CN115203625A - 一种旱涝指数数据缺失值插补方法及其插补装置 - Google Patents

一种旱涝指数数据缺失值插补方法及其插补装置 Download PDF

Info

Publication number
CN115203625A
CN115203625A CN202210910513.0A CN202210910513A CN115203625A CN 115203625 A CN115203625 A CN 115203625A CN 202210910513 A CN202210910513 A CN 202210910513A CN 115203625 A CN115203625 A CN 115203625A
Authority
CN
China
Prior art keywords
drought
index
waterlogging
data
time
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.)
Pending
Application number
CN202210910513.0A
Other languages
English (en)
Inventor
郭桂祯
吴瑶瑶
韩鹏
王丹丹
殷倩
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.)
National Disaster Reduction Center Of Emergency Management Department
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
National Disaster Reduction Center Of Emergency Management Department
Institute of Geographic Sciences and Natural Resources of CAS
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 National Disaster Reduction Center Of Emergency Management Department, Institute of Geographic Sciences and Natural Resources of CAS filed Critical National Disaster Reduction Center Of Emergency Management Department
Priority to CN202210910513.0A priority Critical patent/CN115203625A/zh
Publication of CN115203625A publication Critical patent/CN115203625A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种旱涝指数数据缺失值插补方法，其包括：采集若干台站历史逐月累计降水量数据，构建旱涝指数数据集，确定缺失旱涝指数数据及对应的第一时间点，获得对应台站的第一旱涝指数时间序列数据和所有其它台站的第二旱涝指数时间序列数据，确定若干个第三旱涝指数时间序列数据，确定第一协方差、第二协方差和统计偏性，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重，继而借助所有第三旱涝指数时间序列数据中第一时间点对应的旱涝指数数据，计算第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据，并基于此提出一种插补装置。本发明通过找出与缺失旱涝指数数据时间和空间相关性强的附近台站数据，提高了插补准确度。

Description

一种旱涝指数数据缺失值插补方法及其插补装置
技术领域
本发明属于气象监控技术领域，特别是一种旱涝指数数据缺失值插补方法及其插补装置。
背景技术
为了对旱涝等级及影响进行实时准确判断，需要对现有旱涝水平及历史旱涝水平进行综合比较及评判，而早期因为气象监测台站分布稀疏且设备不稳定，实时监测的数据集中有许多缺失的记录，现有旱涝指数数据缺失值的插补方法通常使用基于回归的方法和地统计方法。
