CN117668750A - 一种多源降水产品融合潜力量化方法 - Google Patents

一种多源降水产品融合潜力量化方法 Download PDF

Info

Publication number
CN117668750A
CN117668750A CN202311644331.4A CN202311644331A CN117668750A CN 117668750 A CN117668750 A CN 117668750A CN 202311644331 A CN202311644331 A CN 202311644331A CN 117668750 A CN117668750 A CN 117668750A
Authority
CN
China
Prior art keywords
rainfall
precipitation product
pmoi
precipitation
estimated
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
Application number
CN202311644331.4A
Other languages
English (en)
Other versions
CN117668750B (zh
Inventor
窦延虹
刘荣华
史可
翟晓燕
刘超
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 CN202311644331.4A priority Critical patent/CN117668750B/zh
Publication of CN117668750A publication Critical patent/CN117668750A/zh
Application granted granted Critical
Publication of CN117668750B publication Critical patent/CN117668750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/10Pre-processing; Data cleansing
    • G06F18/15Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种多源降水产品融合潜力量化方法,包括以下步骤:步骤1、选择有实测降雨资料的区域作为研究区域,列举所有的降水产品组合方案;步骤2、对于任一降水产品组合方案,确定该降水产品组合方案在某时段、某格点的估计雨量区间;步骤3、计算全部降水产品组合方案在所有有实测雨量的时段、格点的估计雨量区间对实测雨量的平均覆盖程度以及估计雨量区间的平均宽度;步骤4、计算每个降水产品组合方案的融合潜力。本发明兼顾了多源降水产品的精度和优劣互补性,为了解多源降水产品组合性能提供了新思路,实现了多源降水产品融合前对产品组合优劣程度的预判,为多源降水产品的选择提供可靠的定量依据,有助于提高多源降雨融合的精度。

