(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 202111664894.0 (22)申请日 2021.12.3 0 (71)申请人 中国科学院地理科 学与资源研究所 地址 100020 北京市朝阳区大屯路甲1 1号 (72)发明人 刘杨晓月 　陈晓娜　杨雅萍　 (74)专利代理 机构 广州骏思知识产权代理有限 公司 44425 专利代理师 叶琼园 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 陆地水储量预测方法、 装置、 设备及存储介 质 (57)摘要 本发明涉及地理信息技术领域， 特别涉及一 种陆地水储量预测方法， 所述方法包括： 获取目 标区域的目标时间段内的地表参数以及陆地水 储量数据， 其中， 所述地表参数包括流域地表参 数、 经纬度数据、 高程数据以及气候分区数据； 根 据所述地表 参数、 陆地水储量数据以及预设的机 器学习算法， 构建陆地水储量数据与地表参数的 非线性回归映射模型； 响应于陆地水储量预测指 令， 所述陆地水储量预测指令包括待测区域的目 标时间段内的地表参数， 根据所述待测区域的目 标时间段内的地表参数以及陆地水储量数据与 地表参数的非线性回归映射模型， 获取所述待测 区域的目标时间段内的陆地水储量数据。 权利要求书2页 说明书8页 附图3页 CN 114491967 A 2022.05.13 CN 114491967 A 1.一种陆地水储量预测方法， 其特 征在于， 包括以下步骤： 获取目标区域的目标时间段内的地表参数以及陆地水储量数据， 其中， 所述地表参数 包括流域地表参数、 经纬度数据、 高程数据以及气候分区数据； 根据所述地表参数、 陆地水储量数据以及预设的机器学习算法， 构建陆地水储量数据 与地表参数的非线性回归映射模型， 其中， 所述非线性回归映射模型为： TWSA＝SVM(3 3Catchment Parameters,L ocation,DEM,Climate Zone,Time) 式中， TWSA为所述陆地水储量数据， Catchment  Parameters为所述流域地表参数， Location为所述经纬度数据， DEM为所述高程数据， Climate  Zone为所述气候分区数据， Time为时间数据， 包括所述 地表参数以及陆地水储量数据对应的时间参数； 响应于陆地水储量预测指令， 所述陆地水储量预测指令包括待测区域的目标时间段内 的地表参数， 根据所述待测区域的目标时间段内的地表参数以及陆地水储量数据与地表参 数的非线性回归映射模型， 获取 所述待测区域的目标时间段内的陆地水储量数据。 2.根据权利要求1所述的陆地水储量预测方法， 其特征在于， 所述流域地表参数包括净 短波辐射通量、 净长波辐射通量、 净潜热通量、 净感热通量、 热通量、 降雪比率、 降水比率、 蒸 散发、 暴雨表面径流速、 基流地下水径流速、 融雪速度、 雪表温度、 表面平均温度、 雪深水当 量、 积雪深度、 地表土壤湿度、 植被根系土壤湿度、 剖面土壤湿度、 冠层水分蒸发速率、 蒸腾 速率、 裸土直接蒸发速率、 植被冠层表面储水量、 积雪蒸发速率、 气动电导率、 流域水储量、 地下水储量、 风速、 总降水率、 温度、 比湿、 气压、 下 行短波辐射以及下 行长波辐射。 3.根据权利要求1所述的陆地水储量预测方法， 其特征在于， 所述根据所述地表参数、 陆地水储量数据以及预设的机器学习算法， 构建陆地水储量数据与地表参数的非线性回归 映射模型之前， 包括 步骤： 获取所述陆地水储量数据的空间分辨率， 根据所述陆地水储量数据的空间分辨率， 对 所述地表参数进 行重采样处理， 获取 空间分辨率与所述陆地水储量数据的空间分辨率一致 的地表参数。 4.根据权利要求1所述的陆地水储量预测方法， 其特征在于： 所述非线性 回归映射模型 设置有可调节参数， 其中， 所述可调节参数包括惩罚系数、 核函数、 核函数系数、 核函数常数 值、 缓冲大小以及最大迭代次数。 5.根据权利要求4所述的陆地水储量预测方法， 其特征在于， 所述根据所述地表参数、 陆地水储量数据以及预设的机器学习算法， 构建陆地水储量数据与地表参数的非线性回归 映射模型， 包括 步骤： 分别从所述目标时间段内的地表参数以及陆地水储量数据中提取第一样本地表参数 以及第一样本陆地水储量数据， 构建第一测试集以及第一训练集； 根据所述第一测试集， 对所述可调节参数进行迭代训练， 获取若干个迭代训练后的非 线性回归映射模型； 根据所述第一训练集， 采用十折交叉验证算法， 从所述若干个迭代训练后的非线性回 归映射模型中选取目标非线性回归映射模型， 作为所述陆地水储量数据与地表参数的非线 性回归映射模型。 6.根据权利要求5所述的陆地水储量预测方法， 其特征在于， 所述根据所述第一训练 集， 从所述若干个迭代训练后的非线性回归映射模型中选取目标非线性回归映射模型， 作权　利　要　求　书 1/2 页 2 CN 114491967 A 2为所述陆地水储量数据与地表参数的非线性回归映射模型， 包括 步骤： 从所述第一训练集中提取第 二样本地表参数以及第 二样本陆地水储量数据， 构建第 二 训练集以及第二测试集； 根据所述第 二测试集以及第 二训练集， 对所述若干个迭代训练后的非线性 回归映射模 型进行精度评价， 获取精度评价指标， 根据所述精度评价指标， 从所述若干个迭代训练后的 非线性回归映射模型中选取目标非线性回归映射模型， 作为所述陆地水储量数据与地表参 数的非线性回归映射模型。 7.一种陆地水储量预测装置， 其特 征在于， 包括： 获取模块， 用于获取目标区域的目标时间段内的地表参数以及陆地水储量数据， 其中， 所述地表参数包括 流域地表参数、 经纬度数据、 高程数据以及气候分区数据； 构建模块， 用于根据 所述地表参数、 陆地水储量数据以及预设的机器学习算法， 构建陆 地水储量数据与地表参数的非线性回归映射模型； 预测模块， 用于响应于陆地水储量预测指令， 所述陆地水储量预测指令包括待测区域 的目标时间段内的地表参数， 根据所述待测区域的目标时间段内的地表参数以及陆地水储 量数据与地表参数的非线性回归映射模型， 获取所述待测区域的目标时间段内的陆地水储 量数据。 8.一种计算机设备， 其特征在于， 包括： 处理器、 存储器以及存储在所述存储器上并可 在所述处理器上运行的计算机程序； 所述计算机程序被所述处理器执行时实现如权利要求 1至6中任一项所述的陆地水储量预测方法的步骤。 9.一种存储介质， 其特征在于： 所述存储介质存储有计算机程序， 所述计算机程序被处 理器执行时实现如权利要求1至 6任一项所述的陆地水储量预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114491967 A 3