[发明专利]基于能量泛函模型的多源多尺度降水数据融合方法和装置

说明书

本发明提供基于能量泛函模型的多源多尺度降水数据融合方法和装置，方法包括：获取研究区域的第一降水数据和第二降水数据，对所述第一降水数据和第二降水数据进行处理得到研究区域的第三降水数据；所述第一降水数据通过CMORPH卫星反演降水产品获取；所述第二降水数据通过国家气象中心数据共享网站获取；根据所述第三降水数据和所述第二降水数据构建能量泛函模型；求解所述能量泛函模型，得到降水数据融合结果。本申请得到的降水数据融合结果更加准确。

技术领域

本发明属于数据处理技术领域，具体涉及一种基于能量泛函模型的多源多尺度降水数据融合方法和装置。

背景技术

降水是全球能量和水循环过程的重要组成部分，是表征气候变化的重要指标，对人类活动和社会经济发展有着十分重要的影响。高质量的降水时空分布信息对于气候、生态、水文和气象过程的研究具有重要意义。同时，作为大气科学、水文学、地学以及生态学等多学科交叉融合研究中必不可少的基础数据，精细时空尺度上的降水数据是各种研究模型的重要驱动参数，其估算精度对于模型模拟结果具有非常重要的影响。

Kavetski(2006)指出在洪水预报不确定性的所有来源中，最主要的因素是降水输入的不确定性。Syed等(2004)认为陆地水文过程的不确定性有70％到80％归因于降水的时空变异性。我国幅员辽阔，地处东亚季风区，横跨多个气候带，受海陆位置、地形、季风、下垫面及人类活动等多种因素的影响，降水呈现出复杂的时空变异特征，特别是日降水过程呈现明显的随机性与时空差异性。准确获取降水的时空特征信息是水文水资源管理、洪涝干旱检测、地质灾害预警和风险评估等工作的重要基础，可为我国制定和实施应对气候变化的国家战略提供科学依据。

常用于获取降水空间分布数据的方式主要包括基于地面观测站的插值方法、基于卫星遥感的反演方法以及基于物理过程模型的模拟方法。由于降水较强的时空异质性，单一方法所得到的降水空间分布信息还存在很大的不确定性(Gebremichael et al，2014)。例如，目前公认的最准确的降水观测方式-地面实测，以往研究中主要借助于插值方法将点状离散信息转化成面状连续性降水数据，这种数据获取方式往往受站点个数及分布的影响。单独依赖空间插值在模拟空间变异性强的日尺度降水或者地形复杂地区的降水时存在很大的不确定性(Yeggina et al，2019)。随着遥感技术和气象卫星的发展，卫星观测资料为我们提供了空间连续性强且覆盖地理环境复杂地区的遥感降水数据，弥补了地面观测站数据不连续及受环境限制的不足，已成为空间化降水数据的重要来源。但卫星对降水的观测是间接观测，其受到传感器性能、云层性质和反演算法等所限，定量误差比较突出。此外，卫星反演降水的空间分辨率较低往往不能满足精细尺度气候变化及水文模拟等的研究需求(郭华东和张露，2019)。气候模式能较好地模拟高层大气场、近地面气候特征和大气环流等特征，但降水的模拟涉及到气候模式的诸多物理过程，如地表蒸发、大气中的水汽辅合及对流云微物理过程等，这为气候模式准确模拟降水增加了许多挑战；同时由于其初始场的差异、模拟气候系统内部振荡以及参数不易确定等原因使得目前气候模式对降水的模拟性能还有待提高，在部分地区如青藏高原区域模拟的降水还存在较大的系统误差(朱庆亮等，2013；赵宗慈等，2014)。

可见，单一来源降水资料各有利弊，不同来源降水数据研究得到的结果甚至完全不同。而对于不同来源、不同精度、不同时空尺度的降水观测信息或估算信息通过一定的优化准则进行集成以获取高精度的精细时空尺度降水空间分布数据是研究的问题和科学难点。

近年来，随着地理信息系统的普及以及多学科交叉融合的发展，许多学者开始利用气象站点的高精度实测资料，结合地统计方法对遥感数据和模式结果进行降尺度或融合，建立了高精度高空间分辨率的格网化降水数据集。但这一系列进展中较少考虑长时间序列精细时空尺度降水的模拟，并且所采用的方法大部分基于一定的前提假设，并不能很好的再现降水实际空间分布状态。

因此，需要提供一种针对上述现有技术中不足的改进技术方案。

发明内容