兼顾多要素空间非平稳性特征的卫星降水数据精度提升方法
发布时间：2021-08-22 07:53
卫星降水数据存在的较大时空误差制约了其更深入应用。该文引入多个降水的主要影响因子作为辅助信息,通过半参数地理加权回归（SGWR）+局部薄盘光滑样条插值（PTPS）构建模型,从月、年尺度上实现了两套卫星降水数据（GPM-IMERG和CMORPH-CPA）在四川地区的融合,并通过气象站点的实测数据对不同融合方法的结果进行了验证。研究结果表明:1)融合后降水数据的精度较高且比融合前有较大改善:年、月尺度融合结果的平均绝对误差率分别达8.12%和12.94%;融合结果的数据精度比单一卫星降水产品提升25%以上。2)该融合模型对降水数据精度的提升效果优于没有加入影响因子的同类模型,说明加入影响因子等辅助信息有助于进一步提高融合结果的精度。3)该模型的融合效果在时空上存在差异:干季月份的效果明显优于湿季月份;融合后90%地区的数据精度得到提升,少数区域融合效果不佳,可能是部分时段其中一种卫星降水数据精度较低所致。
【文章来源】：地理与地理信息科学. 2020,36(05)北大核心CSCD
【文章页数】：10 页
【部分图文】：
研究区域气象站点分布
本文采用半参数地理加权回归(SGWR)结合局部薄盘光滑样条插值法(PTPS)构建多源降水数据融合模型,实现流程(图2)为:1)选取对降水影响显著的因子,并利用主成分分析法对存在较强相关性的多个地形因子进行降维;2)分析各气象站点实测降水(目标变量)与两种卫星降水数据及各影响因子变量间的相互关系,采用逐步线性回归法筛选出自变量组合;3)以气象站点实测降水为因变量,上一步筛选得到的变量组合为自变量,采用SGWR法进行回归分析,获得回归趋势面空间数据;4)采用PTPS法对回归残差进行空间插值,得到残差空间数据;5)将回归趋势面和残差插值空间数据相加得到最终结果,实现多源降水数据的融合。该模型具有较好的开放性,在融合的过程中可根据研究区的特点引进多个有用的辅助信息,有助于进一步提升融合结果的精度。(1)影响因子选取及主成分分析。
基于各卫星降水产品获得的四川省2015-2018年年均降水量空间分布(图3,彩图见附录1)大致呈自西向东、自北向南递增的趋势[26]。其中,位于四川盆地西缘山前丘陵、中山区的雅安、乐山等地为全省降水峰值中心,素有“华西雨屏”之称。该区域西部、北部和南部的大相岭、夹金山和邛崃山等一系列山脉及东面的出口共同构成特殊的“喇叭口”地形,对水汽的聚集和大气的抬升起到重要作用,使得该区成为全省乃至我国内陆降水量最大的地区,区内各地的年降水量普遍达到1 400 mm。由此可见,四川省复杂的地形特点对区域降水分布有着显著影响[27]。以气象站实测降水值为横轴、站点所在栅格像元的卫星降水值为纵轴绘制散点图(图4),并计算各数据点到1∶1线的法向垂直距离h。h的平均值 h ˉ 越小,表明数据点分布越靠近1∶1线,该数据集的精度越高。由图4和表4可知:与融合前单一卫星降水产品相比,经SGWR1和SGWR2模型融合后的数据点集中在1∶1线两侧,离散程度明显减小, h ˉ 值显著下降。其中,SGWR1模型的降水数据精度最高:其 h ˉ 值(55.74)最小,与融合前的GPM-IMERG和CMORPH-CPA数据相比,降幅分别为40.24%和26.38%;而h最大值(hmax)的降幅也超过20%,说明该模型具有较好的“平滑”作用,融合后部分卫星降水值与实测值差异较大的异常点得以消除,可有效改善卫星降水数据的精度,准确反映区域降水空间分布。指标MAPE用于反映卫星降水数据与站点实测数据间的总体偏差水平,4种降水数据基于该指标的年均值排序为GPM-IMERG>CMORPH-CPA>SGWR2>SGWR1,SGWR1模型的MAPE值(8.12%)最小,表明使用该模型融合后的年降水数据具有较高的精度,在总体上与实测结果的偏差可控制在10%以内。
【参考文献】：
期刊论文
[1]四川地形扰动对降水分布影响[J]. 王成鑫,高守亭,冉令坤,陈悦丽. 应用气象学报. 2019(05)
[2]基于水量平衡的青藏高原东南部卫星降水产品质量评估与校正[J]. 张秀红,张文江,蒋蕙如. 地理与地理信息科学. 2018(06)
[3]新疆天山山区TRMM卫星降水数据的复合校正方法[J]. 李慧,杨涛,何祺胜,任伟伟. 干旱区研究. 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最近邻模型的青藏高原CMORPH日降水数据的订正研究[J]. 王玉丹,南卓铜,陈浩,吴小波. 遥感技术与应用. 2016(03)
[6]基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 潘旸,沈艳,宇婧婧,熊安元. 气象学报. 2015(01)
[7]基于最优插值方法分析的中国区域地面观测与卫星反演逐时降水融合试验[J]. 潘旸,沈艳,宇婧婧,赵平. 气象学报. 2012(06)
