CN106529164B - 联合重力卫星获取地下水储量变化值的方法及系统 - Google Patents
联合重力卫星获取地下水储量变化值的方法及系统 Download PDFInfo
- Publication number
- CN106529164B CN106529164B CN201610972549.6A CN201610972549A CN106529164B CN 106529164 B CN106529164 B CN 106529164B CN 201610972549 A CN201610972549 A CN 201610972549A CN 106529164 B CN106529164 B CN 106529164B
- Authority
- CN
- China
- Prior art keywords
- predeterminable area
- value
- satellite
- groundwater
- water reserve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
本发明提供一种联合重力卫星获取地下水储量变化值的方法及系统，所述方法包括：获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值；获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化迭代值，将满足预设条件的预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。本发明所提供的联合重力卫星获取地下水储量变化值的方法，获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
Description
技术领域
本发明涉及卫星气象数据技术领域，特别是涉及联合重力卫星获取地下水储量变化值的方法及系统。
背景技术
过去一个世纪，农业灌溉消耗全球90％以上的淡水资源，而在全球范围内，农业灌溉用水的40％来自地下水。地下水资源的监测和管理，对依赖地下水进行农业灌溉的区域、依赖地下水作为工业、生活及市政用水的区域，特别对全球的干旱、半干旱区域尤其重要。并且随着人口增长和城市化的迅速发展，人类对地下水的开采程度在不断提高，而地下水资源尤其是深层地下水的恢复需要很长时间，即在一定时间内，地下水资源和石油资源一样是有限的。地下水的持续开采导致地下含水层亏损，进而影响农业的可持续性，引发包括地面沉降、海水入侵、开采成本增加、水生态破坏等一系列地质、生态、环境问题，制约着社会经济的可持续发展。
要实现地下水资源的可持续利用和农产品对人口的可持续供给，就需要对地下水资源的变化及其时空分布进行快速、准确的监测，以制定科学合理的地下水开采和管理策略。其中，地下水储量变化值是水循环要素中的关键变量，对地下水储量变化值的监测是地下水储量变化的检测中的主要内容。
地下水储量变化的常规监测手段有测井水位监测，但由于测井数量有限，空间分布不均，且从地下水位到地下水储量变的转化需要土壤和岩石性质等信息，导致通过地下水位监测获取区域地下水储量变化值存在代表性不足，不确定性较大等局限。另外，单独依赖水文模型进行地下水储量变化的模拟，往往由于模拟机制的不足和输入数据及参数的不确定性，导致模拟结果的不确定性较大。因此，获得区域尺度地下水储量变化不仅是一个极具挑战的科学难题，而且也严重制约了地下水资源的有效利用和保护。
自2002年3月由美国宇航局(NASA)和德国航天中心(DLR)联合发射的地球恢复和重力反演卫星(Gravity Recovery and Climate Experiment,GRACE，简称重力卫星)以来，重力卫星在地下水资源监测、干旱监测、冰川和积雪融化速率评估、全球海平面上升等领域发挥日益重要的作用，显示出其独有的优势和广阔的应用前景。
传统的重力卫星信号校正方法具有较大的不确定性。比例因子和加法修正法过于依赖陆面模型，其总水储量变化模拟结果相比“真实的”总水储量变化结果往往存在幅值偏低，相位提前失真等。用不完整的总水储量模拟结果构造比例因子或计算偏差误差和渗漏误差，往往会对重力卫星最终的信号校正结果带来较大不确定性。尤其在人类活动强烈区(农业灌溉区)和干旱、半干旱地区，其地下水储量变化反演结果的不确定性较大。乘法修正方法的局限是：总水储量和地下水储量变化的空间分布往往不是均匀的。因此，在假设水储量变化均匀分布的基础上进行信号校正，往往会导致尺度因子夸大，相位错位等问题，最终的总水储量变化结果有偏差，尤其是在较小的流域或区域，具有更大的不确定性。除了信号校正算法本身的因素外，重力卫星反演的地下水储量变化受制于卫星轨道高度(450公里)、两颗卫星的距离(200公里)、传感器(K波段的微波测距仪)等方面的限制，空间分辨率仅为15-20万平方公里及以上，往往不能直接满足地下水资源管理的需求。
发明内容
基于此，有必要针对重力卫星反演的地下水储量变化值准确度偏低的问题，提供一种联合重力卫星获取地下水储量变化值的方法及系统，其中所述方法包括：
获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息；
根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值；
获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化迭代值和所述预设区域卫星表观地下水储量变化值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
在其中一个实施例中，所述根据所述预设区域模拟地下水储量变化迭代值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化值确定为地下水储量变化值，包括：
根据所述预设区域模拟地下水储量变化迭代值，计算所述预设区域模拟地下水储量变化值与所述预设区域卫星表观地下水储量变化值之间的差值，并将所述差值与预设的阈值进行比较；
当所述差值大于等于所述预设的阈值时，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化迭代值，继续进行迭代计算；
当所述差值小于所述预设的阈值时，停止迭代计算，将所述预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
在其中一个实施例中，所述根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值，包括：
根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值；
根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值。
在其中一个实施例中，所述根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值，包括：
根据所述重力卫星的卫星数据构建地球重力场模型；
根据所述地球重力场模型和预设的球谐系数阶次，计算卫星总水储量变化初值；
根据所述卫星总水储量变化初值和所述预设区域的信息，确定预设区域卫星总水储量变化初值；
将所述预设区域卫星总水储量变化初值通过预设的条带消除算法，计算预设区域卫星总水储量变化去条带值；
根据预设的滤波半径、所述预设区域卫星总水储量变化去条带值，通过预设的线性平滑滤波算法，计算预设区域卫星总水储量变化值。
在其中一个实施例中，所述根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值，包括：
将所述陆面水储量数据按照所述预设的球谐系数阶次，计算陆面水储量初值；
根据所述陆面水储量初值和所述预设区域的信息，确定预设区域陆面水储量初值；
根据所述滤波半径、所述预设区域陆面水储量初值，通过预设的线性平滑滤波算法，计算预设区域陆面水储量值；
根据所述预设区域卫星总水储量变化值和所述预设区域陆面水储量值，通过线性回归算法，计算预设区域卫星表观地下水储量变化值。
在其中一个实施例中，所述获取预设区域模拟地下水储量变化迭代值，包括：
将第一初值作为预设区域模拟地下水储量变化初值；将所述预设区域模拟地下水储量变化初值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值；或
将迭代后的预设区域模拟地下水储量变化迭代值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值。
本发明所提供的联合重力卫星获取地下水储量变化值的方法，将重力卫星的数据和陆面数据联合计算出卫星表观下的陆面地下水变化值，再利用取用水水文模型作为约束条件，构建任意初值的模拟地下水变化值模型，对选定区域的卫星表观地下水储量变化值进行迭代计算，所确定出的地下水变化值，提高了重力卫星反演地下水变化值的精确度，可将重力卫星反演降水变化值的反演误差控制在10％以内。
在其中一个实施例中，将所述重力卫星的卫星数据、陆面水储量变化数据和模拟地下水数据进行与卫星数据相同的低通滤波处理，提高了重力卫星反演地下水变化值的空间分辨率，将现有的重力卫星的15万平方公里的空间分别率提高至3000平方公里，空间分辨率提高了近50倍。
本发明还提供一种联合重力卫星获取地下水储量变化值的系统，包括：
数据获取模块，用于获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息；
卫星表观数据计算模块，用于根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值；
地下水储量变化值计算模块，用于获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化迭代值和所述预设区域卫星表观地下水储量变化值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
在其中一个实施例中，所述地下水储量变化值计算模块，用于根据所述预设区域模拟地下水储量变化值，计算所述预设区域模拟地下水储量变化值与所述预设区域卫星表观地下水储量变化值之间的差值，并将所述差值与预设的阈值进行比较；当所述差值大于等于所述预设的阈值时，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化值，继续进行迭代计算；当所述差值小于所述预设的阈值时，停止迭代计算，将所述预设区域模拟地下水储量变化值确定为地下水储量变化值。
在其中一个实施例中，所述卫星表观数据计算模块，包括：
预设区域卫星总水储量变化值计算单元，用于根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值；
预设区域卫星表观地下水储量变化值计算单元，用于根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值。
在其中一个实施例中，所述预设区域卫星总水储量变化值计算单元，包括：
模型构建子单元，用于根据所述重力卫星的卫星数据构建地球重力场模型；
卫星总水储量变化初值计算子单元，用于根据所述地球重力场模型和预设的球谐系数阶次，计算卫星总水储量变化初值；
预设区域卫星总水储量变化初值计算子单元，用于根据所述卫星总水储量变化初值和所述预设区域的信息，确定预设区域卫星总水储量变化初值；
去条带计算子单元，用于将所述预设区域卫星总水储量变化初值通过预设的条带消除算法，计算预设区域卫星总水储量变化去条带值；
预设区域卫星总水储量变化值计算子单元，用于根据预设的滤波半径、所述预设区域卫星总水储量变化去条带值，通过预设的线性平滑滤波算法，计算预设区域卫星总水储量变化值。
在其中一个实施例中，所述预设区域卫星表观地下水储量变化值计算单元，包括：
预设区域陆面水储量值计算子单元，用于将所述陆面水储量数据按照所述预设的球谐系数阶次，计算陆面水储量初值；根据所述陆面水储量初值和所述预设区域的信息，确定预设区域陆面水储量初值；根据所述滤波半径、所述预设区域陆面水储量初值，通过预设的线性平滑滤波算法，计算预设区域陆面水储量值；
预设区域卫星表观地下水储量变化值计算子单元，用于根据所述预设区域卫星总水储量变化值和所述预设区域陆面水储量值，通过线性回归算法，计算预设区域卫星表观地下水储量变化值。
在其中一个实施例中，所述获取预设区域模拟地下水储量变化值，包括将第一初值作为预设区域模拟地下水储量变化初值；将所述预设区域模拟地下水储量变化初值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值；或将迭代后的预设区域模拟地下水储量变化迭代值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值。
本实施例所提供的联合重力卫星获取地下水储量变化值的系统，将重力卫星的数据和陆面数据联合计算出卫星表观下的陆面地下水变化值，再利用取用水水文模型作为约束条件，构建任意初值的模拟地下水变化值模型，对选定区域的卫星表观地下水储量变化值进行迭代计算，所确定出的地下水变化值，提高了重力卫星反演地下水变化值的精确度，可将重力卫星反演降水变化值的反演误差控制在10％以内。
在其中一个实施例中，将所述重力卫星的卫星数据、陆面水储量变化数据和模拟地下水数据进行与卫星数据相同的低通滤波处理，提高了重力卫星反演地下水变化值的空间分辨率，将现有的重力卫星的15万平方公里的空间分别率提高至3000平方公里，空间分辨率提高了近50倍。
附图说明
图1为一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图；
图2为另一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图；
图3为再一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图；
