考慮地理因素和局部高程因素對(duì)西部地區(qū)降水資料降尺度影響論文設(shè)計(jì)

目錄摘要 4Abstract 51引言 62研究區(qū)概況 63數(shù)據(jù)與方法 83.1數(shù)據(jù)來(lái)源和預(yù)處理 83.1.1TRMM3B43衛(wèi)星降水?dāng)?shù)據(jù) 83.1.2NDVI數(shù)據(jù) 93.1.3DEM數(shù)據(jù) 93.1.4氣象站點(diǎn)數(shù)據(jù) 93.2方法 93.2.1基于多元線性回歸模型的統(tǒng)計(jì)降尺度方法 93.2.2基于地理加權(quán)回歸模型的降尺度方法 103.2.3精度驗(yàn)證 104結(jié)果及分析 114.1TRMM數(shù)據(jù)的有效性驗(yàn)證 114.22010-2019年年均TRMM3B43降雨量降尺度過(guò)程與結(jié)果檢驗(yàn) 124.2.1多元線性回歸模型的統(tǒng)計(jì)降尺度結(jié)果比較驗(yàn)證 124.2.2地理加權(quán)回歸模型降尺度比較驗(yàn)證 154.2.3多年年均TRMM3B43數(shù)據(jù)降尺度結(jié)果整體檢驗(yàn) 174.3基于GWR模型的典型干、濕年份TRMM3B43降水量降尺度過(guò)程及結(jié)果檢驗(yàn) 184.4TRMM3B43降雨量數(shù)據(jù)降尺度結(jié)果逐個(gè)氣象站點(diǎn)檢驗(yàn) 205結(jié)論與討論 21參考文獻(xiàn) 22致謝 25考慮地理因素和局部高程因素對(duì)西部地區(qū)降水資料的空間降尺度影響摘要：根據(jù)前人研究的基礎(chǔ)上，針對(duì)TRMM數(shù)據(jù)產(chǎn)品中的有關(guān)于分辨率相對(duì)來(lái)說(shuō)比較粗糙以及全局回歸模型中尚有的局限性等方面的問(wèn)題，論文中以中國(guó)西部地區(qū)作為研究區(qū)，根據(jù)2010-2019年TRMM3B43降雨量數(shù)據(jù)以及DEM數(shù)據(jù)資料，引出了多元線性回歸模型的統(tǒng)計(jì)降尺度方法和基于地理加權(quán)回歸模型的年降雨量降尺度模型的方法，對(duì)中國(guó)西部地區(qū)10年年均TRMM3B43數(shù)據(jù)和2011年，2015年兩個(gè)特殊年份的TRMM3B43數(shù)據(jù)采取了降尺度處理，使空間分辨率由原來(lái)的提高為；同時(shí)用年平均降水量降尺度模型和中國(guó)西部地區(qū)316個(gè)地面氣象站點(diǎn)數(shù)據(jù)，對(duì)2010-2019年的多年年均TRMM3B43數(shù)據(jù)降水量和其降尺度結(jié)果分別進(jìn)行精度驗(yàn)證，結(jié)果如下：（1）TRMM3B43降雨估計(jì)數(shù)據(jù)準(zhǔn)確度在整體上比較高的，但相比地面氣象站點(diǎn)觀測(cè)的降雨量偏大；（2）TRMM3B43降水?dāng)?shù)據(jù)經(jīng)過(guò)降尺度操作之后，數(shù)據(jù)的空間分辨率和精確度都有一定水平的提高，其中10年年均TRMM3B43降水?dāng)?shù)據(jù)降尺度結(jié)果的精確度要高于2011年(干旱年份)，而2011年的降尺度結(jié)果精確度又高于2015年(潮濕年份)；（3）就地面逐個(gè)雨量站點(diǎn)而言，研究區(qū)西部海拔較高的站點(diǎn)的降尺度結(jié)果精確度較高，而研究區(qū)東部海拔較低的站點(diǎn)的降尺度結(jié)果精確度較低。關(guān)鍵詞：TRMM降尺度降水NDVIDEM中國(guó)西部Takingintoaccountgeographicalfactorsandlocalelevationfactorsonprecipitationinthewesternregion,thespatialdownscalingofthedataAbstract：Onthebasisofthepreviousresearch,inviewoftheTRMMdataproductsontheresolutionisrelativelyroughandthelimitationsoftheglobalregressionmodel,etc.,basedontheprecipitationdataofTRMM3B43andDEMdatafrom2010to2019,thewesternregionofChinaistakenasthestudyarea,thestatisticaldownscalingmethodofthemultiplelinearregressionmodelandthemethodoftheannualprecipitationdownscalingmodelbasedonthegeographicalweightedregressionmodelareintroduced,in2015,theTRMM3B43dataoftwospecialyearsweredownscaledtoimprovethespatialresolutionfromtheoriginal,andtheannualaverageprecipitationdownscalemodeland316surfacemeteorologicalstationdatainwesternChinawereused,theresultsareasfollows:(1)theaccuracyofTRMM3B43rainfallestimationdataishigherinthewhole,buttherainfallislargerthanthatobservedbysurfaceweatherstations;(2)thespatialresolutionandaccuracyofTRMM3B43precipitationdatahavebeenimprovedafterdownscalingoperation,andtheaccuracyofthedownscalingresultsof10-yearmeanTRMM3B43precipitationdataishigherthanthatof2011droughtyear,theprecisionofthedownscalingresultsin2011ishigherthanthatin2015.(3)theprecisionofthedownscalingresultsishigheratthehigheraltitudestationsinthewestofthestudyareaasfarasthesurfaceprecipitationstationsareconcerned,theaccuracyofthedownscalingresultsislowerfortheloweraltitudestationsintheeasternpartofthestudyarea.Keywords：TRMMDownscalingPrecipitationNDVIDEMWesternChina1引言研究天氣變化的氣象因素有很多，其中降水作為一種重要的因素，其研究對(duì)于全球的天氣變化、水循環(huán)、生態(tài)環(huán)境監(jiān)測(cè)等方面的科學(xué)研究具有重要意義[1-4]。由于熱帶降雨測(cè)量衛(wèi)星(TRMM)產(chǎn)品的空間分辨率比較高和觀測(cè)范圍比較大，近些年被廣泛應(yīng)用于氣候變化方面的研究[1-4]。利用TRMM遙感降雨量數(shù)據(jù)，采用相關(guān)的降尺度方法，以獲得精確度和分辨率較高的降雨數(shù)據(jù)。而精確度和分辨率較高的TRMM降雨量數(shù)據(jù)對(duì)于天氣、水文、生態(tài)環(huán)境監(jiān)測(cè)等方面的科學(xué)研究的精確性作用重大。因此，論文在研究中針對(duì)TRMM降水?dāng)?shù)據(jù)的分辨率比較粗糙，以及回歸模型的局限性等問(wèn)題，本文以中國(guó)西部地區(qū)為研究區(qū)，綜合地面雨量站點(diǎn)數(shù)據(jù)資料和TRMM3B43年降雨量數(shù)據(jù)，進(jìn)行時(shí)空尺度的降雨量適用性驗(yàn)證，引出了多元線性回歸模型的統(tǒng)計(jì)降尺度方法和地理加權(quán)回歸模型（GWR）的降尺度方法，對(duì)中國(guó)西部地區(qū)10年年均TRMM3B43降水?dāng)?shù)據(jù)和2011年、2015年兩個(gè)特殊的干、濕年的TRMM3B43數(shù)據(jù)分別采取相關(guān)降尺度操作，將空間分辨率由原來(lái)的提高為，獲得分辨率較高的遙感降水量數(shù)據(jù)。2研究區(qū)概況中國(guó)西部地區(qū)包含12個(gè)省市及自治區(qū)，即四川省、云南省、廣西壯族自治區(qū)、貴州省、西藏自治區(qū)、新疆維吾爾自治區(qū)、重慶市、陜西省、甘肅省、青海省、寧夏回族自治區(qū)、內(nèi)蒙古自治區(qū)。其總面積約686萬(wàn)平方公里，約占全國(guó)總面積的72%；地理?xiàng)l件方面，西部地區(qū)涵蓋了青藏高原、內(nèi)蒙古高原、黃土高原的西北部。中國(guó)西部地區(qū)地貌條件比較明顯的特性就是多為高原和山地；其地理位置處于內(nèi)陸，海域潮濕氣流不便到達(dá)；氣候以溫帶大陸性氣候?yàn)橹鳎邓?；河流主要是?nèi)陸河流，水流流量??；植被稀疏，主要是一些草原和荒漠，水源多的地方會(huì)有一些樹木；地形以高原和盆地為主。 圖1研究區(qū)位置圖Fig.1Thelocationoftheresearcharea圖2研究區(qū)高程及相關(guān)氣象站點(diǎn)分布圖Fig.2Thelocationofelevationandassociatedmeteorologicalstationsinthestudyarea3數(shù)據(jù)與方法3.1數(shù)據(jù)來(lái)源和預(yù)處理3.1.1TRMM3B43衛(wèi)星降水?dāng)?shù)據(jù)熱帶降雨觀測(cè)衛(wèi)星(TropicRainfallMeasurementMission，TRMM)是于1997年發(fā)射的最先用來(lái)測(cè)量降雨的氣象衛(wèi)星[13]。