本發(fā)明涉及數(shù)據(jù)預(yù)測(cè)處理，尤其涉及一種高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法及裝置。

背景技術(shù)：

1、重力恢復(fù)和氣候?qū)嶒?yàn)（gravity?recovery?and?climate?experiment,?grace）衛(wèi)星任務(wù)以及后續(xù)任務(wù)grace?-?fo(grace?follow?-?on)由美國國家宇航局和德國地球科學(xué)研究中心于2002年3月17日共同合作發(fā)射。這一衛(wèi)星任務(wù)在陸地水儲(chǔ)量研究方面有著極為關(guān)鍵的意義。

2、地球的引力場(chǎng)處于不斷變化之中，短期變化主要受陸地儲(chǔ)水、大氣水汽和海洋潮汐等因素影響。grace衛(wèi)星任務(wù)能精確測(cè)量地球不同區(qū)域引力場(chǎng)變化，這為研究陸地水儲(chǔ)量提供獨(dú)特視角。因?yàn)榭赏ㄟ^復(fù)雜數(shù)據(jù)處理手段，扣除大氣水汽、海洋潮汐等不相關(guān)信號(hào)后，利用grace衛(wèi)星數(shù)據(jù)反演地球表面陸地儲(chǔ)水量（terrestrial?water?storage，tws）的變化。

3、然而，現(xiàn)有的反演地球表面陸地儲(chǔ)水量技術(shù)僅能提供較低分辨率（約300km×300km）以及2002年以后的陸地水儲(chǔ)量反演數(shù)據(jù)，且由于grace衛(wèi)星的電池管理問題和后續(xù)grace-fo任務(wù)的發(fā)射時(shí)間晚于grace報(bào)廢時(shí)間11個(gè)月，使得grace陸地出水量異常（twsa）月值數(shù)據(jù)在時(shí)間上不連續(xù)，導(dǎo)致為流域到全球尺度的水旱災(zāi)害識(shí)別和水資源管理提供的陸地水儲(chǔ)量數(shù)據(jù)的精準(zhǔn)度較差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法及裝置，用于解決現(xiàn)有的反演地球表面陸地儲(chǔ)水量技術(shù)導(dǎo)致為流域到全球尺度的水旱災(zāi)害識(shí)別和水資源管理提供的陸地水儲(chǔ)量數(shù)據(jù)的精準(zhǔn)度較差的技術(shù)問題。

2、本發(fā)明第一方面提供的一種高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法，包括：

3、獲取水文氣象數(shù)據(jù)集和陸地水儲(chǔ)量異常數(shù)據(jù)集；

4、基于雙線性插值法，根據(jù)所述水文氣象數(shù)據(jù)集和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)；

5、基于多個(gè)預(yù)置指數(shù)衰減參數(shù)，采用時(shí)間序列分解算法根據(jù)多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和所述水文氣象數(shù)據(jù)集中的多個(gè)日降水?dāng)?shù)據(jù)，確定多個(gè)月類陸地儲(chǔ)水量殘差分量；

6、基于多個(gè)預(yù)置滯后時(shí)間，采用所述時(shí)間序列分解算法根據(jù)所述水文氣象數(shù)據(jù)集、多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和多個(gè)所述月類陸地儲(chǔ)水量殘差分量，確定多個(gè)第一分量數(shù)據(jù)和多個(gè)第二分量數(shù)據(jù)；

7、采用預(yù)置機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法根據(jù)多個(gè)所述第一分量數(shù)據(jù)、多個(gè)所述第二分量數(shù)據(jù)和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)。

8、可選地，所述水文氣象數(shù)據(jù)集還包括多個(gè)日氣溫?cái)?shù)據(jù)、多個(gè)日土地蒸發(fā)數(shù)據(jù)、多個(gè)土壤濕度數(shù)據(jù)和多個(gè)地表徑流數(shù)據(jù)；所述基于雙線性插值法，根據(jù)所述水文氣象數(shù)據(jù)集和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)，包括：

9、基于所述陸地水儲(chǔ)量異常數(shù)據(jù)集的時(shí)間尺度，對(duì)多個(gè)所述日氣溫?cái)?shù)據(jù)、多個(gè)所述日土地蒸發(fā)數(shù)據(jù)、多個(gè)所述日降水?dāng)?shù)據(jù)、多個(gè)所述土壤濕度數(shù)據(jù)和多個(gè)所述地表徑流數(shù)據(jù)進(jìn)行重采樣，確定多個(gè)重采樣日氣溫?cái)?shù)據(jù)、多個(gè)重采樣日土地蒸發(fā)數(shù)據(jù)、多個(gè)重采樣日降水?dāng)?shù)據(jù)、多個(gè)重采樣土壤濕度數(shù)據(jù)和多個(gè)重采樣地表徑流數(shù)據(jù)；

