基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的] 对不同时间尺度的热带测雨卫星（TRMM）数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法] 主要借助增强型植被指数（EVI）和归一化植被指数（NDVI）分别运用地理加权回归（GWR）模型实现2001—2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析（GDA）和地理比率分析（GRA）对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果] ① TRMM数据和气象站数据的决定系数（R²）在年（0.630）、季（0.710～0.865）和月（0.637～0.875）尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMM_EVI数据精度优于TRMM_NDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMM_EVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论] 在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。     

基于MGWR的渭河流域TRMM降水产品空间降尺度分析

高分辨率降水数据有助于刻画降水的时空分异特性,对流域水文、气象和生态等过程的精准模拟具有重要作用,因此对低分辨率降水产品开展空间降尺度,提高其分辨率十分必要。鉴于此,本文在充分考虑热带降雨测量卫星（Tropical Rainfall Measuring Mission,TRMM）降水产品在渭河流域适用性的基础上,引入归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）、数字高程模型（Digital Elevation Model,DEM）、坡度、坡向和经纬度等地理环境因子,构建了多尺度地理加权回归（Multi-scale Geographically Weighted Regression,MGWR）模型用以分析不同因子对渭河流域降水空间格局影响的尺度差异;进一步提出了一种针对TRMM降水产品的空间降尺度方法,并透过精度评价验证了降尺度结果的可靠性。结果表明：1）TRMM降水产品数据相较于站点实测数据存在一定精度误差,年尺度上R2=0.807,BIAS=2.909%,RMSE=83.477 mm,表现较好;季尺度上秋季R2最高,为0.847,夏季RMSE最大,为62.393 mm,四季的BIAS均较低;月尺度R2为0.456～0.815,BIAS介于±0%～8%之间,多数月份为正值,RMSE值域范围为3.019～37.841 mm,精度较好;总体而言,TRMM降水产品数据在年、季和月尺度上均表现出良好的整体适用性。2）不同因子在干湿年份对降水空间分异格局的影响呈现出不同的尺度特征,其中湿润年的DEM、NDVI、坡向和经纬度对降水呈现局部影响,坡度影响具有全局性,而干旱年各因子均表现为局部影响。3）流域和站点尺度上,降尺度TRMM数据相较于降尺度前产品数据精度得到一定改善,其中流域尺度上,R2整体提升3%,RMSE降低1mm;站点尺度上,各站点统计指标变化各异,但降尺度后统计指标整体优于降尺度前,并且由于时间尺度上的误差累积,站点年尺度数据精度相比月尺度数据稍差（R2由0.8～0.91变为0.4～0.95,RMSE从11～17变为32～150）。4）降尺度TRMM数据相比于降尺度前产品数据,空间分布更细腻,细节特征表现更好,且在年、月时间尺度上均具有较高的精度,可为渭河流域资料短缺地区的水文设计提供数据支撑。     

新疆天山山区TRMM卫星降水数据的精度检验和校正方法研究

在降水资料缺乏的天山山区,基于重建时间序列后的NDVI和DEM数据,采用CART算法对TRMM3B43月降水数据进行校正。利用研究区25个站点实测降水量对校正前的TRMM降水数据和校正后的TRMM降水数据分别进行精度检验。结果表明:校正前TRMM月降水与站点实测降水有很好的一致性,存在显著的线性相关关系,但误差较大;TRMM降水与实测降水的决定系数(R2)随时间尺度的增大而减小,相对误差(δ)和均方根误差(RMSE)则随之增大,说明TRMM遥感数据的精度随时间尺度的增加而减小;校正后TRMM降水精度得到了显著地提高,与实测降水在月、季、年尺度上的R2分别为:0.97,0.87,0.83,相比校正前R~2提高了10%以上,误差也有明显的减小。这说明在天山山区,使用CART对TRMM降水数据进行校正的方法可行。     

