一种基于降水发生约束的贝叶斯模型平均多源降水融合方法及系统与流程

摘要: 本发明涉及降水融合,具体涉及一种基于降水发生约束的贝叶斯模型平均多源降水融合方法及系统。背景技术:1、降水是影响水文循环、气象过程及地质灾害发生过程的重要驱动因...
一种基于降水发生约束的贝叶斯模型平均多源降水融合方法及系统与流程

本发明涉及降水融合,具体涉及一种基于降水发生约束的贝叶斯模型平均多源降水融合方法及系统。

背景技术:

1、降水是影响水文循环、气象过程及地质灾害发生过程的重要驱动因素,其时空分布特征对于暴雨洪涝、滑坡泥石流等灾害风险识别具有重要意义。由于受地形条件、地理位置及下垫面特征等多种因素影响,降水过程具有显著的时空变异性,同时其观测易受自然与人为因素干扰,使得高精度降水获取面临较大挑战。目前,地面雨量计与气象雷达仍是区域尺度降水监测的重要手段,但其空间覆盖受限于站网密度、复杂地形及较高运维成本,难以满足大范围、连续性降水信息获取需求。

2、随着观测技术的发展,卫星降水雷达与多频辐射计为降水监测提供了新的技术手段,并成为实现(准)全球尺度降水反演的重要途径。同时,基于不同信息源的处理方法不断发展,推动了定量降水估算技术的进步。现有降水估算方法主要包括基于观测的方法、基于大气模型的方法、基于地表反馈的方法以及多源融合方法,由此形成了包括卫星降水估计、再分析资料、基于土壤湿度反演的降水产品及多源融合降水数据集在内的多类数据产品,为获取空间连续降水场提供了重要支撑。然而,由于不同数据源在观测机理、反演假设及后处理策略方面存在显著差异,各类降水产品在不同区域及降水条件下表现差异明显,普遍存在系统偏差、误报与漏报并存以及降水时空分布刻画不足等问题。

3、其中,卫星降水产品根据反演机理主要包括红外(ir)、被动微波(pmw)以及两者融合三类。红外方法具有高时间分辨率和广覆盖优势,但依赖云顶辐射信息,易产生误判;微波方法能够探测云体内部结构,具有更强物理基础,但受限于观测频率与覆盖范围;两者结合方法在一定程度上实现了优势互补。再分析产品通过数值模式与多源观测数据同化构建物理一致的大气场,降水通常由模式推算获得;基于地表反馈的方法则通过土壤湿度变化反演降水,为观测稀缺区域提供补充信息;多源融合产品通过整合多类数据并结合后处理方法,能够提升降水估计的稳定性,但由于数据源差异,其误差结构仍然复杂且具有明显区域依赖性。因此,如何有效整合多源降水信息并降低误差,成为当前研究的重要方向。

4、现有多源降水融合方法多采用经验加权或简单统计校正策略,主要针对长期平均降水场进行优化,在逐日甚至事件尺度上的一致性与可靠性仍存在不足。另一方面,降水过程具有显著的间歇性与事件性特征,地质灾害往往由少数关键降水事件触发,而非长期平均降水所决定。传统融合方法主要针对连续降水量进行优化,缺乏对降水是否发生、发生位置是否准确以及强度是否被准确捕捉等事件属性的约束,导致误报、漏报及定位偏差等问题难以从机制层面得到有效纠正,在短历时强降水或局地极端事件条件下尤为突出,从而加剧致灾过程模拟与阈值判定的偏差。

技术实现思路

1、发明目的:本发明提供一种基于降水发生约束的贝叶斯模型平均多源降水融合方法及系统,实现对降水发生过程与降水量估计的协同约束,同时能够根据不同区域及降水条件下数据源性能差异,自适应调整各数据源的贡献度,在地面观测稀疏区域保持良好的适用性。

2、本发明所述的贝叶斯模型平均多源降水融合方法,包括:

3、获取多源降水数据及辅助变量数据,并对所述多源降水数据进行预处理,以构建特征集;

4、基于所述特征集构建降水事件识别模型,通过所述降水事件识别模型对降水发生状态进行识别,得到干湿日分类结果;

5、对所述干湿日分类结果进行后处理修正,得到修正后的降水事件识别结果;

6、对所述多源降水数据进行分布变换处理,基于分布变换后的多源降水数据构建概率统计融合模型,并利用所述概率统计融合模型对各多源降水数据进行加权融合,得到初始融合降水量;

7、结合所述修正后的降水事件识别结果,对所述初始融合降水量实施事件一致性约束规则,得到最终融合降水结果。

8、本发明所述的贝叶斯模型平均多源降水融合系统,包括:

9、数据预处理模块,用于获取多源降水数据及辅助变量数据,并对所述多源降水数据进行预处理,以构建特征集;

10、事件识别模块,用于基于所述特征集构建降水事件识别模型,通过所述降水事件识别模型对降水发生状态进行识别,得到干湿日分类结果;

11、结果修正模块,用于对所述干湿日分类结果进行后处理修正,得到修正后的降水事件识别结果;

12、加权融合模块,用于对所述多源降水数据进行分布变换处理,基于分布变换后的多源降水数据构建概率统计融合模型,并利用所述概率统计融合模型对各多源降水数据进行加权融合,得到初始融合降水量;

13、约束修正模块,用于结合所述修正后的降水事件识别结果,对所述初始融合降水量实施事件一致性约束规则,得到最终融合降水结果。

14、与现有技术相比,本发明具有如下有益效果:1、通过采用贝叶斯模型平均方法确定各数据源在训练站点处的后验权重,并将权重参数作为区域化变量向目标格网进行空间推广,构建具有空间连续性和区域差异性的权重分布,实现多源降水数据的空间差异化加权融合,提高了融合参数在非站点区域的空间可推广性及融合方法在观测稀疏区域的适用性;2、通过依据降水事件识别结果对初始融合降水量实施事件一致性约束,减少了降水发生判别与降水量估计之间的不一致,从而降低误报和漏报对融合结果的影响,提高事件尺度降水估计的准确性和稳定性。

1.一种基于降水发生约束的贝叶斯模型平均多源降水融合方法,其特征在于,包括:

2.根据权利要求1所述的贝叶斯模型平均多源降水数据融合方法,其特征在于,所述辅助变量数据包括表征地理位置、地形特征以及空间相关性的变量;其中,表征空间相关性的变量通过对邻近训练站点的降水数据进行反距离加权计算确定,包括邻近站点降水估计值与降水发生概率值。

3.根据权利要求1所述的贝叶斯模型平均多源降水数据融合方法,其特征在于,对所述干湿日分类结果进行后处理修正的步骤包括:在所有输入的多源降水数据均判定为干日、且所述降水事件识别模型将目标样本识别为湿日的情况下,将所述目标样本的识别结果修正为干日;其中,干日为降水量小于预设降水阈值的情况,湿日为降水量大于或等于所述预设降水阈值的情况。

4.根据权利要求1所述的贝叶斯模型平均多源降水数据融合方法,其特征在于,得到所述初始融合降水量的步骤包括:

5.根据权利要求1所述的贝叶斯模型平均多源降水数据融合方法,其特征在于,对所述初始融合降水量实施事件一致性约束规则的步骤包括:

6.一种基于降水发生约束的贝叶斯模型平均多源降水融合系统,其特征在于,包括:

7.根据权利要求6所述的贝叶斯模型平均多源降水数据融合系统,其特征在于,所述辅助变量数据包括表征地理位置、地形特征以及空间相关性的变量;其中,表征空间相关性的变量通过对邻近训练站点的降水数据进行反距离加权计算确定,包括邻近站点降水估计值与降水发生概率值。

8.根据权利要求6所述的贝叶斯模型平均多源降水数据融合系统,其特征在于,所述结果修正模块在所有输入的多源降水数据均判定为干日、且所述降水事件识别模型将目标样本识别为湿日的情况下,将所述目标样本的识别结果修正为干日;其中,干日为降水量小于预设降水阈值的情况,湿日为降水量大于或等于所述预设降水阈值的情况。

9.根据权利要求6所述的贝叶斯模型平均多源降水数据融合系统,其特征在于,所述加权融合模块还用于:对所述多源降水数据进行box-cox变换处理;基于变换后的降水数据建立贝叶斯模型平均概率密度函数,并通过期望最大化算法对所述概率密度函数进行求解,确定各多源降水数据在训练站点处的后验权重参数;通过克里金插值算法将所述后验权重参数由所述训练站点向目标格网推广,得到全域权重分布;根据所述全域权重分布对各多源降水数据进行加权集成,并通过box-cox逆变换还原,得到所述初始融合降水量。

10.根据权利要求6所述的贝叶斯模型平均多源降水数据融合系统,其特征在于,所述约束修正模块还用于:在修正后的降水事件识别结果判定为干日、且所述初始融合降水量大于或等于预设降水阈值的情况下,将所述初始融合降水量替换为预设取值范围内的低量级数值;在修正后的降水事件识别结果判定为湿日、且所述初始融合降水量小于所述预设降水阈值的情况下,将参与融合的多源降水数据中大于或等于所述预设降水阈值的有效样本的统计均值确定为融合结果;在存在缺测样本的情况下,利用修正后的降水事件识别结果对应的无效值掩膜对相关格网单元进行统一掩膜约束。