[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

说明书

本发明涉及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，基于全国多普勒雷达体扫基数据产品及拼图产品，提取多普勒雷达强回波区块时空矢量特征和形状特征，利用3D卷积神经网络建立时空序列预测模型，提取降雨区块时空分布及移动预测结果及历史运动轨迹，基于高精度地形地貌数据，以降雨区块预测运动矢量为前进方向，采用模糊匹配法对山区地形特征与降雨时空分布及运动预测结果进行匹配，从而判断出多维影响降雨的因子，建立面雨量插值因子库。建立基于确定性空间插值方法及地统计学两类方法的插值算法库，实时链接到插值因子库，动态选择相应降雨情境下最优插值算法模型及参数组合，从而获取全国范围内山区小流域面雨量最优插值结果。

技术领域

本发明涉及山区小流域降雨空间插值、小流域面雨量计算领域，具体为一种基于山区高精度地形地貌及降雨特征预测的小流域面雨量插值方法，主要用于山区复杂地形情况下的高精度小流域面雨量获取，从而实现准确的复杂地形区山洪灾害预警预报工作。

背景技术

受特殊的自然地理环境、极端灾害性天气以及经济社会活动等多种因素的共同影响，我国山洪灾害事件频发多发，群死群伤事件时有发生。据统计，上世纪90年代以前，全国每年山洪灾害死亡人数约占洪涝灾害死亡总人数的2/3，新世纪以来已上升到80％左右。

降雨信息是影响流域水循环最活跃的因素，为了实现山洪灾害预警预报，准确的降雨信息是最主要的因素之一且具有大量的不确定现象和强烈的时空异质性，通常降雨数据的获取是通过该区域雨量站的观测资料，但在我国山区，地区雨量观测站点的设立和观测范围受到较大限制，降雨时空分布异质性高，降雨数据精度较低，尤其是对处于复杂地形区的小流域。

利用地面观测数据进行空间插值是研究区域降雨空间分布规律的主要方法之一，而空间插值方法的选择是决定降雨空间插值质量的主要因素，现有的研究主要集中于如何在现有观测条件基础上利用高精度的山区降雨空间插值方法获取高精度的流域面雨量。

由于地区、降雨分布及时空尺度等的差异，适用于不同情景的空间插值方法具有很大差异，目前的确定性方法和地学统计插值方法各有优缺点，不能使用于所有的情景，而目前的研究成果中，并没有根据不同的地区情景和降雨特征情景给出的不同的最优插值方法。影响降雨插值精度的因素非常多，包括地形地貌、坡度、经纬度、站点分布情况等基础环境因素，也包括降雨时空分布特征预测、降雨运动矢量特征预测等因素，仅仅采用某一种插值方法，基于某一种参数模型，无法覆盖所有的地形区和降雨情景，未能全面考虑综合因素对山区降雨空间插值的影响。

因此，为了获取高精度山区降雨空间插值结果，插值算法模型需要能够适用于不同情景，在不同环境条件下具备不同优越性。目前单一的各类降雨插值算法的适用性不强，面对不同的基础环境条件和降雨时空特征时，经常出现变异极值及误差，应用范围不广，仅适用于某一情景或固定地区，无法在大范围内推广应用，在实际应用中，很难为山洪灾害的预警与决策提供帮助。

发明内容

本发明的目的在于基于以上技术缺陷，提供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，本发明的目的是通过以下技术方案实现的：

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，包括：

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卷积神经网络建立短期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(降雨区块未来约2小时移动预测结果)，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(2小时)降雨时空分布、雨型、运动矢量预测结果；