[发明专利]一种基于分区自适应权重的多源降水数据融合方法

权利要求书

1.一种基于分区自适应权重的多源降水数据融合方法，其特征在于：包括如下步骤，

S1、对卫星降水数据和地面站点观测降水数据分别进行预处理操作；

S2、对预处理后的卫星降水数据的精度进行评估，筛选出满足精度评定要求的卫星降水数据；

S3、基于分区自适应权重融合方法对满足精度评定要求的卫星降水数据与地面站点观测降水数据进行融合校正，获取各级别卫星降水数据的最优权重；

S4、基于各级别卫星降水数据的最优权重，制作权重自查表。

2.根据权利要求1所述的基于分区自适应权重的多源降水数据融合方法，其特征在于：步骤S1具体包括如下内容，

卫星降水数据的预处理：运用编程语言批量读取文件中各类卫星降水数据并且进行格式转换，统一各类卫星降水数据的时间和空间分辨率；获取各类卫星降水数据在经度和维度上的逐日降水量；

地面站点观测降水数据的预处理：检查各地面站点数据的缺失情况，若为严重缺失，则移除该地面站点数据；若为轻微缺失，则对该地面点数据进行插补处理。

3.根据权利要求1所述的基于分区自适应权重的多源降水数据融合方法，其特征在于：步骤S2具体包括如下内容，

S21、基于DEM高程数据对卫星降水数据和地面站点观测数据做出时空特征分析，并以此判断各卫星降水数据与地面站点降水数据的分析结果是否相近，两者结果越接近，则表示相应的卫星降水数据的精度越高；

S22、分别采用相关系数、相对偏差、均方根误差、平均绝对误差对各个卫星降水数据进行一致性评定，同时分别运用探测率、误报率和临界确定指数评定各个卫星降水数据的探测能力，以筛选出满足评定要求的卫星降水数据；一致性评定和探测能力评定均包括日尺度、月尺度、季度尺度以及年尺度的评定。

4.根据权利要求3所述的基于分区自适应权重的多源降水数据融合方法，其特征在于：一致性评定具体为，分别计算各个评价指标，包括相关系数、相对偏差、均方根误差和平均绝对误差，相关系数越接近1、其他三项误差越接近0，则表示一致性评定结果越好；各个评价指标的计算公式分别如下

其中，R为相关系数；BIAS为相对偏差；RMSE为均方根误差；MAE为平均绝对误差；S_i为第i个卫星降水数据，P_i为第i个地面站点观测降水数据；i＝1,2,3,…,n；n为卫星降水数据的总个数。

5.根据权利要求3所述的基于分区自适应权重的多源降水数据融合方法，其特征在于：探测能力评定具体为，依次计算探测率、误报率和临界确定指数，计算公式分别如下，

其中，H为卫星降水数据准确探测到的降水事件数；F为误报的降水事件数；M为漏报的降水事件数；POD用于衡量对降水事件的探测能力，取值范围为[0,1]，POD的值越大，表示卫星降水数据对降水事件的成功探测程度越高；FAR用于衡量降水事件被错误预测的概率，取值范围是[0,1]，FAR的值越小，表示卫星降水数据对降水的误报程度越小；CSI为卫星降水数据正确检测的降水事件总数占总事件数的比例，能够综合反应卫星降水数据集的特性，取值范围是[0,1]，最优值为1，即CSI的值越大，探测能力评定效果越好。

6.根据权利要求1所述的基于分区自适应权重的多源降水数据融合方法，其特征在于：步骤S3具体包括如下内容，

S31、按照气象局规定，对逐日降水数据进行分级归类，包括小雨、中雨、大雨、大暴雨、特大暴雨；

S32、采用遗传算法逐月对各级别降水分别进行最优权重的求解；

S33、判断各个最优权重是否都满足误差要求，若是，则进入步骤S4；否则，返回步骤S32。