-
公开(公告)号:CN118960694A
公开(公告)日:2024-11-15
申请号:CN202411009411.7
申请日:2024-07-26
申请人: 中国长江电力股份有限公司 , 中国长江三峡集团有限公司 , 中国水利水电科学研究院
摘要: 本公开提供一种河道断面水位遥感监测方法、电子设备及存储介质,方法包括获取河段水体第一河段范围和第二河段范围,基于第一河段范围和第二河段范围分别获取河段中心线长度、不同形态河段;获取河段地形数据;根据不同形态河段对应的河段范围获取不同形态河段水体范围,并根据不同形态河段水体范围获取不同空间分辨率卫星影像动态提取的水边线;基于水边线或水边线与断面矢量交点提取高程并获取河段和断面的水位;以河段和断面水位为基准,分析断面水位和基准水位的关系,构建不同形态河段的多源卫星监测水位一致性修正模型;基于一致性修正模型对水位进行修正,获取河段和断面水位监测数据集,如此提升多源卫星遥感监测河道水位和径流的可靠性。
-
公开(公告)号:CN118968334A
公开(公告)日:2024-11-15
申请号:CN202411009410.2
申请日:2024-07-26
申请人: 中国长江电力股份有限公司 , 中国水利水电科学研究院 , 中国长江三峡集团有限公司
摘要: 本公开提供一种河段水面宽遥感监测方法、电子设备及存储介质,方法包括获取河段水体第一河段范围和第二河段范围,基于第一河段范围获取河段中心线长度,基于第二河段范围获取不同河段形态,第一河段范围大于第二河段范围;根据不同形态河段对应的河段范围查找下载不同空间分辨率卫星影像,获取不同形态河段水体和不同空间分辨率卫星影像水体提取范围;分析不同空间分辨率卫星影像水体面积和基准水体面积的关系,构建不同形态河段多源卫星水体面积一致性修正模型;根据一致性修正模型对不同形态河段卫星监测的水体面积进行修正后计算河段修正水面宽,如此可以提升多源卫星遥感协同监测河道水面宽和径流的可靠性。
-
公开(公告)号:CN118484653A
公开(公告)日:2024-08-13
申请号:CN202410633731.3
申请日:2024-05-21
申请人: 中国水利水电科学研究院
IPC分类号: G06F18/2113 , G06F18/27 , G06F18/2431
摘要: 本发明属于降水产品合并技术领域,具体公开了一种不依赖观测数据的多源降水产品合并方法,包括数据预处理;计算时间误差方差和空间误差方差;利用加权平均将时间误差方差与空间误差方差生成二维误差方差;利用最小二乘框架,基于二维误差方差计算源降水产品的权重;根据源降水产品的权重,利用加权平均生成合并降水产品;利用CTC分析,计算最佳有/无雨的时间序列合并结果;根据最佳有/无雨的时间序列合并结果校正合并降水产品数据,生成最终的合并降水产品。考虑了时间和空间误差,减小了合并后的降水量估算误差。解决了现有方法不适用于站点稀疏或无站点的地区以及传统TC分析忽略了降水的非平稳空间误差对合并结果的影响的问题。
-
公开(公告)号:CN117171971A
公开(公告)日:2023-12-05
申请号:CN202311013803.6
申请日:2023-08-11
申请人: 中国水利水电科学研究院
IPC分类号: G06F30/20 , G06F17/16 , G06F113/08 , G06F119/14 , G06F119/12 , G06F111/08 , G06F111/04
摘要: 本发明公开了一种基于贝叶斯优化的高精度曲面建模降尺度校正方法,其包括以下步骤:构建降尺度模型,以降水基准数据点为样本点要素;获取样本点数据和迭代初值;使用样本点数据和迭代初值计算高精度曲面建模;进行误差计算,得到误差值;获取高斯过程中的均值函数和协方差矩阵;判断是否达到最大迭代次数,若是则获取误差最小的高精度曲面建模模型参数对应的目标曲面,对已有降尺度结果进行校正;否则基于当前均值函数和协方差矩阵计算下一组高精度曲面建模模型参数,并计算样本点数据和迭代初值对应的目标曲面,重新获取误差值。本方法可以用于降尺度校正,具有较低的模型不确定性并能显著提高降尺度精度,进而得到精度更高的降尺度结果。
-
公开(公告)号:CN117152351A
公开(公告)日:2023-12-01
申请号:CN202311014074.6
申请日:2023-08-11
申请人: 中国水利水电科学研究院
IPC分类号: G06T17/00 , G06F18/241 , G06F18/214 , G06N3/0464
摘要: 本发明公开了一种基于像元卷积神经网络的统计降水降尺度方法,本发明利用地理探测器方法分析了环境变量与降水的空间分异性、陆表环境变量的交互作用、不同环境变量对降水影响的差异性、多环境变量共线性对降尺度模型干扰和可变面积单元选择等问题,实现陆表环境变量有效筛选。本方法构建了基于像元的卷积神经网络降水降尺度模型,实现了参数和超参数自优化、模型GPU和CPU并行计算,提升了降尺度模型的非线性拟合能力、增强了降尺度模型对小流域和精确时间尺度的建模能力。本方法使用基于贝叶斯优化的高精度曲面建模方法对降水降尺度数据进行校正,解决了高精度校正模型参数选取、高效并行、模型不确定性问题,大幅提高了遥感降水降尺度精度。
-
-
-
-