10、對(duì)多個(gè)所述重采樣日氣溫?cái)?shù)據(jù)、多個(gè)所述重采樣日土地蒸發(fā)數(shù)據(jù)、多個(gè)所述重采樣日降水?dāng)?shù)據(jù)、多個(gè)所述重采樣土壤濕度數(shù)據(jù)和多個(gè)所述重采樣地表徑流數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，確定多個(gè)重采樣高分辨率預(yù)測(cè)因子數(shù)據(jù)；

11、對(duì)所述陸地水儲(chǔ)量異常數(shù)據(jù)集中的多個(gè)陸地水儲(chǔ)量異常數(shù)據(jù)進(jìn)行空間聚合，確定多個(gè)低分辨率陸地水儲(chǔ)量異常數(shù)據(jù)；

12、基于各所述低分辨率陸地水儲(chǔ)量異常數(shù)據(jù)對(duì)應(yīng)的空間網(wǎng)格，對(duì)各所述重采樣高分辨率預(yù)測(cè)因子數(shù)據(jù)進(jìn)行空間聚合，確定多個(gè)低分辨率預(yù)測(cè)因子數(shù)據(jù)；

13、將多個(gè)所述低分辨率預(yù)測(cè)因子數(shù)據(jù)作為自變量，將多個(gè)所述低分辨率陸地水儲(chǔ)量異常數(shù)據(jù)作為因變量，構(gòu)建隨機(jī)森林模型；

14、將多個(gè)所述重采樣高分辨率預(yù)測(cè)因子數(shù)據(jù)作為所述隨機(jī)森林模型的輸入，輸出多個(gè)初始高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)；

15、對(duì)各所述初始高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和各個(gè)所述低分辨率陸地水儲(chǔ)量異常數(shù)據(jù)進(jìn)行相減運(yùn)算，輸出多個(gè)預(yù)測(cè)殘差；

16、采用雙線性插值法根據(jù)多個(gè)所述預(yù)測(cè)殘差和多個(gè)所述初始高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)，生成多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)。

17、可選地，所述基于多個(gè)預(yù)置指數(shù)衰減參數(shù)，采用時(shí)間序列分解算法根據(jù)多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和所述水文氣象數(shù)據(jù)集中的多個(gè)日降水?dāng)?shù)據(jù)，確定多個(gè)月類陸地儲(chǔ)水量殘差分量，包括：

18、對(duì)所述水文氣象數(shù)據(jù)集中的多個(gè)日降水?dāng)?shù)據(jù)進(jìn)行篩選，確定多個(gè)特定時(shí)間段日降水?dāng)?shù)據(jù)；

19、基于多個(gè)預(yù)置指數(shù)衰減參數(shù)，在各所述特定時(shí)間段日降水?dāng)?shù)據(jù)對(duì)應(yīng)的空間網(wǎng)格上構(gòu)建各所述預(yù)置指數(shù)衰減參數(shù)對(duì)應(yīng)的初始指數(shù)衰減濾波器；

20、將各所述特定時(shí)間段日降水?dāng)?shù)據(jù)分別作為各所述特定時(shí)間段日降水?dāng)?shù)據(jù)對(duì)應(yīng)的空間網(wǎng)格上各個(gè)所述初始指數(shù)衰減濾波器的輸入，輸出各個(gè)空間網(wǎng)格上各所述初始指數(shù)衰減濾波器對(duì)應(yīng)的第一月類陸地儲(chǔ)水量數(shù)據(jù)；

21、對(duì)各個(gè)空間網(wǎng)格對(duì)應(yīng)的多個(gè)第一月類陸地儲(chǔ)水量數(shù)據(jù)進(jìn)行篩選，確定各個(gè)空間網(wǎng)格對(duì)應(yīng)的多個(gè)特定時(shí)間段月類陸地儲(chǔ)水量數(shù)據(jù)；

22、將各個(gè)空間網(wǎng)格對(duì)應(yīng)的各特定時(shí)間段月類陸地儲(chǔ)水量數(shù)據(jù)對(duì)應(yīng)的初始指數(shù)衰減濾波器作為中間指數(shù)衰減濾波器；

23、采用時(shí)間序列分解算法根據(jù)多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和各個(gè)空間網(wǎng)格對(duì)應(yīng)的多個(gè)特定時(shí)間段月類陸地儲(chǔ)水量數(shù)據(jù)，確定各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述中間指數(shù)衰減濾波器對(duì)應(yīng)的次季節(jié)殘差分量數(shù)據(jù)；

