一种APHRODITE降水数据的降尺度方法技术

本发明专利技术公开了一种APHRODITE降水数据的降尺度方法。包括：获取用于描述同一对象的GPM

【技术实现步骤摘要】
一种APHRODITE降水数据的降尺度方法


[0001]本专利技术涉及一种气象卫星观测降水数据和地面变量反演降水数据的降尺度算法，具体涉及一种APHRODITE降水数据的降尺度方法。

技术介绍

[0002]降水是全球物质和能量循环的重要组成部分，在地表模型和天气预测模型中扮演着重要的角色，它影响着区域天气变化和全球气候形成，是洪水、风暴等水文过程的背后驱动力。高精度的降水数据在气候、气象、水文以及农业等领域中具有重要作用。地面监测站是降水信息最直接的获取手段和来源，能精确表示站点周边区域的降水量，但无法准确描述大面积降水分布情况，此外，受自然环境和经济条件限制，地面站点无法覆盖海洋、地形复杂区和无人区，从而限制降水数据的获取与使用。卫星遥感具有覆盖空间范围广阔，观测时空频率高的特点，能很好弥补站点稀疏、分布不均等缺陷，逐渐成为降雨监测的重要数据源。
[0003]全球降水计划观测卫星(Global Precipitation Measurement,GPM)搭载雷达和微波辐射计系统，基于自上而下的策略(Top-down)，从上层太空中监测下层的降雨信息，其观测范围广，时空分辨率高，所生产的IMERG降水产品与地面观测数据具有良好的相关性，能够较好地反映降水的空间分布规律，但由于间接观测，受内置模型和算法所限，在某些地区表现不佳，且难以捕捉高强度降雨事件，产品质量仍有很大进步空间，观测精度仍有待提高。SM2RAIN-ASCAT产品是将SM2RAIN算法应用于ASCAT(the Advanced SCATterometer)卫星反演的土壤水分数据上所衍生的降水产品。该产品基于自下而上的策略(bottom-up)，由土壤水分来反推大气中的降水信息，由于卫星反演土壤水分存在一定的误差和缺陷，该产品精度有限，实际应用中仍需进一步提升。APHRODITE是适用于亚洲区域的高质量长时间序列降水数据，它由密集的地面站点插值而成，数据精度高，可靠性强，但是其空间分辨率相对较低，不能满足区域小尺度应用需要。
[0004]使用高空间分辨率低精度的GPM-IMERG气象卫星观测降水数据和SM2RAIN-ASCAT土壤水分反演降水数据对APHRODITE高精度低空间分辨率地面观测降水数据进行降尺度操作，可以充分融合三类数据的优势，是得到高精度、高空间分辨率降水数据的有效方法。

