(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111661300.0 (22)申请日 2021.12.31 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 武汉大学 (72)发明人 陈玉敏　杨家鑫　陈玥君　苏恒　 陈国栋　程绮珊　熊哲昕　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 鲁力 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06F 113/08(2020.01) (54)发明名称 一种基于零膨胀时空回归模型的雪水当量 建模和预测方法 (57)摘要 本文提出了一种基于零膨胀时空回归模型 的雪水当量 建模和预测方法， 主要解决雪水当量 与环境因素建模 过程中， 随积 雪时空剧烈变化出 现的大量零观测值、 雪水当量时间滞后效应、 以 及空间分布自相关性引起的模型误设、 方差膨 胀、 系数偏移等问题。 本发明通过引入时间滞后 项并利用广义线性空间回归模型， 构建二元回归 和连续回归两个部分， 来代表判断零值是否存在 和非零值的数值估计两个过程， 从而将时空效应 和零膨胀效应同时考虑进来， 提高了雪水当量建 模和预测准确性， 增强了雪水当量变化过程的分 析能力。 权利要求书2页 说明书6页 附图3页 CN 114662274 A 2022.06.24 CN 114662274 A 1.一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其特征在于， 包括以下 步骤： 步骤1： 数据获取与处理； 获取雪水当量栅格数据产品及与积雪聚积和消融相关的环境 因素遥感数据产品， 将所有的栅格数据产品进行投影转换成与雪水当量相同的投影坐标 系， 将投影后的栅格数据重采样成与雪水当量 栅格数据相同的空间分辨 率； 步骤2： 构建空间邻接列表； 根据栅格单元的空间邻 接关系， 构建空间邻接列表； 在空间 邻接列表中， 每个栅格单元都对应的空间邻接关系表， 表中是对应的邻接栅格单元的ID号 和权重值； 步骤3： 时间序列数据重组与拼接； 为每一期的雪水当量生成其时间滞后变量， 将每一 期的雪水当量和环 境因素数据按照行或列的形式重新排列， 构建时间序列数据集； 同时， 将 空间邻接列表按照相应的时间序列拼接， 构建时间序列空间邻接列表； 步骤4： 生成雪水当量二元分类变量； 为重组后的时间序列数据集生成雪水当量二元分 类变量π 以区分零值和非零值， 新生 成的二元分类变量π取值为0或1， 其中0代表雪水当量为 零的单元， π 取值 为1代表雪水当量 不为零的单元； 步骤5： 二元部分时空建模； 以步骤4中雪水当量二元分类变量为因变量， 环境因素数据 及时间滞后变量作为自变量， 采用广义线性回归 模型对二元部分雪水当量进行时空建模； 步骤6： 连续部分时空建模； 提取出步骤4中雪水当量二元分类变量的值为1的记录并存 储为非负子数据集， 以子数据集中的雪水当量为因变量， 环境因素数据及时间滞后变量作 为自变量， 进行 连续部分雪水当量的时空建模； 步骤7： 构建零膨胀时空回归模型； 将步骤5中二元部分得到的概率值和步骤6连续部分 得到的预测值进行匹配相乘， 得到零 膨胀时空回归 模型拟合的雪水当量 值； 步骤8： 预测分析； 对步骤7中的模型进行精度评价， 当模型精度较高时， 将最近的环境 因素遥感数据产品预处理后， 作为自变量X输入到步骤7构建的零膨胀时空回归模型中， 与 步骤7中的建模参数进行运 算， 得到最近的雪水当量的预测值。 2.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤1中， 雪水当量栅格数据产品通常采用被动微波遥感和地面观测的数据融合 产品， 相关的环境因素遥感数据包括但不限于海拔、 纬度、 降水、 温度、 地表热通量、 水蒸气 含量、 云水含量、 植被覆盖、 风速 。 3.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤2中， 对于栅格数据结构， 常见的邻接关系有： Rock邻接， Bishop邻接， Queen 邻接等； 除了邻接关系， 也可采用基于距离的空间权 重方式。 4.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤3中， 将该像元当前雪水当量对应的前期雪水当量整合进数据集中， 再将所 有时期的数据按照时间序列拼接起来， 构建时间序列数据集； 同时按照整合的时间序列数 据的新ID将空间邻接列表按照相应的时间序列拼接， 构建时间序列空间邻接列表。 5.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤5中， 二元部分时间效应由时间滞后变量πt‑1及相应的线性系数γt来代表， 二元部分空间效应fB可采用广义线性空间回归模 型， 其中XB,k,t和γk,t分别代表 二元部分的 因变量和对应的系数， W为步骤3拼接得到的空间邻接列表生成的空间邻接矩阵； 二元部分权　利　要　求　书 1/2 页 2 CN 114662274 A 2模型可表示如下： πt～γtπt‑1+fB(XB,k,t,W,γk,t)。 6.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤6中， 连续部分 时间效应由时间滞后变量yt‑1及相应的线性系数βt来代表， 连 续部分空间效应fC可采用空间回归模型， 其中XC,k,t和βk,t分别代表连续部分的因变量和 对 应的系数， WC为提取出的雪水当量二元分类变量的值为1的记录对应 的空间邻接列表生成 的空间邻接矩阵； 连续部分模型 可表示如下： yt～βtyt‑1+fC(XC,k,t,WC, βk,t)。 7.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤7中， 零 膨胀模型拟合 值计算可表示如下： E(SWEt)＝yt×πt。 8.如权利1要求所述的一种基于零膨胀时空回归模型的雪水当量建模和预测方法， 其 特征在于： 步骤8中， 雪水当量预测步骤 包括： (1).模型精度评价， 选择统计学常用的均方根误差、 拟合优度、 残差的莫兰指数对步骤 7中的模型精度进行评价， 若拟合优度较高且均方根误差和残差的莫兰指数小， 则用步骤7 中的模型进行后续预测； 若模型精度低， 则返回步骤1重新选择环境因素； (2).采集预测所需环境数据， 采集步骤1中最终确定的环境因素最近遥感产品并按照 步骤1中的预处 理方式进行 数据预处 理； (3).雪水当量预测， 将数据输入到步骤7构建的模型中进行运算， 得到最近雪水当量的 预测值。权　利　要　求　书 2/2 页 3 CN 114662274 A 3