中国发明申请CN106949934A提供了一种防汛抗旱预警装置及系统，通过压力、温度、湿度传感器实时采集预设区域的水位、水压、环境温湿度、风速等信息，进而综合判断旱涝灾情，该方法需要的多个数据不易获取。中国发明申请CN112649898A提供了一种气象干旱精细化监测方法，根据国家气象站的常年平均相对湿润度指数，通过反距离法空间插值得到各区域气象站位置的数据，基于高密度区域气象站的标准化前期降水指数计算基于高密度区域气象站的干旱指数，该方法主要考虑了待插台站与周围台站的空间相关性，而没有考虑时间相关性，因此精度有待提高。此外，基于回归的方法可能会导致过拟合问题，而地统计方法的计算中没有对最小估计误差进行约束，现有的两种方法对于旱涝指数数据缺失值插补的准确度都存在着明显不足。因此，为解决上述问题，寻求一种旱涝指数数据缺失值插补方法，以对旱涝指数数据缺失值进行较为准确地预估是十分迫切且相当重要的。
发明内容
本发明针对上述现有技术中的缺陷，提出一种旱涝指数数据缺失值插补方法。该方法包括采集若干台站历史逐月累计降水量数据，构建旱涝指数数据集，确定缺失旱涝指数数据及对应的第一时间点，获得对应台站的第一旱涝指数时间序列数据和所有其它台站的第二旱涝指数时间序列数据，确定若干个第三旱涝指数时间序列数据，确定第一协方差、第二协方差和统计偏性，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重，继而借助所有第三旱涝指数时间序列数据中第一时间点对应的旱涝指数数据，计算第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据，并基于此提出一种插补装置。本发明通过找出与缺失旱涝指数数据时间和空间相关性强的附近台站数据，提高了插补准确度。
本发明提供一种旱涝指数数据缺失值插补方法，其包括以下步骤：
S1、采集若干台站历史n年逐月累计降水量数据；
S2、构建旱涝指数数据集：计算每个台站历史n年逐月旱涝指数，构成旱涝指数数据集，并通过坐标转换将所有台站的位置信息作为一个图层导入地图制图工具中，在地图上建立旱涝指数图层，所述每个台站历史n年逐月旱涝指数的计算公式为：
Figure BDA0003773837760000021
其中，Wj表示旱涝指数；
Figure BDA0003773837760000022
和SYM分别表示年湿度序列中n年平均值和标准差；YMj表示年湿度指数，且有
Figure BDA0003773837760000023
Mij表示月湿度指数，
Figure BDA0003773837760000024
Rij表示i月份第j年的降水量，
Figure BDA0003773837760000025
Si分别表示i月份降水量序列中n年平均值和标准差；
S3、确定缺失的旱涝指数数据及对应的第一时间点：遍历所述旱涝指数数据集中所有旱涝指数数据，找出所述旱涝指数数据集中每个台站所缺失的旱涝指数数据，所对应的时间作为第一时间点；
S4、获得对应台站的第一旱涝指数时间序列数据和除对应台站外所有台站的第二旱涝指数时间序列数据；
S5、确定若干个第三旱涝指数时间序列数据：分别计算每个第二旱涝指数时间序列数据和第一旱涝指数时间序列数据的相关系数，将相关系数最高的若干个第二旱涝指数时间序列数据均确定为第三旱涝指数时间序列数据；
S6、确定第一协方差、第二协方差和统计偏性；
S7、根据所有第一协方差、第二协方差和统计偏性，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重；
S8、根据所有第三旱涝指数时间序列数据中第一时间点对应的旱涝指数数据Y＝[y1,y2,…,ym]和对应的权重W＝[w1,w2,…,wm]，确定第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0：
y0＝w1y1+w2y2+…+wmym (5)；
所获得的第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0即为对应台站经过插补后的所缺失的旱涝指数数据。
进一步，所述步骤S4具体包括以下步骤：
S41、对于每个第一时间点，从旱涝指数数据集中取出对应台站所述第一时间点之前年份预设时长内的旱涝指数数据，从对应台站的缓冲区内所有台站提取所述第一时间点及之后年份预设时长内的旱涝指数数据并计算所述第一时间点及之后年份预设时长内各时间点的平均值，合并得到对应台站的第一旱涝指数时间序列数据；
S42、从所有其它台站旱涝指数数据中提取预设时段内的旱涝指数数据，得到所有其它台站的第二旱涝指数时间序列数据，所述预设时段包括所述第一时间点及之前和之后年份预设时长。
可优选的，所述步骤S6具体包括以下步骤：
S61、计算所有第三旱涝指数时间序列数据中两两序列之间的第一协方差；
S62、分别计算每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据的第二协方差；
