基于卫星遥感的日降雨空间降尺度获取方法及设备

计算;推算;计数设备的制造及其应用技术1.本发明实施例涉及遥感降雨数据处理技术领域，尤其涉及一种基于卫星遥感的日降雨空间降尺度获取方法及设备。背景技术：2.原始的卫星遥感降雨产品的空间分辨率一般较低，而水文模型对降雨数据的空间分辨率的要求一般较高。因此，在将卫星遥感降雨产品应用于径流模拟之前，需要对原始的卫星遥感降雨产品进行空间降尺度。传统的空间降尺度方法存在局部回归的子样数目较少，解释变量与被解释变量之间的相关关系空间非平稳，解释变量在局部位置的相关性较强的缺陷。导致共线性程度较高时，回归参数的估计将会变得很不稳定，极端情形下回归参数甚至无解。因此，开发一种基于卫星遥感的日降雨空间降尺度获取方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。技术实现要素：3.针对现有技术存在的上述问题，本发明实施例提供了一种基于卫星遥感的日降雨空间降尺度获取方法及设备。4.第一方面，本发明的实施例提供了一种基于卫星遥感的日降雨空间降尺度获取方法，包括：s1：获取研究区域范围内的卫星遥感日降雨数据，筛选降雨的解释变量，获取需要的地理信息数据，得到目标分辨率的解释变量数据，将目标分辨率的解释变量数据重采样至卫星分辨率；s2：将原始卫星遥感日降雨数据累积至月尺度，获得卫星遥感月降雨数据，求解卫星遥感月降雨与卫星分辨率的解释变量之间的地理加权回归gwr关系中的回归参数，并进行共线性诊断；s3：对出现共线性问题的位置，将岭回归集成到地理加权回归gwr的框架中，计算岭参数，求解卫星遥感月降雨与卫星分辨率的解释变量之间的地理加权岭回归gwrr关系中的回归参数，其余位置的回归参数仍保持s2步骤得到的gwr关系中的回归参数不变，根据得到的回归参数计算模型残差；s4：将通过s3步骤获得的卫星分辨率的卫星月降雨的回归参数重采样至目标分辨率，由目标分辨率的解释变量数据和目标分辨率的回归参数，计算目标分辨率下的卫星月降雨估计值；s5：将通过s3步骤获得的卫星分辨率的模型残差进行空间插值，得到目标分辨率的模型残差；s6：将目标分辨率的卫星月降雨估计值与目标分辨率的模型残差相加，得到目标分辨率的卫星月降雨数据；s7：将目标分辨率的卫星月降雨数据离散至日尺度，得到降尺度的卫星日降雨数据。5.在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s1中的筛选降雨的解释变量，包括：根据研究区域的具体情况，选取与降雨关系密切的解释变量；解释变量具有预设的空间分辨率，将低分辨率下建立的回归关系应用于高分辨率下，进而输出高分辨率的降水信息；解释变量的空间分布范围覆盖整个研究区域，通过卫星遥感途径直接获取。6.在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s2中：7.a1、地理加权回归gwr：8.对于一变量y，在区域内存在n个观测点，则gwr模型为：[0009][0010]式(1)中，xik是第i个观测位置处变量y的第k个解释变量；p为解释变量的个数；βi，k是第i个观测位置处的第k个回归参数，为空间位置的函数；εi为第i个观测位置处的模型回归残差，服从独立正态分布；[0011]式(1)用矩阵表示如下：[0012][0013]式(2)中，为矩阵的逻辑乘法；y为被解释变量矩阵；x为解释变量矩阵；β为回归参数矩阵；i为单位矩阵；ε为残差矩阵；[0014]y、x、β的具体形式分别为：[0015]y＝(y1，y2，…，yn)tꢀꢀꢀꢀ(3)[0016][0017][0018]gwr模型中回归参数β(i)＝(βi0，βi1，…，βip)t的估计采用加权最小二乘法，即寻找估计值满足：[0019][0020]式(6)中，wj(i)为空间权函数，随样本观测点j与回归点i之间的地理距离单调递减；对式(6)进行求解，得到gwr回归参数的估计值，其矩阵形式为：[0021][0022]式(7)中，w(i)＝diag[w1(i)，w2(i)，…，wn(i)]为空间权重矩阵，由空间权函数wj(i)和所用带宽b决定；空间权函数包含四种，即距离阈值函数、距离反比函数、高斯函数和bi-square函数，其表达式分别为：[0023][0024][0025][0026][0027](8)、(9)、(10)、(11)四式中，为距离阈值函数；为距离反比函数；为高斯函数；为bi-square函数；dij为样本观测点j与回归点i之间的欧氏距离；c为常数；b为带宽；[0028]