图4为又一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图；
图5为又一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图；
图6为又一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图；
图7为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图；
图8为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图；
图9为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图；
图10为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1为一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图，如图1所示的联合重力卫星获取地下水储量变化值的方法包括：
步骤S100，获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息。
具体的，所述重力卫星包括重力卫星GRACE(Gravity Recovery and ClimateExperiment)，也包括国内外的其它重力卫星；所述陆面水储量数据，包括全球陆面模型模拟的土壤水储量变化输出结果；所述取用水水文模型数据，包括考虑人类取用水活动的水文模型PCR-GLOBWB提供的地下水储量变化空间分布信息，也包括其他考虑人类取用水活动的水文模型获得的地下水亏损分布信息。
重力卫星的基本原理是，通过GRACE双星距离的变化，反演监测地球时变重力场的变化，在剔除掉大气、潮汐等因素影响下，反演获得陆地总水储量变化，同时借助观测或模拟的地表水和土壤水储量变化，根据质量平衡原理，获得地下水储量变化。
步骤S200，根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值。
具体的，所述重力卫星的卫星数据获取到的数据为总水储量的变化情况，所述的总水储量包括地表水、陆面土壤水和地下水的水储量的总和。
可通过构建地球重力场模型，进行低通滤波和去条带处理后，获取到重力卫星的总水储量变化二级产品；再将所述的二级产品与预设的经纬度信息进行计算，将全球的总水储量二级产品，转换为预设区域的总水储量二级产品，即，转换为预设区域卫星总水储量变化值。
所述陆面水储量数据包括地表水和陆面土壤水，将所述的陆面水储量数据和预设区域的经纬度信息，通过经过与卫星数据相同的低通滤波处理后，获取预设区域陆面水储量数据。再根据所述预设区域卫星总水储量变化值和预设区域陆面水储量数据，经过线性回归算法，获取预设区域卫星表观地下水储量变化值。
步骤S300，获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化迭代值和所述预设区域卫星表观地下水储量变化值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
具体的，在具备取用水水文模型数据的地区，利用取用水水文模型作为边界约束条件，以所述预设区域的模拟地下水储量变化值作为迭代变量进行迭代计算，即，将所述预设区域的模拟地下水储量变化值作为预设区域模拟地下水储量变化迭代值。迭代计算方法为，将所述预设区域模拟地下水储量变化迭代值进行与所述卫星数据相同的低通滤波处理后，计算其与所述卫星表观地下水储量变化迭代值之间的差值；当所述差值小于预设的阈值时，停止迭代计算，将所述预设区域模拟地下水储量变化迭代值确定为地下水储量变化值，此时的预设区域模拟地下水储量变化迭代值即是经过信号校正之后的“真实”的地下水储量变化值；当所述差值不小于所述预设的阈值时，将所述差值与所述迭代变量(预设区域模拟地下水储量变化迭代值)进行叠加计算作为新的迭代变量，继续进行迭代计算。
本实施例所提供的联合重力卫星获取地下水储量变化值的方法，根据取用水水文模型数据作为边界约束条件，对卫星表观地下水储量变化迭代值进行迭代计算，获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图2为另一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图,如图2所示的联合重力卫星获取地下水储量变化值的方法包括：
步骤S310，获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，将所述预设区域模拟地下水储量变化迭代值作为迭代变量。
具体的，将第一初值作为预设区域模拟地下水储量变化初值；将所述预设区域模拟地下水储量变化初值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值；或将迭代后的预设区域模拟地下水储量变化迭代值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值。
首先，设定预设区域模拟地下水储量变化模型，以任意初值作为预设区域模拟地下水储量变化初值，例如，根据预设区域的实际取用水情况，对预设区域划分为不同的格点后，将不同的格点按照人类取用水的实际情况，设定任意的0或1代表无取用水和有取用水的初值，将所述的取用水初值进行与所述卫星数据相同的低通滤波处理后，作为迭代变量进行后续步骤的迭代计算。
其次，在将经过低通滤波处理后的所述的取用水初值进行迭代计算后，获取到的新的迭代变量，继续进行迭代计算，所述新的迭代变量即为预设区域模拟地下水储量变化迭代值。
步骤S320，计算所述预设区域模拟地下水储量变化迭代值与所述预设区域卫星表观地下水储量变化值之间的差值。
具体的，计算所述预设区域模拟地下水储量变化迭代值与所述预设区域卫星表观地下水储量变化值之间的差值。
步骤S330，将所述差值与预设的阈值进行比较，判断所述差值是否小于所述预设的阈值。若是，接步骤S340，若否，跳至步骤S350。
具体的，迭代计算的控制条件为，判断所述差值与所述预设的阈值之间的大小。若所述差值小于所述预设的阈值，则停止迭代计算，否则继续迭代计算。
步骤S340，停止迭代计算，将所述预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
具体的，停止迭代计算后，所述预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
步骤S350，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化迭代值，继续进行迭代计算，返回步骤S310。
具体的，若所述差值不小于所述预设的阈值，则继续迭代计算，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化迭代值，继续进行迭代计算，直至满足迭代计算的控制条件。
