CN114626743A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114626743A CN114626743A CN202210314972.2A CN202210314972A CN114626743A CN 114626743 A CN114626743 A CN 114626743A CN 202210314972 A CN202210314972 A CN 202210314972A CN 114626743 A CN114626743 A CN 114626743A
- Authority
- CN
- China
- Prior art keywords
- data
- precipitation
- terrain
- original
- satellite
- 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
- 238000001556 precipitation Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 30
- 238000005516 engineering process Methods 0.000 title claims abstract description 25
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000013179 statistical model Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims 1
- 238000013213 extrapolation Methods 0.000 claims 1
- 238000009825 accumulation Methods 0.000 abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012876 topography Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000000714 time series forecasting Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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"
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Hydrology & Water Resources (AREA)
- Fuzzy Systems (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本发明公开了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，其中的方法包括：获取原始降水量数据；预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；获取原始地形数据；基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。本发明能够推算空间降尺度旬累积降水分布，为水资源评估与管理等领域提供数据支撑。
Description
技术领域
本发明涉及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，属于技术领域。
背景技术
我国降水时空分配不均匀，不同地区同一时间内降水差异巨大，受到局部地形，降水主导方向等因素综合影响。使用基于粗网格卫星降水数据的降尺度方法，通过输入气象站点观测数据，利用降水空间分布与站点观测的统计学关系进行建模，能够实现大范围降水量分布制图与研究。
2021年05月28日公开的专利号为CN 112862208的专利，公开了一种降雨量的时间序列预报模型，开发了城市尺度的降雨量的时间序列预报模型，能够应用在水文气象预报预警的等领域；2021年8月13日公开的专利号为CN 109541729的专利，公开了一种基于NARX的中国北方草原地区生长季降雨量的预测方法，使用NARX方法实现了中国北方草原的生长季降雨量预测。
综上可知，现有的技术多关注于中小尺度降水的推算，对于多尺度影响下的地形降雨特征，目前仍然缺乏一种能够有效实现大范围降水数据精准推算的方法
发明内容
本发明的目的在于克服现有技术中的不足，提供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，能够推算空间降尺度旬累积降水分布，为水资源评估与管理等领域提供数据支撑。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供一种基于地形分解技术的卫星降水数据的降尺度方法，包括以下步骤：
获取原始降水量数据；
预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；
获取原始地形数据；
基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；
根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；
确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。
进一步地，所述基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据包括：
根据获取的原始地形数据构建数字高程模型，获得各种地形的原始高程数据，并使用 BEMD算法和滑动窗口滤波算法分解各种地形的原始高程数据，得到各种地形在各尺度下的地形数据。
进一步地，所述根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型包括：
根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水量统计模型；
基于降水主导方向的模型和降水量统计模型，构建降水分布推算模型。
进一步地，所述降水分布推算模型包括：
P＝b0P0+b1Height+b2Heightcos(PPD-Slope)+b3Heightsin(PPD-Aspect) +b4cos(PPD-Aspect)sin2Slope+Δp
其中，P为推测降水量，Height为海拔数据，PPD为主导降水方向，Slope为坡度数据， Aspect为坡向数据，b0到b4为第二参数，Δp为预测降水量和实际降水量的差值。
第二方面，本发明提供一种基于地形分解技术的卫星降水数据的降尺度系统，包括：