本文中使用的降雨數(shù)據(jù)集是從NASA官網(wǎng)(/)獲取的2010-2019年TRMM3B43月降水?dāng)?shù)據(jù)。其資料等級(jí)為L(zhǎng)evel3，版本號(hào)為Version7，水平分辨率，時(shí)間分辨率為30d，空間范圍為S-N，W-E，覆蓋了中國(guó)的大部分地區(qū)。使用ENVI軟件對(duì)TRMM月降水?dāng)?shù)據(jù)進(jìn)行相應(yīng)的波段運(yùn)算，得到TRMM數(shù)據(jù)2010-2019年的逐月降水?dāng)?shù)據(jù)和逐年降水?dāng)?shù)據(jù)，進(jìn)而獲得中國(guó)西部地區(qū)多年年均TRMM降雨量數(shù)據(jù)。3.1.2NDVI數(shù)據(jù)論文在研究中所使用的NDVI數(shù)據(jù)來(lái)自NASA(/)的2009-2016年月合成的MOD13C1植被指數(shù)數(shù)據(jù)，該NDVI數(shù)據(jù)是最新發(fā)布的NASAMODIS均一化植被指數(shù)產(chǎn)品，版本號(hào)是Version7，空間分辨率為，時(shí)間分辨率為16d。該數(shù)據(jù)的格式為HDF，需要在ENVI軟件中對(duì)這些數(shù)據(jù)產(chǎn)品采取投影和文件格式轉(zhuǎn)換等的批處理，獲得年均NDVI數(shù)據(jù)和多年年均NDVI數(shù)據(jù)[15]。3.1.3DEM數(shù)據(jù)論文在研究中使用的DEM數(shù)據(jù)空間分辨率為90m。利用ArcGIS中的相關(guān)工具采取投影、重采樣以及矢量裁剪等的處理，從而獲取所需的高程數(shù)據(jù)，并計(jì)算出坡度、坡向，提取經(jīng)度、緯度等與之有關(guān)輔助數(shù)據(jù)[3]。3.1.4氣象站點(diǎn)數(shù)據(jù)從資源環(huán)境數(shù)據(jù)云平臺(tái)(/data.aspx?DATAID=229)免費(fèi)獲取了2010-2019年中國(guó)西部地區(qū)地面雨量站點(diǎn)的年實(shí)測(cè)降水?dāng)?shù)據(jù)，其中雨量站點(diǎn)個(gè)數(shù)為316個(gè)。獲得的地面氣象站點(diǎn)數(shù)據(jù)主要用于TRMM降水?dāng)?shù)據(jù)降尺度結(jié)果的驗(yàn)證中，其年降水量是由2010-2019年的多年站點(diǎn)降雨量取均值獲得。根據(jù)2010-2019年整個(gè)研究區(qū)所有站點(diǎn)的年均降水量的計(jì)算結(jié)果來(lái)看，整個(gè)研究區(qū)年均降水量約為648mm/a。其中2009年的年降水量為653mrn/a，最接近平均年降水量，因此以2009年表示降雨量平均年，2015年降水量最多，為690mm/a，表示為降水較多的年份，即潮濕年，2011年降水量最少，為573mm/a，表示為降水較少的年份，即干旱年，三個(gè)特殊的干濕及平均年份將用于驗(yàn)證降尺度模型在中國(guó)西部地區(qū)的適用性。3.2方法3.2.1基于多元線性回歸模型的統(tǒng)計(jì)降尺度方法論文在研究中考慮到中國(guó)西部地區(qū)的復(fù)雜特殊的地形條件，用回歸方程的插值方法進(jìn)行研究。開始建立適合于中國(guó)西部地區(qū)的降雨量與地形因子之間的回歸方程，進(jìn)而估算整個(gè)中國(guó)西部地區(qū)的降水的空間分布，結(jié)合估計(jì)的殘差數(shù)據(jù)，獲得降雨量的空間分布數(shù)據(jù)[1]。降雨量空間分布模型公式展開一次多項(xiàng)式形式如下：（1）其中，P表示某時(shí)段降尺度后的降雨量；X表示經(jīng)度；Y表示緯度；Z表示海拔高度；S表示坡度；A表示坡向；B表示常數(shù)項(xiàng)。3.2.2基于地理加權(quán)回歸（GWR）的降尺度方法論文中所使用的NDVI數(shù)據(jù)與TRMM降雨數(shù)據(jù)相聯(lián)系，進(jìn)行降尺度時(shí)的空間要素是NDVI，故建立地理加權(quán)回歸（GWR）模型[16]：（2）其中，表示第i個(gè)地面氣象站點(diǎn)的降雨量；表示第i個(gè)氣象站點(diǎn)的NDVI值；表示與之對(duì)應(yīng)的系數(shù)項(xiàng)；表示某一個(gè)空間坐標(biāo)；表示殘差；表示所研究中國(guó)西部地區(qū)的氣象站點(diǎn)的個(gè)數(shù)。3.2.3精度驗(yàn)證在論文研究中，對(duì)于10年年均降水年、干旱年(2011年)、潮濕年(2015年)這3個(gè)特殊年份段的降尺度結(jié)果，使用中國(guó)西部地區(qū)316個(gè)地面氣象站點(diǎn)的降雨量數(shù)據(jù)，采取決定系數(shù)、偏差BIAS和均方根誤差RMSE這3個(gè)指標(biāo)，對(duì)TRMM3B43降雨數(shù)據(jù)的降尺度結(jié)果以評(píng)判與驗(yàn)證。