CN110222911A - 一种卫星遥感与地面数据协同的雨量站网优化布局方法 - Google Patents
一种卫星遥感与地面数据协同的雨量站网优化布局方法 Download PDFInfo
- Publication number
- CN110222911A CN110222911A CN201910538884.9A CN201910538884A CN110222911A CN 110222911 A CN110222911 A CN 110222911A CN 201910538884 A CN201910538884 A CN 201910538884A CN 110222911 A CN110222911 A CN 110222911A
- Authority
- CN
- China
- Prior art keywords
- net
- station
- website
- precipitation
- remote sensing
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radio Relay Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种卫星遥感与地面数据协同的雨量站网优化布局方法,包括以下步骤:S1:收集研究区域已有站网的实测降水数据和卫星遥感降水产品,并统一为日尺度格网数据集;S2:根据信息熵和克里金插值理论,计算每个格网的空间代表性和插值精度两个指标,即从单站的角度筛选出雨量站布设的潜在区域;S3:计算在每个潜在布设位置新建站点后站网的总信息量、平均空间代表性和插值精度三个指标,即从整体站网的角度筛选建站的位置;解决了以往方法中站网的空间代表性优化使得其无法能够更好地获取监测区域的降水特征、站网布局优化的时效性低、计算步骤复杂和普适性差的问题。
Description
技术领域
本发明涉及水文站网布局领域,特别是一种卫星遥感与地面数据协同的雨量站网优化布局方法。
背景技术
降雨的地面监测站数据是水文学乃至地球科学研究中最为基础的数据,雨量站网对于水资源规划、管理、开发和利用至关重要。研究雨量站网在区域分布上的科学性、合理性及其最优化是水文测验工作首先要解决的问题。
在雨量站网的设计方面,国际气象组织等机构已出台一些关于最低站网密度的原则性要求,但由于地形、局地气候气象条件以及地方经济条件的差异,很难就站点数量和空间位置提出统一的方法建议。各地在站网布局设计上,通常随机布设或是根据地面站点的历史观测数据,通过区域面雨量插值数据,分析区域降水的空间分布特征,结合经费条件,确定增补地面站点的数量和位置。
自19世纪40年代开始,出现一些关于站网设计和评价的定量化方法研究,按具体计算方法可分为统计法、信息熵法、专家知识法、其他方法及混合法。统计法在很长一段时间都是站网设计的主流方法,具体包括克里金插值、相关系数、最小二乘法等统计方法,通常以最小偏差作为站网布局设计的目标。专家知识法包括根据区域地形特征、实际需求、用户调查等从总站网布局出发进行设计。但由于地域差异较大,该方法考虑因素众多,普适性较低。混合方法是应用以上两种及两种以上方法同时应用进行选点布局。信息熵提出以来,也逐渐应用于水文站网布设中。信息熵法是根据现有站点实测数据进行克里金插值,得到区域空间分布数据,计算区域空间分布数据的边际熵、相关熵、互信息等信息量指标,以站网信息量最大作为站网布局优化目标。
信息熵方法计算信息量指标时,以已有地面站点插值得到区域空间分布数据为参照值,进行新增站点的比选。如果已有站点的空间代表性不高,插值所得区域空间分布数据的准确性会受限,比选结果的可靠性将受到影响。另外,熵理论计算的信息量大仅代表捕捉了面插值结果的区域降水变化,考虑站网点数据转为面数据时的精度将更符合实际应用。
随着遥感技术的发展,一系列降水反演模型、降水产品相继出现,卫星降水产品及相关降尺度降水产品如TRMM,CMOPRH,PERSIANN,GPCP和PERSIANN-CCS等;另外,如CLDAS(CMALand DataAssimilation System)、GLDAS(Global Land DataAssimilation System)等数据融合和数据同化系统也均包含降水数据。一方面,遥感监测能提供区域内空间连续的数据,数据能较好地反应出空间变化特征;另一方面,利用遥感数据中包含的信息进行监测站网设计,有利于后期将地面观测数据与遥感数据进行融合,得到更准确的区域降水信息。但由于卫星遥感数据的空间分辨率、精度和不确定性问题,还不能独立支撑站网布局设计和评价。
地面监测数据和遥感监测数据联合用于地面监测站网的布局设计,可以发挥两种数据源的优势,互相取长补短。但对于遥感监测数据的筛选、两种数据源组合后站网布局优选指标的构建等方法和技术问题尚未解决。
