买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种耦合多源数据的区域气象干旱等级预测方法_武汉大学_201610850079.6 

申请/专利权人:武汉大学

申请日:2016-09-23

公开(公告)日:2020-09-11

公开(公告)号:CN107316095B

主分类号:G06Q10/04(20120101)

分类号:G06Q10/04(20120101);G06Q50/26(20120101)

优先权:

专利状态码:有效-授权

法律状态:2020.09.11#授权;2017.11.28#实质审查的生效;2017.11.03#公开

摘要:本发明公开了一种耦合多源数据的区域气象干旱等级预测方法,通过对网格化卫星遥感降水数据进行空间降尺度,构建高分辨率的区域降水空间数据库,采用标准化干旱指数划分干旱等级,引入反映大气环流特征的大尺度气象因子作为干旱状态转移概率的协变量,基于非平稳Markov链模型构建具有时变转移概率的气象干旱等级预测模型。本发明利用多源遥感信息和基础下垫面特征捕捉区域降水在空间上的变异性,弥补了传统站点观测降雨不足,充分利用能反映大气环流特征的大尺度气象因子这一旱涝演变的外部胁迫和前兆信号,一定程度上考虑了旱涝形成和发展机理,更贴合气象水文系统的动态演化特征,具有较强的科学性与实用性,可为搭建区域旱涝预警预报系统奠定基础。

主权项:1.一种耦合多源数据的区域气象干旱等级预测方法,其特征在于,包括步骤:步骤1,收集区域内基础下垫面信息,和降水、大尺度气象因子的同步长系列资料;步骤2,构建考虑高分辨率基础下垫面因素修正的遥感降水数据空间统计降尺度模型,将低分辨率的原始遥感监测降水数据处理为高分辨率遥感降水数据,并用地面观测站点实测降水数据计算残差修正因子,对输出数据进行校正,获得高分辨率的区域网格化降水空间数据库,定量模拟区域降水分布的空间异质性;步骤3,依次对步骤2得到区域网格化降水空间数据库中的每一个高分辨率网格的长系列降水数据进行频率分析,计算其标准化干旱指数,依据干旱指数的干旱等级划分表,得到各网格的干旱等级序列;步骤4,依据步骤3得到的干旱等级序列,假设干旱等级间的转移概率随时间变化,以步骤1收集的具有一定滞时的大尺度气象因子序列作为干旱状态转移概率的外部解释变量,基于非平稳Markov链模型描述外部解释变量与干旱状态转移概率的定量函数关系,构建具有时变转移概率的气象干旱等级预测模型;步骤5,采用经步骤4优选得到的非平稳Markov链模型进行区域每一个高分辨率网格点的气象干旱等级预测,得到全区域干旱等级的空间分布和受灾面积比例的演化过程。

全文数据:一种耦合多源数据的区域气象干旱等级预测方法技术领域[0001]本发明属于灾害预报预警技术领域,特别涉及一种耦合多源数据的区域气象干旱等级预测方法。背景技术[0002]干旱是一种水分持续性短缺的自然现象,具有发生频率高、持续时间长、波及范围广等特点。我国地处亚洲季风气候区,降水量空间和年内分配严重不均,且季风路径和强度的年际变幅很大,加之境内地形等因素造成的水热不均,使得我国旱灾频发,是世界上遭受干旱灾害最为严重的国家之一。美国气象学会在总结各种干旱定义的基础上,将干旱分为四种类型,即气象干旱、水文干旱、农业干旱和社会经济干旱。气象干旱是指降水减少或无降水,其他类型干旱的形成都与气象干旱有直接的联系。[0003]相较于诸如洪水、台风等其他极端气候事件所带来的“冲击性”后果,干旱的发生与发展具有显著的隐蔽性和“蠕变”性。一场干旱事件的起始和终止时刻往往难以界定,而一旦其影响范围和危害程度得以显现,应对和补救措施往往已严重滞后。因此,及时准确的干旱预测,对于指导抗旱工作开展,加强灾害风险应急管理,提高灾害应对水平等,均具有重大意义。[0004]干旱监测是干旱预测的基础,现有方法大多基于实测雨量站点数据,但由于观测站点密度和分布不均匀的问题,难以体现降水分布的空间异质性;在一些偏远的资料稀缺或无资料地区,更是难以获取观测数据。近年来遥感技术的发展,为大范围干旱监测提供了一条全新的途径。高志强[1]发明了一种基于地表水热通量遥感反演的干旱监测方法及系统,用于估算不同气候、地形条件下的区域地表能量和蒸散分布,为区域农业旱情监测提供技术支持。李就好等[2]发明了一种基于HJ-1A1BCCD数据的干旱监测方法,结合由HJ-IAIBC⑶遥感数据得到的MPDI数据和作物生育期来确定农业干旱情况;冯杰等[3]提供了一种基于数据挖掘的干旱监测方法,综合考虑干旱监测中的多源遥感空间信息对遥感降水进行空间降尺度,采用空间数据挖掘技术构建干旱监测模型。但受当前技术水平的限制,干旱遥感监测还存在空间分辨率低等不足。[0005]区域性的旱涝现象通常由局地大气水分收支的暂时性异常引起,但由于其影响因素众多且相互作用复杂,由于缺乏对灾变机制的全面认识,目前尚难以实现灾情的准确评估和预报。取而代之的是,可以对旱涝事件发生的相对频率和强度等级进行定量的预估。现有区域旱涝等级的预测预报主要从旱涝事件的随机性入手,采用时间序列分析工具,以达到揭示其时空演变特征的目的。杨志勇等[4]采用二维Copula函数构建了滦河流域代表性气象站点季节降水距平百分率序列的联合分布,计算出各个站点旱涝交替和连旱连涝两类旱涝组合事件的发生概率。宋新山等[5]利用Markov模型计算了黄淮海中下游地区16个代表站540年来不同旱涝状态的转移概率、持续时间、重现时间等统计特征。冯平等[6]采用三维对数线性模型建立了滦河潘家口水库控制流域21个雨量站短期气象干旱等级预测模型,实现了预见期为1个月和2个月的气象干旱等级预测。[0006]上述方法多将旱涝演变视作平稳过程,即认为其统计特征如旱涝状态的转移概率等不随时间改变,可由过往实测的气象或水文序列样本统计得到。然而,受气候变化和人类活动的干扰,气象水文系统具有显著的动态演化特征。为了有效应对动态演化条件下区域旱涝事件的灾变风险,亟需研发能够综合考虑内在成因与外部胁迫的区域旱涝预测方法。[0007]文中涉及的参考文献如下:[0008][1]高志强.基于地表水热通量遥感反演的干旱监测方法及系统.专利号ZL201010623662.6.[0009][2]李就好,陈海波,余长洪,等.一种基于HJ-1A1BCXD数据的干旱监测方法.专利号ZL201310379034.1.[0010][3]冯杰,何祺胜,杨志勇,等.一种基于数据挖掘的干旱监测方法.公开号CN105760814A.[0011][4]杨志勇,袁詰,方宏阳,等.基于Copula函数的澡河流域旱溃组合事件概率特征分析[J].水利学报,2013,445:556-569.[0012][5]宋新山,严登华,王宇晖,等.基于Markov模型分析黄淮海中东部地区540年来的旱涝演变特征[J].水利学报,2013,4412:1425-1432.[0013][6]冯平,胡荣,李建柱.基于三维对数线性模型的气象干旱等级预测研究[J].水利学报,2014,455:505-512·发明内容[0014]针对现有技术存在的不足,本发明提供了一种耦合多源数据的区域气象干旱等级预测方法,通过对网格化的卫星遥感降水数据进行空间降尺度,构建高分辨率的区域降水空间数据库,采用标准化干旱指数划分干旱等级,引入反映大气环流特征的大尺度气象因子作为干旱状态转移概率的协变量,基于非平稳Markov链模型构建具有时变转移概率的气象干旱等级预测模型,以分析和预测区域干旱状态的动态演变规律。[0015]为解决上述技术问题,本发明采用如下的技术方案:[0016]—种耦合多源数据的区域气象干旱等级预测方法,包括步骤:[0017]步骤1,收集区域内基础下垫面信息,和降水、大尺度气象因子的同步长系列资料;[0018]步骤2,构建考虑基础下垫面因素修正的遥感降水数据空间降尺度模型,将低分辨率的原始遥感监测降水数据处理为较高分辨率的降水数据,并用地面观测站点实测降水数据对输出数据进行校正,获得高分辨率的区域降水空间数据库;[0019]步骤3,依次对步骤2得到区域网格化降水空间数据库中的每一个高分辨率网格的长系列降水数据进行频率分析,计算其标准化干旱指数,依据干旱指数的干旱等级划分表,得到各网格的干旱等级序列;[0020]步骤4,依据步骤3得到的干旱等级序列,以步骤1收集的具有一定滞时的大尺度气象因子作为干旱状态转移概率的协变量,基于非平稳Markov链模型构建具有时变转移概率的气象干旱等级预测模型;[0021]步骤5,采用经步骤4优选得到的非平稳Markov链模型进行区域气象干旱等级预测,得到全区域干旱等级的空间分布。进一步的,步骤2中,采用多元线性回归方法耦合基础下垫面信息构建空间降尺度模型,对原始遥感监测降水数据进行尺度降解。[0022]进一步的,步骤2中,采用地理信息差异方法,利用地面观测站点实测降水对输出的高分辨率降水数据进行进一步校正。[0023]进一步的,步骤3中,标准化干旱指数使用标准化降水指数。[0024]进一步的,步骤4中,采用广义交叉熵方法估计各非平稳Markov链模型的参数。[0025]进一步的,步骤4中,通过率定的非平稳Markov链模型回代计算历史干旱等级,采用赤池信息量准则优选最终的气象干旱等级预测模型。[0026]与现有技术相比,本发明具有以下优点和效果:[0027]1、充分利用多源遥感信息和基础下垫面特征,捕捉区域降水在空间上的变异性,可弥补传统站点观测降雨点位密度和分布不均匀,无法反映降水在面上分布特征的不足。[0028]2、建立了考虑协变量的具有时变特征的非平稳Markov链模型,克服传统方法仅考虑气象水文序列自相关特性的不足,更贴合气象水文系统的动态演化特征。[0029]3、充分利用能反映大气环流特征的大尺度气象因子这一旱涝演变的外部胁迫和前兆信号,一定程度上考虑了旱涝形成和发展机理,具有较强的科学性与实用性,可为搭建区域旱涝预警预报系统奠定基础。附图说明[0030]图1是本发明方法的具体流程图;[0031]图2是流域网格划分示意图;[0032]图3是降水概率分布拟合示意图;[0033]图4是干旱等级预测结果示意图。具体实施方式[0034]下面结合附图,对本发明技术方案做进一步说明。[0035]图1为本发明方法的具体流程图,具体步骤如下:[0036]步骤1,收集区域内基础下垫面信息,和降水、大尺度气象因子的同步长系列资料。本步骤为本领域内常规技术。[0037]基础下垫面信息主要指格点化、高分辨率的数字高程模型(DigitalElevationModel,DEM资料,和格点化、高分辨率的土地覆被资料例如归一化差分植被指数NDVI等;降水量数据包括地面雨量观测站点实测,和格点化、低分辨率的卫星遥感监测数据;大尺度气象因子包括表征全球范围内各大尺度环流特征的指标数据。[0038]步骤2,构建考虑基础下垫面因素修正的遥感降水数据空间降尺度模型,将低分辨率的原始遥感监测降水数据处理为较高分辨率的降水数据;并用地面观测站点实测降水数据对输出数据进行校正,获得高分辨率的区域降水空间数据库。[0039]步骤2中,采用多元线性回归方法耦合区域下垫面信息构建遥感降水数据空间降尺度模型,对原始遥感监测降水数据进行尺度降解;采用地理信息差异GDA方法,利用地面观测站点实测降水对输出的获得高分辨率的区域降水空间数据库进行进一步校正。进一步包括以下子步骤:[0040]⑴根据区域下垫面信息的空间分辨率,基于地理信息系统GIS平台将区域在空间上进行离散,划分为均匀的高分辨率经炜网格。流域网格划分示意图如图2所示。[0041]2采用最邻近内插法对区域下垫面信息数字高程模型DEM、归一化差分植被指数NDVI进行重采样,使其与原始遥感监测降水数据的分辨率保持一致。[0042]最邻近内插法为本领域内常规技术。[0043]3从数字高程模型DEM中提取出海拔高度h、坡向α和坡度β因子。[0044]4采用多元线性回归法构建区域下垫面信息与原始遥感降水数据的经验关系:[0046]式中:b=O^b1Ahb3Ahbhb6为多元线性回归模型的参数矩阵,采用最小二乘方法估计;Z=1,X,Y,h,aj,NDVI为自变量矩阵;X和Y分别为网格点中心经度和炜度。根据估计得到的参数γ,计算原始低分辨率下遥感降水模拟值[0049]最小二乘方法为本领域内常规技术。[0050]5计算原始低分辨率下的残差:[0052]6采用反距离权重插值方法对低分辨率网格残差进行插值得到高分辨率残差值[0053]反距离权重插值方法为本领域内常规技术。[0054]7将步骤4估计得到的多元线性回归模型的参数应用干高分辨率网格点,得到初始高分辨率遥感降水模拟值并由高分辨率残差值修正得到高分辨率下遥感降水t旲拟值_[0058]8计算每一个由步骤1收集得到的地面观测站点实测降水与包含此站点的高分辨率网格点的遥感降水模拟值之间的残差:[0060]9采用反距离权重插值方法对站点降水残差进行插值得到高分辨率降水修正因子值[0061]10以高分辨率降水修正因子加上高分辨率遥感降水模拟值得到最终高分辨率遥感降水修正值,形成高分辨率的区域降水空间数据库。[0062]步骤3,依次对步骤2得到的高分辨率的区域降水空间数据库中的每一个高分辨率网格的长系列降水数据进行频率分析,计算其标准化干旱指数,依据干旱指数干旱等级划分表,得到各网格的干旱等级序列。[0063]步骤3中,标准化干旱指数使用标准化降水指数(StandardizedPrecipitationIndex,SPI。其计算步骤如下:[0064]1对步骤2得到的每一个修正后的高分辨率网格点遥感降水序列,采用Gamma分布线型拟合各个月份不同时间尺度的累积降水量。Gamma分布的概率密度函数如下所示:7[0066]式中:ajPa2分别是Gamma分布的形状和尺度参数,采用极大似然法估计;Γ·是Gamma函数;p为时段累积降水量,如旬、月、季节、年等。降水概率分布拟合图如图3所示。[0067]优选地,考虑到当前遥感降水产品在月及以上尺度总体尚比较可信,但在更小尺度上仍存在较大不确定性,故本具体实施暂以月为时间尺度。随着遥感产品精度的进一步提高,本发明方法可应用于更小的时间尺度。[0068]极大似然法为本领域的常规技术。[0069]2计算某一时段降水量的累积概率:[0071]3依据等概率原理将累积概率转化为标准正态分布的分位数,S卩SPI:式中:·是标准正态分布概率分布函数的反函数。[0073]步骤3中,干旱指数的干旱等级划分采用其累积概率偏离正常水平50%分位数)的程度。[0074]基于SPI的干旱等级划分如表1所示。[0075]表ISPI指数干旱等级划分表[0077]由表可知,SPI不仅可以用于干旱监测,也可以用于监测区域洪涝状况。[0078]步骤4,依据步骤3得到的干旱等级序列,以具有一定滞时的大尺度气象因子作为干旱状态转移概率的协变量,基于非平稳Markov链模型构建具有时变转移概率的气象干旱等级预测模型。[0079]以整个研究区域为整体系统,区域内高分辨率网格点为计算单元,系统内旱涝结构以某一时刻t处于不同干旱等级的网格点数目占总计算单元数目的比例(即受灾面积比例A⑴=Alt,A2t,...,A7t表示,且随时间演化,常以Markov链模型描述。[0080]平稳Markov链模型假设未来t+Ι时刻系统内任一计算单元干旱等级状态由i转化为j的概率JTij本具体实施中i,j=I,2,...,7仅与当前时刻t已知的状态i有关,而与之前状态无关,且不随时间改变,即:[0082]式中:i、j为状态值,S为状态域,T为时间域。则受灾面积比例的演化过程可表述为:[0084]式中:π为状态转移矩阵。[0085]事实上,受限于有限的旱涝状态转移观测样本,常导致状态转移经验矩阵中出现不合理的零值现象。同时,区域降水受多种因素控制,是海〜陆〜气系统共同作用的典型表现,其状态转移规律不仅与当前所处状态有关,还应随外部环境如大气胁迫)的变化而变化,因此,本发明采用非平稳的时变Markov链模型来描述旱涝状态转移过程,假设旱涝状态的转移概率随时间变化,引入外部解释变量构建其与转移概率的定量关系:[0087]式中:Zijt为解释变量矩阵,riij为其回归参数,fij·为联结协变量和转移概率的函数。常采用线性回归方程构建解释变量与转移概率间的经验关系:[0089]式中:Φ-1·是标准正态分布概率分布函数的反函数。采用分位数变换是为了将因变量由概率区间[0,1]转换为连续的实数空间。[0090]步骤4中,通过相关分析从备选的大尺度气象因子中初步选出作为协变量的大尺度气象因子的种类和滞时;采用广义交叉熵方法估计各非平稳Markov链模型的参数;通过率定的非平稳MarkoV链模型回代计算历史干旱等级,采用赤池信息量准则(AkaikeInformationCriterion,AIC准则优选最终的气象干旱等级预测模型。进一步包括以下子步骤:[0091]1以步骤1收集得到的表征全球范围内各大尺度环流特征的指标数据长系列资料作为备选大尺度气象因子集,设置区域干旱等级演变对大尺度气象因子波动产生响应的最大滞时Lagmax和最小滞时Lagmin,对所有备选大尺度气象因子,逐步从最小滞时增加至最大滞时,采用相关系数分别进行降水系列与备选大尺度气象因子异步序列的相关分析及检验,依据相关系数大小优选出对旱涝演变过程有显著影响的若干组大尺度气象因子协变量。[0092]2采用广义交叉熵方法估计各非平稳Markov链模型的参数。[0093]3通过率定的非平稳Markov链模型回代计算历史干旱等级,采用AIC准则优选最终的气象干旱等级预测模型。[0094]步骤4中,备选大尺度气象因子集可以是北大西洋涛动指数NAO、北极涛动指数AO、太平洋年代际振荡PDO、南方涛动指数SOI、多变量ENSO指数MEI、北大西洋年代际振荡AMO等中的一种或几种。[0095]步骤4中,本具体实施以月为时间步长,最小滞时Lagmin取1个月,最大滞时Lagmax取12个月。[0096]步骤4中,采用广义交叉熵方法估计非平稳Markov模型的参数,可归结为在充分利用所有信息而不增加冗余的前提下,求解使模型转移概率的后验估计与先验估计所携带信息量差别最小的问题。[0097]1目标函数交叉熵):[0099]式中:%〇是先验转移概率矩阵,为求解后验转移概率提供信息。[0100]⑵约束条件:[0104]先验转移概率矩阵可由平稳Markov链模型得到的经验转移矩阵代替。[0105]步骤5,采用经步骤4优选得到的非平稳Markov链模型进行区域气象干旱等级的预测,得到全区域干旱等级的空间分布。[0106]步骤5中,将优选得到的干旱等级预测模型依次应用于每一个高分辨率网格点,得到下一时刻该网格点的干旱等级向不同等级转移的概率,以转移概率最大的等级状态作为下一时刻该网格点的干旱等级,发布预报,估算各等级受灾面积。某一时刻干旱等级预测结果示意图如图4所示。[0107]以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明阐述的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

权利要求:1.一种耦合多源数据的区域气象干旱等级预测方法,其特征在于,包括步骤:步骤1,收集区域内基础下垫面信息,和降水、大尺度气象因子的同步长系列资料;步骤2,构建考虑基础下垫面因素修正的遥感降水数据空间降尺度模型,将低分辨率的原始遥感监测降水数据处理为较高分辨率的降水数据,并用地面观测站点实测降水数据对输出数据进行校正,获得高分辨率的区域降水空间数据库;步骤3,依次对步骤2得到区域网格化降水空间数据库中的每一个高分辨率网格的长系列降水数据进行频率分析,计算其标准化干旱指数,依据干旱指数的干旱等级划分表,得到各网格的干旱等级序列;步骤4,依据步骤3得到的干旱等级序列,以步骤1收集的具有一定滞时的大尺度气象因子作为干旱状态转移概率的协变量,基于非平稳Markov链模型构建具有时变转移概率的气象干旱等级预测模型;步骤5,采用经步骤4优选得到的非平稳Markov链模型进行区域气象干旱等级预测,得到全区域干旱等级的空间分布。2.如权利要求1所述的一种耦合多源数据的区域气象干旱等级预测方法,其特征在于:步骤2中,采用多元线性回归方法耦合基础下垫面信息构建空间降尺度模型,对原始遥感监测降水数据进行尺度降解。3.如权利要求1或2所述的一种耦合多源数据的区域气象干旱等级预测方法,其特征在于:步骤2中,采用地理信息差异方法,利用地面观测站点实测降水对输出的高分辨率降水数据进行进一步校正。4.如权利要求1所述的一种耦合多源数据的区域气象干旱等级预测方法,其特征在于:步骤3中,标准化干旱指数使用标准化降水指数。5.如权利要求1所述的一种耦合多源数据的区域气象干旱等级预测方法,其特征在于:步骤4中,采用广义交叉熵方法估计各非平稳Markov链模型的参数。6.如权利要求1或5所述的一种耦合多源数据的区域气象干旱等级预测方法,其特征在于:步骤4中,通过率定的非平稳Markov链模型回代计算历史干旱等级,采用赤池信息量准则优选最终的气象干旱等级预测模型。

百度查询: 武汉大学 一种耦合多源数据的区域气象干旱等级预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。