基于TRMM 3B43数据的川西高原月降水量空间降尺度模拟

利用2001-2013年TRMM 3B43、MODIS-NDVI、DEM、气象观测等数据,在分析植被对降水响应滞后性的基础上,构建了TRMM 3B43数据中月降水量与经纬度、海拔、坡向和NDVI因子间的多元线性回归方程式,作为川西高原月降水量资料的降尺度计算模型,采用“回归方程+残差”的插值方法获取研究区2001-2013年1km空间分辨率的月降水量空间数据,并利用区内16个气象站点的观测数据与模拟结果进行了相关分析和误差检验。结果表明：（1）各气象观测站点基于TRMM 3B43资料的降尺度模拟降水量的数据均具有很高的精度,其中,精度最高的稻城站模拟结果与站点观测值的相关系数高达0.9839,精度最低的小金站相关系数亦高达0.8781;（2）在月、年尺度上,降尺度模拟降水量的数据亦具有很高的精度,其中,5-10月的精度明显高于其它月份,湿润年份精度总体高于干旱年份;（3）降尺度模拟降水量与站点实测降水量整体上相关系数为0.9499,偏差为0.0866,两者吻合度较高,但降尺度模拟降水量值略偏高;（4）降尺度在月尺度上能基本保证TRMM 3B43原始数据的精度,而在年尺度上能有效提高原始数据的精度,加之对空间分辨率的提高,可为获得更加全面、精细的降水分布数据提供有效方法。     

基于GWR模型降尺度模拟蒙古高原地区TRMM降水数据

以多年月平均NDVI值高于0.1为阈值,对蒙古高原进行“植被区”与“非植被区”的子区域划分。在分析“植被区”植被对降水响应时滞性和“非植被区”陆地表面温度不同数据值与降水量相关性的基础上,子区域分别构建了TRMM3B43降水数据与海拔、坡度、坡向数据、归一化植被指数（NDVI）/陆地表面温度（LST）数据的地理加权回归（GWR）模型,得到区内2006-2015年每年5-10月1km空间分辨率的月降水量降尺度模拟数据,并利用区内141个气象站点数据对降尺度模拟数据进行精度验证。结果表明：（1）蒙古高原“植被区”植被对降水响应存在时滞性,约为一个月;“非植被区”多数月份白天与夜晚陆地表面温度差（LST＿D＿N）与降水量的相关性最显著。（2）降尺度模拟数据与气象站点数据具有较好的一致性,月尺度相关系数为0.83,各站点相关系数介于0.42～0.98。（3）在生长季、月平均尺度上,降尺度模拟数据具有较高精度,其中9月和10月数据精度优于TRMM 3B43数据。降尺度模拟数据整体精度较高,加之对原始数据在50°N以上未覆盖地区的填补以及空间分辨率的提高,可为区内水循环变化、农牧业生产、干旱监测等...     

GPM与TRMM降水数据在海河流域的精度对比研究

[目的]对GPM与TRMM降水产品在海河流域的测量精度进行对比研究,以评估TRMM及GPM数据在海河流域的适用性。[方法]以海河流域为研究区,利用35个气象站点2014年4—10月的实测降水量数据在月时间尺度上对两代降水产品利用决定系数R2和相对误差BIAS进行精度评价。[结果](1)卫星降水产品与气象台站实测降水量决定系数从TRMM数据的0.758 2提升至GPM数据的0.7607,斜率K从TRMM数据的0.810 5提升至GPM的数据的0.833 5。(2)TRMM与GPM降水产品差别较小,虽两者均轻微低估了降水量,但整体上精度较高且GPM略优于TRMM。[结论]GPM IMERG降水产品在海河流域月尺度的高空间分辨率水文分析方面具有很好的应用前景。     

TRMM卫星降水数据在喀斯特山区的适用性分析——以贵州省为例

以1998—2012年研究区26个气象站点实测降水数据和同期TRMM 3B43降水数据为数据源,在GIS技术的支持下,运用相关系数(R)、相对误差(BIAS)分析和探讨月、季、年尺度和单个站点的TRMM 3B43降水数据在研究区的适用性和分布规律。分析表明:(1)TRMM 3B43降水数据和气象站点观测数据的相关性较好,在年尺度上,TRMM 3B43降水数据总体精度较高,相关系数R为0.75,但也存在个别站点误差较大,最大误差达到19.13%,总体上TRMM 3B43降水数据比站点观测数据稍微偏大;(2)季节尺度上,TRMM 3B43降水数据和站点观测数据春季的相关系数R达到0.82,要高于秋季和冬季。夏季较差,但相关系数R也达到0.79,且均通过置信度100%检验;(3)TRMM 3B43降水数据在月尺度上数据精度最高,相关系数R达到0.91;(4)数据个体精度检验上选取了19个气象站点,各个观测站点的拟合优度R2均在0.75以上,相关系数R均大于0.80,结果表明TRMM 3B43降水数据在研究区具有较好的适用性。     

