30m分辨率插值的气象要素确定方法技术

本发明专利技术公开了一种30m分辨率插值的气象要素确定方法，利用30m分辨率数字高程数据，通过空间聚合，得到低空间分辨率DEM数据，在低空间分辨率尺度上构建CLDAS数据中气温、比湿等与地形、地理位置因子之间的线性回归关系，然后将所构建线性关系应用到高分辨率尺度，利用30m分辨率高程、坡度、坡向、经度和纬度，估算30m分辨率的气温、比湿等气象要素，实现精细化、高分辨率的气温、空气湿度与日照时数网格产品的生成。产品的生成。产品的生成。

【技术实现步骤摘要】
30m分辨率插值的气象要素确定方法


[0001]本专利技术涉及气象检测
，尤其涉及一种30m分辨率插值的气象要素确定方法。

技术介绍

[0002]特色作物种植区划、农业气象灾害监测预警、农产品品质评估及预测、农业保险等对精细化气象要素网格产品提出了迫切要求。尽管目前国内外气候模式产品的空间分辨率越来越高，如气象信息中心陆面同化系统(CLDAS)大气驱动场产品空间分辨率可达0.0625
°×
0.0625
°
，但对于下垫面复杂、地形起伏大的地区，由于气象要素(如温、湿度、太阳辐射等)的空间差异大，气候模式产品的空间分辨率仍明显偏低，仍不能够很好应用于农业气象服务。因此很有必要研发基于较低分辨率大气驱动场产品的降尺度技术，以实现高分辨率、精细化气象要素网格产品的生成，为三农服务提供技术及数据支持。

