年12月衛(wèi)星測量和高密度站點同化分析 后的月平均降水量值；
[0062] 圖8b是涇河流域從2006年1月到2008年12月衛(wèi)星測量和稀疏站點同化分析后 的月平均降水量值。
【具體實施方式】
[0063] 下面結(jié)合附圖對本發(fā)明的優(yōu)選實施例進行詳細闡述，以使本發(fā)明的優(yōu)點和特征能 更易于被本領(lǐng)域技術(shù)人員理解，從而對本發(fā)明的保護范圍做出更為清楚明確的界定
[0064] 如圖1至圖8(b)所示，基于卡爾曼濾波的衛(wèi)星以及地面降水測量值同化方法，包 括以下步驟：
[0065] (1)預(yù)處理：獲得相互獨立的衛(wèi)星測量數(shù)據(jù)和地面雨量站數(shù)據(jù)，同時對測量值比 較分析得出測量偏差。
[0066] (2)時間更新：由于卡爾曼濾波方程是遞推形式，且僅與前一時刻的有關(guān)信息相 關(guān)，因此將測量值估值和噪聲誤差估值都表示為自相關(guān)函數(shù)。
[0067] (3)測量更新：通過卡爾曼濾波方法對測量偏差和噪聲值進行同化。
[0068] 下面對這三個步驟進行詳細說明：
[0069] (1)預(yù)處理：
[0070] 卡爾曼濾波校準(zhǔn)法是對一個變量的兩個獨立估計進行加權(quán)平均。當(dāng)選擇合適的權(quán) 重因子使得平均結(jié)果具有最小方差時，平均結(jié)果就是卡爾曼濾波器的輸出。
[0071] 星載降雨雷達（TRMM3B42RT，以下簡稱TRMM)為數(shù)據(jù)同化提供實時的遙感測量數(shù) 據(jù)。并用St表示。數(shù)據(jù)同化的另一來源為地面雨量計，雨量計的數(shù)據(jù)來源于中國氣象機構(gòu) 管轄的國家標(biāo)準(zhǔn)站。因此可確保兩個數(shù)據(jù)來源相互獨立。網(wǎng)格化之后的地面雨量計測量的 數(shù)據(jù)用Gt表示。
[0072] TRMM預(yù)估值St與相應(yīng)的雨量計預(yù)估值Gt之間的測量偏差用Zt表示。如果我們假 定TRMM降雨預(yù)測偏差在空間上保持不變，且遵循同一個馬爾科夫進程，則測量偏差Zt將是 一個自回歸模型，其參數(shù)將由卡爾曼濾波器不斷進行更新。
[0073] Zt=Gt/St (1)
[0074] ⑵時間更新
[0075] 卡爾曼濾波方程的解是遞推形式，而且僅與前一時刻的有關(guān)信息相關(guān)。因此，想要 獲得t時刻的偏差濾波輸出值，需要首先設(shè)定當(dāng)前時刻的測量偏差值Zt和噪聲值。
[0076] 由于現(xiàn)在無法確定不同時刻的TRMM的日測量偏差，假定預(yù)估值Xt滿足自相關(guān)函 數(shù)關(guān)系
[0077] Xt=Axt !+Bt (2)
[0078] 其中A是測量偏差的一階相關(guān)系數(shù)，Bt是一個均值為0的獨立隨機變量，即高斯白 噪聲。因此X的預(yù)估可表達為：
[0079] 4： = ^4-1 13)
[0080] Bt預(yù)估方差可參照誤差方差，用表示：
[0081] Pi =APirA1 +(2 (4)
[0082] 其中，Pt :是t_l時刻預(yù)測的誤差方差，Q是狀態(tài)噪聲方差。
[0083] (3)測量更新
[0084] 測量更新即在當(dāng)前時刻t，用卡爾曼濾波的方法對測量偏差預(yù)估值f和噪聲誤差 方差的預(yù)估值Pt進行同化研究。完成后，測量偏差估計值用爲(wèi)表示，噪聲誤差估計值用Pt 表示。由于真實值和測量值之間存在測量誤差，用Zt表示t時刻檢測到的測量偏差。使用 卡爾曼濾波的更新方法之后將得到以下表達式：
[0086] 其中，Kt表示t時刻的卡爾曼濾波增益，R表示測量噪聲方差。
[0087] 下面通過幾個方面來對本方法的可靠性進行驗證。
[0088]1、在涇河流域的同化結(jié)果分析
[0089] 在涇河流域進行試驗，涇河流域是典型的半干旱氣候，位于南煒 34° 46'-37° 19'，東經(jīng) 106° 14'-108° 42'。每年平均溫度 8°C，平均降雨量 539.1mm，， 平均地表徑流18. 32mm。該流域的地表雨量計分布相互獨立且共有200個地面雨量計每天 記錄降雨數(shù)據(jù)。
