论文学习——降雨空间分布模式识别

---

写在前面：《降雨空间分布模式识别》；期刊：《水利学报》； 主办单位：中国水利学会；月刊；中文核心期刊

作者信息：陈晓宏。博士，教授，主要从事水文水环境研究。

---

1 摘要

1. 数据：广东省内186个站点的年降雨量分布
2. 把模式识别的聚类分析理论方法引入降雨空间特征分类研究中，进行降雨特征空间分布模式识别。
3. ①预测无雨量站点的降雨模式
4. ②从而分析水资源的空间分布模式

2 结论

1. 广东省年降雨量在空间上的分布，可以划分为6类模式
2. 同时，基于BP人工神经网络算法，建立了以 高程、气温、蒸发量为 主要参数的 可判别和预测无雨量 测站区域的降雨空间分布模式 所属类别模型

3 引言

1. 降雨在时间及空间分布上由于受到各种自然地理条件(地形、下垫面条件等)和气象条件的影响，即使在同一个气候区内, 一般也存在分布的时空差异性,从而造成区域内部水资源分布不均匀及由此引起枯水期或少雨地区水资源短缺。

2. 另外, 广东省与我国大部分地区一样,目前的雨量站分布稀疏且许多雨量站设站时间较晚, 在求 面平均降雨量 时往往需要插补或延长一些不完整站点的雨量资料，以更准确地认识水文现象和解决水资源问题。

3. 本文采用交叉学科理论, 把 模式识别的聚类分析理论方法 和 人工神经网络算法 引入 **【降雨空间 分布特征研究】**中，研究降雨在空间上的分布模式，（目的）：预测无雨量站点地区的降雨空间分布模式特征，为认识水资源空间分布特征及制定有效的水资源利用方案提供基础。

4. 本文在分析和识别降雨空间分布模式时,选取广东省具有45年(1956~ 2000 年)实测资料的186个雨量站(如图1)的降雨数据作为研究的样本资料，在判别和预测未知区域的降雨模式所属类别时，采用这186个雨量站中的高程、气温、蒸发量的多年平均值作为研究样本。

4 降雨空间分布的模式识别

4.1 基本描述

• 总结： $P_{ij}$ 表示第i个雨量站，第j年的 雨量数据。
• 注意，雨量数据是的单位是 /年/站，一般来说，是每隔1h记录一次雨量，那么 $P_{ij}$ 就是一个向量：共有 365 * 24 = 8760 个数据， 不下雨就是0， 一般以0.5mm为单位。
  
• 广东省的主要雨量站分布
  
• 注意，这里是 $P_i\subset \Omega$ ，而$P_i$的单位是 /雨量站（每雨量站），也就是说，把186个雨量站去做模式分类，每个雨量站的数据包括了45年。
  

4.2 降雨分布模式识别基本方法

4.2.1 降雨特征提取

降雨特征提取，基于雨量站实测记录(降雨原始信息)。

雨量站的实测记录 往往具有以下两个特点:
第一，原始降雨分布实测值是最直观的、表面的和粗糙罗列的，其本质特征不系统不明显；
第二, 这种原始信息一般过于繁杂，维数过高。

• 就前者而言, 要求对原始信息进行提炼, 从中提取最能反映降雨分布模式本质的有用信息, 并经过有序排列，形成特征矢量; 对后者要求压缩原始降雨分布信息量,降低维数,既简化计算,又能达到较好的模式识别效果。

4.2.2 使用K-L 提取特征

使m个降雨分布实测值的集合，通过某种变化hi，产生L个特征。

4.2.3 聚类计算

c均值

5 实验流程与结果分析

1. 分别取C = [4, 9] 进行计算，根据实际的降雨情况分析，应该是 C=6 时能够比较合理描述广东省雨量空间分布特征。
2. 本文的方法优点在于，用C-均值聚类方法，得到的6类模式，与年平均降雨量分布的不同之处在于，它不仅仅是从量（多年平均降雨量）的大小上考虑，而是考虑了 年际间 的变化，从而更好的反映降雨空间分布的实际情况。