S63、分别计算每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据的均值；
S64、分别将每个第三旱涝指数时间序列数据中旱涝指数的均值除以第一旱涝指数时间序列数据中旱涝指数的均值，得到每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据对应的统计偏性。
可优选的，所述步骤S7具体包括以下步骤：
S71、将所有第一协方差组成第一协方差矩阵C1，所有统计偏性组成偏性矩阵B，并将所述偏性矩阵进行转置，得到偏性转置矩阵BT；
S72、将所有第二协方差组成第二协方差矩阵C0，并将所述第二协方差矩阵进行转置，得到第二协方差转置矩阵
Figure BDA0003773837760000031
S73、将所述第一协方差矩阵C1、偏性矩阵B、偏性转置矩阵BT和0组成第一矩阵A1，并将所述第二协方差转置矩阵
Figure BDA0003773837760000032
和1组成第二矩阵A2，所述第一矩阵A1和第二矩阵A2分别为：
Figure BDA0003773837760000033
Figure BDA0003773837760000034
S74、根据第一矩阵、第二矩阵和拉格朗日系数L，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重W：
Figure BDA0003773837760000035
可优选的，所述步骤S41中的所述缓冲区为以对应台站为圆心，以预设距离为半径的圆形范围。
可优选的，所述步骤S3中的所述第一时间点不唯一。
本发明的另一方面，提供一种利用前述的旱涝指数数据缺失值插补方法的插补装置，其包括采集模块、显示模块、查找模块、处理模块和计算模块，所述采集模块用于每个台站历史n年逐月累计降水量数据的采集，所述显示模块用于显示每个台站的地理位置和旱涝指数，所述查找模块用于查找每个台站旱涝指数时间序列数据中缺失数据对应的所有第一时间点，所述处理模块用于获得对应台站的第一旱涝指数时间序列数据和所有其它台站的第二旱涝指数时间序列数据，所述计算模块用于第三旱涝指数时间序列数据的获取和第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据的计算。
与现有技术相比，本发明的技术效果为：
1、本发明提出的一种旱涝指数数据缺失值插补方法，借助对应台站和附近台站历史若干年逐月的旱涝指数数据，通过找出与缺失旱涝指数数据时间和空间相关性强的所有第三旱涝指数时间序列数据，使得计算出的缺失数据差更小，提高了旱涝指数缺失值插补的准确度。
2、本发明提出的一种旱涝指数数据缺失值插补方法，与传统旱涝强度插值方法相比，所提方法中使用的数据更易获取，适用面更广，具有很强的实际应用价值。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。
图1是本发明的旱涝指数数据缺失值插补方法流程图；
图2是本发明的实施例中的台站分布效果图；
图3为本发明的旱涝指数数据缺失值插补装置示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的旱涝指数数据缺失值插补方法，该方法包括以下步骤：
S1、采集若干台站历史n年逐月累计降水量数据，在一个具体实施例中n取30。
S2、构建旱涝指数数据集：计算每个台站历史n年逐月旱涝指数，构成旱涝指数数据集，并通过坐标转换将所有台站的位置信息作为一个图层导入地图制图工具(在具体使用中，地图制图工具一般为ArcGIS)中，在地图上建立旱涝指数图层，所述每个台站历史n年逐月旱涝指数的计算公式为：
Figure BDA0003773837760000051
其中，Wj表示旱涝指数；
Figure BDA0003773837760000052
和SYM分别表示年湿度序列中n年平均值和标准差；YMj表示年湿度指数，且有
Figure BDA0003773837760000053
Mij表示月湿度指数，
Figure BDA0003773837760000054
Rij表示i月份第j年的降水量，
Figure BDA0003773837760000055
Si分别表示i月份降水量序列中n年平均值和标准差。
S3、确定缺失的旱涝指数数据及对应的第一时间点：遍历旱涝指数数据集中所有旱涝指数数据，找出旱涝指数数据集中每个台站所缺失的旱涝指数数据，所对应的时间作为第一时间点且不唯一。
在一个具体实施例中，以安徽省颍上县为例，台站8月份的累计降水量从2013年开始有若干年份88月份的旱涝指数数据是缺失的，那么将2013年确定为第一时间点，每个台站缺失数据的第一时间点可能不止一个。
S4、获得对应台站的第一旱涝指数时间序列数据和除对应台站外所有台站的第二旱涝指数时间序列数据。