Description

一种多源降水产品融合潜力量化方法
技术领域
本发明属于多源降雨融合技术领域,尤其涉及一种多源降水产品融合潜力量化方法。
背景技术
伴随着地球物理学科理论、卫星遥感技术、计算机技术和数据集成技术的蓬勃发展,降水产品种类日益增多,各产品用于反演降水的遥测信号类型、估算原理和具体算法各不相同,导致各产品的误差特性也各不相同,因此充分了解降水产品的性能是判断降水产品能否选用的前提。
最常见的降水产品选用判据是降水产品的精度,精度更高的产品具有更好的应用潜力。然而,由于降水产品的误差显著,精度最高的降水产品与实测雨量的相关系数仅为0.7左右,仍具有较大不确定性,因此仅以降水产品的精度作为选用判据存在局限性。若某降水产品的精度略低,但其误差特征与其他产品截然不同,则选用该产品可提高产品的多样性,进而有利于多源降水产品在融合应用中发挥取长补短作用。因此,除降水产品的准确性外,多源降水产品之间相互配合的性能同样是判断降水产品能否选用的关键性能,将降水产品上述利于融合应用的性能统称为多源降水产品的融合潜力。
现有量化降水产品性能的方法种类丰富,但研究对象均为单一产品,仅能通过分别评估每个降水产品在不同情况下的精度,定性地分析各降水产品之间优劣互补的性能。例如,在我国汉江地区,NCEP对小雨和大雨的预报效果较好、对中雨的预报效果较差,UKMO对中雨的预报效果较好、对其他量级降雨的预报效果一般,因此该地区NCEP和UKMO具有互补应用的潜力。然而,受限于降水产品显著的随机误差、复杂的性能分析角度以及繁多的产品种类,多源产品之间的优劣互补性的定性分析难以在实际应用中作为产品选用的判据。
因此,在多源降水产品融合应用逐渐替代单源降水产品独立应用的大背景下,为给多降雨融合模型选择降水产品提供定量依据,如何实现多源降水产品融合潜力的量化是本领域亟需解决的技术问题。
发明内容
本发明的目的在于提供一种多源降水产品融合潜力量化方法,以解决上述技术问题。
为实现上述目的,本发明提供如下技术方案:
本发明公开一种多源降水产品融合潜力量化方法,所述方法包括以下步骤:
步骤1、选择有实测降雨资料的区域作为研究区域,设待选用的降水产品为h种,对降水产品的空间分辨率进行标准化处理,从中至少选择2种降水产品进行组合,列举所有的降水产品组合方案,共有H个组合方案,即
步骤2、对于任一降水产品组合方案,根据组合方案中每个降水产品在有实测雨量的时段i、格点k的降雨估计,确定该降水产品组合方案在时段i、格点k的估计雨量区间Yi,k
步骤3、分别计算H个降水产品组合方案在所有有实测雨量的时段、格点的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB;
步骤4、分别对每个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB进行归一化处理,再通过加权耦合计算每个降水产品组合方案的融合潜力MU。
进一步的是,步骤1中所述对降水产品的空间分辨率进行标准化处理具体为,将降水产品的空间分辨率均处理为0.1°。
进一步的是,步骤2中所述的估计雨量区间Yi,k的计算公式为:
式中, 表示第s个降水产品在时段i、格点k的降雨估计。
进一步的是,步骤3中所述估计雨量区间对实测雨量的平均覆盖程度PMOI为实测雨量值超出估计雨量区间的距离与实测雨量值的比值,计算公式为:
式中,n为有实测雨量值的时段总数;b为有实测雨量值的格点总数;为格点k在时段i的实测雨量值;/>为/>超出估计雨量区间Yi,k的降雨量;
的计算公式为:
所述估计雨量区间的平均宽度RB采用平均相对带宽,计算公式为:
进一步的是,步骤4中所述计算每个降水产品组合方案的融合潜力MU的具体过程为:
设对第γ个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOIγ进行归一化处理后得到PMOI′γ,PMOI′γ的计算公式为:
式中, PMOI=min(PMOI1,PMOI2,…,PMOIH);PMOI1,PMOI2,…,PMOIH分别为H个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度;
设对第γ个降水产品组合方案的估计雨量区间的平均宽度RBγ进行归一化处理后得到RB′γ,RB′γ的计算公式为:
式中, RB=min(RB1,RB2,…,RBH);RB1,RB2,…,RBH分别为H个降水产品组合方案的估计雨量区间的平均宽度;
则通过加权耦合计算第γ个降水产品组合方案的融合潜力MUγ为:
式中,ω为耦合PMOI′γ和RB′γ的权重;
同理计算其他降水产品组合方案的融合潜力。
进一步的是,所述耦合PMOI′γ和RB′γ的权重ω的取值范围为0.6~0.7。
本发明的有益效果是:本发明提供的一种多源降水产品融合潜力量化方法,以多源降水产品组合为量化分析对象,通过加权耦合多源降水产品估计雨量区间的平均宽度以及对实测雨量的平均覆盖程度计算不同降水产品组合方案的融合潜力,兼顾了多源降水产品的精度和优劣互补性,为了解多源降水产品组合性能提供了新思路,将降水产品选用判据从单源降水产品精度转变为多源降水产品融合潜力,实现了多源降水产品融合前对产品组合优劣程度的预判,为多源降水产品的选择提供可靠的定量依据,有助于提高多源降雨融合的精度。
下面结合附图及具体实施方式对本发明作进一步详细说明。
附图说明
图1为本发明所述方法流程图;
图2为实施例一中研究区域雨量站分布示意图;
图3为实施例一中502个降水产品组合方案的PMOI和RB结果示意图;
图4为实施例一中502个降水产品组合方案的融合潜力结果示意图。
具体实施方式
本发明公开一种多源降水产品融合潜力量化方法,如图1所示,所述方法包括以下步骤:
步骤1、选择有实测降雨资料的区域作为研究区域,实测降雨资料可以通过雨量站获取,设待选用的降水产品为h种,对降水产品的空间分辨率进行标准化处理(比如将降水产品的空间分辨率均处理为0.1°),从中至少选择2种降水产品进行组合,列举所有可能选择的降水产品组合方案,共有H个组合方案,即
步骤2、对于任一降水产品组合方案,根据组合方案中每个降水产品在有实测雨量的时段i、格点k的降雨估计,确定该降水产品组合方案在时段i、格点k的估计雨量区间Yi,k;估计雨量区间Yi,k的计算公式为:
式中, 表示第s个降水产品在时段i、格点k的降雨估计。
