[发明专利]一种多数据源的数据融合方法

权利要求书

1.一种多数据源的数据融合方法，其特征在于，包括：

基础数据处理步骤，用于对台站气象数据、CFSR气象数据、Princeton大气驱动数据、遥感数据进行处理以获取处理后的基础数据；

数据集建立步骤，用于通过根据处理后的基础数据建立近地面气温场、近地面相对湿度场、近地面风场、近地面气压场、降水场、辐射场；

所述基础数据处理步骤具体包括：

台站气象数据处理子步骤，用于获取来自于中国气象局气象信息中心常规气象要素740站的观测数据，其中所述观测数据中包括以下的至少一种观测变量：近地面1.5米气温、气压、相对湿度、近地面10米风速、累积降水和日照时数；

CFSR气象数据再分析子步骤：用于获取CFSR再分析资料；其中CFSR再分析资料中包括：近地面气温、相对湿度、风速和气压变量的3小时分辨率的数据，以为大气、海洋、陆地和海冰模式提供初始场；

Princeton大气驱动数据再分析子步骤：基于NCEP-1再分析资料，再利用月气候资料对NCEP-1再分析资料进行订正，然后进行空间降尺度；其中Princeton大气驱动数据中至少包括：近地面气温、相对湿度、风速、气压和短波辐射数据；

遥感数据处理子步骤：用于对CMORPH降水资料进行降维处理，并对GWEXE SRB下行短波辐射资料中的地表下行短波辐射资料进行处理；

所述数据集建立步骤中通过以下方法建立近地面气温场：

步骤11、建立趋势面，在每个有观测的时刻，建立如下的趋势面模型，

1958-1978：t(x,y)＝f(x,y)+β·z(x,y)+ε(x,y)

1979-2010：t(x,y)＝f(x,y)+β₁·z(x,y)+β₂·t_cfsr(x,y)+ε(x,y) (2-11)

式中t代表近地面2米气温，z为高程，t_cfsr是CFSR再分析数据在点的线性插值；

其中，某一时刻的驱动变量u分解为

其中(x,y)是经纬度，{ψ_r,r＝1,2,...,p}是给定的协变量函数，β_r是回归系数，f是2阶薄板平滑样条函数；ε为误差，是独立同分布的；公式中的合称为变量的趋势面；只要样条函数的系数和回归系数确定了，趋势面相对于经纬度的函数关系就确定了；则在任一点的插值只需将该点的经纬度代入趋势面的函数即可获得；在本步骤中驱动变量u为近地面2米气温t；其中2阶薄板平滑样条函数f是针对于在经度{x₁,x₂,...x_n}和纬度{y₁,y₂,...y_n}上的n维观测向量定义的；其表现为

和限制条件

d₁、d₂、d₃为一阶系数，c_i为二阶系数；

由公式(2-1)、公式(2-2)可知，2阶薄板平滑样条函数f的自由度与观测的个数相同；因此在计算样条系数和回归系数时，不但要使趋势面靠近观测，也要使样条尽量平滑以控制趋势面在无观测地区的误差；在实际操作中，这些系数被取为使得以下目标函数的最小的值，

其中第一项代表误差的规模，第二项

J₂(f)代表2阶薄板平滑样条函数f的光滑性；λ是光滑参数，用于平衡误差规模和光滑性；z_i为高程；δ是偏微分符号；d为微分符号；

估计样条系数和回归系数的关键技术是对光滑参数λ的估计；因为λ确定后，目标函数(2-2)只是样条系数和回归系数的2次函数，使它在约束条件(2-3)下极小的系数有显示表达；

基于最小交叉验证原则对光滑参数λ进行验证：

步骤12、对趋势面进行订正，具体包括：

用简单克里金方法对趋势面的残差场插值，得到插值结果为

其中，||x，y；x_i，y_i||表示点(x，y)和(x_i，y_i)之间的欧氏距离，c是一个单调非负函数的协方差函数；然后将残差场的插值叠加到趋势面后就得到最后的插值场

