【技术实现步骤摘要】
本专利技术涉及水文数据处理，具体涉及一种基于多源数据的地下水储量反演方法及系统。
技术介绍
1、地下水是水文循环的重要组成部分，在生态环境保护和经济社会发展中起着作用。近年来，在气候变化和人类活动影响不断深入的背景下，地下水储量急剧变化，伴随产生一系列的资源、生态和环境问题，包括地下水位下降、水源枯竭、地面沉降、生态退化、土地荒漠化等，严重影响社会经济的可持续发展。因此，准确反演地下水储量，对于地下水储量变化的研究显得尤为迫切。
2、以往地下水储量反演的相关研究，主要是依靠实测站点的观测数据，存在监测站点分散且不均匀、监测范围限制、建设成本较高等问题。自2002年3月，美国发射的grace卫星实现了时变重力场观测陆地水储量变化。相较于监测站点，其覆盖范围更广、时空连续，适用于大尺度监测，优势明显。
3、然而，grace反演的陆地水储量变化数据包含了地表水储量和地下水储量变化，为此，需将地下水储量变化从陆地水储量变化中分离开来。目前地下水储量反演的相关方法存在grace数据一致性不足，部分时段数据缺失，数据空间分辨率不高等局限性，难以准确、精细刻画地下水储量变化。
技术实现思路
1、为了解决上述现有技术中存在的问题，本专利技术提供了一种基于多源数据的地下水储量反演方法及系统，解决现有技术存在多方面局限难以准确、精细刻画地下水储量变化的技术问题。
2、一种基于多源数据的地下水储量反演方法，包括以下步骤：
3、s1：获取地下水储量相关数据并
4、s2：所述陆地水储量来自多个机构，对每个机构数据的陆地水储量进行不确定性评估计算合成系数，而后根据合成系数将多个机构的陆地水储量进行合成；
5、s3：对合成后的陆地水储量的缺失数据进行插补；s4：将插补后的陆地水储量数据和其他地下水储量相关数据进行降尺度处理；
6、s5：利用降尺度后的地下水储量相关数据，基于水量平衡公式进行地下水储量反演。
7、进一步地，所述每个机构数据的陆地水储量包括grace fo的level2和level3的陆地水储量，所述s2包括：将多个机构的level2数据合成为level2陆地水储量，将多个机构的level3数据合成为level3陆地水储量，具体合成公式如下：
8、xi＝xtrue+εi,i＝1,2,3,…,n (1)
9、式中，xi为陆地水储量时间序列，xtrue为陆地水储量时间序列真实值，εi为陆地水储量时间序列误差；
10、yi,m＝xi-xr＝εi-εr,i＝1,2,3,…,n-1 (2)
11、式中，yi,m为m×(n-1)矩阵，m为时间序列期数，xi为陆地水储量时间序列，xr为参考场的陆地水储量时间序列，本实施例选择csr-mascon陆地水储量时间序列作为参考场；εi为陆地水储量时间序列误差，εr为参考场的陆地水储量时间序列误差；
12、s＝cov(yi,m)＝j·r·jt (3)
13、式中，cov(yi,m)为yi,m的协方差矩阵，r为噪声矩阵，
14、每组陆地水储量变化时间序列的不确定性通过标准偏差表示，即其中ri,j为r矩阵的对角元素；
15、
16、式中，x为时间序列最佳估值，xi为陆地水储量时间序列，ωi和σi分别为第i个模型时间序列的加权系数及标准差，n为重构模型个数。
17、进一步地，所述s3包括：结合奇异谱分析，对合成后的陆地水储量的缺失数据进行插补，首先将原始数据缺失值设为0补齐，然后对补齐的序列进行奇异谱分析，包括：
18、对于陆地水储量时间序列[x1,x2,…,xn]，其中n表示时间序列的长度；
19、
20、式中，x为轨迹矩阵，m和n分别为窗口长度和时间序列嵌入后的矩阵列数，m取值在1<m<n/2，l＝n-m+1；
21、
22、式中，u为左奇异向量，v为右奇异向量，a为对角矩阵，奇异值位于a主对角线上；
23、
24、式中，pci为右奇异向量的主成分分析的结果,eofi为右奇异向量的经验正交函数分析的结果,u*,i为u的第i列，v*,i为v的第i列，σi为a的第i个对角元素；
25、
26、式中，λi为特征值，λ＝diag[λ1,λ2,··λd]是对角矩阵，由矩阵x的前d个最大非零特征值所构成，且d＝min{m,l}；
27、x＝x1+x2+…+xd (9)
28、式中，每个xi是某个组的重构矩阵；
29、
30、式中，mt是权重，当1≤t≤m-1时，mt＝t；当m≤t≤n-m+1，mt＝m；当m+1≤t≤n时，mt＝n-t+1。
31、进一步地，所述s4包括：
32、s4.1、利用经过插补的陆地水储量数据作为因变量，而后将预处理后的土壤水储量、雪水当量和植被冠层水储量以及降水量、蒸发量和dem数据作为因变量，训练验证随机森林模型：
33、
