基于TRMM 3B43青藏高原区域性高时空分辨率降水探究

发布时间：2020-04-16 23:44

【摘要】：青藏高原由于其特殊的气候地形条件以及相互间的作用和变化,不仅对青藏高原以及周边地区气候会产生影响,对于东亚、北半球甚至是全球的环流产生影响,因此有关青藏高原的研究一直以来都意义深远。青藏高原特殊的干旱半干旱为主的气候条件使得高原上的很多地表特征(植被、径流等)与降水有着紧密的关系,而且水文循环也是青藏高原地区对周边区域气候的热力强迫作用研究中的一个重要方面。降水作为重要的气象参数,不仅是水文循环中的一个关键性强迫因子,同时也是各种水文、气象等模型中的重要输入量,因此获得高精度的高时空分辨率的降水数据对青藏高原各方面的研究均具有重要的意义。常规的雨量站监测的降水数据不能很好地反映降水的空间特征,特别是青藏高原,雨量站稀少,地形复杂,大面积地区没有观测数据。近年来通过遥感的手段可以直接获得大区域内空间连续的降水数据,从而解决了雨量站降水数据空间上的局限,其中热带雨量观测项目(Tropical Rainfall Measurement Mission, TRMM)产品提供了1998年至今南北纬50°之间区域的降水数据,其中TRMM 3B43空间分辨率为0.25°,较高的时空分辨率使得该数据迅速被广泛应用。但是对于很多研究而言0.25°仍无法满足要求,而且在地形复杂的山区(如青藏高原)iTRMM降水数据的精度也不高,甚至无法直接使用。为了获得长时间序列的高分辨率的降水产品,本文选取地形较为复杂、降水格局较为多变的青藏高原为研究区。首先,对已有TRMM 3B43月、年降水数据进行降尺度,通过使用随机森林算法建立降水和地理空间变量(增强型植被指数(Enhanced Vegetation Index, EVI)、数字高程模型(Digital Elevation Model, DEM)、坡度、坡向、经纬度)之间的回归模型,计算得到2001-2012年分辨率为1公里的青藏高原降水数据,同时运用地面实测数据对降尺度结果进行进一步的精度校准,最后利用原始TRMM观测月降水与年降水之间的比值求得1公里的月降水；其次,通过使用随机森林算法建立现有TRMM3843降水和地理空间变量(归一化植被指数(Normalized Difference Vegetation Index, NDVI)、DEM、坡度、坡向、经纬度)之间的回归模型,模拟重建1982,1997年青藏高原地区历史降水数据,同样运用地面实测数据对重建结果进行进一步校准；最后,运用计算得到的高时空分辨率的降水简要分析了青藏高原降水的时空变化规律。本文研究结论如下：(1) TRMM3843降水数据在青藏高原地区质量不高,与其他山区类似,存在高值高估、低值低估的现象,若想进一步使用,需要进行必要的校准。(2) 通过降尺度,不仅能够提高原始TRMM 3843降水数据的空间分辨率,同时还能一定程度地提高数据精度,降尺度过程提高了所有年份降水数据的R2,其中最大的可达0.82,同时减小了RMSE和MAE的值,此效果在相对湿润的年份更为明显。运用地面实测降水数据对降尺度结果进一步校准,对于相对干旱的年份来讲,校准之后平均R2从未校准的0.71提高到0.79；对于相对湿润的年份来讲,经过校准之后平均R2从未校准的0.56提高到了0.72。因此,通过本文的方法,能够得到可靠的青藏高原地区1公里分辨率的降水数据。(3) 通过重建,能够得到精度较高的10公里青藏高原降水数据,1982年效果不是很好,其他年份效果均较好,重建数据与地面实测数据对比,R2普遍在0.5左右,RMSE和MAE也在合理范围内。对重建结果进一步校准,R2提高到0.6以上,有的甚至可大0.8以上。因此,通过本文的方法,能够得到精度较高的1982年以来青藏高原地区10公里分辨率降水数据。(4) 对青藏高原降水时空变化进行简要的分析,结果显示,青藏高原降水从西北向东南逐级递增,呈四级阶梯分布;青藏高原属温带大陆性气候,降水主要集中在夏季,特别是7月份,降水最多；1982年以来,青藏高原地区降水量呈现增长趋势。
【图文】：

统计图,偏差量,统计图,观测数据

从图４－２中可Ｗ明显看出，偏差分布存在着明显的空间分布规律，Ｗ３３９Ｎ为界限，逡逑北地区降水量较小，ＴＲＭＭ观测降水偏差较小；南地区降水量较大，偏差也相对较大。逡逑由此可见，，ＴＲＭＭ观测降水与地面实测降水的偏差具有比较明显的时空分布规律，逡逑降水量较大的月份和地区，观测降水偏差越大，反之则相对较小。逡逑

数据对比,降水量,月平均,数据

己有的研究表明，ＥＶＩ与降水的响应关系比ＮＤＶＩ与降水的响应关系更为强烈，特别逡逑是当降水量较大的时候，该优势更为明显ＰＷ＾Ｉ。为了定量地评价ＮＤＶＩ和ＥＶＩ在降尺度模逡逑型构建中的有效性，将２００１－２０１２年每年整个青藏高原降水提取降水量大于０邋ｍｍ邋（图４－３逡逑（ａ））、降水量大于１０００邋ｍｍ邋（图４－３邋（ｂ））、降水量大于２０００邋ｍｍ邋（图４－３邋（Ｃ））这Ｓ部分，逡逑分别使用ＭＯＤ１Ｓ邋ＮＤＶＩ和ＥＶＩ参与降尺度模型构建，两种植被指数所得模型多年平均Ｒ２逡逑和ＲＭＳＥ对比结果如图４－３。逡逑图４－３中可见，对于整个青藏高原地区（降水量大于０邋ｍｍ），ＮＤＶＩ和ＥＶＩ参与构建逡逑的降尺度模型差别不大，ＮＤＶＩ参与构建的模型民２略高于ＥＶＩ参与构建的模型，而ＲＭＳＥ逡逑却略高于ＥＶＩ参与构建的模型；当降水量大于１０００邋ｍｍ，邋ＥＶＩ参与构建的模型优势开始凸逡逑显，艮２超过ＮＤＶＩ参与构建的模型，ＲＭＳＥ依然相对较低；当降水量大于２０００邋ｍｍ，邋ＥＶＩ逡逑参与构建的模型优势更为显著，民２明显高于ＮＤＶＩ参与构建的模型。逡逑因此
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P412.2

【参考文献】