本发明专利技术提供一种基于星地融合的流域降雨产品订正方法及系统，包括将待校正的遥感影像中的所有像元分为五类，C1像元为地面原位传感器位置对应的影像栅格像元；C2像元为降雨格点数据位置对应的影像栅格像元；C3像元为与C1、C2像元位于同一降雨分区内，具有降雨相关性的栅格像元；C4像元为与C3像元位于同一降雨分区内，具有降雨相关性的栅格像元；对于C1像元和C2像元，利用改进后的分位数映射方法进行校正；对于C3像元，利用随机森林回归方法，建立C1、C2像元校正方法的数学表达式实现校正；对于C4像元，以C3像元订正前后的降雨比值关系式为参考实现校正；影像中的未校正栅格像元为C5像元，降雨校正值为对应空间位置的遥感影像降雨估计值。
A Method and System of Watershed Rainfall Product Revision Based on Satellite-Ground Fusion
【技术实现步骤摘要】
一种基于星地融合的流域降雨产品订正方法及系统
本专利技术涉及一种降雨产品订正技术方案，特别涉及一种基于星地融合的流域降雨产品订正方法及系统，属于降雨估计的多元异构数据协同与融合领域。
技术介绍
高精度连续的降雨估计对于水文模拟、洪水预报和气候研究的规划和决策是至关重要的[1-3]。地面气象站点具有高精度、高时间分辨率和长时间观测记录的优点，但是其缺点是空间分布稀疏，限制了空间全覆盖降雨的准确估计[4]。针对地面站点空间分布稀疏和记录数据容易缺失的问题，利用卫星影像的区域降雨观测可以弥补其缺陷。高分辨率卫星遥感影像数据在海洋、高海拔山区等地面站点不容易布设到的区域，提供了丰富的监测信息。然而，基于卫星影像反演的降雨估计值存在较大的系统偏差，且对于雨量较小的时段监测精度较差[5-7]。未经校正改进的卫星影像产品会为降雨估计带来显著的偏差[8]。为了结合地面站点高精度和遥感影像区域覆盖的优点，目前已有多种融合多源数据的降水估计产品，如美国宇航局的热带降雨测量计划(TropicalRainfallMeasurementMission,TRMM)[9-10]，逐步方法融合TRMM数据得到的多卫星降雨产品(TRMMMultisatellitePrecipitationAnalysis,TMPA)[11].，全球降水气候学项目计划(GlobalPrecipitationClimatologyProject,GPCP，月数据，2.5°×2.5°空间分辨率)[12-13]，人工神经网络融合GPCP得到的PERSIANN-CDR产品(每日数据，0.25°×0.25°空间分辨率)[14]等。尽管上述产品得到了学者的广泛研究，但是其空间分辨率仍然无法实现高精度的降雨监测。目前气候灾害红外线降雨监测影像与站点的融合数据(ClimateHazardsGroupInfraredPrecipitationwithStationdata,CHIRPS)的空间分辨率可以达到0.05°×0.05°。CHIRPS影像已在巴西[15-16]、智利[17-18]、中国[19]和印度[20]等国家得到了广泛应用和验证，但是上述应用主要集中在季度和月尺度上，缺乏对日降雨的估计。此外，已有研究表明在地形复杂的山区地带，由于原位传感器分布稀疏，区域日降雨估计存在较大不确定性和系统误差[18]。为了克服上述问题，已有研究提出了融合原位传感器和影像降雨估计的有效方法，利用多元异构数据建立高精度降水估计数值模型，如分位数映射方法(QuantileMapping,QM)[17]、贝叶斯克里格插值(BayesianKriging,BK)[21]、情景融合技术(ConditionalMergingtechnique)[22]。上述方法中，QM方法是一种基于分布的方法，利用历史数据有效地减少了区域气候模型在月和季节时间尺度上的降雨估计系统偏差[23]。然而，QM方法在减少日降雨随机误差方面的改进非常有限。BK方法结果与原位传感器降雨观测结果较为一致，然而对于每日降雨估计，BK模型的高斯假设是无效的。总而言之，目前缺少复杂地形区域每日降雨高精度估算的有效方法。文中涉及如下参考文献：[1]Agutu,N.O.,Awange,J.L.,Zerihun,A.,Ndehedehe,C.E.,Kuhn,M.,andFukuda,Y.:Assessingmulti-satelliteremotesensing,reanalysis,andlandsurfacemodels'productsincharacterizingagriculturaldroughtinEastAfrica,RemoteSens.Environ.,194,287-302,doi:10.1016/j.rse.2017.03.041,2017.[2]Cattani,E.,Merino,A.,Guijarro,J.A.,andLevizzani,V.:EastAfricaRainfallTrendsandVariability1983-2015UsingThreeLong-TermSatelliteProducts,RemoteSens.,10,26,doi:10.3390/rs10060931,2018.[3]Roy,T.,Gupta,H.V.,Serrat-Capdevila,A.,andValdes,J.B.:Usingsatellite-basedevapotranspirationestimatestoimprovethestructureofasimpleconceptualrainfall&ndash；runoffmodel,HydrologyandEarthSystemSciences,21,879-896,doi:10.5194/hess-21-879-2017,2017.[4]Martens,B.,Cabus,P.,DeJongh,I.,andVerhoest,N.E.C.:Mergingweatherradarobservationswithground-basedmeasurementsofrainfallusinganadaptivemultiquadricsurfacefittingalgorithm,JournalofHydrology,500,84-96,doi:10.1016/j.jhydrol.2013.07.011,2013.[5]Behrangi,A.,Andreadis,K.,Fisher,J.B.,Turk,F.J.,Granger,S.,Painter,T.,andDas,N.:Satellite-BasedPrecipitationEstimationandItsApplicationforStreamflowPredictionoverMountainousWesternUSBasins,J.Appl.Meteorol.Climatol.,53,2823-2842,doi:10.1175/jamc-d-14-0056.1,2014.[6]Thiemig,V.,Rojas,R.,Zambrano-Bigiarini,M.,andDeRoo,A.:Hydrologicalevaluationofsatellite-basedrainfallestimatesovertheVoltaandBaro-AkoboBasin,JournalofHydrology,499,324-338,doi:10.1016/j.jhydrol.2013.07.012,2013.[7]Yang,T.T.,Asanjan,A.A.,Welles,E.,Gao,X.G.,Sorooshian,S.,andLiu,X.M.:Developingreservoirmonthlyinflowforecastsusingartificialintelligenceandclimatephenomenoninformation,WaterResourcesResearch,53,2786-2812,doi:10.1002/2017wr020482,2017.[8]AghaKouch本文档来自技高网...
