卫星降水空间降尺度最优回归窗口筛选方法与装置制造方法及图纸

本发明专利技术公开了一种卫星降水空间降尺度最优回归窗口筛选方法与装置，该方法包括：获取第一空间分辨率的数字高程数据和归一化植被指数数据作为自变量，并重采样到第二空间分辨率，获取第二空间分辨率的卫星降水数据作为因变量；根据第二空间分辨率的自变量和因变量，构建全局窗口、局部窗口和逐象元变化局部窗口三种回归模型，筛选最优的局域窗口和最优的逐象元变化局域窗口；根据回归模型和第一空间分辨率的自变量数据，获得三种典型回归窗口下的第一空间分辨率的降水预测数据，通过实测雨量站点降水数据进行验证，确定最优的回归窗口。该方法能够有效筛选卫星降水降尺度的最优回归窗口，方法简单易操作，且预测精度高。

【技术实现步骤摘要】
卫星降水空间降尺度最优回归窗口筛选方法与装置
本专利技术属于卫星降水观测
，具体涉及一种卫星降水空间降尺度最优回归窗口筛选方法与装置。
技术介绍
高时空分辨率的高精度降水空间观测数据能够更好的刻画降水的细节信息，对于农业灌溉、减灾防灾，流域水文过程模拟和预报等具有重要意义。卫星降水相对于传统雨量站点降水观测而言，能够进行大范围快速的降水空间观测，是当前获得区域降水空间分布的一种有效方式。然而现有的卫星降水数据相对粗糙的空间分辨率(如10km分辨率的GPMIMERGV06B数据)很大程度上限制了其在流域尺度的应用。降尺度技术是获得高分辨率降水数据的一种有效方式。目前降尺度研究主要分为动力降尺度和统计降尺度。其中动力降尺度是获取高空间分辨率降水的一个有效途径，其利用全球气候模式耦合区域气候模式预估未来气候发展情景，物理意义明确且不受观测资料影响，但计算量大且辅助数据缺乏，往往局限于大尺度气候模式的研究。与动力降尺度相比，统计降尺度利用构建自变量与因变量之间的经验统计关系，能够有效利用下垫面异质性特征，计算效率高且精度高，已广泛用于卫星降水降尺度研究。由于降水具有明显的空间异质性，一定空间范围内降水往往受到区域地表特征的影响。因此，选择合适大小的回归窗口能够有效表征降水的空间异质性，对于提高降尺度结果精度具有重要意义。
技术实现思路
专利技术目的：本专利技术目的在于提供一种卫星降水空间降尺度最优回归窗口筛选方法与装置，以有效筛选卫星降水降尺度的最优回归窗口，从而提高降尺度结果精度。技术方案：为实现上述专利技术目的，本专利技术所述的一种卫星降水空间降尺度最优回归窗口筛选方法，包括以下步骤：(1)获取给定区域的第一空间分辨率数字高程数据Elevation和归一化植被指数数据NDVI作为自变量，并重采样到第二空间分辨率；获取对应区域的第二空间分辨率的卫星降水数据作为因变量，以及对应区域内雨量站点数据作为降尺度模型性能验证的地面参考值；其中第一空间分辨率高于第二空间分辨率；(2)根据第二空间分辨率的自变量和因变量，构建全局窗口、局域窗口和逐象元变化局域窗口三种回归模型，进行模型参数和误差的确定；其中全局窗口回归模型以第二空间分辨率的卫星降水数据作为因变量，以第二空间分辨率Elevation和NDVI数据作为自变量，在整个给定区域范围内建立多元线性回归模型，全局窗口回归模型中每个象元位置的模型参数取值不变；局域窗口回归模型对于估算目标象元设置不同局域窗口序号，不同局域窗口序号对应的计算网格大小不同，同一个局域窗口序号中各个估算目标象元对应的网格大小相同，对于研究区内任意位置目标象元，利用不同序号的局域窗口内所有象元建立局域窗口回归模型，计算不同局域窗口序号情况下整个给定区域预测的降水量结果与卫星降水数据的均方根误差RMSE，选择最小的RMSE所对应的局域窗口序号作为最终的局域窗口；逐象元变化局域窗口回归模型，在局域窗口基础上应用动态变化，进行整个研究区逐个象元的遍历，对各个估算目标象元采用不同局部窗口下所有数据进行回归分析，比较每个象元不同局域窗口下预测降水量结果与卫星降水数据的RMSE，取RMSE最小时的局部窗口为各象元最优拟合局域窗口大小；局域窗口回归模型和逐象元变化局域窗口回归模型中每个象元位置的模型参数与象元位置相关；(3)根据步骤(2)中建立的三种回归模型和第一空间分辨率的自变量数据，获得三种不同类型回归窗口下第一空间分辨率的降水量降尺度数据，并利用实测雨量站点数据对降尺度结果进行验证评价，最终确定卫星降水降尺度最优回归窗口。