34、式中，d为训练集，x和y分别为低分辨率的特征变量和目标变量，n表示时间序列的长度；
35、
36、式中，b为随机森林中决策树的数量，tb(x)和分别为低分辨率的第b棵决策树对输入特征的预测结果和目标变量预测结果；
37、s4.2、利用双线性插值降尺度法对土壤水储量、雪水当量和植被冠层水储量以及降水量、蒸发量和dem数据进行降尺度处理获得降尺度自变量；
38、s4.3、将降尺度自变量输入到s4.1训练验证得到的随机森林模型中得到降尺度后的陆地水储量数据：
39、
40、式中，b为随机森林中决策树的数量，tb(xh)和分别为高分辨率的第b棵决策树对输入特征的预测结果和目标变量预测结果。
41、进一步地，所述s5包括：利用降尺度后的地下水储量相关数据，基于水量平衡公式进行地下水储量反演，公式如下：
42、gws＝tws-sm-swe-can (14)
43、式中，gws为地下水储量；tws为陆地水储量；sm为土壤水储量；swea为雪水当量；can为植被冠层水储量。
44、进一步地，还包括s6:利用实测地下水位数据验证反演的地下水储量结果，首先，将地下水埋深数据转化为月水位变化值，水位变化值乘以区域给水度，得到实测的地下水储量，然后将其与反演的地下水储量进行对比验证。
45、进一步地，所述多个机构包括csr、jpl和gfz。
46、进一步地，对陆地水储量预处理包括对level2数据进行替换低阶项、去条带和高斯滤波。
47、一种基于多源数据的地下水储量反演系统，用于实施一本文档来自技高网...
【技术保护点】
1.一种基于多源数据的地下水储量反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述每个机构数据的陆地水储量包括GRACE FO的Level2和Level3的陆地水储量，所述S2包括：将多个机构的Level2数据合成为Level2陆地水储量，将多个机构的Level3数据合成为Level3陆地水储量，具体合成公式如下：
3.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述S3包括：结合奇异谱分析，对合成后的陆地水储量的缺失数据进行插补，首先将原始数据缺失值设为0补齐，然后对补齐的序列进行奇异谱分析：
4.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述S4包括：
5.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述S5包括：利用降尺度后的地下水储量相关数据，基于水量平衡公式进行地下水储量反演，公式如下：
6.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，还包括
7.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述多个机构包括CSR、JPL和GFZ。
8.根据权利要求2所述的一种基于多源数据的地下水储量反演方法，其特征在于，对陆地水储量预处理包括对Level2数据进行替换低阶项、去条带和高斯滤波。
9.一种基于多源数据的地下水储量反演系统，其特征在于，用于实施权利要求1-8任一项所述的一种基于多源数据的地下水储量反演方法，包括：数据采集处理模块，陆地水储量合成模块，陆地水储量插补模块，降尺度处理模块，地下水储量反演模块；
...【技术特征摘要】
1.一种基于多源数据的地下水储量反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述每个机构数据的陆地水储量包括grace fo的level2和level3的陆地水储量，所述s2包括：将多个机构的level2数据合成为level2陆地水储量，将多个机构的level3数据合成为level3陆地水储量，具体合成公式如下：
3.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述s3包括：结合奇异谱分析，对合成后的陆地水储量的缺失数据进行插补，首先将原始数据缺失值设为0补齐，然后对补齐的序列进行奇异谱分析：
4.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述s4包括：
5.根据权利要求1所述的一种基于多源数据的地下水储量反演方法，其特征在于，所述s5包括：利用降尺度后的地下水储量相关数据，...
【专利技术属性】
技术研发人员：杨明祥，李振华，王贺佳，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。