分布式降雨量估算模型與方法研究.pdf

1、降雨量作為水文模型的重要輸入?yún)?shù)，也作為防洪減災(zāi)、徑流預(yù)報(bào)、農(nóng)田灌溉等問(wèn)題的重要考慮因素，一直以來(lái)都是水文水資源領(lǐng)域?qū)W者研究的重點(diǎn)。隨著對(duì)這些研究對(duì)象的空間尺度范圍越來(lái)越小和時(shí)間尺度范圍越來(lái)越精細(xì)的要求，傳統(tǒng)的通過(guò)布設(shè)雨量觀測(cè)站點(diǎn)來(lái)獲取區(qū)域內(nèi)平均面雨量的方法手段已經(jīng)難以滿足實(shí)際工作的要求。而隨著空間信息技術(shù)自身的迅猛發(fā)展并與傳統(tǒng)水文水資源學(xué)科的交叉融合，以及更加豐富完善的非線性建模方法，為解決這類新問(wèn)題提供了新的思路。目前迫切需要解決的

2、難題就是如何綜合應(yīng)用遙感技術(shù)和地理信息系統(tǒng)，構(gòu)建能夠?qū)α饔騼?nèi)不同空間尺度范圍的降雨量分別進(jìn)行估算的理論模型，為流域分布式降雨量的空間插值估算和遙感反演估算提供科學(xué)理論依據(jù)以及方法和技術(shù)支持。本文基于空間插值理論和遙感反演理論，對(duì)流域的分布式降雨量估算模型的構(gòu)建進(jìn)行了深入探討與研究。主要研究?jī)?nèi)容如下：
　　 1、研究了數(shù)字地面模型（DTM）以及衍生的數(shù)字高程模型（DEM），結(jié)合本文的研究對(duì)象，采用數(shù)字降雨模型（DRM）來(lái)具體表示流

3、域內(nèi)的降雨量分布情況，它和DEM一樣描述了某種空間屬性的特征，適合在地理信息系統(tǒng)中進(jìn)行存儲(chǔ)管理和分析。
　　 2、結(jié)合具體的實(shí)例，將湖北省區(qū)域范圍根據(jù)不同空間尺度大小劃分為湖北全區(qū)域、十堰地區(qū)、宜昌地區(qū)、恩施地區(qū)等幾個(gè)研究區(qū)域，并將各個(gè)區(qū)域內(nèi)的降雨量根據(jù)不同的雨量強(qiáng)度劃分為幾個(gè)等級(jí)，采用距離反比加權(quán)法、克里格法以及BP神經(jīng)網(wǎng)絡(luò)法和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)分別建立了對(duì)應(yīng)的空間插值估算模型。
　　 3、基于云降雨機(jī)理，從M

4、ODIS遙感影像數(shù)據(jù)中，獲取到有關(guān)云產(chǎn)品的氣象資料，提取和降雨密切相關(guān)的氣象因子，并與地面雨量站點(diǎn)的實(shí)測(cè)降雨量資料相結(jié)合，應(yīng)用 BP神經(jīng)網(wǎng)絡(luò)法和遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的非線性智能建模方法分別建立遙感反演估算模型，得到了較好的估算效果。也證明了MODIS高光譜分辨率的數(shù)據(jù)產(chǎn)品應(yīng)用在流域分布式降雨量估算中具有實(shí)際操作意義。
　　 4、對(duì)于BP神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)難以確定的問(wèn)題，根據(jù)已有的隱含層節(jié)點(diǎn)數(shù)確定的經(jīng)驗(yàn)公式，提出了一種改

5、進(jìn)公式，在實(shí)際應(yīng)用中證明了改進(jìn)公式的實(shí)用性和有效性。另外針對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始聯(lián)接權(quán)值和閾值確定的隨機(jī)性以及容易陷入局部極小點(diǎn)的固有缺陷，采用了具有全局優(yōu)化搜索能力的遺傳算法，兩者進(jìn)行優(yōu)勢(shì)互補(bǔ)，并將這兩種模型分別用在空間插值估算模型和遙感反演估算模型的構(gòu)建中。
　　 通過(guò)對(duì)湖北省流域的具體實(shí)例進(jìn)行分布式降雨量估算研究，實(shí)驗(yàn)結(jié)果表明：
　　 1、在流域分布式降雨量的空間插值估算建模中，傳統(tǒng)的插值估算方法各有其局限性和適用對(duì)

6、象。對(duì)于湖北省流域范圍不同空間尺度范圍的插值估算結(jié)果也表明，在小區(qū)域范圍或雨量密度分布均衡的情況下，插值估算的效果要好于對(duì)大區(qū)域范圍或雨量密度分布不均勻進(jìn)行插值估算的情況。另外從插值模型方法角度分析，基于非線性智能遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的空間插值模型，其估算的誤差精度要好于基于統(tǒng)計(jì)概率的傳統(tǒng)空間插值模型。并且空間插值模型的估算誤差精度受到空間尺度范圍和地形地勢(shì)影響以及雨量強(qiáng)度大小的影響很大。不同的條件下估算的誤差精度各不相同，平均相

7、對(duì)誤差范圍大致在30%-80%之間。
　　 2、利用氣象衛(wèi)星資料遙感反演估算流域分布式降雨量的研究結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的反演估算模型和利用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型反演估算流域內(nèi)的分布式降雨量，估算效果都比較好，模型的估算精度只與所選取的氣象因子有關(guān)，與雨量站點(diǎn)的分布情況、研究區(qū)域的空間尺度范圍以及雨量強(qiáng)度大小等因素相關(guān)性并不是很大。本文從可以獲取到的MOIDS遙感影像云產(chǎn)品數(shù)據(jù)中提取了七個(gè)與降雨關(guān)系密切的氣象因子參數(shù)