宁波大学 信息科学与工程学院，浙江 宁波 315211
快速准确地掌握降水的时空分布，对于区域气候、水文和生态环境等至关重要。以长江三角洲为研究区域，获取FY 卫星影像光谱特征，对其进行特征分析并结合地面实况降水观测数据，获得卫星降水模拟参数的特征集，利用SVM(Support Vector Machine)优越的非线性回归性能，提出一种自适应、自学习的降水估计方法。实验结果表明：卫星云图适用于阐释云的降水机理，将其与SVM 结合，可以很好地表达长江三角洲区域降水与云图特征间的非线性关系。此方法得到的降水估计量与地面实测降水数据的相关系数为0.85，表明本文方法可对该地区的降水估计发挥作用。
长江三角洲 降水估算 FY 卫星 卫星遥感 Yangtze river delta precipitation estimation FY satellite satellite remote sensing SVM SVM