基于二次多项式回归模型的黑河流域TRMM数据降尺度研究

在不同空间尺度下分别建立TRMM 3B43降水数据与数字高程模型（DEM）和归一化植被指数（NDVI）的二次多项式回归模型,将2001—2013年黑河流域TRMM降水数据的空间分辨率从0.25°提高到1 km,并利用流域内9个气象站点实测数据对降尺度结果进行了检验。结果表明:降尺度方法不仅提高了TRMM数据的空间分辨率,数据的精确程度也有所提高;与传统线性回归模型降尺度方法相比,基于二次多项式回归模型获得的降尺度结果更接近于实测值,其结果更为准确;模型建立的尺度对最终降尺度结果精确性具有较大影响,0.50°是基于DEM和NDVI对黑河流域TRMM降水数据进行降尺度的相对最优尺度。     

基于SWAT模型的TRMM降水数据径流模拟适宜性评价

以辉发河流域为研究区,采用SWAT分布式水文模型,以实测降水数据和TRMM降水产品作为模型输入,在月尺度和日尺度上构建了四种径流模拟情景,并利用SUFI_2算法分析了不同降水输入和时间尺度下模型的参数敏感性、参数不确定性和径流模拟结果。结果表明:(1)TRMM降水产品的误差会改变参数的敏感性排序,尤其是在日尺度上;(2)4种模拟情景P因子的范围为0.58~0.9,R因子的范围为0.47~1.58,模型拟合精度较好。月尺度上TRMM数据的估算误差较小,其更高的空间分辨率可使径流模拟不确定性得到明显改进,而随着时间尺度的变化,TRMM数据在日尺度上的误差增大会导致日径流模拟结果不确定性的增加;(3)在月尺度和日尺度上,采用TRMM数据降水输入模拟径流,其NS和R2系数均达到较好水平,实测降水模拟结果略优于TRMM数据。研究表明,在辉发河流域,TRMM降水产品在径流模拟方面表现出较好的适宜性,是一种较为可靠的降水数据源。     

TRMM卫星降水产品降尺度及其在湘江流域水文模拟中的应用

高时空分辨率降水数据对准确刻画区域降水时空变化特征、精准模拟区域生态和水文过程具有重要的现实意义。以湘江流域为例,在考虑地理、地形和植被等多重要素的基础上,建立了基于地理加权回归法（Geographic Weighted Regression,GWR）的热带降雨测量卫星（Tropical Rainfall Measuring Mission,TRMM）降水降尺度模型,并采用比例指数法反演得到星地融合日降水Ⅰ、Ⅱ、Ⅲ三种产品,用来驱动土壤和水评估模型（Soil and Water Assessment Tool,SWAT）,分析评估其在水文模拟中的应用潜力。结果表明：1）GWR降尺度后,在TRMM降水空间分辨率由0.25°提升至0.05°的同时,同气象站点观测月降水之间的决定系数（R2）平均提升了0.33,均方根误差（RMSE）平均降低了43.30 mm,平均相对偏差（Average Relative Error,ARE）平均降低了38.71%,表明该降尺度模型在湘江流域TRMM月降水降尺度研究中具有良好的适用性;2）与TRMM日降水量相比,星地融合日降水Ⅲ产品同气象站点观测日降水量的R2提高了0.81,RMSE降低了10.27 mm,ARE降低了0.11%,表明以气象站点观测日降水量作比例指数展布星地融合月降水是可行有效的;3）星地融合日降水Ⅲ产品在SWAT模型日、月径流模拟中的纳什效率系数最大,分别为0.79、0.93,相对误差最小,分别为0.12%、1.10%,水文模拟效果最优,可替代气象站点和TRMM卫星降水进行水文模拟。研究结果可为气象站点稀缺区域的高精度降水资料获取和高效水文模拟提供数据支撑和方法借鉴。     

