融合SWOT与河网拓扑及气象约束的河网水位重构方法及系统

摘要: 本发明涉及卫星测高水文遥感、流域河网水位重构、水文气象数据融合及深度学习,尤其涉及一种基于swot卫星riversp节点水位观测、sword河网先验数据库、er...
融合SWOT与河网拓扑及气象约束的河网水位重构方法及系统

本发明涉及卫星测高水文遥感、流域河网水位重构、水文气象数据融合及深度学习,尤其涉及一种基于swot卫星riversp节点水位观测、sword河网先验数据库、era5-land气象水文数据和实测降雨资料,融合水文平衡趋势约束、空间邻域约束和上下游河网拓扑约束的graphsage-resmlp河网水位异常重构方法。该方法能够在swot观测离散、月尺度缺测较多的条件下,构建流域尺度连续、精细化的河网月水位数据产品,适用于长江流域及其他大型流域的河流水位动态监测、水资源评估和洪旱灾害风险分析。

背景技术:

1、河流是陆地水循环中最活跃的组成部分,也是连接大气降水、地表径流、湖泊水库、地下水和海洋的重要通道。获取连续、准确且空间覆盖充分的河网水位信息,对于理解流域水循环变化、评估水资源安全、支撑洪旱灾害风险管理以及开展水文模型具有重要意义。因此,构建覆盖完整流域、时间连续、空间精细的河网水位时间序列,是当前卫星测高水文遥感和水文大数据处理领域亟待解决的问题之一。

2、传统河流水位观测主要依赖地面水文站、星下点卫星测高和多源测高卫星融合。地面水文站具有观测精度高、时间连续性强等优势,是流域水文监测和模型验证的重要数据来源;但水文站空间分布通常不均,在山区、支流、跨区域河网以及人类活动影响显著区域中站点相对稀疏,难以覆盖完整河网。传统星下点测高卫星能够在缺少地面站的区域提供高精度水位信息,但其观测通常局限于卫星轨迹与河道交叉位置,空间采样稀疏,难以直接形成连续河道水位网络。

3、surface water and ocean topography(swot)卫星的发射为河流水位观测提供了新的技术手段。与传统星下点测高卫星不同,swot搭载ka波段雷达干涉仪karin,可在约120 km宽的观测带内获取二维水面高程信息,显著增强对河流、湖泊、水库和湿地等陆地水体的空间观测能力。swot level 2 river single-pass vector data product(riversp)进一步基于surface water river database(sword)河网数据库提供节点尺度和河段尺度的水面高程、水面坡度、水面面积及质量标志等信息,为河流水位观测从传统点位或轨迹尺度扩展到流域河网尺度提供了重要机遇。

4、然而,swot原始观测仍难以直接满足月尺度河网连续水位分析需求。swot轨道重访周期约为21天,同一月份内难以覆盖所有河网节点;观测几何条件、暗水比例、河岸混合像元、质量控制筛选和云雨水文过程差异等因素会进一步降低有效数据覆盖率。对于长江流域等大型流域,单月内swot有效观测呈离散分布,相邻月份共同有效的节点比例进一步降低,导致swot数据难以直接形成空间连续、时间完整的河网水位序列。

5、针对卫星水位观测稀疏和时间不连续问题,已有研究尝试通过多源测高融合、时间序列滤波、统计插值、机器学习或水文模型辅助等方法提升水位序列连续性。多源卫星测高融合能够增加重复观测数量,但不同卫星轨道、基准和误差特性不一致,统一处理难度较高;统计插值和时间滤波方法通常依赖局部平滑假设,对复杂河网中的上下游传播、支流汇入、水库调度和局地降雨响应表达不足;气象水文驱动虽然能够提供连续背景信息,但局地格网水文平衡不一定能够完全代表复杂河网中的实际来水过程。

技术实现思路

1、为解决现有swot卫星水位观测在月尺度上存在空间离散、时间缺测、局地异常值和相邻河段不连续等问题,难以直接形成空间连续、时间完整的河网水位序列,且传统统计插值和时间滤波方法对复杂河网中上下游传播、支流汇入、水库调度和局地降雨响应表达不足的技术缺陷,本发明提供一种融合swot与河网拓扑及气象约束的月尺度河网水位重构方法,通过融合swot卫星riversp节点离散水位观测、sword河网拓扑先验、era5-land气象水文背景、实测降雨约束以及knn空间邻域与sword上下游拓扑邻域联合构建的图神经网络邻域聚合,并在模型训练中引入水文平衡趋势一致性约束和邻域一致性约束,实现对缺测节点和缺测月份进行水文合理、空间连续且可验证的月尺度河网水位重构,在保留swot高空间分辨率观测优势的同时,输出覆盖完整流域的精细化河网水位产品。

