降水的季節(jié)性時空分布研究對東北地區(qū)的生態(tài)保護和農(nóng)業(yè)生產(chǎn)具有重要意義。為獲取高時空分辨率的降水分布,需對分辨率較低的TRMM產(chǎn)品做降尺度處理。因此,本文基于植被指數(shù)、地形因子與降水的相關性,采用深度學習、多元線性回歸和隨機森林三種算法構建模型,將2009—2018年10a平均1、4、7、10月TRMM 3B43產(chǎn)品降尺度至0.01°（約1km）,并填補TRMM未覆蓋的50°N以上地區(qū),獲取東北地區(qū)季節(jié)性降水時空分布。最后本文使用站點實測數(shù)據(jù)進行精度校正,并研究降尺度模型預測降水在全國范圍內的精度與適用性。研究主要結論如下:（1）深度學習降尺度模型預測降水相對實測降水的擬合度和精度要優(yōu)于多元線性回歸和隨機森林,可有效獲得東北地區(qū)各季節(jié)較高空間分辨率與精度的降水分布,模型整體擬合度和精度表現(xiàn)較好（R²=0.814～0.933,RMSE=2.389mm～16.98mm,MRE=10.16%～77.22%）。校正后全局降水精度進一步提升（R²=0.853～0.956,RMSE=0.931mm～16.20mm,MRE=7.782%～31.91%）,其中,... 

【文章來源】：南京信息工程大學江蘇省

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

技術流程圖

第二章數(shù)據(jù)收集與預處理9第二章數(shù)據(jù)收集與預處理2.1研究區(qū)概況研究區(qū)位于中國東北地區(qū)，經(jīng)度范圍111°09′～135°05′E，緯度范圍38°43′～53°33′N。行政邊界包括黑龍江盛吉林盛遼寧省和內蒙古自治區(qū)東五盟（錫林郭勒盟、興安盟、呼倫貝爾市、赤峰市、通遼市），不包括遼寧周邊島嶼，總面積約145萬平方千米。地理位置及海拔分布見圖2.1。±海拔/mm高:2590低:-174東北地區(qū)0300600150km圖2.1研究區(qū)地理位置及海拔地理位置上，黑龍江省是我國最北部和緯度最高的省份，吉林省位于我國東北地區(qū)中部，遼寧省位于東北地區(qū)南部，內蒙古自治區(qū)東五盟位于東北地區(qū)西部。地形方面，東北地區(qū)整體地勢起伏較大，海拔高度整體自西向東降低。黑龍江省地勢特征為西北部和南部地勢高，東北部和西南部低，主要地貌由山地、臺地和平原構成；吉林省地勢由東南向西北傾斜，東部主要地貌為山地，中西部主要地貌為沖擊平原；遼寧省地勢自東、西兩側向中部地區(qū)傾斜，主要地貌為山地、平地和丘陵；內蒙古自治區(qū)東五盟整體地勢較高，平均海拔高度1000米左右，主要地貌為高原和山地。氣候方面，研究區(qū)整體呈現(xiàn)四季分明、冬長夏短的特點，黑龍江盛吉林省和內蒙古東五盟屬于溫帶大陸性季風氣候，其中大興安嶺北段地區(qū)屬于寒溫帶大陸性季風氣候，遼寧省地處歐亞大陸東岸，屬于溫帶季風氣候。研究區(qū)降水主要集中在夏季，其中遼寧省降水最多，內蒙古自治區(qū)降水最少。

