基于多源数据的中国近海风场融合方法研究

许遐祯，高　健，张康宇，黄敬峰，王秀珍

(1. 江苏省气候中心，江苏 南京 210009；2. 杭州师范大学遥感与地球科学研究院，浙江 杭州 310036；3. 浙江省农业遥感与信息技术重点实验室，浙江 杭州 310058)

基于多源数据的中国近海风场融合方法研究

许遐祯1，高健2，张康宇3，黄敬峰3，王秀珍2

(1. 江苏省气候中心，江苏 南京 210009；2. 杭州师范大学遥感与地球科学研究院，浙江 杭州 310036；3. 浙江省农业遥感与信息技术重点实验室，浙江 杭州 310058)

摘要：采用克里金(Kriging)法、Cressman法和时空混合插值法分别对QuikSCAT与地面气象测风数据进行融合，得到研究区内多源测风数据融合数据集；对不同方法得到的融合结果进行真实性检验，通过统计特征值的对比与分析，比较各自的优劣.结果表明，3种方法的结果精度依次提高，其中时空混合插值法的精度最高.

关键词：多源数据；融合方法；QuikSCAT；近海

近海区域在人类生产和生活中占有重要的地位.海面风是重要的海上天气条件，是海洋环流的主要驱动力，近海岸环流的许多特征都与风场的作用直接相关.中国近海主要处在东亚季风区，跨越不同的气候区域，各类天气系统活动频繁，气候特征复杂.其特殊的地理位置使海面风场极具变化性，引起了各方面的广泛关注.对近海面风场的研究，可以为近海区域开展许多研究提供背景信息.前人已使用不同的地面实测资料和卫星遥感数据对中国近海风场的特征以及近海风能做了深入、广泛的研究.其中，郑崇伟[1]对中国近海的风向、风速和极值做了较详细的分析；赵喜喜等[2]使用EOF分析了中国海面风场时空变化特征；刘志宏等[3]对西北太平洋的风场特征进行了深入的分析；徐蜜蜜等[4]研究了中国近海冬季大风的分布同平均风速分布的关系；齐义泉等[5]对中国南海海面风场特征进行了分析.

目前，在近海风场研究以及风能资源评估中使用最多的是地面气象站点数据和再分析资料.这些数据在近海风场研究以及风能开发利用等方面发挥了重要的作用，但空间分辨率和空间覆盖率比较低，因为地面气象站点有限，且设在靠近海岸或者建在近海岛屿上，观测数据受下垫面影响较大.而再分析风场资料分辨率低，不能满足更精细的要求.

随着遥感技术的快速发展，遥感数据在实践中体现出了巨大的优势.星载微波散射计QuikSCAT所携带的SeaWinds(洋面风矢量散射探测仪)是一种特殊的微波雷达，主要通过探测海洋表面的起伏状况，得到洋面10 m的风矢量数据.SeaWinds可以穿透天气系统和云探测近海平面的风速和风向.QuikSCAT具有高时空分辨率的特点，因此，利用它得到的洋面风矢量资料，可以很好地弥补海面气象资料的缺乏，为海面风矢量的分析提供帮助，并在天气分析、预报和数值预报中得到应用，如欧洲长期数值预报中心和美国环境预报中心(NECP)等已经把该资料同化到业务数值模式中.

但QuikSCAT观测数据无法覆盖近海区域.而近海区域内的地面气象站点分布稀少，观测数据较少，且都是在海岸或者离岸太近，即在近海区域内没有空间上连续的和较高分辨率的风场数据.对此，多源数据融合被认为是一种可行的解决方案.通过数据融合，可以实现多源数据的优势互补.在中国近海区域内，通过一些融合技术把卫星遥感数据与地面气象站数据结合起来，形成覆盖近海区域的高分辨率的风场数据集，这对近海区域研究以及风能开发利用都有重要的意义.本研究拟通过多源测风数据融合方法，实现空间降尺度、数据插补和时间序列延长等目的，最终使得数据空间分辨率达到0.01°×0.01°(约1 km×1 km)，并形成一套覆盖研究区的近海风场数据集.