技术实现思路

[0005]本专利技术的目的在于解决现有技术中存在的问题，基于SVR-TB模型的应用高空间分辨率的GPM-IMERG卫星观测降水数据和SM2RIAN-ASCAT土壤水分反演降水数据，提供一种APHRODITE降水数据的降尺度方法。
[0006]本专利技术的具体技术方案如下：
[0007]一种APHRODITE降水数据的降尺度方法，其具体如下：
[0008]S1：获取用于描述同一对象的卫星遥感降水数据集GPM-IMERG、地面变量反演降水数据集SM2RAIN-ASCAT和地面观测逐日降水数据集APHRODITE；获取与三种数据集描述对象
相同的环境因子辅助数据集，所述辅助数据集的空间分辨率高于APHRODITE的空间分辨率，辅助数据集包括SRTM DEM数字高程模型、坡度Slope、坡向Aspect、经度Lon和纬度Lat；
[0009]S2：分别基于不同的观测维度，将四种数据集进行匹配，并对APHRODITE进行总量控制处理，具体依次进行如下步骤：
[0010]S21：基于时间维度，通过数据匹配方法将GPM-IMERG的分辨率处理为与APHRODITE的分辨率相同；
[0011]S22：基于空间维度，通过数据匹配方法将GPM-IMERG和SM2RAIN-ASCAT的分辨率均聚合为与APHRODITE的分辨率相同，得到低分辨率的GPM-IMERG和SM2RAIN-ASCAT；将辅助数据集的分辨率聚合为与GPM-IMERG的分辨率相同，得到高分辨率的辅助数据集；
[0012]S23：基于空间维度，通过数据匹配方法将SM2RAIN-ASCAT的分辨率降解为与GPM-IMERG的分辨率相同，得到高分辨率的SM2RAIN-ASCAT；
[0013]S24：对在海陆分界区域出现的APHRODITE中的空值像元，对其就近选择相邻栅格像元赋值，得到总量控制处理后的APHRODITE逐日降水数据；
[0014]S3：基于空间维度，以S22获得的低分辨率的GPM-IMERG、SM2RAIN-ASCAT和辅助数据集作为自变量，以S24中总量控制处理后的APHRODITE逐日降水数据作为因变量，建立回归模型；
[0015]S4：基于空间维度，将S23中获得的高分辨率的SM2RAIN-ASCAT、S21中获得的GPM-IMERG和S22中获得的高分辨率的辅助数据集作为输入变量，输入到所述回归模型中，得到高分辨率的APHRODITE。
[0016]作为优选，S1中所述GPM-IMERG的时间分辨率和空间分辨率分别为30min和0.1
°
，SM2RAIN-ASCAT的时间分辨率和空间分辨率分别为1日和12.5km，APHRODITE的时间分辨率和空间分辨率分别为1日和0.25
°
；辅助数据集均属于静态环境因子数据集，空间分辨率均为90m。
[0017]作为优选，S1中所述辅助数据集的经度Lon和纬度Lat分别通过计算SRTM DEM数字高程模型中栅格格网像元的中心经度值和纬度值得到。
[0018]作为优选，所述S21中数据匹配方法为累加法，具体如下：
[0019]基于时间维度，确定APHRODITE所包含的GPM-IMERG的数量，根据所述数量将GPM-IMERG逐次进行累加，得到与APHRODITE相同分辨率的GPM-IMERG。
[0020]作为优选，所述S22中数据匹配方法为移动窗口法，具体如下：
[0021]分别对GPM-IMERG，SM2RAIN-ASCAT和辅助数据集进行处理，以待聚合数据集中的每一个像元为中心，建立a*a的移动窗口，分别计算移动窗口覆盖下聚合得到的低分辨率栅格格网中每个像元的被覆盖面积比例，将所覆盖的比例最大的像元作为该移动窗口的中心像元；将构成移动窗口的a*a个该数据集像元的平均像元值作为所述中心像元的像元值，对聚合得到的低分辨率栅格格网中所有的像元进行赋值；其中，a是低分辨率栅格格网的分辨率值除以该数据集的原始分辨率值并向上取整所得到的整数值。
[0022]作为优选，所述S23中数据匹配方法为最邻近内插法，具体如下：
[0023]基于空间维度，分别将GPM-IMERG、SM2RAIN-ASCAT和辅助数据集中的每个像元根据与其相邻近的APHRODITE中的像元重新赋值。
[0024]作为优选，所述S3的具体方法如下：
[0025]基于空间维度，以S22获得的低分辨率的GPM-IMERG、SM2RAIN-ASCAT和辅助数据集作为自变量，以S24中总量控制处理后的AP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种APHRODITE降水数据的降尺度方法，其特征在于，具体如下：S1：获取用于描述同一对象的卫星遥感降水数据集GPM-IMERG、地面变量反演降水数据集SM2RAIN-ASCAT和地面观测逐日降水数据集APHRODITE；获取与三种数据集描述对象相同的环境因子辅助数据集，所述辅助数据集的空间分辨率高于APHRODITE的空间分辨率，辅助数据集包括SRTM DEM数字高程模型、坡度Slope、坡向Aspect、经度Lon和纬度Lat；S2：分别基于不同的观测维度，将四种数据集进行匹配，并对APHRODITE进行总量控制处理，具体依次进行如下步骤：S21：基于时间维度，通过数据匹配方法将GPM-IMERG的分辨率处理为与APHRODITE的分辨率相同；S22：基于空间维度，通过数据匹配方法将GPM-IMERG和SM2RAIN-ASCAT的分辨率均聚合为与APHRODITE的分辨率相同，得到低分辨率的GPM-IMERG和SM2RAIN-ASCAT；将辅助数据集的分辨率聚合为与GPM-IMERG的分辨率相同，得到高分辨率的辅助数据集；S23：基于空间维度，通过数据匹配方法将SM2RAIN-ASCAT的分辨率降解为与GPM-IMERG的分辨率相同，得到高分辨率的SM2RAIN-ASCAT；S24：对在海陆分界区域出现的APHRODITE中的空值像元，对其就近选择相邻栅格像元赋值，得到总量控制处理后的APHRODITE逐日降水数据；S3：基于空间维度，以S22获得的低分辨率的GPM-IMERG、SM2RAIN-ASCAT和辅助数据集作为自变量，以S24中总量控制处理后的APHRODITE逐日降水数据作为因变量，建立回归模型；S4：基于空间维度，将S23中获得的高分辨率的SM2RAIN-ASCAT、S21中获得的GPM-IMERG和S22中获得的高分辨率的辅助数据集作为输入变量，输入到所述回归模型中，得到高分辨率的APHRODITE。2.根据权利要求1所述的降尺度方法，其特征在于，S1中所述GPM-IMERG的时间分辨率和空间分辨率分别为30min和0.1
°
，SM2RAIN-ASCAT的时间分辨率和空间分辨率分别为1日和12.5km，APHRODITE的时间分辨率和空间分辨率分别为1日和0.25
°
；辅助数据集均属于静态环境因子数据集，空间分辨率均为90m。3.根据权利要求1所述的降尺度方法，其特征在于，S1中所述辅助数据集的经度Lon和纬度Lat分别通过计算SRTM DEM数字高程模型中栅格格网像元的中心经度值和纬度值得到。4.根据权利要求1所述的降尺度方法，其特征在于，所述S21中数据匹配方法为累加法，具体如下：...

【专利技术属性】
技术研发人员：闵肖肖，许金涛，史舟，李丹璐，
申请(专利权)人：浙江大学，
类型：发明
国别省市：