无测站山区径流与遥感降水相结合的降水估算方法

本发明涉及遥感数据计算技术领域，尤其涉及无测站山区径流与遥感降水相结合的降水估算方法。

背景技术：

降水是水文模型、陆面过程模型以及气候气象模型重要的驱动数据，是水文学、气候学和生态学等研究中必须的基础性数据。准确的降水时空信息将推进我们对区域气候、水文和生态过程的认识。由于受地形影响，山区往往是区域降水较多的地区，对于区域水资源具有重要作用。但山区降水信息往往非常难以准确获取，主要原因：(1)山区降水测站少。由于山区地势较高，很多地方难以到达，因此降水测站通常分布在河谷、出山口或者人口密集的地区，而在山区分布极少；(2)由于山区地形复杂，山区降水通常具有很强的空间变异性，稀疏的站点无法掌握这种空间变异特征，进而阻碍了对山区降水的准确估算。测站少，加之测站代表性差，使得我们利用测站来获取山区流域降水往往空间分辨率很粗，而且具有很高的不确定性。10-20％的降水误差会导致100％的径流模拟误差，山区降水估计的不确定性阻碍了我们预测降水驱动的山洪、径流的能力。对高海拔地区降水空间格局认识的不足也阻碍了山区降水模拟和预报技术的发展。而对于完全无降水测站的山区流域，降水信息的完全缺失使得我们的相关业务工作和研究面临巨大挑战。在进行洪水模拟时发现很多流域存在有洪水无降雨、有降雨无洪峰的情况。分析主要原因是降水站主要分布在河谷或者出山口，而降水主要发生在山区，山区没有测站，这使得无法获得山区降水信息，进而影响了雨洪模拟。如何准确获取山区降水已成为学界共同面临的巨大挑战。为此，我们提出无测站山区径流与遥感降水相结合的降水估算方法。

技术实现要素：

基于背景技术存在的技术问题，本发明提出了无测站山区径流与遥感降水相结合的降水估算方法，以解决上述背景技术中提出的问题。

本发明提供如下技术方案：

无测站山区径流与遥感降水相结合的降水估算方法，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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。

优选的，所述步骤a中径流是被广泛测量的水文变量，是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量应该等于流域平均降水减去流域平均蒸发和流域蓄变量。

优选的，所述步骤a中选择站点较密集的区域，利用站点降水数据为输入，运行水文模型参数反演的贝叶斯统计推断模型，来判断模型对主要参数(尤其是降水乘子参数)的反演能力，分析对精度影响的因素，对模型进行针对性调整，最后提出从径流推断降水的方法。

优选的，所述步骤b中以trmm日降水产品为输入数据，通过利用有测站区域来分析遥感降水相对于站点观测的误差分布特征，将该分布特征集成到利用从径流推断降水的方法，对山区无资料地区降水误差参数进行反演，进而利用降水乘子对trmm数据进行校正，对该方法的验证主要是通过选择校正后trmm数据与栅格所在站点进行验证来进行(最好选择山区有测站的流域开展验证，如果山区实在没有测站，则可用出口水文站测的降水量)，并通过调整降水误差参数的值域和概率分布来改进模拟效果。

优选的，所述步骤b中根据验证环节确定的降水误差参数的先验概率分布，开展柴达木盆地山区trmm数据的校正，获取无资料山区的降水分布，通过与相关研究成果进行对比分析，分析有资料地区的降水误差参数移植到无资料地区的可行性。

优选的，所述步骤c中不确定性主要是分析参数反演的贝叶斯推断模型其他参数对模拟结果的影响，适用性主要是通过分析不同流域模拟结果和流域特点，分析该方法的适用性。

本发明提供了无测站山区径流与遥感降水相结合的降水估算方法，采用贝叶斯总误差分析方法(batea)框架来构建水文模型参数反演的贝叶斯统计推断模型，利用通过耦合水文模型和贝叶斯推断模型，实现了利用径流数据进行遥感降水产品的校正，进而获得无测站山区的降水信息。

附图说明

图1为本发明方法流程图；

图2为本发明贝叶斯统计推断的基本形式图：

图3为本发明总体技术路线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案：

无测站山区径流与遥感降水相结合的降水估算方法，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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。

实施例一

首先，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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；然后选择柴达木盆地为研究区，以trmm日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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；最后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。

实施例二

首先，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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，径流是被广泛测量的水文变量，是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量应该等于流域平均降水减去流域平均蒸发和流域蓄变量；然后选择柴达木盆地为研究区，以trmm日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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；最后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。

实施例三

首先，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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，径流是被广泛测量的水文变量，是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量应该等于流域平均降水减去流域平均蒸发和流域蓄变量，选择站点较密集的区域，利用站点降水数据为输入，运行水文模型参数反演的贝叶斯统计推断模型，来判断模型对主要参数(尤其是降水乘子参数)的反演能力，分析对精度影响的因素，对模型进行针对性调整，最后提出从径流推断降水的方法；然后选择柴达木盆地为研究区，以trmm日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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；最后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。