1资料与方法

1.1资料

1.1.1遥感数据

从NASA遥感系统数据网站http://www.remss.com/上下载QuikSCAT数据.该网站提供网格化的二进制数据文件，每个文件包含相应时间段的数据，如过境时间(协调世界时)、海面温度、海面风速(10 m 高度)、水汽含量、液水含量、降雨率、全天候风速和风向等.本文使用2011年4月发布的QuikSCAT的Bytemap数据文件.处理过程使用的是Ku-2011地球物理模型函数即“v4”版本数据.数据被网格化为0.25°纬度/经度单元(约25 km×25 km).单个文件拥有1 440个经度单元和720个纬度单元.本文获得QuikSCAT 2008年的数据，通过编写程序，批量读取和处理其中的风速数据.

1.1.2地面气象数据

地面实测气象资料主要来源于常规气象站、区域站.常规气象站的观测资料年限较长，是开展风能资源长期趋势评估分析及长年代估算的重要依据，且数据精度高.区域站是无人值守的中尺度自动气象观测站，承担地面气象加密观测和中小尺度灾害性天气、局部环境监测等功能.本文使用了中国沿海区域69个气象站站点的实测数据(图1)，其中，63个站点用于数据融合，6个站点用于结果检验.

1.2融合方法

数据融合方法主要有反距离加权插值、最优插值、Kriging插值、Kalman滤波、贝叶斯估计、Cressman插值等.本文选取了目前应用最广泛的Cressman插值和Kriging插值法，加上一种时空插值混合法，对这3种方法进行比较分析.

1.2.1Cressman插值

1.2.2Kriging插值

1.2.3时空混合插值法

传统的Kriging法没有考虑时间的变化，本文借鉴Cressman法的优点，对Kriging法进行改进，得到一种新的融合插值算法.该方法中既包含了Kriging法对空间数据的插值精度，又继承了Cressman法考虑时间变化的优点.其具体过程为：1)对空间数据按照Cressman法在时间序列上进行插值；2)对1)中形成的数据集，按照Kriging法进行空间插值；3)得到新的数据集.

1.3数据质量评价指标

2数据融合结果检验与分析

QuikSCAT数据无法覆盖近海区域，通过上述3种数据融合方法，与浙江省63个气象站站点的实测数据融合得到空间分辨率达到0.01°×0.01°(约1 km×1 km)的数据集，即形成覆盖近海区域的高分辨率的风场数据集，再用另外6个站点数据进行结果检验.

2.13种方法结果统计特征值

从表1可见，在QuikSCAT数据与地面数据融合中，3种不同方法的风速融合结果统计特征值略有差异.基于Kriging法的融合结果中风速平均值最大的是站点4、5、6；基于Cressman法的融合结果风速平均值最大的为站点2、4、5；站点1、2、4是基于时空混合插值法的融合结果风速平均值最大的.从表2中可见，融合结果风向平均值和方差，除了站点2和4之外，各站点值基本相近.

表1　基于QuikSCAT数据的不同方法风速数据融合结果统计特征值对比

表2　基于QuikSCAT数据的不同方法风向数据融合结果统计特征值对比

2.23种方法结果误差统计特征值

从表3可以看出，风速数据融合结果，除了4号站点之外，Kriging法平均绝对误差不超过3 m/s，均方根误差不超过4 m/s；Cressman法误差略低于Kriging法；时空混合插值法精度最高，均方根误差基本在3 m/s之内.从表4可以看出，风向数据融合结果，Kriging法平均绝对误差在40°之内，均方根误差为50°左右；Cressman法误差略低于Kriging法；时空混合插值法精度最高，如果换算为16风向方位，其误差不超过2.5个方位.

表3　基于QuikSCAT数据的不同方法风速数据融合结果误差统计特征值对比

表4　基于QuikSCAT数据的不同方法风向数据融合结果误差统计特征值对比

由此可见，对风速、风向数据融合而言，时空混合插值法精度最高，Cressman法其次，Kriging法最低.

2.3散点图对比

不同方法融合结果风速、风向对比如图2,3所示.

图2　QuikSCAT数据与地面气象数据风速数据融合结果与检验数据对比Fig. 2　The scatter diagram of measured wind speed and the result of data fusion

图3　QuikSCAT数据与地面气象数据风向数据融合结果与检验数据对比Fig. 3　The scatter diagram of measured wind direction and the result of data fusion

从图中可以看出，3种方法融合结果中的风速、风向数据与对应时间的地面气象站点风速、风向数据基本一致，融合数据要整体略高于地面实测数据.基于时空混合插值法的融合结果与地面实测数据对比最为接近.这与上文的计算结果是一致的.

不同方法融合结果风向玫瑰图如图4所示.

图4　QuikSCAT数据与地面气象数据风向数据融合结果与检验数据对比玫瑰图Fig. 4　The comparison chart of measured wind direction and the result of data fusion

从图4中可见，3种方法的融合结果中，风向数据与对应时间的地面气象站点风向数据中的主导风向和风向频数分布基本一致.基于Kriging法的融合结果，在东南东(ESE)、西(W)方位向和地面实测数据不一致，其他与地面站点非常接近；基于Cressman法的融合结果，在东南东(ESE)、西(W)方位向上较Kriging法有了明显的改善，但是在南南西(SSW)方位向和地面实测数据略有偏离；基于时空混合插值法的融合结果，较前两种方法有了明显的改善.

上述结果表明，3种方法的风向融合结果，以时空混合插值法精度最高，Cressman法其次，Kriging法精度相对最低，与上文计算的结果一致.这与3种方法的融合原理有关.Kriging法在融合过程中，只考虑了数据之间的空间相关性，而未考虑不同数据在时间维上的变异；Cressman法在融合过程中，虽然考虑了数据之间空间维与时间维上的变异性，但是对这些变异只考虑了距离一个因素；时空混合插值法则综合考虑了测风数据时间维和空间维上的变异性，因此精度是最高的.

基于Kriging法和改进型Kriging法的插值结果对比表明，后者在空间插值前进行了时间序列的插值，则结果表明时间距离对风场结果的影响明显小于空间距离.

3讨论

本文对现有的具有代表性的融合插值方法进行了对比分析，提出了一种改进后的融合插值方法，并对3种融合插值方法进行对比.结果表明，无论是风速还是风向数据融合，均以时空混合插值法精度最高，Cressman法其次，Kriging法相对最低.

多源数据融合算法仍有改进的空间.从算法上，本文提出的改进型Kriging法融合结果精度最高.这与3种方法自身的结构有关.Kriging法在区域化变量空间插值方面具有明显的优势，充分考虑了变量的空间相关性；Cressman法虽然在空间插值算法中并未考虑数据在空间上的相关性，但是考虑了时间因素；时空混合插值法综合了以上两种方法的优点，既考虑了数据的空间相关性，也考虑了数据的观测时间变化，而得到的结果精度也是最高的.从卫星数据上，本研究仅用了QuikSCAT数据，这种卫星数据每日观测一次，空间分辨率为0.25°，即时间、空间分辨率都较低.因此，还可引入更多的数据源如各种高度计、WindSAT数据、ASCAT、HY-2和SAR数据等来提高时间、空间分辨率和观测精度.从地面实测站点上，本文中使用的地面站点的数目及数据量相对较少，还可引入更多的气象站数据以及近海区域浮标数据，以此来提高融合结果的精度.

参考文献:

[1] 郑崇伟.基于CCMP风场的近22年中国海海表风场特征分析[J].气象与减灾研究,2011,34(3):41-46.

[2] 赵喜喜,侯一筠,齐鹏.中国海海面风场时空变化特征分析[J].高技术通讯,2007,17(5):523-528.

[3] 刘志宏,郑崇伟,庄卉,等.近22年西北太平洋海表风速变化趋势及空间分布特征研究[J].海洋技术,2011,30(2):127-130.

[4] 徐蜜蜜,徐海明.我国近海大风分布特征及成因[J].热带气象学报,2010,26(6):716-723.

[5] 齐义泉,施平,毛庆文.南海海面风场和浪场季平均特征的卫星遥感分析[J].中国海洋平台,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

基金项目：公益性行业(气象)科研专项(GYHY201306050).

通信作者：王秀珍(1961—)，女，教授，主要从事植被遥感和信息技术研究.E-mail：wxz05160516@126.com

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

中图分类号:TP701

文献标志码:A

文章编号:1674-232X(2016)03-0325-06