The invention provides a rainfall estimation method based on multi-source information fusion, including: combining the observed rainfall data of ground stations in the research area with the rainfall data volume of multi-source satellites in the research area to form a multi-source data set in the research area; and establishing a Bayesian rainfall prediction model for the research area based on dynamic Bayesian theory. The maximum entropy method is used to obtain the non-linear optimal solution of Bayesian rainfall prediction model, and then determine the optimal weight and uncertainty information of each satellite data source. Based on the optimal weight and uncertainty of satellite data source, the estimation results of rainfall fused by multi-source information in the research area are generated. The advantages of the method are as follows: the results of fusion analysis of various data sources of the invention reduce the uncertainty of regional rainfall estimation caused by inaccuracy of a single type of rainfall information; provide more reliable data input and richer and more refined data input for strengthening regional high-precision disaster early warning, avoiding flood risk or rainstorm flood estimation of small watershed. Modeling data.
【技术实现步骤摘要】
基于多源信息融合的降雨量估算方法
本专利技术属于降雨量估算
,具体涉及一种基于多源信息融合的降雨量估算方法。
技术介绍
降雨是水文系统循环过程中的一个关键环节,在整个水循环中起到了至关重要的作用,而较短时间内降雨量的巨大变化,极易引发区域地质和环境问题,例如城市积水,山区地质灾害或河流流域洪涝灾害等问题,对社会政治和经济的发展造成严重的损害。如何在较短的时间内精准估量区域降雨量,是目前水信息领域亟需解决的关键问题之一。随着观测手段和水平的发展,卫星观测地面降雨量技术取得了长足的进步,为地面降雨量估算提供了数据基础。每个类型的卫星观测降雨量数据源自不同平台,有各自的格式和标准;目前,采用单独使用一类数据进行降雨量估算,易引起估算结果随观测数据的误差而产生偏差,从而不利于为地质灾害监控,防汛抗旱等工作提供准确的数据支持。
技术实现思路
针对现有技术存在的缺陷,本专利技术提供一种基于多源信息融合的降雨量估算方法,可有效解决上述问题。本专利技术采用的技术方案如下:本专利技术提供一种基于多源信息融合的降雨量估算方法,包括以下步骤:步骤1,获取多源卫星降雨数据和研究区域内的地面站观测降雨数据;步骤2,对多源卫星降雨数据进行预处理,包括:对多源卫星降雨数据进行格式统一、区域裁剪和尺度匹配,形成研究区域多源卫星降雨量数据体;步骤3,将研究区域内的地面站观测降雨数据和研究区域多源卫星降雨量数据体相结合,构成研究区域多源数据集;步骤4,采用所述研究区域多源数据集,利用地面站观测降雨数据作为约束,体现不同来源的卫星降雨数据对研究区域降雨量的影响权重,进而建立基于动态贝叶斯理论 ...
【技术保护点】
1.一种基于多源信息融合的降雨量估算方法,其特征在于,包括以下步骤:步骤1,获取多源卫星降雨数据和研究区域内的地面站观测降雨数据;步骤2,对多源卫星降雨数据进行预处理,包括:对多源卫星降雨数据进行格式统一、区域裁剪和尺度匹配,形成研究区域多源卫星降雨量数据体;步骤3,将研究区域内的地面站观测降雨数据和研究区域多源卫星降雨量数据体相结合,构成研究区域多源数据集;步骤4,采用所述研究区域多源数据集,利用地面站观测降雨数据作为约束,体现不同来源的卫星降雨数据对研究区域降雨量的影响权重,进而建立基于动态贝叶斯理论的研究区域的贝叶斯降雨预测模型;其中,所述贝叶斯降雨预测模型是权重将作为先验概率的多源卫星降雨数据转化为作为后验概率的地面站观测降雨数据的过程;步骤5,目标动态训练样本提取:针对步骤4建立的贝叶斯降雨预测模型,利用地面站观测降雨数据作为训练样本,对步骤4建立的贝叶斯降雨预测模型进行训练,得到训练后的贝叶斯降雨预测模型;步骤6,利用最大熵方法求取步骤5得到的训练后的贝叶斯降雨预测模型的非线性最优解,进而确定各个卫星数据源的最佳权重和不确定性信息;其中,最佳权重和不确定性随空间位置、时间的 ...
【技术特征摘要】
1.一种基于多源信息融合的降雨量估算方法,其特征在于,包括以下步骤:步骤1,获取多源卫星降雨数据和研究区域内的地面站观测降雨数据;步骤2,对多源卫星降雨数据进行预处理,包括:对多源卫星降雨数据进行格式统一、区域裁剪和尺度匹配,形成研究区域多源卫星降雨量数据体;步骤3,将研究区域内的地面站观测降雨数据和研究区域多源卫星降雨量数据体相结合,构成研究区域多源数据集;步骤4,采用所述研究区域多源数据集,利用地面站观测降雨数据作为约束,体现不同来源的卫星降雨数据对研究区域降雨量的影响权重,进而建立基于动态贝叶斯理论的研究区域的贝叶斯降雨预测模型;其中,所述贝叶斯降雨预测模型是权重将作为先验概率的多源卫星降雨数据转化为作为后验概率的地面站观测降雨数据的过程;步骤5,目标动态训练样本提取:针对步骤4建立的贝叶斯降雨预测模型,利用地面站观测降雨数据作为训练样本,对步骤4建立的贝叶斯降雨预测模型进行训练,得到训练后的贝叶斯降雨预测模型;步骤6,利用最大熵方法求取步骤5得到的训练后的贝叶斯降雨预测模型的非线性最优解,进而确定各个卫星数据源的最佳权重和不确定性信息;其中,最佳权重和不确定性随空间位置、时间的变化而变化,呈现动态性;步骤7,基于卫星数据源的最佳权重和不确定性,生成研究区域内应用多源信息融合降雨量的估算结果。2.根据权利要求1所述的基于多源信息融合的降雨量估算方法,其特征在于,所述多源卫星降雨数据是指来自于不同平台不同卫星类型的降雨数据;在获得原始的多源卫星降雨数据后,剔除异常值后,再进行格式统一、区域裁剪和尺度匹配处理。3.根据权利要求1所述的基于多源信息融合的降雨量估算方法,其特征在于,步骤2中,所述格式统一的具体过程为:将多源卫星降雨数据的格式统一为二进制格式;其中,头文件中包括坐标范围和数据来源,文件体中包括对应位置的降雨量数据矩阵;所述区域裁剪的具体过程为:从多源卫星降雨数据中裁剪出属于研究区域范围的多源卫星降雨数据,裁剪出的数据空间范围为矩形,其坐标范围由研究区域坐标的极值决定,即裁剪出的区域为包含研究区域的最小矩形;所述尺度匹配的具体过程为:尺度匹配过程包括时刻统一和空间尺度统一;由于各种卫星降雨数据的监测时刻和空间分辨能力存在区别,因此,将研究区域范围的多源卫星降雨数据转化为时刻统一,空间网格一致的数据;经过格式统一、区域裁剪和尺度匹配,将多源卫星降雨数据转化为格式统一,...
【专利技术属性】
技术研发人员:张国宝,高立东,李善飞,李维垚,郭继亮,胡小青,王丹,刘慧文,李小超,张佳宾,
申请(专利权)人:中国电建集团北京勘测设计研究院有限公司,
类型:发明
国别省市:北京,11
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。