許遐禎，高　健，張康宇，黃敬峰，王秀珍

(1. 江蘇省氣候中心，江蘇 南京 210009；2. 杭州師范大學遙感與地球科學研究院，浙江 杭州 310036；3. 浙江省農(nóng)業(yè)遙感與信息技術重點實驗室，浙江 杭州 310058)

基于多源數(shù)據(jù)的中國近海風場融合方法研究

許遐禎1，高健2，張康宇3，黃敬峰3，王秀珍2

(1. 江蘇省氣候中心，江蘇 南京 210009；2. 杭州師范大學遙感與地球科學研究院，浙江 杭州 310036；3. 浙江省農(nóng)業(yè)遙感與信息技術重點實驗室，浙江 杭州 310058)

摘要：采用克里金(Kriging)法、Cressman法和時空混合插值法分別對QuikSCAT與地面氣象測風數(shù)據(jù)進行融合，得到研究區(qū)內(nèi)多源測風數(shù)據(jù)融合數(shù)據(jù)集；對不同方法得到的融合結(jié)果進行真實性檢驗，通過統(tǒng)計特征值的對比與分析，比較各自的優(yōu)劣.結(jié)果表明，3種方法的結(jié)果精度依次提高，其中時空混合插值法的精度最高.

關鍵詞：多源數(shù)據(jù)；融合方法；QuikSCAT；近海

近海區(qū)域在人類生產(chǎn)和生活中占有重要的地位.海面風是重要的海上天氣條件，是海洋環(huán)流的主要驅(qū)動力，近海岸環(huán)流的許多特征都與風場的作用直接相關.中國近海主要處在東亞季風區(qū)，跨越不同的氣候區(qū)域，各類天氣系統(tǒng)活動頻繁，氣候特征復雜.其特殊的地理位置使海面風場極具變化性，引起了各方面的廣泛關注.對近海面風場的研究，可以為近海區(qū)域開展許多研究提供背景信息.前人已使用不同的地面實測資料和衛(wèi)星遙感數(shù)據(jù)對中國近海風場的特征以及近海風能做了深入、廣泛的研究.其中，鄭崇偉[1]對中國近海的風向、風速和極值做了較詳細的分析；趙喜喜等[2]使用EOF分析了中國海面風場時空變化特征；劉志宏等[3]對西北太平洋的風場特征進行了深入的分析；徐蜜蜜等[4]研究了中國近海冬季大風的分布同平均風速分布的關系；齊義泉等[5]對中國南海海面風場特征進行了分析.

目前，在近海風場研究以及風能資源評估中使用最多的是地面氣象站點數(shù)據(jù)和再分析資料.這些數(shù)據(jù)在近海風場研究以及風能開發(fā)利用等方面發(fā)揮了重要的作用，但空間分辨率和空間覆蓋率比較低，因為地面氣象站點有限，且設在靠近海岸或者建在近海島嶼上，觀測數(shù)據(jù)受下墊面影響較大.而再分析風場資料分辨率低，不能滿足更精細的要求.

隨著遙感技術的快速發(fā)展，遙感數(shù)據(jù)在實踐中體現(xiàn)出了巨大的優(yōu)勢.星載微波散射計QuikSCAT所攜帶的SeaWinds(洋面風矢量散射探測儀)是一種特殊的微波雷達，主要通過探測海洋表面的起伏狀況，得到洋面10 m的風矢量數(shù)據(jù).SeaWinds可以穿透天氣系統(tǒng)和云探測近海平面的風速和風向.QuikSCAT具有高時空分辨率的特點，因此，利用它得到的洋面風矢量資料，可以很好地彌補海面氣象資料的缺乏，為海面風矢量的分析提供幫助，并在天氣分析、預報和數(shù)值預報中得到應用，如歐洲長期數(shù)值預報中心和美國環(huán)境預報中心(NECP)等已經(jīng)把該資料同化到業(yè)務數(shù)值模式中.

