[发明专利]一种贝叶斯框架下的地基和星载测量降水数据融合算法

权利要求书

1.一种贝叶斯框架下的地基和星载测量降水数据融合算法，其特征在于，包括一下步骤：

(1)选取时间上和空间上匹配的星载测量降水和地基雷达测量降水个例的数据，匹配时设置一定的空间窗和时间窗，时间窗为星载测量扫过匹配空间窗的时间与地基雷达开始一次体扫的时间差距在±6min以内，空间窗为以地基雷达为中心，r半径的圆形区域与星载雷达测绘带所相交的区域，其中r为地基雷达扫描范围，像素空间匹配时利用格点匹配法，

(2)将时空匹配的地基雷达和星载测量降水数据各个像素，根据降水类型分为层状云降水和对流性降水两类，

(3)在降水分类基础上，将层状云降水像素按降水强度分为中小雨和大雨，将对流性降水像素按降水强度分为中小雨和大雨，根据降水强度分级标准，将7.6mm/h以上的分为大雨，反之则为中小雨，

(4)基于匹配的不同降水类型不同降水强度的地基雷达和星载测量降水数据，建立分层贝叶斯框架以推求未知真实降雨量的后验分布，将地基雷达估计降水结果RR近似为降雨真实值RT的先验信息，给定真实降雨量情况下的星载测量降水RS的条件概率为似然函数，真实降雨量则通过求已知星载降水量情况的真实降雨量的后验分布得到，由于先验分布参数和似然函数参数既与降水类型有关又与降水强度等因素有关，模型参数不是固定值，而是受不确定性因子的影响呈一定的概率分布，从而形成如下层次贝叶斯结构形式：

f(R_T|R_S)∝f(R_s|R_T)f(R_T)

f(R_T)～N(R_G,σ₁)

σ₁～Exp(σ₁|λ₁)

f(R_s|R_T)～N(a+α+(b+β)R_R,σ₂)

α～N(0,σ_α),β～N(0,σ_β),σ₂～Exp(σ₂|λ₂)

式中∝表示正比于，～表示呈某种概率分布形式，f(x)表示概率分布，f(R_s|R_T)表示给定真实降雨量RT情况下星载测量降水RS的条件概率，即似然函数，N(x)表示正态分布，Exp(x)表示指数分布，f(R_T)～N(R_G,σ₁)表示真实降雨量的先验概率f(R_T)呈均值为RG方差为σ₁的正态分布形式，似然函数中a，b是星载测量降水相对于地基雷达降水估计数据的系统误差参数，其受降水类型、降水强度的影响，这种影响包含于参数α，β中，α，β呈均值为0，方差为σ_α，σ_β的正态分布，λ₁，λ₂是指数分布的尺度参数，

(5)利用时空匹配的地基雷达降水数据和雨量计数据训练样本，估计地基雷达降水数据不同降水类型不同降水强度下的先验误差模型参数λ₁

(6)利用时空匹配的星载测量降水数据和地基雷达降水数据训练样本，估计不同降水类型不同降水强度下的似然函数模型参数a，b,σ_α，σ_β,λ₂

(7)将步骤(3)中的先验模型参数和步骤(4)中似然函数模型参数，代入步骤(2)构建分层贝叶斯融合结构模型中，求解真实降雨量的后验概率分布f(R_T|R_S)

(8)利用蒙特卡洛法求解真实降雨量的步骤(7)后验概率分布参数，其中估计的每个像素的后验概率分布的均值则为融合结果，方差则为对应的融合结果不确定性。