【技术保护点】
1.一种基于星地融合的流域降雨产品订正方法，其特征在于，包括以下步骤：步骤1，首先将待校正的遥感影像中的所有像元分为以下五类，记为C1、C2、C3、C4和C5像元，C1像元为地面原位传感器位置对应的影像栅格像元；C2像元为降雨格点数据位置对应的影像栅格像元；C3像元为与C1、C2像元位于同一降雨分区内，具有降雨相关性的栅格像元；C4像元为与C3像元位于同一降雨分区内，具有降雨相关性的栅格像元；以上4种以外的栅格像元为C5像元；步骤2，从原位传感器和格点降雨观测点中选取训练样本和精度验证数据集；步骤3，对于C1像元，遥感影像降雨估计值以原位站点降雨观测值为真实值，利用改进后的分位数映射方法进行校正；步骤4，对于C2像元，遥感影像降雨估计值以格点降雨值为真实值，利用改进后的分位数映射方法进行校正；步骤5，对于C3像元，利用随机森林回归方法，建立C1、C2像元校正方法的数学表达式，实现C3像元对应空间位置的遥感影像降雨估计值校正；步骤6，对于C4像元，以C3像元订正前后的降雨比值关系式为参考，实现C4像元对应空间位置的遥感影像降雨估计值校正；步骤7，经步骤2～6订正后，影像中的未校正栅格像元为C5像元，C5像元的降雨校正值为对应空间位置的遥感影像降雨估计值；步骤8，在精度验证数据集中进行区域降雨订正结果的精度验证，输出研究区域的校正结果。...
【技术特征摘要】
1.一种基于星地融合的流域降雨产品订正方法，其特征在于，包括以下步骤：步骤1，首先将待校正的遥感影像中的所有像元分为以下五类，记为C1、C2、C3、C4和C5像元，C1像元为地面原位传感器位置对应的影像栅格像元；C2像元为降雨格点数据位置对应的影像栅格像元；C3像元为与C1、C2像元位于同一降雨分区内，具有降雨相关性的栅格像元；C4像元为与C3像元位于同一降雨分区内，具有降雨相关性的栅格像元；以上4种以外的栅格像元为C5像元；步骤2，从原位传感器和格点降雨观测点中选取训练样本和精度验证数据集；步骤3，对于C1像元，遥感影像降雨估计值以原位站点降雨观测值为真实值，利用改进后的分位数映射方法进行校正；步骤4，对于C2像元，遥感影像降雨估计值以格点降雨值为真实值，利用改进后的分位数映射方法进行校正；步骤5，对于C3像元，利用随机森林回归方法，建立C1、C2像元校正方法的数学表达式，实现C3像元对应空间位置的遥感影像降雨估计值校正；步骤6，对于C4像元，以C3像元订正前后的降雨比值关系式为参考，实现C4像元对应空间位置的遥感影像降雨估计值校正；步骤7，经步骤2～6订正后，影像中的未校正栅格像元为C5像元，C5像元的降雨校正值为对应空间位置的遥感影像降雨估计值；步骤8，在精度验证数据集中进行区域降雨订正结果的精度验证，输出研究区域的校正结果。2.如权利要求1所述的一种基于星地融合的流域降雨产品订正方法，其特征在于：步骤3和步骤4所采用改进后的分位数映射方法实现如下计算分位数映射偏差校正后的遥感影像值与真实值Yo的绝对误差DQM，计算真实值Yo与对应空间位置遥感影像栅格单元的降雨估计值Ys的绝对误差Ds，当Ds＜DQM时，取Ys为校正结果，否则取为校正结果。3.如权利要求1所述的一种基于星地融合的流域降雨产品订正方法，其特征在于：步骤5实现方式包括如下步骤，步骤5.1，利用模糊C均值聚类方法，进行区域地形特征划分，所得每一个子区域内部的栅格像元都具有相似的地形特征；步骤5.2，在子区域内，存在与C1和C2像元具有相似降雨特征的栅格像元，学习C1和C2栅格像元的降雨订正方法。4.如权利要求3所述的一种基于星地融合的流域降雨产品订正方法，...
【专利技术属性】
技术研发人员：陈能成，沈高云，王伟，陈泽强，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42
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。