CN110334446B - 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法 - Google Patents

基于卫星降水数据的降尺度处理的山洪临界雨量计算方法 Download PDF

Info

Publication number
CN110334446B
CN110334446B CN201910605894.XA CN201910605894A CN110334446B CN 110334446 B CN110334446 B CN 110334446B CN 201910605894 A CN201910605894 A CN 201910605894A CN 110334446 B CN110334446 B CN 110334446B
Authority
CN
China
Prior art keywords
data
rainfall
remote sensing
degrees
precipitation
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
Application number
CN201910605894.XA
Other languages
English (en)
Other versions
CN110334446A (zh
Inventor
曲伟
雷添杰
路京选
李小涛
李琳
庞治国
付俊娥
宋文龙
姚远
谭亚男
蒲立
万金红
程慧
冯天时
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN201910605894.XA priority Critical patent/CN110334446B/zh
Publication of CN110334446A publication Critical patent/CN110334446A/zh
Application granted granted Critical
Publication of CN110334446B publication Critical patent/CN110334446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Abstract

本发明涉及一种基于卫星降水数据的降尺度处理的山洪临界雨量计算方法，该方法包括：S1.遥感降水数据的降尺度处理；S2.降尺度遥感降水数据的地面校正及精度验证；S3.基于遥感的山洪临界雨量分析计算。上述方法提高了山区降雨计算精度，提高了在缺资料区山洪降雨量的计算精度。

Description

基于卫星降水数据的降尺度处理的山洪临界雨量计算方法
技术领域
本发明涉及遥感数据计算技术领域，特别涉及一种基于卫星降水数据的降尺度处理的山洪临界雨量计算方法。
背景技术
山洪是山区小流域降雨引起的溪沟洪水，具有突发、暴涨暴落的特性，常同时诱发山体滑坡和泥石流灾害，给局部地区带来严重损失，造成人员伤亡。我国山洪灾害频发，危害严重，山洪灾害防治区面积463万km2，涉及人口5.6亿人。20世纪90年代以来，我国平均每年因山洪灾害造成的死亡人数超过1000人，山洪灾害年均经济损失在400亿元以上。山洪灾害防治的基础是临界雨量的确定，临界雨量指在一个流域或区域内，降雨量达到或超过某一量级时该流域或区域发生山洪灾害，此时的降雨量称为临界雨量。当降雨量超过临界雨量时，启动山洪防治方案。
常用的临界雨量计算方法有两种，一种是基于灾害实例数据的经验法，包括：统计归纳法、比拟法和内插法等；另一种是基于水文水力学原理的理论方法，包括：经典水文理论法、水位—流量反推法和暴雨临界曲线法等。经验法方法简单，计算方便，在应用中被广泛采用，但存在一些问题，比如在同一地区采用不同的经验方法得到的临界雨量并不一致，而且计算过程中需要专家经验和综合对比分析。理论方法具有较强的物理机理和理论基础，在国外的研究和应用较多，最具代表性的是基于水文模型的临界雨量计算方法，该方法利用水文模型建立流域降雨—径流关系曲线，在确定临界水位或流量的基础上，推求临界雨量，REED S.(2007)、LOOPER J.P.(2011)等研究人员发现，利用分布式水文模型来建立降雨—径流关系能得到更合理的临界雨量计算结果。
分布式水文模型对数据要求较高，尤其需要时间序列的降水数据。山洪易发区多观测资料匮乏，《规划》中指出中国的山洪灾害防治范围涉及29个省(自治区、直辖市)的广大山丘区，而这些山洪灾害威胁区，尤其在西部地区，大多远离城镇，降雨和水文资料非常缺乏；即使有观测数据，数据也常存在不连续或有错误的问题，在应用时需要其他数据的辅助支持。随着遥感和地理信息技术的发展，遥感降水数据时空分辨率不断提高，遥感降水数据被广泛应用于水文过程研究中，但在区域尺度与流域尺度等方面的应用中仍然存在分辨率偏低的问题。
近年来，在全球与区域尺度上已经形成了一系列的遥感降水数据集，如全球降水气候计划(GPCP)，全球卫星测绘降水计划(GSMaP)和热带降水观测计划(TRMM)等。热带降水观测计划(TRMM)是遥感降水数据产品的典型代表，它能够提供自1998年起覆盖全球南北纬50°范围内的多时间尺度(月、日、3小时)降水数据。我国的绝大多数山丘区位于北纬50°以内，能够被TRMM数据覆盖，但是由于数据空间分辨率为0.25°*0.25°，在应用于小流域时存在分辨率偏低的问题。
并且在分解遥感数据时不同数据空间分解所采用的分辨率有所不同，对于采集后各个不同分辨率降雨径流累积数值之间存在系统误差；在随后使用这些数据绘制的降降雨—径流关系曲线中会存在曲线漂移和突变的问题，对最后的雨量计算分析的正确性带来较大的误差。
因此，需要提供一种提高山区小流域雨量计算的范围和精度的山洪临街雨量计算方法，为山洪灾害治理工程的实施提供支持。
发明内容
本发明所要解决的技术问题是：提供一种提高山区小流域雨量计算的范围和精度的山洪临街雨量计算方法，为山洪灾害治理工程的实施提供支持。
本发明解决其技术问题所采取的技术方案是：
一种基于卫星降水数据的降尺度处理的山洪临界雨量计算方法，该方法包括：
S1.遥感降水数据的降尺度处理步骤；
S2.降尺度遥感降水数据的地面校正及精度验证步骤；
S3.基于遥感的山洪临界雨量分析计算步骤。
进一步地，步骤S1进一步包括：
S11.遥感数据重采样步骤：对包含高程、坡度和坡向信息，30m的数字高程模型(DEM)、TRMM降水数据(0.25°)分别进行重采样，将相应的经纬度数据栅格化，并且利用植被指数(NDVI 1km)数据反演降水量，得到五个空间尺度的数据集，分别是1km、0.25°、0.50°、0.75°和1.00°；
S12.多尺度多元回归模型构建步骤：根据0.25°至1.0°四种尺度的遥感数据集，以NDVI、DEM和经纬度为自变量，TRMM数据为因变量，建立多元回归模型，得到四种反演降水的模型，将0.25°尺度下的DEM、NDVI和经纬度数据代入这四个模型，将反演结果分别与0.25°的TRMM数据进行对比分析，选择反演精度最高的模型作为回归模型；