第二章數(shù)據(jù)收集與預處理11±降水量/mm240降水量/mm600降水量/mm2670降水量/mm6600300600150km(a)1月(b)4月(c)7月(d)10月圖2.2研究區(qū)各月份TRMM降水分布圖本文選取時間范圍為2009—2018共10年1、4、7、10月份的TRMM3B43_V7數(shù)據(jù)，原始數(shù)據(jù)文件為HDF格式，基于IDL程序和ENVI軟件對原始數(shù)據(jù)進行批量讀娶旋轉、裁切和定義投影，得到TIF格式的各年月數(shù)據(jù)。原始數(shù)據(jù)單位是mm/hr，針對不同月份的天數(shù)對進行單位轉換，得到單位為mm/monthly的月降水，再對所有年份的同月份求平均，得到10a平均月降水數(shù)據(jù)。預處理后的1、4、7、10月平均數(shù)據(jù)如圖2.2所示。2.2.2MODIS產(chǎn)品MOD13A3NDVI數(shù)據(jù)。獲取于NASA官方網(wǎng)站（http://www.nasa.gov/），產(chǎn)品由搭載于TERRA衛(wèi)星上的中分辨率成像光譜儀MODIS（Moderate-resolutionImagingSpectroradiometer）傳感器獲取，是由美國宇航局研制的大型空間遙感儀器，目的是研究全球氣候的變化以及人類活動對氣候的影響。MOD13A3數(shù)據(jù)是陸地標準3級正弦曲線投影網(wǎng)格產(chǎn)品，用于全球植被狀況的監(jiān)測和顯示土地覆蓋和土地覆蓋變化。數(shù)據(jù)內容為柵格格式的歸一化植被指數(shù)和增強植被指數(shù)（NDVI/EVI），在月尺度產(chǎn)品的加工過程中，通過算法吸收全部16天覆蓋全月的1km產(chǎn)品，同時使用新的合成算法，減小觀測角度帶來的影響；在生成植被指數(shù)格點數(shù)據(jù)時應用分子散射、臭氧吸收、氣溶膠訂正算法，用BRDF模式將觀測量訂正到天頂角，因此產(chǎn)品精度得以保障[57]。

【參考文獻】：
期刊論文
[1]2019年廣東后汛期主客觀預報檢驗評估[J]. 張華龍,涂靜,黃曉瑩.  廣東氣象. 2019(06)
[2]1949—2017年東北地區(qū)旱災時空規(guī)律分析[J]. 李蓉,辛景峰,楊永民.  水利水電技術. 2019(S2)
[3]中國西北地區(qū)東部盛夏降水特征及對初春地表感熱異常的響應[J]. 王蕊,王慧,李棟梁.  高原氣象. 2019(06)
[4]西南地區(qū)旱澇演變與ENSO事件的關系[J]. 劉琳,徐宗學,楊曉靜.  資源科學. 2019(11)
[5]基于深度學習的衛(wèi)星圖像識別分類方法[J]. 方浩文,施華君.  計算機系統(tǒng)應用. 2019(10)
[6]1998-2017年滇黔桂巖溶區(qū)降水時空動態(tài)特征[J]. 靖娟利,羅福林,王永鋒,王安娜.  水土保持研究. 2019(05)
[7]基于氣象因子及機器學習回歸算法的夏季空調負荷預測[J]. 田心如,蔡凝昊,張志薇.  氣象科學. 2019(04)
[8]西北各省季節(jié)降水變化及其貢獻的差異分析[J]. 孫悅,高繼卿,楊曉光.  中國農(nóng)業(yè)氣象. 2019(08)
[9]我國東北地區(qū)自然植被保護現(xiàn)狀及保護優(yōu)先區(qū)分析[J]. 蒲真,張芳玲,古元陽,梁曉玉,邢韶華.  生態(tài)學雜志. 2019(09)
[10]基于華北地區(qū)氣象指數(shù)SPI干旱時空分析[J]. 王江濤.  水土保持研究. 2019(04)

碩士論文
[1]基于TRMM 3B43青藏高原區(qū)域性高時空分辨率降水探究[D]. 宋蕾.南京信息工程大學 2015
[2]華中地區(qū)夏季極端日降水事件的降水特征及環(huán)流異常分析[D]. 柯丹.南京信息工程大學 2014



本文編號：3290868