S41、对于每个第一时间点，从旱涝指数数据集中取出对应台站第一时间点之前年份预设时长内的旱涝指数数据，从对应台站的缓冲区内所有台站提取第一时间点及之后年份预设时长内的旱涝指数数据并计算第一时间点及之后年份预设时长内各时间点的平均值，合并得到对应台站的第一旱涝指数时间序列数据；缓冲区为以对应台站为圆心，以预设距离为半径的圆形范围。
S42、从所有其它台站旱涝指数数据中提取预设时段内的旱涝指数数据，得到所有其它台站的第二旱涝指数时间序列数据，预设时段包括第一时间点及之前和之后年份预设时长。
在一个具体实施例中，某个第一时间点为2013年的8月8月份，预设时长为5年，那么将该第一时间点往前延伸5年，得到第二时间点2008年的8月8月份，将该第一时间点往后延伸5年，得到第三时间点2018年的8月8月份，将2008年8月份到2018年8月份确定为预设时段，从对应安徽省颍上县台站的旱涝指数数据时间序列提取出2008年8月份到8月1994年8月份的数据，从该台站缓冲区内所有台站提取2013年8月份到2018年8月份的旱涝指数数据并计算平均值，合并作为第一旱涝指数时间序列数据，从除了安徽省颍上县台站的所有其它台站提取预设时段(2008年到2018年的8月8月份)内没有缺失值的旱涝指数时间序列数据，得到所有第二旱涝指数时间序列数据。
S5、确定若干个第三旱涝指数时间序列数据：分别计算每个第二旱涝指数时间序列数据和第一旱涝指数时间序列数据的相关系数，将相关系数最高的若干个第二旱涝指数时间序列数据均确定为第三旱涝指数时间序列数据。
由于第二旱涝指数时间序列数据和第一旱涝指数时间序列数据都是在第一时间点的前后和附近预设时段内的数据，且选取相关性最高的若干个第二旱涝指数时间序列数据确定为第三旱涝指数时间序列数据，充分考虑了旱涝指数数据在空间和时间上的相关性，提高了最终旱涝指数预估结果的准确度。
S6、确定第一协方差、第二协方差和统计偏性。
S61、计算所有第三旱涝指数时间序列数据中两两序列之间的第一协方差。
S62、分别计算每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据的第二协方差。
S63、分别计算每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据的均值。
S64、分别将每个第三旱涝指数时间序列数据中旱涝指数的均值除以第一旱涝指数时间序列数据中旱涝指数的均值，得到每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据对应的统计偏性。
在一个具体实施例中，如图2所示，实线框为缓冲区域，虚线框内站点为待插值站点，其它5个站点为缓冲区内已知站点，对应有5个第三旱涝指数时间序列数据，如表1所示，分别计算这5个第三旱涝指数时间序列数据的均值，分别为0.5、0.3、0.5、0.4和0.6，再计算第一旱涝指数时间序列数据的均值为0.5，分别将这5个第三旱涝指数时间序列数据的均值除以第一旱涝指数时间序列数据的均值，得到这5个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据对应的统计偏性，分别为0.6、0.8、1、0.8、0.6。
Figure BDA0003773837760000061
Figure BDA0003773837760000071
表1
S1-S5表示缓冲区台站1-5。该示例中有5个第三旱涝指数时间序列数据，分别为：S1台站2008年8月到2018年8月的第三旱涝指数时间序列数据；S2台站2008年8月到2018年8月的第三旱涝指数时间序列数据；S3台站2008年8月到2018年8月的第三旱涝指数时间序列数据；S4台站2008年8月到2018年8月的第三旱涝指数时间序列数据；S5台站2008年8月到2018年8月的第三旱涝指数时间序列数据。
S7、根据所有第一协方差、第二协方差和统计偏性，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重。
S71、将所有第一协方差组成第一协方差矩阵C1，所有统计偏性组成偏性矩阵B，并将偏性矩阵进行转置，得到偏性转置矩阵BT。
S72、将所有第二协方差组成第二协方差矩阵C0，并将第二协方差矩阵进行转置，得到第二协方差转置矩阵
Figure BDA0003773837760000081
S73、将第一协方差矩阵C1、偏性矩阵B、偏性转置矩阵BT和0组成第一矩阵A1，并将第二协方差转置矩阵
Figure BDA0003773837760000082
和1组成第二矩阵A2，第一矩阵A1和第二矩阵A2分别为：
Figure BDA0003773837760000083
