一种基于多源水文气象数据的陆地水储量变化预测方法技术

本发明专利技术请求保护一种基于多源水文气象数据的陆地水储量变化预测方法，涉及陆地水储量变化数据降尺度及预报方法领域，包括：获取低精度空间分辨率(1

【技术实现步骤摘要】
一种基于多源水文气象数据的陆地水储量变化预测方法


[0001]本专利技术涉及基于多源水文气象数据的陆地水储量变化预测方法领域，特别涉及一种基于多源水文气象数据的陆地水储量变化预测方法。

技术介绍

[0002]中国的陆地水资源的时空分布极为不均，受到气象、水文、等因素影响较大。陆地水储量作为水文循环中不可或缺的一部分，其研究对水资源管理、防洪减灾等有重要意义。目前，对陆地水储量的监测主要依靠遥感卫星反演、实地监测和模型模拟三种方法。但由于技术、地形环境等限制，上述方法监测的陆地水储量在许多区域效果欠佳。GRACE重力卫星的出现，利用其在极地轨道上的微波测距系统精确测量两颗卫星之间的距离，从而绘制出地球重力场，进而得到水储量变化，为水资源方面研究所需的陆地水储量数据提供了支持。但是，目前的GRACE陆地水储量变化数据分辨率较低(1
°
[0003]×1°
)，在中小尺度流域上的应用困难，使用合理的技术方法对GRACE低分辨率数据进行降尺度意义重大，而目前有关GRACE数据降尺度方面的方法较少，且多数方法原理复杂，数据要求高、难以获取，GRACE水储量变化数据的降尺度问题依旧是当前的一个技术难点。此外，未来陆地水储量变化的预测也鲜有人研究，是目前研究的难点。

