[发明专利]基于动态启发式算法的多源降水产品的融合方法

说明书

本发明提供一种基于动态启发式算法的多源降水产品融合方法，包括：搜集稀缺资料地区的有限站点观测数据、卫星反演和再分析降水数据集；采用局地量级缩放方法和等率校正方法校正各数据集，并获得各站点的校正系数；通过赋分函数描述各数据源对降水事件的捕捉能力，推求具有时空动态属性的状态权重；考虑各数据源对降水量级的模拟能力，基于布谷鸟算法推求动态的量级权重；采用普通克里金插值方法，将所有站点的校正系数、状态权重和量级权重均动态映射到同一空间分辨率，通过校正和数据融合获得长系列的栅格定量降水产品。本发明有效地融合各降水数据源的优势，校正了各降水数据源的系统偏差，为流域水文模拟和水资源规划提供了参考依据。

技术领域

本发明属于多源数据融合的技术领域，具体涉及一种基于动态启发式算法的多源降水产品的融合方法。

背景技术

高质量的定量降水数据是灾害防控预警、农业生产管理、生态保护、流域水文模拟以及水利工程规划设计的重要基础资料。传统的降水数据主要依赖于站点观测，但是气象站网通常密度较小且空间布设不均，难以准确反映降水的时空变化特性，不能满足高精度水文模拟等工程应用需要。

近年来，卫星遥测技术和数据反演算法快速发展，基于卫星遥感反演的降水定量观测产品具有较宽的覆盖范围和更高的时空分辨率，有效弥补了气象站点布设不足的缺陷，并为无资料地区提供了新的数据参考。同时，随着人类观测手段和数据同化技术日渐成熟，学者们对多种来源(地面、船舶、无线电探空、测风气球、飞机、卫星等)的观测资料进行质量控制，提出利用数值天气预报的数据同化技术来重构长期历史气候过程，即所谓的再分析数据集，它同化了数值天气预报和大量的地面观测数据与卫星遥感信息，具有时空分辨率精度高、时间跨度长等优点。

但是，受限于遥感精度、反演算法、数值预报模式和同化方案等影响，卫星和再分析降水产品均具有较大的系统偏差。国内学者提出多源数据融合方法可有效提高降水数据的估计精度。但是，现有研究普遍存在以下问题：(1)一般忽略了降水的时空异质性，较少考虑融合参数的动态特征；(2)未能校正各降水数据源的系统偏差，尤其是未同时校正降水的发生频率及量级。总体而言，现有研究未能有效地融合各降水数据源的优势，制约了流域规划、管理和指导水利工程的运行调度。

发明内容

本发明的目的在于针对现有技术的不足之处，提供一种基于动态启发式算法的多源降水产品的融合方法，该方法有效地融合各降水数据源的优势，为流域水文模拟和水资源规划提供重要且可操作性强的参考依据。

为解决上述技术问题，本发明采用如下技术方案：

一种基于动态启发式算法的多源降水产品的融合方法，包括如下步骤：

步骤1、搜集稀缺资料地区的有限站点观测数据、卫星反演和再分析降水数据集；

步骤2、采用局地量级缩放方法和等率校正方法校正步骤1搜集的数据，并获得各站点的校正系数；

步骤3、通过赋分函数描述各数据源对降水事件的捕捉能力，推求具有时空动态属性的状态权重；

步骤4、考虑各数据源对降水量级的模拟能力，基于布谷鸟算法推求动态的量级权重；

步骤5、采用普通克里金插值方法，将所有站点的校正系数、状态权重和量级权重均动态映射到同一空间分辨率，通过校正和数据融合获得长系列的栅格定量降水产品。

进一步地，步骤2还包括如下子步骤：

步骤2.1、依据各地面站点资料，采用局地量级缩放方法逐月校正各数据源的降水发生频率；

步骤2.2、基于等率校正方法推求各站点不同月份的校正因子，并获得各数据源校正后的降水量级。