降水量获取模块，用于获取原始降水量数据；
降水量数据预处理模块，用于预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；
地形获取模块，用于获取原始地形数据；
地形数据分解模块，用于基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；
模型构建模块，用于根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；
降水量推算模块，用于确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。
第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
第四方面，本发明提供一种计算设备，其特征在于：包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
与现有技术相比，本发明所达到的有益效果：
本发明通过地形分解技术，综合气象站点数据的可靠性与卫星降水数据的广泛性，建立不同区域内适用的降水分布推算模型，从而推算空间降尺度旬累积降水分布，为水资源评估与管理等领域提供数据支撑。
附图说明
图1为本发明基于地形分解技术的卫星降水数据的降尺度方法的一种实施例流程图；
图2为本发明基于地形分解技术的卫星降水数据的降尺度方法推算的2018年10月第一旬全国降水量分布图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例提供一种基于地形分解技术的卫星降水数据的降尺度方法，如图1所示，包括以下步骤：
S1获取原始降水量数据。
首先确定需要计算卫星降水数据的区域范围，本实施例利用能够完整覆盖区域范围内的原始降水量数据作为插值依据。原始降水量数据包括各气象站点的日降水量数据、卫星空间格点的日降水量数据。
应用中，为了计算全国范围的卫星降水数据，获取国家尺度内2400个气象站点2000年至2018年的旬降水量数据；获取能够覆盖国家及更大尺度的卫星空间格点的降水量数据，时间分辨率为半小时，空间分辨率为0.5°，即45千米。
S2预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据。
过滤原始降水量数据中气候异常值以及极端值，并将过滤后的原始降水量数据进行旬累加，其中卫星空间格点的日降水量数据为空间格点的旬累加，气象站点的日降水量数据为站点的旬累加。
应用中，过滤气象站点的旬降水量数据中的气候异常值、旬极端值以及趋势极端值；过滤卫星空间格点的降水量数据的气候异常值以及旬极端值。
S3获取原始地形数据。
S4基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据。
应用中，根据获取的原始地形数据构建空间分辨率为30米的数字高程模型，获得各种地形的原始高程数据，并使用BEMD算法分解各种地形的原始高程数据，得到各种地形在各尺度下的地形数据。
S5根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型。
应用中，首先，根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水量统计模型；然后，基于降水主导方向的模型和降水量统计模型，构建降水分布推算模型。
S6确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。
降水量观测主要基于气象站点数据，而我国目前气象站点的分布呈现时空不均衡的问题，总体上为东部多西部少。使用卫星降水能够取得大范围的降水量观测结果，但卫星降水数据准确度低于气象站点数据。本发明通过地形分解技术，综合我国气象站点数据的可靠性与卫星降水数据的广泛性，建立不同区域内适用的降水分布推算模型，从而推算我国空间降尺度旬累积降水分布，为水资源评估与管理等领域提供数据支撑。
实施例2
在实施例1的基础上，本实施例详细介绍了各种地形在不同尺度下的地形数据的计算方法、构建降水分布推算模型的方法、
(一)各种地形在不同尺度下的地形数据的计算方法
根据获取的原始高分辨率地形数据构建空间分辨率为30米的数字高程模型与坡向数据，并通过下式获得各种地形的原始高程数据，
其中，Rise为单位网格内的抬升量，Run为单位网格的距离，slope为原始坡度数据，Cell 为方位指向，aspect为地形坡向。
接着，使用BEMD算法和滑动窗口滤波算法多次分解各种地形的原始高程数据，得到各种地形在各尺度下的地形数据：
应用中，以海拔为例，通过下式逐一计算各地形在各尺度下的海拔上包络线、海拔下包络线以及海拔均值：
Localmax＝max(heightx,y)
Localmin＝min(heightx,y)
Deltax,y＝heightx,y-Localmean
其中，heightx,y为原始海拔数据，x为空间点的横坐标，y为空间点的纵坐标，Localmax为海拔上包络线，Localmin为海拔下包络线，Localmean为海拔均值，为上下包络线的平均值， Deltax,y为原始海拔残差。
此外，通过下式计算计算原始海拔残差的标准差Std：
其中，Deltax,y,mean为滑动窗口内区域原始海拔残差的均值，Deltax,y,i为滑动窗口内区域原始海拔残差，nx与ny分别为滑动窗口内区域网格点x方向与y方向的个数，n为滑动窗口内区域网格点个数。
当原始海拔残差的标准差小于等于预设阈值时，计算该层次模态的地形数据与原始海拔数据的差值，并将该差值作为下一次分解的原始海拔数据，即下一层模态下的原始海拔数据。
应用中，根据区域范围的地形起伏程度，确定分解的次数，地形起伏大分解的次数多，根据试验可得，本实施例的第一模态为原始地形、第三模态为高频地形、第五模态为中频率地形及第八模态为低频率地形。
本实施例应用时，使用上述同样的方法分解原始坡度数据以及原始坡向数据，提取对应的地形分布特征。
(二)构建降水分布推算模型的方法
首先，由于降水量的形成受到多重因素影响，本实施例考虑海拔、坡度、坡向以及地理位置等要素对降水量的影响，使用多元线性回归方程，根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水量统计模型：
其中，p`为预测降水量，psatellite为根据卫星降水数据获得的旬降水量数据，height为海拔数据，slope为坡度数据，aspect为坡向数据，longitude为经度数据，latitude为纬度数据， a0到a5为第一参数。
应用中，首先采用最小二乘法确定算法参数，使得预测降水量与观测降水量值之差的平方和达到最小：
其中，pm为预测旬降水量。
接着，采用反距离加权空间插值方法，通过下式将确定的第一参数进行空间推广：
