一种融合多源数据的降水产品降尺度的方法技术

本发明专利技术公开了一种融合多源数据的降水产品降尺度的方法，包括如下步骤：S10使用指定区域的全局特征、局部特征以及相邻特征构建降水事件预测模型，根据降水事件预测模型确定指定区域中目标区域的降水概率；S20利用XGBoost机器学习模型构建降水强度预测模型，根据降水强度预测模型确定指定区域的降水强度；S30将指定区域的降水概率及降水强度相融合，获得指定区域的最终降水强度的预测值。本发明专利技术提供一种融合多源数据的降水产品降尺度的方法，目标栅格点的降水强度通过目标栅格点的预测降水强度与降水概率融合获得，提高了预测的准确度，避免了低概率高强度的异常情况出现，提高了降水强度预测的精度。水强度预测的精度。水强度预测的精度。

【技术实现步骤摘要】
一种融合多源数据的降水产品降尺度的方法


[0001]本专利技术属于水文和气象
，具体涉及一种融合多源数据的降水产品降尺度的方法。

技术介绍

[0002]降水产品降尺度是指将原始的低空间分辨率降水产品整合为高空间分辨率降水产品，原始降水产品一般采用气象再分析降水数据或者卫星降水观测数据，该产品虽然空间覆盖连续，但其空间分辨率通常较低(>10公里)，而降尺度的目标就是融合地面气象站点的观测数据以及其它辅助数据(比如高程、植被指数等)，基于给定的融合算法，对低空间分辨率原始降水数据进行处理，进而生成空间覆盖连续、且空间分辨率较高的降水产品，现有的融合算法包括概率密度函数结合最优插值方法、地理差异分析法、贝叶斯融合法、人工神经网络、K最近邻法等方法，但是现有方法通常针对的是降水强度的融合(即关注的降水要素为单位时间内的降水量大小)，而没有直接给出降水事件的融合产品(即判断给定时间内是否发生降水)，也没有在降尺度过程中将降水事件与降水强度融合起来，考虑到降水事件产品也是气象领域中重要的服务内容，因此，有必要开发一种新的降尺度方法，结合降水事件和降水强度，进而提高降水产品质量。在具体开发本方法过程中，具有以下技术难点：
[0003](1)现有的降尺度方案并没有将降水事件和降水强度结合起来，在生成高空间分辨率降水强度产品时，可能会导致出现降水概率很低，但降水强度很大的情况，这种情况会严重影响降尺度后的降水产品精度。
[0004](2)在融合气象站点观测数据、再分析降水产品以及其它辅助数据生成高分辨率降水事件产品时，选取哪些关键特征去建立预测模型？

