[发明专利]一种基于零膨胀时空回归模型的雪水当量建模和预测方法

权利要求书

1.一种基于零膨胀时空回归模型的雪水当量建模和预测方法，其特征在于，包括以下步骤：

步骤1：数据获取与处理；获取雪水当量栅格数据产品及与积雪聚积和消融相关的环境因素遥感数据产品，将所有的栅格数据产品进行投影转换成与雪水当量相同的投影坐标系，将投影后的栅格数据重采样成与雪水当量栅格数据相同的空间分辨率；

步骤2：构建空间邻接列表；根据栅格单元的空间邻接关系，构建空间邻接列表；在空间邻接列表中，每个栅格单元都对应的空间邻接关系表，表中是对应的邻接栅格单元的ID号和权重值；

步骤3：时间序列数据重组与拼接；为每一期的雪水当量生成其时间滞后变量，将每一期的雪水当量和环境因素数据按照行或列的形式重新排列，构建时间序列数据集；同时，将空间邻接列表按照相应的时间序列拼接，构建时间序列空间邻接列表；

步骤4：生成雪水当量二元分类变量；为重组后的时间序列数据集生成雪水当量二元分类变量π以区分零值和非零值，新生成的二元分类变量π取值为0或1，其中0代表雪水当量为零的单元，π取值为1代表雪水当量不为零的单元；

步骤5：二元部分时空建模；以步骤4中雪水当量二元分类变量为因变量，环境因素数据及时间滞后变量作为自变量，采用广义线性回归模型对二元部分雪水当量进行时空建模；

步骤6：连续部分时空建模；提取出步骤4中雪水当量二元分类变量的值为1的记录并存储为非负子数据集，以子数据集中的雪水当量为因变量，环境因素数据及时间滞后变量作为自变量，进行连续部分雪水当量的时空建模；

步骤7：构建零膨胀时空回归模型；将步骤5中二元部分得到的概率值和步骤6连续部分得到的预测值进行匹配相乘，得到零膨胀时空回归模型拟合的雪水当量值；

步骤8：预测分析；对步骤7中的模型进行精度评价，当模型精度较高时，将最近的环境因素遥感数据产品预处理后，作为自变量X输入到步骤7构建的零膨胀时空回归模型中，与步骤7中的建模参数进行运算，得到最近的雪水当量的预测值。

2.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法，其特征在于：步骤1中，雪水当量栅格数据产品通常采用被动微波遥感和地面观测的数据融合产品，相关的环境因素遥感数据包括但不限于海拔、纬度、降水、温度、地表热通量、水蒸气含量、云水含量、植被覆盖、风速。

3.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法，其特征在于：步骤2中，对于栅格数据结构，常见的邻接关系有：Rock邻接，Bishop邻接，Queen邻接等；除了邻接关系，也可采用基于距离的空间权重方式。

4.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法，其特征在于：步骤3中，将该像元当前雪水当量对应的前期雪水当量整合进数据集中，再将所有时期的数据按照时间序列拼接起来，构建时间序列数据集；同时按照整合的时间序列数据的新ID将空间邻接列表按照相应的时间序列拼接，构建时间序列空间邻接列表。

5.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法，其特征在于：步骤5中，二元部分时间效应由时间滞后变量π_t-1及相应的线性系数γ_t来代表，二元部分空间效应f_B可采用广义线性空间回归模型，其中X_B,k,t和γ_k,t分别代表二元部分的因变量和对应的系数，W为步骤3拼接得到的空间邻接列表生成的空间邻接矩阵；二元部分模型可表示如下：

π_t～γ_tπ_t-1+f_B(X_B,k,t,W,γ_k,t)。