其中，決定系數(shù)是評(píng)估兩種降雨量數(shù)據(jù)資料之間的線性相關(guān)程度；偏差BIAS體現(xiàn)TRMM降水?dāng)?shù)據(jù)對(duì)地面氣象站點(diǎn)降雨量數(shù)據(jù)的評(píng)估情況；RMSE主要用于衡量中國(guó)西部地區(qū)TRMM降雨量數(shù)據(jù)的觀測(cè)的降雨量與地面氣象站點(diǎn)的真實(shí)降雨量之間的偏差。公式表示如下[7]：（3）（4）（5）式中：，分別對(duì)應(yīng)遙感降水?dāng)?shù)據(jù)（TRMM3B43）和地面氣象站點(diǎn)觀測(cè)數(shù)據(jù)，為遙感降水?dāng)?shù)據(jù)（TRMM3B43）平均值，為氣象站觀測(cè)平均值，n為氣象站點(diǎn)個(gè)數(shù)。4結(jié)果及分析4.1TRMM數(shù)據(jù)的有效性驗(yàn)證為了驗(yàn)證TRMM降雨數(shù)據(jù)的有效性，論文在研究中用中國(guó)西部地區(qū)2010-2019年316個(gè)雨量站點(diǎn)（圖2）的觀測(cè)降雨量數(shù)據(jù)，各地面氣象站點(diǎn)的10年年均降雨量是一個(gè)獨(dú)立變量，相應(yīng)的TRMM3B43年降雨量之和是一個(gè)因變量，并以一個(gè)單一的回歸分析驗(yàn)證了TRMM降雨量數(shù)據(jù)的有效性（圖3）。圖32010-2019年中國(guó)西部地區(qū)TRMM3B43與地面氣象站點(diǎn)年降水量散點(diǎn)圖Fig.3DistributionofannualprecipitationinTRMM3B43andrainfallstationsinwesternChina2010-2019圖3TRMM3B43降雨量數(shù)據(jù)和地面氣象站點(diǎn)降雨量數(shù)據(jù)的2010-2019年年降雨量的散點(diǎn)分布的一維線性回歸方程。=0.4479，由此可見，TRMM3B43降雨數(shù)據(jù)資料與地面氣象站的觀測(cè)數(shù)據(jù)資料之間存在顯著的線性關(guān)系，但總的來(lái)說(shuō)，TRMM3B43的降雨量較地面氣象站的觀測(cè)降雨量資料為大，這可能是由于TRMM數(shù)據(jù)是一定范圍內(nèi)的均值，對(duì)有些氣象站點(diǎn)降雨量的極端值有影響。但總的來(lái)說(shuō)TRMM4B43數(shù)據(jù)相對(duì)可靠。在研究中使用時(shí)，需要對(duì)地面氣象站點(diǎn)觀測(cè)數(shù)據(jù)校正其精確度。4.22010-2019年年均TRMM3B43降雨量降尺度過(guò)程與結(jié)果檢驗(yàn)4.2.1多元線性回歸模型的統(tǒng)計(jì)降尺度結(jié)果比較驗(yàn)證對(duì)中國(guó)西部地區(qū)2010-2019年的TRMM3B43降雨量數(shù)據(jù)在ArcGIS中運(yùn)用相關(guān)工具，進(jìn)行設(shè)置投影和換算格式，計(jì)算得到10年年均降雨量；然后根據(jù)研究區(qū)向外25km的邊界做緩沖區(qū)，對(duì)10年年均降雨量數(shù)據(jù)進(jìn)行剪裁（圖4）。圖42010-2019年中國(guó)西部地區(qū)TRMM3B43年降水量分布圖Fig.4PrecipitationdistributionofTRMM3B43inwesternChina2010-2019根據(jù)圖4的整個(gè)中國(guó)西部地區(qū)年均降雨量的變化趨向，利用ArcGIS中的提取工具提取各個(gè)地面氣象站點(diǎn)2010-2019年316個(gè)氣象站點(diǎn)多年年均TRMM3B43雨量值和DEM的地形因數(shù)數(shù)據(jù)。論文在對(duì)研究區(qū)降水量的回歸預(yù)測(cè)中用中國(guó)西部地區(qū)的斜率（Slope）的正切值和斜率方向（Aspect）的余弦值的方法來(lái)建立方程[1]。在SPSS25軟件中利用回歸分析資料，獲得1km尺度的降雨量的估算值，進(jìn)而獲得TRMM3B43降雨數(shù)據(jù)之間的殘差結(jié)果[2]。為了檢驗(yàn)多元線性回歸模型降尺度結(jié)果的有效性，用多元線性回歸的降水量估計(jì)值和TRMM3B43數(shù)據(jù)的降雨量構(gòu)建一元線性回歸模型(圖5)。