基于地面测量数据校正的降雨卫星暴雨同化方法
【技术领域】
[0001] 本发明属于降雨量预估技术领域，尤其及一种基于地面测量数据校正的降雨卫星 暴雨同化方法。
【背景技术】
[0002] 降水是地球水循环系统的重要组成部分，降水量的改变在建立水循环模型，维持 生态环境的稳定，农业生产，洪水报警预测方面起着十分重要的作用。精准地测量降水及其 区域和全球分布，长期以来一直是一个颇具挑战性的科学研究目标。
[0003] 传统的雨量站和气象雷达系统是一种直接获取降雨数据的方式，但是由于降雨在 时间和空间上的不均匀性以及测量站点的分布局限性，很难获得大区域和全球性的降雨分 布，尤其对于偏远地区，盆地，以及地形复杂的区域。因此，近年来，具有全球覆盖性和几乎 不间断的时间连续性的卫星降雨预估产品在弥补地面雨量计和地基雷达降雨测量的局限 性方面的作用越来越受到重视。
[0004] 目前主流的卫星降水产品包括红外主导的降水预估，该产品对使用人工神经网络 获得的遥感信息进行降水反演，还有后来的PERSIANN-CSS(Hongetal.，2004)，微波主导 的CMORPH(Joyceetal.，2004)和基于TRMM的降雨卫星产品 3B42RT, 3B42V6(Huffmanet al.，2007)等，这些降雨卫星产品已经在灾害监测，水文建模和气象监测方面获得了广泛应 用。热带降雨测量计划测雨雷达（简称TRMMPR)是第一个主动遥感的星载降雨雷达，其 多卫星降雨分析（TMPA)系统是迄今为止对降雨数据有着最优预测的系统。TMPAZ准实时 3B42RT将微波辐射计放置在多个低轨道卫星上，全球降雨观测卫星能以每三小时为周期提 供观测数据，其数据集是一套覆盖南北炜60度之间的全球3小时降雨平均格点降雨数据 集。然而，当要求获得单位小时的降雨数据时则会产生明显的抽样误差。因此，利用填缝技 术将卫星数据与来自地球同步卫星的红外数据相结合，以获得具有高时间分辨率的全球降 雨图变得十分必要。
[0005]全球降水卫星制图（GSMaP;0kamotoetal· 2005;Kubotaetal· 2007;Aonashi etal. 2009;Ushioetal. 2009)是近年来解决基于卫星的降雨预估在时间上和空间上具 有高尺度变异性的有效方法。此技术起始于2002年，由日本科学技术振兴机构（JST)和日 本宇宙航空机构（JAXA)的降水测量科学团队提供支持。此项目的主要目的是使用当前在 轨的被动微波辐射计数据生产具有高精度，高分辨率的全球降雨产品；此外，改善降水物理 模型和降雨速率反演算法；并进一步评估产品精度，为全球降雨测量（GMP)项目的开展奠 定基础。这个项目广泛收集了来自被动微波（PMW)和红外（IR)传感器的卫星预测输入数 据，可以通过将被动微波传感器的数据和红外辐射计的数据相结合的技术，提供具有较高 时间精度和空间精度的产品。基于此技术的全球降雨预测产品在洪水预警系统等水文领域 有广泛应用。
[0006] 未经过雨量计修正的全球降雨卫星制图（GSMaP)产品叫做GSMaP_MVK，它能提供 表面降雨率为〇. 1度，时间分辨率为一小时的全球降雨预测值。为了提高卫星降水可靠性， 一种有效的方法是将此测量数据与另一数据来源相结合，如全球雨量计数据集。由于全球 降雨卫星制图产品（GSMaP_MVK)预估和地面测量在时间和空间上抽样点不同，两组测量值 会出现不匹配的情况，为了填补卫星预测和地面雨量站之间由时空分辨率不同引起的预测 误差，基于雨量计的全球降雨卫星制图校准产品GSMaP_Gauge(Kubotaetal.，2007)应运 而生。
[0007] 对该产品可能产生的误差进行量化并进一步进行记录，可增大其应用价值和应用 范围。然而，基于该产品现有的降水评估主要局限在日本领域（Ushioetal.2009;Kubota etal. 2009)，其他地域仍缺乏详细的研究。此外，在具有强降雨的案例中，该产品的技术方 法在预测应用中比起观测站较大程度上降低了降雨预估值。
【发明内容】
[0008] 针对现有技术的不足，为了水文学的进一步研究及工程应用，数据同化是修正调 整实时测量数据的一个有效方法。因此，本文的主要目的就是给出一个方法，就是将全球降 雨卫星制图产品的预测值和一定密度的雨量计观测所预测的降雨量数值进行同化，从而更 精准的预估出降雨量，尤其是极端强降雨的情况。
[0009] 本发明解决其技术问题所采用的技术方案如下，
[0010] 一种基于地面测量数据校正的降雨卫星暴雨同化方法，包括以下步骤：
[0011] (1)预处理：获得相互独立的卫星测量数据和地面雨量站数据，同时对测量值比 较分析得出测量偏差，具体为：GSMaP_MVK为数据同化提供实时的遥感测量数据，并将其记 作St，将网格化之后的地面雨量计测量的数据记作Gt，将GSMaP_MVK提供的实时遥感测量数 据与地面雨量计的测量值之间的测量偏差记作Zt表示为一个自回归模型如下式：
[0012]
[0013] (2)时间更新：将测量值估值和噪声误差估值都表示为自相关函数；
[0014] (3)测量更新：通过卡尔曼滤波方法对测量偏差预估值和噪声误差方差预估值进 行同化。
[0015] 进一步的，所述步骤（2)中将测量值估值和噪声误差估值都表示为自相关函数具 体为：
[0016]SZt的预估值为xt，并且xt满足自相关函数关系：
[0017] xt=Axt !+Bt (2)
[0018] 其中，A是测量偏差的一阶相关系数，Bt是一个均值为0的独立随机变量；将x,的 预估值表达为：
[0019] χ：? -Λχ·^ 13)
[0020] 将Bt预估方差Pt表示为：
[0021] Pt=APtlAT+Q(4)
[0022] 其中，Pti是t_l时刻预测的误差方差，Q是状态噪声方差。
[0023] 进一步的，步骤（3)所述通过卡尔曼滤波方法对测量偏差预估值和噪声误差方差 预估值进行同化具体为：
[0024] 将测量偏差估计值用.?表示，噪声误差估计值用Pt表示，使用卡尔曼滤波更新 方法得到以下表达式：
[0025]
[0026] 其中，Kt表示t时刻的卡尔曼滤波增益，R表示测量噪声方差。
[0027] 本发明的有益效果是：
[0028] 1、能在获取卫星实时数据的基础上结合雨量站信息获得更可靠的降雨数据，同时 减小数据误差；
[0029] 2、卡尔曼滤波后的同化数据和标准的全球降水卫星制图产品GSMaP_MVK相比，是 更有效的数据同化工具，在降雨强度较大的情况中和地面观测值有着更密切的一致性。
[0030] 3、卡尔曼滤波的同化方法不仅适用于海拔比较低的地区，在海拔较高的山地也同 样有着较强的适用性；
[0031] 4、基于卡尔曼滤波的数据同化方法在捕捉连续时间序列的降水时空变化中有更 好的优化效果。
【附图说明】：
[0032] 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作简单地介绍，显而易见地，下面描述中的附图仅仅是本 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。
[0033] 图1是本发明基于地面测量数据校正的降雨卫星暴雨同化方法的处理过程的结 构示意图；
[0034] 图2(a)是整个泾河流域在0.Γ*0.1°的分辨率下，a，b，c类网格区域内卫星测 量值随累计降水量和海拔高度变化的CC参数变化三维图；
[0035] 图2(b)是整个泾河流域在0.Γ*0.1°的分辨率下，a，b，c类网格区域内同化结