其中协方差函数c的估计采用以下方法：将观测集合按两点间的距离分为若干点对的集合，在每一个集合内计算点对的协方差，以构造一个随距离变化的序列；用一维薄板平滑样条拟合这个序列就可得到协方差函数c；

步骤13、将得到的近地面气温场与CFSR气象数据、Princeton大气驱动数据、遥感数据进行对比以确定数据的准确性；

处理子步骤：用于对CMORPH降水资料进行降维处理，并对GWEXE SRB下行短波辐射资料中的地表下行短波辐射资料进行处理；

所述数据集建立步骤中通过以下方法建立近地面相对湿度场：

步骤21、对于相对湿度q，在每个有观测的时刻，建立如下的趋势面模型，

1958-1978：q(x，y)＝f(x，y)+ε(x，y)

1979-2010：q(x，y)＝f(x，y)+β₁q_cfsr(x，y)+ε(x，y)

(2-12)

其中q_cfsr是CFSR再分析数据在点的线性插值，其中2阶薄板平滑样条函数f的计算步骤与步骤11相同；

步骤22、对趋势面进行订正，订正方式与步骤12相同；

步骤23、对日尺度插值结果和6小时尺度的插值结果进行时间降尺度，具体包括：

在每一日的监测数据中确定有监测数据的时刻，并在每两个相邻的监测数据之间进行插值，插值的为相邻时刻的驱动场的平均值；

利用插值后的监测数据对辅助资料进行订正以达到时间降尺度的目的；其中该辅助资料为以下的一种：CFSR再分析资料、Princeton大气驱动资料、GEWEX SRB下行短波辐射资料；

其中利用插值后的监测数据对辅助资料进行订正具体包括：对于风速的气象变量，获取其辅助资料，将3小时的辅助资料除以它的日平均再乘以插值的日资料；

步骤24、将得到的地面相对湿度场与CFSR气象数据、Princeton大气驱动数据、遥感数据进行对比以确定数据的准确性；

所述数据集建立步骤中通过以下方法建立近地面风场：

步骤31、对于近地面风场w，在每个有观测的时刻，采用如下模型：

w(x，y)＝f(x，y)+ε(x，y) (2-13)

步骤32、对日尺度插值结果和6小时尺度的插值结果进行时间降尺度，具体包括：

在每一日的监测数据中确定有监测数据的时刻，并在每两个相邻的监测数据之间进行插值，插值的为相邻时刻的驱动场的平均值；

利用插值后的监测数据对辅助资料进行订正以达到时间降尺度的目的；其中该辅助资料为以下的一种：CFSR再分析资料、Princeton大气驱动资料、GEWEX SRB下行短波辐射资料；

其中利用插值后的监测数据对辅助资料进行订正具体包括：对于风速的气象变量，获取其辅助资料，将3小时的辅助资料减去它的日平均再加上插值的日资料；

所述数据集建立步骤中通过以下方法建立近地面气压场：

步骤41、对于近地面气压场p′，在每个有观测的时刻，采用如下模型：

p′(x，y)＝f(x，y)+s′(z(x，y))+ε(x，y) (2-14)

其中s′是一维平滑样条函数；

步骤42、对日尺度插值结果和6小时尺度的插值结果进行时间降尺度，具体包括：

在每一日的监测数据中确定有监测数据的时刻，并在每两个相邻的监测数据之间进行插值，插值为相邻时刻的驱动场的平均值；

利用插值后的监测数据对辅助资料进行订正以达到时间降尺度的目的；其中该辅助资料为以下的一种：CFSR再分析资料、Princeton大气驱动资料、GEWEX SRB下行短波辐射资料；

其中利用插值后的监测数据对辅助资料进行订正具体包括：对于气压的气象变量，获取其辅助资料，将3小时的辅助资料减去它的日平均再加上插值的日资料；

所述数据集建立步骤中通过以下方法建立降水场：

步骤51、在整个1958-2010年用日降水资料建立趋势面，在以下时间段的趋势面模型分别为

1958-1978：r′(x，y)＝f(x，y)+ε(x，y)

