[发明专利]基于多源信息融合的降雨量估算方法

摘要

本发明提供一种基于多源信息融合的降雨量估算方法，包括：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；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；利用最大熵方法求取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；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。优点为：本发明多种数据源融合分析的结果减少了由于某单类降雨信息的不准确带来的区域降雨量估算不确定性；为加强区域高精度灾害预警、规避洪涝风险或小流域暴雨洪水估算提供更为可靠的数据输入以及更丰富更精细化的建模数据。

主权项

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。