发明内容
为解决现有技术中存在的问题,本发明提供了一种卫星遥感与地面数据协同的雨量站网优化布局方法,解决了以往方法中站网的空间代表性优化使得其无法能够更好地获取监测区域的降水特征、站网布局优化的时效性低、计算步骤复杂和普适性差的问题。
本发明采用的技术方案是,一种卫星遥感与地面数据协同的雨量站网优化布局方法,包括以下步骤:
S1:收集研究区域已有站网的实测降水数据和卫星遥感降水产品,并统一为日尺度格网数据集;
S2:根据信息熵和克里金插值理论,计算每个格网的空间代表性和插值精度两个指标,即从单站的角度筛选出雨量站布设的潜在区域;
S3:计算在每个潜在布设位置新建站点后站网的总信息量、平均空间代表性和插值精度三个指标,即从整体站网的角度筛选建站的位置;
S4:根据每种新站网的指标表现,采用贪心排序算法得出建站的位置排序,选取最优建站位置与原站网组合成为新站网;
S5:判断新站网的雨量站数目是否满足设定目标个数,若否则返回S1;若是,则结束。
优选地,S1包括以下子步骤:
S11:根据真实情况,在时间和空间上筛选研究区域的遥感日降水产品,选取与站点实测雨量相关系数在0.5以上的遥感雨量数据进行布局优化工作;
S12:将研究区域按遥感数据空间分辨率相符的格网划分为k个网格,将每个格网记为待添加雨量站的概化位置;
S13:利用已存在雨量站网的实测数据进行区域降水量的普通克里金插值计算,获取每个网格的日估计降水量。
优选地,S2包括以下子步骤:
S21:根据信息熵理论,应用遥感数据逐一计算区域网格X的局部异质性指数
式中,l表示时间序列长度,m表示选取的X周围格网个数,T为备选站点集的互信息,H为原有站网后新站网的相关熵;
S22:统计区域克里金方差的计算结果,逐一计算区网格X的所有时间l的平均克里金方差
S23:提取两种属性值满足设定阈值t,预设阈值均为二分位数,条件的区域作为站点布设的潜在布设位置,即备选站点集YF1,YF2,...,YFm,筛选条件表示为
优选地,S3包括以下子步骤:
S31:根据MIMR站网信息量计算方法,逐一计算每个备选站点加入原有站网后新站网的相关熵H、已有站点集与备选站点集的互信息T和新站网内部的冗余值C,分别进行离差标准化为和计算得出总信息量Inet(X,YFi)
式中,XS1,XS2,...,XSn为已有的站点集;
S32:逐一计算每个备选站点加入原有站网后新站网的局部异质性指数的均值,作为描述新站网整体空间代表性的指标S
式中,为备选站点Y的局部异质性指数;
S33:逐一计算每个备选站点加入原有站网后新站网的区域克里金插值,统计区域面平均克里金方差A
优选地,S4包括以下子步骤:
S41:分别对备选站点加入原有站网后新站网的三种指标进行离差标准化计算,消除量纲的影响,计算得出每种站网的综合评价指数ISA
式中,表示总信息量,表示新站网整体空间代表性,表示区域面平均克里金方差;
S42:ISA指数最大的新站网为新增一个站点后效果最优的站网,其中新增站点的位置是增加1个站点时的最佳位置,更新站网的已有站点信息和插值数据。
本发明卫星遥感与地面数据协同的雨量站网优化布局方法的有益效果如下:
1.在站网优化设计标准中,增加了站网空间代表性的优化,与传统的仅考虑信息量或信息容量和插值精度的方法不同,站网的空间代表性优化使得其能够更好地获取监测区域的降水特征。
2.在站网优化设计数据源中,采用遥感降水产品替换了已有实测数据插值结果考虑降雨的空间特征,使雨量站网的优化布局更客观合理。
3.由于添加了备选站点区域筛选,在保证站网精度的同时提高了站网布局优化的时效性。
4.本发明提供的雨量站网优化布局方法计算步骤简单,普适性强。
附图说明
图1为本发明卫星遥感与地面数据协同的雨量站网优化布局方法的总流程框图。
图2为本发明卫星遥感与地面数据协同的雨量站网优化布局方法的雨量站网备选站点集图。
图3为本发明卫星遥感与地面数据协同的雨量站网优化布局方法的第26个雨量站的备选站点集的总信息值、空间代表性和插值精度三个指标的离差标准化结果示意图。
图4为本发明卫星遥感与地面数据协同的雨量站网优化布局方法的最终实施例60个雨量站网布设结果示意图。
图5为本发明卫星遥感与地面数据协同的雨量站网优化布局方法的对比实施例真值雨量数据统计雨量站网各指标结果图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种卫星遥感与地面数据协同的雨量站网优化布局方法,包括以下步骤:
S1:收集研究区域已有站网的实测降水数据和卫星遥感降水产品,并统一为日尺度格网数据集;
S2:根据信息熵和克里金插值理论,计算每个格网的空间代表性和插值精度两个指标,即从单站的角度筛选出雨量站布设的潜在区域;
S3:计算在每个潜在布设位置新建站点后站网的总信息量、平均空间代表性和插值精度三个指标,即从整体站网的角度筛选建站的位置;