但QuikSCAT觀測數(shù)據(jù)無法覆蓋近海區(qū)域.而近海區(qū)域內(nèi)的地面氣象站點分布稀少，觀測數(shù)據(jù)較少，且都是在海岸或者離岸太近，即在近海區(qū)域內(nèi)沒有空間上連續(xù)的和較高分辨率的風場數(shù)據(jù).對此，多源數(shù)據(jù)融合被認為是一種可行的解決方案.通過數(shù)據(jù)融合，可以實現(xiàn)多源數(shù)據(jù)的優(yōu)勢互補.在中國近海區(qū)域內(nèi)，通過一些融合技術把衛(wèi)星遙感數(shù)據(jù)與地面氣象站數(shù)據(jù)結(jié)合起來，形成覆蓋近海區(qū)域的高分辨率的風場數(shù)據(jù)集，這對近海區(qū)域研究以及風能開發(fā)利用都有重要的意義.本研究擬通過多源測風數(shù)據(jù)融合方法，實現(xiàn)空間降尺度、數(shù)據(jù)插補和時間序列延長等目的，最終使得數(shù)據(jù)空間分辨率達到0.01°×0.01°(約1 km×1 km)，并形成一套覆蓋研究區(qū)的近海風場數(shù)據(jù)集.

1資料與方法

1.1資料

1.1.1遙感數(shù)據(jù)

從NASA遙感系統(tǒng)數(shù)據(jù)網(wǎng)站http://www.remss.com/上下載QuikSCAT數(shù)據(jù).該網(wǎng)站提供網(wǎng)格化的二進制數(shù)據(jù)文件，每個文件包含相應時間段的數(shù)據(jù)，如過境時間(協(xié)調(diào)世界時)、海面溫度、海面風速(10 m 高度)、水汽含量、液水含量、降雨率、全天候風速和風向等.本文使用2011年4月發(fā)布的QuikSCAT的Bytemap數(shù)據(jù)文件.處理過程使用的是Ku-2011地球物理模型函數(shù)即“v4”版本數(shù)據(jù).數(shù)據(jù)被網(wǎng)格化為0.25°緯度/經(jīng)度單元(約25 km×25 km).單個文件擁有1 440個經(jīng)度單元和720個緯度單元.本文獲得QuikSCAT 2008年的數(shù)據(jù)，通過編寫程序，批量讀取和處理其中的風速數(shù)據(jù).

1.1.2地面氣象數(shù)據(jù)

地面實測氣象資料主要來源于常規(guī)氣象站、區(qū)域站.常規(guī)氣象站的觀測資料年限較長，是開展風能資源長期趨勢評估分析及長年代估算的重要依據(jù)，且數(shù)據(jù)精度高.區(qū)域站是無人值守的中尺度自動氣象觀測站，承擔地面氣象加密觀測和中小尺度災害性天氣、局部環(huán)境監(jiān)測等功能.本文使用了中國沿海區(qū)域69個氣象站站點的實測數(shù)據(jù)(圖1)，其中，63個站點用于數(shù)據(jù)融合，6個站點用于結(jié)果檢驗.

1.2融合方法

數(shù)據(jù)融合方法主要有反距離加權插值、最優(yōu)插值、Kriging插值、Kalman濾波、貝葉斯估計、Cressman插值等.本文選取了目前應用最廣泛的Cressman插值和Kriging插值法，加上一種時空插值混合法，對這3種方法進行比較分析.

1.2.1Cressman插值

1.2.2Kriging插值

1.2.3時空混合插值法

傳統(tǒng)的Kriging法沒有考慮時間的變化，本文借鑒Cressman法的優(yōu)點，對Kriging法進行改進，得到一種新的融合插值算法.該方法中既包含了Kriging法對空間數(shù)據(jù)的插值精度，又繼承了Cressman法考慮時間變化的優(yōu)點.其具體過程為：1)對空間數(shù)據(jù)按照Cressman法在時間序列上進行插值；2)對1)中形成的數(shù)據(jù)集，按照Kriging法進行空間插值；3)得到新的數(shù)據(jù)集.

1.3數(shù)據(jù)質(zhì)量評價指標

2數(shù)據(jù)融合結(jié)果檢驗與分析

QuikSCAT數(shù)據(jù)無法覆蓋近海區(qū)域，通過上述3種數(shù)據(jù)融合方法，與浙江省63個氣象站站點的實測數(shù)據(jù)融合得到空間分辨率達到0.01°×0.01°(約1 km×1 km)的數(shù)據(jù)集，即形成覆蓋近海區(qū)域的高分辨率的風場數(shù)據(jù)集，再用另外6個站點數(shù)據(jù)進行結(jié)果檢驗.

