CN111177652B - 一种遥感降水数据的空间降尺度方法及系统 - Google Patents

一种遥感降水数据的空间降尺度方法及系统 Download PDF

Info

Publication number
CN111177652B
CN111177652B CN201911179287.8A CN201911179287A CN111177652B CN 111177652 B CN111177652 B CN 111177652B CN 201911179287 A CN201911179287 A CN 201911179287A CN 111177652 B CN111177652 B CN 111177652B
Authority
CN
China
Prior art keywords
data
precipitation
downscaling
degrees
spatial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911179287.8A
Other languages
English (en)
Other versions
CN111177652A (zh
Inventor
姬大彬
施建成
王天星
李小涛
雷添杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201911179287.8A priority Critical patent/CN111177652B/zh
Publication of CN111177652A publication Critical patent/CN111177652A/zh
Application granted granted Critical
Publication of CN111177652B publication Critical patent/CN111177652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Abstract

本发明提供一种遥感降水数据的空间降尺度方法及系统，其中方法包括引入静止卫星融合数据，还包括以下步骤：基于静止卫星红外云顶亮温的高空间分辨率降水计算；粗分辨率降水数据的降尺度。本发明提出的一种遥感降水数据的空间降尺度方法及系统，通过引入高时空分辨率的静止卫星红外波段亮温的融合数据NCEP‑IR，建立降尺度方法，在全球中低纬度范围内（50N~50S，180W~180E）实现对陆地和海洋上的粗分辨率（0.25°×0.25°）降水数据的空间降尺度，获取空间分辨率为0.05°×0.05°的降水数据，同时保证降尺度后的降水数据和原降水数据相比在精度和时间分辨率上不降低。