其中：x为待推广参数，d(x,xi)为待预测点与已知点的距离，p为反距离参数，一般为 2，wi(x)为反距离的权重系数，ui为已知点的参数，i为空间点编号，N为空间点数量。
接着，由于降水量的分布受到物理过程的影响，本实施例基于降水主导方向的模型和降水量统计模型，构建具有物理意义的降水分布推算模型：
P＝b0P0+b1Height+b2Heightcos(PPD-Slope)+b3Heightsin(PPD-Aspect) +b4cos(PPD-Aspect)sin2Slope+Δp
其中，p为推测降水量，PPD为主导降水方向，b0到b4为第二参数，Δp为预测降水量和实际降水量的差值。
应用中，在各站点尺度上，利用最小二乘法，确定第二参数b0到b4，并采用反距离加权空间插值方法，将确定的参数进行空间推广，计算空间上每个格点的第二参数b0到b4数值。
利用参数网格搜索，确定空间化过程中的参数数值，可调整参数为：网格搜索近邻数量、网格搜索半径、网格搜索方向与网格搜索幂指数等。
通过试验，基于2018年10月第一旬各气象站点的日降水量数据和卫星空间格点的日降水量数据，根据确定的第二参数和降水分布推算模型，推算得到我国2018年10月第一旬空间降尺度的降水分布数据。如图2所示，从左上至右下依次分别为第一层模态、第三层模态、第五层模态与第八层模态的空间降尺度降水分布数据，且全局莫兰指数绝对值低于0.05，符合降水分布的空间数值特征，实现了在高空间分辨率降水推算中保留降水空间地形特征。
实施例3
本实施例提供一种基于地形分解技术的卫星降水数据的降尺度系统，包括：
降水量获取模块，用于获取原始降水量数据；
降水量数据预处理模块，用于预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；
地形获取模块，用于获取原始地形数据；
地形数据分解模块，用于基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；
模型构建模块，用于根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；
降水量推算模块，用于确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。
实施例4
本实施例提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据实施例1或2记载的方法中的任一方法。
实施例5
本实施例提供一种计算设备，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据实施例1或2记载的方法中的任一方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/ 或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/ 或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (7)
1.一种基于地形分解技术的卫星降水数据的降尺度方法，其特征在于，包括以下步骤：
获取原始降水量数据；
预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；
获取原始地形数据；
基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；
根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；
确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。
2.根据权利要求1所述的基于地形分解技术的卫星降水数据的降尺度方法，其特征在于，所述基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据包括：
根据获取的原始地形数据构建数字高程模型，获得各种地形的原始高程数据，并使用BEMD算法和滑动窗口滤波算法分解各种地形的原始高程数据，得到各种地形在各尺度下的地形数据。
3.根据权利要求2所述的基于地形分解技术的卫星降水数据的降尺度方法，其特征在于，所述根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型包括：
根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水量统计模型；
基于降水主导方向的模型和降水量统计模型，构建降水分布推算模型。
4.根据权利要求3所述的基于地形分解技术的卫星降水数据的降尺度方法，其特征在于，所述降水分布推算模型包括：
P＝b0P0+b1Height+b2Height cos(PPD-Slope)+b3Height sin(PPD-Aspect)+b4cos(PPD-Aspect)sin2Slope+Δp
其中，P为推测降水量，Height为海拔数据，PPD为主导降水方向，Slope为坡度数据，Aspect为坡向数据，b0到b4为第二参数，Δp为预测降水量和实际降水量的差值。
5.一种基于地形分解技术的卫星降水数据的降尺度系统，其特征在于，包括：
降水量获取模块，用于获取原始降水量数据；
降水量数据预处理模块，用于预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；
地形获取模块，用于获取原始地形数据；
地形数据分解模块，用于基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；
模型构建模块，用于根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；
降水量推算模块，用于确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。
6.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
7.一种计算设备，其特征在于，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210314972.2A CN114626743B (zh) | 2022-03-29 | 2022-03-29 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210314972.2A CN114626743B (zh) | 2022-03-29 | 2022-03-29 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114626743A true CN114626743A (zh) | 2022-06-14 |