2.13種方法結(jié)果統(tǒng)計特征值

從表1可見，在QuikSCAT數(shù)據(jù)與地面數(shù)據(jù)融合中，3種不同方法的風速融合結(jié)果統(tǒng)計特征值略有差異.基于Kriging法的融合結(jié)果中風速平均值最大的是站點4、5、6；基于Cressman法的融合結(jié)果風速平均值最大的為站點2、4、5；站點1、2、4是基于時空混合插值法的融合結(jié)果風速平均值最大的.從表2中可見，融合結(jié)果風向平均值和方差，除了站點2和4之外，各站點值基本相近.

表1　基于QuikSCAT數(shù)據(jù)的不同方法風速數(shù)據(jù)融合結(jié)果統(tǒng)計特征值對比

表2　基于QuikSCAT數(shù)據(jù)的不同方法風向數(shù)據(jù)融合結(jié)果統(tǒng)計特征值對比

2.23種方法結(jié)果誤差統(tǒng)計特征值

從表3可以看出，風速數(shù)據(jù)融合結(jié)果，除了4號站點之外，Kriging法平均絕對誤差不超過3 m/s，均方根誤差不超過4 m/s；Cressman法誤差略低于Kriging法；時空混合插值法精度最高，均方根誤差基本在3 m/s之內(nèi).從表4可以看出，風向數(shù)據(jù)融合結(jié)果，Kriging法平均絕對誤差在40°之內(nèi)，均方根誤差為50°左右；Cressman法誤差略低于Kriging法；時空混合插值法精度最高，如果換算為16風向方位，其誤差不超過2.5個方位.

表3　基于QuikSCAT數(shù)據(jù)的不同方法風速數(shù)據(jù)融合結(jié)果誤差統(tǒng)計特征值對比

表4　基于QuikSCAT數(shù)據(jù)的不同方法風向數(shù)據(jù)融合結(jié)果誤差統(tǒng)計特征值對比

由此可見，對風速、風向數(shù)據(jù)融合而言，時空混合插值法精度最高，Cressman法其次，Kriging法最低.

2.3散點圖對比

不同方法融合結(jié)果風速、風向?qū)Ρ热鐖D2,3所示.

圖2　QuikSCAT數(shù)據(jù)與地面氣象數(shù)據(jù)風速數(shù)據(jù)融合結(jié)果與檢驗數(shù)據(jù)對比Fig. 2　The scatter diagram of measured wind speed and the result of data fusion

圖3　QuikSCAT數(shù)據(jù)與地面氣象數(shù)據(jù)風向數(shù)據(jù)融合結(jié)果與檢驗數(shù)據(jù)對比Fig. 3　The scatter diagram of measured wind direction and the result of data fusion

從圖中可以看出，3種方法融合結(jié)果中的風速、風向數(shù)據(jù)與對應時間的地面氣象站點風速、風向數(shù)據(jù)基本一致，融合數(shù)據(jù)要整體略高于地面實測數(shù)據(jù).基于時空混合插值法的融合結(jié)果與地面實測數(shù)據(jù)對比最為接近.這與上文的計算結(jié)果是一致的.

不同方法融合結(jié)果風向玫瑰圖如圖4所示.

圖4　QuikSCAT數(shù)據(jù)與地面氣象數(shù)據(jù)風向數(shù)據(jù)融合結(jié)果與檢驗數(shù)據(jù)對比玫瑰圖Fig. 4　The comparison chart of measured wind direction and the result of data fusion

從圖4中可見，3種方法的融合結(jié)果中，風向數(shù)據(jù)與對應時間的地面氣象站點風向數(shù)據(jù)中的主導風向和風向頻數(shù)分布基本一致.基于Kriging法的融合結(jié)果，在東南東(ESE)、西(W)方位向和地面實測數(shù)據(jù)不一致，其他與地面站點非常接近；基于Cressman法的融合結(jié)果，在東南東(ESE)、西(W)方位向上較Kriging法有了明顯的改善，但是在南南西(SSW)方位向和地面實測數(shù)據(jù)略有偏離；基于時空混合插值法的融合結(jié)果，較前兩種方法有了明顯的改善.

上述結(jié)果表明，3種方法的風向融合結(jié)果，以時空混合插值法精度最高，Cressman法其次，Kriging法精度相對最低，與上文計算的結(jié)果一致.這與3種方法的融合原理有關.Kriging法在融合過程中，只考慮了數(shù)據(jù)之間的空間相關性，而未考慮不同數(shù)據(jù)在時間維上的變異；Cressman法在融合過程中，雖然考慮了數(shù)據(jù)之間空間維與時間維上的變異性，但是對這些變異只考慮了距離一個因素；時空混合插值法則綜合考慮了測風數(shù)據(jù)時間維和空間維上的變異性，因此精度是最高的.

