[发明专利]基于多源信息融合的降雨量估算方法

权利要求书

1.一种基于多源信息融合的降雨量估算方法，其特征在于，包括以下步骤：

步骤1，获取多源卫星降雨数据和研究区域内的地面站观测降雨数据；

步骤2，对多源卫星降雨数据进行预处理，包括：对多源卫星降雨数据进行格式统一、区域裁剪和尺度匹配，形成研究区域多源卫星降雨量数据体；

步骤3，将研究区域内的地面站观测降雨数据和研究区域多源卫星降雨量数据体相结合，构成研究区域多源数据集；

步骤4，采用所述研究区域多源数据集，利用地面站观测降雨数据作为约束，体现不同来源的卫星降雨数据对研究区域降雨量的影响权重，进而建立基于动态贝叶斯理论的研究区域的贝叶斯降雨预测模型；其中，所述贝叶斯降雨预测模型是权重将作为先验概率的多源卫星降雨数据转化为作为后验概率的地面站观测降雨数据的过程；

步骤5，目标动态训练样本提取：针对步骤4建立的贝叶斯降雨预测模型，利用地面站观测降雨数据作为训练样本，对步骤4建立的贝叶斯降雨预测模型进行训练，得到训练后的贝叶斯降雨预测模型；

步骤6，利用最大熵方法求取步骤5得到的训练后的贝叶斯降雨预测模型的非线性最优解，进而确定各个卫星数据源的最佳权重和不确定性信息；其中，最佳权重和不确定性随空间位置、时间的变化而变化，呈现动态性；

步骤7，基于卫星数据源的最佳权重和不确定性，生成研究区域内应用多源信息融合降雨量的估算结果；

其中，步骤2中，所述格式统一的具体过程为：将多源卫星降雨数据的格式统一为二进制格式；其中，头文件中包括坐标范围和数据来源，文件体中包括对应位置的降雨量数据矩阵；

所述区域裁剪的具体过程为：从多源卫星降雨数据中裁剪出属于研究区域范围的多源卫星降雨数据，裁剪出的数据空间范围为矩形，其坐标范围由研究区域坐标的极值决定，即裁剪出的区域为包含研究区域的最小矩形；

所述尺度匹配的具体过程为：尺度匹配过程包括时刻统一和空间尺度统一；由于各种卫星降雨数据的监测时刻和空间分辨能力存在区别，因此，将研究区域范围的多源卫星降雨数据转化为时刻统一，空间网格一致的数据；

经过格式统一、区域裁剪和尺度匹配，将多源卫星降雨数据转化为格式统一，时间间隔和空间位置一致的数据体，由此形成研究区域内标准网格中各个时刻降雨量的多源卫星降雨量数据体；

其中，步骤3具体为：

将地面站观测降雨数据放入研究区域多源卫星降雨量数据体的对应网格中，如果单一网格中存在同一地面站的多个地面站观测降雨数据，则取均值；将存在地面站观测降雨数据的网格作为参考点和约束条件，用于评价并优化贝叶斯降雨预测模型的最优解的符合度；对于不存在地面站观测降雨数据的网格，利用优化过的贝叶斯降雨预测模型进行估算得到最优解；