带宽包括：固定带宽，即各回归点估计均采用相同的带宽，适用于样本点均匀分布的情况；自适应带宽，即参与各回归点估计的样本数目相同，带宽大小随回归点位置而自动调整，适用于样本点分布不均匀的情况；则第i个观测点被解释变量的估计值为：[0029][0030]a2、共线性诊断：[0031]共线性是指解释变量之间存在线性相关关系的现象，共线性程度较高时，回归参数的估计将会变得很不稳定，极端情况下回归参数甚至无解；[0032]采用条件数作为共线性问题诊断的指标，对于各列单位化的设计矩阵x，条件数定义为：[0033][0034]式(13)中，μmax和μmin分别为矩阵x的最大奇异值和最小奇异值，由矩阵x的奇异值分解得到；[0035]条件数cn值越大，设计矩阵x各列之间的共线性越强，当cn值较小时，共线性对回归参数估计无影响；当设计矩阵的cn值超出某一阈值后，将出现共线性问题，使得回归参数的估计很不稳定；在cn值无穷大的极端情形下，将产生完全共线性问题，此时回归参数无解。[0036]在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s3中：[0037]b1、地理加权岭回归gwrr：[0038]gwwr通过限制回归参数的范围来收缩多余解释变量造成的影响，从而克服gwr中的共线性问题，gwrr模型中回归参数的估计为求约束条件下的最小值问题，即寻找估计值满足：[0039][0040]式(14)的拉格朗日乘子形式写为：[0041][0042]式(15)中，λ(i)为岭参数，控制位置i处斜率的收缩程度，与式(14)中的参数m(i)存在一一对应的关系；[0043]式(15)中截距βi0不受岭参数λ(i)约束，岭参数估计前应首先移除截距项，具体做法为：对式(15)求βi0的偏导，获得截距估计对式(15)分别求βi1、βi2、…、βip的偏导，并将代入所求偏导数移除截距项，相关表达式如下：[0044][0045]式(16)中，和分别为gwrr模型在位置i处的截距估计和斜率估计，[0046][0047]式(17)中，和分别表示去除截距项的解释变量xjk和被解释变量yj；[0048]为消除解释变量量纲差异造成的影响，采用(18)式对去除截距项的解释变量进行缩放：[0049][0050]缩放后的斜率估计矩阵可通过下式计算：[0051][0052]式(19)中，为加权的x*变量(即)矩阵；为加权的y*变量(即)矩阵；ip为(p×p)阶单位矩阵。[0053]在位置i处，gwrr模型的斜率估计与被解释变量估计分别采用(20)式计算：[0054][0055][0056]b2、岭参数计算：[0057]若设计矩阵x*的奇异值为μ1，μ2，…，μp(μ1＜μ2＜…＜μp)，则矩阵的奇异值为根据式(13)，岭回归中cn的解析表达式为当cn(xr)等于阈值5.42时，岭回归恰无共线性问题，因此岭参数由下式计算：[0058][0059]将xr中的x*替换为gwr的设计矩阵则可将岭回归集成到gwr中，得到gwrr的岭参数的计算方式。[0060]在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s4中的目标分辨率下卫星月降雨估计值的计算：卫星分辨率的卫星月降雨回归参数记为其重采样结果记为目标分辨率的卫星月降雨估计值的计算方式如下：[0061][0062]式(23)中，分别为目标分辨率下的第1个至第p个解释变量。[0063]在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s5中的目标分辨率的模型残差：卫星分辨率的模型残差记为将其插值至目标分辨率，插值结果记为[0064]在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s6中的目标分辨率的卫星月降雨数据的计算：[0065]由目标分辨率下卫星月降雨估计值和模型残差可以得到目标分辨率的卫星月降雨数据计算方法如(24)式：[0066][0067]在上述方法实施例内容的基础上，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s7中的将目标分辨率卫星月降雨数据离散至日尺度，包括：已正确检测出降雨事件，卫星分辨率的卫星日降雨量与月降雨量之比由卫星分辨率的卫星日降雨量计算获得：[0068][0069]式(25)中，为卫星分辨率的卫星月降雨量；将重采样至目标分辨率，重采样结果记为由和降尺度的卫星月降雨数据计算得到降尺度的卫星日降雨数据计算方法如(26)式：[0070][0071]第二方面，本发明的实施例提供了一种电子设备，包括：[0072]至少一个处理器；以及[0073]与处理器通信连接的至少一个存储器，其中：[0074]存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于卫星遥感的日降雨空间降尺度获取方法。