一种多源遥感降水数据自适应融合方法和系统技术方案

本申请涉及应用电子设备进行识别的方法或装置技术领域，提供了一种多源遥感降水数据自适应融合方法和系统。该方法基于多源遥感降水数据的误差特征自适应调整各个降水数据对应的权重，并基于该权重计算得到多源遥感降水数据的自适应特征融合数据，随后结合降水影响因素，对自适应特征融合后的降水数据进行优化和降尺度，得到多源遥感降水数据的自适应特征融合数据的降尺度结果，最后，以该降尺度结果作为参数优化后的HASM方法的初始条件，以气象站点观测值作为优化控制条件，构建得到多源降水融合模型。该融合模型突破了传统降水数据融合模型需要建立在一定前提假设的局限，能够获取时空分辨率高、不确定性小的降水空间分布最优估计。优估计。优估计。

【技术实现步骤摘要】
一种多源遥感降水数据自适应融合方法和系统


[0001]本申请涉及应用电子设备进行识别的方法或装置
，特别涉及一种多源遥感降水数据自适应融合方法和系统。

技术介绍

[0002]降水是气候系统中能量交换和水分循环的重要组成部分，是表征气候变化的重要指标，对人类活动和社会经济发展有着十分重要的影响。高质量的降水时空分布信息对于气候、气象、生态和水文等过程的研究具有重要意义。同时，作为大气科学、水文学、地学以及生态学等多学科交叉融合研究中必不可少的基础数据，精细时空尺度上的降水数据是各种研究模型的重要驱动参数，降水数据的估算精度对于研究模型的模拟结果具有非常重要的影响。我国幅员辽阔，地处东亚季风区，横跨多个气候带，受海陆位置、地形、季风、下垫面、人类活动等多种因素的影响，降水呈现出复杂的时空变异特征，特别是日降水过程呈现明显的随机性与时空差异性。准确获取降水的时空特征信息是水文水资源管理、洪涝干旱检测、地质灾害预警和风险评估等工作的重要基础。
[0003]随着气象观测系统的迅猛发展，利用地面气象站、雷达及卫星等获取的数据越来越多，加之技术方法的不断进步，目前已经积累了海量多源多尺度的降水数据资料，这些降水数据的时空分辨率各异，对同一区域降水表现出不同的精度特征。目前，对不同来源、不同精度、不同时空分辨率的降水观测信息或估算信息通过一定的优化准则进行集成以获取高精度的精细时空尺度降水空间分布数据是全球变化研究领域的前沿问题和科学难点，具有较大的发展潜力。
[0004]自上世纪90年代以来多源降水数据融合的理念开始引入降水空间定量化估计中，为基于多源信息估计降水空间分布提供了重要思路。数据融合以其具有时空覆盖范围广、可信度高、减少数据信息的不确定性和提高数据的时空分辨率等优点，成为多源数据在获取同一目标信息的重要手段。在降水融合的框架下，地面观测或遥感测量等不同来源性质的降水数据被集成到定量模型中，通过优势互补、合理匹配，获得对降水真实分布状态的更合理估计。
[0005]目前国内外学者相继开展了一系列星地多源降水数据的融合研究，常见的融合方法包括客观分析法、概率密度法、最优权重法、条件融合法、地统计方法、贝叶斯估计法和基于机器学习的方法等。这些融合方法均通过一定的前提假设条件与具体融合方式相结合，得到降水真实分布的最优估计，然而，上述融合方法对降水数据的时空变异特征考虑不足，也未充分考虑同一区域降水数据不同的精度特征，导致融合模型的精度仍有一定的提升空间。
[0006]因此，需要提供一种能够充分利用更多种不同数据源的优势，以获取时空分辨率高、不确定性小的降水空间分布信息的技术方案。