步骤3、分别计算H个降水产品组合方案在所有有实测雨量的时段、格点的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB。
其中,估计雨量区间对实测雨量的平均覆盖程度PMOI为实测雨量值超出估计雨量区间的距离与实测雨量值的比值,计算公式为:
式中,n为有实测雨量值的时段总数;b为有实测雨量值的格点总数;为格点k在时段i的实测雨量值;/>为/>超出估计雨量区间Yi,k的降雨量;
的计算公式为:
所述估计雨量区间的平均宽度RB采用平均相对带宽,计算公式为:
步骤4、分别对每个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB进行归一化处理,再通过加权耦合计算每个降水产品组合方案的融合潜力MU。
具体过程为:设对第γ个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOIγ进行归一化处理后得到PMOI′γ,PMOI′γ的计算公式为:
式中, PMOI=min(PMOI1,PMOI2,…,PMOIH);PMOI1,PMOI2,…,PMOIH分别为H个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度;
设对第γ个降水产品组合方案的估计雨量区间的平均宽度RBγ进行归一化处理后得到RB′γ,RB′γ的计算公式为:
式中, RB=min(RB1,RB2,…,RBH);RB1,RB2,…,RBH分别为H个降水产品组合方案的估计雨量区间的平均宽度;
则通过加权耦合计算第γ个降水产品组合方案的融合潜力MUγ为:
式中,ω为耦合PMOI′γ和RB′γ的权重。
同理计算其他降水产品组合方案的融合潜力。
其中,耦合PMOI′γ和RB′γ的权重ω的取值范围为0.6~0.7,该取值范围根据经验设定。
实施例一
本实施例为上述方法的具体应用实例。
本实施例选取中国北部某区域作为研究区域,区域面积为31352km2,海拔为3-2400米。该区域具有典型的温带季风气候,冬季干燥寒冷,夏季多雨炎热,春秋季短。年降水量约为1100mm,降雨量年际变化较大,年内分配不均,降水集中在5~9月。本实施例采用该区域10个缺测率低于2%的雨量站,平均3250km2/站,并将其分配至分辨率为0.1°的网格内,如图2所示。实测降雨资料为上述10个雨量站的2013~2020年汛期(5~9月)的日尺度降雨数据。
可供选择的降水产品为源自7家研发机构的9种无/短滞时版本的日尺度降水产品,分别是日本宇宙航空研究开发机构(JAXA)的GSMaP-V6-NRT(GSMaP-N)和GSMaP-V6-Gauge-NRT(GSMaP-GN);美国航空航天局(NASA)的MERG-V6-Early(IMERG-E)和IMERG-V6-Late(IMERG-L);加州大学欧文分校(UCI)的PERSIANN-CCS;以及中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)和美国国家环境预报中心(NCEP)1日预见期的降雨预报产品。将上述降水产品的空间分辨率均标准化处理为0.1°。
本实施例公开的一种多源降水产品融合潜力量化方法,具体包括以下步骤:
步骤1、从上述9种降水产品中,至少选择2种降水产品进行组合,至多选择9种降水产品组合,列举所有可能选择的降水产品组合方案,则共有个组合方案,组合方案中包含的降水产品数量与相应的组合方案数量如表1所示。
表1组合方案中包含的降水产品数量与相应的组合方案数量
步骤2、对于任一降水产品组合方案,根据组合方案中每个降水产品在有实测雨量的时段i、格点k的降雨估计,确定该降水产品组合方案在时段i、格点k的估计雨量区间Yi,k;估计雨量区间Yi,k的计算公式为:
式中, 表示第s个降水产品在时段i、格点k的降雨估计。
步骤3、分别计算502个降水产品组合方案在所有有实测雨量的时段、格点的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB。
其中,估计雨量区间对实测雨量的平均覆盖程度PMOI为实测雨量值超出估计雨量区间的距离与实测雨量值的比值,计算公式为:
式中,n为有实测雨量值的时段总数;b为有实测雨量值的格点总数;为格点k在时段i的实测雨量值;/>为/>超出估计雨量区间Yi,k的降雨量;
的计算公式为:
所述估计雨量区间的平均宽度RB采用平均相对带宽,计算公式为:
本实施例中502个降水产品组合方案的PMOI和RB结果如图3所示,图中一个散点代表一组降水产品。
步骤4、分别对每个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB进行归一化处理,再通过加权耦合计算每个降水产品组合方案的融合潜力MU。
具体过程为:设对第γ个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOIγ进行归一化处理后得到PMOI′γ,PMOI′γ的计算公式为:
式中, PMOI=min(PMOI1,PMOI2,…,PMOIH);PMOI1,PMOI2,…,PMOIH分别为H个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度;
设对第γ个降水产品组合方案的估计雨量区间的平均宽度RBγ进行归一化处理后得到RB′γ,RB′γ的计算公式为:
式中, RB=min(RB1,RB2,…,RBH);RB1,RB2,…,RBH分别为H个降水产品组合方案的估计雨量区间的平均宽度;
则通过加权耦合计算第γ个降水产品组合方案的融合潜力MUγ为:
式中,ω为耦合PMOIγ′和RBγ′的权重,本实施例中ω为0.6。
同理计算其他降水产品组合方案的融合潜力。
如图4所示,本实施例中502个降水产品组合方案在研究区域的融合潜力按组合方案中的降水产品数量分类展示。从结果中得出,在本实施例中融合潜力最优的为降水产品数量为4个的组合方案,其中降水产品分别为GSMaP-GN、IMERG-L、ECMWF和JMA。
最后应说明的是,以上所述仅用以说明本发明的技术方案而非限制,尽管参照较佳布置方案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,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。