[0075]第三方面，本发明的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于卫星遥感的日降雨空间降尺度获取方法。[0076]本发明实施例提供的基于卫星遥感的日降雨空间降尺度获取方法及设备，适用于具有卫星遥感降雨产品的地区，对满足适用条件的地区提供了一种更加稳定的卫星遥感降雨产品空间降尺度方法，为水利行业从事水文预报、流域水资源利用与管理决策提供支撑，具有很强的实用性和广泛的适用性。附图说明[0077]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0078]图1为本发明实施例提供的基于卫星遥感的日降雨空间降尺度获取方法流程图；[0079]图2为本发明实施例提供的电子设备的实体结构示意图；[0080]图3为本发明实施例提供的2010～2017年四种卫星遥感日降雨产品在西江流域的gwr降尺度模型的共线率(cr)空间分布示意图；[0081]图4为本发明实施例提供的月尺度及卫星分辨率下，原始卫星降雨与gwrr降尺度模型估计降雨之间的密度散点图；[0082]图5为本发明实施例提供的原始分辨率下的卫星降雨产品的日降雨分布示意图。具体实施方式[0083]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。[0084]本发明实施例提供了一种基于卫星遥感的日降雨空间降尺度获取方法，参见图1，该方法包括：s1：获取研究区域范围内的卫星遥感日降雨数据，筛选降雨的解释变量，获取需要的地理信息数据，得到目标分辨率的解释变量数据，将目标分辨率的解释变量数据重采样至卫星分辨率；s2：将原始卫星遥感日降雨数据累积至月尺度，获得卫星遥感月降雨数据，求解卫星遥感月降雨与卫星分辨率的解释变量之间的地理加权回归gwr关系中的回归参数，并进行共线性诊断；s3：对出现共线性问题的位置，将岭回归集成到地理加权回归gwr的框架中，计算岭参数，求解卫星遥感月降雨与卫星分辨率的解释变量之间的地理加权岭回归gwrr关系中的回归参数，其余位置的回归参数仍保持s2步骤得到的gwr关系中的回归参数不变，根据得到的回归参数计算模型残差；s4：将通过s3步骤获得的卫星分辨率的卫星月降雨的回归参数重采样至目标分辨率，由目标分辨率的解释变量数据和目标分辨率的回归参数，计算目标分辨率下的卫星月降雨估计值；s5：将通过s3步骤获得的卫星分辨率的模型残差进行空间插值，得到目标分辨率的模型残差；s6：将目标分辨率的卫星月降雨估计值与目标分辨率的模型残差相加，得到目标分辨率的卫星月降雨数据；s7：将目标分辨率的卫星月降雨数据离散至日尺度，得到降尺度的卫星日降雨数据。[0085]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s1中的筛选降雨的解释变量，包括：根据研究区域的具体情况，选取与降雨关系密切的解释变量；解释变量具有预设的空间分辨率，将低分辨率下建立的回归关系应用于高分辨率下，进而输出高分辨率的降水信息；解释变量的空间分布范围覆盖整个研究区域，通过卫星遥感途径直接获取。[0086]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s2中：[0087]a1、地理加权回归gwr：[0088]对于一变量y，在区域内存在n个观测点，则gwr模型为：[0089][0090]式(1)中，xik是第i个观测位置处变量y的第k个解释变量；p为解释变量的个数；βi，k是第i个观测位置处的第k个回归参数，为空间位置的函数；εi为第i个观测位置处的模型回归残差，服从独立正态分布；[0091]式(1)用矩阵表示如下：[0092][0093]式(2)中，为矩阵的逻辑乘法；y为被解释变量矩阵；x为解释变量矩阵；β为回归参数矩阵；i为单位矩阵；ε为残差矩阵；[0094]y、x、β的具体形式分别为：[0095]y＝(y1，y2，…，yn)tꢀꢀꢀꢀ(3)[0096][0097][0098]gwr模型中回归参数β(i)＝(βi0，βi1，…，βip)t的估计采用加权最小二乘法，即寻找