基于3S的流域降雨量分布式反演模型与方法研究.ppt

基于3S的流域降雨量分布式反演模型与方法研究 报告人：胡广义 2007.04.09 项目的背景 为什么要研究降雨量估算？ 传统监测和估算方法及其缺陷 基于空间信息技术（RS、GIS、GPS） 非线性建模（神经网络、遗传算法） 降雨对农业、林业、生态环境以及自然灾害有着重要的影响。 降雨也是进行产汇流计算和洪水预报不可缺少的至关重要因子。 降雨量的估算、监测和预报，不仅仅是气象学的重要研究内容，也是水文水资源和水利水电工程领域所关注的重要研究课题。 实际降雨量值的获取主要是利用分布在不同地点的降雨量观测站来对实际雨量进行记录。 传统的估算方法有两种，一种就是根据大气运动的动力学和热力学等理论来对降雨进行预测估算。 另一种方法就是根据实际观测到的点降雨量值，采用空间插值的方法来计算得到面雨量值。 PP法（完全预报方法） PP法用历史资料中与预报对象同时间的实际气象参量作预报因子，由于该方法可利用大量的历史资料进行统计，得出的统计规律一般比较稳定可靠。 模式输出统计（Model output Statistics，MOS） MOS曾经一直是美国气象研究部门普遍采用的释用方法，它把统计预报法与数值预报法相结合，做出气象要素预报，该方法预报的准确率与预报方程的因子选取有很大的关系，因此，国内外有很多气象研究人员在因子选取上做了大量工作，1998年中国气象局曾组织部分省市预报员使用MOS预报方法、引进多种组合因子，集中制作了各省市的分县预报模型。 国内外关于降雨量的空间插值估算模型研究得也比较多，提出了很多好的模型和方法，比如多元回归法、距离反比加权法、克里金插值法等。 不管是根据气象学理论进行估测还是根据实测点降雨量值进行空间插值，它们所获取的降雨量都只是某个区域尺度的平均值，而无法得到该区域内更小尺度的降雨量分布值。 对于一个流域而言，不同地点的气象条件可能存在很大差异，进而导致不同地点的降雨量各不相同，因此，简单的只对流域降雨量进行宏观上大尺度的估算，显然无法满足实际应用要求。 所以，需要按照一定的单元大小，对流域内不同单位面积的降雨量进行分布式的小尺度估算。 但传统估算方法和监测方法固有的局限性，很难获取流域内不同单位面积的降雨量，迫切需要从技术手段上突破。 以RS、GIS、GPS（3S）为代表的空间信息科学技术，为流域分布式降雨量的监测和估算提供了全新的技术支持。 研究思路 研究思路 研究思路 选取湖北省作为研究对象，在分析影响该区域降雨量的关键气象因子基础上，将该区域划分为一定大小的单元网格，采集各单元网格内的气象参数，并结合地面实测降雨量数据，由于气象参数和降雨量之间肯定有某种内在关联，这种关联无法用确切的数学关系式来描述。 研究思路 神经网络和遗传算法很好的解决了这种类似于黑箱模型的问题，我们不需要知道模型的具体细节，而是通过大量的统计数据训练，达到某种最佳效果，即全局最优解，从而建立输入和输出之间的关系机制，这种非线性建模手段为分布式降雨量的估算提供了技术支持。 实测降水资料来源 根据气象学和先验知识，选择影响降雨量的气象因子： 云顶亮温， 云的有效发射率， 云覆盖度， 云顶压力。 MODIS遥感影像接收系统简介 Terra(EOS-AM1) 1999年12月18日，美国成功发射了EOS的第一颗先进的极地轨道环境遥感卫星Terra(EOS-AM1)。它的主要目标是对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息，进行土地利用和土地覆盖研究、气候季节和年际变化研究、自然灾害监测和分析研究、长期气候变率和变化研究以及大气臭氧变化等。 MODIS遥感影像接收系统简介 MODIS（MODERATE RESOLUTION IMAGING SPECTRORADIOMETER）是EOS-AM1系列卫星的主要探测仪器，也是EOS TERRA平台上唯一进行直接免费广播的对地观测系统。MODIS是当前世界上新一代的图谱合一的光学遥感仪器，具有36个光谱通道，分布在0.4~14微米的电磁波谱范围内。MODIS的仪器辐射分辨率达12bits，地面分辨率分别为250米、500米和1000米，扫描宽度为2330千米，对地观测过程当中，每秒可获得6.1兆比特的来自大气，海洋和陆地表面信息，每日或两日可获得依次全球观测数据。 非线性建模 神经网络 神经网络由于具有高度的非线性处理能力，在水文气象学中得到了广泛的应用，并取得了很好的效果，但是，神经网络的收敛速度慢，甚至不收敛的问