衛(wèi)星降水?dāng)?shù)據(jù)存在的較大時(shí)空誤差制約了其更深入應(yīng)用。該文引入多個(gè)降水的主要影響因子作為輔助信息,通過半?yún)?shù)地理加權(quán)回歸（SGWR）+局部薄盤光滑樣條插值（PTPS）構(gòu)建模型,從月、年尺度上實(shí)現(xiàn)了兩套衛(wèi)星降水?dāng)?shù)據(jù)（GPM-IMERG和CMORPH-CPA）在四川地區(qū)的融合,并通過氣象站點(diǎn)的實(shí)測(cè)數(shù)據(jù)對(duì)不同融合方法的結(jié)果進(jìn)行了驗(yàn)證。研究結(jié)果表明:1)融合后降水?dāng)?shù)據(jù)的精度較高且比融合前有較大改善:年、月尺度融合結(jié)果的平均絕對(duì)誤差率分別達(dá)8.12%和12.94%;融合結(jié)果的數(shù)據(jù)精度比單一衛(wèi)星降水產(chǎn)品提升25%以上。2)該融合模型對(duì)降水?dāng)?shù)據(jù)精度的提升效果優(yōu)于沒有加入影響因子的同類模型,說(shuō)明加入影響因子等輔助信息有助于進(jìn)一步提高融合結(jié)果的精度。3)該模型的融合效果在時(shí)空上存在差異:干季月份的效果明顯優(yōu)于濕季月份;融合后90%地區(qū)的數(shù)據(jù)精度得到提升,少數(shù)區(qū)域融合效果不佳,可能是部分時(shí)段其中一種衛(wèi)星降水?dāng)?shù)據(jù)精度較低所致。 

【文章來(lái)源】：地理與地理信息科學(xué). 2020,36(05)北大核心CSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

研究區(qū)域氣象站點(diǎn)分布

本文采用半?yún)?shù)地理加權(quán)回歸(SGWR)結(jié)合局部薄盤光滑樣條插值法(PTPS)構(gòu)建多源降水?dāng)?shù)據(jù)融合模型,實(shí)現(xiàn)流程(圖2)為:1)選取對(duì)降水影響顯著的因子,并利用主成分分析法對(duì)存在較強(qiáng)相關(guān)性的多個(gè)地形因子進(jìn)行降維;2)分析各氣象站點(diǎn)實(shí)測(cè)降水(目標(biāo)變量)與兩種衛(wèi)星降水?dāng)?shù)據(jù)及各影響因子變量間的相互關(guān)系,采用逐步線性回歸法篩選出自變量組合;3)以氣象站點(diǎn)實(shí)測(cè)降水為因變量,上一步篩選得到的變量組合為自變量,采用SGWR法進(jìn)行回歸分析,獲得回歸趨勢(shì)面空間數(shù)據(jù);4)采用PTPS法對(duì)回歸殘差進(jìn)行空間插值,得到殘差空間數(shù)據(jù);5)將回歸趨勢(shì)面和殘差插值空間數(shù)據(jù)相加得到最終結(jié)果,實(shí)現(xiàn)多源降水?dāng)?shù)據(jù)的融合。該模型具有較好的開放性,在融合的過程中可根據(jù)研究區(qū)的特點(diǎn)引進(jìn)多個(gè)有用的輔助信息,有助于進(jìn)一步提升融合結(jié)果的精度。(1)影響因子選取及主成分分析。

