基于深度前馈神经网络的TRMM降水产品降尺度研究
发布时间：2021-07-19 14:30
降水的季节性时空分布研究对东北地区的生态保护和农业生产具有重要意义。为获取高时空分辨率的降水分布,需对分辨率较低的TRMM产品做降尺度处理。因此,本文基于植被指数、地形因子与降水的相关性,采用深度学习、多元线性回归和随机森林三种算法构建模型,将2009—2018年10a平均1、4、7、10月TRMM 3B43产品降尺度至0.01°（约1km）,并填补TRMM未覆盖的50°N以上地区,获取东北地区季节性降水时空分布。最后本文使用站点实测数据进行精度校正,并研究降尺度模型预测降水在全国范围内的精度与适用性。研究主要结论如下:（1）深度学习降尺度模型预测降水相对实测降水的拟合度和精度要优于多元线性回归和随机森林,可有效获得东北地区各季节较高空间分辨率与精度的降水分布,模型整体拟合度和精度表现较好（R2=0.814～0.933,RMSE=2.389mm～16.98mm,MRE=10.16%～77.22%）。校正后全局降水精度进一步提升（R2=0.853～0.956,RMSE=0.931mm～16.20mm,MRE=7.782%～31.91%）,其中,...
【文章来源】：南京信息工程大学江苏省
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
技术流程图
第二章数据收集与预处理9第二章数据收集与预处理2.1研究区概况研究区位于中国东北地区，经度范围111°09′～135°05′E，纬度范围38°43′～53°33′N。行政边界包括黑龙江盛吉林盛辽宁省和内蒙古自治区东五盟（锡林郭勒盟、兴安盟、呼伦贝尔市、赤峰市、通辽市），不包括辽宁周边岛屿，总面积约145万平方千米。地理位置及海拔分布见图2.1。±海拔/mm高:2590低:-174东北地区0300600150km图2.1研究区地理位置及海拔地理位置上，黑龙江省是我国最北部和纬度最高的省份，吉林省位于我国东北地区中部，辽宁省位于东北地区南部，内蒙古自治区东五盟位于东北地区西部。地形方面，东北地区整体地势起伏较大，海拔高度整体自西向东降低。黑龙江省地势特征为西北部和南部地势高，东北部和西南部低，主要地貌由山地、台地和平原构成；吉林省地势由东南向西北倾斜，东部主要地貌为山地，中西部主要地貌为冲击平原；辽宁省地势自东、西两侧向中部地区倾斜，主要地貌为山地、平地和丘陵；内蒙古自治区东五盟整体地势较高，平均海拔高度1000米左右，主要地貌为高原和山地。气候方面，研究区整体呈现四季分明、冬长夏短的特点，黑龙江盛吉林省和内蒙古东五盟属于温带大陆性季风气候，其中大兴安岭北段地区属于寒温带大陆性季风气候，辽宁省地处欧亚大陆东岸，属于温带季风气候。研究区降水主要集中在夏季，其中辽宁省降水最多，内蒙古自治区降水最少。
第二章数据收集与预处理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月图2.2研究区各月份TRMM降水分布图本文选取时间范围为2009—2018共10年1、4、7、10月份的TRMM3B43_V7数据，原始数据文件为HDF格式，基于IDL程序和ENVI软件对原始数据进行批量读娶旋转、裁切和定义投影，得到TIF格式的各年月数据。原始数据单位是mm/hr，针对不同月份的天数对进行单位转换，得到单位为mm/monthly的月降水，再对所有年份的同月份求平均，得到10a平均月降水数据。预处理后的1、4、7、10月平均数据如图2.2所示。2.2.2MODIS产品MOD13A3NDVI数据。