The invention provides a multi satellite precipitation method and fusion system, wherein said method comprises: obtaining the sampling period, the sampling period including the time preset every year N years, each of the preset time when the length is less than one year; precipitation data were obtained by the sampling period of the land surface precipitation data and at least two satellites; determine the prior probability of the satellite precipitation data; according to the a priori probability, the satellite to the ground precipitation data and the satellite, calculating multi satellite precipitation parameters using fusion probability statistical model. Fusion of multi satellite precipitation method provided by the invention, according to the different sampling period, and the ground station selection, calculation of weight coefficient of the fusion results of the satellite is not the same, excluding the greatest degree of each satellite monitoring error due to time or space generated by the different, made after fusion precipitation results are more accurate.
【技术实现步骤摘要】
多卫星融合降水方法及系统
本专利技术涉及卫星融合降水
,特别是涉及多卫星融合降水方法及系统。
技术介绍
降水是大气水文模型不确定性的最关键输入参数之一,也是全球水分与能量循环的核心组成部分。传统技术中,获取降水数据主要有三种方式。一是地面站点观测,采用局部点采样观测的结果代表周边几十甚至几百平方公里范围内的真实降水。目前认为地面站点的降水资料是最为信赖的降水观测数据,但地面站点的观测数据在时空分布上存在明显的不连续性,难以反映实际降水显著的时空变异性。另一方面,中国地面雨量计站点分布东密西疏,观测资料时间和空间分布也不均等,导致基于地面站点观测的降水数据质量受到影响,因此,地面站点观测虽然能够精确测量地面降水,但受站网密度及其空间分布的影响较大,尤其是对于地形相对复杂的山区,现有站网布局不能满足应用需求。二是天气雷达,天气雷达通过探测大气中与降水有关的物理量,间接获得空间连续的降水信息,在一定程度上弥补了地面站点空间分布的不足,但天气雷达容易受电子信号以及运行环境等多因素影响,如地形遮挡、雷达射线抬升和Z-R(雷达反射率Z和降雨强度R)关系的不确定性等,在地形复杂地区具有较大的不确定性,精度较地面站点的雨量计观测差。三是气象卫星,卫星监测的反演降水数据具有观测范围广、时间间隔短,相对于独立、离散的地面站点观测而言时空分布较为连续,已经逐渐成为在全球及区域尺度上进行降雨监测及灾害预报预警的重要工具,同时也为地面缺测资料流域的水文研究提供了极具应用价值的降雨观测信息。但跟天气雷达一样,卫星遥感技术也是对降雨过程的间接观测手段,受遥感探测仪器、反演算法等因 ...
【技术保护点】
一种多卫星融合降水方法,其特征在于,所述方法包括:获取采样时段,所述采样时段包括N年中每一年的预设时段,每个所述预设时段的时长小于一年,其中N为正整数;分别获取所述采样时段内的地面降水数据和至少两颗卫星的降水数据;确定各卫星的先验概率;根据所述各卫星的先验概率、所述地面降水数据和所述各卫星的降水数据,利用概率统计模型计算多卫星融合降水参数,所述多卫星融合降水参数包括所述各卫星的融合权重系数。
【技术特征摘要】
1.一种多卫星融合降水方法,其特征在于,所述方法包括:获取采样时段,所述采样时段包括N年中每一年的预设时段,每个所述预设时段的时长小于一年,其中N为正整数;分别获取所述采样时段内的地面降水数据和至少两颗卫星的降水数据;确定各卫星的先验概率;根据所述各卫星的先验概率、所述地面降水数据和所述各卫星的降水数据,利用概率统计模型计算多卫星融合降水参数,所述多卫星融合降水参数包括所述各卫星的融合权重系数。2.根据权利要求1所述的多卫星融合降水方法,其特征在于,所述确定所述各卫星的先验概率,包括:根据所述地面降水数据和所述各卫星的降水数据计算所述各卫星的先验概率,或获取所述各卫星预设的先验概率。3.根据权利要求1所述的多卫星融合降水方法,其特征在于,所述根据所述各卫星的先验概率、所述地面降水数据和所述各卫星的降水数据,利用概率统计模型计算多卫星融合降水参数,包括:根据所述各卫星的降水数据的后验概率和多卫星融合降水的后验分布,确定多卫星融合降水的概率密度函数,其中,所述各卫星的降水数据的后验概率为各卫星的降水数据在所述地面降水数据条件下的后验概率,所述多卫星融合降水的后验分布为基于所述各卫星的降水数据及所述地面降水数据条件下的多卫星融合降水的后验分布;将所述多卫星融合降水的概率密度函数进行迭代计算,确定所述多卫星融合降水参数。4.根据权利要求3所述的多卫星融合降水方法,其特征在于,所述将所述多卫星融合降水的概率密度函数进行迭代计算,确定所述多卫星融合降水参数,包括:将所述地面降水数据和所述各卫星的降水数据分别进行正态分布转换,获取地面正态分布降水数据和各卫星的正态分布降水数据;根据所述地面正态分布降水数据、所述各卫星的正态分布降水数据,将所述多卫星融合降水的概率密度函数利用最大期望算法进行迭代计算,确定优化后的各卫星的降水数据的后验概率;将所述优化后的各卫星的降水数据的后验概率确定为所述各卫星的融合权重系数。5.根据权利要求4述的多卫星融合降水方法,其特征在于,所述根据所述地面正态分布降水数据、所述各卫星的正态分布降水数据,将所述多卫星融合降水的概率密度函数利用最大期望算法进行迭代计算,确定优化后的各卫星的降水数据的后验概率,包括:根据所述各卫星的降水数据和所述地面降水数据,计算所述各卫星的降水数据的误差;将所述各卫星的降水数据的误差、所述各卫星的降水数据的后验概率,确定为所述多卫星融合降水的概率密度函数中的初始待求参数集合;根据所述初始待求参数的集合,所述地面正态分布降水数据和所述各卫星的正态分布降水数据,确定所述初始待求参数集合的对数似然函数;迭代计算所述对数似然函数并确定所述对数似然函数的最大似然值,根据所述最大似然值确定优化后的待求参数集合,所述优化后的待求参数集合包括优化后的各卫星的降水数据的后验概率。6.根据权利要求5述的多卫星融合降水方法,其特征在于,所述迭代计算所述对数似然函数并确定所述对数似然函数的最大似然值,具体包括:根据所述各卫星预设的初始权重值,所述地面降水数据和所述各卫星的降水数据,计算所述各卫星的降水数据的初始方差;根据所述初始权重值和所述初始方差,计算所述对数似然函数的初始似然值;根据所述卫星的降水数据、所述方差和所述地面降水数据,确定隐藏变量;将所述隐藏变量进行迭代计算,获取迭代后的隐藏变量;根据所述迭代后的隐藏变量,计算各卫星的迭代权重值和迭代方差;根据所述迭代权重值和迭代方差,计算所述对数似然函数的似然值;根据所述似然值和预设的阈值,确定所述对数似然函数的最大似然值。7.根据权利要求6所述的多卫星融合降水方法,其特征在于,所述多卫星融合降水参数还包括多卫星融合降水的误差信息,所述误差信息的计算方法包括:根据所述优化后的待求参数集合,计算所述多卫星融合降水的概率密度函数的方差;将所述多卫星融合降水的概率密度函数的方差确定为所述多卫星融合降水的误差信息。8.一种多卫星融合降水系统,其特征在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。