[发明专利]一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法

摘要

本发明公开了一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法。本发明首先把1km的环境变量因子包括植被指数、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 3B43 v7降水数据作为因变量。M5的方法根据地理相似性将各个环境变量组成的数据集划分到不同的向量空间，然后在不同的向量空间里分别动态的筛选最有效的环境变量，并在相应的向量空间分别建立分区的多元回归模型；该模型最终应用到1km的环境变量上，最终得到1km分辨率的降水产品。通过分区与动态因子筛选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

一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法，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 3B43 v7降水数据、MODIS卫星遥感影像数据以及ASTERGDEM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水量观测值；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 3B43 v7降水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)进行分区及环境因子动态筛选回归建模：将步骤2)处理后的25kmTRMM 3B43 v7降水数据作为因变量，以空间分辨率为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；将25km各个环境变量因子组成的数据集划分到不同的向量空间并通过计算不同环境变量因子的影响权重动态筛选出最有效的环境变量因子，然后对每个向量空间分别建立不同的多元回归模型；步骤4)降尺度预测：基于步骤3)确定1km尺度下相应的环境变量种类，然后通过25km环境变量因子组成的不同向量空间建立的多元回归模型计算得到空间分辨率为1km的降尺度降水产品；同时将空间分辨率为25km的降水回归残差值进行重采样得到空间分辨率为1km的降水回归残差值，并将其与空间分辨率为1km地面降水量预测值数据相加，得到空间分辨率为1km的TRMM 3B43 v7降水数据。