估计值满足：[0099][0100]式(6)中，wj(i)为空间权函数，随样本观测点j与回归点i之间的地理距离单调递减；对式(6)进行求解，得到gwr回归参数的估计值，其矩阵形式为：[0101][0102]式(7)中，w(i)＝diag[w1(i)，w2(i)，…，wn(i)]为空间权重矩阵，由空间权函数wj(i)和所用带宽b决定；空间权函数包含四种，即距离阈值函数、距离反比函数、高斯函数和bi-square函数，其表达式分别为：[0103][0104][0105][0106][0107](8)、(9)、(10)、(11)四式中，为距离阈值函数；为距离反比函数；为高斯函数；为bi-square函数；dij为样本观测点j与回归点i之间的欧氏距离；c为常数；b为带宽；[0108]带宽包括：固定带宽，即各回归点估计均采用相同的带宽，适用于样本点均匀分布的情况；自适应带宽，即参与各回归点估计的样本数目相同，带宽大小随回归点位置而自动调整，适用于样本点分布不均匀的情况；则第i个观测点被解释变量的估计值为：[0109][0110]a2、共线性诊断：[0111]共线性是指解释变量之间存在线性相关关系的现象，共线性程度较高时，回归参数的估计将会变得很不稳定，极端情况下回归参数甚至无解；[0112]采用条件数作为共线性问题诊断的指标，对于各列单位化的设计矩阵x，条件数定义为：[0113][0114]式(13)中，μmax和μmin分别为矩阵x的最大奇异值和最小奇异值，由矩阵x的奇异值分解得到；[0115]条件数cn值越大，设计矩阵x各列之间的共线性越强，当cn值较小时，共线性对回归参数估计无影响；当设计矩阵的cn值超出某一阈值后，将出现共线性问题，使得回归参数的估计很不稳定；在cn值无穷大的极端情形下，将产生完全共线性问题，此时回归参数无解。[0116]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s3中：[0117]b1、地理加权岭回归gwrr：[0118]gwwr通过限制回归参数的范围来收缩多余解释变量造成的影响，从而克服gwr中的共线性问题，gwrr模型中回归参数的估计为求约束条件下的最小值问题，即寻找估计值满足：[0119][0120]式(14)的拉格朗日乘子形式写为：[0121][0122]式(15)中，λ(i)为岭参数，控制位置i处斜率的收缩程度，与式(14)中的参数m(i)存在一一对应的关系；[0123]式(15)中截距βi0不受岭参数λ(i)约束，岭参数估计前应首先移除截距项，具体做法为：对式(15)求βi0的偏导，获得截距估计对式(15)分别求βi1、βi2、…、βip的偏导，并将代入所求偏导数移除截距项，相关表达式如下：[0124][0125]式(16)中，和分别为gwrr模型在位置i处的截距估计和斜率估计，[0126][0127]式(17)中，和分别表示去除截距项的解释变量xjk和被解释变量yj；[0128]为消除解释变量量纲差异造成的影响，采用(18)式对去除截距项的解释变量进行缩放：[0129][0130]缩放后的斜率估计矩阵可通过下式计算：[0131][0132]式(19)中，为加权的x*变量(即)矩阵；为加权的y*变量(即)矩阵；ip为(p×p)阶单位矩阵。[0133]在位置i处，gwrr模型的斜率估计与被解释变量估计分别采用(20)式计算：[0134][0135][0136]b2、岭参数计算：[0137]若设计矩阵x*的奇异值为μ1，μ2，…，μp(μ1＜μ2＜…＜μp)，则矩阵的奇异值为根据式(13)，岭回归中cn的解析表达式为当cn(xr)等于阈值5.42时，岭回归恰无共线性问题，因此岭参数由下式计算：[0138][0139]将xr中的x*替换为gwr的设计矩阵则可将岭回归集成到gwr中，得到gwrr的岭参数的计算方式。[0140]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s4中的目标分辨率下卫星月降雨估计值的计算：卫星分辨率的卫星月降雨回归参数记为其重采样结果记为目标分辨率的卫星月降雨估计值的计算方式如下：[0141][0142]式(23)中，分别为目标分辨率下的第1个至第p个解释变量。