复杂地形下TRMM降水数据的降尺度研究：以四川省为例

TRMM数据是目前应用最广泛的卫星降水产品,其准确性已得到广泛验证和认可。但其相对较低的空间分辨率制约和阻碍了在各领域的进一步应用。本研究以降水空间分异显著的四川省为例,在综合考虑空间位置、地形等多个影响因素及其空间非平稳性特征的基础上,采用混合地理加权回归（MGWR）与克里格插值（Kriging）相结合的方法,建立一个兼顾多因素空间非平稳性特征的降尺度模型（MGWRK）,对研究区域的TRMM年降水数据进行降尺度研究,并通过41个气象站点的实测数据对不同降尺度方法的结果进行对比验证。结果表明：（1）经过降尺度处理后,TRMM降水数据的空间分辨率从0.25°（约26km）提升至1km,数据的精细程度有了明显提升;（2）MGWRK模型综合运用了空间位置、地形等多个高分辨率的辅助信息,并进一步探究了不同影响因素对TRMM降水影响关系的空间非平稳性类型与特征。从多年平均及两个典型年份的验证结果看,MGWRK法比传统的重采样方法Bilinear法及基于OLS的全局回归克里格法具有更高的精度,降尺度结果的精度更接近TRMM原始数据;（3）构建的降尺度模型兼顾了提升空间分辨率和保持数据精确度两方面的要求,适用于四川省TRMM降水数据的降尺度研究,可为TRMM数据在小尺度的应用研究提供有效的数据支持。     

近百年全球气温变化对长江流域旱涝灾害的影响

全球气温正经历着一次以变暖为主要特征的显著变化，研究其对长江流域的影响意义重大。本文通过对历史资料（1900—2000年）的分析，了解全球气温变化背景下长江流域气温、降水量及其由此带来的旱涝灾害的变化特点。结果表明，100a来，随着全球气温的上升长江流域年平均气温也出现明显增加的趋势，近10a的增温幅度更大，增温地区以长江中下游地区为主；长江流域的降水量随气温增加而增大，随气温的降低而减少；暖期降水增加加大了洪灾发生的机率，给长江流域农业生产带来不利影响，而非暖期气温下降又会使长江流域面临干旱的威胁。研究结果可为流域内洪涝灾害的预测和预防提供参考。     

基于CMIP5模式和SDSM的赣江流域未来气候变化情景预估

赣江流域未来气候变化预估,对于了解该流域未来水资源的变化、指导流域防洪抗旱和水资源的合理开发利用具有重要意义。为预估该流域未来气候变化,利用1961—2005年赣江流域6个气象站数据、NCEP再分析数据并选择了CMIP5中CanESM2模式下3种排放情景RCP2.6,RCP4.5,RCP8.5,采用SDSM模型研究了赣江流域未来气候变化。结果表明:（1）赣江流域未来温度和降水总体均呈上升趋势。（2）在RCP2.6,RCP4.5,RCP8.5这3种排放情景下赣江流域未来最高气温分别增加1.8,2.1,2.8℃;未来最低气温分别增加1,1.2,1.9℃;未来平均气温分别增加1.5,1.6,2.3℃;3种排放情景下未来温度空间分布都是南高北低,西高东低,并在南北方向呈带状和环状分布。（3）在未来3个时期（2020s,2050s,2080s）、3种排放情景下赣江流域气温呈上升趋势,且6月份增幅最大,2月份增幅最小。（4）在未来3个时期、3种排放情景下,赣江流域未来降水均呈增加的趋势;5—10月降水量均呈现下降趋势,1—4月、11—12月降水量呈现增加趋势;3种情景下的未来降水空间分布基本呈南低北高,在南北方向呈递增趋势。对赣江流域气候要素模拟与预估表明,赣江流域未来气候变化存在降水增加及极端天气事件发生的危险,分析结果可为赣江流域气候变化的水文响应及气候变化的适应性研究提供科学依据。