其中，步骤4中，所建立的贝叶斯降雨预测模型为：

其中，p(y|D)为融合后目标降雨的后验概率；

y为融合后的目标降水；

D为一定时段中的地面观测降雨数据；

p(f_k|D)为地面观测降雨条件下的数据反演降雨的后验概率，也视为在地面观测降雨条件下不同卫星反演降雨的准确程度；

f_k为不同模型的反演降水；

p(y|f_k,D)为基于不同模型反演降水，地面观测降水条件下融合降水的后验分布；

k为不同模型种类；

M为模型总量；

其均值表示为

其中：

E(y|D)代表贝叶斯多模型集成的均值，其中E符号代表均值；

E[p_k(y|f_k,D)]为基于不同模型反演降水，地面观测降水条件下融合降水的后验分布的均值；

w_k为地面观测降雨条件下的数据反演降雨的后验概率的简写；

w_k＝p(f_k|D)，则有

方差表示为：

其中：

Var(y|D)表示基于动态贝叶斯多模型集成的方差；

σ²为卫星降水相对于地面降水的方差；

其中，步骤6中，在采用最大熵方法求取训练后的贝叶斯降雨预测模型的非线性最优解时，条件熵最大时对应的条件概率就是所需要得到的条件概率，即：

其中：

H(p)为融合降雨量与地面站观测相关性最大时的条件熵；

p(D)为融合降雨量为地面观测值；

其中，步骤7具体为：利用地质统计学空间插值方法，将目标期内标定台站的最佳权重和不确定性信息插值到整个研究区域，并将插值后的权重进行归一化处理，使得每个格点满足各个卫星的权重之和恒等于1，由此获得研究区域内各类卫星数据的归一化权值，得到研究区域的权重空间分布图；基于所述权重空间分布图，生成研究区域内应用多源信息融合降雨量的估算结果；

具体步骤为：

步骤1：多源卫星降雨数据预处理，具体如下：

首先，选定研究区域中的地面站观测降雨数据和合适的卫星降雨量数据源，选择的卫星数据源包括TRM M3B42RT、TRMM 3B42V7、GPM I MERG、PERSI ANN、Gs Map、CPC CMORPH和FY-2E格式；

然后，将卫星降雨数据进行预处理，按照各自格式解编，并剔除数据中的无效值和非法值，

最后，检查各卫星降雨数据的坐标网格范围和有效的时间间隔，确认研究区域在选定数据的控制范围内并且时间间隔符合工作要求；

步骤2：多源卫星降雨量数据体构建，主要的工作包括格式统一、尺度匹配和区域裁剪：

格式统一：将各自数据的格式统一为本工作设定的二进制格式，方便快速读取和存储；头文件中包括坐标范围和数据来源，文件体中包括对应位置的降雨量数据矩阵；

尺度匹配：尺度匹配过程包括时刻统一和空间尺度统一；各种卫星数据的监测时刻和空间分辨能力有所区别，将选定的数据转化为时刻统一，空间网格一致的数据；其中，可以将卫星数据统一转化为时间间隔2小时，空间位置统一且间隔为0.2°的网格数据，不同时刻的网格构成多源卫星降雨量数据体；

区域裁剪：从多源卫星降雨数据中裁剪出属于研究区域范围的多源卫星降雨数据，裁剪出的数据空间范围为矩形，其坐标范围由研究区域坐标的极值决定，即裁剪出的区域为包含研究区域的最小矩形；形成研究区域多源卫星降雨量数据体

步骤3：多源数据集构建，具体如下：

将研究区域内地面站观测降雨数据与研究区域多源卫星降雨量数据体相结合，构成研究区域多源数据集；

具体的，将地面站观测降雨数据放入研究区域多源卫星降雨量数据体的对应网格中，如果单一网格中存在同一地面站的多个地面站观测降雨数据，则取均值；将存在地面站观测降雨数据的网格作为参考点和约束条件，用于评价并优化贝叶斯降雨预测模型的最优解的符合度；对于不存在地面站观测降雨数据的网格，利用优化过的贝叶斯降雨预测模型进行估算得到最优解；地面站的分布和控制范围对研究区域降雨量的估算结果起到重要的影响；