圖5中國(guó)西部地區(qū)TRMM3B43與多元線性回歸預(yù)測(cè)年降水量散點(diǎn)圖Fig.5TRMM3B43andmultiplelinearregressionpredictioninwesternChinaAnnualprecipitationdispersionmap從圖5中可以得到，回歸模型降雨量的估計(jì)值與TRMM3B43的降雨量數(shù)據(jù)，在1km分辨率基礎(chǔ)下，它們之間有明顯的線性關(guān)系，運(yùn)用模型進(jìn)行降尺度的結(jié)果數(shù)據(jù)與TRMM3B43降雨量數(shù)據(jù)之間有較好的一致性（=0.5697），結(jié)果表明，在此尺度上，用地形因子對(duì)中國(guó)西部地區(qū)的降水量進(jìn)行回歸預(yù)測(cè)可以取得理想效果。故在1km分辨率的基礎(chǔ)上，得到降雨量的估算值、降雨量估算值與TRMM3B43降雨量之間的殘差結(jié)果(圖6)。圖6(a)是在1km分辨率下，運(yùn)用多元線性回歸方程估算得到的多年年均降雨量。用316個(gè)地面氣象站點(diǎn)的TRMM3B43降雨量值減去回歸降雨量的估計(jì)值，獲得分辨率的偏差數(shù)據(jù)，然后采用樣條函數(shù)的插值方法，將偏差結(jié)果進(jìn)行插值，得到1km分辨率的殘差數(shù)據(jù)(圖6(b))。多年年均降水量降尺度空間分布數(shù)據(jù)是由1km分辨率的降雨量估計(jì)值與偏差值相加而獲得的(圖7)。圖7和圖4相比較，我們能發(fā)現(xiàn)TRMM降水?dāng)?shù)據(jù)的分辨率提高了很多，TRMM降雨量數(shù)據(jù)與回歸模型估測(cè)降雨量?jī)烧咧g的空間變化大體一致。廣西壯族自治區(qū)和云南省等，其多年年均降水量最大(4964mm)，在甘肅省和內(nèi)蒙古自治區(qū)等地區(qū)，降水量最小(361mm)。圖6中國(guó)西部地區(qū)1km分辨率多元線性回歸年降水量估計(jì)值(a)和殘差值(b)Fig.6Theforecastvalue(a)andresidualvalue(b)ofannualprecipitationof1kmresolutionmultiplelinearregressioninthestudyarea圖72010-2019年中國(guó)西部地區(qū)1km分辨率降水量分布Fig.71kmresolutionTRMM3B43,WesternChina,2010-2019Distributionofannualprecipitation4.2.2地理加權(quán)回歸模型降尺度比較驗(yàn)證采用回歸方程和殘差法的插值方法的降尺度降雨數(shù)據(jù)的可靠性，還有待于進(jìn)一步檢驗(yàn)。在論文研究中引入地理加權(quán)回歸模型（GWR），建立尺度下多年年均TRMM降雨量數(shù)據(jù)與多年年均NDVI數(shù)據(jù)之間的GWR模型。1km分辨率的GWR模型降雨量的估計(jì)值(圖8(a))是由NDVI數(shù)據(jù)對(duì)應(yīng)的系數(shù)項(xiàng)與常數(shù)項(xiàng)進(jìn)行重采樣成1km，并引人1km的NDVI數(shù)據(jù)而獲得；采用普通克里金插值方法將GWR模型的殘差由尺度下插值成1km(圖8(b))；將1km的殘差數(shù)據(jù)與降水?dāng)?shù)據(jù)的估計(jì)值進(jìn)行加和，獲得1km分辨率的GWR模型多年年均降尺度降水?dāng)?shù)據(jù)(圖8(d))，通過(guò)比較TRMM3B43多年年均降水?dāng)?shù)據(jù)(圖8(c))與GWR模型降尺度的多年年均降尺度降水?dāng)?shù)據(jù)(圖8(d))可發(fā)現(xiàn)，它們兩者降雨量的空間分布形式基本保持一致；TRMM3B43降雨量值分布在355-4909mm之間，而GWR模型的降尺度結(jié)果的降雨值在311-4832mm之間，后者的降雨量值區(qū)間略小于前者；在空間分辨率方面，相比于TRMM3B43降水?dāng)?shù)據(jù)，降尺度降水?dāng)?shù)據(jù)的分辨率有很大的提高，達(dá)到1km。圖8模型預(yù)測(cè)降水(a)、殘差數(shù)據(jù)(b)、TRMM降水?dāng)?shù)據(jù)(c)及降尺度結(jié)果(d)Fig.8modelpredictingprecipitation(a),residualsdata(b),TRMMprecipitationdata(c)anddownscalingresults(d)4.2.3多年年均TRMM3B43數(shù)據(jù)降尺度結(jié)果整體檢驗(yàn)通過(guò)降尺度操作，多年年均TRMM3B43降水?dāng)?shù)據(jù)的空間分辨率有所提高，但為了驗(yàn)證其降水?dāng)?shù)據(jù)的有效性，論文中用分布在中國(guó)西部地區(qū)的316個(gè)雨量站點(diǎn)2010-2019年的年降雨量進(jìn)行驗(yàn)證。