[发明专利]一种山区卫星降水数据的降尺度校正方法

摘要

本发明公开一种山区卫星降水数据的降尺度校正方法，包括：TRMM 3B42.V7卫星降水数据的读取和月降水量统计；校正变量的融合与空间尺度统一；回归降尺度模型建立；交叉验证与降尺度校正执行。本发明将山区气象台站观测降水数据融入到卫星降水数据的降尺度校正过程中，以交叉验证技术进行方法优选，充分发挥了山区有限观测数据的优势，降尺度校正后的降水量的精度及其与实测数据系列的一致性大幅提升；此外，本发明提出了多方法对比复核的降尺度校正技术，初步解决了单一降尺度校正方法的系统偏差问题，丰富了卫星降水数据降尺度校正方法体系，提升了结果的可信度。该方法在典型山区卫星降水产品的降尺度校正上适用性良好，相关成果可为系统掌握山区降水时空分布特征提供有力的支撑。

主权项

1.一种山区卫星降水数据的降尺度校正方法，其特征在于，所述降水降尺度方法包括四个部分：Ⅰ.TRMM 3B42.V7卫星遥感降水的读取和月降水量统计；Ⅱ.校正变量的融合与空间尺度统一；Ⅲ.回归降尺度模型建立；Ⅳ.交叉验证与降尺度校正执行；其具体步骤是：Ⅰ.TRMM 3B42.V7卫星遥感降水的读取和月降水量统计：步骤一：根据研究区的矢量边界，获取研究区矩形空间范围的左上、右上、左下和右下4个顶点的空间坐标Geo_[top,left]，Geo_[top,right]，Geo_{[bottom,left]}，Geo_{[bottom,right]}；步骤二：根据Geo_[top,left]，Geo_[top,right]，Geo_{[bottom,left]}，Geo_{[bottom,right]}四个顶点所确定的矩形边界，沿研究区外边界向外拓展0.5°建立缓冲区，读取缓冲区范围内的TRMM降水信息，得到研究区时间间隔3h、空间分辨率0.25°的TRMM降水数据A；步骤三：逐像元统计抽取出的卫星降水信息，得到每个像元1～12月的TRMM降水数据B；Ⅱ.校正变量的融合与空间尺度统一：步骤一：整理研究区内气象台站监测的逐日降水量，并且统计出每个站点的逐月降水量数据C；步骤二：根据地理坐标判定气象台站所在的TRMM降水网格，用气象站的实测降水量obs代替该TRMM网格上的卫星遥感降水量，将TRMM降水数据B修正为“星‑地”融合的月降水数据D；步骤三：根据研究区范围裁剪数字高程和归一化植被指数数据，得到裁剪后的DEM数据E和裁剪后的NDVI数据F；步骤四：将DEM数据E进行重采样，得到0.25°空间分辨率的DEM数据G，并且根据DEM数据G计算研究区每个像元上的坡度数据H和坡向数据J；步骤五：将裁剪后的NDVI数据F进行重采样，得到0.25°空间分辨率、逐月的NDVI数据K；步骤六：将月降水数据D、DEM数据G、坡度数据H、坡向数据J、NDVI数据K时空尺度统一后，计算0.25°空间分辨率栅格的形心点，得到每个栅格的经度数据L，纬度数据M；Ⅲ.回归降尺度模型建立：步骤一：确定回归降尺度模型的自变量和因变量，将融合得到的逐月降水数据D作为因变量，将时空尺度统一的DEM数据G，坡度数据H，坡向数据J，NDVI数据K，经度数据L，纬度数据M作为自变量；步骤二：将DEM数据E进行重采样，得到0.05°空间分辨率的DEM数据N，根据数据N计算得到0.05°空间分辨率的坡度数据O，坡向数据P；步骤三：将NDVI数据F进行重采样，得到0.05°空间分辨率的NDVI数据Q；步骤四：0.05°空间分辨率的坡度数据O、坡向数据P、NDVI数据Q的空间网格完全一致，任选一个栅格数据计算得到降尺度栅格的形心，计算得到该空间分辨率下的每个栅格的经度数据R，纬度数据S；步骤五：使用多元线性回归方法，建立逐月降水数据D和自变量间的多元回归关系MLR；步骤六：使用偏最小二乘回归方法，建立逐月降水数据D和自变量间的偏最小二乘回归关系PLSR；步骤七：使用地理加权回归方法，建立逐月降水数据D和自变量间的地理加权回归关系GWR；步骤八：将坡度数据O、坡向数据P、NDVI数据Q、经度数据R、纬度数据S带入多元回归关系MLR中，执行降尺度模型，得到降尺度校正后的逐月降水量T₁；步骤九：将坡度数据O、坡向数据P、NDVI数据Q、经度数据R、纬度数据S带入偏最小二乘回归关系PLSR中，执行降尺度模型，得到降尺度校正后的逐月降水量T₂；步骤十：将坡度数据O、坡向数据P、NDVI数据Q、经度数据R、纬度数据S带入地理加权回归关系GWR中，执行降尺度模型，得到降尺度校正后的逐月降水量T₃；Ⅳ.交叉验证与降尺度校正执行：步骤一：假设气象台站个数为Count，每次减少1个气象台站，执行Ⅱ.校正变量的融合与空间尺度统一的步骤二对TRMM降水和地面观测降水相融合，得到不包含该点的“星‑地”融合的月降水数据V；步骤二：以步骤一得到的月降水数据V为因变量，将DEM数据G，坡度数据H，坡向数据J，NDVI数据K，经度数据L，纬度数据M作为自变量，重复执行Ⅲ.回归降尺度模型建立部分的步骤五～步骤十Count次；步骤三：将计算Count次的MLR降尺度校正月降水量做算术平均，得到多元线性回归方法的降尺度校正月降水量栅格数据W₁；步骤四：将计算Count次的PLSR降尺度校正月降水量做算术平均，得到地理加权回归方法的降尺度校正月降水量栅格数据W₂；步骤五：将计算Count次的GWR降尺度校正月降水量做算术平均，得到地理加权回归方法的降尺度校正月降水量栅格数据W₃；步骤六：根据气象台站的地理坐标，匹配步骤三、步骤四和步骤五生成的降水量数据W₁、W₂、W₃和气象台站的空间位置X，提取气象台站所在栅格的降尺度校正得到的月降水量Y，计算逐月实测降水数据obs与数据Y间的决定系数R_j²、均方根误差RMSE_j和平均相对误差ARE_j；步骤七：完成多元线性回归和地理加权回归方法的交叉验证；步骤八：根据交叉验证结果，以“星‑地”融合的月降水数据D为因变量，以DEM数据G，坡度数据H，坡向数据J，NDVI数据K，经度数据L，纬度数据M为自变量，使用最优化方法对研究区月降水量进行降尺度校正，得到校正后的月降水量数据Z，并且提取最优回归关系中因变量与高程的回归系数AA；步骤九：将校正后的逐月降水量数据Z、降水量与高程的回归系数AA转换为栅格图片，得到研究区逐月校正降水量和月降水量沿高程变化的梯度栅格图；步骤十：用研究区的矢量边界批量裁剪逐月降水量和其沿高程变化的梯度栅格图，得到研究区1～12月份平均降水量，以及研究区月均降水量沿高程的梯度变化。