[發明專利]一種基于機器學習判別降雨事件的衛星降雨數據校正方法

有效

• 申請號: 202110021907.6
• 申請日: 2021-01-08
• 公開（公告）號: CN112734047B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 鄒磊;肖帥;王飛宇;沈建明;劉成建
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京國林貿知識產權代理有限公司 11001
• 代理人: 李瑾;李連生

本發明公開了一種基于機器學習判別降雨事件的衛星降雨數據校正方法，屬衛星降雨數據精度校正技術領域，涉及的校正方法可以具體化到每一個格點每一時刻的數據，旨在改善衛星降雨數據對于有無降雨發生的捕捉能力和提高衛星降雨產品的精度。該方法包括：1)多源數據收集、2)數據處理、3)降雨事件判別模型構建、4)有無降雨修正、5)降雨序列分段、6)分布優選、7)降雨數據分段偏差校正。本發明首先采用機器學習方法構建降雨事件判別模型對衛星降雨數據進行有無降雨校正，然后采用分段適宜分布對衛星降雨總量校正，進而獲取較高精度的連續衛星降雨數據。該方法有效地改善了衛星降雨數據的誤報率和漏報率，顯著提高了衛星降雨數據的精度。進一步地，基于多種分布優選獲取降雨序列適宜分布避免了人為給定分布的主觀性，能更好地消除衛星降雨數據和實測降雨的誤差。

技術領域

本發明是一種基于機器學習判別降雨事件的衛星降雨數據校正方法，屬于衛星降雨數據精度校正技術領域。

背景技術

降雨是水文循環中關鍵的環節之一，其準確度直接影響著徑流過程模擬精度以及防洪抗澇工程設計。精確的降雨數據對于研究氣候變化背景下水文過程的響應和無資料地區的徑流過程模擬起著至關重要的作用。隨著全球氣候變化的加劇，降雨的時空分布受到了很大程度的影響，如何進行降雨模擬，提高現有的降雨產品的精度已逐漸成為大氣科學和地理學等領域需要廣泛關注的問題。

近年來，隨著遙感觀測技術的進步和基于衛星數據反演算法的改進，衛星降雨數據憑借高時空分辨率和連續的空間覆蓋度，逐漸成為水文領域研究中的重要數據來源。但衛星降雨對大范圍和復雜地形地區的降雨存在模擬不準以及較大偏差等問題，直接用于水文模擬研究中會導致更多的不確定性，結果精度較差。因此，在水文模擬科學研究以及實際生產應用中，需要提前對衛星降雨數據進行偏差校正。

盡管存在眾多的降雨偏差糾正方法，但現有的方法多針對降雨在某一方面的特點進行偏差校正，對降雨事件是否發生的判斷和修正考慮不多，導致衛星降雨對有無降雨的捕捉能力不足，誤報率和漏報率偏高。同時，在現有應用分布擬合校正降雨數據時，多數方法采用人為給定分布進行校正，這樣給定分布會存在主觀性和時不變的特點，不利于開展變化環境下衛星降雨的偏差校正。

發明內容

本發明的目的在于提供一種基于機器學習判別降雨事件的衛星降雨數據校正方法，旨在改善衛星降雨對于有無降雨發生的捕捉能力、提高衛星降雨的精度和在水文模擬應用中的可靠性，解決衛星降雨的誤報率高、漏報高和人為挑選降雨數據概率分布函數主觀性的問題。

本發明的目的是這樣實現的：

一種基于機器學習判別降雨事件的衛星降雨數據校正方法，包括以下幾個步驟：

降雨過程的形狀校正：

1)多源數據收集：收集下載研究區范圍內氣象因子數據、高程地形因子數據、衛星降雨數據及氣象站點實測降雨數據等；所述氣象因子數據、高程地形因子數據、衛星降雨數據均為網格尺度數據集；

2)數據處理：首先將氣象因子數據和高程地形因子數據重采樣到與衛星降雨數據同樣的分辨率；采用反距離加權平均插值方法對網格尺度數據集插值處理，獲取研究區內每一個氣象站點所在位置處的氣象因子數據和高程地形因子數據；

3)降雨事件發生判別模型構建：

基于機器學習方法(支持向量機或神經網絡模型)構建研究區降雨事件發生判別模型；利用氣象站點所在位置處的氣象因子數據、高程地形因子數據和實測降雨數據訓練模型；降雨事件發生判別模型的輸入為氣象因子和高程地形因子數據集，輸出為是否發生降雨的信號；以0表示無雨，1表示有雨；