CN108681639A

CN108681639A - 一种考虑局部变量和全局变量的动态降水降尺度方法

Info

Publication number: CN108681639A
Application number: CN201810473644.0A
Authority: CN
Inventors: 晁丽君; 张珂
Original assignee: Hohai University HHU
Current assignee: Hohai University HHU
Priority date: 2018-05-16
Filing date: 2018-05-16
Publication date: 2018-10-19

Abstract

本发明公开了一种考虑局部变量和全局变量的动态降水降尺度方法，包括以下步骤：步骤1，获取流域的局部变量和全局变量，其中局部变量包括DEM、坡度、坡向、地表粗糙度以及到海岸线的距离，全部变量包括植被覆盖指数和风速；步骤2，获取流域的原始卫星降水数据；步骤3，构建混合地理加权回归模型，建立原始卫星降水与变量之间的关系方程，采用权重函数估算Rkm的系数，并根据估算出的Rkm的系数得到Rkm的空间降水。本发明考虑局部变量的同时考虑了全局变量，实现卫星降水的空间降尺度，进而得到高时空分辨率的空间降水，能更准确的反映降雨的空间分布。

Description

一种考虑局部变量和全局变量的动态降水降尺度方法

技术领域

本发明属于水文和气象技术领域，具体涉及一种考虑局部变量和全局变量的动态降水降尺度方法。

背景技术

近年来全球变暖导致了降水量的变化以及时空的重新分配，进而导致了区域性或流域性的洪涝灾害，造成了不同程度的生命财产损失。降水不仅是全球水循环的最主要的驱动力，也是水文模型最主要的驱动场。获取空间连续的降水产品作为分布式水文模型的输入，有利提高预报的精度以及可靠性。

降水作为水文学和气象学领域共同的研究对象，一直备受学术界和生产单位的关注。空间连续的降水可通过实测站点的空间插值得到，但是在下垫面条件复杂的地区，站点分布十分稀少，特别是在地形地貌复杂的山区，无法布设站点。无资料地区或雨量监测站点十分稀少的地区，无法通过简单的插值方法获取空间连续的降水产品，然而往往这些地区由于复杂的地形条件，容易诱发山洪灾害。

伴随着国内外卫星遥感技术的发展，通过遥感技术获取降水的方法得以不断完善，弥补了地面站点稀少或无监测站点的不足，并且提供了空间上连续分布的降水资料。目前主要的卫星降水产品有：TRMM、COMRPH、PERSIANN、FY-3B、FY-3C等，随着卫星反演降水技术和算法不断改进，这些卫星降水产品的精度均不断提高，也得到了广泛的应用。但是卫星降水产品的空间分辨率较低，比如TRMM的空间分辨率25km，CMORPH的空间分辨率8km，FY-3B降水产品的空间分辨率为36km等等，卫星产品的空间分辨率限制了其在流域尺度上水文模型和气象模式中的应用。

降尺度的方法主要包括统计降尺度和动力降尺度，动力降尺度主要用于气候模式的动力预测过程的降尺度，具有计算量大、兼容性较差、耗时长等特点；统计降尺度主要是建立大尺度气象因子与变量之间的关系，具有计算量小、节省时间、构建模型灵活等特点。近年来，统计降尺度已被广泛用于降水、温度等水文要素中。统计降尺度的方法主要有：多元线性回归、逐步线性回归、主成分分析、支持向量机、人工神经网络等，以上方法均未考虑降水的实际物理意义，未实现动态的降尺度。

为了得到空间连续且较细空间分辨率的降水产品，提高卫星降水产品的应用范围，需要对卫星降水产品进行空间降尺度以获取较细空间分辨率的降水产品。

发明内容

为了获取较细空间分辨率的降水产品，本发明提供了一种考虑局部变量和全局变量的动态降水降尺度方法，将高分辨率的气象数据、植被数据作为全局变量，高空分辨率的地形数据作为局部变量，空间分辨率为25km的TRMM数据作为背景场，构建降尺度模型，得到较细空间分辨率的降水降尺度产品，有助于提高分布式水文模型和气象模式的应用范围。

为了获取较细空间分辨率的降水降尺度产品，本发明具体采用以下技术方案：

一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，包括以下步骤：

步骤1，获取流域的局部变量和全局变量，其中局部变量包括DEM、坡度、坡向、地表粗糙度以及到海岸线的距离，全部变量包括植被覆盖指数和风速；

步骤2，获取流域的原始卫星降水数据；

步骤3，构建混合地理加权回归模型，建立原始卫星降水与变量之间的关系方程，采用权重函数估算Rkm的系数，并根据估算出的Rkm的系数得到Rkm的空间降水。

所述步骤3，具体包括：

步骤31，构建混合地理加权回归模型，建立原始卫星降水与变量之间的关系方程；

式中：y_i为原始卫星降水，x_ik为i*k的矩阵；x_il为i*l的矩阵；a_ik为全局变量对应的系数项，b_l为局部变量对应的系数项；i为网格数；k为全局变量的个数，包括NDVI以及风速；l为局部变量的个数，包括DEM、坡度、坡向、地表粗糙度以及到海岸线距离；θ_i为计算偏差；

