摘要：卫星遥感降水产品是当前获取大范围、连续性降水观测的主要来源,但目前已有的卫星遥感降水产品空间分辨率粗糙,且存在一定的系统偏差。为此,本文充分考虑高分辨率环境变量(包括地形、NDVI、地表温度、经纬度)对降水影响以及邻近遥感降水(站点)空间相关性,构建了一种双阶段空间随机森林SRF (Spatial Random Forest)方法 (SRF-SRF)。以四川省2015年—2019年GPM (Global Precipitation Measurement Mission)月降水数据为例,借助SRF-SRF对其质量提升,并将计算结果与现有7种方法比较,包括地理加权回归(GWR)、反向传播神经网络(BPNN)、随机森林(RF)、站点降水Kriging插值(Kriging)、经SRF降尺度后的地理差异分析校正(SRF-GDA)、经双线性插值降尺度后的SRF校正(Bi-SRF)以及年降水经SRF降尺度后按月比例分解并利用SRF校正(SRFdis)等。实验分析表明:(1)在月尺度上,与原始GPM相比,SRF-SRF的平均绝对误差(MAE)降低了19.51%,中误差(RMSE)降低了16.35%,而且精度优于其他方法;在季尺度上,SRF-SRF在冬季误差最小,在夏季误差最大,但其计算精度均优于其他方法;在年尺度上,基于SRF的4种方法(包括SRF-SRF、SRF-GDA、Bi-SRF和SRFdis)优于GWR、BPNN、RF,并且SRF-SRF计算精度优于单阶段的Bi-SRF和SRF-GDA。(2) SRF-SRF降水产品空间分布连续性较好,且局部降水细节得到明显提升。(3)借助RF对各自变量重要性分析得出,降水空间相关性对卫星遥感降水质量提升具有重要作用。(4)基于月尺度的SRF-SRF融合校正效果优于基于年尺度的SRFdis,表明NDVI可用于该区域月尺度降水质量提升。

摘要：高分辨率降水数据有助于刻画降水的时空分异特性,对流域水文、气象和生态等过程的精准模拟具有重要作用,因此对低分辨率降水产品开展空间降尺度,提高其分辨率十分必要。鉴于此,该研究在充分考虑热带降雨测量卫星(Tropical Rainfall Measuring Mission,TRMM)降水产品在渭河流域适用性的基础上,引入归一化差分植被指数(Normalized Difference Vegetation Index,NDVI)、数字高程模型(Digital Elevation Model,DEM)、坡度、坡向和经纬度等地理环境因子,构建了多尺度地理加权回归(Multi-scale Geographically Weighted Regression,MGWR)模型用以分析不同因子对渭河流域降水空间格局影响的尺度差异;并提出了一种针对TRMM降水产品的空间降尺度方法,通过精度评价验证降尺度结果的可靠性。结果表明:1)TRMM降水产品数据相较于站点实测数据存在一定精度误差,年尺度上R2=0.807,BIAS=2.909%,RMSE=83.477 mm,表现较好;季尺度上秋季R2最高,为0.847,夏季RMSE最大,为62.393 mm,四季的BIAS均较低;月尺度R2为0.456~0.815,BIAS的绝对值介于0~14%之间,多数月份为正值,RMSE值域范围为3.507~39.342 mm,精度较好;总体而言,TRMM降水产品数据在年、季和月尺度上均表现出良好的整体适用性。2)不同因子在干湿年份对降水空间分异格局的影响呈现出不同的尺度特征,其中湿润年的DEM、NDVI、坡向和经纬度对降水呈现局部影响,坡度影响具有全局性,而干旱年各因子均表现为局部影响。3)流域和站点尺度上,降尺度TRMM数据相较于降尺度前产品数据精度得到一定改善,流域尺度上,R2和RMSE得到有限提高;站点尺度上,各站点统计指标变化各异,但降尺度后统计指标整体优于降尺度前,并且由于时间尺度上的误差累积,站点年尺度数据精度相比月尺度数据稍差。4)降尺度TRMM数据相比于降尺度前产品数据,空间分布更细腻,细节特征表现更好,且在年、月时间尺度上均具有较高的精度,可为渭河流域资料短缺地区的水文设计提供数据支撑。

摘要：针对现有AVHRR、SPOTVGT、MODIS产品难以构建长时序、高时空分辨率NDVI数据集的问题,提出了利用随机森林和地理加权回归模型对GIMMS_(3g) NDVI进行降尺度的方法。基于“关系尺度不变”假设,从不同空间分辨率和数据源角度将其空间分辨率从8 km提高至250 m,并利用MODIS数据进行精度评价。结果表明:降尺度数据的空间分辨率有较大提升,能真实反映源区内NDVI空间分布特征;降尺度数据与MODIS数据具有较好的一致性,除500 m分辨率下的RF降尺度外,其他降尺度结果的绝对误差≤0.1的比例达到70%;东南部高植被覆盖区的降尺度效果要优于西北部;RF模型在体现局部细节纹理特征方面更具优势;解释变量的不同组合会影响降尺度的精度;降尺度模型尺度的改变对RF模型降尺度结果影响较大。