Claims (6)

1.一种多源降水产品融合潜力量化方法,其特征在于,所述方法包括以下步骤:
步骤1、选择有实测降雨资料的区域作为研究区域,设待选用的降水产品为h种,对降水产品的空间分辨率进行标准化处理,从中至少选择2种降水产品进行组合,列举所有的降水产品组合方案,共有H个组合方案,即
步骤2、对于任一降水产品组合方案,根据组合方案中每个降水产品在有实测雨量的时段i、格点k的降雨估计,确定该降水产品组合方案在时段i、格点k的估计雨量区间Yi,k
步骤3、分别计算H个降水产品组合方案在所有有实测雨量的时段、格点的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB;
步骤4、分别对每个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOI以及估计雨量区间的平均宽度RB进行归一化处理,再通过加权耦合计算每个降水产品组合方案的融合潜力MU。
2.根据权利要求1中所述的一种多源降水产品融合潜力量化方法,其特征在于:步骤1中所述对降水产品的空间分辨率进行标准化处理具体为,将降水产品的空间分辨率均处理为0.1°。
3.根据权利要求1中所述的一种多源降水产品融合潜力量化方法,其特征在于:步骤2中所述的估计雨量区间Yi,k的计算公式为:
式中, 表示第s个降水产品在时段i、格点k的降雨估计。
4.如权利要求1中所述的一种多源降水产品融合潜力量化方法,其特征在于:步骤3中所述估计雨量区间对实测雨量的平均覆盖程度PMOI为实测雨量值超出估计雨量区间的距离与实测雨量值的比值,计算公式为:
式中,n为有实测雨量值的时段总数;b为有实测雨量值的格点总数;为格点k在时段i的实测雨量值;/>为/>超出估计雨量区间Yi,k的降雨量;
的计算公式为:
所述估计雨量区间的平均宽度RB采用平均相对带宽,计算公式为:
5.如权利要求1中所述的一种多源降水产品融合潜力量化方法,其特征在于:步骤4中所述计算每个降水产品组合方案的融合潜力MU的具体过程为:
设对第γ个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度PMOIγ进行归一化处理后得到PMOI′γ,PMOI′γ的计算公式为:
式中, PMOI=min(PMOI1,PMOI2,…,PMOIH);PMOI1,PMOI2,…,PMOIH分别为H个降水产品组合方案的估计雨量区间对实测雨量的平均覆盖程度;
设对第γ个降水产品组合方案的估计雨量区间的平均宽度RBγ进行归一化处理后得到RB′γ,RB′γ的计算公式为:
式中, RB=min(RB1,RB2,…,RBH);RB1,RB2,…,RBH分别为H个降水产品组合方案的估计雨量区间的平均宽度;
则通过加权耦合计算第γ个降水产品组合方案的融合潜力MUγ为:
式中,ω为耦合PMOI′γ和RB′γ的权重;
同理计算其他降水产品组合方案的融合潜力。
6.如权利要求5中所述的一种多源降水产品融合潜力量化方法,其特征在于:所述耦合PMOI′γ和RB′γ的权重ω的取值范围为0.6~0.7。
CN202311644331.4A 2023-12-04 2023-12-04 一种多源降水产品融合潜力量化方法 Active CN117668750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311644331.4A CN117668750B (zh) 2023-12-04 2023-12-04 一种多源降水产品融合潜力量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311644331.4A CN117668750B (zh) 2023-12-04 2023-12-04 一种多源降水产品融合潜力量化方法

Publications (2)

Publication Number Publication Date
CN117668750A true CN117668750A (zh) 2024-03-08
CN117668750B CN117668750B (zh) 2024-09-24

Family

ID=90082066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311644331.4A Active CN117668750B (zh) 2023-12-04 2023-12-04 一种多源降水产品融合潜力量化方法

Country Status (1)