24、根據(jù)各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述中間指數(shù)衰減濾波器對(duì)應(yīng)的次季節(jié)殘差分量數(shù)據(jù)，計(jì)算各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述中間指數(shù)衰減濾波器對(duì)應(yīng)的第一相關(guān)系數(shù)；

25、選取各空間網(wǎng)格對(duì)應(yīng)的處于預(yù)置第一系數(shù)范圍的第一相關(guān)系數(shù)作為對(duì)應(yīng)的第一初始相關(guān)系數(shù)，并將各個(gè)空間網(wǎng)格對(duì)應(yīng)的最大的第一初始相關(guān)系數(shù)作為第一最優(yōu)相關(guān)系數(shù)；

26、將各個(gè)空間網(wǎng)格對(duì)應(yīng)的第一最優(yōu)相關(guān)系數(shù)對(duì)應(yīng)的中間指數(shù)衰減濾波器作為目標(biāo)指數(shù)衰減濾波器；

27、將所述水文氣象數(shù)據(jù)集中的多個(gè)日降水?dāng)?shù)據(jù)作為各個(gè)空間網(wǎng)格對(duì)應(yīng)的目標(biāo)指數(shù)衰減濾波器的輸入，輸出多個(gè)第二月類陸地儲(chǔ)水量數(shù)據(jù)；

28、采用所述時(shí)間序列分解算法根據(jù)各所述第二月類陸地儲(chǔ)水量數(shù)據(jù)，生成多個(gè)月類陸地儲(chǔ)水量殘差分量。

29、可選地，所述基于多個(gè)預(yù)置滯后時(shí)間，采用所述時(shí)間序列分解算法根據(jù)所述水文氣象數(shù)據(jù)集、多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和多個(gè)所述月類陸地儲(chǔ)水量殘差分量，確定多個(gè)第一分量數(shù)據(jù)和多個(gè)第二分量數(shù)據(jù)，包括：

30、對(duì)多個(gè)所述日氣溫?cái)?shù)據(jù)、多個(gè)所述日土地蒸發(fā)數(shù)據(jù)、多個(gè)所述日降水?dāng)?shù)據(jù)、多個(gè)所述土壤濕度數(shù)據(jù)和多個(gè)所述地表徑流數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，生成多個(gè)高分辨率預(yù)測(cè)因子數(shù)據(jù)；

31、對(duì)多個(gè)所述高分辨率預(yù)測(cè)因子數(shù)據(jù)進(jìn)行篩選，確定多個(gè)第一特定時(shí)間段預(yù)測(cè)因子數(shù)據(jù)；

32、在各所述第一特定時(shí)間段預(yù)測(cè)因子數(shù)據(jù)對(duì)應(yīng)的空間網(wǎng)格上，采用多個(gè)預(yù)置滯后時(shí)間對(duì)各所述第一特定時(shí)間段預(yù)測(cè)因子數(shù)據(jù)進(jìn)行滯時(shí)處理，生成各所述預(yù)置滯后時(shí)間關(guān)聯(lián)的初始滯時(shí)高分辨率預(yù)測(cè)因子數(shù)據(jù)；

33、對(duì)多個(gè)所述初始滯時(shí)高分辨率預(yù)測(cè)因子數(shù)據(jù)進(jìn)行篩選，確定各個(gè)空間網(wǎng)格對(duì)應(yīng)的多個(gè)第二特定時(shí)間段預(yù)測(cè)因子數(shù)據(jù)；

34、將各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述第二特定時(shí)間段預(yù)測(cè)因子數(shù)據(jù)關(guān)聯(lián)的預(yù)置滯后時(shí)間作為中間滯后時(shí)間；

35、采用所述時(shí)間序列分解算法根據(jù)多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述第二特定時(shí)間段預(yù)測(cè)因子數(shù)據(jù)，確定各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述中間滯后時(shí)間關(guān)聯(lián)的第一分量數(shù)據(jù)；

36、根據(jù)各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述中間滯后時(shí)間關(guān)聯(lián)的第一分量數(shù)據(jù)，計(jì)算各個(gè)空間網(wǎng)格對(duì)應(yīng)的各所述中間滯后時(shí)間關(guān)聯(lián)的第二相關(guān)系數(shù)；

37、選取各空間網(wǎng)格關(guān)聯(lián)的處于預(yù)置第二系數(shù)范圍的第二相關(guān)系數(shù)作為對(duì)應(yīng)的第二初始相關(guān)系數(shù)，并將各個(gè)空間網(wǎng)格對(duì)應(yīng)的最大的第二初始相關(guān)系數(shù)作為第二最優(yōu)相關(guān)系數(shù)；

