[发明专利]基于Copula函数的无资料地区降水数据推求方法及系统

说明书

本发明公开了一种基于Copula函数的无资料地区降水数据推求方法及系统，属于降水预测领域，基于最新再分析气象资料，充分考虑各气象要素对降水的影响，结合有资料地区实测降水数据，采用主成分分析法获取降水影响指数，通过Copula函数构建降水影响指数、模拟降水与实测降水的多维联合分布模型，基于克里金空间插值方法将多维Copula联合分布模型参数插值至无资料地区，在无资料地区重建多维联合分布模型，并以降水影响指数、模拟降水为输入，通过条件最可能组合设计，推求无资料地区实测降水长序列。本发明能够充分考虑再分析数据的优势以及气象要素对降水的综合影响，可为推求无资料地区降水信息提供重要且可操作性强的参考依据。

技术领域

本发明属于降水预测技术领域，更具体地，涉及一种基于Copula函数的无资料地区降水数据推求方法及系统。

背景技术

降水是陆地水资源的直接来源和水文循环的首要环节，降水数据是区域水资源和水环境的首要基础资料之一，对流域水资源综合规划利用、防洪抗旱以及水环境和水生态系统保护均具有重要意义。由于降水观测手段的局限性，偏远地区往往因缺乏降水基础信息而严重制约了当地水资源开发利用与生态环境维护，如何推求无资料地区的降水数据是当前研究的热点与难点。

概括而言，当前降水资料的获取主要包含三种途径：气象雷达、卫星遥感以及地面雨量测站。气象雷达测量费用高昂，难以推广；卫星遥感技术存在时空分辨率低的问题，通常无法满足实际需求；地面雨量测站作为唯一直接观测降水的方法，精度最高，是主流的降水信息获取来源。但雨量测站分布密度有限且分布不均。针对无测站资料地区的降水研究，有学者提出利用大气再分析资料(数值天气模式和资料同化方法重建气象资料)补充无资料地区的降水信息。相较于气象雷达或卫星遥感数据，再分析资料具有空间覆盖全面、时间尺度长、具有动力和物理意义且时空分辨率高的优势。新一代的再分析资料水平分辨率高达31km，提供逐小时的基本天气要素资料。但受限于观测资料的时空不确定性、数值预报模式误差以及同化方法造成的系统偏差，再分析资料仍旧无法直接应用于工程实际，需要进行预处理。例如，何奇芳等“ERA-interim再分析数据集在长江上游的适用性[J].人民长江,2018,49(12):30-33”评估了ERA-interim再分析数据在长江上游的适用性，发现尽管ERA降水数据与流域内雨量测站数据的变化趋势一致，但两者的数值存在一定差异；通过校正处理后的ERA数据可以较好的代表流域内实测站点降水信息。

但该研究仅考虑了单一再分析资料在流域上的适用性。不同的再分析数据产品采用的基础数据不同，基础模式动力框架与物理过程描述以及同化均存在差异，在描述降水过程上各具特点。为了获取更加准确真实的降水信息，需要融合较好捕获降水时空分布的再分析数据，综合考虑不同产品的误差及优势。目前常见的数据融合方法包括简单的算术平均、去除最大偏差以及贝叶斯模型加权平均等。然而算数平均法认为各产品描述降水的能力相同，与实际情况不符；去除最大偏差法将最大偏差的产品去除后，对剩余数据平均，一定程度上考虑了各再分析数据的性能，但之后的平均过程仍然会导致出现算数平均方法的问题。贝叶斯模型加权平均假设各序列服从正态分布，若序列具有非正态特征，则需要通过正态转换处理，这一定程度上局限了模型的精度与准确性。现有研究未能充分利用各再分析气象信息，无法解决无资料地区的降水信息描述的难题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于Copula函数的无资料地区降水数据推求方法及系统，由此解决现有研究未能充分利用各再分析气象信息，无法解决无资料地区的降水信息描述的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于Copula函数的无资料地区降水数据推求方法，包括：

(1)将待测区域划分为已知网格和未知网格，并收集所述待测区域的再分析资料中气象要素长序列以及雨量测站降水长序列，其中，所述已知网格中包含地面雨量测站；