摘要：为提高气温智能网格预报的空间精细特征刻画能力和准确率,设计了考虑高程的动态垂直变率降尺度方法(DRD),利用模式地面气温预报随高程的变化关系实时统计地面气温的垂直变率(VCE),应用于目标网格和站点的降尺度预报,生成更加精细和准确的初始背景预报场。基于ECMWF模式预报、5 km精细高程信息、中国10154个站观测资料及其地理信息数据,开展春、夏、秋、冬季预报试验,分析了VCE的时空分布特征、DRD气温预报的准确率及空间精细特征刻画能力。结果表明,受地表长波辐射的日、季节变化以及地面热力属性和地形动力作用等影响,中国区域地面气温的VCE存在明显的日、季节和空间变化。VCE通常在早晨最大、傍晚最小,即早晨地面气温随着高度上升表现为一天中递减最慢或递增最快,而至傍晚则变为递减最快或者递增最慢;VCE空间变幅冬季最大、夏季最小;VCE与地形、海陆和内陆湖水体分布密切相关,大地形边缘、白天的海陆边界、春季白天和夏季全天的内陆湖边缘通常为VCE大值区,且复杂地形区VCE变幅更大。DRD预报性能整体明显优于双线性插值气温预报(DMO),复杂地形区提升效果更显著,如青藏高原南部春季DRD预报的平均绝对误差比DMO减小约14.3%—52.5%;同时,DRD方法显著提高了对气温预报空间精细特征的刻画能力。可见DRD方法可以有效提升气温智能网格预报性能。

摘要：高时空分辨率降水数据对准确刻画区域降水时空变化特征、精准模拟区域生态和水文过程具有重要的现实意义。以湘江流域为例,在考虑地理、地形和植被等多重要素的基础上,建立了基于地理加权回归法(Geographic Weighted Regression,GWR)的热带降雨测量卫星(Tropical Rainfall Measuring Mission,TRMM)降水降尺度模型,并采用比例指数法反演得到星地融合日降水Ⅰ、Ⅱ、Ⅲ三种产品,用来驱动土壤和水评估模型(Soil and Water Assessment Tool,SWAT),分析评估其在水文模拟中的应用潜力。结果表明:1)GWR降尺度后,在TRMM降水空间分辨率由0.25°提升至0.05°的同时,同气象站点观测月降水之间的决定系数(R^(2))平均提升了0.33,均方根误差(RMSE)平均降低了43.30 mm,平均相对偏差(Average Relative Error,ARE)平均降低了38.71个百分点,表明该降尺度模型在湘江流域TRMM月降水降尺度研究中具有良好的适用性;2)与TRMM日降水量相比,星地融合日降水Ⅲ产品同气象站点观测日降水量的R^(2)提高了0.81,RMSE降低了10.27 mm,ARE降低了0.11个百分点,表明以气象站点观测日降水量作比例指数展布星地融合月降水是可行有效的;3)星地融合日降水Ⅲ产品在SWAT模型日、月径流模拟中的纳什效率系数最大,分别为0.79、0.93,相对误差最小,分别为0.12%、1.10%,水文模拟效果最优,可替代气象站点和TRMM卫星降水进行水文模拟。研究结果可为气象站点稀缺区域的高精度降水资料获取和高效水文模拟提供数据支撑和方法借鉴。

摘要：采用BCSD降尺度方法,根据黄河源区16个气象站基准期(1961—1990年)的逐日降水量、气温,最高气温和最低气温资料,对IPCCAR4中的20个GCM模式在A1B情景下的气象资料进行降尺度研究,并简单论证了BCSD的降尺度效果及其结果的可信性。基于降尺度分析结果,预测在A1B情景下,黄河源区温度普遍升高,增幅约为0.032℃/a,降水量呈现波动状微弱上升趋势,增幅约为0.50 mm/a,同时从流域空间分布上看,东南部降水和气温的增加效果显著,一定程度上可认为黄河源区东南部有暖湿化的演变趋势。