实施例四

首先，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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，径流是被广泛测量的水文变量，是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量应该等于流域平均降水减去流域平均蒸发和流域蓄变量，选择站点较密集的区域，利用站点降水数据为输入，运行水文模型参数反演的贝叶斯统计推断模型，来判断模型对主要参数(尤其是降水乘子参数)的反演能力，分析对精度影响的因素，对模型进行针对性调整，最后提出从径流推断降水的方法；然后选择柴达木盆地为研究区，以trmm日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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，以trmm日降水产品为输入数据，通过利用有测站区域来分析遥感降水相对于站点观测的误差分布特征，将该分布特征集成到利用从径流推断降水的方法，对山区无资料地区降水误差参数进行反演，进而利用降水乘子对trmm数据进行校正，对该方法的验证主要是通过选择校正后trmm数据与栅格所在站点进行验证来进行(最好选择山区有测站的流域开展验证，如果山区实在没有测站，则可用出口水文站测的降水量)，并通过调整降水误差参数的值域和概率分布来改进模拟效果；最后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。

实施例五

首先，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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，径流是被广泛测量的水文变量，是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量应该等于流域平均降水减去流域平均蒸发和流域蓄变量，选择站点较密集的区域，利用站点降水数据为输入，运行水文模型参数反演的贝叶斯统计推断模型，来判断模型对主要参数(尤其是降水乘子参数)的反演能力，分析对精度影响的因素，对模型进行针对性调整，最后提出从径流推断降水的方法；然后选择柴达木盆地为研究区，以trmm日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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，以trmm日降水产品为输入数据，通过利用有测站区域来分析遥感降水相对于站点观测的误差分布特征，将该分布特征集成到利用从径流推断降水的方法，对山区无资料地区降水误差参数进行反演，进而利用降水乘子对trmm数据进行校正，对该方法的验证主要是通过选择校正后trmm数据与栅格所在站点进行验证来进行(最好选择山区有测站的流域开展验证，如果山区实在没有测站，则可用出口水文站测的降水量)，并通过调整降水误差参数的值域和概率分布来改进模拟效果，根据验证环节确定的降水误差参数的先验概率分布，开展柴达木盆地山区trmm数据的校正，获取无资料山区的降水分布，通过与相关研究成果进行对比分析，分析有资料地区的降水误差参数移植到无资料地区的可行性；最后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。

实施例六

首先，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主要参数先验分布的估计方法，提出模型的求解方法；选择合适的流域，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，径流是被广泛测量的水文变量，是一个流域水量平衡的集总表达，从水量平衡来看，流域出口流量应该等于流域平均降水减去流域平均蒸发和流域蓄变量，选择站点较密集的区域，利用站点降水数据为输入，运行水文模型参数反演的贝叶斯统计推断模型，来判断模型对主要参数(尤其是降水乘子参数)的反演能力，分析对精度影响的因素，对模型进行针对性调整，最后提出从径流推断降水的方法；然后选择柴达木盆地为研究区，以trmm日降水产品为主要数据源，利用盆地中部降雨测站数据，分析trmm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，以trmm日降水产品为输入数据，通过利用有测站区域来分析遥感降水相对于站点观测的误差分布特征，将该分布特征集成到利用从径流推断降水的方法，对山区无资料地区降水误差参数进行反演，进而利用降水乘子对trmm数据进行校正，对该方法的验证主要是通过选择校正后trmm数据与栅格所在站点进行验证来进行(最好选择山区有测站的流域开展验证，如果山区实在没有测站，则可用出口水文站测的降水量)，并通过调整降水误差参数的值域和概率分布来改进模拟效果，根据验证环节确定的降水误差参数的先验概率分布，开展柴达木盆地山区trmm数据的校正，获取无资料山区的降水分布，通过与相关研究成果进行对比分析，分析有资料地区的降水误差参数移植到无资料地区的可行性；最后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，不确定性主要是分析参数反演的贝叶斯推断模型其他参数对模拟结果的影响，适用性主要是通过分析不同流域模拟结果和流域特点，分析该方法的适用性。

本发明中，(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(如参数未知的正态分布)的随机乘子(其分布中的参数向量记为βx)，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。y～观测径流数据。采用适当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。

(2)水文模型的选择与构建

模型选择的不同对参数反演结果存在较大不同。

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＝mpf(1+α[zi—zf])

式中，pi是第i高度带的降水，pf是站点或者遥感象元降水，zi是高度带中间高程，zf是站点或者象元的高程，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重要的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，在山区应用时适当把变化范围放大，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。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。