融合自适应定权和偏差匹配的多源卫星测高数据水位提取算法

利用卫星测高技术提取湖库水位信息时,融合多种卫星测高数据构建长时序和高精度的水位尤为重要。本文以青海湖为例,选取Envisat、SARAL、Sentinel-3A和Sentinel-3B这4颗测高卫星数据,基于不同数据源结果及其特征构建了20a时长的数据集,提出了融合自适应定权和偏差匹配的多源卫星测高数据水位提取算法,其中自适应定权能根据不同场景选择适当的改正算法模型,并为多源测高参数确定不同的权重参数,从而统一数据。偏差匹配方法则最大程度将定性数据定量化,使水位提取更准确。同时建立了人工智能框架实现了水位提取的自动化和一体化。试验显示,经过自适应定权的多源测高特征值可以被合理分类且具有强相关性,可为构建长时序水位信息提供整体高精度的基础数据;结合偏差匹配方法,以天为尺度提取的水位和实测水位相关系数R2在0.9以上,若将相关系数R2阈值设为0.8,可单次提取5个月时长的水位。结合单天提取和多天提取提出长期提取方法,构建了12a的长时序水位,其相关系数R2在0.9以上,平均绝对误差(MAE)值在1.5~2.0cm之间,均方根误差(RMSE)值在2.0~2.5cm之间,成功构建了长时序和高精度的水位。鉴于此,该数据处理算法和构建的模型在水位信息提取及预测方面体现出一定的实用价值,其研究成果也印证了人工智能与卫星测高相结合在小尺度水域构建长时序高精度水位的可行性。

DOT2008A海面地形模型在我国邻近海域的精度评估

文中首先介绍了DOT2008A模型建立的原理和方法,利用我国48个长期验潮站19 a连续观测数据验证DOT2008A模型的精度,其均方差为0.118 m,残差的标准偏差为0.086 m;联合多源测高卫星建立的海面地形模型数据验证DOT2008A的精度,均方差为0.106 m,残差的标准偏差为0.099 5 m,且其残差分布图基本符合正态分布。从实验结果来看,DOT2008A模型在我国周边海域精度较高,其建立方法较为合理,转化应用价值较高;同时与多源测高卫星建立的海面地形比较结果来看,验证了自主建立的海面地形模型的正确性,对建立我国高精度海面地形模型具有重要的借鉴意义。