基于BMA的多衛(wèi)星土壤濕度數(shù)據(jù)融合研究.pdf

1、土壤濕度是影響氣候變化的一個(gè)重要物理量。獲取土壤濕度的方法有許多種，其中衛(wèi)星微波遙感測(cè)量方法是現(xiàn)今主流方法，它能提供實(shí)時(shí)的、高分辨的土壤濕度數(shù)據(jù)。但受地表粗糙度、植被及反演算法等的影響，衛(wèi)星遙感土壤濕度數(shù)據(jù)往往存在偏差，校正土壤數(shù)據(jù)的系統(tǒng)偏差是進(jìn)行土壤濕度數(shù)據(jù)融合的前提。同時(shí)，中國區(qū)域陸面土壤濕度數(shù)據(jù)同化系統(tǒng)需要整個(gè)區(qū)域上土壤濕度數(shù)據(jù)，這使得對(duì)多個(gè)衛(wèi)星模型提供的土壤濕度數(shù)據(jù)進(jìn)行融合十分必要。
　　傳統(tǒng)的偏差校正方法為均勻分段的CD

2、F匹配方法，本文提出一種非均勻分段的CDF的方法來進(jìn)行偏差校正，能在用更少的分段次數(shù)下得到更好的匹配效果。傳統(tǒng)的土壤濕度數(shù)據(jù)融合方法是簡(jiǎn)單均值方法，它將各個(gè)衛(wèi)星觀測(cè)數(shù)據(jù)求和取平均值作為融合結(jié)果。但實(shí)際中往往每個(gè)衛(wèi)星模型并不總是工作的很好，各個(gè)模型都具有一定的不確定性。本文采用貝葉斯模型平均(BMA)方法來獲得一組可變的權(quán)重，該權(quán)重即是對(duì)模型不確定性的一種量化，再用其進(jìn)行加權(quán)平均得到融合結(jié)果。BMA方法以每個(gè)觀測(cè)模型的后驗(yàn)概率作為權(quán)重來描