基于Kriging法和改進型Kriging法的插值結(jié)果對比表明，后者在空間插值前進行了時間序列的插值，則結(jié)果表明時間距離對風場結(jié)果的影響明顯小于空間距離.

3討論

本文對現(xiàn)有的具有代表性的融合插值方法進行了對比分析，提出了一種改進后的融合插值方法，并對3種融合插值方法進行對比.結(jié)果表明，無論是風速還是風向數(shù)據(jù)融合，均以時空混合插值法精度最高，Cressman法其次，Kriging法相對最低.

多源數(shù)據(jù)融合算法仍有改進的空間.從算法上，本文提出的改進型Kriging法融合結(jié)果精度最高.這與3種方法自身的結(jié)構有關.Kriging法在區(qū)域化變量空間插值方面具有明顯的優(yōu)勢，充分考慮了變量的空間相關性；Cressman法雖然在空間插值算法中并未考慮數(shù)據(jù)在空間上的相關性，但是考慮了時間因素；時空混合插值法綜合了以上兩種方法的優(yōu)點，既考慮了數(shù)據(jù)的空間相關性，也考慮了數(shù)據(jù)的觀測時間變化，而得到的結(jié)果精度也是最高的.從衛(wèi)星數(shù)據(jù)上，本研究僅用了QuikSCAT數(shù)據(jù)，這種衛(wèi)星數(shù)據(jù)每日觀測一次，空間分辨率為0.25°，即時間、空間分辨率都較低.因此，還可引入更多的數(shù)據(jù)源如各種高度計、WindSAT數(shù)據(jù)、ASCAT、HY-2和SAR數(shù)據(jù)等來提高時間、空間分辨率和觀測精度.從地面實測站點上，本文中使用的地面站點的數(shù)目及數(shù)據(jù)量相對較少，還可引入更多的氣象站數(shù)據(jù)以及近海區(qū)域浮標數(shù)據(jù)，以此來提高融合結(jié)果的精度.

參考文獻:

[1] 鄭崇偉.基于CCMP風場的近22年中國海海表風場特征分析[J].氣象與減災研究,2011,34(3):41-46.

[2] 趙喜喜,侯一筠,齊鵬.中國海海面風場時空變化特征分析[J].高技術通訊,2007,17(5):523-528.

[3] 劉志宏,鄭崇偉,莊卉,等.近22年西北太平洋海表風速變化趨勢及空間分布特征研究[J].海洋技術,2011,30(2):127-130.

[4] 徐蜜蜜,徐海明.我國近海大風分布特征及成因[J].熱帶氣象學報,2010,26(6):716-723.

[5] 齊義泉,施平,毛慶文.南海海面風場和浪場季平均特征的衛(wèi)星遙感分析[J].中國海洋平臺,1997,12(3):23-27.

Fusion Method of China’s Offshore Wind Field Based on Multi-source Data

XU Xiazhen1, GAO Jian2, ZHANG Kangyu3, HUANG Jingfeng3, WANG Xiuzhen2

(1. Jiangsu Climate Center, Nanjing 210009, China; 2. Institute of Remote Sensing and Earth Sciences, Hangzhou Normal University,Hangzhou 310036, China; 3. Institute of Remote Sensing and Information Application, Zhejiang University, Hangzhou 310058, China)

Abstract:Using Kriging method, Cressman method and mixed interpolation method of time and space, QuikSCAT and the ground meteorological wind data are integrated, multi-source wind fusion data set are obtained. The data obtained by different methods are verified and compared their respective advantages and disadvantages by the comparison and analysis of statistical characteristics. The results show that the precision of the results from the three methods is successively improved, and the precission of mixed interpolation method of time and space is the highest.

Key words:multi-source data; fusion method; QuikSCAT; offshore

收稿日期：2015-10-08

基金項目：公益性行業(yè)(氣象)科研專項(GYHY201306050).

通信作者：王秀珍(1961—)，女，教授，主要從事植被遙感和信息技術研究.E-mail：wxz05160516@126.com

doi:10.3969/j.issn.1674-232X.2016.03.019

中圖分類號:TP701

文獻標志碼:A

文章編號:1674-232X(2016)03-0325-06