本实施例所提供的联合重力卫星获取地下水储量变化值的方法，根据取用水水文模型数据作为边界约束条件，对卫星表观地下水储量变化迭代值进行迭代计算，迭代计算的控制条件为预设阈值的设定，可对迭代计算的结果进行一定的控制，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图3为再一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图，如图3所示的联合重力卫星获取地下水储量变化值的方法包括：
步骤S210，根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值。
具体的，首先对重力卫星的数据进行低通滤波处理和去条带处理，对GRACE重力卫星的球谐系数二级产品进行一些列的低通滤波处理(例如60阶阶段、去条带和300公里半径高斯滤波)，获取到预设区域的经过滤波处理的总水储量的变化值。且，所述卫星的总说储量变化值，包括地表水、陆面土壤水和地下水的水储量的总和。
步骤S220，根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值。
具体的，将所述预设区域的陆面水储量数据，进行与所述卫星数据相同的低通滤波处理后，获取预设区域的获取预设区域陆面水储量数据。再根据所述预设区域卫星总水储量变化值和预设区域陆面水储量数据，经过线性回归算法，获取预设区域卫星表观地下水储量变化值。具体方法为利用卫星总水储量数据包括的地表水、陆面土壤水和地下水的水储量的总和减去陆面水储量数据包括的地表水和陆面土壤水的水储量，再将数据进行时间上的线性回归计算，如利用本年度本月的数据与上一年度同月份的数据进行比较，再将所有比较值进行线性回归计算后，即可获得卫星表观地下水储量变化值。
本实施例所提供的联合重力卫星获取地下水储量变化值的方法，通过对卫星数据和陆面数据进行相同的低通滤波处理，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图4为再一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图，如图4所示的联合重力卫星获取地下水储量变化值的方法包括：
步骤S211，根据所述重力卫星的卫星数据构建地球重力场模型。
具体的，地球重力场模型是指地球引力位按球谐函数展开中引力位系数的集合{Clm,Slm}7。
其中，θ,λ分别是地心余纬(90°-地心纬度)和地心经度；a为地球平均半径(6378公里)；l,m分别表示球谐函数展开式的阶和次；Clm和Slm为完全规格化(Fully Normalized)引力位球谐系数，即位系数；kl是负荷勒夫系数(load Love numbers)；是完全规格化l阶m次勒让德函数。
步骤S212，根据所述地球重力场模型和预设的球谐系数阶次，计算卫星总水储量变化初值。
具体的，假设质量变化发生在距地面10-15公里(即大气顶部)到海洋底部这一范围，并考虑负荷形变效应，球谐系数的变化可以表示为：
其中，Me是地球质量(5.97219×1024kg)；△σ(θ,λ)是质量负荷改变(kg/m2)；kl是固体地球弹性负荷勒夫系数。因此，由重力场模型球谐系数表示每个格点(如0.5°×0.5°)的质量变化量以离散和有限阶展开表达为(地球表面物质的面密度变化)。
所述N为预设的球谐系数阶次，△σ(θ,λ)即为卫星总水储量变化初值。
步骤S213，根据所述卫星总水储量变化初值和所述预设区域的信息，确定预设区域卫星总水储量变化初值。
具体的，由于重力卫星GRACE球谐系数较高的阶、次数的信噪比较小，因此需要对球谐系数进行低通滤波处理。本实施例中采用高斯滤波对GRACE信号进行平滑处理。经过处理后的区域水储量变化的表达式为：
其中，△σregion(θ,λ)是预设区域的水储量变化等效水高；Ωregion是研究区的角面积(即面积除以a2)；ρe是地球平均密度(5514.5千克/立方米)；ρw是水密度(1000千克/立方米)；Wl是标准化高斯权重函数(Normalized Gaussian Weighting Function)，其本质是加权函数，即一种适应性的滤波器，源自电力工程领域对信号进行去噪处理；其数学基础是高斯分布概率密度函数；其特点是在抑制高阶噪声的同时会牺牲信号的空间分辨率；hlm是区域平均核函数(Averaging Kernel Function)，描述研究区的形状(如流域、冰川边界等)，使流域空间信号归一化和聚集；和分别是区域平均核函数在频率域上的余弦和正弦系数；N取60作为球谐系数截断的最大阶数。
经过公式(4)，将卫星数据处理为预设区域的卫星总水储量变化初值。
步骤S214，将所述预设区域卫星总水储量变化初值通过预设的条带消除算法，计算预设区域卫星总水储量变化去条带值。
具体的，利用现有的去条带的计算方法即可。
步骤S215，根据预设的滤波半径、所述预设区域卫星总水储量变化去条带值，通过预设的线性平滑滤波算法，计算预设区域卫星总水储量变化值。
具体的，半径为r(本实施例中取r＝300公里)的Wl表达式如下：
本实施例所提供的联合重力卫星获取地下水储量变化值的方法，通过对卫星数据进行低通滤波处理，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图5为再一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图，如图5所示的联合重力卫星获取地下水储量变化值的方法包括：
步骤S221，将所述陆面水储量数据按照所述预设的球谐系数阶次，计算陆面水储量初值。
具体的，将所述陆面水储量数据进行和卫星数据相同的低通滤波处理，计算陆面水储量初值，具体可参照上一实施例中的公式(1)-(3)。
步骤S222，根据所述陆面水储量初值和所述预设区域的信息，确定预设区域陆面水储量初值。
具体的，可参照上一实施例中的公式(4)。
步骤S223，根据所述滤波半径、所述预设区域陆面水储量初值，通过预设的线性平滑滤波算法，计算预设区域陆面水储量值。
具体的，可参照上一实施例中的公式(4)和(5)。
步骤S224，根据所述预设区域卫星总水储量变化值和所述预设区域陆面水储量值，通过线性回归算法，计算预设区域卫星表观地下水储量变化值。
具体的，具体方法为利用卫星总水储量数据包括的地表水、陆面土壤水和地下水的水储量的总和减去陆面水储量数据包括的地表水和陆面土壤水的水储量，再将数据进行时间上的线性回归计算，如利用本年度本月的数据与上一年度同月份的数据进行比较，再将所有比较值进行线性回归计算后，即可获得卫星表观地下水储量变化值。
本实施例所提供的联合重力卫星获取地下水储量变化值的方法，通过对陆面数据进行和卫星数据相同的低通滤波处理，再将处理后的陆面数据与卫星数据进行线性回归计算，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图6为再一个实施例的联合重力卫星获取地下水储量变化值的方法的流程图，如图6所示的联合重力卫星获取地下水储量变化值的方法包括：