S4:根据每种新站网的指标表现,采用贪心排序算法得出建站的位置排序,选取最优建站位置与原站网组合成为新站网;
S5:判断新站网的雨量站数目是否满足设定目标个数,若否则返回S1;若是,则结束。
本实施方案的S1包括以下子步骤:
S11:根据真实情况,在时间和空间上筛选研究区域的遥感日降水产品,选取与站点实测雨量相关系数在0.5以上的遥感雨量数据进行布局优化工作;
S12:将研究区域按遥感数据空间分辨率相符的格网划分为k个网格,将每个格网记为待添加雨量站的概化位置;
S13:利用已存在雨量站网的实测数据进行区域降水量的普通克里金插值计算,获取每个网格的日估计降水量。
本实施方案的S2包括以下子步骤:
S21:根据信息熵理论,应用遥感数据逐一计算区域网格X的局部异质性指数
式中,l表示时间序列长度,m表示选取的X周围格网个数,T为备选站点集的互信息,H为原有站网后新站网的相关熵;
S22:统计区域克里金方差的计算结果,逐一计算区网格X的所有时间l的平均克里金方差
S23:提取两种属性值满足设定阈值t,预设阈值均为二分位数,条件的区域作为站点布设的潜在布设位置,即备选站点集YF1,YF2,...,YFm,筛选条件表示为
本实施方案的S3包括以下子步骤:
S31:根据MIMR站网信息量计算方法,逐一计算每个备选站点加入原有站网后新站网的相关熵H、已有站点集与备选站点集的互信息T和新站网内部的冗余值C,分别进行离差标准化为和计算得出总信息量Inet(X,YFi)
式中,XS1,XS2,...,XSn已有的站点集;
S32:逐一计算每个备选站点加入原有站网后新站网的局部异质性指数的均值,作为描述新站网整体空间代表性的指标S
式中,为备选站点Y的局部异质性指数;
S33:逐一计算每个备选站点加入原有站网后新站网的区域克里金插值,统计区域面平均克里金方差A
本实施方案的S4包括以下子步骤:
S41:分别对备选站点加入原有站网后新站网的三种指标进行离差标准化计算,消除量纲的影响,计算得出每种站网的综合评价指数ISA
式中,表示总信息量,表示新站网整体空间代表性,表示区域面平均克里金方差;
S42:ISA指数最大的新站网为新增一个站点后效果最优的站网,其中新增站点的位置是增加1个站点时的最佳位置,更新站网的已有站点信息和插值数据。
本实施方案在实施时,一种卫星遥感与地面数据协同的雨量站网优化布局方法,包括以下步骤:
S1:收集研究区域已有站网的实测降水数据和卫星遥感降水产品,并统一为日尺度格网数据集;
时间序列选为10年的雨季,共计1530日,实施例区域已有雨量站网25个,卫星遥感降水产品选用PERSIANN-CCS数据,是基于红外亮温图像的云特征的分类,通过神经网络程序计算的降水量产品,空间分辨率为0.04°,优化布局的目标雨量站个数为60。
S1包括以下子步骤:
S11:根据真实情况,在时间和空间上筛选研究区域的遥感日降水产品,选取精度高的遥感雨量数据进行布局优化工作;
S12:将研究区域按遥感数据空间分辨率相符的格网划分为k个网格,将每个格网记为待添加雨量站的概化位置;
S13:利用已存在雨量站网的实测数据进行区域降水量的普通克里金插值计算,获取每个网格的日估计降水量。
S2:根据信息熵和克里金插值理论,计算每个格网的空间代表性和插值精度两个指标,即从单站的角度筛选出雨量站布设的潜在区域;
S2包括以下子步骤:
S21:根据信息熵理论,应用遥感数据逐一计算区域网格X的局部异质性指数
式中,l表示时间序列长度,m表示选取的X周围格网个数,T为备选站点集的互信息,H为原有站网后新站网的相关熵;
S22:统计区域克里金方差的计算结果,逐一计算区网格X的所有时间l的平均克里金方差
S23:提取两种属性值满足设定阈值t,预设阈值均为二分位数,条件的区域作为站点布设的潜在布设位置,即备选站点集YF1,YF2,...,YFm,筛选条件表示为
作为一个具体的实施例,m设定为24,筛选后的时间序列l为1196日,阈值t1,t2均取相应数值的0.5分位数,筛选后的实施例区域第26个雨量站网备选站点集共有218个,如图2所示。随雨量站网的站点总数的增加,符合条件的备选站点集数量随之减少,例如,第60个雨量站的备选站点集共有113个。
S3:计算在每个潜在布设位置新建站点后站网的总信息量、平均空间代表性和插值精度三个指标,即从区域整体的角度筛选建站的位置;
S3包括以下子步骤:
S31:根据MIMR站网信息量计算方法,逐一计算每个备选站点加入原有站网后新站网的相关熵H、已有站点集与备选站点集的互信息T和新站网内部的冗余值C,分别进行离差标准化为和计算得出总信息量Inet(X,YFi)
式中,XS1,XS2,...,XSn已有的站点集;
S32:逐一计算每个备选站点加入原有站网后新站网的局部异质性指数的均值,作为描述新站网整体空间代表性的指标S