技术实现思路

[0003]针对以上问题，本专利技术提出一种30m分辨率插值的气象要素确定方法，其基于CLDAS大气驱动场产品的气象要素降尺度方法，可以实现精细化、高分辨率的气温、空气湿度与日照时数网格产品的生成。
[0004]为实现本专利技术的目的，提供一种30m分辨率插值的气象要素确定方法，包括如下步骤：
[0005]S10，利用30m分辨率数字高程数据，通过空间聚合，得到低空间分辨率DEM数据；
[0006]S20，构建低空间分辨率CLDAS数据中气温、比湿与地形、地理位置因子之间的线性回归关系，确定线性回归模型拟合系数；
[0007]S30，假设气象要素与地形、地理位置间的关系不随空间分辨率变化，低分辨率尺度线性回归模型也即高分辨率尺度线性回归模型；
[0008]S40，将30m分辨率高程、坡度、坡向、经度和纬度代入所述高分辨率模型，以估算30m分辨率的气温或比湿。
[0009]在一个实施例中，上述30m分辨率插值的气象要素确定方法，还包括：
[0010]S50，根据所述比湿和饱和湿度计算相对湿度。
[0011]在一个实施例中，上述相对湿度的计算公式包括：
[0012][0013]所述饱和比湿q
s
的计算公式包括：
[0014][0015]所述饱和水汽压e
s
的计算公式包括：
[0016][0017]其中，RH表示相对湿度，q表示比湿，q
s
表示饱和比湿，P表示大气压，e
s
表示饱和水汽压，t表示高分辨率气温。
[0018]在一个实施例中，上述30m分辨率插值的气象要素确定方法，还包括：
[0019]S60，由30m分辨率数字高程数据和ArcGIS空间分析工具中的太阳辐射模块模拟生成高分辨率可照时数；
[0020]S70，利用低空间分辨率DEM数据，由ArcGIS空间分析工具中的太阳辐射模块模拟生成低空间分辨率晴空太阳辐射R
sm
，结合CLDAS入射短波辐射R
s
，计算日照百分率初值D
sm
。
[0021]具体地，日照百分率初值D
sm
的计算过程包括：
[0022][0023]具体地，上述30m分辨率插值的气象要素确定方法，还包括：
[0024]S80，利用校正系数，对日照百分率初值结果进行校正，得到低分辨率日照百分率图像D
sLR
；所述低分辨率日照百分率图像D
sLR
包括：
[0025]D
sLR
＝c
×
D
sm
，
[0026]其中，c表示校正系数。
[0027]具体地，上述30m分辨率插值的气象要素确定方法，还包括：
[0028]对低分辨率日照百分率图像D
sLR
，通过双线性插值，得到高分辨率的日照百分率图像D
sHR
，将高分辨率的日照百分率图像D
sHR
与高分辨率可照时数图像N
HR
相乘，得到30m分辨率实际日照时数图像n
HR
。
[0029]在一个实施例中，所述线性回归关系包括：
[0030]Y
LR
＝a0+a1×
X
1LR
+a2×
X
2LR
+a3×
X
3LR
+a4×
X
4LR
+a5×
X
5LR
，
[0031]其中，Y
LR
代表低空间分辨率的CLDAS 2.0气象要素，a0、a1、a2、a3、a4和a5均为线性回归模型拟合系数，X
1LR
代表低空间分辨率的高程，X
2LR
代表低空间分辨率的坡度，X
3LR
代表低空间分辨率的坡向，X
4LR
代表低空间分辨率的经度，X
5LR
代表低空间分辨率的纬度。
[0032]具体地，高分辨率模型包括：
[0033]Y
HR
＝a0+a1×
X
1HR
+a2×
X
2HR
+a3×
X
3HR
+a4×
X
4HR
+a5×
X
5HR
，
[0034]其中，Y
HR
代表30m分辨率的气温或比湿估算值，X
1HR
代表30m分辨率的高程，X
2HR
代表30m分辨率的坡度，X
3HR
代表30m分辨率的坡向，X
4HR
代表30m分辨率的经度，X
5HR
代表30m分辨率的纬度。
[0035]上述30m分辨率插值的气象要素确定方法，通过利用30m分辨率数字高程数据，通过空间聚合，得到低空间分辨率DEM数据，构建低空间分辨率CLDAS数据中气温、比湿与地形、地理位置因子之间的线性回归关系，根据所述线性回归关系计算各个线性回归模型拟合系数，根据各个线性回归模型拟合系数确定高分辨率模型，将30m分辨率高程、坡度、坡向、经度和纬度代入所述高分辨率模型，以估算30m分辨率的气温或比湿这些气象要素，进而进行其他气象要素的检测，可以实现精细化、高分辨率的气温、空气湿度与日照时数网格产品的生成。
附图说明
[0036]图1是一个实施例的30m分辨率插值的气象要素确定方法流程图；
[0037]图2是一个实施例的气象要素降尺度与插值过程示意图；
[0038]图3是另一个实施例的气象要素降尺度与插值过程示意图。
具体实施方式
[0039]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种30m分辨率插值的气象要素确定方法，其特征在于，包括如下步骤：S10，利用30m分辨率数字高程数据，通过空间聚合，得到低空间分辨率DEM数据；S20，构建低空间分辨率CLDAS数据中气温、比湿与地形、地理位置因子之间的线性回归关系，确定线性回归模型拟合系数；S30，假设气象要素与地形、地理位置间的关系不随空间分辨率变化，低分辨率尺度线性回归模型也即高分辨率尺度线性回归模型；S40，将30m分辨率高程、坡度、坡向、经度和纬度代入所述高分辨率模型，以估算30m分辨率的气温或比湿。2.根据权利要求1所述的30m分辨率插值的气象要素确定方法，其特征在于，还包括：S50，根据所述比湿和饱和湿度计算相对湿度。3.根据权利要求2所述的30m分辨率插值的气象要素确定方法，其特征在于，所述相对湿度的计算公式包括：所述饱和比湿q
s
的计算公式包括：所述饱和水汽压e
s
的计算公式包括：其中，RH表示相对湿度，q表示比湿，q
s
表示饱和比湿，P表示大气压，e
s
表示饱和水汽压，t表示高分辨率气温。4.根据权利要求1所述的30m分辨率插值的气象要素确定方法，其特征在于，还包括：S60，由30m分辨率数字高程数据和ArcGIS空间分析工具中的太阳辐射模块模拟生成高分辨率可照时数；S70，利用低空间分辨率DEM数据，由ArcGIS空间分析工具中的太阳辐射模块模拟生成低空间分辨率晴空太阳辐射R
sm
，结合CLDAS入射短波辐射R
s
，计算日照百分率初值D
sm
。5.根据权利要求4所述的30m分辨率插值的气象要素确定方法，其特征在于，日照百分率初值D
sm
的计算过程包括：6.根据权利要求4所述的30m分辨率插值的气象要素确定方法，其特征在于，还包括：S80，利用校正系数，对日照百分率初值结果进行校正，得到低分辨率日照百分率图像D
sLR
；所述低分辨率日照百分率图像D
sLR
包括：D
sLR
＝c
×
D
sm
，其中，c表示校正系数。7.根据权利要求6所述的30m分辨率插值的气象要素确定方法，其特征在于，还...

【专利技术属性】
技术研发人员：王玉洁，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：