38、將各個(gè)空間網(wǎng)格對(duì)應(yīng)的第二最優(yōu)相關(guān)系數(shù)關(guān)聯(lián)的中間滯后時(shí)間作為目標(biāo)滯后時(shí)間；

39、在各個(gè)空間網(wǎng)格上，采用各個(gè)空間網(wǎng)格對(duì)應(yīng)的目標(biāo)滯后時(shí)間對(duì)各所述高分辨率預(yù)測(cè)因子數(shù)據(jù)進(jìn)行滯時(shí)處理，生成各個(gè)空間網(wǎng)格對(duì)應(yīng)的目標(biāo)滯時(shí)高分辨率預(yù)測(cè)因子數(shù)據(jù)；

40、采用所述時(shí)間序列分解算法根據(jù)多個(gè)所述目標(biāo)滯時(shí)高分辨率預(yù)測(cè)因子數(shù)據(jù)，確定多個(gè)初始預(yù)測(cè)因子數(shù)據(jù)分量數(shù)據(jù)；

41、對(duì)多個(gè)所述初始預(yù)測(cè)因子數(shù)據(jù)分量數(shù)據(jù)和多個(gè)所述月類陸地儲(chǔ)水量殘差分量進(jìn)行數(shù)據(jù)整合，生成多個(gè)第二分量數(shù)據(jù)。

42、可選地，所述預(yù)置機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法包括初始多元線性回歸模型和初始多層感知機(jī)神經(jīng)網(wǎng)絡(luò)；所述采用預(yù)置機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法根據(jù)多個(gè)所述第一分量數(shù)據(jù)、多個(gè)所述第二分量數(shù)據(jù)和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)，包括：

43、基于多個(gè)預(yù)置特定時(shí)間段，采用多個(gè)所述第一分量數(shù)據(jù)分別對(duì)初始多元線性回歸模型和初始多層感知機(jī)神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，確定各所述特定時(shí)間段分量數(shù)據(jù)集對(duì)應(yīng)的目標(biāo)多元線性回歸模型和目標(biāo)多層感知機(jī)神經(jīng)網(wǎng)絡(luò)；

44、根據(jù)多個(gè)所述第二分量數(shù)據(jù)，構(gòu)建第二分量數(shù)據(jù)集；

45、將所述第二分量數(shù)據(jù)集分別作為各所述目標(biāo)多元線性回歸模型和各所述目標(biāo)多層感知機(jī)神經(jīng)網(wǎng)絡(luò)的輸入，輸出各所述目標(biāo)多元線性回歸模型對(duì)應(yīng)的多個(gè)第一陸地水儲(chǔ)量預(yù)測(cè)值和各所述目標(biāo)多層感知機(jī)神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的第二陸地水儲(chǔ)量預(yù)測(cè)值；

46、分別對(duì)各所述第一陸地水儲(chǔ)量預(yù)測(cè)值、各所述第二陸地水儲(chǔ)量預(yù)測(cè)值進(jìn)行均值處理，輸出第一陸地水儲(chǔ)量均值和第二陸地水儲(chǔ)量均值；

47、根據(jù)所述第一陸地水儲(chǔ)量均值和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，計(jì)算第一誤差值；

48、根據(jù)所述第二陸地水儲(chǔ)量均值和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，計(jì)算第二誤差值；

49、比較所述第一誤差值和所述第二誤差值；

50、選取最小的誤差值對(duì)應(yīng)的多個(gè)陸地水儲(chǔ)量預(yù)測(cè)值作為多個(gè)目標(biāo)高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)。

51、可選地，所述基于多個(gè)預(yù)置特定時(shí)間段，采用多個(gè)所述第一分量數(shù)據(jù)分別對(duì)初始多元線性回歸模型和初始多層感知機(jī)神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，確定各所述特定時(shí)間段分量數(shù)據(jù)集對(duì)應(yīng)的目標(biāo)多元線性回歸模型和目標(biāo)多層感知機(jī)神經(jīng)網(wǎng)絡(luò)，包括：

52、根據(jù)多個(gè)所述第一分量數(shù)據(jù)，構(gòu)建第一分量數(shù)據(jù)集；

53、基于多個(gè)預(yù)置特定時(shí)間段，對(duì)所述第一分量數(shù)據(jù)集進(jìn)行劃分，生成各所述預(yù)置特定時(shí)間段對(duì)應(yīng)的特定時(shí)間段分量數(shù)據(jù)集；