技术实现思路

[0007]本申请的目的在于提供一种多源遥感降水数据自适应融合方法和系统，该系统充分考虑到同一区域降水数据不同的精度特征，能够充分发挥多种不同数据源的优势，从不同来源、不同精度、不同时空分辨率的降水观测信息或估算信息获取高精度的精细时空尺度降水空间分布数据。
[0008]为了实现上述目的，本申请提供如下技术方案：本申请提供了一种多源遥感降水数据自适应融合方法，包括：基于多源遥感降水数据的误差特征，利用拉格朗日乘数法，计算得到所述多源遥感降水数据中每一数据来源的降水数据对应的权重；基于所述多源遥感降水数据以及所述多源遥感降水数据中每一数据来源的降水数据对应的权重，计算得到所述多源遥感降水数据的自适应特征融合数据；运用地理加权岭回归方法，结合降水的影响因素对所述多源遥感降水数据的自适应特征融合数据进行降尺度，得到所述多源遥感降水数据的自适应特征融合数据的降尺度结果；根据所述多源遥感降水数据的自适应特征融合数据的降尺度结果和预先获取的气象站点观测数据，结合改进的高精度曲面建模方法，构建多源降水融合模型。
[0009]优选地，所述运用地理加权岭回归方法，结合降水的影响因素对所述多源遥感降水数据的自适应特征融合数据进行降尺度，得到所述多源遥感降水数据的自适应特征融合数据的降尺度结果，具体为：，对所述多源遥感降水数据的自适应特征融合数据进行降尺度；式中，为地理加权岭回归方法构建的回归函数；v为所述多源遥感降水数据的自适应特征融合数据；covariate为协变量集合，即降水的影响因素构成的集合；x0为所述多源遥感降水数据的自适应特征融合数据的降尺度结果。
[0010]优选地，所述多源降水融合模型的表达式如下： ，式中：A、B、C为高精度曲面建模方法对应的有限差分方程组的系数项；d、q、p为高精度曲面建模方法对应的有限差分方程组的右端项；x
n+1
表示高精度曲面建模方法对应的模拟曲面上各网格点第n+1次迭代的取值；S为采样矩阵；g为采样向量；为地理加权岭回归方法构建的回归函数；v为所述多源遥感降水数据的自适应特征融合数据；covariate为协变量集合，即降水的影响因素构成的集合；x0为所述多源遥感降水数据的自适应特征融合数据的降尺度结果，作为高精度曲面建模方法当前迭代对应的降水空间分布初始曲面；H、L分别为高精度曲面建模方法对应的模拟曲面上各网格点上、下界。
[0011]优选地，所述多源遥感降水数据的误差特征的表达式如下： ，式中：σ2为均方差；E表示期望值；u表示真实降水数据，u
i
表示第i数据来源的降水数据；ω
i
表示第i数据来源的降水数据对应的权重；v表示所述多源遥感降水数据的自适应特征融合数据；k表示数据来源的总数。
[0012]优选地，基于多源遥感降水数据的误差特征，利用拉格朗日乘数法，计算得到所述多源遥感降水数据中每一数据来源的降水数据对应的权重，具体为：利用拉格朗日乘数法对所述多源遥感降水数据的误差特征的表达式进行求解，得到所述多源遥感降水数据中每一数据来源的降水数据对应的权重，所述权重的表达式如下：，式中：分别为第i数据来源、第j数据来源的降水数据的均方差；ω
i
表示第i数据来源的降水数据对应的权重；k表示数据来源的总数。
[0013]优选地，所述多源遥感降水数据的自适应特征融合数据的表达式如下： ，式中：v表示所述多源遥感降水数据的自适应特征融合数据；分别为第i数据来源、第j数据来源的降水数据的均方差；u
i
表示第i数据来源的降水数据；k表示数据来源的总数。
