一种基于气候要素数据集的空间辐射基准精度预测方法

1.本发明属于空间辐射基准载荷气候要素分析方法技术领域，具体涉及一种基于气候要素数据集的空间辐射基准精度预测方法。


背景技术：

2.准确的预测空间辐射基准精度可用于指导基准载荷的研制，实现探测年代际气候变化量的精度和基准载荷研制成本之间的平衡，并有助于准确量化和归因不断变化的地球气候要素。目前，主要是采用年代际尺度的气象卫星数据，基于统计和线性回归的方法来进行气候变化趋势预测，尚没有一套完整的基于年代际尺度气候要素数据集来预测空间辐射基准精度的方法。因此，研发一套完整的基于气候要素数据集来预测空间辐射基准精度的方法，仍是空间辐射基准载荷气候要素分析方法技术领域中急需解决的关键问题。


技术实现要素：

3.为解决上述技术问题，本发明提供一种基于气候要素数据集的空间辐射基准精度预测方法，使用均值法、差分法、最小二乘法以及自回归模型对气候要素数据集进行处理，得到预测基准载荷探测精度所需的各种参数，满足了空间辐射基准载荷探测精度的准确预测需求。
4.为实现上述目的，本发明提供如下技术方案：
5.一种基于气候要素数据集的空间辐射基准精度预测方法，包括如下步骤：
6.步骤1：收集特定区域年代际尺度的卫星观测数据并生成气候要素日均值数据集其中，i表示区域行编号，j表示区域列编号，t表示观测时间，d为观测值；
7.步骤2：采用均值法计算步骤1中生成的日均值数据的区域月均值并生成区域月均值数据集dk，其中，k表示数据编号；
8.步骤3：采用差分法消除步骤2中生成的数据集的季节性并生成去季节性数据集；
9.步骤4：采用最小二乘法消除步骤3中生成的去季节性数据集的线性趋势并生成去趋势数据集；
10.步骤5：计算步骤4中生成的去趋势数据集的标准差以获取自然变率σ
var
的大小；
11.步骤6：采用自回归模型计算步骤4中生成的去趋势数据集的自然变率相关时间τ
var
；
12.步骤7：根据步骤5、步骤6计算结果，计算基准载荷探测精度预测值σ
cal
。
13.进一步地，所述步骤3中，所述差分法的差分函数为：
14.△dk
＝d
k-d
k-12
15.进一步地，所述步骤4中，所述最小二乘法得到趋势大小为：
[0016][0017]
其中，n表示数据集中的数据总数，i、j表示数据集中的数据编号，分别为i、j的平均值。
[0018]
进一步地，所述步骤6中，所述自回归模型为：
[0019]dk
＝c+a
×dk-1
+εk[0020]
其中，c为常数项；εk被假设为平均数等于0，标准差等于σ的随机误差值，σ被假设为对于任何的t都不变；a为自回归系数。
[0021]
进一步地，所述步骤7中，所述基准载荷探测精度预测模型为：
[0022][0023]
其中，τ
cal
为基准载荷设计寿命，ua为基准载荷精度不确定度因子。
[0024]
本发明的有益效果：
[0025]
本发明使用均值法、差分法、最小二乘法以及自回归模型对气候要素数据集进行处理，得到预测基准载荷探测精度所需的各种参数，满足了空间辐射基准载荷探测精度的准确预测需求。
附图说明
[0026]
图1是本发明的一种基于气候要素数据集的空间辐射基准精度预测方法流程示意图；
[0027]
图2是月平均时间序列数据图；
[0028]
图3是季节性数据图；
[0029]
图4是趋势数据图；
[0030]
图5是去除季节性与趋势后的数据图；
[0031]
图6是本发明的预测结果图。
具体实施方式
[0032]
下面结合本发明附图和具体实施方式，对本发明实施例中的技术方案进行清楚、完整地描述。
[0033]
如图1所示，本发明提供了一种基于气候要素数据集的空间辐射基准精度预测方法，具体步骤为：
[0034]
步骤1：收集modis利比亚4辐射定标场区域的地表反射率日均值数据集；
[0035]
步骤2：采用均值法计算步骤1中生成日均值数据的区域月均值并生成图2所示的区域月均值数据集；
[0036]
步骤3：采用差分法消除步骤2中生成数据集中的如图3所示的季节性数据并生成去季节性数据集；
[0037]
步骤4：采用最小二乘法消除步骤3中的生成数据集中的如4所示线性趋势数据并生成如图5所示的去趋势数据集；
[0038]
步骤5：计算步骤4中的生成数据集的标准差以获取自然变率σ
var
的大小；
[0039]
步骤6：采用自回归模型ar(1)计算步骤4中的生成数据集的自然变率相关时间τ
var
；
[0040]
步骤7：根据步骤5、步骤6计算结果，计算基准载荷探测精度预测值σ
cal
，计算结果如图6所示。
[0041]
具体地，所述步骤1中生成的气候要素日均值数据集为：
[0042][0043]
其中，i表示区域行编号，j表示区域列编号，t表示观测时间，d为观测值。
[0044]
所述步骤2中生成的区域月平均值数据集为：
[0045]dk
[0046]
其中，k表示数据编号。
[0047]
所述步骤3中，所述差分函数为：
[0048]
△dk
＝d
k-d
k-12
[0049]
所述步骤4中，所述最小二乘法得到趋势大小为：
[0050][0051]
其中，n表示数据集中的数据总数，i、j表示数据集中的数据编号，分别为i、j的平均值。
[0052]
所述步骤6中，所述自回归模型ar(1)为：
[0053]dk
＝c+a
×dk-1
+εk[0054]
其中，c为常数项；εk被假设为平均数等于0，标准差等于σ的随机误差值，σ被假设为对于任何的t都不变；a为自回归系数。
[0055]
所述步骤7中，所述基准载荷探测精度预测模型为：
[0056][0057]
其中，τ
cal
为基准载荷设计寿命，ua为基准载荷精度不确定度因子。
[0058]
以上结合附图对本发明的具体实施方式作了详细说明，以上实施例仅用以说明本发明的技术方案，而非对其限制，本领域的普通技术人员在其所具备的知识范围内，在不脱离本发明宗旨的前提下依然可以对前述技术方案进行各种修改。


