本發(fā)明屬于人工智能大數(shù)據(jù)模型預(yù)測(cè)，具體涉及一種變化環(huán)境下陸地降水預(yù)測(cè)方法和系統(tǒng)。

背景技術(shù)：

1、陸地降水是地球水循環(huán)的關(guān)鍵，對(duì)維持生態(tài)系統(tǒng)、農(nóng)業(yè)和人類社會(huì)不可或缺。在持續(xù)的氣候變化之后，了解未來(lái)降水的來(lái)源和動(dòng)態(tài)變得越來(lái)越重要，降水模式的變化對(duì)水資源、糧食安全和自然棲息地等研究具有重要意義。陸地降水來(lái)源的變化受到多種因素的綜合影響，其中包括全球氣候變暖引發(fā)的氣溫上升、蒸發(fā)量增加以及大氣環(huán)流模式的長(zhǎng)期轉(zhuǎn)變。海表面溫度的上升增強(qiáng)了海洋蒸發(fā)，進(jìn)而影響了海洋對(duì)陸地降水的貢獻(xiàn)。同時(shí)，森林砍伐和土地利用的變遷亦對(duì)陸地蒸散發(fā)產(chǎn)生抑制作用，從而對(duì)陸地水分源對(duì)降水的補(bǔ)給造成影響。現(xiàn)有技術(shù)對(duì)于陸地降水的分析往往缺乏捕捉更廣泛模式和趨勢(shì)所需的長(zhǎng)期和綜合性方法，大多數(shù)分析側(cè)重于特定區(qū)域或時(shí)間上受限的數(shù)據(jù)，忽略了跨越長(zhǎng)時(shí)間周期和考慮全球因素影響。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供了一種變化環(huán)境下陸地降水預(yù)測(cè)方法和系統(tǒng)，解決背景技術(shù)在降水預(yù)測(cè)中存在的空間、時(shí)間和數(shù)據(jù)受限的問題，實(shí)現(xiàn)更快速和精準(zhǔn)的陸地降水預(yù)測(cè)。

2、本發(fā)明提供了一種變化環(huán)境下陸地降水預(yù)測(cè)方法，所述方法包括：

3、基于era5數(shù)據(jù)集的再分析日尺度陸地降水?dāng)?shù)據(jù)獲得陸地降水量時(shí)間序列數(shù)據(jù)；

4、基于wam-2layers水汽跟蹤模型，得到陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列；基于所述陸地降水量時(shí)間序列數(shù)據(jù)與所述陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列進(jìn)行交叉驗(yàn)證；

5、若所述交叉驗(yàn)證一致，基于驗(yàn)證后的所述陸地水汽貢獻(xiàn)時(shí)間序列和wam-2layers水汽跟蹤模型，分別計(jì)算所有柯本氣候區(qū)的水汽貢獻(xiàn)時(shí)間序列；基于驗(yàn)證后的所述海洋水汽貢獻(xiàn)時(shí)間序列和wam-2layers水汽跟蹤模型，分別計(jì)算四大洋的水汽貢獻(xiàn)時(shí)間序列；

6、分別提取所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列的主成分；將所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列的主成分與主要?dú)夂蛑笖?shù)數(shù)據(jù)進(jìn)行相關(guān)性分析，獲得關(guān)鍵氣候指數(shù)數(shù)據(jù)；

7、基于長(zhǎng)短期記憶網(wǎng)絡(luò)建立模型，以所述陸地降水量時(shí)間序列數(shù)據(jù)、所有柯本氣候區(qū)的水汽貢獻(xiàn)時(shí)間序列、四大洋的水汽貢獻(xiàn)時(shí)間序列和關(guān)鍵氣候指數(shù)數(shù)據(jù)作為訓(xùn)練集和測(cè)試集，對(duì)所述模型進(jìn)行訓(xùn)練和測(cè)試；

8、基于訓(xùn)練和測(cè)試后的模型對(duì)未來(lái)的陸地降水進(jìn)行預(yù)測(cè)。

9、進(jìn)一步的，所述基于所述陸地降水量時(shí)間序列數(shù)據(jù)與所述陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列進(jìn)行交叉驗(yàn)證，包括：驗(yàn)證所述陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列之和與所述陸地降水量時(shí)間序列數(shù)據(jù)是否一致。

10、進(jìn)一步的，所述基于era5數(shù)據(jù)集的再分析日尺度陸地降水?dāng)?shù)據(jù)獲得陸地降水量時(shí)間序列數(shù)據(jù)，包括：

11、對(duì)陸地降水量時(shí)間序列數(shù)據(jù)定義檢驗(yàn)統(tǒng)計(jì)量；

12、基于所述檢驗(yàn)統(tǒng)計(jì)量得到標(biāo)準(zhǔn)化后的檢驗(yàn)統(tǒng)計(jì)量；

13、基于所述標(biāo)準(zhǔn)化后的檢驗(yàn)統(tǒng)計(jì)量獲得陸地降水量定性的變化趨勢(shì)；

14、對(duì)所述陸地降水量時(shí)間序列數(shù)據(jù)進(jìn)行sen's?slope檢驗(yàn)計(jì)算趨勢(shì)斜率，獲得陸地降水量定量的變化趨勢(shì)。

15、進(jìn)一步的，所述基于era5數(shù)據(jù)集的再分析日尺度陸地降水?dāng)?shù)據(jù)獲得陸地降水量時(shí)間序列數(shù)據(jù)，還包括：將1941年至2023年的era5數(shù)據(jù)集的再分析日尺度陸地降水?dāng)?shù)據(jù)分為四個(gè)階段計(jì)算得到陸地降水量時(shí)間序列數(shù)據(jù)，所述四個(gè)階段包括：p1：1941年-1960年，p2：1961年-1980年，p3：1981年-2000年，p4：2001年-2023年。

16、進(jìn)一步的，所述基于wam-2layers水汽跟蹤模型，得到陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列，包括：基于以下公式進(jìn)行水汽的跟蹤和計(jì)算：

17、

18、其中，表示某像元底層或頂層水分量，和是橫向和縱向風(fēng)速，和代表橫縱方向的水汽收支含量，是蒸發(fā)量，是降水量，是殘差，是上下層之間的水分垂直輸送量。

19、進(jìn)一步的，所述基于驗(yàn)證后的所述陸地水汽貢獻(xiàn)時(shí)間序列和wam-2layers水汽跟蹤模型，分別計(jì)算所有柯本氣候區(qū)的水汽貢獻(xiàn)時(shí)間序列；基于驗(yàn)證后的所述海洋水汽貢獻(xiàn)時(shí)間序列和wam-2layers水汽跟蹤模型，分別計(jì)算四大洋的水汽貢獻(xiàn)時(shí)間序列，包括：

20、基于柯本氣候區(qū)分類矢量數(shù)據(jù)、大洋邊界矢量數(shù)據(jù)和wam-2layers水汽跟蹤模型，分別跟蹤和計(jì)算所述所有柯本氣候區(qū)和四大洋被追蹤到陸地降水的蒸發(fā)量；

21、基于所述所有柯本氣候區(qū)和四大洋被追蹤到陸地降水的蒸發(fā)量和陸地總降水量分別計(jì)算對(duì)應(yīng)柯本氣候區(qū)和大洋的水汽貢獻(xiàn)比例；

22、基于所述對(duì)應(yīng)柯本氣候區(qū)和大洋的水汽貢獻(xiàn)比例以及所述陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列，依據(jù)所述四個(gè)階段分別計(jì)算得到對(duì)應(yīng)柯本氣候區(qū)和大洋的水汽貢獻(xiàn)時(shí)間序列。

23、進(jìn)一步的，所述分別提取所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列的主成分，包括：

24、基于所述所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列，提取累計(jì)方差貢獻(xiàn)率大于60%的前三個(gè)主成分。

25、進(jìn)一步的，所述主要?dú)夂蛑笖?shù)數(shù)據(jù)包括enso指數(shù)數(shù)據(jù)、ido指數(shù)數(shù)據(jù)以及nao指數(shù)數(shù)據(jù)；

26、將所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列的主成分與主要?dú)夂蛑笖?shù)數(shù)據(jù)進(jìn)行相關(guān)性分析，獲得關(guān)鍵氣候指數(shù)數(shù)據(jù)的計(jì)算公式為：

27、

28、式中，和分別表示水汽貢獻(xiàn)數(shù)據(jù)和氣候指數(shù)數(shù)據(jù)，和分別表示水汽貢獻(xiàn)數(shù)據(jù)和氣候指數(shù)數(shù)據(jù)的平均值。

29、進(jìn)一步的，對(duì)所述關(guān)鍵氣候指數(shù)數(shù)據(jù)或者所述主要?dú)夂蛑笖?shù)數(shù)據(jù)進(jìn)行插值運(yùn)算；

30、使所述關(guān)鍵氣候指數(shù)數(shù)據(jù)或者所述主要?dú)夂蛑笖?shù)數(shù)據(jù)的時(shí)間尺度與所述陸地降水量時(shí)間序列數(shù)據(jù)、所有柯本氣候區(qū)的水汽貢獻(xiàn)時(shí)間序列、四大洋的水汽貢獻(xiàn)時(shí)間序列的時(shí)間尺度相同。

31、基于上述一種變化環(huán)境下陸地降水預(yù)測(cè)方法，本發(fā)明還提供一種變化環(huán)境下陸地降水預(yù)測(cè)系統(tǒng)，所述系統(tǒng)包括：