摘要：LST(land surface temperature,地表温度)是一个极为重要的自然地理参数,能够表征地球表层系统的多个自然地理过程,同时与人类生产生活密切关联.为解决LST获取中时空分辨率不能自动互补的问题,以北京市为研究案例区,构建MLP(multilayer perceptron,多层感知器)模型,对MODIS(Moderate Resolution Imaging Spectroradiometer)1 km LST数据进行降尺度研究.结果表明:预测白天LST的MLP模型的训练、测试和整体决定系数分别为0.810、0.796和0.807,预测夜间LST的MLP模型的训练、测试和整体决定系数分别为0.702、0.705和0.701,预测残差值均服从正态分布,构建的模型可靠性较高.与回归模型和支撑向量机等模型相比,MLP模型具有拟合优度高、误差小等优点,此外,MLP模型测试数据集的拟合度也较高,说明模型的泛化推广能力较强.MLP模型的LST降尺度结果能够清晰地反映下垫面地表热环境的空间异质性和昼夜差异.平原地区的建设用地区为LST的高值区,山区远郊县为LST的低值区,白天LST显著高于夜间LST.将TM影像反演的LST的空间分辨率聚合到250 m,使之与MLP模型的LST降尺度结果的空间分辨率相同,并通过随机采50 000个样点比较TM影像反演的LST和MLP模型的LST降尺度结果.检验结果表明,尽管二者在具体数值上有些差异,但其空间结构高度相似,协方差为正,相关系数可达0.730,误差呈现正态分布.研究显示,人工神经网络模型在LST降尺度方面具有较大的应用前景.

摘要：微波遥感土壤湿度产品是目前在大尺度水资源或气候变化研究中比较常用的地表土壤湿度数据,但其空间分辨率一般都较粗,不能满足区域或流域尺度相关研究要求.因而,在这些尺度的相关研究中需要对土壤湿度产品进行空间降尺度.UCLA法是一种土壤湿度降尺度方法,该方法使用地表温度和植被指数特征空间指数(Ts/VI指数)作为降尺度因子.本文以AMSR-E土壤湿度产品作为土壤湿度粗分辨率数据,使用MODIS地表温度产品(MYD11A1)和植被指数产品(MYD13A2)计算3种指数——土壤湿度指数(SW)、温度植被干旱指数(TVDI)和条件温度植被指数(VTCI),对比了3种Ts/VI指数分别作为UCLA法降尺度因子的效果.这3种指数均能得出合理的降尺度结果,但使用TVDI和VTCI的降尺度结果稍优于SW,说明TVDI和VTCI更适合作为UCLA法的降尺度因子.最后讨论了UCLA法的误差来源,如粗分辨率土壤湿度产品的测量误差、降尺度因子的计算误差以及UCLA法自身的误差,并对未来的研究做出展望.

摘要：高时空分辨率降雨数据的获取对陆地水循环研究至关重要。遥感卫星反演降水产品虽然能有效再现降雨的空间格局,但存在空间分辨率较低的问题。以植被指数NDVI(Normalized Difference Vegetation Index)和海拔高度为自变量,通过构建太行山区GPM降水(Global Precipitation Measurement Mission)的时滞地理加权回归模型,得到了2014—2016年研究区1km分辨率GPM降水数据。研究结果表明:利用植被指数和海拔高度构建的时滞地理加权回归模型能够有效地对太行山月尺度GPM降雨数据进行尺度下延,在提高GPM数据空间分辨率的同时保留了原始数据的观测精度。考虑NDVI的时滞性提高了地理加权回归模型的降尺度效果,相对于多元线性回归模型和不考虑NDVI时滞效应的地理加权回归模型,时滞地理加权回归模型的降尺度结果与站点实测数据的确定性系数更高,RMSE更低。冬季降雨与第二年春季植被NDVI的关系较为密切,虽然采用第二年春季的NDVI作为解释变量构建降尺度模型能有效地提高冬季降雨的降尺度效果,但基于植被指数和海拔高度构建的时滞地理加权回归模型更加适用于植被生长季GPM降雨数据的降尺度研究。

摘要：为满足各行业对高分辨率、高精度降水数据的需求,以湘江流域为例,分别建立了基于多元线性回归法(multiple linear regression,MLR)和地理加权回归法(geographic weighted regression,GWR)的TRMM卫星降水降尺度模型,采用留一交叉验证法对模型进行优选,反演得到0.05°卫星-地面融合降水产品,并在此基础上分析了湘江流域的时空变化特征。结果表明:相比热带降雨测量卫星(tropical rainfall measuring mission,TRMM)降水,降尺度后TRMM降水的空间分辨率得到大幅度提升,且与气象站点观测降水之间的决定系数平均提高了0.27以上,均方根误差和平均相对偏差平均降低了28.42 mm和29.88百分点以上,表明考虑植被、地形和地理要素的回归降尺度模型能够较为准确地刻画降水的空间分布特征;相比MLR降尺度模型得到的降水,GWR降尺度模型得到的降水与气象站点观测降水之间的决定系数平均提高了0.06,均方根误差和平均相对偏差平均降低了14.88 mm和8.83百分点,表明GWR降尺度效果更好;2006—2017年湘江流域不同时间尺度的降水时空变化特征迥异,表现在变化趋势及其显著性、对应区域的位置及面积上。