式中,为备选站点Y的局部异质性指数;
S33:逐一计算每个备选站点加入原有站网后新站网的区域克里金插值,统计区域面平均克里金方差A
S4:根据每种新站网的指标表现,采用贪心排序算法得出建站的位置排序,选取最优建站位置与原站网组合成为新站网;
S4包括以下子步骤:
S41:分别对备选站点加入原有站网后新站网的三种指标进行离差标准化计算,消除量纲的影响,计算得出每种站网的综合评价指数ISA;
式中,表示总信息量,表示新站网整体空间代表性,表示区域面平均克里金方差;
S42:ISA指数最大的新站网为新增一个站点后效果最优的站网,其中新增站点的位置是增加1个站点时的最佳位置,更新站网的已有站点信息和插值数据。
作为一个具体的实施例,第26个雨量站的备选站点集的总信息值、平均空间代表性和插值精度三个指标的离差标准化结果如图3(3-a,3-b,3-c)所示,雨量站的最佳位置如图3-d所示。
S5:判断新站网的雨量站数目是否满足设定目标个数,若否则返回S1;若是,则结束。
最终实施例60个雨量站网布设结果如图4所示。对比实施例真值雨量数据,统计雨量站网各指标结果如图5所示。结果表明,雨量站网布设方案在信息量、空间代表性和插值误差方面均表现良好,布局分布客观合理。可选地,可根据统计图5选择雨量站布局数目,最大化站网布局的性价比。
Claims (5)
1.一种卫星遥感与地面数据协同的雨量站网优化布局方法,其特征在于,包括以下步骤:
S1:收集研究区域已有站网的实测降水数据和卫星遥感降水产品,并统一为日尺度格网数据集;
S2:根据信息熵和克里金插值理论,计算每个格网的空间代表性和插值精度两个指标,即从单站的角度筛选出雨量站布设的潜在区域;
S3:计算在每个潜在布设位置新建站点后站网的总信息量、平均空间代表性和插值精度三个指标,即从整体站网的角度筛选建站的位置;
S4:根据每种新站网的指标表现,采用贪心排序算法得出建站的位置排序,选取最优建站位置与原站网组合成为新站网;
S5:判断新站网的雨量站数目是否满足设定目标个数,若否则返回S1;若是,则结束。
2.根据权利要求1所述的卫星遥感与地面数据协同的雨量站网优化布局方法,其特征在于,所述S1包括以下子步骤:
S11:根据真实情况,在时间和空间上筛选研究区域的遥感日降水产品,选取与站点实测雨量相关系数在0.5以上的遥感雨量数据进行布局优化工作;
S12:将研究区域按遥感数据空间分辨率相符的格网划分为k个网格,将每个格网记为待添加雨量站的概化位置;
S13:利用已存在雨量站网的实测数据进行区域降水量的普通克里金插值计算,获取每个网格的日估计降水量。
3.根据权利要求1所述的卫星遥感与地面数据协同的雨量站网优化布局方法,其特征在于,所述S2包括以下子步骤:
S21:根据信息熵理论,应用遥感数据逐一计算区域网格X的局部异质性指数
式中,l表示时间序列长度,m表示选取的X周围格网个数,T为备选站点集的互信息,H为原有站网后新站网的相关熵;
S22:统计区域克里金方差的计算结果,逐一计算区网格X的所有时间l的平均克里金方差
S23:提取两种属性值满足设定阈值t,预设阈值均为二分位数,条件的区域作为站点布设的潜在布设位置,即备选站点集YF1,YF2,...,YFm,筛选条件表示为
4.根据权利要求1所述的卫星遥感与地面数据协同的雨量站网优化布局方法,其特征在于,所述S3包括以下子步骤:
S31:根据MIMR站网信息量计算方法,逐一计算每个备选站点加入原有站网后新站网的相关熵H、已有站点集与备选站点集的互信息T和新站网内部的冗余值C,分别进行离差标准化为 和计算得出总信息量Inet(X,YFi)
式中,XS1,XS2,...,XSn为已有的站点集;
S32:逐一计算每个备选站点加入原有站网后新站网的局部异质性指数的均值,作为描述新站网整体空间代表性的指标S
式中,为备选站点Y的局部异质性指数;
S33:逐一计算每个备选站点加入原有站网后新站网的区域克里金插值,统计区域面平均克里金方差A
5.根据权利要求1所述的卫星遥感与地面数据协同的雨量站网优化布局方法,其特征在于,所述S4包括以下子步骤:
S41:分别对备选站点加入原有站网后新站网的三种指标进行离差标准化计算,消除量纲的影响,计算得出每种站网的综合评价指数ISA
式中,表示总信息量,表示新站网整体空间代表性,表示区域面平均克里金方差;