步骤4：基于动态贝叶斯的模型构建，具体如下

根据贝叶斯理论，当似然函数为1时，

即贝叶斯模型是权重，即先验概率密度p(y|D)，将作为先验概率的卫星观测数据转化为作为后验概率的地面站观测降雨量的过程；其中各观测站数据的概率密度之和为1

这个基于动态贝叶斯原理的降雨量模型的均值为

这个模型的方差为

针对这个基于动态贝叶斯原理的降雨量模型开展工作，获得各类卫星数据源的最佳权重和不确定性信息；

步骤5：目标动态训练样本提取

针对该模型，利用地面站观测降雨数据作为训练样本；针对降雨自身的气候特点，利用前期降雨量与当日降雨量的关系，对于每一台站，选取目标时间的之前的20天以及目标时间前两年相同时段的20天，总计80个样本，作为该台站融合权重的训练样本；目标区域内的地面观测站选择80％作为标定台站参与多源信息融合降雨量估算，另外20％作为独立站对估算效果进行验证；

步骤6：熵最大化法非线性最优化

以标定台站的降雨量信息作为基础，通过熵最大化法对各卫星信息的权重即概率密度进行优化；

其中：max(H(y|D))为融合降雨量与地面站观测值的条件熵的最大值；

学习模型形式为

其中z为规范化因子；

P_w(y|D)表示目标降雨量与地面观测降雨量的最大熵模型；

z(y)表示目标降水的规范化因子；

优化步骤如下：

1)、假定初次迭代的初始模型中各种卫星降雨资料在模型中出现的概率相同，即等概率均匀分布；

2)、用第N次迭代的模型来估算每种卫星数据在降雨量估算中的权重，如结果超过地面站检测的实际值，则把相应数据源的权重调小，反之将其权重调大；

3)、重复步骤2直至模型收敛；

不断优化训练样本期内的不同卫星降雨概率密度函数的参数，得到训练样本某一时刻各类卫星降雨的最佳权重及不确定性信息的分布；本方案得到的最佳权重及不确定性信息随空间位置、时间的变化而变化，呈现动态性；

步骤7：确定空间权重分布，具体如下

主要工作是空间权重和不确定性归一化，进而获得各类卫星数据权重的空间分布；利用地质统计学空间插值方法将目标期内标定台站的最佳权重和不确定信息插值到整个目标空间范围并将插值后的权重进行归一化处理，使得每个格点满足各个卫星的权重之和恒等于1；

地质学统计插值方法包含很多具体插值方法实现二维平面局域参数插值，可以根据地面站的分布情况选择地质统计学空间插值方法中的具体方法，包括简单克里格，普通克里格，协同克里格或随机建模方式；实现各数据体权重的空间插值，插值结果的评判标准是作为独立站的20％的地面观测站降雨量数据，选择与独立站符合度最高的插值方式；

对于简单克里格插值，其过程包括

(1)建立预测位置权重数据体，用于存储不含地面站网格的各种类型降雨数据的权重；

(2)生成变异函数和协方差函数，用于估算单元值间的统计相关，而变异函数和协方差函数也取决于自相关模型；

(3)预测未知点的值，利用全局最优的方法对变异函数进行优化获得各个目标网格中各类卫星数据的权重；

(4)评估预测的偏差；

这样使无台站信息的格点也获得了最佳权重和不确定信息，从而得到不同时刻不同卫星产品的权重、不确定性信息空间分布图；利用权重空间分布图对每个格点进行加权求和，从而得到整个空间范围的降雨融合产品；

步骤8：多源数据融合结果估算和评估

针对目标区域内所有网格中的多源数据集，利用插值得到的相应多源卫星数据的最佳权重和不确定性信息，通过加权求和的方式得到规定时刻的融合降雨量及不确定性；对于存在台站的网格单元，将以台站降雨结果作为多源多平台融合降雨量；

如果同一网格内含大于1个的台站，将认为台站数据的平均值作为融合降雨量；对于不包含台站的网格单元，将采用贝叶斯模型最优化获得的各类数据权重，进行多源多平台融合降雨量估算。

2.根据权利要求1所述的基于多源信息融合的降雨量估算方法，其特征在于，所述多源卫星降雨数据是指来自于不同平台不同卫星类型的降雨数据；在获得原始的多源卫星降雨数据后，剔除异常值后，再进行格式统一、区域裁剪和尺度匹配处理。