[发明专利]一种基于机器学习判别降雨事件的卫星降雨数据校正方法

说明书

本发明公开了一种基于机器学习判别降雨事件的卫星降雨数据校正方法，属卫星降雨数据精度校正技术领域，涉及的校正方法可以具体化到每一个格点每一时刻的数据，旨在改善卫星降雨数据对于有无降雨发生的捕捉能力和提高卫星降雨产品的精度。该方法包括：1)多源数据收集、2)数据处理、3)降雨事件判别模型构建、4)有无降雨修正、5)降雨序列分段、6)分布优选、7)降雨数据分段偏差校正。本发明首先采用机器学习方法构建降雨事件判别模型对卫星降雨数据进行有无降雨校正，然后采用分段适宜分布对卫星降雨总量校正，进而获取较高精度的连续卫星降雨数据。该方法有效地改善了卫星降雨数据的误报率和漏报率，显著提高了卫星降雨数据的精度。进一步地，基于多种分布优选获取降雨序列适宜分布避免了人为给定分布的主观性，能更好地消除卫星降雨数据和实测降雨的误差。

技术领域

本发明是一种基于机器学习判别降雨事件的卫星降雨数据校正方法，属于卫星降雨数据精度校正技术领域。

背景技术

降雨是水文循环中关键的环节之一，其准确度直接影响着径流过程模拟精度以及防洪抗涝工程设计。精确的降雨数据对于研究气候变化背景下水文过程的响应和无资料地区的径流过程模拟起着至关重要的作用。随着全球气候变化的加剧，降雨的时空分布受到了很大程度的影响，如何进行降雨模拟，提高现有的降雨产品的精度已逐渐成为大气科学和地理学等领域需要广泛关注的问题。

近年来，随着遥感观测技术的进步和基于卫星数据反演算法的改进，卫星降雨数据凭借高时空分辨率和连续的空间覆盖度，逐渐成为水文领域研究中的重要数据来源。但卫星降雨对大范围和复杂地形地区的降雨存在模拟不准以及较大偏差等问题，直接用于水文模拟研究中会导致更多的不确定性，结果精度较差。因此，在水文模拟科学研究以及实际生产应用中，需要提前对卫星降雨数据进行偏差校正。

尽管存在众多的降雨偏差纠正方法，但现有的方法多针对降雨在某一方面的特点进行偏差校正，对降雨事件是否发生的判断和修正考虑不多，导致卫星降雨对有无降雨的捕捉能力不足，误报率和漏报率偏高。同时，在现有应用分布拟合校正降雨数据时，多数方法采用人为给定分布进行校正，这样给定分布会存在主观性和时不变的特点，不利于开展变化环境下卫星降雨的偏差校正。

发明内容

本发明的目的在于提供一种基于机器学习判别降雨事件的卫星降雨数据校正方法，旨在改善卫星降雨对于有无降雨发生的捕捉能力、提高卫星降雨的精度和在水文模拟应用中的可靠性，解决卫星降雨的误报率高、漏报高和人为挑选降雨数据概率分布函数主观性的问题。

本发明的目的是这样实现的：

一种基于机器学习判别降雨事件的卫星降雨数据校正方法，包括以下几个步骤：

降雨过程的形状校正：

1)多源数据收集：收集下载研究区范围内气象因子数据、高程地形因子数据、卫星降雨数据及气象站点实测降雨数据等；所述气象因子数据、高程地形因子数据、卫星降雨数据均为网格尺度数据集；

2)数据处理：首先将气象因子数据和高程地形因子数据重采样到与卫星降雨数据同样的分辨率；采用反距离加权平均插值方法对网格尺度数据集插值处理，获取研究区内每一个气象站点所在位置处的气象因子数据和高程地形因子数据；

3)降雨事件发生判别模型构建：

基于机器学习方法(支持向量机或神经网络模型)构建研究区降雨事件发生判别模型；利用气象站点所在位置处的气象因子数据、高程地形因子数据和实测降雨数据训练模型；降雨事件发生判别模型的输入为气象因子和高程地形因子数据集，输出为是否发生降雨的信号；以0表示无雨，1表示有雨；