获取于NASA官方网站（http://www.nasa.gov/），产品由搭载于TERRA卫星上的中分辨率成像光谱仪MODIS（Moderate-resolutionImagingSpectroradiometer）传感器获取，是由美国宇航局研制的大型空间遥感仪器，目的是研究全球气候的变化以及人类活动对气候的影响。MOD13A3数据是陆地标准3级正弦曲线投影网格产品，用于全球植被状况的监测和显示土地覆盖和土地覆盖变化。数据内容为栅格格式的归一化植被指数和增强植被指数（NDVI/EVI），在月尺度产品的加工过程中，通过算法吸收全部16天覆盖全月的1km产品，同时使用新的合成算法，减小观测角度带来的影响；在生成植被指数格点数据时应用分子散射、臭氧吸收、气溶胶订正算法，用BRDF模式将观测量订正到天顶角，因此产品精度得以保障[57]。
【参考文献】：
期刊论文
[1]2019年广东后汛期主客观预报检验评估[J]. 张华龙,涂静,黄晓莹. 广东气象. 2019(06)
[2]1949—2017年东北地区旱灾时空规律分析[J]. 李蓉,辛景峰,杨永民. 水利水电技术. 2019(S2)
[3]中国西北地区东部盛夏降水特征及对初春地表感热异常的响应[J]. 王蕊,王慧,李栋梁. 高原气象. 2019(06)
[4]西南地区旱涝演变与ENSO事件的关系[J]. 刘琳,徐宗学,杨晓静. 资源科学. 2019(11)
[5]基于深度学习的卫星图像识别分类方法[J]. 方浩文,施华君. 计算机系统应用. 2019(10)
[6]1998-2017年滇黔桂岩溶区降水时空动态特征[J]. 靖娟利,罗福林,王永锋,王安娜. 水土保持研究. 2019(05)
[7]基于气象因子及机器学习回归算法的夏季空调负荷预测[J]. 田心如,蔡凝昊,张志薇. 气象科学. 2019(04)
[8]西北各省季节降水变化及其贡献的差异分析[J]. 孙悦,高继卿,杨晓光. 中国农业气象. 2019(08)
[9]我国东北地区自然植被保护现状及保护优先区分析[J]. 蒲真,张芳玲,古元阳,梁晓玉,邢韶华. 生态学杂志. 2019(09)
[10]基于华北地区气象指数SPI干旱时空分析[J]. 王江涛. 水土保持研究. 2019(04)
硕士论文
[1]基于TRMM 3B43青藏高原区域性高时空分辨率降水探究[D]. 宋蕾.南京信息工程大学 2015
[2]华中地区夏季极端日降水事件的降水特征及环流异常分析[D]. 柯丹.南京信息工程大学 2014
本文编号：3290868
【文章来源】：南京信息工程大学江苏省
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
技术流程图
第二章数据收集与预处理9第二章数据收集与预处理2.1研究区概况研究区位于中国东北地区，经度范围111°09′～135°05′E，纬度范围38°43′～53°33′N。行政边界包括黑龙江盛吉林盛辽宁省和内蒙古自治区东五盟（锡林郭勒盟、兴安盟、呼伦贝尔市、赤峰市、通辽市），不包括辽宁周边岛屿，总面积约145万平方千米。地理位置及海拔分布见图2.1。±海拔/mm高:2590低:-174东北地区0300600150km图2.1研究区地理位置及海拔地理位置上，黑龙江省是我国最北部和纬度最高的省份，吉林省位于我国东北地区中部，辽宁省位于东北地区南部，内蒙古自治区东五盟位于东北地区西部。地形方面，东北地区整体地势起伏较大，海拔高度整体自西向东降低。黑龙江省地势特征为西北部和南部地势高，东北部和西南部低，主要地貌由山地、台地和平原构成；吉林省地势由东南向西北倾斜，东部主要地貌为山地，中西部主要地貌为冲击平原；辽宁省地势自东、西两侧向中部地区倾斜，主要地貌为山地、平地和丘陵；内蒙古自治区东五盟整体地势较高，平均海拔高度1000米左右，主要地貌为高原和山地。气候方面，研究区整体呈现四季分明、冬长夏短的特点，黑龙江盛吉林省和内蒙古东五盟属于温带大陆性季风气候，其中大兴安岭北段地区属于寒温带大陆性季风气候，辽宁省地处欧亚大陆东岸，属于温带季风气候。研究区降水主要集中在夏季，其中辽宁省降水最多，内蒙古自治区降水最少。
第二章数据收集与预处理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月图2.2研究区各月份TRMM降水分布图本文选取时间范围为2009—2018共10年1、4、7、10月份的TRMM3B43_V7数据，原始数据文件为HDF格式，基于IDL程序和ENVI软件对原始数据进行批量读娶旋转、裁切和定义投影，得到TIF格式的各年月数据。原始数据单位是mm/hr，针对不同月份的天数对进行单位转换，得到单位为mm/monthly的月降水，再对所有年份的同月份求平均，得到10a平均月降水数据。预处理后的1、4、7、10月平均数据如图2.2所示。2.2.2MODIS产品MOD13A3NDVI数据。获取于NASA官方网站（http://www.nasa.gov/），产品由搭载于TERRA卫星上的中分辨率成像光谱仪MODIS（Moderate-resolutionImagingSpectroradiometer）传感器获取，是由美国宇航局研制的大型空间遥感仪器，目的是研究全球气候的变化以及人类活动对气候的影响。MOD13A3数据是陆地标准3级正弦曲线投影网格产品，用于全球植被状况的监测和显示土地覆盖和土地覆盖变化。数据内容为栅格格式的归一化植被指数和增强植被指数（NDVI/EVI），在月尺度产品的加工过程中，通过算法吸收全部16天覆盖全月的1km产品，同时使用新的合成算法，减小观测角度带来的影响；在生成植被指数格点数据时应用分子散射、臭氧吸收、气溶胶订正算法，用BRDF模式将观测量订正到天顶角，因此产品精度得以保障[57]。
【参考文献】：
期刊论文
[1]2019年广东后汛期主客观预报检验评估[J]. 张华龙,涂静,黄晓莹. 广东气象. 2019(06)
[2]1949—2017年东北地区旱灾时空规律分析[J]. 李蓉,辛景峰,杨永民. 水利水电技术. 2019(S2)
[3]中国西北地区东部盛夏降水特征及对初春地表感热异常的响应[J]. 王蕊,王慧,李栋梁. 高原气象. 2019(06)
[4]西南地区旱涝演变与ENSO事件的关系[J]. 刘琳,徐宗学,杨晓静. 资源科学. 2019(11)
[5]基于深度学习的卫星图像识别分类方法[J]. 方浩文,施华君. 计算机系统应用. 2019(10)
[6]1998-2017年滇黔桂岩溶区降水时空动态特征[J]. 靖娟利,罗福林,王永锋,王安娜. 水土保持研究. 2019(05)
[7]基于气象因子及机器学习回归算法的夏季空调负荷预测[J]. 田心如,蔡凝昊,张志薇. 气象科学. 2019(04)
[8]西北各省季节降水变化及其贡献的差异分析[J]. 孙悦,高继卿,杨晓光. 中国农业气象. 2019(08)
[9]我国东北地区自然植被保护现状及保护优先区分析[J]. 蒲真,张芳玲,古元阳,梁晓玉,邢韶华. 生态学杂志. 2019(09)
[10]基于华北地区气象指数SPI干旱时空分析[J]. 王江涛. 水土保持研究. 2019(04)
硕士论文
[1]基于TRMM 3B43青藏高原区域性高时空分辨率降水探究[D]. 宋蕾.南京信息工程大学 2015
[2]华中地区夏季极端日降水事件的降水特征及环流异常分析[D]. 柯丹.南京信息工程大学 2014
本文编号：3290868
本文链接：https://www.wllwen.com/projectlw/qxxlw/3290868.html