步骤32，采用权重函数，计算Rkm的系数；

式中：W_i为权重矩阵；

式中：d_ij为点i到点j的距离；j为降尺度网格数；b为带宽；

式中：a_i为第i网格的全局系数，I为单位矩阵；

式中：b_i为第i网格的局部系数；

步骤4，将Rkm的系数乘以Rkm的变量，得到空间分辨率为Rkm的空间降水：

式中：为Rkm的降尺度降水产品，为Rkm的全局变量，为Rkm的局部变量。

所述步骤1中，部变量由流域DEM栅格数据计算得到，全局变量从mask中提取，具体包括以下步骤：

步骤11，由流域DEM数据计算得到25km、Rkm的流域坡度、坡向、地表粗糙度；

步骤12，由流域DEM栅格数据与中国海岸线，计算得到25km、Rkm的到海岸线的距离；

步骤13，根据流域的mask文件，在全球的NDVI(植被归一化指数)数据、全球风场数据中提取流域的NDVI数据、风速数据；

所述步骤2中，获取流域的原始卫星降水数据步骤包括：

步骤21，下载全球TRMM卫星降水数据，确定TRMM的覆盖范围、空间分辨率以及时间分辨率；

步骤22，根据步骤1中mask文件作为流域边界，提取目标流域的卫星降水数据。

所述原始卫星降水y_i的空间分辨率为25km。

Rkm的降尺度降水产品的时间分辨率为3小时。

本发明的有益效果：本发明提供的一种考虑局部变量和全局变量的动态降水降尺度方法，根据流域的DEM，提取了局部变量：坡度、坡向、地表粗糙度、到海岸线的距离；依据流域的mask文件提取全局变量：NDVI、风速；依据流域的mask文件提取流域的原始卫星降水数据，构建变量与原始卫星降水的动态降尺度模型，实现了卫星降水的动态降尺度。本方法考虑局部变量的同时考了全局变量，以高时空分辨率的地形因子、气象因子、植被因子为基础数据，数据来源稳定可靠并具有物理意义，方法中变量之间的函数关系明确，使得局部变化与全局变化相结合，保证了结果的客观合理性；可得到任意较细空间分辨率的降水降尺度产品，有助于提高分布式水文模型和气象模式的应用范围。

附图说明

图1是本发明的计算流程示意图。

图2为本发明提取出的流域DEM示意图。

图3为本发明提取的流域mask示意图。

图4为本发明中计算出的流域坡度示意图。

图5为本发明中计算出的流域坡向示意图。

图6为本发明中计算出的地表粗糙度示意图。

图7为本发明提取出的到海岸线的距离示意图。

图8为本发明提取出的NDVI示意图。

图9为本发明提取出的风速示意图。

图10为本发明中提取的卫星原始降水示意图。

图11为本发明中降尺度降水产品示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步描述。

如图1所示，本发明提供的一种考虑局部变量和全局变量的动态降水降尺度方法，包括以下步骤：

步骤1，提取目标流域的25km和Rkm的DEM栅格数据和mask文件，具体为：

步骤11，填洼、计算流向、计算汇流流量；

步骤12，确定流域出口点、提取目标流域；

步骤2，利用流域DEM栅格数据计算出流域坡度、坡向、地表粗糙度、到海岸线的距离，根据mask提取流域的NDVI、风速，具体为：

步骤21，由流域DEM数据计算得到25km、Rkm的流域坡度、坡向、地表粗糙度；

步骤22，由流域DEM栅格数据与中国海岸线，计算得到25km、Rkm的到海岸线的距离；

步骤23，根据流域的mask文件，在全球的NDVI数据、全球的风场数据中提取流域的NDVI数据、风速数据；

步骤3，根据流域mask文件，获取流域的原始卫星降水，具体为：

步骤31，下载全球TRMM卫星降水数据，明确TRMM的覆盖范围、空间分辨率、时间分辨率等；

步骤32，根据步骤1中mask文件作为流域边界，提取目标流域的卫星降水数据；

步骤4，构建混合地理加权回归模型，建立原始卫星降水与变量之间的关系方程，采用权重函数估算Rkm的系数，具体为：

步骤41，构建混合地理加权回归模型，建立原始卫星降水与变量之间的关系方程；

式中：y_i为25km原始卫星降水，x_ik为NDVI、风速，x_il为DEM、坡度、坡向、地表粗糙度、到海岸线距离，a_ik为全局变量对应的系数项，b_l为局部变量对应的系数项。