第一步，将重力卫星的数据，全球陆面同化系统格点突然水分数据和模拟的地下水储量变化(GWDs)的数据进行相同的球谐系数的处理，其中重力卫星球谐系数还需要进行去条带处理排除数据噪声。
第二步，将上述进行过了球谐系数计算的数据分别进行球谐系数截断(进行60度60阶截断)和高斯滤波处理(选择滤波半径为300公里)。
第三步，将上述经过低通滤波处理的卫星数据和陆面数据结合计算出重力卫星表观地下水储量变化速率(GWDa)，以及滤波过后的模拟地下水储量变化速率(FilteredGWDs)。
第四步，将GWDa和Filtered GWDs进行差值计算。
第五步，将所述差值与预设的设定阈值进行比较，当所述差值小于设定阈值时，停止迭代计算；当所述差值不小于设定阈值时，将所述差值叠加至第一步中的模拟地下水储量变化值，获取迭代后的模拟地下水储量变化值，重复第一步至第五步的步骤进行迭代计算。并且，本步骤需要对具备取用水模型的格点，利用所述取用水模型进行约束。
本实施例所提供的联合重力卫星获取地下水储量变化值的系统，通过对卫星数据进行低通滤波处理，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图7为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图，如图7所示的联合重力卫星获取地下水储量变化值的系统包括：
数据获取模块100，用于获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息；
卫星表观数据计算模块200，用于根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值；
地下水储量变化值计算模块300，用于获取预设区域模拟地下水储量变化值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化值确定为地下水储量变化值；用于根据所述预设区域模拟地下水储量变化值，计算所述预设区域模拟地下水储量变化值与所述预设区域卫星表观地下水储量变化值之间的差值，并将所述差值与预设的阈值进行比较；当所述差值大于等于所述预设的阈值时，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化值，继续进行迭代计算；当所述差值小于所述预设的阈值时，停止迭代计算，将所述预设区域模拟地下水储量变化值确定为地下水储量变化值；所述获取预设区域模拟地下水储量变化值，包括将第一初值作为预设区域模拟地下水储量变化初值；将所述预设区域模拟地下水储量变化初值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值；或将迭代后的预设区域模拟地下水储量变化迭代值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值。
本实施例所提供的联合重力卫星获取地下水储量变化值的系统，根据取用水水文模型数据作为边界约束条件，对卫星表观地下水储量变化迭代值进行迭代计算，迭代计算的控制条件为预设阈值的设定，可对迭代计算的结果进行一定的控制，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图8为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图，如图8所示的联合重力卫星获取地下水储量变化值的系统包括：
预设区域卫星总水储量变化值计算单元210，用于根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值；
预设区域卫星表观地下水储量变化值计算单元220，用于根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值。
本实施例所提供的联合重力卫星获取地下水储量变化值的系统，通过对卫星数据和陆面数据进行相同的低通滤波处理，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图9为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图，如图9所示的联合重力卫星获取地下水储量变化值的系统包括：
模型构建子单元211，用于根据所述重力卫星的卫星数据构建地球重力场模型；
卫星总水储量变化初值计算子单元212，用于根据所述地球重力场模型和预设的球谐系数阶次，计算卫星总水储量变化初值；
预设区域卫星总水储量变化初值计算子单元213，用于根据所述卫星总水储量变化初值和所述预设区域的信息，确定预设区域卫星总水储量变化初值；
去条带计算子单元214，用于将所述预设区域卫星总水储量变化初值通过预设的条带消除算法，计算预设区域卫星总水储量变化去条带值；
预设区域卫星总水储量变化值计算子单元215，用于根据预设的滤波半径、所述预设区域卫星总水储量变化去条带值，通过预设的线性平滑滤波算法，计算预设区域卫星总水储量变化值。
本实施例所提供的联合重力卫星获取地下水储量变化值的系统，通过对卫星数据进行低通滤波处理，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
图10为一个实施例的联合重力卫星获取地下水储量变化值的系统的结构图，如图10所示的联合重力卫星获取地下水储量变化值的系统包括：
预设区域陆面水储量值计算子单元221，用于将所述陆面水储量数据按照所述预设的球谐系数阶次，计算陆面水储量初值；根据所述陆面水储量初值和所述预设区域的信息，确定预设区域陆面水储量初值；根据所述滤波半径、所述预设区域陆面水储量初值，通过预设的线性平滑滤波算法，计算预设区域陆面水储量值；
预设区域卫星表观地下水储量变化值计算子单元222，用于根据所述预设区域卫星总水储量变化值和所述预设区域陆面水储量值，通过线性回归算法，计算预设区域卫星表观地下水储量变化值。
本实施例所提供的联合重力卫星获取地下水储量变化值的系统，通过对陆面数据进行和卫星数据相同的低通滤波处理，再将处理后的陆面数据与卫星数据进行线性回归计算，从而使得获取到的地下水储量变化值更加准确，并且能将地下水变化值的空间分辨率，从15万平方公里，提高到3千平方公里，空间分辨率提高约50倍，并将地下水储量变化的反演误差控制在10％以内。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种联合重力卫星获取地下水储量变化值的方法，其特征在于，所述方法包括：
获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息；
根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值；