Figure BDA0003773837760000084
S74、根据第一矩阵、第二矩阵和拉格朗日系数L，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重W：
Figure BDA0003773837760000085
S8、根据所有第三旱涝指数时间序列数据中第一时间点对应的旱涝指数数据Y＝[y1,y2,…,ym]和对应的权重W＝[w1,w2,…,wm]，计算第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0：
y0＝w1y1+w2y2+…+wmym (5)。
所获得的第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0就是对应台站经过插补后的所缺失的旱涝指数数据。
在一个具体实施例中，得到上述5个第三旱涝指数时间序列数据中第一时间点对应的权重为W＝[0.4,0.3,0.1,0.1,0.1]。结合这5个第三旱涝指数时间序列数据的均值为Y＝[0.5,0.3,0.5,0.4,0.6]。即可得到第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0＝0.44，即对应台站所缺失的旱涝指数数据为0.44。
本发明的另一方面，提供一种利用前述的旱涝指数数据缺失值插补方法的插补装置，如图3所示，其包括采集模块、显示模块、查找模块、处理模块和计算模块，采集模块、显示模块、查找模块、处理模块和计算模块彼此之间相互通讯连接。采集模块用于每个台站历史n年逐月累计降水量数据的采集，显示模块用于显示每个台站的地理位置和旱涝指数，查找模块用于查找每个台站旱涝指数时间序列数据中缺失数据对应的所有第一时间点，处理模块用于获得对应台站的第一旱涝指数时间序列数据和所有其它台站的第二旱涝指数时间序列数据，计算模块用于第三旱涝指数时间序列数据的获取和第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据的计算。
本发明设计的一种旱涝指数数据缺失值插补方法即旱涝指数数据缺失值补偿方法及对应的补偿装置，借助对应台站和附近台站历史若干年逐月的旱涝指数数据，通过找出与缺失旱涝指数数据时间和空间相关性强的所有第三旱涝指数时间序列数据，使得计算出的缺失数据差更小，提高了旱涝指数缺失值插补的准确度；与传统旱涝强度插值方法相比，所提方法中使用的数据更易获取，适用面更广，具有很强的实际应用价值。
最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种旱涝指数数据缺失值插补方法，其特征在于，其包括以下步骤：
S1、采集若干个台站历史n年逐月累计降水量数据；
S2、构建旱涝指数数据集：计算每个台站历史n年逐月旱涝指数，构成旱涝指数数据集，并通过坐标转换将所有台站的位置信息作为一个图层导入地图制图工具中，在地图上建立旱涝指数图层，所述每个台站历史n年逐月旱涝指数的计算公式为：
Figure FDA0003773837750000011
其中，Wj表示旱涝指数；
Figure FDA0003773837750000012
和SYM分别表示年湿度序列中n年平均值和标准差；YMj表示年湿度指数，且有
Figure FDA0003773837750000013
Mij表示月湿度指数，
Figure FDA0003773837750000014
Rij表示i月份第j年的降水量，
Figure FDA0003773837750000015
Si分别表示i月份降水量序列中n年平均值和标准差；
S3、确定缺失的旱涝指数数据及对应的第一时间点：遍历所述旱涝指数数据集中所有旱涝指数数据，找出所述旱涝指数数据集中每个台站所缺失的旱涝指数数据所对应的时间作为第一时间点；
S4、获得缺失的旱涝指数数据对应台站的第一旱涝指数时间序列数据和除对应台站外所有台站的第二旱涝指数时间序列数据；
S5、确定若干个第三旱涝指数时间序列数据：分别计算每个第二旱涝指数时间序列数据和第一旱涝指数时间序列数据的相关系数，将相关系数最高的若干个第二旱涝指数时间序列数据均确定为第三旱涝指数时间序列数据；
S6、确定第一协方差、第二协方差和统计偏性；
S7、根据所有第一协方差、第二协方差和统计偏性，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重W；
S8、根据所有第三旱涝指数时间序列数据中第一时间点对应的旱涝指数数据Y＝[y1,y2,…,ym]和对应的权重W＝[w1,w2,…,wm]，获得第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0：