进一步地，步骤(2)中构建的全局窗口回归模型表示为：PLR＝a0+a1×NDVILR+a2×ElevationLR+errorLR其中，上标LR表示第二空间分辨率，PLR表示第二空间分辨率的卫星降水数据，为模型预测的降水量结果，errorLR为模型拟合残差，a0为模型截距，a1和a2分别为模型变量NDVILR和ElevationLR的斜率。进一步地，步骤(2)中构建的局域窗口回归模型表示为：其中，β0(ui)为目标象元ui处的模型截距，β1(ui)和β2(ui)分别为目标象元ui处模型变量NDVILR和ElevationLR的斜率。进一步地，步骤(3)中基于在第二空间分辨率下建立的全局窗口回归模型，应用到第一空间分辨率的自变量中进行建模预测，获得第一空间分辨率预测的降水数据同时将第二空间分辨率的拟合误差插值到第一空间分辨率与结果相加，得到最终的基于全局窗口回归模型降尺度后的第一空间分辨率的降水数据。进一步地，步骤(3)中基于在第二空间分辨率下建立的局域窗口回归模型和逐象元变化局域窗口回归模型，将模型参数和模型残差，使用插值方法将第二空间分辨率的模型残差和模型参数插值到第一空间分辨率，获得第一空间分辨率的卫星降水降尺度结果和模型残差errorHR，累加获得最终的基于局域窗口回归模型或逐象元变化局域窗口回归模型降尺度后的第一空间分辨率的降水数据。进一步地，步骤(3)中利用实测雨量站点数据，提取雨量数据站点位置处对应的三种不同类型回归窗口降尺度后的降水量数据，计算站点数据和降尺度数据的RMSE，选择最小的RMSE所对应的回归模型作为最优回归模型，其对应的回归窗口即为卫星降水降尺度最优回归窗口。基于相同的专利技术构思，本专利技术提供的一种卫星降水空间降尺度最优回归窗口筛选装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现所述的卫星降水空间降尺度最优回归窗口筛选方法。有益效果：与现有技术相比，本专利技术能够适用于不同地表特征区域的卫星降水降尺度计算，通过最优回归窗口筛选能够有效表征降雨与下垫面因子在空间分布上的非线性关系，获得高精度高空间分辨率的卫星降水降尺度结果。附图说明图1是本专利技术的一个实施例的流程示意图；图2是本专利技术的三种不同回归窗口示意图；图3是最优局域窗口筛选示意图。具体实施方式下面结合附图和具体实施例对本专利技术的方案做进一步说明。如图1所示，本专利技术实施例公开的一种卫星降水空间降尺度最优回归窗口筛选方法，包括以下步骤：(1)获取给定研究区域的第一空间分辨率(相对较高，如1km)数字高程数据(Elevation)和归一化植被指数数据(NDVI)作为自变量，并像素聚合重采样到第二空间分辨率(相对较低，如10km)；获取研究区域的第二空间分辨率的GPMIMERGV06B卫星降水数据作为因变量，收集研究区域内雨量站点数据作为降尺度模型性能验证的地面参考值。本实施例以1km和10km空间分辨率为例，对本实施例的各个步骤进行说明。该步骤具体包括：(1-1)获得研究区30m空间分辨率的SRTMDEM数字高程数据(Elevation)，将30m空间分辨率的Elevation数据重采样为1km空间分辨率。获得研究区每10天的1km的植被指数数据(VGTSPOTNDVI)，利用一年内所本文档来自技高网...