获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化迭代值和所述预设区域卫星表观地下水储量变化值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化迭代值确定为地下水储量变化值；所述根据所述预设区域模拟地下水储量变化迭代值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化值确定为地下水储量变化值，包括：
根据所述预设区域模拟地下水储量变化迭代值，计算所述预设区域模拟地下水储量变化值与所述预设区域卫星表观地下水储量变化值之间的差值，并将所述差值与预设的阈值进行比较；
当所述差值大于或等于所述预设的阈值时，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化迭代值，继续进行迭代计算；
当所述差值小于所述预设的阈值时，停止迭代计算，将所述预设区域模拟地下水储量变化迭代值确定为地下水储量变化值。
2.根据权利要求1所述的联合重力卫星获取地下水储量变化值的方法，其特征在于，所述根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值，包括：
根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值；
根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值。
3.根据权利要求2所述的联合重力卫星获取地下水储量变化值的方法，其特征在于，所述根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值，包括：
根据所述重力卫星的卫星数据构建地球重力场模型；
根据所述地球重力场模型和预设的球谐系数阶次，计算卫星总水储量变化初值；
根据所述卫星总水储量变化初值和所述预设区域的信息，确定预设区域卫星总水储量变化初值；
将所述预设区域卫星总水储量变化初值通过预设的条带消除算法，计算预设区域卫星总水储量变化去条带值；
根据预设的滤波半径、所述预设区域卫星总水储量变化去条带值，通过预设的线性平滑滤波算法，计算预设区域卫星总水储量变化值。
4.根据权利要求2所述的联合重力卫星获取地下水储量变化值的方法，其特征在于，所述根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值，包括：
将所述陆面水储量数据按照所述预设的球谐系数阶次，计算陆面水储量初值；
根据所述陆面水储量初值和所述预设区域的信息，确定预设区域陆面水储量初值；
根据滤波半径、所述预设区域陆面水储量初值，通过预设的线性平滑滤波算法，计算预设区域陆面水储量值；
根据所述预设区域卫星总水储量变化值和所述预设区域陆面水储量值，通过线性回归算法，计算预设区域卫星表观地下水储量变化值。
5.根据权利要求1所述的联合重力卫星获取地下水储量变化值的方法，其特征在于，所述获取预设区域模拟地下水储量变化迭代值，包括：
给定预设区域模拟地下水储量变化初值；
将所述预设区域模拟地下水储量变化初值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值；或
将迭代后的预设区域模拟地下水储量变化迭代值，再次通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值。
6.一种联合重力卫星获取地下水储量变化值的系统，其特征在于，包括：
数据获取模块，用于获取重力卫星的卫星数据、陆面水储量数据、取用水水文模型数据和预设区域的经纬度信息；
卫星表观数据计算模块，用于根据所述重力卫星的卫星数据、所述陆面水储量数据和所述预设区域的经纬度信息，计算预设区域卫星表观地下水储量变化值；
地下水储量变化值计算模块，用于获取预设区域模拟地下水储量变化迭代值，以所述取用水水文模型数据作为边界约束条件，根据所述预设区域模拟地下水储量变化迭代值和所述预设区域卫星表观地下水储量变化值，通过预设的迭代算法进行迭代计算，获取迭代后的预设区域模拟地下水储量变化值，将满足预设条件的预设区域模拟地下水储量变化迭代值确定为地下水储量变化值；
所述地下水储量变化值计算模块，用于根据所述预设区域模拟地下水储量变化值，计算所述预设区域模拟地下水储量变化值与所述预设区域卫星表观地下水储量变化值之间的差值，并将所述差值与预设的阈值进行比较；当所述差值大于等于所述预设的阈值时，将所述差值与所述预设区域模拟地下水储量变化值进行叠加计算，将获取到的叠加值作为迭代后的预设区域模拟地下水储量变化值，继续进行迭代计算；当所述差值小于所述预设的阈值时，停止迭代计算，将所述预设区域模拟地下水储量变化值确定为地下水储量变化值。
7.根据权利要求6所述的联合重力卫星获取地下水储量变化值的系统，其特征在于，所述卫星表观数据计算模块，包括：
预设区域卫星总水储量变化值计算单元，用于根据所述重力卫星的卫星数据和所述预设区域的经纬度信息，通过预设的低通滤波算法和条带消除算法，计算预设区域卫星总水储量变化值；
预设区域卫星表观地下水储量变化值计算单元，用于根据所述经纬度信息、所述预设区域卫星总水储量变化值和所述陆面水储量数据，计算预设区域卫星表观地下水储量变化值。
8.根据权利要求7所述的联合重力卫星获取地下水储量变化值的系统，其特征在于，所述预设区域卫星总水储量变化值计算单元，包括：
模型构建子单元，用于根据所述重力卫星的卫星数据构建地球重力场模型；
卫星总水储量变化初值计算子单元，用于根据所述地球重力场模型和预设的球谐系数阶次，计算卫星总水储量变化初值；
预设区域卫星总水储量变化初值计算子单元，用于根据所述卫星总水储量变化初值和所述预设区域的信息，确定预设区域卫星总水储量变化初值；
去条带计算子单元，用于将所述预设区域卫星总水储量变化初值通过预设的条带消除算法，计算预设区域卫星总水储量变化去条带值；
预设区域卫星总水储量变化值计算子单元，用于根据预设的滤波半径、所述预设区域卫星总水储量变化去条带值，通过预设的线性平滑滤波算法，计算预设区域卫星总水储量变化值。
9.根据权利要求7所述的联合重力卫星获取地下水储量变化值的系统，其特征在于，所述预设区域卫星表观地下水储量变化值计算单元，包括：
预设区域陆面水储量值计算子单元，用于将所述陆面水储量数据按照所述预设的球谐系数阶次，计算陆面水储量初值；根据所述陆面水储量初值和所述预设区域的信息，确定预设区域陆面水储量初值；根据滤波半径、所述预设区域陆面水储量初值，通过预设的线性平滑滤波算法，计算预设区域陆面水储量值；
预设区域卫星表观地下水储量变化值计算子单元，用于根据所述预设区域卫星总水储量变化值和所述预设区域陆面水储量值，通过线性回归算法，计算预设区域卫星表观地下水储量变化值。
10.根据权利要求6所述的联合重力卫星获取地下水储量变化值的系统，其特征在于：
所述获取预设区域模拟地下水储量变化值，包括将第一初值作为预设区域模拟地下水储量变化初值；将所述预设区域模拟地下水储量变化初值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值；或将迭代后的预设区域模拟地下水储量变化迭代值，通过预设的低通滤波算法，获取预设区域模拟地下水储量变化迭代值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610972549.6A CN106529164B (zh) | 2016-11-03 | 2016-11-03 | 联合重力卫星获取地下水储量变化值的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610972549.6A CN106529164B (zh) | 2016-11-03 | 2016-11-03 | 联合重力卫星获取地下水储量变化值的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106529164A CN106529164A (zh) | 2017-03-22 |
| CN106529164B true CN106529164B (zh) | 2019-01-04 |
Family
ID=58349644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610972549.6A Active CN106529164B (zh) | 2016-11-03 | 2016-11-03 | 联合重力卫星获取地下水储量变化值的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106529164B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169276B (zh) * | 2017-05-09 | 2018-12-21 | 中国水利水电科学研究院 | 一种地下水控采量的确定方法及装置 |
| CN110175214A (zh) * | 2019-02-01 | 2019-08-27 | 中国空间技术研究院 | 一种利用重力卫星数据监测极端气候变化的方法和系统 |
| CN110852472B (zh) * | 2019-09-24 | 2020-11-10 | 广州地理研究所 | 一种基于随机森林算法的陆地水储量预测方法及设备 |
| CN110852473B (zh) * | 2019-09-24 | 2022-06-03 | 广东省科学院广州地理研究所 | 一种基于神经网络算法的陆地水储量预测方法及设备 |
| CN111752934B (zh) * | 2020-05-29 | 2023-04-28 | 首都师范大学 | 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统 |
| CN113792450A (zh) * | 2021-08-16 | 2021-12-14 | 中国空间技术研究院 | 基于机器学习负载模型提高陆地水储量反演准确性的方法 |
| CN113899301B (zh) * | 2021-09-15 | 2022-07-15 | 武汉大学 | 联合gnss三维形变的区域陆地水储量变化反演方法及系统 |
| CN113868855B (zh) * | 2021-09-24 | 2023-03-10 | 首都师范大学 | 融合水位数据的地下水储量变化卫星重力正演模拟方法 |
| CN115630686B (zh) * | 2022-10-11 | 2023-06-23 | 首都师范大学 | 利用机器学习从卫星重力数据恢复陆地水储量异常的方法 |
| CN115906404B (zh) * | 2022-10-18 | 2023-09-19 | 首都师范大学 | 一种观测井缺失情况下地下水储量变化协同正演模拟方法 |
| CN115712982A (zh) * | 2022-10-18 | 2023-02-24 | 首都师范大学 | 一种反演区域地下水位变化的卫星重力协同正演模拟方法 |
| CN116628442B (zh) * | 2023-05-12 | 2023-12-22 | 中国科学院地理科学与资源研究所 | 一种基于人工神经网络的地下水储量变化空间降尺度方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093302A (zh) * | 2011-11-03 | 2013-05-08 | 国际商业机器公司 | 用于水管理的方法与系统 |
| CN103093101A (zh) * | 2013-01-22 | 2013-05-08 | 中国科学院测量与地球物理研究所 | 基于重力梯度误差模型原理的卫星重力反演方法 |
| CN103632053A (zh) * | 2013-11-26 | 2014-03-12 | 中国西安卫星测控中心 | 基于定轨约束满足的中低轨星座星地测控资源联合调度方法 |
| CN103678885A (zh) * | 2013-11-22 | 2014-03-26 | 河海大学 | 一种基于重力卫星的干旱指数构建及分析方法 |
| CN105893763A (zh) * | 2016-04-01 | 2016-08-24 | 中山大学 | 南方感潮河网区水流水质耦合模拟系统 |
-
2016
- 2016-11-03 CN CN201610972549.6A patent/CN106529164B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093302A (zh) * | 2011-11-03 | 2013-05-08 | 国际商业机器公司 | 用于水管理的方法与系统 |
| CN103093101A (zh) * | 2013-01-22 | 2013-05-08 | 中国科学院测量与地球物理研究所 | 基于重力梯度误差模型原理的卫星重力反演方法 |
| CN103678885A (zh) * | 2013-11-22 | 2014-03-26 | 河海大学 | 一种基于重力卫星的干旱指数构建及分析方法 |
| CN103632053A (zh) * | 2013-11-26 | 2014-03-12 | 中国西安卫星测控中心 | 基于定轨约束满足的中低轨星座星地测控资源联合调度方法 |
| CN105893763A (zh) * | 2016-04-01 | 2016-08-24 | 中山大学 | 南方感潮河网区水流水质耦合模拟系统 |
Non-Patent Citations (3)
| Title |
|---|
| GRACE 卫星重力观测揭示华北地区陆地水量变化;苏晓莉等;《中国科学：地球科学》;20121231;第42卷(第6期);全文 |
| 应用ＧＲＡＣＥ卫星重力数据计算陆地水变化的相关进展评述;郑秋月等;《地球物理学进展》;20151231;第30卷(第6期);第1.1、1.4、2、3.1-3.3、4.1节 |
