[发明专利]一种基于山区地形及降雨特征预测的小流域面雨量插值方法

权利要求书

1.一种基于山区地形及降雨特征预测的小流域面雨量插值方法，其特征在于：包括以下步骤：

步骤1、基于地面基准站点气象要素实测值建立实测站点-雷达图像样本组，提取降雨回波区块时间特征、空间方向特征和形态特征，并作为特征样本输入3D卷积神经网络全连接层；

步骤2、基于3D卷积神经网络建立降雨时空序列预测模型，提取降雨区块时空分布及移动预测结果，同时标记历史运动轨迹；所述降雨区块时空分布及移动预测结果包括降雨区块未来一定时间内降雨时空分布、雨型、运动矢量预测结果；

步骤3、基于目标小流域地形地貌数据，采用模糊匹配法对山区地形特征与步骤2获得的降雨区块时空分布及移动预测结果进行搜索匹配，以降雨区块预测运动矢量为前进方向，获取与目标区域内降雨因素相关的多维因子，建立面雨量插值因子库；

步骤4、建立包括确定性插值算法及地统计学插值算法在内的空间降雨插值算法库，实时链接至降雨测站基础数据库、面雨量插值因子库，综合分析不同降雨情境和地形条件下，面雨量插值因子对面雨量插值精度的影响，以降雨测站基础数据、面雨量插值因子作为输入，以最优插值算法及相应插值参数作为输出，建立最优算法选择模型及最优参数组合模型；

步骤5、通过步骤4建立的最优算法选择模型及最优参数组合模型，动态提取相应降雨情境下的最优插值算法及相应插值参数，计算当前小流域面雨量，获取小流域降雨空间最优插值结果；

步骤1中，实测站点-雷达图像样本组的获取方法为：基于多普勒雷达体扫基数据产品及雷达拼图产品，获取雷达观测基本反射率样本，将雷达观测基本反射率样本叠加同时间分辨率的站点气象要素实测值，建立实测站点-雷达图像样本组；其中雷达观测基本反射率样本与站点气象数据实测值通过标准化处理实现同时间分辨率；步骤1中，提取降雨回波区块时间特征、空间方向特征和形态特征的具体方法为：将实测站点-雷达图像样本组根据时序排列，利用SIFT定位算法在一定时间间隔内进行空间坐标匹配，获取流场速度矢量；利用时间外推样本组图像，提取运动回波的时间特征、空间特征的矢量；从全局样本图像中提取云团形状的整体形态特征。

2.根据权利要求1所述一种基于山区地形及降雨特征预测的小流域面雨量插值方法，其特征在于：步骤2的具体操作方法为：采用3D卷积神经网络进行模型训练，将步骤1中输入全连接层的特征样本生成训练集和测试集，不同高度层的特征样本组成立方体数据，输入3D最大池化层，基于3D卷积神经网络与长短期记忆网络构建短期降雨时空序列预测模型，获取降雨区块未来2小时降雨时空分布、雨型、运动矢量预测结果，并同时标记历史运动轨迹。

3.根据权利要求1所述一种基于山区地形及降雨特征预测的小流域面雨量插值方法，其特征在于：步骤3中，与目标区域内降雨因素相关的多维因子包括：坡度、坡向、风向坡向夹角、高程、经度、纬度、小流域范围内平均海拔、最高海拔高度、距海岸线距离、预测降雨大小、预测降雨分布、降雨移动速度、雨带到达时间。

4.根据权利要求1所述一种基于山区地形及降雨特征预测的小流域面雨量插值方法，其特征在于：步骤4中，空间降雨插值算法库中的插值算法包括泰森多边形法、反距离权重法、样条法、普通克里金插值方法、回归克里金插值方法、协同克里金插值方法。

5.根据权利要求1所述一种基于山区地形及降雨特征预测的小流域面雨量插值方法，其特征在于：步骤4中降雨测站基础数据库内的因素包括小流域降雨测站的分布、站点密度、插值像元尺度、站点异常率。

6.根据权利要求1所述一种基于山区地形及降雨特征预测的小流域面雨量插值方法，其特征在于：步骤4中最优算法选择模型按照：否决因子、首选因子、1级相关因子、2级相关因子的顺序进行多级选择，以相关度高和相关因子多为原则确定最佳插值算法。