The invention relates to a method of downscaling TRMM precipitation data of high resolution satellite data based on the first access to a variety of meteorological satellite data from the official way, through the Leave one out cross validation method, calibration of TRMM remote sensing data according to the influencing factors of precipitation; precipitation data, by step regression variable selection, and consider the lag of vegetation on precipitation, vegetation and spatial correlation, establish multi spatial scale model, choose the optimal model for downscaling of precipitation data. The method is simple and accurate for the prediction of precipitation.
【技术实现步骤摘要】
基于高分辨率卫星数据的TRMM降水数据降尺度方法
本专利技术涉及气象预测
,具体为一种基于高分辨率卫星数据的TRMM降水数据降尺度方法。
技术介绍
降水是全球地表各圈层物质交换、水文循环等过程的重要组成部分。降水数据是研究水文、气象、生态等领域最为重要的数据基础,对于理解水循环过程、水资源管理、缓解水资源短缺等具有促进作用。目前,获取降水数据的途径主要有:雨量站实测和利用遥感技术反演。传统的区域降水数据通常是基于观测站点数据,通过空间插值的方法获得,在雨量站点分布较少的地区,有限的观测数据只能反映站点所在位置一定范围内的降水量,同时受到下垫面的影响,很难准确反映降水的空间变化。同时,已有大量研究表明基于站点的降水数据不能很好地反映降水空间变化,利用遥感技术进行降水数据的反演已成为降水空间变化研究的重要途径。目前遥感数据多用于全球等大尺度地区的气象水文过程研究,在区域降水研究上,还存在数据分辨率较低、精度不高等诸多不足。国内外已有学者针对不同地区进行TRMM遥感降水数据降尺度研究,对进一步推动遥感数据在小尺度区域应用具有重要意义。Immerzeel等建立TRMM与NDVI之间的指数关系,将TRMM的空间分辨率由0.25°提高到1km,并发现TRMM降水数据的精度也有所提高;Guan等引入地形因子并建立回归模型,将下一代雷达(NEXRAD)数据空间分辨率由16km提高到4km;Xu等在4种空间尺度上建立TRMM数据与NDVI数据之间的关系,将研究区域TRMM数据空间分辨率提高至1km。这些研究在一定程度上解决了TRMM数据空间分辨率不足的问题,但也存在一 ...
【技术保护点】
一种基于高分辨率卫星数据的TRMM降水数据降尺度方法,其特征在于,该方法首先从官方途径获取多种卫星气象与地形数据,并对数据进行预处理,通过Leave‑one‑out交叉验证方法,选择合适模型校正遥感降水数据;并考虑到降水对植被的滞后性,以及植被的空间相关性,根据影响降水量数据的因素,通过step回归选择变量,最终对降水数据进行降尺度分析。
【技术特征摘要】
1.一种基于高分辨率卫星数据的TRMM降水数据降尺度方法,其特征在于,该方法首先从官方途径获取多种卫星气象与地形数据,并对数据进行预处理,通过Leave-one-out交叉验证方法,选择合适模型校正遥感降水数据;并考虑到降水对植被的滞后性,以及植被的空间相关性,根据影响降水量数据的因素,通过step回归选择变量,最终对降水数据进行降尺度分析。2.根据权利要求1所述的一种基于高分辨率卫星数据的TRMM降水数据降尺度方法,其特征在于,所述方法具体为:步骤一,获取各官方卫星气象数据,并对数据进行预处理;步骤二,以第一卫星气象数据各站点实测年降水数据为自变量,对应的年降水量为因变量,建立回归方程,通过Leave-One-Out交叉验证选择拟合模型,对降水数据进行校正;步骤三,对第二卫星气象数据每旬的降水数据和不同滞后期的数据进行分析,通过R2和RMSE指数作为指标,确定该地区植被对降水的滞后期;步骤四,通过局部莫兰指数对研究区内的NDVI数据进行分析,得到研究区内NDVI的空间自相关分布图;步骤五,使用多元逐步回归从对校正后的TRMM产生影响的诸多变量中选择部分显著变量作为自变量,以构建最优回归方程对因变量进行预报;步骤六,将各种空间数据重采样到四种空间尺度:0.25°×0.25°,0.5°×0.5°,0.75°×0.75°,1°×1°,建立模型,选择最优的模型参数,对处理过的数据进行降尺度分析;步骤七,提取站点对应的降尺度前后的TRMM值,通过计算R2、RMSE和Bias值对降尺度结果进行验证。3.根据权利要求2所述的一种基于高分辨率卫星数据的TRMM降水数据降尺度方法,其特征在于,所述步骤一具体为:所述的官方卫星气象数据包括有:来源自国家气候信息中心中国地面气候资料日值数据集,数字高程模型DEM数据为航天飞机雷达地形测绘使命90m×90mSRTM3数据,气温数据为MOD11A1日地表温度数据,,归一化差分植被指数SPOT-NDVI数据是由欧盟联盟委员会、法国等国家共同开发的地球监测系统获得,热带测雨任务TRMM数据是TRMM卫星第七版的月降水数据;所有的数据均通过ARCGIS空间可视化平台截取研究区内的数据,并通过DEM数据进行计算获得坡度数据,经纬度数据可以直接获得。4.根据权利要求2所述的一种基于高分辨率卫星数据的TRMM降水数据降尺度方法,其特征在于,所述步骤二具体为:对TRMM数据校正:以各站点实测年降水数据为因变量,对应的TRMM年降水量为自变量,建立回归方程,通过Leave-One-OutLOO交叉验证选择拟合效果最佳模型,然后选择最佳模型对TRMM降水数据进行校正;所述LOO交叉验证方法如下:式中,CV为预报误差平方和,Yi为实际TRMM值,Xi为实测雨量站降水值,为扣除第i对实测值外通过最小二乘法建立的模型。5.根据权利要求2所述的一种基于高分辨率卫星数据的TRMM降水数据降尺度方法,其特征在于,所述步骤三具体为:对每旬的降水数据和不同滞后期的NDVI数据进行分析,通过R2和RMSE指数作为指标,确定该地区植被对降水的滞后期,其计算公式如下:
【专利技术属性】
技术研发人员:张强,范科科,刘剑宇,顾西辉,史培军,孙鹏,
申请(专利权)人:北京师范大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。