[8]卫星遥感反演降水研究综述[J]. 刘元波,傅巧妮,宋平,赵晓松,豆翠翠. 地球科学进展. 2011(11)
[9]四川省近50年降水的变化特征及影响[J]. 周长艳,岑思弦,李跃清,彭国照,杨淑群,彭骏. 地理学报. 2011(05)
[10]雅安地形与降水的气候特征[J]. 彭贵康,李志友,柴复新. 高原气象. 1985(03)
本文编号：3357333
【文章来源】：地理与地理信息科学. 2020,36(05)北大核心CSCD
【文章页数】：10 页
【部分图文】：
研究区域气象站点分布
本文采用半参数地理加权回归(SGWR)结合局部薄盘光滑样条插值法(PTPS)构建多源降水数据融合模型,实现流程(图2)为:1)选取对降水影响显著的因子,并利用主成分分析法对存在较强相关性的多个地形因子进行降维;2)分析各气象站点实测降水(目标变量)与两种卫星降水数据及各影响因子变量间的相互关系,采用逐步线性回归法筛选出自变量组合;3)以气象站点实测降水为因变量,上一步筛选得到的变量组合为自变量,采用SGWR法进行回归分析,获得回归趋势面空间数据;4)采用PTPS法对回归残差进行空间插值,得到残差空间数据;5)将回归趋势面和残差插值空间数据相加得到最终结果,实现多源降水数据的融合。该模型具有较好的开放性,在融合的过程中可根据研究区的特点引进多个有用的辅助信息,有助于进一步提升融合结果的精度。(1)影响因子选取及主成分分析。
基于各卫星降水产品获得的四川省2015-2018年年均降水量空间分布(图3,彩图见附录1)大致呈自西向东、自北向南递增的趋势[26]。其中,位于四川盆地西缘山前丘陵、中山区的雅安、乐山等地为全省降水峰值中心,素有“华西雨屏”之称。该区域西部、北部和南部的大相岭、夹金山和邛崃山等一系列山脉及东面的出口共同构成特殊的“喇叭口”地形,对水汽的聚集和大气的抬升起到重要作用,使得该区成为全省乃至我国内陆降水量最大的地区,区内各地的年降水量普遍达到1 400 mm。由此可见,四川省复杂的地形特点对区域降水分布有着显著影响[27]。以气象站实测降水值为横轴、站点所在栅格像元的卫星降水值为纵轴绘制散点图(图4),并计算各数据点到1∶1线的法向垂直距离h。h的平均值 h ˉ 越小,表明数据点分布越靠近1∶1线,该数据集的精度越高。由图4和表4可知:与融合前单一卫星降水产品相比,经SGWR1和SGWR2模型融合后的数据点集中在1∶1线两侧,离散程度明显减小, h ˉ 值显著下降。其中,SGWR1模型的降水数据精度最高:其 h ˉ 值(55.74)最小,与融合前的GPM-IMERG和CMORPH-CPA数据相比,降幅分别为40.24%和26.38%;而h最大值(hmax)的降幅也超过20%,说明该模型具有较好的“平滑”作用,融合后部分卫星降水值与实测值差异较大的异常点得以消除,可有效改善卫星降水数据的精度,准确反映区域降水空间分布。指标MAPE用于反映卫星降水数据与站点实测数据间的总体偏差水平,4种降水数据基于该指标的年均值排序为GPM-IMERG>CMORPH-CPA>SGWR2>SGWR1,SGWR1模型的MAPE值(8.12%)最小,表明使用该模型融合后的年降水数据具有较高的精度,在总体上与实测结果的偏差可控制在10%以内。
【参考文献】：
期刊论文
[1]四川地形扰动对降水分布影响[J]. 王成鑫,高守亭,冉令坤,陈悦丽. 应用气象学报. 2019(05)
[2]基于水量平衡的青藏高原东南部卫星降水产品质量评估与校正[J]. 张秀红,张文江,蒋蕙如. 地理与地理信息科学. 2018(06)
[3]新疆天山山区TRMM卫星降水数据的复合校正方法[J]. 李慧,杨涛,何祺胜,任伟伟. 干旱区研究. 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最近邻模型的青藏高原CMORPH日降水数据的订正研究[J]. 王玉丹,南卓铜,陈浩,吴小波. 遥感技术与应用. 2016(03)
[6]基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 潘旸,沈艳,宇婧婧,熊安元. 气象学报. 2015(01)
[7]基于最优插值方法分析的中国区域地面观测与卫星反演逐时降水融合试验[J]. 潘旸,沈艳,宇婧婧,赵平. 气象学报. 2012(06)
[8]卫星遥感反演降水研究综述[J]. 刘元波,傅巧妮,宋平,赵晓松,豆翠翠. 地球科学进展. 2011(11)
[9]四川省近50年降水的变化特征及影响[J]. 周长艳,岑思弦,李跃清,彭国照,杨淑群,彭骏. 地理学报. 2011(05)
[10]雅安地形与降水的气候特征[J]. 彭贵康,李志友,柴复新. 高原气象. 1985(03)
本文编号：3357333
本文链接：https://www.wllwen.com/projectlw/qxxlw/3357333.html