S13.TRMM数据降尺度处理步骤：采用S12得到的回归模型，分别利用1km和0.25°的数字高程模型、NDVI和经纬度数据反演1km和0.25°的降水数据，将0.25°的TRMM数据和反演降水数据相减得到两者的残差，再利用空间插值法对残差进行插值至1km，同反演的1km降水数据相加，得到降尺度的遥感降水数据(1km)。
进一步地，步骤S11中，在利用植被指数NDVI数据反演降水量时，需要消除水体和居民地等的影响，因此植被指数NDVI数据要经过预处理，即采用Moran指数来进行NDVI空间异质性分析，结合人机交互解译，去除水体和居民地等NDVI突变值，获得NDVI插值，并采用空间插值法修正五个空间尺度的数据集。
进一步地，步骤S2进一步包括：
S21.地面校正步骤：首先将地面实测降水插值成0.25°的格网数据，分别利用GDA和GPA方法计算地面实测数据和0.25°的TRMM数据之间的校正因子(即差值和比值)，并将校正因子空间插值至1km尺度，分别与降尺度遥感降水数据相加或相乘，得到校正后的降尺度降水；
S22.精度验证步骤：利用均方根误差、偏差、平均绝对误差和平均相对误差等指标对地面雨量站位置的降尺度遥感降水数据进行精度验证，比较两种校正方法的优劣，获得高精度的降尺度遥感降水数据。
进一步地，步骤S3进一步包括：
S31.利用DEM、土地利用数据和土壤数据等构建研究区分布式水文模型HEC-HMS，输入降尺度遥感降水数据，分析不同历时(3h、6h、12h和24h)下的降雨径流累积情况，绘制一定土壤饱和条件下的降雨—径流关系曲线。
S32.根据河道主要断面的控制水位，获取河道的控制流量，也可根据河道防洪标准确定临界径流量，带入上一步的降雨—径流关系曲线反推临界降雨量，结合灾害实例调查数据，对临界雨量进行验证。
本发明提供的山洪临界雨量计算方法，具有以下有益效果：将以TRMM遥感降水为数据源，采用统计降尺度方法，结合地面校正和验证，提高TRMM数据的空间分辨率至1km，利用分布式水文模型HEC-HMS，通过绘制降雨—径流关系曲线，开展山洪灾害临界雨量分析计算。该研究不仅能够提高山区降雨计算精度，同时对山洪灾害的防治也具有重要意义，尤其是在缺资料区山洪灾害防治精度的提高方面将发挥重大作用。
附图说明
图1为本发明提供的山洪临界雨量计算方法的流程示意图。
具体实施方式
下面将参照附图对本发明进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明而仍然实现本发明的有益效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
为了清楚，不描述实际实施例的全部特征。在下列描述中，不详细描述公知的功能和结构，因为它们会使本发明由于不必要的细节而混乱。应当认为在任何实际实施例的开发中，必须作出大量实施细节以实现开发者的特定目标。
为使本发明的目的、特征更明显易懂，下面结合附图对本发明的具体实施方式作进一步的说明。需要说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用一方便、清晰地辅助说明本发明实施例的目的。
本发明通过分析遥感降水数据(TRMM 3B42)与区域气象变量之间的联系，在不同尺度上建立降雨和NDVI、高程、坡度、坡向及经纬度的函数关系，确定多元回归分析模型，采用统计降尺度方法对遥感降水数据进行降尺度转换；同时基于地面观测数据，采用地理差异分析法和地理比率分析法对降尺度后的遥感降水数据进行地面校正，并对校正结果进行验证；在此基础上利用分布式水文模型HEC-HMS，绘制降雨—径流关系曲线，通过确定临界径流量推求临界雨量。
如图1所示，其展示了本申请的山洪临界雨量计算方法的流程，该流程包括：
S1.遥感降水数据的降尺度处理步骤，该步骤分析了不同尺度(0.25°、0.50°、0.75°和1.00°)下TRMM 3B42数据和高程、坡度、坡向、经纬度及NDVI之间的相关关系，分别构建降水的多元回归模型；构建模型的过程中，利用Moran指数去除水体、人类活动等因素对NDVI的影响，采用空间插值法对NDVI突变值进行处理；通过对比这4种降尺度模型的应用效果，选择精度最高的作为最终的降尺度模型，反演1km尺度降水数据；同时，根据该模型计算0.25°尺度下的计算结果和TRMM数据之间的残差，并利用空间插值法将残差插值至1km尺度,与刚才计算的1km降水数据相加，得到1km分辨率的遥感降水数据。
步骤S1具体包括如下步骤：
