星采用离散采样点并加大之间距离增加覆盖率；另一些卫星采用窄幅(10至25km)连续像素观测，但是轨道之间存在很大观测空白。此外，这些卫星均是被动遥感，受日照时间限制，不能开展昼夜循环或冬季高纬度地区观测，同时受云和气溶胶的严重干扰，影响观测效率。研究表明，上述卫星的大气二氧化碳平均干空气混合比(xco2)产品中每日有效观测数据不足1％，这对于构建全球高精度二氧化碳分布是极大的挑战。
技术实现思路
1、为
2、本专利技术采用如下的技术方案。
3、本专利技术提出了一种基于随机森林回归的卫星大气二氧化碳数据空间插补方法，包括：
4、步骤1，获取样本数据并进行预处理，包括：获取卫星观测数据和气象参数构成样本数据；以样本数据中的xco2卫星观测数据作为待拟合的对象，利用样本数据拟合得到xco2时间序列；
5、步骤2，对样本数据分类，并进行标准化处理，包括：将样本数据和xco2时间序列进行网格化处理至统一的坐标空间；网格化处理后，将xco2卫星观测数据作为随机森林回归模型的训练目标变量，将除xco2卫星观测数据以外的样本数据和xco2时间序列构成的数据集划分为随机森林回归模型的训练特征向量和测试特征向量；利用训练目标变量和训练特征向量构成训练数据集，利用设定的待估算目标变量和测试特征向量构成测试数据集；
6、步骤3，建立基于随机森林回归模型的卫星观测xco2空间插补模型，包括：利用训练数据集训练模型，训练时评价不同模型参数取值下的各模型的精度，以精度最大值对应的模型参数取值，建立最优的卫星观测xco2空间插补模型；
7、步骤4，对研究区中卫星观测xco2未覆盖地区进行xco2估算，包括：利用最优的卫星观测xco2空间插补模型和测试数据集，对研究区域范围内xco2卫星观测数据未覆盖地区进行xco2估算，利用xco2估算数据对xco2卫星观测数据进行空间插补。
8、优选地，卫星观测数据包括：研究区域范围内的xco2卫星观测数据，二氧化氮柱浓度数据，日夜波段辐射亮度数据；其中，xco2卫星观测数据、二氧化氮柱浓度数据以及日夜波段辐射亮度数据为同步观测数据。
9、优选地，气象参数包括：2m地表气温，10m风速风向水平分量，10m风速风向垂直分量，地表气压，边界层高。
10、优选地，以xco2卫星观测数据的日均值作为待拟合的对象，以如下关系式对xco2时间序列进行拟合：
11、
12、式中，
13、a1～a4分别为xco2季节周期的系数，其中，a1和a2分别代表频率为2π的sin和cos分量的系数，a3和a4分别代表频率为4π的sin和cos分量的系数；
14、a5为xco2年内的线性增量，
15、a6为xco2的背景浓度值，
16、t为时间，单位为日，
17、为拟合得到的xco2时间序列。
18、优选地，将样本数据和xco2时间序列处理至0.05°×0.05°的网格数据。
19、优选地，步骤2还包括：对目标变量和特征向量中的每一个特征参数进行标准化处理，如如下所示：
20、
21、式中，
22、x为目标变量或特征向量中的某一变量，
23、μ和σ为变量x的均值和标准差，
24、x*为标准化后的结果。
25、优选地，步骤3包括采用循环改变决策树的子树数量、最大生长长度和叶子的最小样本数量的取值，建立不同的模型；以皮尔逊相关系数和均方根误差为标准，评价各模型的精度；以精度最大值对应的决策树的子树数量、最大生长长度和叶子的最小样本数量的取值，建立最优的卫星观测xco2空间插补模型。
26、优选地，步骤3还包括，对于不同的模型，采用十折交叉验证法，以皮尔逊相关系数和均方根误差为标准，来评价各模型的精度，将训练数据集划分为10个子集，其中，9个子集用于训练模型，1个子集用于验证模型，10次精度评价结果的均值作为各模型的精度。
27、优选地，步骤4包括：
28、步骤4.1，将标准化后的测试数据集作为卫星观测xco2空间插补模型的输入数据，得到研究区域范围内xco2卫星观测数据未覆盖地区的标准化的xco2估算数据；
29、步骤4.2，对标准化的xco2估算数据进行去标准化处理，得到xco2估算数据；
30、步骤4.3，利用xco2估算数据对xco2卫星观测数据进行空间插补。
31、优选地，对模型计算得到的xco2数据进行去标准化处理，如下所示：
32、
33、式中，
34、x*为随机森林回归模型估算得到的标准化的xco2估算数据，
35、μ和σ为测试数据集中xco2的均值和标准差，
36、为去标准化后的xco2估算数据。
37、本专利技术的有益效果在于，与现有技术相比，本专利技术使用卫星观测大气二氧化碳均干空气混合比(xco2)，并且使用同步观测的卫星二氧化氮数据以及日夜波段辐射亮度数据对xco2进行空间插补。首先，人为排放二氧化碳和二氧化氮具有较强的同源性；而日夜波段辐射亮度数据与经济发展水平和工业化程度密切相关，是监测人类活动强度的重要手段。因此，二氧化氮和日夜波段辐射亮度可以有效地计算人为碳排放。其次，目前的二氧化氮和日夜波段辐射亮度卫星数据产品具有较高的空间分辨率和较广空间覆盖度，可以一定程度解决目前卫星观测xco2数据覆盖度低的问题。
38、此外，为了考虑大气二氧化碳的高背景浓度值和时间变化特性，本专利技术通过多项式拟合卫星观测xco2的时间序列，并将其设置为特征向量之一用于估算xco2。...
【技术保护点】
1.一种基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，包括：
2.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
3.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
4.根据权利要求2所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
5.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
6.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
7.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，步骤3包括：
8.根据权利要求7所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，步骤3还包括，
9.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
10.根据权利要求9所述的基于随机森林回归的卫星大气二氧化碳
...【技术特征摘要】
1.一种基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，包括：
2.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
3.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
4.根据权利要求2所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
5.根据权利要求1所述的基于随机森林回归的卫星大气二氧化碳数据空间插补方法，其特征在于，
6.根据权利...
【专利技术属性】
技术研发人员：陆婋泉，杨世海，段梅梅，孔月萍，李波，苏慧玲，陈宇沁，周雨奇，程含渺，黄艺璇，方凯杰，王逸民，刘颖，丁泽诚，
申请(专利权)人：国网江苏省电力有限公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。