[发明专利]无测站山区径流与遥感降水相结合的降水估算方法

权利要求书

1.无测站山区径流与遥感降水相结合的降水估算方法，其特征在于，包括如下步骤：

A、基于贝叶斯模型的流域降水估算方法：研究贝叶斯推断模型与水文模型耦合方法，建立水文模型参数反演的贝叶斯统计推断模型，提出降水输入误差的参数化表达方式；研究模型似然函数的推导方法和降水误差参数先验分布的估计方法，提出模型的求解方法；选择流域，开展模型的应用与验证，形成“从径流推断降水”的流域降水估算方法；

B、耦合径流与遥感降水产品的无测站山区降水估算：选择柴达木盆地为研究区，以TRMM日降水产品为数据源，利用盆地中部降雨测站数据，分析TRMM日降水产品数据的误差及其分布特点，确定降水误差参数的先验分布特征；利用“从径流推断降水”方法，以遥感降水产品作为输入，开展无降水测站山区遥感降水产品修正估算，并对估算结果进行验证，提出无测站山区径流与遥感降水相结合的降水估算方法；

C、“从径流推断降水”估算方法的敏感性、不确定性与适用性分析：选择不同结构水文模型与贝叶斯推断模型耦合，分别构建“从径流推断降水”估算模型，开展柴达木盆地山区不同流域无测站山区降水估算研究，获取无降水测站山区的降水分布，与相关研究成果进行对比分析，评价估算方法对模型结构的敏感性，探讨评估结果的不确定性，分析该方法对不同流域的适用性；

(1)贝叶斯统计推断模型：拟选用贝叶斯总误差分析方法BATEA来构建流域降水推断模型，

BATEA方法的表达形式如下：

式中θ是模型参数其分布中的参数向量记为βy，是服从某一分布的降雨乘子，其分布中的参数向量记为βx，降雨乘子定义为实测雨量值X^～t与未知的真实降雨Xt之间的折算系数，即Y^～是水文站观测径流数据，采用准则确定随机乘子分布参数和模型参数的先验分布，通过贝叶斯公式将这些参数的先验分布与观测流量的似然函数合成，从而得到上述参数的联合后验分布；

对上式进行积分运算，可以计算出降雨乘子的后验分布，进而实现对降水的校正；

(2)水文模型的选择与构建：

水文模型选择的不同对参数反演结果存在不同，本研究选择SWAT模型、HIMS模型和TOPMODEL，

由于选择的研究区冬天有降雪，特在模型中加入降雪模块，选用如下方法：

SM＝max(min[f{T—T0}，SWE]，0)

式中，SM是单位时间内的融雪量，f是融雪因子，T是空气温度，T0是融雪阈值温度，为了考虑高程对温度进而对融雪的影响，融雪模型在流域内按照100米高度带为空间单元进行运算，对于每一个高度带的温度利用如下公式计算：

Ti＝Tf+γ(Zi—Zf)

式中，Ti是第i高度带的温度，Tf是站点温度，Zi是高度带中间高程，Zf是站点的高程，

γ是温度随高程的变化率；

同样的，按如下公式，降水也通过随高程变化来分布到每个高度带，对于基于站点降水的，按如下方法：

Pi＝Pf(1+α[Zi—Zf])

式中，Pi是第i高度带的降水，Pf是站点的降水，Zi是高度带中间高程，Zf是站点的高程，α是降水随高程的变化率；

对于遥感降水，通过高度带空间统计来获取每个高程带的平均降水；

最后，输入土壤模型的降水量可以通过加权平均每个高度带的降水加融雪量来计算；

(3)水文模型参数反演的贝叶斯统计推断模型构建与求解：

水文模型参数先验分布的确定对于参数反演精度具有影响通过文献调研的方法，结合研究区的地形地貌土壤特点，确定每个参数的值域范围和先验分布特征，降水乘子的先验分布拟通过分析平原区站点降水数据和遥感产品的误差来确定，在山区应用时把变化范围放大，似然函数推导参照贝叶斯总误差分析方法，在得到各个参数的先验分布和似然函数后，就可以求得联合后验概率分布；利用马尔可夫链蒙特卡洛方法来求解各个参数的后验概率分布。

2.根据权利要求1所述的无测站山区径流与遥感降水相结合的降水估算方法，其特征在于：所述步骤A中的径流是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量等于流域平均降水减去流域平均蒸发和流域蓄变量。