[0090] 為了對比分析衛(wèi)星降雨測量數(shù)據(jù)的空間誤差和經(jīng)過同化后的結(jié)果，特選定幾個典 型的指標(biāo)：CC(相關(guān)系數(shù)），RMSE(均方根誤差），ME(平均誤差），和BIAS(偏差）。兩組數(shù) 據(jù)的日分布特征散點圖如圖2(a)和圖2(b)所示。由圖像可得知，衛(wèi)星雷達的RMSE值，ME 值，和BIAS值均高于同化數(shù)據(jù)的值，但卡爾曼濾波的CC值顯著提高。這種特征在月分布 的特征散點圖中更為顯著，如圖2(c)圖2(d)所示。為進一步對衛(wèi)星測量數(shù)據(jù)和同化數(shù)據(jù) 進行對比，特在該流域的上流域，中部流域和下流域各取三個網(wǎng)格，獲得的同化前后數(shù)據(jù)結(jié) 果如圖4(a) -圖4(b)所示。
[0091] 對比結(jié)果表明：在所選擇的網(wǎng)格上，同化數(shù)據(jù)在日監(jiān)測或月監(jiān)測中都比衛(wèi)星降雨 測量數(shù)據(jù)校準(zhǔn)率更高，偏差值更小，。
[0092] 2、在地面雨量計分布少的地區(qū)的同化結(jié)果分析
[0093] 在缺乏雨量計的地區(qū)，常常使用例如TRMM之類的氣象衛(wèi)星來提供大范圍的降雨 預(yù)測，然而，這樣的方法在定點上預(yù)測不準(zhǔn)確，且缺乏持續(xù)性。為模擬該過程，我們將使用的 涇河流域的雨量計降雨測量值從200個降到13個，使用同樣的同化技術(shù)，所獲得的兩組數(shù) 據(jù)的對比圖如圖6(a) -圖6(d)所示。
[0094] 結(jié)果表明：減少地面雨量計數(shù)量對同化結(jié)果影響較小，說明基于卡爾曼濾波的同 化方法具有較好的穩(wěn)定性和適應(yīng)性，能在雨量計分布密度小的區(qū)域發(fā)揮作用。
[0095] 3、同化結(jié)果的參數(shù)敏感度分析
[0096] 在進一步分析同化研究中參數(shù)的變化，選取了TRMM的測量偏差預(yù)估值(；爲(wèi)>，噪聲 方差預(yù)估值（Pt)，測量噪聲方差（R)，狀態(tài)噪聲方差（Q)及卡爾曼濾波增益（Kt)作為卡爾曼 濾波過程中敏感參數(shù)。為了簡化分析，取定矣=中A為單位矩陣，且在仿真實現(xiàn)的過程 中，設(shè)定這五個參數(shù)在0. 1-0. 9之間變化，各情況下涇河流域降雨測量數(shù)據(jù)的參數(shù)敏感性 測試如圖3 (a)-圖3 (d)，圖5 (a)-圖5 (d)，圖7所示，圖3是在整個涇河流域，同化過程中各 指標(biāo)隨卡爾曼濾波參數(shù)改變的變化曲線；圖5是劃定涇河流域雨量站空間分布，涇河流域 上中下流域各取3個網(wǎng)格獲得的同化過程中各指標(biāo)隨卡爾曼濾波參數(shù)改變的變化曲線；圖 8是減少同化所用雨量站數(shù)量后，同化過程中各指標(biāo)隨卡爾曼濾波參數(shù)改變的變化曲線。
[0097] 通過分析可發(fā)現(xiàn)，在卡爾曼濾波同化的過程中，最敏感的參數(shù)是測量偏差預(yù)估值 ?I和卡爾曼濾波增益Kt，元是指TRMM的測量偏差，因此在卡爾曼濾波同化過程中爲(wèi)越大， 則說明TRMM測量值和雨量計測量值之間的誤差越小。Kt主要用來表示在同化過程中平衡 前一時刻的預(yù)估偏差值和測量偏差值。取兩種極端情況，當(dāng)Kt= 1時表明預(yù)估測偏差值與 測量偏差值相等（筆=? )，則前一時刻的預(yù)估信息在同化過程中沒有起作用，當(dāng)Kt= 0時 (元=壞）表明沒有輸入測量偏差值，因此，為和Kt的取值對于同化結(jié)果有著至關(guān)重要的影 響，在研究流域取定在〇. 4-0. 7之間，在0. 1-0. 3之間和使得同化結(jié)果的相關(guān)系數(shù)更優(yōu)，均 方根誤差更小。
[0098] 4、不同季節(jié)的同化結(jié)果分析
