TRMM降水数据在省级尺度的应用研究——以辽宁省为例

利用1998年1月~2010年12月空间连续分布的TRMM卫星3B43月降水量资料,借助气候倾向率指数和GIS空间分析技术,以辽宁省为例,对TRMM数据在省级尺度的适用性进行验证,并对辽宁省近13年来降水时空分布及其变化特征进行定量化分析。结果表明,TRMM降水数据与观测数据之间的线性相关性很高,数据具有较高的精度;辽宁省年降水量主要为425~1 082 mm,且总体上表现为由全区东南向西北依次递减的趋势;年内降水主要集中在5~9月,该时期的降水量占全年降水总量的70%以上,其中,7月份的降水量最大,为全年降水量的20%,而2月份最小,不足全年降水量的2%,季节性变化明显;近13年间,辽宁省平均年降水量总体上呈增加趋势,但在夏季降水量呈现减少的趋势,其中辽西区和辽中区尤为明显,说明近13年来这些地区春夏连旱的现象比较严重。     

TRMM在海河流域南系的降水估算精度评价及其对SWAT模型的适用性

准确估算区域降水对水文过程评价和水资源管理意义重大。为评估TRMM 3B42V7降水产品在海河流域南系的估算精度及其在土壤和水评估模型(Soil and Water Assessment Tool,SWAT)中的适用性,利用28个气象站降水观测数据(2007-2016年)和101个雨量站观测数据(2010-2016年)开展研究。研究表明:站点尺度上,3B42V7降水产品对月降水估算的均方根误差小于15 mm,平均误差小于8.5 mm;在湿润季节的估算精度更好。流域尺度上,日降水估算精度较差,相关系数小于0.6。分区尺度上,3B42V7能够很好地捕捉到不同等级降水强度,但对微量降雨有所低估;山区和平原的年降水量均出现高估现象,平原区较为突出;此外,3B42V7能够较好地捕捉到研究区内极端降水的时间和空间分布。分2种情景进行水文模拟,利用月平均流量对模型进行校准和验证,在情景Ⅰ中,验证期模拟结果较好,决定系数在0.56~0.96之间,纳什效率系数在-11.09~0.94之间。TRMM 3B42V7可为海河流域及其类似区域的水资源管理提供参考。     

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。     

1998-2017年滇黔桂岩溶区降水时空动态特征

为了研究滇黔桂岩溶区近20 a降水时空变化特征,基于1998—2017年TRMM 3B43降水数据和72个气象站点实测数据,运用相关系数、相对偏差对TRMM 3B43降水数据在月尺度上进行了验证,并借助Sen-Median趋势分析、Mann-Kendall检验以及Hurst指数等数理统计方法对研究区降水时空动态特征进行了定量分析。结果表明:（1）TRMM 3B43降水数据与气象站点实测数据具有较高的相关性,月尺度相关系数为0.92（p<0.01）;（2）1998—2017年研究区降水量呈不显著波动上升趋势,上升速率为0.716 mm/a（p>0.05）;春、夏两季降水量以减少趋势为主,秋、冬两季降水量以增加趋势占主导;（3）降水量年、季节均值空间分布差异显著,年降水量呈增加趋势的区域（47.71%）略高于呈减少趋势的区域（41.71%）;春、夏两季降水量以减少趋势为主,秋、冬两季以增加趋势为主;（4）年降水量持续增加的区域占38.45%,集中分布在广西、贵州东南部、云南与贵州北部接壤地带;持续减少的区域占46.21%,主要分布在云南和贵州大部分地区。研究结果对研究区水资源管理、灾害监测具有重要意义。     

TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上，基于地理加权回归模型（GWR），结合归一化植被指数（NDVI）、增强型植被指数（EVI）、高程、坡度、坡向数据，选取不同组合对19a内TRMM降水量数据进行降尺度，并对优选的降尺度数据分别进行GDA、GRA校正，最后在年、季、月尺度下进行精度评价与结果分析。结果表明：（1）降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时，空间分辨率由0.25°提高至1km，且TRMMNDVI数据精度优于TRMMEVI数据。（2）GDA校正结果优于GRA校正结果，且数据稳定性更好，更适于长江流域TRMM数据校正。（3）数据与站点实测数据R²在年（0.91～0.986）、季（0.704～0.88）、月（0.625～0.89）尺度上均有较高精度，细节特征较TRMM数据表现更好。（4）降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息，为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。     

TRMM卫星降水数据在区域干旱监测中的适用性分析

为了评估高时空分辨率的卫星遥感降水产品在干旱监测中的适用性,该文基于热带降雨卫星(tropical rainfall measurement mission,TRMM)产品和气象站点的观测数据,利用标准化降水指数(standardized precipitation index,SPI)分别计算了2种数据源的不同时间尺度(1、3、6和12个月)的河南省1998-2016年干旱事件发生的年际和空间变化。结果表明:TRMM 3B43月尺度降水数据与气象站点的观测数据具有显著的相关性,相关系数均高于0.9,除少数情况下,TRMM 3B43对降水存在略微高估现象;两种数据源计算的各时间尺度(1、3、6和12个月)存在着很高的一致性,波动幅度随着时间尺度的增大而减小;1998年以来河南省春季发生干旱事件的年份是2000、2001年,夏季发生干旱事件的年份是1999、2014年,秋季发生干旱事件的年份1998、2001、2007年,冬季发生干旱事件的年份1999、2012年,另外,基于SPI-12得出发生干旱的年份是1999、2001、2012和2013年;根据站点的不同时间尺度的两种数据源的SPI时间序列进行相关性分析,其相关系数都高于0.7,两者间的一致性很高,说明TRMM数据能够替代站点观测数据进行干旱的监测与评估。     

基于TRMM降水数据的云南干旱分析

根据2008~2012年TRMM3B43降水数据,通过计算TRMM降水距平和累积降水距平,分析云南省不同时间尺度下干旱的时空分布特征。结果表明,云南省干旱受降水影响显著,干旱主要发生在1、2、11和12月,其中特旱主要出现在11和12月,重旱主要出现在11、2、12和1月,中旱主要发生在12和2月,轻旱主要发生在2月,而在干旱频发月份中,干旱主要出现在滇中和滇西南地区;从云南省干旱累计来看,干旱主要出现在10月~次年1月,且主要出现在滇中地区;TRMM数据可用于中长期的旱情监测与评估,相对站点实测数据更适合于大尺度空间上宏观性的干旱监测。     

TRMM降雨数据在湖南省长株潭地区的适用性

[目的]基于现有实测降雨数据和TRMM降雨数据,探讨利用TRMM数据估测实际降雨的方法。[方法]利用湖南省长株潭地区12个气象站点观测的降雨数据和TRMM降雨数据,采用相关系数法、误差分析、相对偏差分析等方法,分析长株潭地区2002—2011年TRMM降雨数据的精度。[结果]长株潭地区的TRMM数据和站点数据的拟合程度较好,年降雨量的拟合优度为0.69,春、夏、秋、冬4季降雨量的拟合优度依次为0.68,0.52,0.66,0.34,月降雨量的拟合优度达0.73,各站点月降雨量的拟合优度更好。相对偏差分析与误差分析结果表明TRMM降雨数据普遍低于实测降雨数据,这种偏差主要是因为单个观测站点实际代表面积远小于TRMM单个栅格的代表面积,而相对偏差均为负值则可能是城市的降雨量和雨强大于农村所致。此外偏差和地形起伏存在一定的联系,地形起伏越大的地区偏差越大。[结论]TRMM降雨数据在长株潭地区有一定的适用性,但在使用时需要用观测数据进行必要的修正,TRMM数据也可作为历史降雨观测数据分析的一个参考以提高其空间精度。     

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...     

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。