买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京师范大学

摘要：一种基于物理约束滑动窗口水储量异常降尺度方法，属于卫星重力学、水文学、计算机科学等交叉技术领域。获取全球尺度下的多源数据集，基于随机森林机器学习算法构建粗分辨率0.5°下的降尺度模型。获取0.05°初步降尺度结果后，在3°窗口上进行偏差计算，获取偏差后，将聚合后水体积的偏差进行分配和计算，权重计算完成将偏差进行相乘，再将体积转换为等效水高后即可获得对应的偏差，最后将其添加到对应的格网，以0.5°步长进行窗口滑动约束得到最终的0.05°降尺度结果。本发明为降尺度后的数据很好的提供了物理约束，使得降尺度后的数据在保留了降尺度前数据的信息的同时刻画了更多的空间细节。

主权项：1.一种基于物理约束滑动窗口水储量异常降尺度方法，其特征在于,含有以下步骤：获取全球尺度下的多源数据集，基于随机森林机器学习算法构建粗分辨率0.5°下的降尺度模型，获取0.05°初步降尺度结果后，在3°窗口上进行偏差计算，获取偏差后，将这些偏差合理的分配到初步降尺度后的结果上，将这些值同对应的网格的底面积相乘即可获取该网格实际等效水的体积，为每个初步降尺度后的格网分配好权重，将聚合后水体积的偏差进行分配和计算，权重计算完成将偏差进行相乘，再将体积转换为等效水高后即可获得对应的偏差，最后将其添加到对应的格网，以0.5°步长进行窗口滑动约束得到最终的0.05°降尺度结果；还含有以下步骤：步骤1、获取全球尺度下的多源数据集，包括有MODIS产品中的植被增强型指数EVI，陆面地表温度LST，归一化植被指数NDVI，积雪覆盖度；ERA5-Land产品中的蒸散发ET，降雨Pre，径流Runoff，空气温度Ta；辅助变量数字高程模型DEM，坡度Slope，时间信息TI，位置信息LI，GLDAS产品中的土壤水异常SMA，雪水当量异常SWEA，植被冠层水异常PCWSA；以及GRACE产品反演的TWSA和GWSA，步骤2、基于随机森林机器学习算法构建粗分辨率0.5°下的降尺度模型，其中输入的驱动变量为EVI、LST、NDVI、ET、Pre、Runoff、Ta、DEM、Slope、TI和LI，输入的目标变量为TWSA或者基于GRACE和GLDAS相关变量计算的GWSA，其中GWSA的计算方式如下所示：GWSA＝TWSA-SMA-SWEA-PCWSA降尺度模型： 其中，表示基于原始GRACE衍生的TWSA或GWSA产品，MLRF·表示基于随机森林算法构建的降尺度模型，输入的驱动变量为0.5°空间分辨率下的EVI、LST、NDVI、ET、Pre、Runoff、Ta、DEM、Slope、TI和LI，输入的目标变量分别为0.5°空间分辨率下的TWSA及基于GRACE和GLDAS相关变量计算的GWSA，步骤3、将更高空间分辨率的驱动变量应用到步骤2构建的降尺度模型中，驱动变量同模型构建时一致，包括EVI、LST、NDVI、ET、Pre、Runoff、Ta、DEM、Slope、TI和LI，这些变量了包含GRACE缺失的月份，且空间分辨率为0.05°，可初步得到降尺度后的TWSA和GWSA产品0.05°，完成缺失数据的填充，基于降尺度模型得到的初步降尺度结果： 其中，表示基于随机森林机器学习降尺度模型获得的初步降尺度结果，输入的变量类型同模型构建时一致，但空间分辨率为0.05°；还含有以下步骤：步骤4、针对GRACE产品实际有效空间分辨率为3°，将步骤3得到的初步降尺度结果及步骤2中原始的TWSA或GWSA产品归算到3°空间分辨率，并求得模型的结果同降尺度前产品结果的偏差，计算方式如下： 其中，表示基于随机森林机器学习模型初步降尺度后产品聚合到3°空间分辨率后的结果，fagg·表示聚合方法为取平均值，表示基于随机森林机器学习算法获得的初步降尺度结果，表示将原始产品聚合到3°空间分辨率后的结果，表示基于原始GRACE衍生的TWSA或GWSA产品，Bias3表示的是降尺度聚合到3°空间分辨率后同原始产品聚合到3°空间分辨率后的偏差，步骤5、获取偏差后，将这些偏差合理的分配到初步降尺度后的结果上，将这些值同对应的网格的底面积相乘即可获取该网格实际等效水的体积，那么降尺度前后其体积应当保持不变，具体的实现过程是为每个初步降尺度后的格网分配好权重，将聚合后水体积的偏差进行分配，其中权重的计算是通过计算每个小格网0.05°的水体积占聚合后产品3°的水体积的权重而得，详细的计算步骤如下： 其中，表示每个0.05°小格网的权重，a0.05表示的小格网对应的底面积，表示初步降尺度产品正则化结果的第i个格网，N表示3°格网内共有的小格网的个数，步骤6、当每个小格网0.05°的权重计算完成后，将偏差进行相乘，再将体积转换为等效水高后即可获得对应的偏差，最后将其添加到对应的格网，即可得到最终的降尺度结果： 其中，Bias0.05表示每个0.05°小格网的偏差，a3表示的大格网对应的底面积，表示最终经过物理约束矫正后的降尺度结果；步骤4中针对GRACE产品实际有效空间分辨率为3°，还含有以下步骤:以3°格网循环对全球数据进行降尺度和矫正时，降尺度后的结果会存在较为明显的“马赛克”效应，考虑到降尺度前的空间分辨率为0.5°，而实际有效空间分辨率为3°，在滑动窗口进行迭代，其中滑动窗口的大小受实际有效空间分辨率约束，设置为3°；滑动步长受到降尺度前原始产品空间分辨率的约束，设置为0.5°。

全文数据：

权利要求：

百度查询： 北京师范大学 一种基于物理约束滑动窗口水储量异常降尺度方法