基于HASM的日降水数据空间模拟方法和系统

本技术涉及计算机辅助仿真，特别涉及一种基于hasm的日降水数据空间模拟方法和系统。

背景技术：

1、为了充分认识极端气候事件的发生规律，建立有效的应对手段，必需要厘清历史气候的变化规律，首要的科学问题是如何准确的模拟历史气候，尤其是降水的时空变化规律。

2、降水的时空变化规律的模拟包括多种时间尺度，例如年尺度、月尺度、日尺度。与年尺度和月尺度降水数据的曲面建模过程不同，日尺度降水的时间分辨率较高，曲面建模更加复杂和困难，其不仅要考虑降水量的模拟，而且目标区域在模拟时间段内的降水可能性(也即降水概率)也对模拟结果的精度存在较大的影响。高精度曲面建模(high accuracysurface modeling，下文简称hasm)方法我国学者原创的一种生态环境要素空间模拟方法，该技术解决了半个世纪以来困扰曲面建模过程中的误差问题和多尺度问题。目前，hasm已经被广泛应用于生态环境要素的曲面模拟过程中，比如数字地面模型构建、气候变化分析、人口空间分布、土壤属性空间分布、生态系统空间分布和森林碳储量模拟等，已经成为了地表要素模拟的重要数学方法。

3、目前，虽然已有将hasm方法应用到年尺度、月尺度降水数据的模拟中，然而，现有方法却未曾涉及日尺度的模拟，且，由于现有方法通常仅对年、月尺度的降水量进行模拟，并未考虑到日尺度降水的复杂性，更未考虑到降水概率对日尺度降水的影响，导致hasm方法应用到日尺度降水时仍存在一定误差，不能满足实际应用的需求。

4、因此，需要提供一种针对上述现有技术不足的改进技术方案。

技术实现思路

1、本技术的目的在于提供一种基于hasm的日降水数据空间模拟方法和系统，以解决或缓解上述现有技术中存在的问题。

2、为了实现上述目的，本技术提供如下技术方案：

3、本技术提供了一种基于hasm的日降水数据空间模拟方法，包括：

4、获取目标区域内多个观测站点对应的日降水观测数据；其中，每一个观测站点对应的所述日降水观测数据表征所述观测站点的日降水量观测值；

5、根据所述日降水观测数据，生成所述目标区域的降水概率数据；

6、利用hasm分别对所述日降水观测数据和所述降水概率数据进行空间模拟，对应得到目标区域的降水值曲面和目标区域的降水概率曲面；

7、对所述目标区域的降水值曲面和所述目标区域的降水概率曲面进行相乘处理，得到日降水数据空间模拟结果。

8、优选地，利用hasm对所述日降水观测数据进行空间模拟，得到目标区域的降水值曲面，包括：

9、根据所述日降水观测数据，计算所述目标区域的平均降水值；

10、基于所述目标区域的平均降水值和所述目标区域的范围、预设的hasm目标分辨率，生成hasm的第一驱动场；

11、以所述日降水观测数据作为hasm的优化控制场，结合所述第一驱动场，利用hasm方法进行空间模拟，得到所述目标区域的降水值曲面。

12、优选地，利用hasm对所述降水概率数据进行空间模拟，得到目标区域的降水概率曲面，包括：

13、根据所述降水概率数据，计算所述目标区域的平均降水概率；

14、基于所述目标区域的平均降水概率和所述目标区域的范围、预设的hasm目标分辨率，生成hasm的第二驱动场；

15、以所述降水概率数据作为hasm的优化控制场，结合所述第二驱动场，利用hasm方法进行空间模拟，得到所述目标区域的降水概率曲面。

16、优选地，根据所述日降水观测数据，生成所述目标区域的降水概率数据，包括：

17、将所述日降水观测数据进行二值化处理，得到所述日降水观测数据的二值化处理结果；

18、将所述日降水观测数据的二值化处理结果转换为所述目标区域的降水概率数据。

19、优选地，将所述日降水观测数据进行二值化处理，得到所述日降水观测数据的二值化处理结果，包括：

20、判断每一个观测站点对应的所述降水观测数据是否大于预设的降水阈值，若是，则赋值1，否则，赋值0，得到所述日降水观测数据的二值化处理结果。

21、优选地，将所述日降水观测数据的二值化处理结果转换为所述目标区域的降水概率数据，具体为：

22、对所述日降水观测数据的二值化处理结果的每一个取值进行判断，若取值为1，则转换为100％，若取值为0，则转换为0％，得到所述目标区域的降水概率数据。

23、优选地，在对所述目标区域的降水值曲面和所述目标区域的降水概率曲面进行相乘处理，得到日降水数据空间模拟结果之前，还包括：

24、根据所述目标区域内的多个观测站点的位置，提取各个所述观测站点位置处降水概率曲面的模拟值；

25、将各个所述观测站点位置处降水概率曲面的模拟值与对应的所述日降水观测数据进行比对，以确定最佳预测概率阈值；

26、根据所述最佳预测概率阈值，确定所述目标区域的降水概率曲面。

27、优选地，将各个所述观测站点位置处降水概率曲面的模拟值与对应的所述日降水观测数据进行比对，以确定最佳预测概率阈值，包括：

28、以预设的降水概率间隔为迭代步长，迭代执行如下步骤：

29、根据初始降水概率阈值和所述降水概率间隔，确定当前步骤下的降水概率阈值；

30、根据所述当前步骤下的降水概率阈值，对各个所述观测站点位置处降水概率曲面的模拟值进行二值化处理，得到各个所述观测站点位置处降水概率曲面的模拟值对应的二值序列；

31、将各个所述观测站点位置处降水概率曲面的模拟值对应的二值序列与各个所述观测站点对应的所述日降水观测数据进行比对，计算出降水概率预测正确率；

32、将降水概率预测正确率最高时对应的降水概率阈值作为最佳预测概率阈值。

33、优选地，在根据所述日降水观测数据，生成所述目标区域的降水概率数据之前，还包括：

34、逐个观测站点检查所述日降水观测数据，若该观测站点的日降水观测数据缺测，则将该观测站点作为无效观测站点，并将该观测站点的日降水观测数据从所述日降水观测数据中删除。

35、本技术实施例提供一种基于hasm的日降水数据空间模拟系统，包括：

36、获取单元，配置为获取目标区域内多个观测站点对应的日降水观测数据；所述日降水观测数据表征所述观测站点的日降水量观测值；

37、生成单元，配置为根据所述日降水观测数据，生成所述目标区域的降水概率数据；

38、模拟单元，配置为将所述日降水观测数据和所述降水概率数据分别输入hasm进行空间模拟，对应得到目标区域的降水值曲面和目标区域的降水概率曲面；

39、曲面综合单元，配置为对所述目标区域的降水值曲面和所述目标区域的降水概率曲面进行相乘处理，得到日降水数据空间模拟结果。

40、有益效果：

41、本技术的技术方案中，首先获取目标区域内多个观测站点对应的日降水观测数据，根据该日降水观测数据生成目标区域各个观测站点对应的降水概率，得到降水概率数据，然后利用hasm方法分别对日降水观测数据和降水概率数据进行空间模拟，对应得到目标区域的降水值曲面和降水概率曲面，对降水值曲面和降水概率曲面进行相乘处理，得到日降水数据空间模拟结果。该方法分别对降水量和降水概率进行空间模拟后进行曲面综合，充分考虑到降水概率对日尺度降水模拟的影响，同时充分利用hasm的高精度优势，实现对日降水数据的高精度、高准确率模拟。