本发明专利技术涉及一种基于机器学习的FY4B卫星多通道数据的定量降水估测算法，属于降水量估测技术领域，本发明专利技术的计算方法以地面雨量计实测雨量为标准,对最优化算法的效果和估测结果的时空变化进行了评估、分析。整体上，表现出与地面雨量计较强的相关性且有着较好的稳定性，随着雨量计平均小时雨量的增大，时间拉长，相关系数f和平均平方误差S的计算评率加快，相关系数f和平均平方误差S根据实际情况不断的计算，不断的对降水模型进行修正，总体有变小的趋势。测偏差显著降低，同时提高了对小雨的估测精度。对小雨的估测偏差降低了25％,对大雨、暴雨的估测偏差分别降低了78％、69％。
【技术实现步骤摘要】
本专利技术涉及降水量估测，具体是指一种基于机器学习的fy4b卫星多通道数据的定量降水估测算法。
技术介绍
1、随着灾害性天气近年来的频繁发生，高时空分辨率的雷达定量降水估测(qpe：quantitive precipation estimation)信息，在暴雨、台风、洪水等灾害性天气的短时临近和精细化预警预报等工作中发挥越来越重要的作用。
2、降水是重要的天气要素之一。精确、定量地估测降水，具有十分重要的意义。利用天气雷达进行降水估测是气象及水文业务中的一个常见问题。目前雷达测量降水主要依据雷达反射率因子(回波强度)z与地面降水强度i之间关系式，即：z＝axib，式中a、b为经验系数。雷达定量估测降水准确度在很大程度上取决于z-i关系式中a、b系数的确定。
3、将地面站点雨量计资料和雷达观测资料进行点、面结合，通过一定的数学统计方法可以确定z-i关系，从而实现雷达降水估测。传统方法确定的经验系数一般是固定的，事实上a、b经验系数并不是固定的，随地区、季节、降水类型、与雷达中心距离等因素的变化而改变。
>4、降水是促进全球本文档来自技高网...
【技术保护点】
1.一种基于机器学习的FY4B卫星多通道数据的定量降水估测算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的FY4B卫星多通道数据的定量降水估测算法，其特征在于：所述的收集数据资料包括国家站、区域光、近红外、红外和水汽通道。
3.根据权利要求1所述的基于机器学习的FY4B卫星多通道数据的定量降水估测算法，其特征在于：所述的相关因子包括经纬度、地区降水类型、粒子相态、雨滴谱参数、雷达回波数据和地面雨量计数据。
4.根据权利要求1所述的基于机器学习的FY4B卫星多通道数据的定量降水估测算法，其特征在于：所述的R()为降雨量，单位为mm...
【技术特征摘要】
1.一种基于机器学习的fy4b卫星多通道数据的定量降水估测算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的fy4b卫星多通道数据的定量降水估测算法，其特征在于：所述的收集数据资料包括国家站、区域光、近红外、红外和水汽通道。
3.根据权利要求1所述的基于机器学习的fy4b卫星多通道数据的定量降水估测算法，其特征在于：所述的相关因子包括经纬度、地区降水类型、粒子相态、雨滴谱参数、雷达回波数据和地面雨量计数据。
4.根据权利要求1所述的基于机器学习的fy4b卫星多通道数据的定量降水估测算法，其特征在于：所述的r()为降雨量，单位为mm·h－1，z为水平反射率因子，单位为dbz，d为差分反射率，k为差分传播相移率，单位为°·km-1。
5.根据权利要求1所述的基于机器学习的fy4b卫星多通道数据的定量降水估测算法，其特征在于：所述的相关系数f和平均平方误差...
【专利技术属性】
技术研发人员：曹晓敏，王振海，
申请(专利权)人：青海省气象科学研究所，
类型：发明
国别省市：
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。