沈哲輝

南京林業(yè)大學(xué)土木工程學(xué)院,江蘇 南京 210037

降水在全球水循環(huán)、氣候系統(tǒng)和生態(tài)系統(tǒng)中扮演著重要的角色。雨量計(jì)和地基氣象雷達(dá)是傳統(tǒng)測量降水的方式,但雨量計(jì)和地基氣象雷達(dá)分布稀疏且不均,難以滿足全球尺度上對降水的監(jiān)測。隨著對地觀測技術(shù)及降水反演算法的發(fā)展,基于衛(wèi)星的遙感手段彌補(bǔ)了雨量計(jì)和地基氣象雷達(dá)的不足,可為全球提供空間連續(xù)和時間完整的降水估計(jì)。但相比于地面觀測,衛(wèi)星降水?dāng)?shù)據(jù)存在較大的誤差和不確定性。此外,當(dāng)前衛(wèi)星降水產(chǎn)品的空間分辨率仍過于粗糙,限制了其在局部空間和區(qū)域研究中的應(yīng)用。因此,論文圍繞提高衛(wèi)星降水產(chǎn)品的精度和空間分辨率開展研究。首先,構(gòu)建了一套完善的精度量化體系對衛(wèi)星降水?dāng)?shù)據(jù)進(jìn)行綜合的精度分析;其次,提出了一種基于自適應(yīng)滑窗累積概率密度匹配的訂正方法對實(shí)時衛(wèi)星降水?dāng)?shù)據(jù)進(jìn)行實(shí)時訂正;再次,構(gòu)建了多套星地降水融合方案以提高滯時衛(wèi)星降水?dāng)?shù)據(jù)在中國大陸的精度;然后,提出了一種基于梯度提升決策樹的年尺度衛(wèi)星降水空間降尺度方法;最后,設(shè)計(jì)了一種基于比例因子加權(quán)滑窗算法用于獲取高空間分辨率的月尺度衛(wèi)星降水?dāng)?shù)據(jù)。論文的主要研究工作及結(jié)論歸納如下。

(1) 對新老兩代衛(wèi)星降水產(chǎn)品TRMM-TMPA和GPM-IMERG的近實(shí)時和滯時降水?dāng)?shù)據(jù)在中國大陸進(jìn)行了全面分析和比較。結(jié)果顯示,IMERG近實(shí)時和滯時產(chǎn)品的表現(xiàn)總體都優(yōu)于相對應(yīng)的TMPA產(chǎn)品,但對微量降水事件探測的準(zhǔn)確性仍有進(jìn)步空間。IMERG-L中的反向傳播程序?qū)τ跍p小對降水探測事件的誤報(bào)率是有效的,但并沒提高命中率。此外,IMERG-L相比IMERG-E系統(tǒng)誤差下降了27%,但同時隨機(jī)誤差卻比IMERG-E高出了5%。研究還發(fā)現(xiàn)近實(shí)時降水產(chǎn)品經(jīng)GPCC站點(diǎn)校正后提高了與地面觀測的時空一致性,不同誤差組分都有不同程度降低,并且隨機(jī)誤差也顯著減小。然而在中國大陸,GPCC地面校正并不能有效提高TMPA和IMERG產(chǎn)品對于探測降水事件的能力,而且也不能有效降低系統(tǒng)誤差。

(2) 提出了一種基于自適應(yīng)滑窗累積概率密度匹配的實(shí)時訂正方法(cumulative distribution function based on a self-adaptive moving window,CSMW),用于對實(shí)時衛(wèi)星降水?dāng)?shù)據(jù)進(jìn)行實(shí)時訂正。該訂正算法首先計(jì)算歷史衛(wèi)星和地面數(shù)據(jù)的累積概率密度函數(shù),可利用此先驗(yàn)的累積概率密度函數(shù)間的關(guān)系去訂正實(shí)時衛(wèi)星降水?dāng)?shù)據(jù),而不再需要融合額外的同時段監(jiān)測的地面站點(diǎn)數(shù)據(jù)以提高精度。研究表明,CSMW實(shí)時訂正算法能大大降低原始TMPA-RT的系統(tǒng)性高估,且可有效降低原始TMPA-RT的均方根誤差。與傳統(tǒng)基于累積概率密度匹配CDF的訂正方法相比,論文提出的CSMW訂正算法在站點(diǎn)稀疏的干旱區(qū)和半干旱區(qū)的表現(xiàn)更佳,尤其在中國西部地區(qū)更為突出。

(3) 研究構(gòu)建了不同的星地降水融合方案,以提高滯時衛(wèi)星降水?dāng)?shù)據(jù)在中國大陸的精度。采用兩種融合框架(地理差異分析GDA和地理比例分析GRA)和兩種空間插值技術(shù)(普通克里金OK和反距離加權(quán)IDW)對中國大陸的滯時衛(wèi)星降水?dāng)?shù)據(jù)和站點(diǎn)觀測數(shù)據(jù)進(jìn)行融合,通過交叉驗(yàn)證對星地融合降水?dāng)?shù)據(jù)進(jìn)行驗(yàn)證。研究結(jié)果顯示,基于GDA的融合降水產(chǎn)品表現(xiàn)顯著優(yōu)于原始TMPA,融合降水產(chǎn)品GDA-OK又進(jìn)一步優(yōu)于GDA-IDW。GRA融合框架對漏報(bào)降水和誤報(bào)降水十分敏感,導(dǎo)致空間插值中存在巨大的不確定性。此外,GRA融合框架中的少數(shù)極端比值更容易導(dǎo)致插值過程中對原始TMPA的過校正,因此其表現(xiàn)沒有GDA穩(wěn)定。

(4) 提出了一種基于梯度提升決策樹GBDT方法的年尺度衛(wèi)星降水空間降尺度方法?；贕BDT算法建立多源陸表環(huán)境變量與衛(wèi)星降水?dāng)?shù)據(jù)的關(guān)系,在中國大陸將空間分辨率0.1°的年尺度IMERG數(shù)據(jù)在精度不損失的情況下提高到0.01°空間分辨率。因?yàn)榈拚膶傩?GBDT模型對不平衡數(shù)據(jù)極為敏感,在地形復(fù)雜地區(qū)相比隨機(jī)森林RF模型能更貼近原始衛(wèi)星降水的空間分布。研究還指出地理位置在GBDT的降尺度建模中占據(jù)很高的貢獻(xiàn)率。歸一化植被指數(shù)、地表溫度以及高程則在不同的氣候區(qū)對建模的影響差異較大,而坡度和坡向則在GBDT的建模中貢獻(xiàn)率很小。

(5) 在年尺度空間降尺度數(shù)據(jù)的基礎(chǔ)上,考慮到降水在局部空間尺度上是相對連續(xù)的,設(shè)計(jì)了一種基于比例因子加權(quán)滑窗方法(proportional factor based on weighted moving window,PFWMW),用于計(jì)算并獲得高空間分辨率的月尺度衛(wèi)星降水?dāng)?shù)據(jù)。研究結(jié)果表明,利用該方法得到的月尺度空間降尺度IMERG數(shù)據(jù)與原始IMERG數(shù)據(jù)整體在空間分布上極為相似。但月尺度的空間降尺度IMERG數(shù)據(jù)在空間上更為平滑,能除去明顯的異常點(diǎn),細(xì)節(jié)上的表達(dá)也更加豐富,并且同時保證了降水精度不受損失。