運(yùn)用地面氣象站點(diǎn)的多年年均降雨量降尺度結(jié)果數(shù)據(jù)和TRMM3B43降雨量數(shù)據(jù)，做一元線性回歸分析(圖9)，并用、BIAS、RMSE指標(biāo)對(duì)數(shù)據(jù)進(jìn)行評(píng)判與驗(yàn)證(表1)圖9中國(guó)西部地區(qū)實(shí)測(cè)年降水量與降尺度年降水量及TRMM3B43數(shù)據(jù)散點(diǎn)圖Fig.9ActualandLower-ScaleAnnualPrecipitationandTRMM3B43DataDispersionChartinWesternChina從圖9可以看出，降尺度結(jié)果和地面氣象站點(diǎn)降水?dāng)?shù)據(jù)之間存在明顯的線性關(guān)系，但是對(duì)全部地區(qū)的降水估測(cè)值要比地面氣象站實(shí)測(cè)降雨量值偏高，這是因?yàn)樵谥袊?guó)西部地區(qū)這些地形相對(duì)復(fù)雜的地方，降雨的地形效應(yīng)顯得越發(fā)明顯，但由于沒(méi)有考慮地形等因素等對(duì)大氣流動(dòng)的阻礙作用，故估計(jì)的降雨量也會(huì)存在偏差[7]。表1.2010-2019年西部地區(qū)降尺度TRMM3B43年降水量檢驗(yàn)結(jié)果Tab.1PrecipitationTestResultsofLower-ScaleTRMM3B43inWesternRegion2010-2019檢驗(yàn)指標(biāo)多元回歸降尺度結(jié)果GWR降尺度結(jié)果TRMM3B430.54470.60620.4479BIAS0.35670.52460.5681RMSE25.754444.91245.9093從表1中可以得出，相比TRMM3B43降雨量數(shù)據(jù)，降尺度結(jié)果提高了，BIAS和RMSE都有所降低；可見對(duì)降水?dāng)?shù)據(jù)進(jìn)行的降尺度操作在提高降水?dāng)?shù)據(jù)空間分辨率的同時(shí)，還提高了TRMM3B43估測(cè)數(shù)據(jù)的精確度，使之更能精確的體現(xiàn)中國(guó)西部地區(qū)的降水的空間分布特征。同時(shí)還可以看出對(duì)于中國(guó)西部地區(qū)而言通過(guò)基于地理加權(quán)回歸模型的方法進(jìn)行降尺度更加適用。4.3基于GWR模型的特殊年份TRMM3B43降雨量數(shù)據(jù)降尺度過(guò)程及檢驗(yàn)論文中由于考慮到降雨在時(shí)間上的間斷性，雖然在對(duì)多年年均降雨量進(jìn)行降尺度操作之后，不論是降水?dāng)?shù)據(jù)的空間分辨率，還是精確度都有了提高，還須要對(duì)單獨(dú)年份的降雨量進(jìn)行降尺度處理。論文中選取2010-2019年間中的2011年和2015年兩個(gè)特殊的年份，運(yùn)用GWR模型的降尺度方法進(jìn)行降尺度處理，獲得這兩個(gè)特殊年份的年降雨量空間分布數(shù)據(jù)(圖10)，其分辨率為1km，并對(duì)降尺度的結(jié)果運(yùn)用指標(biāo)進(jìn)行精度檢驗(yàn)(表2)。圖102011(a)和2015(b)年中國(guó)西部地區(qū)1km分辨率TRMM降水量分布Fig.10Precipitationdistributionof1kmresolutionTRMMinthewesternregionsof2011(a)and2015(b)表22011和2015年中國(guó)西部地區(qū)TRMM3B43年降雨量降尺度檢驗(yàn)結(jié)果Tab.2ReductioninwesternChina,2011and2015TRMM3B43PrecipitationTestResults年份檢驗(yàn)指標(biāo)GWR模型降尺度TRMM3B432011年0.5120.4422BIAS0.42330.5866RMSE40.263244.26522015年0.34790.3091BIAS0.43520.5702RMSE40.41142.5877從圖10可以看出，中國(guó)西部地區(qū)的降雨量空間分布特征不論是單獨(dú)的年份的降雨量還是多年年均降雨量，其空間分布特征很相近。運(yùn)用研究區(qū)316個(gè)雨量站點(diǎn)提取2011年，2015年的降尺度降水?dāng)?shù)據(jù)，結(jié)合2011，2015年氣象站點(diǎn)降雨量數(shù)據(jù)，對(duì)其降尺度結(jié)果檢驗(yàn)。從表2可以得出，相比于TRMM3B43降水?dāng)?shù)據(jù)，兩個(gè)特殊年份的降水?dāng)?shù)據(jù)的降尺度結(jié)果的都有提高，降低了BIAS和RMSE，說(shuō)明提高了TRMM數(shù)據(jù)降尺度結(jié)果數(shù)據(jù)的準(zhǔn)確性。同時(shí)，干旱年份(2011)年的大于潮濕年份(2015)，并且RMSE小于2015年，說(shuō)明干旱年份降水?dāng)?shù)據(jù)的降尺度結(jié)果更加接近真實(shí)值。結(jié)合表1，根據(jù)RMSE、等檢驗(yàn)指標(biāo)，比較多年年均降尺度結(jié)果和兩個(gè)特殊年份的降尺度結(jié)果，發(fā)現(xiàn)2011年，2015年兩個(gè)特殊年份的精確度相比多年年均TRMM數(shù)據(jù)降尺度結(jié)果的精確度要高。