【技术保护点】
1.一种卫星降水空间降尺度最优回归窗口筛选方法，其特征在于，包括以下步骤：/n(1)获取给定区域的第一空间分辨率数字高程数据Elevation和归一化植被指数数据NDVI作为自变量，并重采样到第二空间分辨率；获取对应区域的第二空间分辨率的卫星降水数据作为因变量，以及对应区域内雨量站点数据作为降尺度模型性能验证的地面参考值；其中第一空间分辨率高于第二空间分辨率；/n(2)根据第二空间分辨率的自变量和因变量，构建全局窗口、局域窗口和逐象元变化局域窗口三种回归模型，进行模型参数和误差的确定；其中全局窗口回归模型以第二空间分辨率的卫星降水数据作为因变量，以第二空间分辨率Elevation和NDVI数据作为自变量，在整个给定区域范围内建立多元线性回归模型，全局窗口回归模型中每个象元位置的模型参数取值不变；局域窗口回归模型对于估算目标象元设置不同局域窗口序号，不同局域窗口序号对应的计算网格大小不同，同一个局域窗口序号中各个估算目标象元对应的网格大小相同，对于研究区内任意位置目标象元，利用不同序号的局域窗口内所有象元建立局域窗口回归模型，计算不同局域窗口序号情况下整个给定区域预测的降水量结果与卫星降水数据的均方根误差RMSE，选择最小的RMSE所对应的局域窗口序号作为最终的局域窗口；逐象元变化局域窗口回归模型，在局域窗口基础上应用动态变化，进行整个研究区逐个象元的遍历，对各个估算目标象元采用不同局部窗口下所有数据进行回归分析，比较每个象元不同局域窗口下预测降水量结果与卫星降水数据的RMSE，取RMSE最小时的局部窗口为各像元最优拟合局域窗口大小；局域窗口回归模型和逐象元变化局域窗口回归模型中每个象元位置的模型参数与象元位置相关；/n(3)根据步骤(2)中建立的三种回归模型和第一空间分辨率的自变量数据，获得三种不同类型回归窗口下第一空间分辨率的降水量降尺度数据，并利用实测雨量站点数据对降尺度结果进行验证评价，最终确定卫星降水降尺度最优回归窗口。/n...

【技术特征摘要】
1.一种卫星降水空间降尺度最优回归窗口筛选方法，其特征在于，包括以下步骤：
(1)获取给定区域的第一空间分辨率数字高程数据Elevation和归一化植被指数数据NDVI作为自变量，并重采样到第二空间分辨率；获取对应区域的第二空间分辨率的卫星降水数据作为因变量，以及对应区域内雨量站点数据作为降尺度模型性能验证的地面参考值；其中第一空间分辨率高于第二空间分辨率；
(2)根据第二空间分辨率的自变量和因变量，构建全局窗口、局域窗口和逐象元变化局域窗口三种回归模型，进行模型参数和误差的确定；其中全局窗口回归模型以第二空间分辨率的卫星降水数据作为因变量，以第二空间分辨率Elevation和NDVI数据作为自变量，在整个给定区域范围内建立多元线性回归模型，全局窗口回归模型中每个象元位置的模型参数取值不变；局域窗口回归模型对于估算目标象元设置不同局域窗口序号，不同局域窗口序号对应的计算网格大小不同，同一个局域窗口序号中各个估算目标象元对应的网格大小相同，对于研究区内任意位置目标象元，利用不同序号的局域窗口内所有象元建立局域窗口回归模型，计算不同局域窗口序号情况下整个给定区域预测的降水量结果与卫星降水数据的均方根误差RMSE，选择最小的RMSE所对应的局域窗口序号作为最终的局域窗口；逐象元变化局域窗口回归模型，在局域窗口基础上应用动态变化，进行整个研究区逐个象元的遍历，对各个估算目标象元采用不同局部窗口下所有数据进行回归分析，比较每个象元不同局域窗口下预测降水量结果与卫星降水数据的RMSE，取RMSE最小时的局部窗口为各像元最优拟合局域窗口大小；局域窗口回归模型和逐象元变化局域窗口回归模型中每个象元位置的模型参数与象元位置相关；
(3)根据步骤(2)中建立的三种回归模型和第一空间分辨率的自变量数据，获得三种不同类型回归窗口下第一空间分辨率的降水量降尺度数据，并利用实测雨量站点数据对降尺度结果进行验证评价，最终确定卫星降水降尺度最优回归窗口。


2.根据权利要求1所述的卫星降水空间降尺度最优回归窗口筛选方法，其特征在于，步骤(2)中构建的全局窗口回归模型表示为：
PLR＝a0+a1×NDVILR+a2×ElevationLR+errorLR
其中，上...

【专利技术属性】
技术研发人员：陈求稳，陈诚，覃宾妮，张建云，何梦男，何欣霞，李港，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：江苏;32