y0＝w1y1+w2y2+……+wmym (5)；
所获得的第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据y0即为对应台站经过插补后的所缺失的旱涝指数数据。
2.根据权利要求1所述的旱涝指数数据缺失值插补方法，其特征在于，所述步骤S4具体包括以下步骤：
S41、对于每个第一时间点，从旱涝指数数据集中取出对应台站所述第一时间点之前年份预设时长内的旱涝指数数据，从对应台站的缓冲区内所有台站提取所述第一时间点及之后年份预设时长内的旱涝指数数据并计算所述第一时间点及之后年份预设时长内各时间点的平均值，合并得到对应台站的第一旱涝指数时间序列数据；
S42、从所有其它台站旱涝指数数据中提取预设时段内的旱涝指数数据，得到所有其它台站的第二旱涝指数时间序列数据，所述预设时段包括所述第一时间点及之前和之后年份预设时长。
3.根据权利要求1所述的旱涝指数数据缺失值插补方法，其特征在于，所述步骤S6具体包括以下步骤：
S61、计算所有第三旱涝指数时间序列数据中两两序列之间的第一协方差；
S62、分别计算每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据的第二协方差；
S63、分别计算每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据的均值；
S64、分别将每个第三旱涝指数时间序列数据中旱涝指数的均值除以第一旱涝指数时间序列数据中旱涝指数的均值，得到每个第三旱涝指数时间序列数据与第一旱涝指数时间序列数据对应的统计偏性。
4.根据权利要求3所述的旱涝指数数据缺失值插补方法，其特征在于，所述步骤S7具体包括以下步骤：
S71、将所有第一协方差组成第一协方差矩阵C1，所有统计偏性组成偏性矩阵B，并将所述偏性矩阵进行转置，得到偏性转置矩阵BT；
S72、将所有第二协方差组成第二协方差矩阵C0，并将所述第二协方差矩阵进行转置，得到第二协方差转置矩阵
Figure FDA0003773837750000021
S73、将所述第一协方差矩阵C1、偏性矩阵B、偏性转置矩阵BT和0组成第一矩阵A1，并将所述第二协方差转置矩阵
Figure FDA0003773837750000022
和1组成第二矩阵A2，所述第一矩阵A1和第二矩阵A2分别为：
Figure FDA0003773837750000023
Figure FDA0003773837750000024
S74、根据第一矩阵、第二矩阵和拉格朗日系数L，计算每个第三旱涝指数时间序列数据对第一时间点旱涝指数的权重W：
Figure FDA0003773837750000031
5.根据权利要求1或2所述的旱涝指数数据缺失值插补方法，其特征在于，所述步骤S41中的所述缓冲区为以对应台站为圆心，以预设距离为半径的圆形区域。
6.根据权利要求1所述的旱涝指数数据缺失值插补方法，其特征在于，所述步骤S3中的所述第一时间点包括多个时间点。
7.一种利用权利要求1至6之一所述的旱涝指数数据缺失值插补方法的插补装置，其特征在于，其包括相互通讯连接的采集模块、显示模块、查找模块、处理模块和计算模块，所述采集模块用于采集每个台站历史n年逐月累计降水量数据，所述显示模块用于显示每个台站的地理位置和旱涝指数，所述查找模块用于查找每个台站旱涝指数时间序列数据中缺失数据对应的所有第一时间点，所述处理模块用于获得对应台站的第一旱涝指数时间序列数据和所有其它台站的第二旱涝指数时间序列数据，所述计算模块用于第三旱涝指数时间序列数据的获取和第一旱涝指数时间序列数据中第一时间点对应的旱涝指数数据的计算。
CN202210910513.0A 2022-07-29 2022-07-29 一种旱涝指数数据缺失值插补方法及其插补装置 Pending CN115203625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210910513.0A CN115203625A (zh) 2022-07-29 2022-07-29 一种旱涝指数数据缺失值插补方法及其插补装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210910513.0A CN115203625A (zh) 2022-07-29 2022-07-29 一种旱涝指数数据缺失值插补方法及其插补装置

Publications (1)

Publication Number Publication Date
CN115203625A true CN115203625A (zh) 2022-10-18

Family