4.4TRMM降雨量數(shù)據(jù)降尺度結(jié)果逐個(gè)氣象站點(diǎn)檢驗(yàn)論文中考慮到用中國(guó)西部地區(qū)地面氣象站點(diǎn)作為整體進(jìn)行結(jié)果驗(yàn)證會(huì)掩蓋逐個(gè)地面氣象站點(diǎn)降雨量數(shù)據(jù)與對(duì)應(yīng)網(wǎng)格的降尺度結(jié)果之間的差異，因此，論文中要對(duì)逐個(gè)地面氣象站點(diǎn)的降尺度結(jié)果做進(jìn)一步的評(píng)價(jià)。用316個(gè)地面氣象站點(diǎn)2010-2019年的年降雨量實(shí)測(cè)數(shù)據(jù)與TRMM降雨量降尺度數(shù)據(jù)做一元線性回歸分析，計(jì)算降尺度結(jié)果數(shù)據(jù)與各地面氣象站點(diǎn)降水?dāng)?shù)據(jù)間的值[1]。運(yùn)用泰森多邊形剖分的方式將中國(guó)西部地區(qū)的316個(gè)地面氣象站點(diǎn)剖分成316個(gè)多邊形，用316個(gè)多邊形反應(yīng)316個(gè)氣象站點(diǎn)能夠影響的最大范圍，即可得到的大致分布規(guī)律(圖11)。從圖11可知，中國(guó)西部地區(qū)TRMM降水?dāng)?shù)據(jù)降尺度結(jié)果數(shù)據(jù)與地面氣象站點(diǎn)觀測(cè)數(shù)據(jù)間之間的值處于0—0.5之間，>0.30的地面氣象站點(diǎn)大都集中在中國(guó)西部地區(qū)的東北部，并且發(fā)現(xiàn)這些氣象站點(diǎn)基本上大部分都集中在中國(guó)西部地區(qū)的中、低海拔地區(qū)。而導(dǎo)致這一現(xiàn)象的出現(xiàn)可能是中國(guó)西部地區(qū)復(fù)雜的地形條件引起的。根據(jù)前文的研究說(shuō)明，該論文進(jìn)行的關(guān)于研究對(duì)中國(guó)西部地區(qū)2010-2019年的TRMM3B43年降雨量數(shù)據(jù)進(jìn)行降尺度等的相關(guān)操作取得了理想的效果。圖11中國(guó)西部地區(qū)TRMM3B43降尺度降水量結(jié)果與實(shí)測(cè)數(shù)據(jù)的空間分布Fig.11SpatialdistributionofprecipitationresultsandmeasureddatainthewesternregionofTRMM3B435研究結(jié)論論文中運(yùn)用中國(guó)西部地區(qū)2010-2019年的TRMM3B43數(shù)據(jù)和中國(guó)西部地區(qū)的高程數(shù)據(jù)，采用了基于多元線性回歸模型的統(tǒng)計(jì)降尺度方法和基于地理加權(quán)回歸模型的降尺度方法，對(duì)中國(guó)西部地區(qū)2010-2019年這10年年均降水量以及2011年，2015年兩個(gè)特殊年份的降雨量進(jìn)行了降尺度處理，獲得修正后的降雨量的空間分布數(shù)據(jù)，其分辨率為1km，同時(shí)用中國(guó)西部地區(qū)地面氣象站點(diǎn)數(shù)據(jù)對(duì)降尺度結(jié)果的降雨量的精確度以評(píng)估，結(jié)論如下：(1)用2010-2019年間TRMM3B43降水?dāng)?shù)據(jù)和地面氣象站點(diǎn)觀測(cè)數(shù)據(jù)做一元回歸分析，計(jì)算得到=0.4479，表明TRMM3B43降水?dāng)?shù)據(jù)與氣象站點(diǎn)觀測(cè)數(shù)據(jù)之間的可信度較高，但在整體上TRMM3B43降雨量數(shù)據(jù)要比地面氣象站點(diǎn)實(shí)測(cè)的降雨量高一些。(2)將2010-2019年中國(guó)西部地區(qū)的10年年均TRMM3B43降雨量數(shù)據(jù)和2011年，2015年兩個(gè)干旱、潮濕年份TRMM3B43降雨量數(shù)據(jù)進(jìn)行降尺度處理，并用中國(guó)西部地區(qū)316個(gè)氣象站實(shí)測(cè)數(shù)據(jù)進(jìn)行精確度驗(yàn)證，可以看出，不論是多年年均還是逐個(gè)特殊的年份，在進(jìn)行降尺度操作之后的TRMM降雨量數(shù)據(jù)都能夠較好的體現(xiàn)所研究區(qū)域的降水的空間特征，通過(guò)對(duì)降雨數(shù)據(jù)實(shí)行降尺度操作，在提高空間分辨率的同時(shí)，也提升了TRMM數(shù)據(jù)的精確度，使之能夠較好的反映中國(guó)西部地區(qū)降水的有關(guān)狀況。(3)結(jié)果對(duì)比發(fā)現(xiàn)，有關(guān)于降尺度結(jié)果的精確度，多年年均TRMM3B43降雨數(shù)據(jù)的精確度最高，2011(干)年的降水?dāng)?shù)據(jù)降尺度結(jié)果的精確度次之，2015(濕)年TRMM數(shù)據(jù)降尺度結(jié)果的精確度最低。