2、根据本发明说明书的一方面,提供一种融合swot与河网拓扑及气象约束的河网水位重构方法,包括:获取目标流域的swot卫星riversp节点水位观测数据及sword河网先验数据库;以所述sword河网先验数据库中的节点id为空间索引,将swot卫星riversp节点水位观测数据组织为节点-月份二维观测矩阵,并对观测值执行质量控制,生成有效观测掩膜;基于所述有效观测掩膜,计算每个sword节点在其有效观测月份内的水位均值,作为该节点的基准水位;将所述节点-月份二维观测矩阵中的绝对水位转换为相对于基准水位的节点水位异常值,构建节点水位异常矩阵;获取目标流域的降雨数据、蒸发数据及径流数据,计算每个sword节点对应位置处的月尺度水文平衡量;根据水文平衡量的正负符号,生成表征水量盈余或亏缺状态的水文平衡趋势矩阵;基于sword节点的空间经纬度构建knn空间邻域,并基于sword河网先验数据库中的上下游连接关系提取一阶拓扑邻域和二阶拓扑邻域;将所述knn空间邻域、一阶拓扑邻域和二阶拓扑邻域的并集作为联合邻域;将所述节点水位异常矩阵、水文平衡趋势矩阵以及联合邻域输入训练后的图神经网络模型,进行邻域信息聚合与水位异常预测;所述图神经网络在训练时构建的联合损失函数至少包含基于有效观测掩膜的监督损失项,以及基于水文平衡趋势矩阵的趋势一致性损失项;所述趋势一致性损失用于约束预测的水位异常变化方向与水文平衡趋势矩阵所表征的水量盈亏方向一致;将预测得到的节点水位异常值叠加基准水位,重构输出目标流域的月尺度河网绝对水位产品。

3、作为进一步的技术方案,所述水文平衡趋势矩阵为二值符号矩阵;其中,水文平衡量大于或等于0时对应矩阵元素赋值为+1,表征水位异常倾向于升高;水文平衡量小于0时赋值为-1,表征水位异常倾向于降低;所述趋势一致性损失项采用铰链损失函数形式,预测的水位异常变化方向与二值符号矩阵一致时损失为0,不一致时惩罚值与偏离程度正相关。

4、作为进一步的技术方案,所述knn空间邻域通过球面距离计算sword节点间空间距离,选取距离最近的k个节点;所述联合邻域最大聚合节点数不超过预设数值,超出时按照拓扑连接优先、空间距离由近到远的原则截断。

5、作为进一步的技术方案,重构输出目标流域的月尺度河网绝对水位产品之后,还包括粗差迭代修正步骤:对所述月尺度河网绝对水位产品执行时间序列粗差探测和空间一致性检查;所述时间序列粗差探测采用支持向量回归拟合每个sword节点的水位时间序列,重构水位与支持向量回归拟合值的偏差超过设定阈值时标记为时间异常;所述空间一致性检查基于上下游拓扑邻域计算邻域平均水位跳变量,当前节点水位跳变高于上下游邻域平均水位跳变量设定阈值以上时标记为空间异常;将标记为时间异常或空间异常的重构值重新置为空值,重复执行粗差修正过程,直至粗差比例收敛或达到预设迭代次数。

6、作为进一步的技术方案,所述联合损失函数还包括邻域一致性损失项;在目标节点的knn空间邻域或拓扑邻域中有效观测节点比例低于预设阈值时,该目标节点对应的邻域一致性损失项权重置零。

7、作为进一步的技术方案,所述降雨数据通过以下方式获得:获取era5-land格网降雨数据作为背景场,并利用目标流域内的实测降雨站数据对era5-land格网降雨数据进行偏差校正,得到融合降雨格网;所述水文平衡量基于融合降雨格网、era5-land径流数据和era5-land蒸发数据计算得到。

8、作为进一步的技术方案,每个sword节点的水文平衡量通过经纬度匹配距离该节点最近的格网获得。

9、作为进一步的技术方案,所述图神经网络采用graphsage架构进行邻域均值聚合,并采用残差多层感知机作为主干网络;所述残差多层感知机包含多个残差块,每个残差块依次包括层归一化层、第一全连接层、激活函数层、丢弃层、第二全连接层及残差连接。