Country Link
CN (1) CN117668750B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010197185A (ja) * 2009-02-25 2010-09-09 National Research Institute For Earth Science & Disaster Provention 降水分布の推定システムおよび降水分布の推定方法
CN108761574A (zh) * 2018-05-07 2018-11-06 中国电建集团北京勘测设计研究院有限公司 基于多源信息融合的降雨量估算方法
CN113205155A (zh) * 2021-05-27 2021-08-03 中国水利水电科学研究院 一种基于分区自适应权重的多源降水数据融合方法
CN113988350A (zh) * 2020-07-27 2022-01-28 海南省气象科学研究所 一种基于时空局部模型的数值模式降水预报产品释用方法
CN115421218A (zh) * 2022-08-22 2022-12-02 大连理工大学 基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架
KR20230133111A (ko) * 2022-03-10 2023-09-19 부경대학교 산학협력단 다중 우적계 관측장비를 이용한 복잡지형 강우장 생성을 위한 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010197185A (ja) * 2009-02-25 2010-09-09 National Research Institute For Earth Science & Disaster Provention 降水分布の推定システムおよび降水分布の推定方法
CN108761574A (zh) * 2018-05-07 2018-11-06 中国电建集团北京勘测设计研究院有限公司 基于多源信息融合的降雨量估算方法
CN113988350A (zh) * 2020-07-27 2022-01-28 海南省气象科学研究所 一种基于时空局部模型的数值模式降水预报产品释用方法
CN113205155A (zh) * 2021-05-27 2021-08-03 中国水利水电科学研究院 一种基于分区自适应权重的多源降水数据融合方法
KR20230133111A (ko) * 2022-03-10 2023-09-19 부경대학교 산학협력단 다중 우적계 관측장비를 이용한 복잡지형 강우장 생성을 위한 시스템 및 방법
CN115421218A (zh) * 2022-08-22 2022-12-02 大连理工大学 基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李昶明;唐国强;洪阳;: "基于Triple-collocation方法的多源降水产品评估", 水利水电技术, no. 08, 20 August 2018 (2018-08-20) *
潘旸;谷军霞;宇婧婧;沈艳;师春香;周自江;: "中国区域高分辨率多源降水观测产品的融合方法试验", 气象学报, no. 05, 15 October 2018 (2018-10-15) *
赵悬涛;刘昌军;文磊;王文川;: "国产多源降水融合及其在小流域暴雨山洪预报中的应用", 中国农村水利水电, no. 10, 15 October 2020 (2020-10-15) *
龙柯吉;谷军霞;师春香;潘旸;黄晓龙;: "多种降水实况融合产品在四川一次强降水过程中的评估", 高原山地气象研究, no. 02, 15 June 2020 (2020-06-15) *

Also Published As

Publication number Publication date
CN117668750B (zh) 2024-09-24

Similar Documents

Publication Publication Date Title
CN108763849B (zh) 结合沉积物和模型的流域面源磷污染入河系数计算方法
Lu et al. Comprehensive hydrologic calibration of SWAT and water balance analysis in mountainous watersheds in northwest China
Xu et al. Improving predictions of water and heat fluxes by assimilating MODIS land surface temperature products into the common land model
CN110058328A (zh) 东北夏季降水多模式组合降尺度预测方法
Xie et al. Calculating NDVI for Landsat7-ETM data after atmospheric correction using 6S model: A case study in Zhangye city, China
CN111639810B (zh) 一种基于防汛需求的降雨预报精度评估方法
CN105069295B (zh) 基于卡尔曼滤波的卫星以及地面降水测量值同化方法
Tang et al. Evaluating suitability of multiple precipitation products for the Lancang River Basin
CN114254802B (zh) 气候变化驱动下植被覆盖时空变化的预测方法
Huang et al. State and parameter update of a hydrodynamic-phytoplankton model using ensemble Kalman filter
WO2020253338A1 (zh) 一种基于交通大数据的道路通行能力提取方法
CN113205155A (zh) 一种基于分区自适应权重的多源降水数据融合方法
Alvarado-Montero et al. Multi-parametric variational data assimilation for hydrological forecasting
Lee et al. Drought, wind, and blowing dust on the southern High Plains of the United States
CN115421218A (zh) 基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架
CN114239274A (zh) 多源遥感数据驱动指数滤波模型推求根层土壤水的方法
Zhang et al. Efficiency measurement and influencing factors of ecological compensation: a case study from Wuqi and Zhidan on the Loess Plateau
CN111913239B (zh) 基于气象水文观测数据的水库有效面雨量计算方法及系统
Gao et al. Estimation of snow bulk density and snow water equivalent on the Tibetan Plateau using snow cover duration and snow depth
CN117668750B (zh) 一种多源降水产品融合潜力量化方法
Jiang et al. Characterizing precipitation uncertainties in a high-altitudinal permafrost watershed of the Tibetan plateau based on regional water balance and hydrological model simulations
CN103033274A (zh) 一种日照温度概率密度的测定方法
CN113987778B (zh) 一种基于野外站点的水土流失模拟值时空加权校正方法
CN116090173A (zh) 一种分布式水文模型率定方法、装置、系统及存储介质
Li et al. Runoff characteristics of the Nen River Basin and its cause

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