技术实现思路

[0004]本专利技术的目的在于提供一种基于多源水文气象数据的陆地水储量变化预测方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于多源水文气象数据的陆地水储量变化预测方法：
[0006]1、获取低精度空间分辨率(1
°×1°
)的GRACE陆地水储量数据，并将该数据作为基于GRACE的原始陆地水储量数据集进行储存，记为TWG；
[0007]2、获取高精度空间分辨率(0.1
°×
0.1
°
)的ERA5
‑
LAND模型的数据，并针对数据进行初步的预处理，解析出研究范围内的月降水量、地表径流量数据；
[0008]3、获取高精度空间分辨率(0.1
°×
0.1
°
)的EB
‑
ET模型的蒸散发数据，并提取处研究区范围内的月蒸散发数据；
[0009]4、建立陆地水量平衡方程，陆地水储量数据＝降水量
‑
蒸散发量
‑
地表径流量；
[0010]5、利用上述模型的月尺度降水、蒸散发、地表径流数据，基于陆地水量平衡方程求解出基于模型的陆地水储量，空间分辨率为0.1
°×
0.1
°
，并将该数据作为基于模型的陆地水储量数据集进行储存，记为TWM；
[0011]6、针对每个网格，计算基于模型的陆地水储量数据和基于GRACE的原始陆地水储量数据的距平值，得到两者的逐月陆地水储量变化量，分别记为TWMC和TWGC；
[0012]7、利用步骤2、步骤3、步骤6的数据，构建陆地水储量变化降尺度模型，对低分辨率的陆地水储量变化数据进行降尺度，得到高分辨率陆地水储量变化数据；
[0013]8、获取研究范围所有的地下水位数据，并筛选出不同网格内所有地下水位数据；
[0014]9、构建一种新型复合综合指数，进行对比分析，对降尺度之后的高精度陆地水储量数据进行最终的评估。
[0015]10、分区域构建陆地水储量变化预测模型，预测未来的陆地水储量变化数据。
[0016]进一步的，步骤7所述的陆地水储量变化降尺度模型，具体步骤为：
[0017](1)每个1
°×1°
的大网格包括100个0.1
°×
0.1
°
的小网格，将同一大网格内所有小网格的TWMC求平均值，升尺度到分辨率为1
°×1°
的网格上，记为TWMC
平均
；
[0018](2)计算同为1
°×1°
空间分辨率的TWGC与TWMC
平均
之间的差值，记为ΔTWC；
[0019](3)计算大网格面积与小网格面积的比值α，即100；
[0020](4)计算大网格范围内所有小网格TWMC的总和，记为TWMC
总
；
[0021](5)计算降尺度之后的陆地水储量变化数据，其公式为：TWGC
‑
ΔTWC
×
(100
×
TWMC
平均
/TWMC
总
)，记为TWGC
降
；
[0022](6)TWGC
降
就是降尺度得到的高分辨率陆地水储量变化数据；
[0023]进一步的，步骤9所述的一种新型复合综合指数，具体步骤为：
[0024](1)计算降尺度前后的陆地水储量变化与地下水位变化之间的相对误差PBIAS、归一化的均方误差、时间相关系数r、空间kappa相似指数k，其计算公式如下；
[0025][0026][0027][0028][0029][0030][0031]式中，x
i
为地下水位变化值，y
i
为陆地水储量变化值，RMSE
min
为RMSE的最小值，RMSE
max
为RMSE的最大值，n为数据个数。
[0032][0033][0034][0035]式中：P0是分类的总体精度，表示CMADS里实测数据与降尺度数据一致的概率；P
e
表示由于偶然机会造成的降尺度结果与实测数据相一致的概率；P
ii
为第i类型的被正确分类的样本数目；n为分类的类型数量；N为样本总数：P
i+
是第i类型的实测数据个数之和，P
+i
是第i类的降尺度结果数据个数之和。通过以上各种描述性的精度值，当降尺度结果与实际完全一致时，Kappa系数的值即为1。
[0036](2)通过熵权法确认各指标的权重；
[0037][0038]式中：E
i
表示第i个数据的信息熵，W
i
表示第i个评价指标的权重，n表示评价指标数，R
ij
表示第i行第j列元素的秩。
[0039](3)定义一个新型复合综合指数RSR，其计算公式如下：
[0040][0041]式中：R
j
表示第j个评价指标的值。
[0042](4)RSR值的范围为0
‑
1之间，按照下表的分类标准，对比计算的RSR值，评定降尺度陆地水储量变化优劣程度。
[0043][0044]进一步的，步骤10所述的陆地水储量变化预测模型，包括基于双曲正切函数多层感知器神经网络模型，具体步骤为：
[0045](1)下载MODIS的NDVI数据，及北大西洋涛动指数NAOI、北极涛动指数AOI等88项大气环流因子数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源水文气象数据的陆地水储量变化预测方法，其特征在于，包括以下步骤：步骤1：获取1
°×1°
精度空间分辨率的GRACE陆地水储量数据；步骤2：获取0.1
°×
0.1
°
精度空间分辨率的ERA5
‑
LAND模型的数据；步骤3：获取0.1
°×
0.1
°
精度空间分辨率的EB
‑
ET模型的蒸散发数据；步骤4：建立陆地水量平衡方程，陆地水储量数据＝降水量
‑
蒸散发量
‑
地表径流量；步骤5：利用上述模型的月尺度降水、蒸散发、地表径流数据，基于陆地水量平衡方程求解出基于模型的陆地水储量，空间分辨率为0.1
°×
0.1
°
，并将该数据作为基于模型的陆地水储量数据集进行储存，记为TWM；步骤6：针对每个网格，计算基于模型的陆地水储量数据和基于GRACE的原始陆地水储量数据的距平值，得到两者的逐月陆地水储量变化量，分别记为TWMC和TWGC；步骤7：利用步骤2、步骤3、步骤6的数据，构建陆地水储量变化降尺度模型；步骤8：获取研究范围所有的地下水位数据，并筛选出不同网格内所有地下水位数据；步骤9：构建一种新型复合综合指数，进行对比分析，对降尺度之后的高精度陆地水储量数据进行最终的评估；步骤10：分区域构建陆地水储量变化预测模型，预测未来的陆地水储量变化数据。2.根据权利要求1所述的一种基于多源水文气象数据的陆地水储量变化预测方法，其特征在于，步骤7所述的陆地水储量变化降尺度模型，具体步骤为：(1)每个1
°×1°
的大网格包括100个0.1
°×
0.1
°
的小网格，将同一大网格内所有小网格的TWMC求平均值，升尺度到分辨率为1
°×1°
的网格上，记为TWMC
平均
；(2)计算同为1
°×1°
空间分辨率的TWGC与TWMC
平均
之间的差值，记为ΔTWC；(3)计算大网格面积与小网格面积的比值α，即100；(4)计算大网格范围内所有小网格TWMC的总和，记为TWMC
总
；(5)计算降尺度之后的陆地水储量变化数据，其公式为：TWGC
‑
ΔTWC
×
(100
×
TWMC
平均
/TWMC
总
)，记为TWGC
降
；(6)TWGC
降
就是降尺度得到的高分辨率陆地水储量变化数据。3.根据权利要求1所述的一种基于多源水文气象数据的陆地水...

【专利技术属性】
技术研发人员：陈代明，王亚东，咸永财，张鸣伦，刘明，
申请(专利权)人：国能陕西水电有限公司，
类型：发明
国别省市：