S11.遥感数据重采样步骤：对包含高程、坡度和坡向信息，30m的数字高程模型(DEM)、TRMM降水数据(0.25°)分别进行重采样，将相应的经纬度数据栅格化，并且利用植被指数(NDVI 1km)数据反演降水量，得到五个空间尺度的数据集，分别是1km、0.25°、0.50°、0.75°和1.00°。
优选地，在利用植被指数NDVI数据反演降水量时，需要消除水体和居民地等的影响，因此植被指数NDVI数据要经过预处理，即采用Moran指数来进行NDVI空间异质性分析，结合人机交互解译，去除水体和居民地等NDVI突变值，获得NDVI插值，并采用空间插值法修正五个空间尺度的数据集。
S12.多尺度多元线性回归模型构建步骤：根据0.25°至1.0°四种尺度的遥感数据集，以NDVI、DEM和经纬度为自变量，TRMM数据为因变量，建立多元回归模型，得到四种反演降水的模型，将0.25°尺度下的DEM、NDVI和经纬度数据代入这四个模型，将反演结果分别与0.25°的TRMM数据进行对比分析，选择反演精度最高的模型作为回归模型。
S13.TRMM数据降尺度处理步骤：采用S12得到的回归模型，分别利用1km和0.25°的数字高程模型、NDVI和经纬度数据反演1km和0.25°的降水数据，将0.25°的TRMM数据和反演降水数据相减得到两者的残差，再利用空间插值法对残差进行插值至1km，同反演的1km降水数据相加，得到降尺度的遥感降水数据(1km)。
S2.降尺度遥感降水数据的地面校正及精度验证步骤，该步骤中根据地面实测降水数据，采用地理差异分析法(Geographical Differential Analysis,GDA)和地理比率分析法(Geographical Ratio Analysis,GRA)对降尺度后的遥感降水数据进行地面校正，对实测数据与遥感降水数据的差值或比值进行空间插值，插值方法在克里金插值、样条插值和反距离权重插值法中择优选取，利用校正因子相加或相乘降尺度数据，得到校正后的降尺度遥感降水数据；利用偏差、均方根误差和相关系数等分析数据精度，利用平均绝对误差(MAE)和平均相对误差(MRE)计算降水数据高精度估算的可信程度。
步骤S2具体包括如下步骤：
S21.地面校正步骤：首先将地面实测降水插值成0.25°的格网数据，分别利用GDA和GPA方法计算地面实测数据和0.25°的TRMM数据之间的校正因子(即差值和比值)，并将校正因子空间插值至1km尺度，分别与降尺度遥感降水数据相加或相乘，得到校正后的降尺度降水。
S22.精度验证步骤：利用均方根误差、偏差、平均绝对误差和平均相对误差等指标对地面雨量站位置的降尺度遥感降水数据进行精度验证，比较两种校正方法的优劣，获得高精度的降尺度遥感降水数据。
S3.基于遥感的山洪临界雨量分析计算步骤，该步骤中选择典型流域作为研究区，利用校正后的降尺度遥感数据，采用水文模型方法，结合流域灾害数据、数字地形图、土地利用数据和土壤数据等，利用分布式水文模型HEC-HMS分析计算临界雨量。
首先利用水文模型获得某一历时(3小时、6小时、12小时和24小时)产生的不同径流量及其对应降雨量，根据模拟结果绘制一定土壤饱和度条件下的降雨—径流关系曲线，利用临界径流量推求相应的临界雨量；临界径流量的确定可以参考防洪标准，也可以根据代表性断面的控制水位，通过计算获得控制流量，将其作为临界流量。
S31.利用DEM、土地利用数据和土壤数据等构建研究区分布式水文模型HEC-HMS，输入降尺度遥感降水数据，分析不同历时(3h、6h、12h和24h)下的降雨径流累积情况，绘制一定土壤饱和条件下的降雨—径流关系曲线。
具体地对于地图上的各个测量点构建不同时间的降尺度遥感降雨径流累积矩阵M，其中，
Figure BDA0002120668440000071
χt/n表示特定历时时间对应的特定纬度的降雨径流累积数值，例如χ3h/0.25表示3h历时0.25°纬度上的降雨径流累积数值，以此类推。
对于所有的测量点，每一个测量点对应一个降尺度遥感降雨径流累积矩阵Mi，即Mi表示第i个测量点的降尺度遥感降雨径流累积矩阵。
为避免特征矩阵中存在异常数据，并且为了方便处理和实现更好的计算效果，需要先对征矩阵进行归一化处理。具体方法可以为Matlab的min函数实现。归一化后的降尺度遥感降雨径流累积矩阵表示为Mi’。
在归一化处理之后，根据函数
Figure BDA0002120668440000072
对于遥感降雨径流累积矩阵M进行驯化，可以获得Mi矩阵的修正矩阵Ki，该纠正矩阵内包含各个测量点对应的驯化降雨径流累积数值。通过驯化过程修正了不同数据空间的分辨率不同，所造成的各组数据之间的系统误差。根据上述驯化降雨径流累积数值绘制降降雨—径流关系曲线。
