一种非线性混合效应变系数降尺度方法和系统技术方案

本申请涉及应用电子设备进行识别的方法或装置技术领域，提供一种非线性混合效应变系数降尺度方法和系统。该方法包括：获取降水影响因素数据集和第一分辨率降水遥感数据；基于非线性混合效应变系数模型和随机森林模型，根据第一分辨率降水遥感数据，构建降水空间降尺度模型；其中，随机森林模型用于从降水影响因素数据集中确定降水关键主控要素；降水关键主控要素用于组成降水空间降尺度模型的解释变量；非线性混合效应变系数模型是在空间变系数回归模型引入随机效应，并将空间变系数回归模型中的局部线性特征扩展为随环境要素的非线性响应特征得到的；基于降水空间降尺度模型对第一分辨率降水遥感数据进行降尺度，得到第二分辨率降水遥感数据。分辨率降水遥感数据。分辨率降水遥感数据。

【技术实现步骤摘要】
一种非线性混合效应变系数降尺度方法和系统


[0001]本申请涉及应用电子设备进行识别的方法或装置
，特别涉及一种非线性混合效应变系数降尺度方法和系统。

技术介绍

[0002]降水是描述某地区乃至全球气候系统变化的关键指标，是全球水分和能量循环的核心组成部分。作为流域生态水文过程的关键输入参数，降水分布的准确估算直接影响着流域内水文水资源分析、水资源规划与管理及生态环境治理等。高精度高分辨率的空间化降水信息对认识流域生态系统与水文过程及其相互作用的途径和机理，建立流域生态水文过程模拟模型和水资源决策支持系统，提高流域水
‑
生态
‑
经济耦合系统演变的综合分析与预测能力等方面具有重要的科学意义和应用价值。
[0003]传统的降水获取方式主要基于站点数据采用一定的插值方法进行计算。然而，基于站点的插值方法往往受限于站点的分布及密度限制，使得插值方法具有很大的不确定性。随着遥感卫星事业的快速发展及现代获取空间数据技术手段的进步，当前出现了大量的卫星遥感数据产品，这些数据为站点系数、地形复杂地区提供了连续的降水分布信息，能一定程度上弥补缺测资料地区地面观测信息的不足，已被广泛应用于不同研究领域。然而受到传感器性能、云层特性、反演算法等所限，其定量误差比较突出。此外，遥感数据往往空间分辨率较低，不能满足精细尺度局地模拟的需求。
[0004]将低分辨率信息通过一定技术手段得到高分辨率数据信息并同时提高其精度的过程被称之为降尺度（Downscaling）。降尺度方法大体上可以分为动力降尺度和统计降尺度两大类，相对于动力降尺度方法，统计降尺度因其具有计算量小节省时间、方法众多形式灵活、更易于操作等优点而被广泛应用于卫星遥感降水产品的降尺度研究中。在以往统计降尺度方法中，地理加权回归模型是最具代表性应用最为广泛的降尺度方法之一。地理加权回归作为局部空间变系数回归方法能够解析地理环境要素的空间异质性及空间变化的依赖关系，但其受共线性影响显著，并且该方法要求回归系统具有一致的平滑度。而实际问题中，降水与环境变量的关系并不一定是空间非平稳，这使得回归系数的变异程度有所差异。
[0005]因此，需要提供一种针对上述现有技术不足的全新技术方案。