1979-1997：r′(x，y)＝f(x，y)+α·r_cfsr(x，y)+ε(x，y)

1998-2010：r′(x，y)＝f(x，y)+α·r_cmorph(x，y)+ε(x，y) (2-15)

其中r’代表日观测降水量，r_cfsr(x.y)和r_cmorph(x，y)分别为日平均的CFSR再分析资料和CMORPH降水产品在(x，y)处的线性插值；α为计算系数；

步骤52、对日尺度插值结果和6小时尺度的插值结果进行时间降尺度，具体包括：

在每一日的监测数据中确定有监测数据的时刻，并在每两个相邻的监测数据之间进行插值，插值的为相邻时刻的驱动场的平均值；利用插值后的监测数据对辅助资料进行订正以达到时间降尺度的目的；其中该辅助资料为以下的一种：CFSR再分析资料、Princeton大气驱动资料、GEWEX SRB下行短波辐射资料；其中利用插值后的监测数据对辅助资料进行订正具体包括：对于风速的气象变量，获取其辅助资料，将3小时的辅助资料除以它的日平均再乘以插值的日资料；

所述数据集建立步骤中通过以下方法建立辐射场：利用台站观测资料中的日照时数、日最高气温、日最低气温、日平均相对湿度，建立下行短波辐射；日照时数是指太阳在一地实际照射地面的时数，即地面观测地点受到太阳直接辐射辐照度等于和大于120W/m²的累计时间；

具体包括：

步骤61、建立日照时数在两个时间段的回归模型：

1958-1982和2008-2010：s(x，y)＝f(x，y)+β₁t_d(x，y)+β₂F(q(x，y))+ε(x，y)

1983-2007：s(x，y)＝f(x，y)+β₁t_d(x，y)+β₂F(q(x，y))+β₃G(x，y)+ε(x，y) (2-16)

其中s为日照时数，t_d为温度在北京时间的日变化，q为在北京时间的日平均相对湿度；

G(x,y)是短波辐射遥感产品GEWEX SRB在处的插值；利用5公里格点的经纬度信息、温度日变化、日均相对湿度以及GEWEX SRB产品生成5公里格点场的日尺度日照时数；

步骤62、利用太阳辐射模型计算5公里3小时的下行短波辐射；具体包括：

根据前面已经建立的近地面气温场，相对湿度场和气压场，计算日平均气温、日平均相对湿度和日平均气压，并结合日照时数场，计算日尺度的下行短波辐射；

根据太阳高度角的变化，将下行短波辐射的日值分配到3小时的时间尺度上，最后，生成时空分辨率为5公里3小时的下行短波辐射场，并将北京时间转换成世界时间；

其中下行长波辐射场是由短波辐射、近地面气温、相对湿度和气压场直接计算生成。

2.根据权利要求1所述的多数据源的数据融合方法，其特征在于，所述方法还包括：

分类数据的数字化处理步骤，用于对土壤数据进行分类处理；具体包括：

土壤平均粒径计算步骤，根据以下公式计算土壤平均粒径：

其中S_i’是第i’种土壤粒径的序数，R_i’是这种粒径的土壤所占的比例；

地表植物的平均根深计算步骤，利用地表植物的序数和这种地表植物所占的比例，计算地表植物的平均根深；

数据聚类分析步骤，用于将数字化的土壤和地表植物的数字化参数与其他流域数据/参数整合在一起，进行多源数据的聚类分析，以获取流域的降水特点与土壤平均粒径、植被类型、海拔高度之间的关系；

根据上中下游的不同的地理条件选择不同的多源降水数据融合方案以及水文模型的参数化方案；通过不同的降水数据和参数化方案的模拟效果进行比较，以获取与子流域属性相关的最优的降水数据融合以及水文模型的参数化方案。