基于卫星遥感信息的云-降水水资源预测预警模型研究

论文摘要

云与降水作为水资源的两种不同物态形式,作为一个地区水资源的重要组成部分,对区域水资源管理与预警起到至关重要的作用。近年来,随着全球环境变化,水资源越来越成为一种稀缺资源的同时,也带来了频繁的灾害事件。研究云与降水之间关系,建立云降水水资源预测预警模型,成为亟待解决的问题。本文选取乌溪江流域为研究对象,基于MODIS反演的2000-2004年每日云参数数据和地面站点实测降水量资料,利用BP神经网络和支持向量机分别建立云-降水水资源预测预警模型,最后基于两种模型结果作对比分析,优选出乌溪江流域云降水水资源预测预警模型。结果表明,（1）综合考虑云与降水形成机制、遥感反演物理基础和仪器性能,选取出的归一化云检测指数、大气水汽含量、MODIS第29、31和32波段云顶红外亮温差等5个云参数能准确建立云与降水之间关系。（2）分析各云参数与降水关系,发现单一参数难以构建云与降水之间复杂关系。（3）利用BP神经网络建立的乌溪江流域云与降水预测预警模型,采用分季建模模型性能优于年际建模方式。分季建模模拟结果雨季与旱季回归分析相关系数分别达到0.74和0.75,模型性能整体较优。（4）采用PSO-LSSVM方法建立的乌溪江流域云降水水资源预测预警模型性能良好,训练阶段和验证阶段相关系数分别达到0.90和0.92,模型能够准确模拟云与降水之间关系。通过比较两种模型性能,在乌溪江流域云降水水资源预测预警模型研究中更适合选取PSO-LSSVM模型。该研究充分利用卫星遥感技术的优势,建立水资源预测预警模型,为区域水资源管理与预警提供了一种可靠模型。这对提高区域水资源管理能力,防范由降水带来的洪涝和干旱灾害有着重要的社会经济价值和实际指导作用。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
•   1.1 研究背景及意义
•   1.2 国内外研究现状
•     1.2.1 水资源预警系统研究
•     1.2.2 遥感技术在降水测量中的应用
•     1.2.3 云反演降水参数选取
•     1.2.4 降水云与非降水云判别
•     1.2.5 云-降水预测模型研究
•   1.3 研究内容及技术路线
• 2 研究区域与研究方法
•   2.1 乌溪江流域概况
•   2.2 MODIS数据
•     2.2.1 MODIS数据简介
•     2.2.2 卫星数据反演方法
•   2.3 人工神经网络
•     2.3.1 BP神经网络简介
•     2.3.2 MATLAB实现BP神经网络
•   2.4 支持向量机
•     2.4.1 支持向量机简介
•     2.4.2 MATLAB实现支持向量机
• 3 云参数因子选取及云参数反演
•   3.1 云参数
•     3.1.1 云-降水的物理基础
•     3.1.2 云参数光谱特征
•     3.1.3 云参数选取
•   3.2 MODIS云参数反演
•     3.2.1 MODIS数据的获取
•     3.2.2 云参数反演方法
•     3.2.3 云参数的反演
• 4 云参数与降水的BP神将网络预测预警模型
•   4.1 云参数与降水关系分析
•   4.2 BP神经网络预测模型结果分析
•     4.2.1 年际模型能力分析
•     4.2.2 分季模型能力分析
• 5 云参数与降水的支持向量机预测预警模型
•   5.1 支持向量机预测模型结果分析
•     5.1.1 PSO-LSSVM训练结果分析
•     5.1.2 PSO-LSSVM预测结果分析
•   5.2 BP神经网络模型与支持向量机模型比较
•     5.2.1 模型基础
•     5.2.2 模型性能表现
• 6 结论与展望
•   6.1 结论
•   6.2 创新点
•   6.3 展望
• 参考文献
• 作者简历
• 硕士期间参与科研项目与成果

文章来源

类型: 硕士论文

作者: 周丁旺

导师: 郭宗楼

关键词: 云降水,水资源预测预警模型,神经网络,支持向量机

来源: 浙江大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地球物理学,资源科学,水利水电工程

单位: 浙江大学

分类号: TV211;P332

DOI: 10.27461/d.cnki.gzjdx.2019.000544

总页数: 84

文件大小: 5230K

下载量: 90