基于各衛(wèi)星降水產(chǎn)品獲得的四川省2015-2018年年均降水量空間分布(圖3,彩圖見附錄1)大致呈自西向東、自北向南遞增的趨勢(shì)[26]。其中,位于四川盆地西緣山前丘陵、中山區(qū)的雅安、樂山等地為全省降水峰值中心,素有“華西雨屏”之稱。該區(qū)域西部、北部和南部的大相嶺、夾金山和邛崍山等一系列山脈及東面的出口共同構(gòu)成特殊的“喇叭口”地形,對(duì)水汽的聚集和大氣的抬升起到重要作用,使得該區(qū)成為全省乃至我國(guó)內(nèi)陸降水量最大的地區(qū),區(qū)內(nèi)各地的年降水量普遍達(dá)到1 400 mm。由此可見,四川省復(fù)雜的地形特點(diǎn)對(duì)區(qū)域降水分布有著顯著影響[27]。以氣象站實(shí)測(cè)降水值為橫軸、站點(diǎn)所在柵格像元的衛(wèi)星降水值為縱軸繪制散點(diǎn)圖(圖4),并計(jì)算各數(shù)據(jù)點(diǎn)到1∶1線的法向垂直距離h。h的平均值 h ˉ 越小,表明數(shù)據(jù)點(diǎn)分布越靠近1∶1線,該數(shù)據(jù)集的精度越高。由圖4和表4可知:與融合前單一衛(wèi)星降水產(chǎn)品相比,經(jīng)SGWR1和SGWR2模型融合后的數(shù)據(jù)點(diǎn)集中在1∶1線兩側(cè),離散程度明顯減小, h ˉ 值顯著下降。其中,SGWR1模型的降水?dāng)?shù)據(jù)精度最高:其 h ˉ 值(55.74)最小,與融合前的GPM-IMERG和CMORPH-CPA數(shù)據(jù)相比,降幅分別為40.24%和26.38%;而h最大值(hmax)的降幅也超過20%,說(shuō)明該模型具有較好的“平滑”作用,融合后部分衛(wèi)星降水值與實(shí)測(cè)值差異較大的異常點(diǎn)得以消除,可有效改善衛(wèi)星降水?dāng)?shù)據(jù)的精度,準(zhǔn)確反映區(qū)域降水空間分布。指標(biāo)MAPE用于反映衛(wèi)星降水?dāng)?shù)據(jù)與站點(diǎn)實(shí)測(cè)數(shù)據(jù)間的總體偏差水平,4種降水?dāng)?shù)據(jù)基于該指標(biāo)的年均值排序?yàn)镚PM-IMERG>CMORPH-CPA>SGWR2>SGWR1,SGWR1模型的MAPE值(8.12%)最小,表明使用該模型融合后的年降水?dāng)?shù)據(jù)具有較高的精度,在總體上與實(shí)測(cè)結(jié)果的偏差可控制在10%以內(nèi)。

【參考文獻(xiàn)】：
期刊論文
[1]四川地形擾動(dòng)對(duì)降水分布影響[J]. 王成鑫,高守亭,冉令坤,陳悅麗.  應(yīng)用氣象學(xué)報(bào). 2019(05)
[2]基于水量平衡的青藏高原東南部衛(wèi)星降水產(chǎn)品質(zhì)量評(píng)估與校正[J]. 張秀紅,張文江,蔣蕙如.  地理與地理信息科學(xué). 2018(06)
[3]新疆天山山區(qū)TRMM衛(wèi)星降水?dāng)?shù)據(jù)的復(fù)合校正方法[J]. 李慧,楊濤,何祺勝,任偉偉.  干旱區(qū)研究. 2017(03)
[4]A Strategy for Merging Objective Estimates of Global Daily Precipitation from Gauge Observations, Satellite Estimates, and Numerical Predictions[J]. Suping NIE,Tongwen WU,Yong LUO,Xueliang DENG,Xueli SHI,Zaizhi WANG,Xiangwen LIU,Jianbin HUANG.  Advances in Atmospheric Sciences. 2016(07)
[5]基于K最近鄰模型的青藏高原CMORPH日降水?dāng)?shù)據(jù)的訂正研究[J]. 王玉丹,南卓銅,陳浩,吳小波.  遙感技術(shù)與應(yīng)用. 2016(03)
[6]基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達(dá)三源降水融合試驗(yàn)[J]. 潘旸,沈艷,宇婧婧,熊安元.  氣象學(xué)報(bào). 2015(01)
[7]基于最優(yōu)插值方法分析的中國(guó)區(qū)域地面觀測(cè)與衛(wèi)星反演逐時(shí)降水融合試驗(yàn)[J]. 潘旸,沈艷,宇婧婧,趙平.  氣象學(xué)報(bào). 2012(06)
[8]衛(wèi)星遙感反演降水研究綜述[J]. 劉元波,傅巧妮,宋平,趙曉松,豆翠翠.  地球科學(xué)進(jìn)展. 2011(11)
[9]四川省近50年降水的變化特征及影響[J]. 周長(zhǎng)艷,岑思弦,李躍清,彭國(guó)照,楊淑群,彭駿.  地理學(xué)報(bào). 2011(05)
[10]雅安地形與降水的氣候特征[J]. 彭貴康,李志友,柴復(fù)新.  高原氣象. 1985(03)



本文編號(hào)：3357333