| 长江流域 1982 ～ 2005 年陆地水储量变化及时空分布特征;马倩等;《气候与环境研究》;20110731;第16卷(第4期);全文 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106529164A (zh) | 2017-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106529164B (zh) | 联合重力卫星获取地下水储量变化值的方法及系统 | |
| Reichle et al. | Version 4 of the SMAP level‐4 soil moisture algorithm and data product | |
| Bhunia et al. | Comparison of GIS-based interpolation methods for spatial distribution of soil organic carbon (SOC) | |
| CN111752934B (zh) | 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统 | |
| Argus et al. | Seasonal variation in total water storage in California inferred from GPS observations of vertical land motion | |
| Oubanas et al. | Discharge estimation in ungauged basins through variational data assimilation: The potential of the SWOT mission | |
| Xie et al. | Data assimilation for distributed hydrological catchment modeling via ensemble Kalman filter | |
| Noh et al. | Applying sequential Monte Carlo methods into a distributed hydrologic model: lagged particle filtering approach with regularization | |
| Yamazaki et al. | Development of the global width database for large rivers | |
| Syed et al. | Analysis of terrestrial water storage changes from GRACE and GLDAS | |
| Yamazaki et al. | Analysis of the water level dynamics simulated by a global river model: A case study in the Amazon River | |
| Klees et al. | The bias in GRACE estimates of continental water storage variations | |
| Munier et al. | SWOT data assimilation for operational reservoir management on the upper N iger R iver B asin | |
| Cea et al. | Bathymetric error estimation for the calibration and validation of estuarine hydrodynamic models | |
| US20140350856A1 (en) | Simultaneous multi-event universal kriging methods for spatio-temporal data analysis and mapping | |
| Pavelsky et al. | Intercomparison of four global precipitation data sets and their correlation with increased Eurasian river discharge to the Arctic Ocean | |
| Chandrasekharan et al. | Variability of soil–water quality due to Tsunami-2004 in the coastal belt of Nagapattinam district, Tamilnadu | |
| CN113868855B (zh) | 融合水位数据的地下水储量变化卫星重力正演模拟方法 | |
| Mirzadeh et al. | Characterization of irreversible land subsidence in the Yazd‐Ardakan plain, Iran from 2003 to 2020 InSAR time series | |
| Barry et al. | A morphodynamic model of reef-island development on atolls | |
| Getirana et al. | Satellite gravimetry improves seasonal streamflow forecast initialization in Africa | |
| Oliver et al. | A probabilistic risk modelling chain for analysis of regional flood events | |
| Irrgang et al. | Self‐validating deep learning for recovering terrestrial water storage from gravity and altimetry measurements | |
| Sørensen et al. | Efficient Kalman filter techniques for the assimilation of tide gauge data in three‐dimensional modeling of the North Sea and Baltic Sea system | |
| Abdolghafoorian et al. | Estimation of surface turbulent fluxes from land surface moisture and temperature via a variational data assimilation framework |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |