一种作用于卫星降水数据的降尺度校正方法

摘要

本发明公开的一种作用于卫星降水数据的降尺度校正方法：首先，基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型；其次，基于混合地理加权回归模型、多个高分辨率变量，计算具有高分辨率的降尺度降水数据；再次，将具有高分辨率的降尺度降水数据作为背景场，计算得到高分辨率的差值分布图；最后，根据差值分布图，对具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。本发明能够得到精度较高的高分辨率的卫星降水数据，也可用于气象干旱指数的计算以及驱动水文模型，为水文模型提供高精度的输入数据。

说明书

技术领域

本发明涉及卫星测量降水数据处理技术，具体涉及一种作用于卫星降水数据的降尺度校正方法。

背景技术

降水是全球水分和能量循环中关键的气候要素。降水的发生受多种因素影响，具有很强的时空变化。气象卫星出现以前，降雨量的测量主要是通过地面雨量计来完成的。雨量计测量方法对单点而言具有较高的准确性，但不能反映较大空间尺度的降水分布。自20世纪60年代气象卫星问世以来，利用遥感方式进行高时空分辨率资料追踪分析各种尺度的天气系统和估算降水工作得到很大发展。由于覆盖面广，时间和空间上观测较为连续，可补充站点稀缺地区的降水资料信息，因此成为监测全球降水变化的重要手段。

当卫星遥感降水数据运用到区域尺度时，由于其空间分辨率较低(0.25°×0.25°)，往往无法满足流域尺度水文水资源研究的需要。空间降尺度(从0.25°降到1km)是解决上述问题的有效办法。以柴达木盆地降雨与地形、植被等其他环境因子的密切关系为基础，在四个不同的空间尺度上建立了TRMM(Tropical Rainfall Measuring Mission，热带降雨测量卫星)降雨数据与SRTM(Shuttle Radar Topography Mission，航天飞机雷达地形测绘使命)DEM(Digital Elevation Model数字高程模型)和SPOT VEGETATION(SPOT卫星植被数据)两个高分辨率遥感数据的回归关系，最终得到了柴达木盆地1km的年降雨数据。目前的研究对降尺度降水影响变量的空间异质性考虑不够，需要进一步深入。

卫星降水数据精度与多种因素相关，不同种类数据的源数据和反演算法不一，其精度与性能各异。同一数据，在不同地区的精度可能相差甚大，在不同季节的精度也常具有较大差别。此外，卫星降水数据的精度还与时空尺度具有关系。卫星降水信息受到传感器性能、云层性质、反演算法等所限，其定量误差也比较突出。在遥感降水校正研究方面，通过采用地面实测站点数据对遥感降水数据进行校正能够提高遥感降水数据的精度，但校正方法仍然缺乏对空间异质性的考虑。同时遥感卫星降尺度降水与校正一般单独来考虑，如何将两者结合起来统一考虑，构建一套完整的遥感降尺度降水校正模型还有待进一步研究。

发明内容

本发明的目的在于为了解决现有技术中卫星降水数据分辨率低下等问题的出现；提供一种作用于卫星降水数据的降尺度校正方法。

为了达到上述目的，本发明通过以下技术方案实现：

一种作用于卫星降水数据的降尺度校正方法，所述降尺度校正方法包含：

基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型；所述多个高分辨率变量分别是：年归一化差分植被指数、地表温度、高程、坡度、坡向、经度、纬度；

基于所述混合地理加权回归模型、所述多个高分辨率变量，计算具有高分辨率的降尺度降水数据；

将所述具有高分辨率的降尺度降水数据作为背景场，利用地面实测数据计算得到高分辨率的差值分布图；

根据所述差值分布图，对所述具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。

优选地，在基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型的步骤中：

将任一年份的所有所述低分辨率卫星降水数据进行累加计算得到具有年尺度的低分辨率卫星降水数据；

所述低分辨率的空间分辨率范围为10-30km；所述高分辨率的空间分辨率范围为0.5-4km；

在所述低分辨率的情况下构建的所述混合地理加权回归模型，具体如下：

P_i＝β₀+∑_kβ_k(X_i,Y_i)x_k,i+∑_lγ_lx_l,i+ε_i；

其中，P_i为所述卫星在所述低分辨率情况下的卫星降水数据，β₀为随位置变化的截距，x_k,i为随位置点(X_i,Y_i)变化的重采样后的高分辨率变量，β_k为随位置变化的系数，k为x_k,i的个数，x_l,i为不随位置点(X_i,Y_i)变化的重采样后的高分辨率变量，l为x_l,i的个数，γ_l为不随位置变化的系数，ε_i为方程残差。

优选地，采用赤池信息量准则判断多个所述高分辨率变量中随位置变化的至少一个所述高分辨率变量。

优选地，在基于所述混合地理加权回归模型、所述多个高分辨率变量，计算具有高分辨率的降尺度降水数据的步骤中：

对所述混合地理加权回归模型的每个所述随地理位置点变化的系数β_k采用最近邻插值法计算获得，所述方程残差ε_i采用样条函数插值法得到所述高分辨率的空间分布；

基于构建的所述混合地理加权回归模型、所述多个高分辨率变量及所述方程残差得到所述具有高分辨率的降尺度降水数据。

优选地，在将所述具有高分辨率的降尺度降水数据作为背景场，计算得到高分辨率的差值分布图的步骤中：

将所述具有高分辨率的降尺度降水数据与地面实测数据相减计算得到差值，对所述差值采用协同克里格插值法，并引入所述高程、所述坡度、所述坡向作为影响因素，得到所述高分辨率的差值分布图。

优选地，根据所述差值分布图，对所述具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据的步骤中：

将所述具有高分辨率的降尺度降水数据与所述差值分布图进行相加计算，得到的结果即为所述卫星降尺度降水校正数据。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

本发明公开的一种作用于卫星降水数据的降尺度校正方法：首先，基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型；其次，基于混合地理加权回归模型、多个高分辨率变量，计算具有高分辨率的降尺度降水数据；再次，将具有高分辨率的降尺度降水数据作为背景场，计算得到高分辨率的差值分布图；最后，根据差值分布图，对具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。本发明能够得到精度较高的高分辨率的卫星降水数据，也可用于气象干旱指数的计算以及驱动水文模型，为水文模型提供高精度的输入数据。

附图说明

图1为本发明一种作用于卫星降水数据的降尺度校正方法的整体结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

如图1所示，一种作用于卫星降水数据的降尺度校正方法，方法包含：

S1，基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型。多个高分辨率变量分别是：年归一化差分植被指数、地表温度、高程、坡度、坡向、经度、纬度。

本发明中，低分辨率的空间分辨率范围为10-30km；高分辨率的空间分辨率范围为0.5-4km。本实施例中，低分辨率是空间分辨率为27km；高分辨率是空间分辨率为1km。

S2，基于混合地理加权回归模型、多个高分辨率变量，计算具有高分辨率的降尺度降水数据。

S3，将具有高分辨率的降尺度降水数据作为背景场，利用地面实测数据计算得到高分辨率的差值分布图。

S4，根据差值分布图，对具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。

以上是实施例1公开的一种作用于卫星降水数据的降尺度校正方法，对空间异质性的加以考虑，主要利用混合地理加权回归法，对低分辨率的卫星降水数据结合相关的多个高分辨率变量以及地面实测数据，得到了精度较高的高分辨率的卫星降水数据。

实施例2

如图1所示，一种作用于卫星降水数据的降尺度校正方法，方法包含：

S1，基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型。多个高分辨率变量分别是：年归一化差分植被指数(Normalized Difference Vegetation Index，简称NDVI)、地表温度、高程、坡度、坡向、经度、纬度。

本实施例中，将某一年份的所有低分辨率卫星降水数据进行累加计算得到具有年尺度的低分辨率卫星降水数据。

本发明中，低分辨率的空间分辨率范围为10-30km；高分辨率的空间分辨率范围为0.5-4km。本实施例中，低分辨率是空间分辨率为27km；高分辨率是空间分辨率为1km。

在低分辨率的情况下构建的混合地理加权回归模型，具体如下：

P_i＝β₀+Σ_kβ_k(X_i,Y_i)x_k,i+∑_lγ_lx_l,i+ε_i；

其中，P_i为卫星在低分辨率情况下的卫星降水数据，β₀为随位置变化的截距，x_k,i为随位置点(X_i,Y_i)变化的重采样后的高分辨率变量，β_k为随位置点变化的系数，k为x_k,i的个数，x_l,i为不随位置(X_i,Y_i)变化的重采样后的高分辨率变量，l为x_l,i的个数，γ_l为不随位置变化的系数，ε_i为方程残差。

本步骤中，采用改正后的赤池信息量准则(Akaike信息量准则)判断多个高分辨率变量中随地理位置变化的至少一个高分辨率变量。

S2，基于混合地理加权回归模型、多个高分辨率变量，计算具有高分辨率的降尺度降水数据。在步骤S2中：

对混合地理加权回归模型的每个随地理位置点变化的系数β_k采用最近邻插值法计算获得，方程残差ε_i采用样条函数插值法得到高分辨率的空间分布。

基于构建的混合地理加权回归模型、多个高分辨率变量及方程残差得到具有高分辨率的降尺度降水数据。

S3，将具有高分辨率的降尺度降水数据作为背景场，计算得到高分辨率的差值分布图。

将具有高分辨率的降尺度降水数据与相应的地面实测数据相减计算得到差值，对差值采用协同克里格插值法，并引入高程、坡度、坡向作为影响因素，得到高分辨率的差值分布图。

S4，根据差值分布图，对具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。

将具有高分辨率的降尺度降水数据与差值分布图进行相加计算，得到的结果即为卫星降尺度降水校正数据。

综上，本实施例公开的一种作用于卫星降水数据的降尺度校正方法，首先，基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型；其次，基于混合地理加权回归模型、多个高分辨率变量，计算具有高分辨率的降尺度降水数据；再次，将具有高分辨率的降尺度降水数据作为背景场，计算得到高分辨率的差值分布图；最后，根据差值分布图，对具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。本方法综合利用混合地理加权回归法、协同克里格插值法，对低分辨的卫星降水数据结合相关的高分辨率变量及相应的地面实测数据，得到了精度较高的高分辨率的卫星降水数据。

本发明还能够用于气象干旱指数的计算以及驱动水文模型，为水文模型提供高精度的输入数据。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。