技术实现思路

[0006]本申请的目的在于提供一种非线性混合效应变系数降尺度方法和系统，以解决或缓解上述现有技术中存在的问题。
[0007]为了实现上述目的，本申请提供如下技术方案：本申请提供了一种非线性混合效应变系数降尺度方法，包括：获取降水影响因素数据集和第一分辨率降水遥感数据；基于非线性混合效应变系数模型和随机森林模型，根据所述第一分辨率降水遥感
数据，构建降水空间降尺度模型；其中，所述随机森林模型用于从所述降水影响因素数据集中确定降水关键主控要素；所述降水关键主控要素用于组成所述降水空间降尺度模型的解释变量；所述非线性混合效应变系数模型是在空间变系数回归模型引入随机效应，并将所述空间变系数回归模型中的局部线性特征扩展为随环境要素的非线性响应特征得到的；基于所述降水空间降尺度模型对所述第一分辨率降水遥感数据进行降尺度，得到第二分辨率降水遥感数据；其中，所述第二分辨率降水遥感数据的空间分辨率高于所述第一分辨率降水遥感数据的空间分辨率。
[0008]优选地，所述非线性混合效应变系数模型的表达式如下：式中，y为待求变量；x
p
为第p个解释变量；α
p
为第p个回归系数；P为解释变量的个数；x
i
为第i个解释变量；x
j
为第j个解释变量；为哈达玛积；为空间变异系数构成的向量；ε为残差；N表示正态分布；为方差；I为单位矩阵；为系数向量；为个特征向量构成的矩阵；为常数项；为变化项；控制第个回归系数的空间平滑度，控制回归系数的变异程度。
[0009]优选地，所述非线性混合效应变系数模型是在空间变系数回归模型引入随机效应，并将所述空间变系数回归模型中的局部线性特征扩展为随环境要素的非线性响应特征得到的；所述空间变系数回归模型的表达式如下：式中：y为待求变量；x
p
为第p个解释变量；P为解释变量的个数；为空间变异系数构成的向量；为哈达玛积；为空间变异系数构成的向量；ε为残差；N表示正态分布；为方差；I为单位矩阵；为系数向量；为个特征向量构成的矩阵；为常数项；为变化项。
[0010]优选地，所述空间变系数回归模型为基于特征向量分解的空间滤波模型构建的；所述基于特征向量分解的空间滤波模型的表达式如下：，其中式中：y为待求变量；为解释变量构成的矩阵，α为回归系数，D为特征向量构成的矩阵，并基于莫兰系数中地理连接矩阵求解得到，β为对应系数，ε为残差，为方差，N表示正态分布。
[0011]优选地，所述降水影响因素数据集至少包括：地理地形要素、天气系统要素、第一分辨率降水遥感数据，以及由所述地理地形要素、所述天气系统要素、所述第一分辨率降水
遥感数据形成的数据集中两两组合得到的交互项影响因素。
[0012]优选地，所述基于所述降水空间降尺度模型对所述第一分辨率降水遥感数据进行降尺度，得到第二分辨率降水遥感数据，具体为：将所述降水空间降尺度模型进行变换处理，得到降水空间降尺度模型变换表达式：其中，；式中：y为待求变量，为解释变量构成的矩阵，D为特征向量构成的矩阵，x
p
为第p个解释变量，P为解释变量的个数，α为回归系数，ε为残差，为哈达玛积，0
LP
为值为0的向量，为哈达玛积，I
LP
为阶单位矩阵，为对角矩阵，其第个对角线元素为；为方差；基于残差最大似然方法，对降水空间降尺度模型变换表达式中的参数进行求解，以得到第二分辨率降水遥感数据。
[0013]优选地，还包括：基于气象站点观测数据，对所述第二分辨率降水遥感数据进行交叉验证，以检验所述第二分辨率降水遥感数据的精度。
[0014]本申请实施例还提供一种非线性混合效应变系数降尺度系统，包括：获取单元，配置为获取降水影响因素数据集和第一分辨率降水遥感数据；构建单元，配置为基于非线性混合效应变系数模型和随机森林模型，根据所述第一分辨率降水遥感数据，构建降水空间降尺度模型；其中，所述随机森林模型用于从所述降水影响因素数据集中确定降水关键主控要素；所述降水关键主控要素用于组成所述降水空间降尺度模型的解释变量；所述非线性混合效应变系数模型是在空间变系数回归模型引入随机效应，并将所述空间变系数回归模型中的局部线性特征扩展为随环境要素的非线性响应特征得到的；降尺度单元，配置为基于所述降水空间降尺度模型对所述第一分辨率降水遥感数据进行降尺度，得到第二分辨率降水遥感数据；其中，所述第二分辨率降水遥感数据的空间分辨率高于所述第一分辨率降水遥感数据的空间分辨率。
[0015]有益效果：本申请提供的技术方案中，通过在空间变系数回归模型引入随机效应，并将空间变系数回归模型中的局部线性特征扩展为随环境要素的非线性响应特征，得到非线性混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非线性混合效应变系数降尺度方法，其特征在于，包括：获取降水影响因素数据集和第一分辨率降水遥感数据；基于非线性混合效应变系数模型和随机森林模型，根据所述第一分辨率降水遥感数据，构建降水空间降尺度模型；其中，所述随机森林模型用于从所述降水影响因素数据集中确定降水关键主控要素；所述降水关键主控要素用于组成所述降水空间降尺度模型的解释变量；所述非线性混合效应变系数模型是在空间变系数回归模型引入随机效应，并将所述空间变系数回归模型中的局部线性特征扩展为随环境要素的非线性响应特征得到的；基于所述降水空间降尺度模型对所述第一分辨率降水遥感数据进行降尺度，得到第二分辨率降水遥感数据；其中，所述第二分辨率降水遥感数据的空间分辨率高于所述第一分辨率降水遥感数据的空间分辨率。2.根据权利要求1所述的非线性混合效应变系数降尺度方法，其特征在于，所述非线性混合效应变系数模型的表达式如下：式中：y为待求变量，x
p
为第p个解释变量，α
p
为第p个回归系数，P为解释变量的个数，x
i
为第i个解释变量，x
j
为第j个解释变量，为哈达玛积，为非线性混合效应变系数模型的空间变异系数构成的向量，ε为残差，N表示正态分布，为方差，I为单位矩阵，为系数向量，为个特征向量构成的矩阵，为常数项，为变化项，控制第个回归系数的空间平滑度，控制回归系数的变异程度。3.根据权利要求1所述的非线性混合效应变系数降尺度方法，其特征在于，所述空间变系数回归模型的表达式如下：式中：y为待求变量，x
p
为第p个解释变量，P为解释变量的个数，为空间变系数回归模型的空间变异系数构成的向量，为哈达玛积，ε为残差，N表示正态分布，为方差，I为单位矩阵，为系数向量，为个特征向量构成的矩阵，为常数项，为变化项。4.根据权利要求3所述的非线性混合效应变系数降尺度方法，其特征在于，所述空间变系数回归模型为基于特征向量分解的空间滤波模型构建的；所述基于特征向量分解的空间滤波模型的表达式如下：，其中式中：y为待求变量，为解释变量构成的矩阵，α为回归系数，D为特征向量构成的矩阵，并基于莫兰系数中地理连接矩阵求解得到，β为对应系数，ε为残差，为方差，N表示正态分
布。5.根据权利要求1所述的非线性混合效应变系数降尺度方法，其特征在于，所述降水影响因素数据集至少包括：地理地形要素、天气系统要素、第一分辨率降水遥感数据，以及由所述地理地形要素、所述天气系统要素、所述第一分辨率降水遥感数据形成的数据集中两两组合得到的交互项影响因素。6.根据权利要求1所述的非线性混合效应变系数降尺度方法，其特征在于，所述基于所述降水空间降尺度模型对所述第一分辨率降水遥感数据进行降尺度，得到第二分...

【专利技术属性】
技术研发人员：赵娜，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：