ID=83585480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210910513.0A Pending CN115203625A (zh) 2022-07-29 2022-07-29 一种旱涝指数数据缺失值插补方法及其插补装置

Country Status (1)

Country Link
CN (1) CN115203625A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116701371A (zh) * 2023-06-09 2023-09-05 中国科学院地理科学与资源研究所 协方差分析下大气温度数据缺失值插补方法及其插补装置
CN117688290A (zh) * 2023-12-11 2024-03-12 中国科学院地理科学与资源研究所 基于等级划分的干旱灾害综合风险预警方法及系统
CN118246698A (zh) * 2024-05-24 2024-06-25 肥城市林业保护发展中心 一种林地资源智能调度方法和系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101673369A (zh) * 2009-09-28 2010-03-17 北京工业大学 基于投影寻踪的排水管网洪涝风险评价方法
CN106202857A (zh) * 2016-06-22 2016-12-07 中国水利水电科学研究院 一种地表水质对旱涝事件的响应分析方法
CN107944219A (zh) * 2017-12-13 2018-04-20 广东电网有限责任公司电力科学研究院 一种表征不同时段旱涝致灾特征的方法和装置
CN108053049A (zh) * 2017-11-08 2018-05-18 河海大学 一种基于Budyko理论的水文随机插值径流预测方法
CN108268735A (zh) * 2018-01-29 2018-07-10 浙江大学 基于多源遥感卫星融合数据的地表土壤水分降尺度方法
CN113495913A (zh) * 2021-09-07 2021-10-12 中国科学院地理科学与资源研究所 一种空气质量数据缺失值插补方法及装置
CN113988673A (zh) * 2021-11-02 2022-01-28 中山大学 一种旱涝急转评估方法
CN114090959A (zh) * 2021-11-22 2022-02-25 黄河水利委员会黄河水利科学研究院 一种河网结构约束下流域径流的随机时空插值方法
CN114323199A (zh) * 2022-02-10 2022-04-12 河南省许昌水文水资源勘测局 一种浮潜式应急水文测量装置
CN114357811A (zh) * 2022-03-21 2022-04-15 中山大学 长历时旱涝事件的确定方法、装置和设备
CN114626475A (zh) * 2022-03-21 2022-06-14 中山大学 严重旱涝事件的时空变化分析方法、装置和设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101673369A (zh) * 2009-09-28 2010-03-17 北京工业大学 基于投影寻踪的排水管网洪涝风险评价方法
CN106202857A (zh) * 2016-06-22 2016-12-07 中国水利水电科学研究院 一种地表水质对旱涝事件的响应分析方法
CN108053049A (zh) * 2017-11-08 2018-05-18 河海大学 一种基于Budyko理论的水文随机插值径流预测方法
CN107944219A (zh) * 2017-12-13 2018-04-20 广东电网有限责任公司电力科学研究院 一种表征不同时段旱涝致灾特征的方法和装置
CN108268735A (zh) * 2018-01-29 2018-07-10 浙江大学 基于多源遥感卫星融合数据的地表土壤水分降尺度方法
CN113495913A (zh) * 2021-09-07 2021-10-12 中国科学院地理科学与资源研究所 一种空气质量数据缺失值插补方法及装置
CN113988673A (zh) * 2021-11-02 2022-01-28 中山大学 一种旱涝急转评估方法
CN114090959A (zh) * 2021-11-22 2022-02-25 黄河水利委员会黄河水利科学研究院 一种河网结构约束下流域径流的随机时空插值方法
CN114323199A (zh) * 2022-02-10 2022-04-12 河南省许昌水文水资源勘测局 一种浮潜式应急水文测量装置