S42:ISA指数最大的新站网为新增一个站点后效果最优的站网,其中新增站点的位置是增加1个站点时的最佳位置,更新站网的已有站点信息和插值数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910538884.9A CN110222911B (zh) | 2019-06-20 | 2019-06-20 | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910538884.9A CN110222911B (zh) | 2019-06-20 | 2019-06-20 | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222911A true CN110222911A (zh) | 2019-09-10 |
CN110222911B CN110222911B (zh) | 2021-08-03 |
Family
ID=67814040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910538884.9A Active CN110222911B (zh) | 2019-06-20 | 2019-06-20 | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222911B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738252B (zh) * | 2019-10-14 | 2020-08-14 | 广州地理研究所 | 空间自相关的机器学习卫星降水数据降尺度方法、系统 |
CN112633595A (zh) * | 2020-12-31 | 2021-04-09 | 南京师范大学 | 一种基于雷达降雨数据挖掘的雨量站观测网络设计方法 |
CN112988853A (zh) * | 2021-05-20 | 2021-06-18 | 北京市水利自动化研究所 | 一种基于地统计和优化算法的雨量站网布设方法 |
CN113269240A (zh) * | 2021-05-17 | 2021-08-17 | 中国水利水电科学研究院 | 一种雨量站选址信息输出方法、装置、电子设备和介质 |
CN113536577A (zh) * | 2021-07-21 | 2021-10-22 | 南通大学 | 一种基于空间代表性的pm2.5观测站点优化布局方法 |
CN113570153A (zh) * | 2021-08-06 | 2021-10-29 | 四川省水利科学研究院 | 一种雨量站网点数目优化方法 |
CN113780880A (zh) * | 2021-09-26 | 2021-12-10 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
CN114781713A (zh) * | 2022-04-13 | 2022-07-22 | 中国电建集团成都勘测设计研究院有限公司 | 基于卫星反演降水产品的雨量站网优化方法及装置 |
CN115185923A (zh) * | 2022-07-07 | 2022-10-14 | 中国气象局气象探测中心 | 一种气象观测元数据管理的方法、系统和智能终端 |
CN115545344A (zh) * | 2022-11-07 | 2022-12-30 | 长江水利委员会长江科学院 | 山洪小流域雨量站网布局优化方法 |
CN117670134A (zh) * | 2023-12-12 | 2024-03-08 | 南通大学 | 一种空气污染物观测站点布局评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909616A (zh) * | 2017-01-13 | 2017-06-30 | 南京大学 | 基于信息熵的多目标水文站网优化模型 |
CN107315722A (zh) * | 2017-07-03 | 2017-11-03 | 南京大学 | 基于克里金和信息熵理论相结合的水文站网优化模型 |
CN107423561A (zh) * | 2017-07-11 | 2017-12-01 | 云南瀚哲科技有限公司 | 一种土壤属性插值的估算方法 |
CN109341723A (zh) * | 2018-11-22 | 2019-02-15 | 东南大学 | 一种基于地磁信息熵和相似性度量的综合地磁匹配方法 |
-
2019
- 2019-06-20 CN CN201910538884.9A patent/CN110222911B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909616A (zh) * | 2017-01-13 | 2017-06-30 | 南京大学 | 基于信息熵的多目标水文站网优化模型 |
CN107315722A (zh) * | 2017-07-03 | 2017-11-03 | 南京大学 | 基于克里金和信息熵理论相结合的水文站网优化模型 |