步骤42，采用权重函数，计算Rkm的系数；

式中：W_i为权重矩阵。

式中：d_ij为点i到点j的距离；j为降尺度网格数；b为带宽。

式中：a_i为第i网格的全局系数，I为单位矩阵，y_i为25km卫星降水。

式中：b_i为第i网格的局部系数，y_i为25km的原始卫星降水，a_i为第i网格的全局系数，W_i为权重矩阵。

步骤5，Rkm的系数乘以Rkm的变量，得到空间分辨率为Rkm，时间分辨率为3小时的空间降水，具体为：

为Rkm的降尺度降水产品，为Rkm的全局变量，为Rkm的局部变量。

以我国的淮河流域为例，淮河流域地处我国南北气候过渡带，淮河以北属暖温带区，淮河以南属北亚热带区，气候温和；淮河流域内有三个降水量高值区：伏牛山区、大别山区、下游近海区。流域北部降水量最少，低于700mm。降水量年际变化较大，最大年雨量为最小年雨量的3～4倍。降水量的年内分配也极不均匀，汛期(6～9月)降水量占年降水量的50％～80％。

研究区DEM原始数据采用美国地质调查局(USUG)与国家基础地理信息中心联合提供的数字高程数据，具体为：

步骤1，提取目标流域的25km和1km的DEM栅格数据和mask文件，具体为：

步骤11，填洼、计算流向、计算汇流流量；

步骤12，确定流域出口点、提取目标流域，如图2和3所示；

步骤2，利用流域DEM栅格数据计算出流域坡度、坡向、地表粗糙度、到海岸线的距离，根据流域的mask提取NDVI、风速具体为：

步骤21，由流域DEM数据计算得到25km、1km的流域坡度(如图4所示)、坡向(如图5所示)、地表粗糙度(如图6所示)；

步骤22，由流域DEM栅格数据与中国海岸线，计算得到25km、1km的到海岸线的距离，如图7所示；

步骤23，根据流域的mask文件，在全球的NDVI数据、全球的风场数据中提取流域的NDVI数据(如图8所示)、流域的风速数据(如图9所示)；

步骤32，根据步骤1中mask文件作为流域边界，提取目标流域的卫星降水数据，如图10所示；步骤4，构建混合地理加权回归模型，建立原始卫星降水与变量之间的关系方程，采用权重函数估算1km的系数，具体为：

步骤42，采用权重函数，计算1km的系数；

式中：x_il为DEM、坡度、坡向、地表粗糙度、到海岸线距离矩阵(空间分辨率为25km)，W_i为权重矩阵。

式中：d_ij为点i到点j的距离；j为降尺度网格数；b为带宽。

式中：a_i为第i网格的全局系数，x_ik为NDVI、风速矩阵(空间分辨率为25km)，I为单位矩阵，y_i为25km卫星降水。

式中：b_i为第i网格的局部系数，x_il为DEM、坡度、坡向、地表粗糙度、到海岸线距离矩阵(空间分辨率为25km)，x_ik为NDVI、风速矩阵(空间分辨率为25km)，y_i为25km的原始卫星降水，a_i为第i网格的全局系数，W_i为权重矩阵。

步骤5，1km的系数乘以1km的变量，得到空间分辨率为1km，时间分辨率为3小时的空间降水具体为：

式中：为1km的降尺度降水产品，如图11所示，为1km的全局变量，为1km的局部变量。

Claims

1.一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，包括以下步骤：

步骤2，获取流域的原始卫星降水数据；

2.根据权利要求1所述的一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，所述步骤3，具体包括：

步骤32，采用权重函数，计算Rkm的系数；

式中：W_i为权重矩阵；

式中：d_ij为点i到点j的距离；j为降尺度网格数；b为带宽；

式中：a_i为第i网格的全局系数，I为单位矩阵；

式中：b_i为第i网格的局部系数；

3.根据权利要求2所述的一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，所述步骤1中，部变量由流域DEM栅格数据计算得到，全局变量从mask中提取，具体包括以下步骤：

步骤13，根据流域的mask文件，在全球的NDVI(植被归一化指数)数据、全球风场数据中提取流域的NDVI数据、风速数据。

4.根据权利要求3所述的一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，所述步骤2中，获取流域的原始卫星降水数据步骤包括：

5.根据权利要求1-4任一所述的一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，所述原始卫星降水y_i的空间分辨率为25km。

6.根据权利要求1-4任一所述的一种考虑局部变量和全局变量的动态降水降尺度方法，其特征在于，Rkm的降尺度降水产品的时间分辨率为3小时。