54、采用各所述特定時(shí)間段分量數(shù)據(jù)集分別對(duì)初始多元線性回歸模型和初始多層感知機(jī)神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，確定各所述特定時(shí)間段分量數(shù)據(jù)集對(duì)應(yīng)的目標(biāo)多元線性回歸模型和目標(biāo)多層感知機(jī)神經(jīng)網(wǎng)絡(luò)。

55、本發(fā)明第二方面提供的一種高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成裝置，包括：

56、獲取模塊，用于獲取水文氣象數(shù)據(jù)集和陸地水儲(chǔ)量異常數(shù)據(jù)集；

57、第一生成模塊，用于基于雙線性插值法，根據(jù)所述水文氣象數(shù)據(jù)集和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)；

58、第一確定模塊，用于基于多個(gè)預(yù)置指數(shù)衰減參數(shù)，采用時(shí)間序列分解算法根據(jù)多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和所述水文氣象數(shù)據(jù)集中的多個(gè)日降水?dāng)?shù)據(jù)，確定多個(gè)月類陸地儲(chǔ)水量殘差分量；

59、第二確定模塊，用于基于多個(gè)預(yù)置滯后時(shí)間，采用所述時(shí)間序列分解算法根據(jù)所述水文氣象數(shù)據(jù)集、多個(gè)所述目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和多個(gè)所述月類陸地儲(chǔ)水量殘差分量，確定多個(gè)第一分量數(shù)據(jù)和多個(gè)第二分量數(shù)據(jù)；

60、第二生成模塊，用于采用預(yù)置機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法根據(jù)多個(gè)所述第一分量數(shù)據(jù)、多個(gè)所述第二分量數(shù)據(jù)和所述陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)。

61、本發(fā)明第三方面提供的一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器及處理器，所述存儲(chǔ)器中儲(chǔ)存有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如上述任一項(xiàng)所述的高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法的步驟。

62、本發(fā)明第四方面提供的一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)如上述任一項(xiàng)所述的高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法的步驟。

63、本發(fā)明第五方面提供的一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)在非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序包括程序指令，其中，當(dāng)所述程序指令被計(jì)算機(jī)執(zhí)行時(shí)，使所述計(jì)算機(jī)執(zhí)行如上述任一項(xiàng)所述的高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法的步驟。

64、從以上技術(shù)方案可以看出，本發(fā)明具有以下優(yōu)點(diǎn)：

65、本發(fā)明的上述技術(shù)方案提供了一種高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)生成方法，首先，獲取水文氣象數(shù)據(jù)集和陸地水儲(chǔ)量異常數(shù)據(jù)集；接著，基于雙線性插值法，根據(jù)水文氣象數(shù)據(jù)集和陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)；基于多個(gè)預(yù)置指數(shù)衰減參數(shù)，采用時(shí)間序列分解算法根據(jù)多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和水文氣象數(shù)據(jù)集中的多個(gè)日降水?dāng)?shù)據(jù)，確定多個(gè)月類陸地儲(chǔ)水量殘差分量；基于多個(gè)預(yù)置滯后時(shí)間，采用時(shí)間序列分解算法根據(jù)水文氣象數(shù)據(jù)集、多個(gè)目標(biāo)高分辨率陸地水儲(chǔ)量預(yù)測(cè)數(shù)據(jù)和多個(gè)月類陸地儲(chǔ)水量殘差分量，確定多個(gè)第一分量數(shù)據(jù)和多個(gè)第二分量數(shù)據(jù)；最后，采用預(yù)置機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法根據(jù)多個(gè)第一分量數(shù)據(jù)、多個(gè)第二分量數(shù)據(jù)和陸地水儲(chǔ)量異常數(shù)據(jù)集，生成多個(gè)目標(biāo)高分辨率長序列陸地水儲(chǔ)量數(shù)據(jù)；基于上述方案，采用時(shí)間序列分解算法對(duì)水文氣象數(shù)據(jù)集和陸地水儲(chǔ)量異常數(shù)據(jù)集進(jìn)行處理，得到多個(gè)第一分量數(shù)據(jù)、多個(gè)第二分量數(shù)據(jù)，再結(jié)合預(yù)置機(jī)器學(xué)習(xí)統(tǒng)計(jì)算法根據(jù)多個(gè)第一分量數(shù)據(jù)、多個(gè)第二分量數(shù)據(jù)，能夠得到長序列、高空間分辨率的陸地水儲(chǔ)量數(shù)據(jù)，從而為流域到全球尺度的水旱災(zāi)害識(shí)別和水資源管理提供更高精準(zhǔn)度的陸地水儲(chǔ)量數(shù)據(jù)。