(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111516536.5 (22)申请日 2021.12.13 (71)申请人 河海大学 地址 210024 江苏省南京市 鼓楼区西康路1 号 (72)发明人 沈哲辉　雍斌　吴昊　周泽慧　 丁明泽　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于随机森林与陆表环境变量的月尺度星 地降水融合方法 (57)摘要 本发明公开了一种基于随机森林与陆表环 境变量的月尺度星地降水融合方法， 包括以下步 骤： 首先， 对地面站点降水数据与卫星降水格网 数据进行时间上的匹配； 其次， 明确地面雨量站 点的位置， 并与卫星降水的格网进行空间上的匹 配； 再次， 在 有雨量站点的格网上， 以地面降水数 据为因变量， 以卫星降水数据以及相关陆表环境 变量作为自变量建立随机森林模型； 最后， 在没 有雨量站点的格网上， 卫星降水数据与相关陆表 环境变量通过建立好的随机森 林模型， 计算得到 融合后的降水数据。 本发明结合与降水相关的陆 表环境变量， 对地面降水和卫星降水进行融合， 得到高精度的融合降水数据， 可为水文模型等提 供精度更高的降水输入 源。 权利要求书1页 说明书4页 附图1页 CN 114372508 A 2022.04.19 CN 114372508 A 1.一种基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述 方法包括如下步骤： (1)对地面站点降水 数据与卫星降水格网数据进行时间上的匹配； (2)明确地 面雨量站点的位置， 并与卫星降水的格网进行空间上的匹配； (3)在有雨量站点的格网上， 以地面降水数据为因变量， 以卫星降水数据以及相关陆表 环境变量作为自变量建立随机森林模型； (4)在没有雨量站点的格网上， 用卫星降水数据与相关陆表环境变量通过建立好的随 机森林模型， 计算得到融合后的降水 数据。 2.根据权利要求1所述的基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述步骤(1)中首先删除不合格的数据， 并将采用世界协调时的卫星测得的降 水数据与地 面站点观测的对应时区的降水记录相匹配。 3.根据权利要求1所述的基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述步骤(2)中首先明确雨量站 点的经纬度， 再将卫星降水格网数据的栅格中 心最靠近雨量站点位置的格网与此雨 量站点相匹配。 4.根据权利要求1所述的基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述 步骤(3)包括如下步骤： (31)将地面站点降水数据与卫星降水数据在当月进行累加， 得到月尺度的地面站点以 及卫星降水 数据； (32)在有站点的格网上， 以地面站点降水数据作为因变量， 以卫星降水数据与各陆表 环境变量作为自变量建立每 个月的随机森林模型。 5.根据权利要求1所述的基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述 步骤(32)中， 陆表 环境变量 为月尺度的遥感数据。 6.根据权利要求1所述的基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述陆表环境变量包 括NDVI、 LS T‑day、 LST‑night、 DEM、 Latitude和Longitude 数据。 7.根据权利要求1所述的基于随机森林与陆表环境变量的月尺度星地降水融合方法， 其特征在于， 所述步骤(4)中， 以卫星降水数据和NDVI、 LS T‑day、 LST‑night、 DEM、 Latitude、 Longitude作为自变量， 利用步骤(3)中建立的随机森林模型， 计算得到融合降水 数据。权　利　要　求　书 1/1 页 2 CN 114372508 A 2基于随机森 林与陆表环境变量的月尺度星地降水 融合方法 技术领域 [0001]本发明涉及 一种多源降水数据融合方法， 尤其涉及一种能够减小误差的基于随机 森林与陆表 环境变量的月尺度星地降水融合方法。 背景技术 [0002]降水作为一种常见的自然现象， 在全球水循环、 生态系统、 气 候系统和能量平衡中 扮演着重要的角色。 降水的时空分布直接或间接地影响着地表径流、 地下水动态、 土壤湿 度、 蒸散发等陆地水文过程， 因此是水文 学、 气象学和生态的重要参数。 同时， 降水使 大气中 的水分能够重 返地面， 为地球上生命提供了赖以生存的淡水资源。 因此， 可靠且准确地测量 降水不仅对理解气候变化至关重要， 并且对水资源管理、 水文预报、 生态环境监测、 干旱洪 涝的预警等是必不可少的条件。 由于受到地形特征、 地理位置、 下垫面等因素 的影响， 降水 的时空变异性较强， 且测量时容易受到自然和人为因素 的干扰， 所以降水 的高精度测量相 对比较困难。 [0003]随着传感器和反演算法的发展， 基于卫星遥感进行降水数据测量已经成为常用手 段， 可在全球尺度上提供 空间连续和时间完整的降水。 因此， 卫星降水产品为全球尺度的水 文及气候学等研究带来了前所未有的契机。 然而， 受地形 因素、 电磁信号与云层之间的不一 致敏感性以及降水反演算法本身的 限制， 卫星降水估计在 全球和区域尺度上存在较大的系 统和随机误差， 需要在局部尺度上进行适当的校正。 卫星降水产品是空间连续但精度相对 较低的“面状”数据， 而地面站 点降水数据则是高精度的不连续的 “点式”数据。 因此， 可将地 面观测降水数据与卫星降水产品进 行融合， 以得到高精度的星地降水融合数据。 目前， 通常 采用多元线性回归模型建立地面降水与 环境变量和卫星降水间的关系， 继而实现卫星降水 与地面降水 的融合。 然而， 这种方法可能会存在自变量的多重共线从而导致模型会有较大 误差。 发明内容 [0004]发明目的： 本发明的目的是提供一种能够避免自变量的多重共线而导致误差的降 水融合方法。 [0005]技术方案： 本发明的基于随机森林与陆表环境变量的月尺度星地降水融合方法包 括如下步骤： [0006](1)对地面站点降水 数据与卫星降水格网数据进行时间上的匹配； [0007](2)明确地 面雨量站点的位置， 并与卫星降水的格网进行空间上的匹配； [0008](3)在有雨量站点的格网上， 以地面降水数据为因变量， 以卫星降水数据以及相关 陆表环境变量作为自变量建立随机森林模型； [0009](4)在没有雨量站点的格网上， 用卫星降水数据与相关陆表环境变量通过建立好 的随机森林模型， 计算得到融合后的降水 数据。 [0010]所述步骤(1)中首先删除不合格 的数据， 不合格 的数据是指原始地面数据文件中说　明　书 1/4 页 3 CN 114372508 A 3