采用上述方法获得降雨量，能够避免人工或者程序拟合带来的数据曲线拟合偏差，提高了数据拟合的自动化程度和准确性。
S32.根据河道主要断面的控制水位，获取河道的控制流量，也可根据河道防洪标准确定临界径流量，带入上一步的降雨—径流关系曲线反推临界降雨量，结合灾害实例调查数据，对临界雨量进行验证。
本发明提供的山洪临界雨量计算方法，具有以下有益效果：将以TRMM遥感降水为数据源，采用统计降尺度方法，结合地面校正和验证，提高TRMM数据的空间分辨率至1km，利用分布式水文模型HEC-HMS，通过绘制降雨—径流关系曲线，开展山洪灾害临界雨量分析计算。该研究不仅能够提高山区降雨计算精度，同时对山洪灾害的防治也具有重要意义，尤其是在缺资料区山洪灾害防治精度的提高方面将发挥重大作用。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种基于卫星降水数据的降尺度处理的山洪临界雨量计算方法，其特征在于：该方法包括：
S1.遥感降水数据的降尺度处理；
S2.降尺度遥感降水数据的地面校正及精度验证；
S3.基于遥感的山洪临界雨量分析计算；
步骤S1进一步包括：
S11.遥感数据重采样步骤：对包含高程、坡度和坡向信息，30m的数字高程模型、0.25°TRMM降水数据分别进行重采样，将相应的经纬度数据栅格化，并且利用NDVI 1km的植被指数数据反演降水量，得到五个空间尺度的数据集，分别是1km、0.25°、0.50°、0.75°和1.00°；
S12.多尺度多元回归模型构建步骤：根据0.25°至1.0°四种尺度的遥感数据集，以NDVI、DEM和经纬度为自变量，TRMM数据为因变量，建立多元回归模型，得到四种反演降水的模型，将0.25°尺度下的DEM、NDVI和经纬度数据代入这四个模型，将反演结果分别与0.25°的TRMM数据进行对比分析，选择反演精度最高的模型作为回归模型；
S13.TRMM数据降尺度处理步骤：采用S12得到的回归模型，分别利用1km和0.25°的数字高程模型、NDVI和经纬度数据反演1km和0.25°的降水数据，将0.25°的TRMM数据和反演降水数据相减得到两者的残差，再利用空间插值法对残差进行插值至1km，同反演的1km降水数据相加，得到降尺度的遥感降水数据；
步骤S11中，在利用植被指数NDVI数据反演降水量时，需要消除水体和居民地的影响，因此植被指数NDVI数据要经过预处理，即采用Moran指数来进行NDVI空间异质性分析，结合人机交互解译，去除水体和居民地NDVI突变值，获得NDVI插值，并采用空间插值法修正五个空间尺度的数据集；
步骤S2进一步包括：
S21.地面校正步骤：首先将地面实测降水插值成0.25°的栅格数据，分别利用GDA和GPA方法计算地面实测数据和0.25°的TRMM数据之间的校正因子，并将校正因子空间插值至1km尺度，分别与降尺度遥感降水数据相加或相乘，得到校正后的降尺度降水；
S22.精度验证步骤：利用均方根误差、偏差、平均绝对误差和平均相对误差指标对地面雨量站位置的降尺度遥感降水数据进行精度验证，比较两种校正方法的优劣，获得高精度的降尺度遥感降水数据；
步骤S3进一步包括：
S31.利用DEM、土地利用数据和土壤数据构建研究区分布式水文模型HEC-HMS，输入降尺度遥感降水数据，分析3h、6h、12h和24h不同历时下的降雨径流累积情况，绘制一定土壤饱和条件下的降雨—径流关系曲线；
S32.根据河道主要断面的控制水位，获取河道的控制流量，也可根据河道防洪标准确定临界径流量，带入上一步的降雨—径流关系曲线反推临界降雨量，结合灾害实例调查数据，对临界雨量进行验证。
CN201910605894.XA 2019-07-05 2019-07-05 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法 Active CN110334446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910605894.XA CN110334446B (zh) 2019-07-05 2019-07-05 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910605894.XA CN110334446B (zh) 2019-07-05 2019-07-05 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法