技术实现思路

[0005]为了解决上述问题，本专利技术提供一种融合多源数据的降水产品降尺度的方法，目标栅格点的降水强度通过目标栅格点的预测降水强度与降水概率融合获得，提高了预测的准确度，避免了低概率高强度的异常情况出现，提高了降水强度预测的精度。
[0006]为了实现以上目的，本专利技术采取的一种技术方案是：
[0007]一种融合多源数据的降水产品降尺度的方法，包括如下步骤：S10使用指定区域的全局特征、局部特征以及相邻特征构建降水事件预测模型，根据降水事件预测模型确定指定区域中目标区域的降水概率；S20利用XGBoost机器学习模型构建降水强度预测模型，根据降水强度预测模型确定指定区域的降水强度；S30将指定区域的降水概率及降水强度相融合，获得指定区域的最终降水强度的预测值。
[0008]进一步地，步骤S10包括：S11降水概率特征选取，选取指定区域的全局特征、局地特征以及相邻特征；S12模型选择，采用对数几率回归(logistic regression)构建降水事件预测模型；S13降水事件预测，根据降水事件预测模型获得指定区域中目标区域的降水事件的概率。
[0009]进一步地，所述全局特征为指定区域的粗栅格点降水强度，所述粗栅格点空间上包含目标栅格点，所述粗栅格点与所述目标栅格点的时间一致；所述局地特征为所述目标栅格点为对应的地形观测数据和植被指数数据下测得的地面高程(DEM)、坡度、地形起伏度以及植被指数；所述相邻特征为与所述目标栅格点相邻最近的四个气象站点的实时数据，所述实时数据包括每个相邻最近的气象站点是否发生过降水、每个相邻最近的气象站点与所述目标栅格点的空间距离，每个相邻最近的气象站点所在的栅格点局地特征与给定栅格点局地特征的相似度；
[0010]所述降水事件预测模型的如公式(1)所示
[0011][0012]其中，F(X
i,j
)如公式(2)所示
[0013]F(X
i,j
)＝(w1+w
1,i
)
×
x
i,j,1
+(w2+w
2,i
)
×
x
i,j,2
+
…
+(w
17
+w
17,i
)
×
x
i,j,17
+(b+b
i
)
[0014](2)
[0015]其中，i为第i天，j为第j个栅格点，Y
i,j
表示第i天第j个栅格点是否发生降水事件，Y
i,j
＝1为发生降水事件，Y
i,j
＝0表示没有发生降水事件，F(X
i,j
)是对应栅格点特征的线性函数，x
i,j,1
到x
i,j,17
分别表示第i天第j个栅格点的第1到第17个特征，w1到w
17
分别表示每个特征的固定系数，w
1,i
到x
i,j,17
分别为第1到第17个特征的第i天的系数，b表示截距，b
i
表示第i天的截距。
[0016]所述S13包括如下步骤：S131确定粗栅格点中的目标栅格点的全局特征、局地特征以及相邻特征作为预测模型中的自变量，确定所述目标栅格点的是否发生降水事件；S132当所述目标栅格点发生降水事件时，降水概率计算公式如公式(3)所示
[0017][0018]P
i,j
为第i天、第j个栅格点发生降水事件的概率，当降水概率P
i,j
≥0.5时，判定为发生降水事件，当P
i,j
<0.5时，判定不发生降水事件。
[0019]进一步地，步骤S20包括：S21选取降水强度特征，包括目标格栅点的的经度(Lon)、纬度(Lat)、地面高程(DEM)、坡度(Slope)、地形起伏度(Aspect)、植被指数(NDVI)以及卫星观测的粗栅格点降水产品插值到目标栅格点上后降水强度(R_GPM)；S22构建降水强度模型，采用XGBoost机器学习模型构建降水强度模型，目标栅格点的预测降水强度R
i,j
如公式(4)所示
[0020]R
i,j
＝F
XGBoost
(R_GPM
i,j
,Lon
j
,Lat
j
,DEM
j
,Slope
j
,Aspect
j
,NDVI
i,j
)
ꢀꢀ
(4)。
[0021]进一步地，所述步骤S30中指定区域的最终降水强度的预测值即目标栅格点的降水强度如公式(5)所示
[0022]R_adjust
i,j
＝P
i,j
(Y
i,j
＝1|X
i,j
)
×
R
i,j
ꢀꢀꢀ
(5)。
[0023]与现有技术相比，本专利技术的有益效果是：
[0024](1)本专利技术一种融合多源数据的降水产品降尺度的方法，目标栅格点的降水强度通过目标栅格点的预测降水强度与降水概率融合获得，提高了预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多源数据的降水产品降尺度的方法，其特征在于，包括如下步骤：S10使用指定区域的全局特征、局部特征以及相邻特征构建降水事件预测模型，根据降水事件预测模型确定指定区域中目标区域的降水概率；S20利用XGBoost机器学习模型构建降水强度预测模型，根据降水强度预测模型确定指定区域的降水强度；S30将指定区域的降水概率及降水强度相融合，获得指定区域的最终降水强度的预测值。2.根据权利要求1所述的融合多源数据的降水产品降尺度的方法，其特征在于，步骤S10包括：S11降水概率特征选取，选取指定区域的全局特征、局地特征以及相邻特征；S12模型选择，采用对数几率回归(logistic regression)构建降水事件预测模型；S13降水事件预测，根据降水事件预测模型获得指定区域中目标区域的降水事件的概率。3.根据权利要求2所述的融合多源数据的降水产品降尺度的方法，其特征在于，所述全局特征为指定区域的粗栅格点降水强度，所述粗栅格点空间上包含目标栅格点，所述粗栅格点与所述目标栅格点的时间一致；所述局地特征为所述目标栅格点为对应的地形观测数据和植被指数数据下测得的地面高程(DEM)、坡度、地形起伏度以及植被指数；所述相邻特征为与所述目标栅格点相邻最近的四个气象站点的实时数据，所述实时数据包括每个相邻最近的气象站点是否发生过降水、每个相邻最近的气象站点与所述目标栅格点的空间距离，每个相邻最近的气象站点所在的栅格点局地特征与给定栅格点局地特征的相似度。4.根据权利要求3所述的融合多源数据的降水产品降尺度的方法，其特征在于，所述降水事件预测模型的如公式(1)所示其中，F(X
i，j
)如公式(2)所示F(X
i，j
)＝(w1+w
1，i
)
×
x
i，j，1
+(w2+w
2，i
)
×
x
i，j，2
+...+(w
17
+w
17，i
)
×
x
i，j，17
+(b+b
i
)
ꢀꢀꢀꢀ
(2)其中，i为第i天，j为第j个栅格点，Y
i，j
表示第i天第j个栅格点是否发生降水事件，Y
i，j
＝1为发生降水事件，Y
i，j
＝0表示没有发生降水事件，F(X
i，j
)是对应栅格点特征的线性...

【专利技术属性】
技术研发人员：黄晓龙，徐晓莉，向筱铭，吴薇，李施颖，杜冰，蒋雨荷，张成宏，龙柯吉，
申请(专利权)人：四川省气象探测数据中心，
类型：发明
国别省市：