[0143]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s5中的目标分辨率的模型残差：卫星分辨率的模型残差记为将其插值至目标分辨率，插值结果记为[0144]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s6中的目标分辨率的卫星月降雨数据的计算：[0145]由目标分辨率下卫星月降雨估计值和模型残差可以得到目标分辨率的卫星月降雨数据计算方法如(24)式：[0146][0147]基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取方法，步骤s7中的将目标分辨率卫星月降雨数据离散至日尺度，包括：已正确检测出降雨事件，卫星分辨率的卫星日降雨量与月降雨量之比由卫星分辨率的卫星日降雨量计算获得：[0148][0149]式(25)中，为卫星分辨率的卫星月降雨量；将重采样至目标分辨率，重采样结果记为由和降尺度的卫星月降雨数据计算得到降尺度的卫星日降雨数据计算方法如(26)式：[0150][0151]本发明实施例提供的基于卫星遥感的日降雨空间降尺度获取方法，适用于具有卫星遥感降雨产品的地区，对满足适用条件的地区提供了一种更加稳定的卫星遥感降雨产品空间降尺度方法，为水利行业从事水文预报、流域水资源利用与管理决策提供支撑，具有很强的实用性和广泛的适用性。[0152]在另一实施例中，基于卫星遥感的日降雨空间降尺度获取方法，包括以下步骤：[0153]s1、获取研究区域范围内的卫星遥感日降雨资料。筛选降雨的解释变量，获取需要的地理信息资料(如ndvi数据、dem数据、lucc数据等)，得到目标分辨率的解释变量数据。将目标分辨率的解释变量数据重采样至卫星分辨率；[0154]以西江流域为例，获取西江流域范围内2010～2017年的四种卫星遥感日降雨产品，分别为：(1)tmpa 3b42rt，时间范围为1998年至今，空间分辨率为0.25°×0.25°，可以通过nasa的热带降雨观测任务网站(https://trmm.gsfc.nasa.gov/)免费获取；(2)cmorph，时间范围为1998年至今，空间分辨率为0.25°×0.25°，可以通过美国国家海洋与大气管理局气候预测中心的cmorph数据服务器(ftp://ftp.cpc.ncep.noaa.gov/precip/global_cmorph/)免费下载；(3)persiann，时间范围为1983年至今，空间分辨率为0.25°×0.25°，可以通过加州大学欧文分校的水文气象与遥感中心的官网(https://chrsdata.eng.uci.edu/)免费下载；(4)gsmap_nrt，时间范围为2000年至今，空间分辨率为0.1°×0.1°，可以通过jaxa的gsmap数据服务器(ftp://rainmap：niskur+1404@hokusai.eorc.jaxa.jp/)免费获取。[0155]根据筛选解释因子的三点根据，以流域内的降雨为被解释变量，以流域内各栅格处(1km分辨率)的经度(longitude)、维度(latitude)、高程(flevation)、坡度(slope)和归一化植被指数(ndvi)作为解释变量。[0156]获取流域范围内的dem数据(1km分辨率)并进行信息提取，获得各栅格处的经度、维度、高程和坡度数据。获取流域范围内的ndvi数据，来源于modis的月ndvi数据(mod13a3)，可以从美国宇航局陆地过程分布式数据档案中心(https://lpdaac.usgs.gov/dataset_discovery/modis/)下载。根据中国科学院资源环境科学与数据中心提供的lucc数据(https://www.resdc.cn/)，将mod13a3中的在lucc数据中土地类型为水域、城乡建设用地、未利用土地的ndvi数据移除，并填充为滑动窗口插值数据。[0157]将流域内1km分辨率的经度、纬度、高程、坡度和归一化植被指数分别重采样至0.25°×0.25°或0.1°×0.1°分辨率。在位置i处，1km×1km分辨率的第m个月的ndvi、高程、坡度、经度和纬度分别记为对应的0.25°×0.25°分辨率和0.1°×0.1°分辨率下的重采样结果分别为和[0158]s2、将原始卫星遥感日降雨数据累积至月尺度，获得卫星遥感月降雨数据。求解卫星遥感月降雨与卫星分辨率的解释变量之间的地理加权回归(gwr)关系中的回归参数，并进行共线性诊断；[0159]在位置i处，0.25°×0.25°分辨率的第m个月的卫星遥感降雨记为0.1°×0.1°分辨率的第m个月的卫星遥感降雨记为sat指代任何一种卫星遥感降雨产品。[0160]对于空间分辨率为0.25°×0.25°的卫星降雨，构建的gwr关系为[0161]对于空间分辨率为0.1°×0.1°的卫星降雨，构建的gwr关系为[0162]本实施例根据式(6)在求解gwr关系的回归参数时，空间权函数wj(i)选择为式(11)，即bi-square函数；带宽b设置为固定带宽以确定局部回归的子样规模。[0163]当条件数cn大于5.42的阈值时，gwr将出现共线性问题；当cn无穷大的极端情况下，gwr的回归参数不可解，此时的共线性问题称为完全共线性问题。[0164]定义共线率(collinearity rate，cr)为共线性问题出现次数与gwr模型拟合总次数之比；定义完全共线率(perfect collinearity rate，pcr)为完全共线性问题出现次数与gwr模型拟合总次数之比。[0165]图3展示了2010～2017年四种卫星遥感日降雨产品在西江流域的gwr降尺度模型的共线率(cr)空间分布。可以看出，四种卫星降雨产品的pcr值为0，说明gwr降尺度模型不会遭遇完全共线性问题。然而，除了gsmap_nrt之外，其余三种卫星降雨产品在西江流域大部分地区都出现了较严重的共线性问题(cr值高于70％)。[0166]s3、对出现共线性问题的位置，将岭回归集成到地理加权回归(gwr)的框架中，计算岭参数，求解卫星遥感月降雨与卫星分辨率的解释变量之间的地理加权岭回归(gwrr)关系中的回归参数，其余位置的回归参数仍保持s2步骤得到的gwr关系中的回归参数不变。根据得到的回归参数计算模型残差；[0167]根据gwr和gwrr的原理，gwr就是gwrr的岭参数取值为0时的特殊情况。因此，gwrr与gwr这两种回归方法所构建的回归模型在形式上是相似的，区别仅在于回归参数的求解方法。[0168]对于空间分辨率0.25°×0.25°的卫星降雨，构建的gwrr关系为[0169]对于空间分辨率0.1°×0.1°的卫星降雨，构建的gwrr关系为[0170]本实施例根据式(15)在求解gwrr关系的回归参数时，空间权函数wj(i)选择为式(11)，即bi-square函数；带宽b设置为固定带宽以确定局部回归的子样规模。岭参数的计算由式(22)得到。[0171]对于空间分辨率为0.25°×0.25°的卫星降雨，得到的回归参数为[0172][0173]对于空间分辨率为0.25°×0.25°的卫星降雨，得到的残差为[0174][0175]对于空间分辨率为0.1°×0.1°的卫星降雨，得到的回归参数为[0176][0177]对于空间分辨率为0.1°×0.1°的卫星降雨，得到的残差为[0178][0179]图4展示了月尺度及卫星分辨率下，原始卫星降雨与gwrr降尺度模型估计降雨之间的密度散点图。对于四种卫星降雨产品，gwrr降尺度模型均表现良好，卫星降雨与模型估计降雨之间的皮尔逊相关系数cc均大于0.98。不同卫星降雨产品之间gwrr降尺度模型近乎一致地表明：卫星月降雨与月ndvi、高程、坡度、经度、维度之间的gwrr关系在两种卫星分辨率(0.25°×0.25°和0.1°×0.1°)下均相对平稳，这对降尺度而言显然是有益的。[0180]s4、将通过s3步骤获得的卫星分辨率的卫星月降雨的回归参数重采样至目标分辨率。由目标分辨率的解释变量数据和目标分辨率的回归参数，计算目标分辨率下的卫星月降雨估计值；[0181]采用双线性插值法，将回归参数或重采样至目标分辨率(1km)，重采样结果记为[0182]由回归参数目标分辨率(1km)的卫星月降雨估计值为[0183][0184]s5、将通过s3步骤获得的卫星分辨率的模型残差进行空间插值，得到目标分辨率的模型残差；[0185]采用普通克里金法对残差或进行空间插值，得到目标分辨率(1km)的模型残差，插值结果记为[0186]s6、将目标分辨率的卫星月降雨估计值与目标分辨率的模型残差相加，得到降尺度(目标分辨率)的卫星月降雨数据；[0187]由目标分辨率(1km分辨率)的卫星月降雨估计值和残差，可得目标分辨率的卫星月降雨为[0188]s7、将目标分辨率卫星月降雨数据离散至日尺度，得到降尺度的卫星日降雨数据。[0189]对于0.25°×0.25°的卫星降雨，卫星日降雨量与月降雨量之比为将重采样至1km分辨率，重采样结果记为由和可得1km分辨率的卫星日降雨结果，为[0190]对于0.1°×0.1°的卫星降雨，卫星日降雨量与月降雨量之比为将重采样至1km分辨率，重采样结果记为由和可得1km分辨率的卫星日降雨结果，为[0191]图5展示了原始分辨率下tmpa 3b42rt(a1)、cmorph(a2)、persiann(a3)、gsmap(a4)和降尺度tmpa 3b42rt(b1)、cmorph(b2)、persiann(b3)、gsmap(b4)的卫星降雨产品在2014年6月21日的日降雨分布。可以看出，降尺度卫星降雨产品继承了原始卫星降雨产品对降雨总体分布特征的刻画，但由于ndvi和地形信息的引入，降尺度产品提供的降雨分布信息更为精细。[0192]需要说明的是，本发明提供的装置实施例中的装置，除了可以用于实现上述方法实施例中的方法外，还可以用于实现本发明提供的其他方法实施例中的方法，区别仅仅在于设置相应的功能模块，其原理与本发明提供的上述装置实施例的原理基本相同，只要本领域技术人员在上述装置实施例的基础上，参考其他方法实施例中的具体技术方案，通过组合技术特征获得相应的技术手段，以及由这些技术手段构成的技术方案，在保证技术方案具备实用性的前提下，就可以对上述装置实施例中的装置进行改进，从而得到相应的装置类实施例，用于实现其他方法类实施例中的方法。例如：[0193]基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取装置，还包括：第一子模块，用于实现步骤s1中的筛选降雨的解释变量，包括：根据研究区域的具体情况，选取与降雨关系密切的解释变量；解释变量具有预设的空间分辨率，将低分辨率下建立的回归关系应用于高分辨率下，进而输出高分辨率的降水信息；解释变量的空间分布范围覆盖整个研究区域，通过卫星遥感途径直接获取。[0194]基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取装置，还包括：第二子模块，用于实现步骤s2中：[0195]a1、地理加权回归gwr：[0196]对于一变量y，在区域内存在n个观测点，则gwr模型为：[0197][0198]式(1)中，xik是第i个观测位置处变量y的第k个解释变量；p为解释变量的个数；βi，k是第i个观测位置处的第k个回归参数，为空间位置的函数；εi为第i个观测位置处的模型回归残差，服从独立正态分布；[0199]式(1)用矩阵表示如下：[0200][0201]式(2)中，为矩阵的逻辑乘法；y为被解释变量矩阵；x为解释变量矩阵；β为回归参数矩阵；i为单位矩阵；ε为残差矩阵；[0202]y、x、β的具体形式分别为：[0203]y＝(y1，y2，…，yn)tꢀꢀꢀꢀ(3)[0204][0205][0206]gwr模型中回归参数β(i)＝(βi0，βi1，…，βip)t的估计采用加权最小二乘法，即寻找估计值满足：[0207][0208]式(6)中，wj(i)为空间权函数，随样本观测点j与回归点i之间的地理距离单调递减；对式(6)进行求解，得到gwr回归参数的估计值，其矩阵形式为：[0209][0210]式(7)中，w(i)＝diag[w1(i)，w2(i)，…，wn(i)]为空间权重矩阵，由空间权函数wj(i)和所用带宽b决定；空间权函数包含四种，即距离阈值函数、距离反比函数、高斯函数和bi-square函数，其表达式分别为：[0211][0212][0213][0214][0215](8)、(9)、(10)、(11)四式中，为距离阈值函数；为距离反比函数；为高斯函数；为bi-square函数；dij为样本观测点j与回归点i之间的欧氏距离；c为常数；b为带宽；[0216]带宽包括：固定带宽，即各回归点估计均采用相同的带宽，适用于样本点均匀分布的情况；自适应带宽，即参与各回归点估计的样本数目相同，带宽大小随回归点位置而自动调整，适用于样本点分布不均匀的情况；则第i个观测点被解释变量的估计值为：[0217][0218]a2、共线性诊断：[0219]共线性是指解释变量之间存在线性相关关系的现象，共线性程度较高时，回归参数的估计将会变得很不稳定，极端情况下回归参数甚至无解；[0220]采用条件数作为共线性问题诊断的指标，对于各列单位化的设计矩阵x，条件数定义为：[0221][0222]式(13)中，μmax和μmin分别为矩阵x的最大奇异值和最小奇异值，由矩阵x的奇异值分解得到；[0223]条件数cn值越大，设计矩阵x各列之间的共线性越强，当cn值较小时，共线性对回归参数估计无影响；当设计矩阵的cn值超出某一阈值后，将出现共线性问题，使得回归参数的估计很不稳定；在cn值无穷大的极端情形下，将产生完全共线性问题，此时回归参数无解。[0224]基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取装置，还包括：第三子模块，用于实现步骤s3中：[0225]b1、地理加权岭回归gwrr：[0226]gwwr通过限制回归参数的范围来收缩多余解释变量造成的影响，从而克服gwr中的共线性问题，gwrr模型中回归参数的估计为求约束条件下的最小值问题，即寻找估计值满足：[0227][0228]式(14)的拉格朗日乘子形式写为：[0229][0230]式(15)中，λ(i)为岭参数，控制位置i处斜率的收缩程度，与式(14)中的参数m(i)存在一一对应的关系；[0231]式(15)中截距βi0不受岭参数λ(i)约束，岭参数估计前应首先移除截距项，具体做法为：对式(15)求βi0的偏导，获得截距估计对式(15)分别求βi1、βi2、…、βip的偏导，并将代入所求偏导数移除截距项，相关表达式如下：[0232][0233]式(16)中，和分别为gwrr模型在位置i处的截距估计和斜率估计，[0234][0235]式(17)中，和分别表示去除截距项的解释变量xjk和被解释变量yj；[0236]为消除解释变量量纲差异造成的影响，采用(18)式对去除截距项的解释变量进行缩放：[0237][0238]缩放后的斜率估计矩阵可通过下式计算：[0239][0240]式(19)中，为加权的x*变量(即)矩阵；为加权的y*变量(即)矩阵；ip为(p×p)阶单位矩阵。[0241]在位置i处，gwrr模型的斜率估计与被解释变量估计分别采用(20)式计算：[0242][0243][0244]b2、岭参数计算：[0245]若设计矩阵x*的奇异值为μ1，μ2，…，μp(μ1＜μ2＜…＜μp)，则矩阵的奇异值为根据式(13)，岭回归中cn的解析表达式为当cn(xr)等于阈值5.42时，岭回归恰无共线性问题，因此岭参数由下式计算：[0246][0247]将xr中的x*替换为gwr的设计矩阵则可将岭回归集成到gwr中，得到gwrr的岭参数的计算方式。[0248]基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取装置，还包括：第四子模块，用于实现步骤s4中的目标分辨率下卫星月降雨估计值的计算：卫星分辨率的卫星月降雨回归参数记为其重采样结果记为目标分辨率的卫星月降雨估计值的计算方式如下：[0249][0250]式(23)中，分别为目标分辨率下的第1个至第p个解释变量。[0251]基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取装置，还包括：第五子模块，用于实现步骤s5中的目标分辨率的模型残差：卫星分辨率的模型残差记为将其插值至目标分辨率，插值结果记为[0252]基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于卫星遥感的日降雨空间降尺度获取装置，还包括：第六子模块，用于实现步骤s6中的目标分辨率的卫星月降雨数据的计算：[0253]由目标分辨率下卫星月降雨估计值和模型残差可以得到目标分辨率的卫星月降雨数据计算方法如(24)式：[0254][0255]本发明实施例的方法是依托电子设备实现的，因此对相关的电子设备有必要做一下介绍。基于此目的，本发明的实施例提供了一种电子设备，如图3所示，该电子设备包括：至少一个处理器(processor)、通信接口(communications interface)、至少一个存储器(memory)和通信总线，其中，至少一个处理器，通信接口，至少一个存储器通过通信总线完成相互间的通信。至少一个处理器可以调用至少一个存储器中的逻辑指令，以执行前述各个方法实施例提供的方法的全部或部分步骤。[0256]此外，上述的至少一个存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。[0257]以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。[0258]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的一些部分所述的方法。[0259]附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0260]需要说明的是，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括……"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0261]最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!