一种基于人工智能和卫星遥感的洪水预报方法及装置

本发明涉及数据预测处理，特别涉及一种基于人工智能和卫星遥感的洪水预报方法。

背景技术：

1、近几十年来，大气中二氧化碳等温室气体排放量急剧增加，地球陆地圈与大气圈的能量收支平衡与物质循环过程发生改变，全球温度不断升高、珊瑚礁和热带雨林大面积消亡，社会经济系统和生态环境的不均衡、不平等日益加剧。中国是受全球气候变化影响最严重的国家之一，近年来极端降水和洪水等灾害频繁发生，严重威胁两国生态安全、防洪安全、能源安全和粮食安全。为应对上述挑战，当前迫切需要研究极端降水和洪水事件的形成机理，并通过提高预报精度开展防灾减灾工作。

2、相关技术中，能够获取水文气象数据，确定预先划分的区域中目标区域的水文气象特征，通过建立气象变量与洪水的线性或非线性关系，从而开展洪水预报。

3、然而，相关技术未能充分利用卫星遥测气象信息，未能考虑人类活动干扰对径流模拟造成的误差，不能解决稀缺资料地区的长系列洪水预报难题，亟待改善。

技术实现思路

1、本发明提供一种基于人工智能和卫星遥感的洪水预报方法，以解决相关技术需要较长系列的气象水文数据，但是，现在大多数地区水文气象数据极度匮乏，有些地区仅有少量实测水文气象资料，卫星遥感主要通过气象卫星的搭载传感器，实现对气象数据的测量，但是卫星遥感技术存在栅格尺度较大、空间分辨率低的问题，难以直接满足实际要求。同时，水文模型适用于模拟天然状态下的径流过程，大坝、水库、农业灌溉、引水和跨流域调水等工程措施往往会破坏下垫面的一致性，造成流域水文模型存在较大误差，制约了水文模拟精度。相关技术未能充分利用卫星遥测气象信息，未能考虑人类活动干扰对径流模拟造成的误差，不能解决稀缺资料地区的长系列洪水预报难题的问题。

2、本发明第一方面实施例提供一种基于人工智能和卫星遥感的洪水预报方法，应用于模型构建阶段，包括以下步骤：基于稀缺资料地区的地面气象站的有限观测数据与卫星遥感的大尺度格点数据，建立统计降尺度模型，并根据所述统计降尺度模型获取长系列气象观测资料；基于所述稀缺资料地区的每一个子流域的短系列径流观测数据和降尺度后的气象资料，建立流域水文模型，并利用所述流域水文模型对所述每一个子流域的初步径流进行模拟，以得到所述每一个子流域的模拟径流；对所述每一个子流域的模拟径流进行校正，以得到校正后的模拟径流系列，并根据所述校正后的模拟径流系列构建所述每一个子流域的长短时记忆神经网络模型；将所述长系列气象观测资料分别输入至所述流域水文模型和所述长短时记忆神经网络模型，以得到所述稀缺资料地区的每一个子流域的重构长系列径流过程；从所述每一个子流域的重构长系列径流过程中提取出洪水事件，并基于所述洪水事件建立包括空间属性、气象预报信息和气象-水文时滞特征的随机森林模型，以预报所述稀缺资料地区的大尺度洪水。

3、可选地，在本发明的一个实施例中，所述对所述每一个子流域的模拟径流进行校正，以得到校正后的模拟径流系列，包括：基于所述稀缺资料地区的每一个子流域，对模拟的日径流过程和实测的日径流过程进行统计分析，以确定影响日实测径流的滞时；基于所述影响日实测径流的滞时，对所述模拟的日径流过程进行校正，以得到所述校正后的模拟径流系列。

4、可选地，在本发明的一个实施例中，所述校正后的模拟径流系列的计算公式为：

5、，

6、其中，表示水文模型在时刻的模拟径流，表示所述水文模型在时刻的模拟径流，表示所述水文模型在时刻的模拟径流，表示所述水文模型在时刻的模拟径流，表示lstm模型确定的滞时，表示所述lstm模型。

7、可选地，在本发明的一个实施例中，所述将所述长系列气象观测资料分别输入至所述流域水文模型和所述长短时记忆神经网络模型，以得到所述稀缺资料地区的每一个子流域的重构长系列径流过程，包括：基于所述统计降尺度模型，采用所述卫星遥测的大尺度栅格气象数据获取流域尺度的长系列气象系列；将所述长系列气象系列输入至所述流域水文模型，得到所述每一个子流域的长系列径流过程；利用所述长短时记忆神经网络模型对模拟的径流进行校正，以重构所述每一个子流域的长系列径流过程，得到所述每一个子流域的重构长系列径流过程。

8、可选地，在本发明的一个实施例中，所述从所述每一个子流域的重构长系列径流过程中提取出洪水事件，并基于所述洪水事件建立考虑空间属性、气象预报信息和气象-水文时滞特征的随机森林模型，包括：基于所述每一个子流域的重构长系列径流过程，以日径流的预设分位数为阈值，将超过所述阈值的日径流作为所述洪水事件；基于所述洪水事件，获取所述稀缺资料地区的每个子流域的流域平均气象变量，并根据所述流域平均气象变量建立所述随机森林模型。

9、本发明第二方面实施例提供一种基于人工智能和卫星遥感的洪水预报方法，应用于模型应用阶段，包括以下步骤：获取稀缺资料地区的每一个子流域的气象预报信息和再分析气象数据；

10、将所述气象预报信息和所述再分析气象数据输入至预设的随机森林模型，以驱动所述随机森林模型生成所述稀缺资料地区的大尺度洪水预报结果，其中，所述预设的随机森林模型由空间属性、气象预报信息和气象-水文时滞特征构建得到。

11、本发明第三方面实施例提供一种基于人工智能和卫星遥感的洪水预报装置，采用如上述权利要求所述的基于人工智能和卫星遥感的洪水预报方法，应用于模型构建阶段，包括：建立模块，用于基于稀缺资料地区的地面气象站的有限观测数据与卫星遥感的大尺度格点数据，建立统计降尺度模型，并根据所述统计降尺度模型获取长系列气象观测资料；模拟模块，用于基于所述稀缺资料地区的每一个子流域的短系列径流观测数据和降尺度后的气象资料，建立流域水文模型，并利用所述流域水文模型对所述每一个子流域的初步径流进行模拟，以得到所述每一个子流域的模拟径流；校正模块，用于对所述每一个子流域的模拟径流进行校正，以得到校正后的模拟径流系列，并根据所述校正后的模拟径流系列构建所述每一个子流域的长短时记忆神经网络模型；输入模块，用于将所述长系列气象观测资料分别输入至所述流域水文模型和所述长短时记忆神经网络模型，以得到所述稀缺资料地区的每一个子流域的重构长系列径流过程；预报模块，用于从所述每一个子流域的重构长系列径流过程中提取出洪水事件，并基于所述洪水事件建立包括空间属性、气象预报信息和气象-水文时滞特征的随机森林模型，以预报所述稀缺资料地区的大尺度洪水。

12、可选地，在本发明的一个实施例中，所述校正模块包括：确定单元，用于基于所述稀缺资料地区的每一个子流域，对模拟的日径流过程和实测的日径流过程进行统计分析，以确定影响日实测径流的滞时；校正单元，用于基于所述影响日实测径流的滞时，对所述模拟的日径流过程进行校正，以得到所述校正后的模拟径流系列。

13、可选地，在本发明的一个实施例中，所述校正后的模拟径流系列的计算公式为：

14、，

15、其中，表示水文模型在时刻的模拟径流，表示所述水文模型在时刻的模拟径流，表示所述水文模型在时刻的模拟径流，表示所述水文模型在时刻的模拟径流，表示lstm模型确定的滞时，表示所述lstm模型。

16、可选地，在本发明的一个实施例中，所述输入模块包括：获取单元，用于基于所述统计降尺度模型，采用所述卫星遥测的大尺度栅格气象数据获取流域尺度的长系列气象系列；输入单元，用于将所述长系列气象系列输入至所述流域水文模型，得到所述每一个子流域的长系列径流过程；重构单元，用于利用所述长短时记忆神经网络模型对模拟的径流进行校正，以重构所述每一个子流域的长系列径流过程，得到所述每一个子流域的重构长系列径流过程。

17、可选地，在本发明的一个实施例中，所述预报模块包括：生成单元，用于基于所述每一个子流域的重构长系列径流过程，以日径流的预设分位数为阈值，将超过所述阈值的日径流作为所述洪水事件；建立单元，用于基于所述洪水事件，获取所述稀缺资料地区的每个子流域的流域平均气象变量，并根据所述流域平均气象变量建立所述随机森林模型。

18、本发明第四方面实施例提供一种基于人工智能和卫星遥感的洪水预报装置，采用如上述权利要求所述的基于人工智能和卫星遥感的洪水预报方法，应用于模型应用阶段，包括：获取模块，用于获取稀缺资料地区的每一个子流域的气象预报信息和再分析气象数据；驱动模块，用于将所述气象预报信息和所述再分析气象数据输入至预设的随机森林模型，以驱动所述随机森林模型生成所述稀缺资料地区的大尺度洪水预报结果，其中，所述预设的随机森林模型由空间属性、气象预报信息和气象-水文时滞特征构建得到。

19、本发明第五方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的一种基于人工智能和卫星遥感的洪水预报方法。

20、本发明第六方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的一种基于人工智能和卫星遥感的洪水预报方法。

21、本发明实施例通过耦合洪形成的物理机制、人工智能和卫星遥感等方法，为稀缺资料地区洪水预报提供重要且可操作性强的参考依据，为应对气候灾害、防灾减灾和水资源综合管理提供工程参考价值。由此，解决了相关技术未能充分利用卫星遥测气象信息，未能考虑人类活动干扰对径流模拟造成的误差，不能解决稀缺资料地区的长系列洪水预报难题的问题。

22、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。