Publications (2)

Publication Number Publication Date
CN110334446A CN110334446A (zh) 2019-10-15
CN110334446B true CN110334446B (zh) 2020-03-17

Family

ID=68143912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910605894.XA Active CN110334446B (zh) 2019-07-05 2019-07-05 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法

Country Status (1)

Country Link
CN (1) CN110334446B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852526B (zh) * 2019-11-19 2023-08-04 南京中禹智慧水利研究院有限公司 一种基于雨洪过程相似性判别的实时洪水预报方法
CN111177652B (zh) * 2019-11-27 2021-10-01 中国科学院遥感与数字地球研究所 一种遥感降水数据的空间降尺度方法及系统
CN110865425B (zh) * 2019-11-28 2021-10-26 中国有色金属长沙勘察设计研究院有限公司 一种基于先验信息的雨量计粗差探测方法
CN111401644A (zh) * 2020-03-19 2020-07-10 南京国准数据有限责任公司 一种基于神经网络的降水降尺度空间预测方法
CN111414723B (zh) * 2020-04-29 2021-06-25 中国水利水电科学研究院 一种利用wrf模式分析面雨量误差的方法
CN113536521A (zh) * 2020-09-27 2021-10-22 石河子大学 一种天山北坡中低海拔地区的年平均降雨量推算方法
CN112734047B (zh) * 2021-01-08 2021-07-27 中国科学院地理科学与资源研究所 一种基于机器学习判别降雨事件的卫星降雨数据校正方法
CN113158139B (zh) * 2021-02-26 2021-10-08 河海大学 一种卫星观测降雨数据的降尺度产品误差计算方法
CN113159378B (zh) * 2021-03-15 2022-04-05 中国科学院地理科学与资源研究所 无测站山区径流与遥感降水相结合的降水估算方法
CN116451396A (zh) * 2023-04-18 2023-07-18 南京禹顺水利环境科技有限公司 一种基于地下水要素空间相关性的监测井网优化方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1744185A1 (en) * 2005-07-13 2007-01-17 CIMA-Università degli Studi di Genova Method for estimating a variable geophysical field particularly for forecasting atmospheric precipitation
CN105808948B (zh) * 2016-03-08 2017-02-15 中国水利水电科学研究院 一种自动修正的多模式数值降雨集合预报方法
CN106021868B (zh) * 2016-05-10 2018-05-29 浙江大学 一种基于多规则算法的遥感数据降尺度方法
CN106776481B (zh) * 2016-11-29 2020-05-05 河海大学 一种作用于卫星降水数据的降尺度校正方法
CN108647805B (zh) * 2018-04-03 2022-10-21 郑州大学 一种山洪灾害临界雨量综合检验方法
CN108681639A (zh) * 2018-05-16 2018-10-19 河海大学 一种考虑局部变量和全局变量的动态降水降尺度方法

Also Published As

Publication number Publication date
CN110334446A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN110334446B (zh) 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法
Onyutha et al. Comparison of different statistical downscaling methods for climate change rainfall projections over the Lake Victoria basin considering CMIP3 and CMIP5
Gericke et al. Review of methods used to estimate catchment response time for the purpose of peak discharge estimation
Domeneghetti et al. The use of remote sensing-derived water surface data for hydraulic model calibration
Finlayson et al. Modeling large-scale fluvial erosion in geographic information systems
Berezowski et al. CPLFD-GDPT5: High-resolution gridded daily precipitation and temperature data set for two largest Polish river basins
Zhang et al. GIS-based spatial precipitation estimation using next generation radar and raingauge data
Jiang et al. TPHiPr: a long-term (1979–2020) high-accuracy precipitation dataset (1/30∘, daily) for the Third Pole region based on high-resolution atmospheric modeling and dense observations
Boufala et al. Hydrological modeling of water and soil resources in the basin upstream of the Allal El Fassi dam (Upper Sebou watershed, Morocco)
Zang et al. Improving the flood prediction capability of the Xin’anjiang model by formulating a new physics-based routing framework and a key routing parameter estimation method
Barros et al. Flood nonstationarity in the southeast and mid-Atlantic regions of the United States
CN115357847A (zh) 一种基于误差分解的日尺度星地降水融合方法
Aduah et al. Assessing suitability of the ACRU hydrological model in a rainforest catchment in Ghana, West Africa
Reeve et al. Statistical analysis and forecasts of long-term sandbank evolution at Great Yarmouth, UK
Kormos et al. 31 years of hourly spatially distributed air temperature, humidity, and precipitation amount and phase from Reynolds Critical Zone Observatory
Tebano et al. QMorphoStream: processing tools in QGIS environment for the quantitative geomorphic analysis of watersheds and river networks
CN116796649A (zh) 一种基于机器学习的spei粗分辨率数据空间降尺度方法及装置
Zhou et al. Daily rainfall model to merge TRMM and ground based observations for rainfall estimations
Jose et al. BaDAM toolbox: A GIS-Based approach for automated drainage basin morphometry
Ren et al. Hydrological variability and loading deformation in the Yangtze river basin based on modern geodetic means
Gao et al. Effect of intense rainfall and high riverine water level on compound flood hazards in a river-valley city: A case study of Yingde, China
Trinh et al. Flood forecasting by means of dynamical downscaling of global NWPs coupling with a hydrologic model at Nong Son-Thanh My River basins
CN117610791B (zh) 一种应用于大范围水文干旱监测的方法及装置
CN114626743B (zh) 一种基于地形分解技术的卫星降水数据空间降尺度方法、系统、存储介质及设备
Nyeko-Ogiramoi et al. Nonparametric statistical downscaling of precipitation from global climate models

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