CN107423561A (zh) * | 2017-07-11 | 2017-12-01 | 云南瀚哲科技有限公司 | 一种土壤属性插值的估算方法 |
CN109341723A (zh) * | 2018-11-22 | 2019-02-15 | 东南大学 | 一种基于地磁信息熵和相似性度量的综合地磁匹配方法 |
Non-Patent Citations (3)
Title |
---|
TINGTING SHI 等: "Spatiotemporal interpolation of rainfall by combining BME theory and satellite rainfall estimates", 《ATMOSPHERE》 * |
汪青静 等: "雨量站网分布对雨量插值算法及径流响应的影响", 《长江科学院院报》 * |
郭浩: "雨量站网分布对雨量插值算法及径流响应的影响", 《地下水》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738252B (zh) * | 2019-10-14 | 2020-08-14 | 广州地理研究所 | 空间自相关的机器学习卫星降水数据降尺度方法、系统 |
CN112633595A (zh) * | 2020-12-31 | 2021-04-09 | 南京师范大学 | 一种基于雷达降雨数据挖掘的雨量站观测网络设计方法 |
CN113269240A (zh) * | 2021-05-17 | 2021-08-17 | 中国水利水电科学研究院 | 一种雨量站选址信息输出方法、装置、电子设备和介质 |
CN112988853A (zh) * | 2021-05-20 | 2021-06-18 | 北京市水利自动化研究所 | 一种基于地统计和优化算法的雨量站网布设方法 |
CN112988853B (zh) * | 2021-05-20 | 2021-09-10 | 北京市水利自动化研究所 | 一种基于地统计和优化算法的雨量站网布设方法 |
CN113536577A (zh) * | 2021-07-21 | 2021-10-22 | 南通大学 | 一种基于空间代表性的pm2.5观测站点优化布局方法 |
CN113536577B (zh) * | 2021-07-21 | 2023-08-22 | 南通大学 | 一种基于空间代表性的pm2.5观测站点优化布局方法 |
CN113570153A (zh) * | 2021-08-06 | 2021-10-29 | 四川省水利科学研究院 | 一种雨量站网点数目优化方法 |
CN113570153B (zh) * | 2021-08-06 | 2024-04-30 | 四川省水利科学研究院 | 一种雨量站网点数目优化方法 |
CN113780880B (zh) * | 2021-09-26 | 2023-07-04 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
CN113780880A (zh) * | 2021-09-26 | 2021-12-10 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
CN114781713A (zh) * | 2022-04-13 | 2022-07-22 | 中国电建集团成都勘测设计研究院有限公司 | 基于卫星反演降水产品的雨量站网优化方法及装置 |
CN114781713B (zh) * | 2022-04-13 | 2023-04-07 | 中国电建集团成都勘测设计研究院有限公司 | 基于卫星反演降水产品的雨量站网优化方法及装置 |
CN115185923B (zh) * | 2022-07-07 | 2023-03-07 | 中国气象局气象探测中心 | 一种气象观测元数据管理的方法、系统和智能终端 |
CN115185923A (zh) * | 2022-07-07 | 2022-10-14 | 中国气象局气象探测中心 | 一种气象观测元数据管理的方法、系统和智能终端 |
CN115545344A (zh) * | 2022-11-07 | 2022-12-30 | 长江水利委员会长江科学院 | 山洪小流域雨量站网布局优化方法 |
CN117670134A (zh) * | 2023-12-12 | 2024-03-08 | 南通大学 | 一种空气污染物观测站点布局评价方法 |
