[发明专利]一种全球陆地降水反演方法

权利要求书

1.一种全球陆地降水反演方法，所述方法包括：

步骤1)将陆地1级数据和TMPA 3B42陆地数据进行匹配，得到匹配数据集；计算三个亮温差，由此判定云系统的对流强度的类型，对不同的类型采用不同的降水反演模型，得到陆地降雨率；

步骤2)根据对流强度判定是否降水，结合步骤1)的降雨率得到最终的陆地降雨率；

所述步骤1)具体包括：

步骤1-1)根据海陆标识码选择并读取卫星载荷的陆地1级数据，提取其中的15个通道亮温、地理位置和时间信息；

步骤1-2)提取TMPA 3B42数据中的降水量、地理位置和时间信息；

步骤1-3)将步骤1-1)的数据和步骤1-2)的数据根据陆地匹配规则进行数据的匹配得到满足要求的匹配数据集；

步骤1-4)根据步骤1-3)得到的匹配数据集中的通道亮温计算三个亮温差：

Δ₁＝TB_183±1-TB_183±7 (3)

Δ₂＝TB_183±3-TB_183±7 (4)

Δ₃＝TB_183±1-TB_183±3 (5)

其中，Δ₁为第一亮温差，Δ₂为第二亮温差，Δ₃为第三亮温差，TB_183±1、TB_183±3和TB_183±7分别为183±1-GHz、183±3-GHz和183±7-GHz三个通道的亮温；

步骤1-5)判定云系统的对流强度的类型：

CI＝1 Δ₂0,Δ₂Δ₁,Δ₂Δ₃ (6)

CI＝2 Δ₁0,Δ₂0,Δ₃0,Δ₁Δ₂,Δ₁Δ₃,Δ₂Δ₃ (7)

CI＝3 Δ₁0,Δ₂0,Δ₃0,Δ₁Δ₂,Δ₁Δ₃,Δ₂＜Δ₃ (8)

其中，CI＝1判定为弱对流，CI＝2判定为中型对流，CI＝3判定为强对流；

步骤1-6)把步骤1-5)中判定的CI＝1、CI＝2和CI＝3天气情况分别用BP神经网络模型1、BP神经网络模型2和线性回归模型3进行降水的反演；同时，把未分类的其他天气情况用BP神经网络模型4进行降水的反演；得到陆地降雨率；

所述步骤2)具体包括：

步骤2-1)将CI＝2和CI＝3的天气情况判定为降水事件发生概率较大的情况，剩余情况判定为降水事件发生概率较小的情况；

步骤2-2)把步骤1-6)中反演得到的降水率根据步骤2-1)中判定降水事件发生概率较小情况中的小于0.25mm/hr的降水事件设置为0mm/hr；

步骤2-3)把步骤1-6)中反演得到的小于0mm/hr的降雨率设置为0mm/hr；

所述步骤1-3)的陆地匹配规则如下：

(a)采用亮温极值法去掉不合理的数据，选取50K～400K之间的亮温；

(b)采用降水量极值法去掉不符合要求的数据，选取0mm/hr～100mm/hr之间的降水量；

(c)选择匹配数据前后时间差不超过30min的数据，即时间分辨率设置为30min；

(d)选择纬度在50°S～50°N范围内的数据；

(e)选择匹配数据前后经度和纬度差都不超过0.25°的数据。

2.根据权利要求1所述的全球陆地降水反演方法，其特征在于，所述BP神经网络模型1使用的是FY-3C/MWHS-II的15个全通道亮温建立的CI＝1天气情况下的BP神经网络降水反演算法；所述BP神经网络模型2使用的是FY-3C/MWHS-II的15个全通道亮温建立的CI＝2天气情况下的BP神经网络降水反演算法；所述BP神经网络模型4使用的是FY-3C/MWHS-II的15个全通道亮温建立的全天候条件下的BP神经网络降水反演算法，所述线性回归模型3使用的是FY-3C/MWHS-II的15个全通道亮温建立的CI＝3天气情况下的线性回归降水反演算法。