申请/专利权人：武汉大学

申请日：2023-08-23

公开（公告）日：2023-12-01

公开（公告）号：CN117152629A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/774;G06V10/82;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明提供一种流域尺度时变卫星重力空缺数据填补方法及系统，包括：通过预设重力卫星数据反演全球陆地水储量异常格网数据及其它辅助数据得到统一时间解算尺度；由全球流域边界范围数据库获取流域精确边界和流域经纬度信息得到统一空间解算尺度；采用经验模态分解对水储量异常时间序列进行模态分解得到各模态分量，结合相关性分析法确定各模态分量主要驱动因子；基于各模态分量和主要驱动因子训练循环神经网络得到各内涵模态分量模型；基于各内涵模态分量模型得到流域尺度下陆地水储量异常空缺数据填补结果。本发明可显著提高整个流域监测的准确性，并优化空间和时间尺度上的数据一致性及完整性，为精确的水资源管理和水循环研究提供了重要支持。

主权项：1.一种流域尺度时变卫星重力空缺数据填补方法，其特征在于，包括：获取预设重力卫星数据、流域降水数据、水文模型地表水储量数据和气候因子数据；通过所述预设重力卫星数据反演全球陆地水储量异常格网数据及其它辅助数据，统一所述流域降水数据、所述水文模型地表水储量数据和所述气候因子数据，得到统一时间解算尺度；由全球流域边界范围数据库获取流域精确边界和流域经纬度信息，对所述流域精确边界和所述流域经纬度信息进行裁剪，得到统一空间解算尺度；综合所述统一时间解算尺度和所述统一空间解算尺度得到水储量异常时间序列，采用经验模态分解对所述水储量异常时间序列进行模态分解得到各模态分量，结合相关性分析法确定所述各模态分量的主要驱动因子；构建循环神经网络模型，基于所述各模态分量和所述主要驱动因子训练所述循环神经网络得到各内涵模态分量模型；基于所述各内涵模态分量模型得到流域尺度下陆地水储量异常空缺数据填补结果。

全文数据：

权利要求：

百度查询： 武汉大学 一种流域尺度时变卫星重力空缺数据填补方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD