本发明属于地理监测，尤其涉及一种提高grace陆地蓄水数据的降尺度处理方法及装置。
背景技术：
1、陆地蓄水(tws)是水循环的重要组成部分。它包括垂直储存在地表或地表以下的累积水量，使其成为了解和管理水资源的重要因素。基于卫星的tws波动评估是一种替代方法，与传统的基于现场的监测技术相比具有优势。后者具有卓越的数据质量；然而，它们受到缺乏现场观测的阻碍，尤其是在大面积地区。数据收集和处理任务的昂贵性质，以及与国家间数据共享政策相关的挑战，进一步加剧了所面临的障碍。重力恢复和气候实验(grace)项目是一个全球规模的卫星项目，为监测地球上的储水量变化铺平了道路。grace卫星收集的重力信号经过多步处理，得出每月的tws。尽管tws估计的固有空间分辨率为3°×3°，但它们以更精细的网格大小表示，范围从1°×1°到0.25°×0.25°。
2、尽管grace tws在大尺度上得到了成功的应用，但由于其空间分辨率较低，其在局部尺度上的应用受到了限制。因此，在处理基于grace的局部尺度分析时，降尺度是一种强制性做法。机器学习(ml)模型经常用于缩减卫星数据，特别是grace估计，这些技术依赖于大尺度和局部尺度水文气象变量之间的统计关系。水文建模能够模拟高分辨率参数，从而促进高分辨率建模输出的整合，这些输出随后可用于提高响应变量的空间分辨率，如gracetws。统计降尺度技术旨在提供参数的更精细细节，最好地描述其局部尺度变化。因此，有必要比较各种水文模型的结果，以加深对哪种模型在局部尺度上对tws变化提供最准确评估的理解。
3、迄今为止，一些已经使用不同的机器学习(ml)统计技术进行了grace降尺度。尽管所用技术的性能存在差异，但它们都有一个共同点，即全球和开放获取水文建模的应用，主要来自全球陆地数据同化系统(gldas)、饥荒预警系统网络陆地数据同化体系(fldas)。尽管这些大规模模型得到了广泛的应用，但它们是基于陆地表面模型(lsm)的，该模型使用了几个具有特定参数化的参数。由于对陆地表面过程的简化和假设，这些参数引入了不确定性，而没有考虑当地尺度的水文气候动力学。因此，模拟可能会引入更大的不确定性，从而导致降尺度结果的整体不确定性。
技术实现思路
1、有鉴于此，本发明提供了一种提高grace陆地蓄水数据的降尺度处理方法，利用pfc和fldas水文模型的高分辨率预测器对研究区域的grace观测进行降尺度处理，提升了降尺度处理的有效性和可靠性，具体采用以下技术方案来实现。
2、第一方面，本发明提供了一种提高grace陆地蓄水数据的降尺度处理方法，包括以下步骤：
3、获取研究区域的grace观测的初始grace数据，对所述初始grace数据进行预处理得到陆地蓄水数据对应的第一tws值；
4、构建fldas模型并提取所述研究区域的水文气象参数，将所述水文气象参数作为机器学习算法的训练输入以估计第二tws值，其中，所述第二tws值的空间分辨率大于所述第一tws值的空间分辨率，所述水文气象参数包括雪水、土壤湿度、降水、径流和蒸散量；
5、根据所述第二tws值对所述初始grace数据进行重建得到grace观测模型，基于所述水文气象参数和所述grace观测模型建立parflow模型，其中，所述parflow模型包括地下水位、土壤湿度剖面和地下流速中的至少一种地下变量；
6、获取所述研究区域的地表变量，并根据所述parflow模型和所述地表变量构建clm模型，其中，所述地表变量包括降水、温度、入射辐射和植被特征；
7、将所述parflow模型与所述clm模型耦合得到pfc模型，基于所述pfc模型对所述初始grace数据和所述第二tws值进行缩减评估以完成提高grace陆地蓄水数据的降尺度处理。
8、作为上述技术方案的优选，根据所述第二tws值对所述初始grace数据进行重建得到grace观测模型，包括：
9、采用修正的stl算法和第二tws值重建grace观测模型，stl算法将时间序列数据分解为其组成部分，对应的表达式(1)、通过合并季节平均值和残差值来填充缺失的数据对应的表达式(2)分别为：
10、tws＝trendt+seasonalt+residualt (1)
11、
12、其中，时间t的trendt+seasonalt+residualt分别表示tws的趋势、季节和残差。
13、作为上述技术方案的优选，所述parflow模型用于求解控制水流通过三维可变饱和多孔介质的理查兹方程以模拟地下水运动，理查兹方程包括土壤性质、地形和植被影响中的至少一种因素。
14、作为上述技术方案的优选，所述clm模型用于地表能量平衡、植被动态、生物地球化学、雪积累和融化的模块组成，并通过通量交换与parflow地下组件交互，使从地表到地下的水渗透、植被的蒸散以及地表和地下之间的热传递。
15、作为上述技术方案的优选，所述parflow模型将顶部10个土层的更新相对饱和度sw和压力ψ值传输到clm模型；
16、clm模型将土壤水分的深度差分源汇项，并将前10层土壤的表层土壤蒸散量qe和土壤水分通量qrain发送回parflow模型。
17、作为上述技术方案的优选，构建fldas模型并提取所述研究区域的水文气象参数，包括：
18、获取全球多分辨率地形高程数据gmted并生成数字高程模型dem以对土地利用分类得到土地分类结果，并采用modis数据将土地分类结果转换为植物功能类型pft；
19、获取粘土和土壤比例的数据并进行整合得到土壤特性，根据土地分类结果和土壤特性确定所述水文气象参数。
20、作为上述技术方案的优选，对所述初始grace数据进行预处理得到陆地蓄水数据对应的第一tws值，包括：
21、采用广义三角帽gtch算法处理所述初始grace数据以得出研究区域内污染最小的grace观测值，gtch算法的表达式为：
22、gracei＝gracet+εii＝1,2,3,…,n (3)
23、其中，n表示grace mascon产品的数量，gracei是第i个grace产品的时间序列，gracet表示grace的初始值，εi是第i次grace产品零平均白噪声；
24、根据gracet值缺失随机选择一个grace产品作为参考产品，计算其他grace产品的时间序列差异，对应的表达式为：
25、yi＝gracei-gracer＝εi-εr i＝1,2,3,…,n-1 (4)
26、其中，参考产品的时间序列表示为gracer。
27、作为上述技术方案的优选，将所述parflow模型与所述clm模型耦合得到pfc模型，包括：
28、将pfc和fldas模型的输入数据汇总到空间分辨率以匹配grace csr估计值，其中，输入数据包括降雨量、土壤湿度、蒸散量、海拔、径流和雪水；
29、对每个模型分别检查tws和输入数据之间的相互作用以创建rf模型，通过从gracetws中减去模型预测的tws来计算tws残差0.25°×0.25°后，将rf模型用于高分辨率输入以高分辨率估计tws预测；
30、从grace tws中减去模型预测的tws来计算tws残差0.25°×0.25°后，将rf模型用于高分辨率输入以高分辨率估计tws预测；
31、将分辨率为0.1°×0.1°的重新采样残差合并到估计的tws中，以获得更精细的tws分辨率。
32、作为上述技术方案的优选，获取nash-sutcliffe模型的效率系数nse、均方根误差rmse和系数相关性r，根据分布在研究区域内的多个雨量计站获得的降水p数据，对缩小的tws值进行了验证。
33、第二方面，本发明还提供了一种提高grace陆地蓄水数据的降尺度处理装置，应用于上述提高grace陆地蓄水数据的降尺度处理方法，包括：
34、数据获取单元，用于获取研究区域的grace观测的初始grace数据，对所述初始grace数据进行预处理得到陆地蓄水数据对应的第一tws值；
35、数据估计单元，用于构建fldas模型并提取所述研究区域的水文气象参数，将所述水文气象参数作为机器学习算法的训练输入以估计第二tws值，其中，所述第二tws值的空间分辨率大于所述第一tws值的空间分辨率，所述水文气象参数包括雪水、土壤湿度、降水、径流和蒸散量；
36、模型建立单元，用于根据所述第二tws值对所述初始grace数据进行重建得到grace观测模型，基于所述水文气象参数和所述grace观测模型建立parflow模型，其中，所述parflow模型包括地下水位、土壤湿度剖面和地下流速中的至少一种地下变量；
37、模型重建单元，用于获取所述研究区域的地表变量，并根据所述parflow模型和所述地表变量构建clm模型，其中，所述地表变量包括降水、温度、入射辐射和植被特征；
38、数据缩减单元，用于将所述parflow模型与所述clm模型耦合得到pfc模型，基于所述pfc模型对所述初始grace数据和所述第二tws值进行缩减评估以完成提高grace陆地蓄水数据的降尺度处理。
39、本发明提供了一种提高grace陆地蓄水数据的降尺度处理方法及装置，通过获取研究区域的grace观测的初始grace数据，对所述初始grace数据进行预处理得到陆地蓄水数据对应的第一tws值，构建fldas模型并提取所述研究区域的水文气象参数，将所述水文气象参数作为机器学习算法的训练输入以估计第二tws值，根据所述第二tws值对所述初始grace数据进行重建得到grace观测模型，基于所述水文气象参数和所述grace观测模型建立parflow模型，获取所述研究区域的地表变量，并根据所述parflow模型和所述地表变量构建clm模型，将所述parflow模型与所述clm模型耦合得到pfc模型，基于所述pfc模型对所述初始grace数据和所述第二tws值进行缩减评估以完成提高grace陆地蓄水数据的降尺度处理，利用pfc和fldas水文模型的高分辨率预测器对研究区域的grace观测进行降尺度处理，提升了降尺度处理的有效性和可靠性，
1.一种提高grace陆地蓄水数据的降尺度处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，根据所述第二tws值对所述初始grace数据进行重建得到grace观测模型，包括：
3.根据权利要求1所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，所述parflow模型用于求解控制水流通过三维可变饱和多孔介质的理查兹方程以模拟地下水运动，理查兹方程包括土壤性质、地形和植被影响中的至少一种因素。
4.根据权利要求3所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，所述clm模型用于地表能量平衡、植被动态、生物地球化学、雪积累和融化的模块组成，并通过通量交换与parflow地下组件交互，使从地表到地下的水渗透、植被的蒸散以及地表和地下之间的热传递。
5.根据权利要求4所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，所述parflow模型将顶部10个土层的更新相对饱和度sw和压力ψ值传输到clm模型；
6.根据权利要求1所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，构建fldas模型并提取所述研究区域的水文气象参数，包括：
7.根据权利要求1所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，对所述初始grace数据进行预处理得到陆地蓄水数据对应的第一tws值，包括：
8.根据权利要求1所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，将所述parflow模型与所述clm模型耦合得到pfc模型，包括：
9.根据权利要求1所述的提高grace陆地蓄水数据的降尺度处理方法，其特征在于，获取nash-sutcliffe模型的效率系数nse、均方根误差rmse和系数相关性r，根据分布在研究区域内的多个雨量计站获得的降水p数据，对缩小的tws值进行了验证。
10.一种提高grace陆地蓄水数据的降尺度处理装置，其特征在于，应用于如权利要求1-9任一项所述的提高grace陆地蓄水数据的降尺度处理方法，包括：