技术特征：
1.一种基于气候要素数据集的空间辐射基准精度预测方法，其特征在于，包括如下步骤：步骤1：收集特定区域年代际尺度的卫星观测数据并生成气候要素日均值数据集其中，i表示区域行编号，j表示区域列编号，t表示观测时间，d为观测值；步骤2：采用均值法计算步骤1中生成的日均值数据的区域月均值并生成区域月均值数据集d
k
，其中，k表示数据编号；步骤3：采用差分法消除步骤2中生成的区域月均值数据集d
k
的季节性并生成去季节性数据集；步骤4：采用最小二乘法消除步骤3中生成的去季节性数据集的线性趋势并生成去趋势数据集；步骤5：计算步骤4中生成的去趋势数据集的标准差以获取自然变率σ
var
的大小；步骤6：采用自回归模型计算步骤4中生成的去趋势数据集的自然变率相关时间τ
var
；步骤7：根据步骤5、步骤6计算结果，计算基准载荷探测精度预测值σ
cal
。2.根据权利要求1所述的一种基于气候要素数据集的空间辐射基准精度预测方法，其特征在于，所述步骤3中，所述差分法的差分函数为：
△
d
k
＝d
k-d
k-12
。3.根据权利要求2所述的一种基于气候要素数据集的空间辐射基准精度预测方法，其特征在于，所述步骤4中，所述最小二乘法得到趋势大小为：其中，n表示数据集中的数据总数，i、j表示数据集中的数据编号，分别为i、j的平均值。4.根据权利要求3所述的一种基于气候要素数据集的空间辐射基准精度预测方法，其特征在于，所述步骤6中，所述自回归模型为：d
k
＝c+a
×
d
k-1
+ε
k
其中，c为常数项；ε
k
被假设为平均数等于0，标准差等于σ的随机误差值，σ被假设为对于任何的t都不变；a为自回归系数。5.根据权利要求4所述的一种基于气候要素数据集的空间辐射基准精度预测方法，其特征在于，所述步骤7中，所述基准载荷探测精度预测模型为：其中，τ
cal
为基准载荷设计寿命，u
a
为基准载荷精度不确定度因子。

技术总结
本发明涉及一种基于气候要素数据集的空间辐射基准精度预测方法，首先收集特定区域的卫星观测数据并进行区域平均和月平均处理，生成消除随机噪声的区域月平均数据集；然后采用差分法消除时间序列数据中的季节性，采用最小二乘法消除时间序列数据中的线性趋势，得到可表征自然变率大小的数据集；再计算此数据集的标准差得到自然变率大小σ


技术研发人员：翁建文 郑小兵 李大玮 康晴
受保护的技术使用者：中国科学院合肥物质科学研究院
技术研发日：2022.08.25
技术公布日：2022/11/22