[发明专利]基于M5‑LocalR的TRMM卫星降雨数据降尺度方法

摘要

本发明公开了一种基于M5‑LocalR的TRMM卫星降雨数据降尺度方法。本发明采用M5‑LocalR回归的思想，充分利用多个空间分辨率高的环境胁迫因子来提高该产品的空间分辨率。首先，把1km的环境变量因子如植被指数、数字高程模型、白天地表温、晚上地表温、地形湿度指数、坡度、坡向、坡长坡度8个数据进行聚合计算到25km，作为自变量，对应的25km分辨率的TRMM数据作为因变量，采用M5‑LocalR方法建模，并预测出1km空间分辨率回归建模方程的截距和各环境因子变量对应的斜率参数，通过计算得到1kmTRMM降雨值。通过基于M5‑LocalR模型的降尺度结果要明显优于基于常规回归模型的降尺度结果。

主权项

一种基于M5‑LocalR的TRMM卫星降雨数据降尺度方法，其特征在于，包括以下步骤：步骤1)数据获取：获取待测区域的TRMM气象卫星遥感影像数据、MODIS卫星遥感影像数据以及ASTER GDEM卫星遥感影像数据，同时收集该待测区域内地面观测站点的日降雨量观测值；其中MODIS卫星遥感影像数据包括MOD11A2数据产品和MOD13A2数据产品；步骤2)数据预处理：将步骤1)获取的TRMM气象卫星遥感影像数据的时间分辨率处理为月；将ASTER GDEM卫星遥感影像数据进行聚合计算分别得到空间分辨率为1km和25km的DEM数据；从MOD11A2数据产品中提取白天地表温度和晚上地表温度参量，并通过聚合计算分别得到空间分辨率为1km和25km的白天地表温度数据以及空间分辨率为1km和25km的晚上地表温度数据；从MOD13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通过聚合计算分别得到空间分辨率为1km和25km的植被指数数据；从ASTER GDEM卫星遥感影像数据中提取坡度、地形湿度指数、坡长坡度和坡向4个参量进行聚合计算分别得到1km和25km的坡度数据、地形湿度指数数据、坡长坡度数据和坡向数据；步骤3)进行回归建模：将步骤2)处理后的TRMM气象卫星遥感影像数据作为因变量，以空间分辨率均为25km的白天地表温度数据、晚上地表温度数据、植被指数数据、DEM数据、坡度数据、坡向数据、坡长坡度数据和地形湿度指数数据作为自变量与1km经纬度坐标点之间进行地理加权回归，从而得到空间分辨率为1km的栅格数据中每个栅格点的回归方程以及空间分辨率为25km的降雨回归残差值；所述的1km经纬度坐标点为空间分辨率为1km的栅格数据中每个栅格点的经纬度坐标；所述的地理加权回归采用M5‑LocalR回归建模，M5‑LocalR是结合M5主成分分析方法和LocalR地理加权回归方法的局部加权回归建模方法，M5‑LocalR回归建模采用的具体步骤如下：首先将步骤2)处理后的白天地表温度数据、晚上地表温度数据、植被指数数据、DEM数据、坡度数据、坡向数据、坡长坡度数据和地形湿度指数数据进行主成分分析，从而得到每个栅格点的主控因子；然以每个栅格点的主控因子为自变量，以步骤2)处理后的TRMM气象卫星遥感影像数据作为因变量进行地理加权回归；步骤4)降尺度预测：基于步骤3)所得的空间分辨率为1km的栅格数据中每个栅格点的回归方程，以空间分辨率为1km的白天地表温度数据、晚上地表温度数据、植被指数数据、DEM数据、坡度数据、坡向数据、坡长坡度数据和地形湿度指数栅格数据作为输入自变量，进行计算，得到空间分辨率为1km地面降雨量预测值数据；同时将空间分辨率为25km的降雨回归残差值进行重采样得到空间分辨率为1km的降雨回归残差值，并将其与空间分辨率为1km地面降雨量预测值数据相加，得到空间分辨率为1km的TRMM气象卫星降雨数据。