10、根据本发明说明书的一方面,提供一种融合swot与河网拓扑及气象约束的河网水位重构系统,包括:数据获取模块,用于获取目标流域的swot卫星riversp节点水位观测数据及sword河网先验数据库;swot质量控制模块,用于以所述sword河网先验数据库中的节点id为空间索引,将swot卫星riversp节点水位观测数据组织为节点-月份二维观测矩阵,并对观测值执行质量控制,生成有效观测掩膜;节点水位异常矩阵构建模块,用于基于所述有效观测掩膜,计算每个sword节点在其有效观测月份内的水位均值,作为该节点的基准水位;将所述节点-月份二维观测矩阵中的绝对水位转换为相对于基准水位的节点水位异常值,构建节点水位异常矩阵;水文平衡特征构建模块,用于获取目标流域的降雨数据、蒸发数据及径流数据,计算每个sword节点对应位置处的月尺度水文平衡量;根据水文平衡量的正负符号,生成表征水量盈余或亏缺状态的水文平衡趋势矩阵;空间与拓扑邻域构建模块,用于基于sword节点的空间经纬度构建knn空间邻域,并基于sword河网先验数据库中的上下游连接关系提取一阶拓扑邻域和二阶拓扑邻域;将所述knn空间邻域、一阶拓扑邻域和二阶拓扑邻域的并集作为联合邻域;重构模块,用于将所述节点水位异常矩阵、水文平衡趋势矩阵以及联合邻域输入训练后的图神经网络模型,进行邻域信息聚合与水位异常预测;所述图神经网络在训练时构建的联合损失函数至少包含基于有效观测掩膜的监督损失项,以及基于水文平衡趋势矩阵的趋势一致性损失项;所述趋势一致性损失用于约束预测的水位异常变化方向与水文平衡趋势矩阵所表征的水量盈亏方向一致;水位还原输出模块,用于将预测得到的节点水位异常值叠加基准水位,重构输出目标流域的月尺度河网绝对水位产品。

11、根据本发明说明书的一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的融合swot与河网拓扑及气象约束的河网水位重构方法的步骤。

12、本发明以sword河网节点为统一空间单元,将离散swot观测重构为节点-月份连续水位矩阵,相比现有统计插值和单点外推方法,至少具有以下有益效果:

13、1.显著提高swot河网水位的时间连续性和空间覆盖率。本发明以sword节点为统一空间单元,将离散swot观测重构为节点-月份连续水位矩阵,能够补足swot月尺度缺测节点和缺测月份,形成适用于流域分析的连续河网水位产品,有效解决swot观测数据在月尺度上难以直接用于流域系统分析的瓶颈问题。

14、2.充分利用气象水文背景和实测降雨约束。本发明将era5-land连续降雨背景场与实测降雨站观测融合,并结合蒸发、径流构建水文平衡数值和趋势特征,使水位重构不再仅依赖统计插值,而是受到水量盈亏过程约束,提升了重构结果在无观测或缺测区域的物理可信度。

15、3.同时表达地理邻近性和上下游水文连通性。本发明将knn空间邻域与sword一阶、二阶拓扑邻域共同纳入graphsage聚合,能够利用邻近河段和上下游河段的信息弥补单点观测稀疏问题,相较单一邻域方案,更准确地刻画复杂河网中的支流汇入和干流传播交互影响,增强复杂河网中的空间连续性。

16、4.降低不同河段地形高程和河道尺度差异对模型训练的干扰。本发明将绝对水位转换为节点自身异常序列,使模型重点学习水位变化过程和相对扰动特征,避免不同河段地形高差对预测目标引入的额外变异性,提升跨河段重构稳定性。

17、5.物理约束与数据驱动融合。本发明在深度学习模型中引入水文平衡数值约束和趋势一致性约束,使预测结果既利用swot观测信息,又符合降雨、径流和蒸发共同决定的水量盈亏规律,兼顾数据拟合精度与物理合理性。

18、6.可扩展性强。本发明的数据组织、特征构建、图邻域聚合和粗差修正流程均以节点化河网为基础,可从长江流域推广至其他大型流域,也可根据数据条件扩展融合水库调度、水文站流量、其他卫星测高或水文模型输出。

19、7.工程化闭环保障数据质量可控。本发明在模型预测之后进一步引入时间序列粗差探测和空间一致性检查的迭代修正机制,对孤立异常值和局部空间不连续跳变进行自动识别与补正,提升了最终水位产品在实际业务应用中的可靠性。