| CN114626743B CN114626743B (zh) | 2024-01-23 |
Family
ID=81904230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210314972.2A Active CN114626743B (zh) | 2022-03-29 | 2022-03-29 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114626743B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101672810B1 (ko) * | 2015-08-24 | 2016-11-04 | 부경대학교 산학협력단 | 지형효과를 고려한 레이더 초단기 강수 예측과 수치모델 강우 예측 병합 방법 |
| CN108647740A (zh) * | 2018-05-16 | 2018-10-12 | 河海大学 | 利用高分辨率地形和气象因子进行多源降水融合的方法 |
| 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 |
-
2022
- 2022-03-29 CN CN202210314972.2A patent/CN114626743B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101672810B1 (ko) * | 2015-08-24 | 2016-11-04 | 부경대학교 산학협력단 | 지형효과를 고려한 레이더 초단기 강수 예측과 수치모델 강우 예측 병합 방법 |
| CN108647740A (zh) * | 2018-05-16 | 2018-10-12 | 河海大学 | 利用高分辨率地形和气象因子进行多源降水融合的方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 申子彬;周溥佳;水旭琼;郁懋楠;陈昌汉;: "基于GIS的宁海县降水分布细网格推算研究", 农业与技术, no. 20, pages 229 - 230 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114626743B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112070286B (zh) | 复杂地形流域的降水预报预警系统 | |
| 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 | |
| US10330661B2 (en) | Disaster prediction system, moisture prediction device, disaster prediction method, and program recording medium | |
| Antolini et al. | A daily high-resolution gridded climatic data set for Emilia-Romagna, Italy, during 1961-2010. | |
| Mitasova et al. | Modelling topographic potential for erosion and deposition using GIS | |
| CN106021868B (zh) | 一种基于多规则算法的遥感数据降尺度方法 | |
| Wu et al. | Simulation of soil loss processes based on rainfall runoff and the time factor of governance in the Jialing River Watershed, China | |
| CN112880634B (zh) | 一种基于cors站网的高程参考框架动态监测方法 | |
| CN111898303A (zh) | 基于气象预报及水动力模拟的流域水位及内涝预报方法 | |
| CN112506994B (zh) | 一种电力设备洪涝隐患点监测预警方法及相关装置 | |
| CN106709212B (zh) | 一种快速识别土壤有机碳关键输出区的多参数评价方法 | |
| CN112800379B (zh) | 一种modis遥感积雪信息的处理方法和装置 | |
| KR20170073817A (ko) | 고해상도 강수량자료 복원시스템 및 그 방법 | |
| CN112861072B (zh) | 一种星地多源降水自适应动态融合方法 | |
| CN115186858A (zh) | 基于不同影响类型的变电站洪水淹没风险预警方法及系统 | |
| CN111915158A (zh) | 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备 | |
| CN113420458A (zh) | 一种风场数据精细化处理方法、装置、终端及介质 | |
| CN112711919A (zh) | 基于中小尺度模式耦合的导线覆冰预报方法及系统 | |
| CN116910041A (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
| Tsakiris et al. | Regional drought identification and assessment. Case study in Crete | |
| Liang et al. | Vertical surface displacement of mainland China from GPS using the multisurface function method | |
| CN113313291B (zh) | 一种基于初值扰动的电网风灾集合预报以及验证方法 | |
| Sguerso et al. | 14 years of GPS tropospheric delays in the French–Italian border region: comparisons and first application in a case study | |
| 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 | |
| CN115983511A (zh) | 基于改进统计降尺度方法的降水预估方法和系统 |
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 |