CN114357811A (zh) * 2022-03-21 2022-04-15 中山大学 长历时旱涝事件的确定方法、装置和设备
CN114626475A (zh) * 2022-03-21 2022-06-14 中山大学 严重旱涝事件的时空变化分析方法、装置和设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘宇峰等: "1961-2013 年黄土高原地区旱涝特征及极端和持续性分析", 《地理研究》 *
王镇铭: "浙江省旱涝区划初步分析", 《浙江气象科技》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116701371A (zh) * 2023-06-09 2023-09-05 中国科学院地理科学与资源研究所 协方差分析下大气温度数据缺失值插补方法及其插补装置
CN116701371B (zh) * 2023-06-09 2024-03-22 中国科学院地理科学与资源研究所 协方差分析下大气温度数据缺失值插补方法及其插补装置
CN117688290A (zh) * 2023-12-11 2024-03-12 中国科学院地理科学与资源研究所 基于等级划分的干旱灾害综合风险预警方法及系统
CN117688290B (zh) * 2023-12-11 2024-05-17 中国科学院地理科学与资源研究所 基于等级划分的干旱灾害综合风险预警方法及系统
CN118246698A (zh) * 2024-05-24 2024-06-25 肥城市林业保护发展中心 一种林地资源智能调度方法和系统
CN118246698B (zh) * 2024-05-24 2024-08-27 肥城市林业保护发展中心 一种林地资源智能调度方法和系统

Similar Documents

Publication Publication Date Title
US11333796B2 (en) Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data
CN115203625A (zh) 一种旱涝指数数据缺失值插补方法及其插补装置
CN111401602B (zh) 基于神经网络的卫星以及地面降水测量值同化方法
CN108416468B (zh) 一种洪水超前预警预报方法
US20150039229A1 (en) Multi-beam bathymetric chart construction method based on submarine digital depth model feature extraction
CN102135531A (zh) 大型浅水湖泊72小时蓝藻水华预测方法
CN113313296A (zh) 一种基于rusle的区域土壤侵蚀定量评价方法
CN108896021B (zh) 基于航空摄影测量点云提取人工林林分结构参数的方法
CN109543356A (zh) 考虑空间非平稳性的海洋内部温盐结构遥感反演方法
CN109579791B (zh) 一种快速高效水土保持淤地坝调查与评估方法
CN113269240B (zh) 一种雨量站选址信息输出方法、装置、电子设备和介质
CN116910041B (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
CN112882032B (zh) 一种燃气管道重点区域地质灾害sar动态监测方法及装置
CN114114358B (zh) 一种基于多源卫星数据融合的北极海冰厚度空间分辨率改进方法
CN108846402A (zh) 基于多源数据的梯田田坎自动化提取方法
CN110032939A (zh) 一种基于高斯混合模型的遥感时序数据拟合方法
CN115330254A (zh) 一种山洪综合风险预警方法、系统及存储介质
CN104297753B (zh) 一种基于自适应缩减算子的导航雷达图像反演海面风向方法
CN111753408A (zh) 一种顾及天气的gnss大气加权平均温度计算方法
CN115759416A (zh) 一种网格实况产品的评估分析方法
CN115830476A (zh) 地形因子空间降尺度方法
CN115146209A (zh) 水土保持状况的监测方法、系统、存储介质和电子设备
CN112380984B (zh) 一种基于遥感的盐沼植被缓流能力空间评价方法
CN110175215B (zh) 一种划分地理过渡带的方法
CN110751398B (zh) 一种区域生态质量评价方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221018