[0099] 圖8 (a)表示有著200個雨量計站點的涇河流域從2006年1月到2008年12月 的月平均降水量測量值，圖8(b)表示的是涇河流域雨量計站點減少為13個時的月平均降 水量測量值。結(jié)果表明：（1)衛(wèi)星降雨測量數(shù)據(jù)結(jié)果和地面雨量計的測量結(jié)果相比，總體偏 高。（2)同化之后的數(shù)據(jù)在降雨測量數(shù)據(jù)對比中獲得了最優(yōu)效果，且在雨量計分布較少的區(qū) 域同樣適用。（3)地面雨量站的密度分布大小對同化結(jié)果影響不大，同化技術(shù)具有穩(wěn)健性。
[0100] 進一步的研究，對比分析雷達降雨測量結(jié)果和同化結(jié)果的季節(jié)性分布降水量（見 表1)可知，同化研究方法對于秋季有著更顯著的優(yōu)化效果。
[0101]
[0102] 表 1
[0103] 以上所述，僅為本發(fā)明的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何 不經(jīng)過創(chuàng)造性勞動想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的 保護范圍應(yīng)該以權(quán)利要求書所限定的保護范圍為準(zhǔn)。
【主權(quán)項】
1. 基于卡爾曼濾波的衛(wèi)星以及地面降水測量值同化方法，其特征在于，包括以下步 驟： (1) 預(yù)處理：獲得相互獨立的衛(wèi)星測量數(shù)據(jù)和地面雨量站數(shù)據(jù)，同時對測量值比較分 析得出測量偏差； (2) 時間更新：將測量值估值和噪聲誤差估值都表示為自相關(guān)函數(shù)； (3) 方法更新：通過卡爾曼濾波方法對測量偏差預(yù)估值和噪聲誤差方差預(yù)估值進行同 化。2. 根據(jù)權(quán)利要求1所述的基于卡爾曼濾波的衛(wèi)星以及地面降水測量值同化方法，其特 征在于：所述步驟（1)獲得相互獨立的衛(wèi)星測量數(shù)據(jù)和地面雨量站數(shù)據(jù)，同時對測量值比 較分析得出測量偏差具體為：通過星載降雨雷達為數(shù)據(jù)同化提供實時的遙感測量數(shù)據(jù)，并 將其記作S t，將網(wǎng)格化之后的地面雨量計測量的數(shù)據(jù)記作Gt;將星載降雨雷達提供的實時 遙感測量數(shù)據(jù)與地面雨量計的測量值之間的測量偏差記作Z t，t表示時間，將Zt表示為一個 自回歸模型如下式： zt=Gt/st (1)〇3. 根據(jù)權(quán)利要求1所述的基于卡爾曼濾波的衛(wèi)星以及地面降水測量值同化方法，其特 征在于，所述步驟（2)中將測量值估值和噪聲誤差估值都表示為自相關(guān)函數(shù)具體為： 設(shè)Zt的預(yù)估值為X t，并且Xt滿足自相關(guān)函數(shù)關(guān)系： xt= Ax t !+Bt (2) 其中，A是測量偏差的一階相關(guān)系數(shù)，Bt是一個均值為O的獨立隨機變量； 將Xt的預(yù)估值表達為：其中，Pt:是t-Ι時刻預(yù)測的誤差方差，Q是狀態(tài)噪聲方差。4. 根據(jù)權(quán)利要求1所述的基于卡爾曼濾波的衛(wèi)星以及地面降水測量值同化方法，其特 征在于，步驟（3)所述通過卡爾曼濾波方法對測量偏差預(yù)估值和噪聲誤差方差預(yù)估值進行 同化具體為： 將測量偏差Zt的預(yù)估值用&表示，噪聲誤差預(yù)估值用Pt表示，使用卡爾曼濾波更新方 法得到以下表達式其中，Kt表示t時刻的卡爾曼濾波增益，R表示測量噪聲方差。
【專利摘要】本發(fā)明公開了一種基于卡爾曼濾波的衛(wèi)星以及地面降水測量值同化方法，包括以下步驟：預(yù)處理：獲得相互獨立的衛(wèi)星測量數(shù)據(jù)和地面雨量站數(shù)據(jù)，同時對測量值比較分析得出測量偏差；時間更新：將測量值估值和噪聲誤差估值都表示為自相關(guān)函數(shù)；方法更新：通過卡爾曼濾波方法對測量偏差預(yù)估值和噪聲誤差方差預(yù)估值進行同化；本發(fā)明不僅訂正了系統(tǒng)的誤差，并且能有效的消除噪聲影響，對降雨量估計值的可靠性進行了進一步的提升。
【IPC分類】G06F19/00
【公開號】CN105069295
【申請?zhí)枴緾N201510486597
【發(fā)明人】陳嘉琪, 林佳楠, 雍斌, 陳波, 平學(xué)偉
【申請人】河海大學(xué)
【公開日】2015年11月18日
【申請日】2015年8月10日