一种基于随机统计的气象雷达降水测算不确定性量化方法技术

本发明专利技术提供了一种基于随机统计的气象雷达降水测算不确定性量化方法，包括：获取降水场地理网格上的雨量桶累积雨量和原始雷达降水场，降水场地理网格包括含有雨量桶的网格和不含雨量桶的网格；在含有雨量桶的网格中，获取雷达降水测算误差的均值期望和均方差矩阵期望；在不含雨量桶的网格中，获取雷达降水测算误差的均值期望和均方差矩阵期望；构建误差值，根据误差值获取降水场集合，完成气象雷达降水测算不确定性量化。本发明专利技术利用随机统计原理，将气象雷达降水测算的不确定性当作一个整体来进行量化，生成的降水场集合可直接作为水文模型的输入，方便后续水文模型的不确定性量化，本发明专利技术计算量相对较小，适宜处理大批量数据。据。据。

【技术实现步骤摘要】
一种基于随机统计的气象雷达降水测算不确定性量化方法


[0001]本专利技术属于雷达降水测算领域，尤其涉及一种基于随机统计的气象雷达降水测算不确定性量化方法。

技术介绍

[0002]降水测算是水文模拟重要的输入数据，降水测算的不确定性很大程度上决定水文模拟预报的准确度。例如在相对简单的“降水
‑
径流”概念模型中，降水是模型唯一的驱动数据，因此降水测算的质量是决定模拟结果的最重要因素。在更复杂的分布式水文模型中，降水的绝对值与时空分辨率同样对模型的结果产生重要影响。
[0003]传统的降水测算通常由雨量桶获得，再经过空间插值后作为水文模型的输入数据。气象雷达作为一种精密的气象观测仪器，可以对大气层进行三维的高频扫描，因此基于气象雷达的降水测算(以下简称“雷达降水测算”)具有覆盖范围广、时空分辨率高等特点。随着气象雷达的逐渐普及，雷达降水测算数据已经越来越多的得以应用。
[0004]然而雷达降水测算也并非没有缺点。气象雷达由于采用了远程遥感的非直接方法来观测降水，因此观测结果存在诸多方面的不确定性，这些不确定性可能来自雷达的硬件系统(如天线校准错误)、信号处理系统(如雷达回波信号转换成降雨量的误差)等。虽然近年来气象雷达在软硬件方面都有所进步，但雷达降水测算的不确定性不可能完全消除。因此在应用雷达降水测算数据时，需要了解雷达测算的降水量与真实降水量的差距，即对雷达降水测算进行不确定性量化。
[0005]在现有技术中，在对雷达降水测算进行不确定性量化时，都是从气象雷达本身出发，寻找每一个可能造成误差的物理原因，并对单个误差原因分别进行逐一的量化。采用这种技术路线存在的问题是，由于气象雷达的结构非常复杂，很难一次判断出全部的误差来源。即便可以判断出所有误差来源，由于前期掌握的知识和数据有限，难以形成可复制的不确定性量化方法。