[0014]优选地，在根据所述多源遥感降水数据的自适应特征融合数据的降尺度结果和预先获取的气象站点观测数据，结合改进的高精度曲面建模方法，构建多源降水融合模型之后，还包括：采用预处理共轭梯度法和多次迭代步骤对所述多源降水融合模型进行求解，在所述气象站点观测数据的优化控制约束下，不断调整降水空间分布初始曲面x0，最终得到降水空间分布最优估计值。
[0015]优选地，还包括：对于每一次迭代，对模拟曲面上的每一网格点进行如下处理：若当前网格点中没有气象站点，则根据高精度曲面建模方法的松弛系数以及高精度曲面建模方法的搜索半径内邻近网格点的极值，确定当前网格点的上、下界H、L；其中，所述搜索半径是高精度曲面建模方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源遥感降水数据自适应融合方法，其特征在于，包括：基于多源遥感降水数据的误差特征，利用拉格朗日乘数法，计算得到所述多源遥感降水数据中每一数据来源的降水数据对应的权重；基于所述多源遥感降水数据以及所述多源遥感降水数据中每一数据来源的降水数据对应的权重，计算得到所述多源遥感降水数据的自适应特征融合数据；运用地理加权岭回归方法，结合降水的影响因素对所述多源遥感降水数据的自适应特征融合数据进行降尺度，得到所述多源遥感降水数据的自适应特征融合数据的降尺度结果；根据所述多源遥感降水数据的自适应特征融合数据的降尺度结果和预先获取的气象站点观测数据，结合改进的高精度曲面建模方法，构建多源降水融合模型。2.根据权利要求1所述的多源遥感降水数据自适应融合方法，其特征在于，所述运用地理加权岭回归方法，结合降水的影响因素对所述多源遥感降水数据的自适应特征融合数据进行降尺度，得到所述多源遥感降水数据的自适应特征融合数据的降尺度结果，具体为：按照如下表达式：，对所述多源遥感降水数据的自适应特征融合数据进行降尺度；式中，为地理加权岭回归方法构建的回归函数；v为所述多源遥感降水数据的自适应特征融合数据；为协变量集合，即降水的影响因素构成的集合；x0为所述多源遥感降水数据的自适应特征融合数据的降尺度结果。3.根据权利要求2所述的多源遥感降水数据自适应融合方法，其特征在于，所述多源降水融合模型的表达式如下：，式中：A、B、C为高精度曲面建模方法对应的有限差分方程组的系数项；d、q、p为高精度曲面建模方法对应的有限差分方程组的右端项；x
n+1
表示高精度曲面建模方法对应的模拟曲面上各网格点第n+1次迭代的取值；S为采样矩阵；g为采样向量；为地理加权岭回归方法构建的回归函数；v为所述多源遥感降水数据的自适应特征融合数据；为协变量集合，即降水的影响因素构成的集合；x0为所述多源遥感降水数据的自适应特征融合数据的降尺度结果，作为高精度曲面建模方法当前迭代对应的降水空间分布初始曲面；H、L分别为高精度曲面建模方法对应的模拟曲面上各网格点上、下界，区别于传统的只用气象站点约束的高精度曲面建模方法。4.根据权利要求1所述的多源遥感降水数据自适应融合方法，其特征在于，所述多源遥感降水数据的误差特征的表达式如下：
，式中：σ2为均方差；E表示期望值；u表示真实降水数据，u
i
表示第i数据来源的降水数据；ω
i
表示第i数据来源的降水数据对应的权重；v表示所述多源遥感降水数据的自适应特征融合数据；k表示数据来源的总数。5.根据权利要求4所述的多源遥感降水数据自适应融合方法，其特征在于，基于多源遥感降水数据的误差特征，利用拉格朗日乘数法，计算得到所述多源遥感降水数据中每一数据来源的降水数据对应的权重，具体为：利用拉格朗日乘数法对所述多源遥感降水数据的误差特征的表达式进行求解，得到所述多源遥感降水数据中每一数据来源...

【专利技术属性】
技术研发人员：赵娜，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：