(4)在進(jìn)行降尺度操作中發(fā)現(xiàn)，雖然TRMM3B43降雨量數(shù)據(jù)和研究區(qū)地面氣象站點(diǎn)數(shù)據(jù)在整體上一致性較高，但在逐個(gè)氣象站點(diǎn)之間，其降尺度結(jié)果的精度還存在一定的差別，在中國(guó)西部地區(qū)中決定系數(shù)處于0—0.5的范圍之間，而導(dǎo)致這一現(xiàn)象的出現(xiàn)可能是由于中國(guó)西部地區(qū)復(fù)雜的地形條件。在對(duì)中國(guó)西部地區(qū)2010-2019年的TRMM3B43降雨量進(jìn)行降尺度處理，雖在一定程度上提高了降水?dāng)?shù)據(jù)的空間分辨率和數(shù)據(jù)精確度等，但還是存在一定的誤差，這還需要在后續(xù)進(jìn)行進(jìn)一步的更加精確的研究。參考文獻(xiàn)[1]馬金輝,屈創(chuàng),張海筱,等.2001-2010年石羊河流域上游TRMM降水資料的降尺度研究[J].地理科學(xué)進(jìn)展,2013(09):121-130.[2]劉小撣，張洪巖，趙建軍，郭笑怡，張正祥，樸梅花，東北地區(qū)TRMM數(shù)據(jù)降尺度GWR模型分析[J]，地球信息科學(xué)，2015，17（9）[3]陳賀，李原園，楊志峰等，地形因素對(duì)降水分布影響的研究[J]，水土保持研究，2007，14(1)：119-122.E[4]陳誠(chéng)，TRMM3B43遙感降水量產(chǎn)品數(shù)據(jù)定標(biāo)與降尺度方法研究[J]，2016[5]李凈，張曉，TRMM降水?dāng)?shù)據(jù)的空間降尺度方法研究[J]，2015，35（9）[6]TaoZhang,BaolinLi,YechengYuan,etal.SpatialdownscalingofTRMMprecipitationdataconsideringtheimpactsofmacro-geographicalfactorsandlocalelevationintheThree-RiverHeadwatersRegion[J].RemoteSensingofEnvironment,2018,215:109-127.[7]范雪薇，劉海隆，天山山區(qū)TRMM降水?dāng)?shù)據(jù)的空間降尺度研究[J]，自然資源學(xué)報(bào)，2018，33(3)：478-488[8]曲偉，路京選，宋文龍等，TRMM遙感降水?dāng)?shù)據(jù)在伊洛瓦底江流域的精度檢驗(yàn)和校正方法研究[J]，地球科學(xué)進(jìn)展，2014，29（11）[9]王佳伶，陳華，許崇育，等。TRMM衛(wèi)星降雨數(shù)據(jù)的精度及徑流模擬評(píng)估[J]，水資源研究，2016，5(5)[10]劉小嬋，TRMM降水?dāng)?shù)據(jù)的空間降尺度研究[D]，東北師范大學(xué)，2015[11]樊東，黃河中游TRMM衛(wèi)星降水?dāng)?shù)據(jù)降尺度研究[D]，河南理工大學(xué)，2017[12]蔡明勇，呂洋，楊勝天，等，雅魯藏布江流域TRMM降水?dāng)?shù)據(jù)降尺度研究[J]，北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2017，53(1)[13]王曉杰，基于TRMM的天山山區(qū)降水降尺度方法及其空間變異特征研究[D]，石河子大學(xué)，2013[14]趙娜，焦毅蒙，基于TRMM降水?dāng)?shù)據(jù)的空間降尺度模擬[J]，地球信息科學(xué)，2018,20（10）[15]王萬(wàn)瑞，基于TRMM數(shù)據(jù)的中國(guó)西北降水時(shí)空變化研究[D]，蘭州大學(xué)，2018[16]金輝明，徐鵬，何康，基于地理加權(quán)回歸模型的省級(jí)TRMM降水?dāng)?shù)據(jù)降尺度研究[J]，浙江水利水電學(xué)院學(xué)報(bào)，2017，29（3）[17]范科科，段利民，張強(qiáng)，等，基于多種高分辨率衛(wèi)星數(shù)據(jù)的TRMM降水?dāng)?shù)據(jù)降尺度研究——以內(nèi)蒙古地區(qū)為例[J]，地理科學(xué)，2017，37（9）[18]樊東，薛華柱,董國(guó)濤，基于二次多項(xiàng)式回歸模型的黑河流域TRMM數(shù)據(jù)降尺度研究[J]，水上保持研究，2017，24（2）[19]徐彬仁，魏援援，基于隨機(jī)森林算法對(duì)青藏高原TRMM降水?dāng)?shù)據(jù)進(jìn)行空間統(tǒng)計(jì)降尺度研究[J]，國(guó)土資源遙感，2018，30（3）[20]范雪薇，劉海隆，天山山區(qū)TRMM降水?dāng)?shù)據(jù)的空間降尺度研究[J]，自然資源學(xué)報(bào)，2018，33(3)：478-488[21]AndersonMC.2007，Avegetationindex