技术实现思路

[0006]为解决上述技术问题，本专利技术提出了一种基于随机统计的气象雷达降水测算不确定性量化方法。在雷达降水测算数据应用于水文模拟时，不需要对每一个步骤产生的误差进行刻画，只需要将雷达降水测算当成一个整体，量化最终测算结果与真实值的相对误差即可。
[0007]为实现上述目的，本专利技术提供了一种基于随机统计的气象雷达降水测算不确定性量化方法，包括：
[0008]获取降水场地理网格上的雨量桶累积雨量和原始雷达降水场，其中，所述降水场地理网格包括含有雨量桶网格和不含雨量桶网格；
[0009]在所述含有雨量桶网格中，基于所述雨量桶累积雨量对原始雷达降水场进行分析，获取所述雷达降水测算误差的所述含有雨量桶网格的均值期望和均方差矩阵期望；
[0010]在所述不含雨量桶网格中，基于克里金法，获取所述雷达降水测算误差的所述不含雨量桶网格的均值期望和均方差矩阵期望；
[0011]基于所述含有雨量桶网格的均值期望和均方差矩阵期望，以及所述不含雨量桶网格的均值期望和均方差矩阵期望，获得原始雷达降水场的误差值，根据所述误差值获取降水场集合，完成气象雷达降水测算不确定性量化。
[0012]可选地，获取原始雷达降水场包括：
[0013]获取气象雷达反射率图像；
[0014]将所述气象雷达反射率图像通过Marshall
‑
Palmer方式转换为原始雷达降水场。
[0015]可选地，所述Marshall
‑
Palmer方式为：
[0016][0017]其中，Z为雷达反射率，R为原始雷达降水场，A和b均为无量纲参数。
[0018]可选地，获取所述含有雨量桶网格的均值期望和均方差矩阵期望包括：
[0019]基于所述雨量桶累积雨量对原始雷达降水场进行分析，获取所述含有雨量桶网格中所述雷达降水测算误差的期望；
[0020]基于所述含有雨量桶网格的期望，获取所述含有雨量桶网格的均值期望，基于所述含有雨量桶网格的均值期望，获取所述含有雨量桶网格的均方差矩阵期望。
[0021]可选地，所述含有雨量桶网格的期望的表达式为：
[0022][0023]其中，是雷达降水测算误差的第一期望，角标t为某一时间点，角标x
k
为雷达降水场中与雨量桶位置重叠的地理网格。
[0024]可选地，所述含有雨量桶网格的均值期望的表达式为：
[0025][0026]其中，为雷达降水测算误差的第一均值期望，Q是时间步长的数量，是未经扰动的雷达降水测算值权重，为自相关系数；
[0027][0028]其中，τ为时间延迟,为在t时间点的雷达网格在xk位置的雨量测算值，Q为存在自相关的时间步长的数量，为在Q时间段内的平均值。
[0029]可选地，所述含有雨量桶网格的均方差矩阵期望的表达式为：
[0030][0031]其中，为雷达降水测算误差在有雨量桶网格的均值期望，为自相关系数，为未经扰动的雷达降水测算值权重，为雷达降水测算误差在某一时间点的期望，角标k与l为空间上邻近的两个点。
[0032]可选地，获取所述不含雨量桶网格的均值期望和均方差矩阵期望包括：
[0033]将不含雨量桶网格的相邻含有雨量桶网格的均值期望和均方差矩阵期望，记为已知数据；
[0034]基于所述已知数据，采用所述克里金法，预测出所述不含雨量桶网格中任一网格的均值期望和均方差矩阵期望；
[0035]将所述任一网格的均值期望和均方差矩阵期望，放入所述已知数据中，基于放入后的所述已知数据，采用所述克里金法，预测所述不含雨量桶网格中剩余任一网格的均值期望和均方差矩阵期望，依此类推，直至全部所述不含雨量桶网格的均值期望和均方差矩阵期望预测完毕。
[0036]可选地，所述降水场集合为：
[0037][0038]其中，R
t
为t时间点的原始雷达降水场，δ
t,i
为原始雷达降水场的误差值。
[0039]与现有技术相比，本专利技术具有如下优点和技术效果：
[0040](1)本专利技术利用随机统计原理，将气象雷达降水测算的不确定性当作一个整体来进行量化。
[0041](2)本专利技术生成的降水场集合可直接作为水文模型的输入，方便后续水文模型的不确定性量化。
[0042](3)本专利技术大幅简化了计算流程与计算量，计算量相对较小，适宜处理大批量数据。
附图说明
[0043]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0044]图1为本专利技术实施例的一种基于随机统计的气象雷达降水测算不确定性量化方法流程示意图。
具体实施方式
[0045]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0046]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的
计算机系统中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机统计的气象雷达降水测算不确定性量化方法，其特征在于，包括：获取降水场地理网格上的雨量桶累积雨量和原始雷达降水场，其中，所述降水场地理网格包括含有雨量桶网格和不含雨量桶网格；在所述含有雨量桶网格中，基于所述雨量桶累积雨量对原始雷达降水场进行分析，获取所述雷达降水测算误差的所述含有雨量桶网格的均值期望和均方差矩阵期望；在所述不含雨量桶网格中，基于克里金法，获取所述雷达降水测算误差的所述不含雨量桶网格的均值期望和均方差矩阵期望；基于所述含有雨量桶网格的均值期望和均方差矩阵期望，以及所述不含雨量桶网格的均值期望和均方差矩阵期望，获得原始雷达降水场的误差值，根据所述误差值获取降水场集合，完成气象雷达降水测算不确定性量化。2.根据权利要求1所述的基于随机统计的气象雷达降水测算不确定性量化方法，其特征在于，获取原始雷达降水场包括：获取气象雷达反射率图像；将所述气象雷达反射率图像通过Marshall
‑
Palmer方式转换为原始雷达降水场。3.根据权利要求2所述的基于随机统计的气象雷达降水测算不确定性量化方法，其特征在于，所述Marshall
‑
Palmer方式为：其中，Z为雷达反射率，R为原始雷达降水场，A和b均为无量纲参数。4.根据权利要求1所述的基于随机统计的气象雷达降水测算不确定性量化方法，其特征在于，获取所述含有雨量桶网格的均值期望和均方差矩阵期望包括：基于所述雨量桶累积雨量对原始雷达降水场进行分析，获取所述含有雨量桶网格中所述雷达降水测算误差的期望；基于所述含有雨量桶网格的期望，获取所述含有雨量桶网格的均值期望，基于所述含有雨量桶网格的均值期望，获取所述含有雨量桶网格的均方差矩阵期望。5.根据权利要求4所述的基于随机统计的气象雷达降水测算不确定性量化方法，其特征在于，所述含有雨量桶网格的期望的表达式为：其中...

【专利技术属性】
技术研发人员：何鑫，陆垂裕，王哲，严聆嘉，秦韬，孙青言，吴初，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：