CN117670134B (zh) * | 2023-12-12 | 2024-05-28 | 南通大学 | 一种空气污染物观测站点布局评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110222911B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222911A (zh) | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 | |
CN106226260B (zh) | 一种结合微波和红外遥感影像的土壤水分反演方法 | |
CN108984803B (zh) | 一种农作物产量空间化的方法及系统 | |
CN102609615B (zh) | 基于修正通用水土流失方程的水土流失遥感动态监测方法 | |
Xu et al. | Population mapping in China with Tencent social user and remote sensing data | |
CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
CN106296350A (zh) | 一种可视化分析城市公共自行车系统借还模式的方法 | |
CN105893770A (zh) | 一种气候变化和人类活动对流域水资源影响的量化方法 | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
Das et al. | Studying land use dynamics using decadal satellite images and Dyna-CLUE model in the Mahanadi River basin, India | |
CN103699809B (zh) | 一种基于克里金插值方程的水土流失空间监测方法 | |
CN108646319A (zh) | 一种短时强降雨预报方法及系统 | |
CN107632967A (zh) | 一种草地产草量估算方法 | |
Van Soesbergen et al. | Uncertainty in data for hydrological ecosystem services modelling: Potential implications for estimating services and beneficiaries for the CAZ Madagascar | |
CN111985389A (zh) | 一种基于流域属性距离的流域相似判别方法 | |
CN117611993B (zh) | 一种基于遥感实际蒸散发估算植被分类的方法 | |
West et al. | Scaling and extrapolation of soil degradation assessments | |
Zhang et al. | Efficiency measurement and influencing factors of ecological compensation: a case study from Wuqi and Zhidan on the Loess Plateau | |
Wang et al. | Consistent, accurate, high resolution, long time-series mapping of built-up land in the North China Plain | |
Chen et al. | Unravelling the multilevel and multi-dimensional impacts of building and tree on surface urban heat islands | |
Huang et al. | Spatio-temporal variation of landscape heterogeneity under influence of human activities in Xiamen City of China in recent decade | |
Saxena et al. | Land use and land cover change impact on characteristics of surface evapotranspiration in semi-arid environment of Western Rajasthan, India | |
CN110717233B (zh) | 一种基于gis下垫面解析的雨水管网流量计算方法及系统 | |
CN111199092A (zh) | 太阳辐射遥感估算方法、系统及数据处理装置 | |
CN116523189A (zh) | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |