基于二次多项式的AOD数据融合方法

doi:10.13474/j.cnki.11-2246.2018.0012

测绘通报 ›› 2018, Vol. 0 ›› Issue (1): 67-71.doi: 10.13474/j.cnki.11-2246.2018.0012

基于二次多项式的AOD数据融合方法

李广超^1,2, 李如仁¹, 赵阳阳², 杨震³, 卢月明²

1. 沈阳建筑大学, 辽宁沈阳 110168;
2. 中国测绘科学研究院, 北京 100830;
3. 中国矿业大学, 北京 100083

收稿日期:2017-05-05 出版日期:2018-01-25 发布日期:2018-02-05
通讯作者: 李如仁。E-mail:847647702@qq.com E-mail:847647702@qq.com
作者简介:李广超(1991-),男,硕士生,主要研究方向为地理信息系统。E-mail:953069218@qq.com
基金资助:
中国测绘科学研究院基本科研业务费项目（7771614）；国家重点研发计划课题项目（2016YFC0803108）

AOD Data Fusion Method Based on Quadratic Polynomial

LI Guangchao^1,2, LI Ruren¹, ZHAO Yangyang², YANG Zhen³, LU Yueming²

1. Shenyang University of Architecture, Shenyang 110168, China;
2. Chinese Academy of Surveying and Mapping, Beijing 100830, China;
3. China University of Mining and Technology, Beijing 100083, China

Received:2017-05-05 Online:2018-01-25 Published:2018-02-05

摘要/Abstract

摘要：

针对Aqua和Terra MODIS AOD数据利用线性回归算法拟合结果不够精确的问题，本文提出了二次多项式回归算法对其进行拟合，二次多项式是指这个多项式的项数超过1，且最高次方数为2。采用二次多项式回归和线性回归算法分别对2015年随机选择的一天和4—6月的AOD数据进行拟合，并将两种方法拟合的结果进行对比分析。研究结果显示，针对同一组Aqua和Terra MODIS AOD数据的拟合，二次多项式回归方法拟合得到的RMSE、MAE、R值比线性回归拟合方法得到的值精度都要高很多，说明二次多项式回归拟合方法在Aqua和Terra MODIS AOD数据的拟合方面优于线性回归方法的拟合，证明了二次多项式回归拟合方法适用于此方面的研究，而且能够提升Aqua和Terra MODIS AOD数据拟合结果的精度。

关键词: MODIS, AOD, Aqua, Terra, 线性回归, 二次多项式回归

Abstract:

Aiming at the problem that Aqua and Terra MODIS AOD data are not accurate enough by linear regression algorithm,this paper proposes a quadratic polynomial regression algorithm to fit it,the quadratic polynomial means that the polynomial has more than 1 number and the highest square number is 2.The quadratic polynomial regression and linear regression algorithm were used to fit the randomly selected day and the AOD data from April to June respectively,and the results of the two methods are compared and analyzed.The results show that the RMSE,MAE,R values obtained by the quadratic polynomial regression method are much better than those obtained by the linear regression fitting method for the fitting of the same group of Aqua and Terra MODIS AOD data.It is shown that the quadratic polynomial regression fitting method is better than the fitting of the linear regression method in the fitting of Aqua and Terra MODIS AOD data,and it is proved that the quadratic polynomial regression fitting method is suitable for this research and can improve the accuracy of Aqua and Terra MODIS AOD data fitting results.

Key words: MODIS, AOD, Aqua, Terra, linear regression, quadratic polynomial regression

中图分类号:

P237

李广超, 李如仁, 赵阳阳, 杨震, 卢月明. 基于二次多项式的AOD数据融合方法[J]. 测绘通报, 2018, 0(1): 67-71.

LI Guangchao, LI Ruren, ZHAO Yangyang, YANG Zhen, LU Yueming. AOD Data Fusion Method Based on Quadratic Polynomial[J]. 测绘通报, 2018, 0(1): 67-71.

参考文献

[1] 刘浩,高小明,谢志英,等.京津冀晋鲁区域气溶胶光学厚度的时空特征[J].环境科学学报,2015,35(5):1506-1511.
[2] 赵胡笳.中国东北城市地区大气气溶胶光学特性及其直接辐射效应研究[D].北京:中国气象科学研究院,2014.
[3] 蒋维东.AOD卫星观测资料三维变分同化试验研究[D].南京:南京信息工程大学,2015.
[4] 李晓静,高玲,张兴赢,等.卫星遥感监测全球大气气溶胶光学厚度变化[J].科技导报,2015,33(17):30-40.
[5] 罗云峰,吕达仁,周秀骥,等.30年来我国大气气溶胶光学厚度平均分布特征分析[J].大气科学,2002,26(6):721-730.
[6] LIANG S,ZHONG B,FANG H.Improved Estimation of Aerosol Optical Depth from MODIS Imagery over Land Surfaces[J].Remote Sensing of Environment,2006,104(4):416-425.
[7] LARY D J,REMER L A,MACNEILL D,et al.Machine Learning and Bias Correction of MODIS Aerosol Optical Depth[J]. IEEE Geoscience & Remote Sensing Letters,2009,6(4):694-698.
[8] 王伟齐,张成网,臧增亮,等.Terra和Aqua卫星MODIS 3 km AOD与北京PM_(2.5)对比分析[J].气象科学,2017,37(1):93-100.
[9] 李龙.基于泛克里金方法的气溶胶光学厚度融合[D].上海:华东师范大学,2015.
[10] QI Y L,GE J M,HUANG J P.Spatial and Temporal Distribution of MODIS and MISR Aerosol Optical Depth over Northern China and Comparison with AERONET[J].Chinese Science Bulletin,2013,58(20):2497-2506.
[11] 闫婧华.MISR和MODIS气溶胶光学厚度产品的数据融合及其在大气细颗粒物监测中的应用研究[D].青岛:中国海洋大学,2014.
[12] 朱绪超,袁国富,易小波,等.基于Landsat 8 OLI影像的塔里木河下游河岸林叶面积指数反演[J].干旱区地理(汉文版),2014,37(6):1248-1256.
[13] 刘明亮,康倩.二次多项式拟合外方位元素卫星三线阵CCD影像平差[J].航天返回与遥感,2011,32(3):77-82.
[14] 马宗伟.基于卫星遥感的我国PM2.5时空分布研究[D].南京:南京大学,2015.
[15] 陈韵竹.气溶胶光学厚度的数据融合研究[D].上海:华东师范大学,2013.
[16] 黄征凯.确定区域似大地水准面方法的比较分析[D].桂林:桂林理工大学,2013.
[17] 程跃辉,王茂和.用二次多项式拟合曲线推算最终沉降量[J].华东公路,1999(6):46-49.

基于二次多项式的AOD数据融合方法

AOD Data Fusion Method Based on Quadratic Polynomial

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	齐丹宁, 胡政军, 赵尚民. 山西省西山煤田长时间序列NDVI时空变化趋势及对气候响应[J]. 测绘通报, 2021, 0(9): 98-102,107.
[2]	王建业, 梁小龙, 金喜, 白泽朝, 齐二恒. 黄土填方区地表沉降时序InSAR监测分析[J]. 测绘通报, 2021, 0(8): 158-161.
[3]	杨瑞芳, 尹思阳. 全球热带森林分布区NPP变化及其气候响应分析[J]. 测绘通报, 2021, 0(5): 49-53,110.
[4]	尚海兴, 黄文钰, 谢谦, 刘阳, 裴文悦. TerrainMapper机载激光雷达的新能源基地智慧三维GIS工程应用[J]. 测绘通报, 2021, 0(11): 165-168.
[5]	赵金龙, 赵慧. 基于DMSP-OLS和MODIS数据的宁夏城市化与生态环境耦合协调分析[J]. 测绘通报, 2021, 0(10): 9-14,27.
[6]	宋晓春, 刘兴科, 孙玮婕. 黑河流域MODIS气溶胶产品时空对比分析[J]. 测绘通报, 2020, 0(7): 64-69.
[7]	朱小灵, 王剑辉, 谢荣安. 基于GPS-IR的地表土壤湿度估算方法[J]. 测绘通报, 2020, 0(6): 128-133.
[8]	赵晓旭. 融合多源时空数据的城市火灾危险性评估[J]. 测绘通报, 2020, 0(5): 101-106.
[9]	梁小龙, 王建业, 白泽朝, 齐二恒, 李攀. 基于PS-InSAR技术的黄土大厚度挖方区回弹变形规律分析[J]. 测绘通报, 2020, 0(3): 163-166.
[10]	康雄, 曹俊涛, 陈成, 杨杰, 王建雄. 不同趋势法的宁夏长时序植被变化分析[J]. 测绘通报, 2020, 0(11): 23-27.
[11]	郭云开, 刘建琴, 郭燕青, 曹骁, 谢琼. GLIBERTY-DSAIL耦合模型反演南方混交林植被LAI[J]. 测绘通报, 2020, 0(11): 39-42,75.
[12]	单强, 姜卫平, 李陶, 陈露璐. X波段高分辨率SAR数据土石坝表面相干性时序变化分析[J]. 测绘通报, 2020, 0(10): 1-5.
[13]	杨智翔, 贾东振, 周航宇, 胡有能, 黎广. 面向对象的库区高分一号影像土地利用信息提取[J]. 测绘通报, 2020, 0(1): 35-39.
[14]	李晶, 崔绿园, 闫萧萧, 杨震, 董金玮, 邓晓娟. 草原矿区长时序植被覆盖度变化趋势对比分析[J]. 测绘通报, 2019, 0(8): 130-134,157.
[15]	沈谦, 朱长明, 张新. GF-2支持下的干旱区稀疏植被区植被覆盖度估算[J]. 测绘通报, 2019, 0(7): 33-38.