32、數(shù)據(jù)獲取模塊，用于基于era5數(shù)據(jù)集的再分析日尺度陸地降水?dāng)?shù)據(jù)獲得陸地降水量時(shí)間序列數(shù)據(jù)；基于wam-2layers水汽跟蹤模型，得到陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列；基于所述陸地降水量時(shí)間序列數(shù)據(jù)與所述陸地水汽貢獻(xiàn)時(shí)間序列和海洋水汽貢獻(xiàn)時(shí)間序列進(jìn)行交叉驗(yàn)證；若所述交叉驗(yàn)證一致，基于驗(yàn)證后的所述陸地水汽貢獻(xiàn)時(shí)間序列和wam-2layers水汽跟蹤模型，分別計(jì)算所有柯本氣候區(qū)的水汽貢獻(xiàn)時(shí)間序列；基于驗(yàn)證后的所述海洋水汽貢獻(xiàn)時(shí)間序列和wam-2layers水汽跟蹤模型，分別計(jì)算四大洋的水汽貢獻(xiàn)時(shí)間序列；分別提取所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列的主成分；將所有柯本氣候區(qū)和四大洋的水汽貢獻(xiàn)時(shí)間序列的主成分與主要?dú)夂蛑笖?shù)數(shù)據(jù)進(jìn)行相關(guān)性分析，獲得關(guān)鍵氣候指數(shù)數(shù)據(jù)；

33、訓(xùn)練模塊，用于基于長(zhǎng)短期記憶網(wǎng)絡(luò)建立模型，以所述陸地降水量時(shí)間序列數(shù)據(jù)、所有柯本氣候區(qū)的水汽貢獻(xiàn)時(shí)間序列、四大洋的水汽貢獻(xiàn)時(shí)間序列和關(guān)鍵氣候指數(shù)數(shù)據(jù)作為訓(xùn)練集和測(cè)試集，對(duì)所述模型進(jìn)行訓(xùn)練和測(cè)試；

34、預(yù)測(cè)模塊，用于基于訓(xùn)練和測(cè)試后的模型對(duì)未來(lái)的陸地降水進(jìn)行預(yù)測(cè)。

35、本技術(shù)實(shí)施例中的上述一個(gè)或多個(gè)技術(shù)方案，至少具有如下一種或多種技術(shù)效果：

36、本發(fā)明實(shí)施例提供的變化環(huán)境下陸地降水預(yù)測(cè)方法和系統(tǒng)，通過era5數(shù)據(jù)和wam-2layers模型獲取長(zhǎng)期的多源數(shù)據(jù)，結(jié)合長(zhǎng)短期記憶網(wǎng)絡(luò)模型，通過全球和區(qū)域?qū)用娴姆治?，結(jié)合歷史降水?dāng)?shù)據(jù)、不同區(qū)域水汽來(lái)源數(shù)據(jù)及氣候指數(shù)，提供了高精度的降水預(yù)測(cè)方法。綜合運(yùn)用era5再分析數(shù)據(jù)和wam-2layers水汽跟蹤模型，能夠更準(zhǔn)確地追蹤和分析陸地降水的來(lái)源和變化。era5數(shù)據(jù)集覆蓋了廣泛的氣象要素，為水汽傳輸和降水過程提供了詳實(shí)的數(shù)據(jù)基礎(chǔ)。同時(shí)，wam-2layers模型通過分層大氣結(jié)構(gòu)，精確計(jì)算了不同來(lái)源的水汽貢獻(xiàn)比例，從而實(shí)現(xiàn)了對(duì)降水來(lái)源的高精度動(dòng)態(tài)評(píng)估，多源數(shù)據(jù)融合的方法，克服了以往單一數(shù)據(jù)源或簡(jiǎn)單模型的局限性，由于在預(yù)測(cè)時(shí)結(jié)合了歷史降水?dāng)?shù)據(jù)、不同區(qū)域水汽來(lái)源數(shù)據(jù)及氣候指數(shù)，充分利用三種數(shù)據(jù)之間的相關(guān)性，因此對(duì)陸地降水的預(yù)測(cè)實(shí)現(xiàn)了快速和高精度，能夠更全面地揭示降水來(lái)源的復(fù)雜機(jī)制。上述方法和系統(tǒng)無(wú)需人工干預(yù)，實(shí)現(xiàn)端到端的預(yù)測(cè)。相比傳統(tǒng)的依賴人工經(jīng)驗(yàn)或簡(jiǎn)單統(tǒng)計(jì)模型的預(yù)測(cè)方法，能夠更快速地響應(yīng)降水變化和氣候指數(shù)的變化，為決策者提供更及時(shí)、準(zhǔn)確的信息支持，有助于提高水資源管理的效率和效果，減少人為因素對(duì)預(yù)測(cè)結(jié)果的影響，確保預(yù)測(cè)的客觀性和準(zhǔn)確性。

37、上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。