Description

一种遥感降水数据的空间降尺度方法及系统
技术领域
本发明涉及卫星遥感数据处理的技术领域，特别是一种遥感降水数据的空间降尺度方法及系统。
背景技术
降水是全球水循环过程的关键参数之一。准确的获取降水数据不仅能够预报和评估降水引起的洪涝灾害，同时降水的时空分布也影响着陆地水资源的分布。目前国内外应用范围比较广泛的降水融合产品主要有TRMM Multi-satellite Precipitation Analysis(TMPA)、Climate Prediction Center Morphing(CMORPH)、Precipitation Estimationfrom Remotely Sensed Information using Artificial Neural Networks-ClimateData Record(PERSIANN-CDR)等产品，这些产品已经累计了近20年的全球降水数据。这些降水融合产品主要是通过融合星载降雨雷达、星载微波辐射计以及静止卫星的红外波段的云顶亮温数据生产而成，由于作为降水产品生产核心的微波辐射计的空间分辨率一般在十几公里至几十公里，所以上述降水融合产品的空天分辨率一般都为0.25°×0.25°(在赤道地区约为25km×25km)。空间分辨率为0.25°×0.25°的降水产品在用于研究局部地区的水文过程或水资源分布时会存在空间分辨率过低的问题，无法详细的了解局部区域的水资源空间分布特征。因此通过发展粗分辨率降水数据的降尺度方法，提高降水数据的空间分辨率，对于满足区域水文过程和水资源时空分布特征研究的需求具有重要意义。
申请号为CN106776481A的发明专利申请公开了一种作用于卫星降水数据的降尺度校正方法，首先，基于混合地理加权回归法，构建低分辨率卫星降水数据与多个高分辨率变量之间的混合地理加权回归模型；其次，基于混合地理加权回归模型、多个高分辨率变量，计算具有高分辨率的降尺度降水数据；再次，将具有高分辨率的降尺度降水数据作为背景场，计算得到高分辨率的差值分布图；最后，根据差值分布图，对具有高分辨率的降尺度降水数据进行计算，得到卫星降尺度降水校正数据。上述方案只适用于年平均降水数据的降尺度，无法用于小时平均或日平均的降水的降尺度。此外，植被指数、地表温度、高程、坡度、坡向等变量均是陆地上相关的地理参数，因此上述降水的降尺度方案也无法适用于海洋上的降水的降尺度。
发明内容
为了解决上述的技术问题，本发明提出的一种遥感降水数据的空间降尺度方法及系统，通过引入高时空分辨率的静止卫星红外波段亮温的融合数据NCEP-IR，建立降尺度方法，在全球中低纬度范围内(50N～50S，180W～180E)实现对陆地和海洋上的粗分辨率(0.25°×0.25°)降水数据的空间降尺度，获取空间分辨率为0.05°×0.05°的降水数据，同时保证原降水数据的小时尺度的时间分辨率不降低。
本发明的第一目的是提供一种遥感降水数据的空间降尺度方法，包括引入静止卫星融合数据，还包括以下步骤：
步骤1：基于静止卫星红外云顶亮温的高空间分辨率降水计算；
步骤2：粗分辨率降水数据的降尺度。
优选的是，所述静止卫星融合数据为高时空分辨率的静止卫星红外波段融合数据。
在上述任一方案中优选的是，所述步骤1包括以下子步骤：
步骤11：数据预处理；
步骤12：构建累积直方图；
步骤13：建立静止卫星红外亮温到降水的转换模型，生成基于静止卫星红外亮温数据的高空间分辨率的降水产品。
在上述任一方案中优选的是，所述步骤11中使用的数据包括空间分辨率为0.25°×0.25°、时间分辨率为3小时的TMPA-3B42降水产品和/或空间分辨率为4km×4km、时间分辨率为30分钟的NCEP-IR。
在上述任一方案中优选的是，所述步骤11包括将选取时间上与TPMA-3B42相匹配的NCEP-IR。
在上述任一方案中优选的是，所述步骤11还包括将选取的NCEP-IR分别重采样为0.25°×0.25°和0.05°×0.05°两种等经纬度空间分辨率的数据。
在上述任一方案中优选的是，所述步骤12包括提取t时刻所在日期N，然后选取日期N-15至N+15，空间分辨率均为0.25°×0.25°的TMPA-3B42降水数据和NCEP-IR红外亮温数据用于建立所述累积直方图。
在上述任一方案中优选的是，在建立所述累积直方图时，针对每一个0.25°×0.25°的像元i，选取日期N-15至N+15之间该像元周围13×13窗口的所有像元数据分别计算TMPA-3B42和NCEP-IR两种数据的累积直方图
Figure BDA0002290819660000021
和
Figure BDA0002290819660000022
在上述任一方案中优选的是，采用累积直方图匹配法建立所述转换模型。
在上述任一方案中优选的是，所述累积直方图匹配法为设定某一像元网格的静止卫星红外波段亮温为Tb，TMPA-3B42降水数据为RR，对每一个0.25°×0.25°的像元网格i的红外亮温和降水的累积直方图函数分别为
Figure BDA0002290819660000023
和
Figure BDA0002290819660000024
设定公式为：
Figure BDA0002290819660000025
逐网格(0.25°×0.25°)建立静止卫星红外亮温到降水的转换关系，计算得到基于静止卫星红外亮温数据的0.05°×0.05°空间分辨率的降水数据。
在上述任一方案中优选的是，所述步骤2包括以下子步骤：
步骤21：数据预处理；
步骤22：构建降尺度模型；
步骤23：进行残差计算；
步骤24：TMPA-3B42降水数据的降尺度。
在上述任一方案中优选的是，所述步骤21包括将所述基于静止卫星红外亮温数据的0.05°×0.05°空间分辨率的降水数据重采样为0.25°×0.25°的空间分辨率的数据，将MODIS的NDVI产品以及SRTM-DEM均重采样为0.05°×0.05°和0.25°×0.25°两种空间分辨率的数据。
在上述任一方案中优选的是，所述步骤21还包括利用重采样后的SRTM-DEM数据，以数值大于0为陆地，小于等于0为海洋为条件生成海陆掩模数据，生成的预处理数据为后续建立降尺度模型和降尺度使用。
在上述任一方案中优选的是，所述降尺度模型在空间分辨率为0.25°×0.25°的尺度上构建。
在上述任一方案中优选的是，所述步骤22包括针对陆地区域的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM之间的多元线性回归方程，确定方程系数。
在上述任一方案中优选的是，所述多元线性回归方程的公式为RRTMPA-3B42＝a×RRNCEP-IR+b×DEM+c×NDVI+d，其中，RRTMPA-3B42为TMPA-3B42降水融合数据，DEM为地表高程数据SRTM-DEM，NDVI为植被指数MODIS-NDVI，RRNCEP-IR为静止卫星红外降水数据。a、b、c和d为拟合系数。
在上述任一方案中优选的是，针对海洋地区的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据之间的线性回归方程，确定方程系数。
在上述任一方案中优选的是，所述线性回归方程的公式为RRTMPA-3B42＝e×RRNCEP-IR+f，其中，e和f为拟合系数。
在上述任一方案中优选的是，所述步骤23包括在0.25°×0.25°的空间分辨率尺度上，基于所述多元线性回归方程RRTMPA-3B42＝a×RRNCEP-IR+b×DEM+c×NDVI+d和所述线性回归方程RRTMPA-3B42＝e×RRNCEP-IR+f，通过给定0.25°×0.25°空间分辨率的静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM计算对应的降水数据RR’TMPA-3B42。
在上述任一方案中优选的是，所以步骤23还包括计算原始降水数据RRTMPA-3B42与RR’TMPA-3B42之间的残差
Figure BDA0002290819660000031
计算公式为
Figure BDA0002290819660000032
在上述任一方案中优选的是，利用双线性插值法将0.25°×0.25°的
Figure BDA0002290819660000033
插值为0.05°×0.05°空间分辨率的
Figure BDA0002290819660000034
在上述任一方案中优选的是，所述步骤24包括针对每一个0.25°×0.25°网格上建立的所述多元线性回归方程和所述线性回归方程，输入在时间和空间上对应的0.05°×0.05°高分辨率的静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM计算空间分辨率为0.05°×0.05°的降水数据
Figure BDA0002290819660000041
同时考虑拟合残差的影响，计算得到最终的0.05°×0.05°空间分辨率的TMPA-3B42空间降尺度降水数据
Figure BDA0002290819660000042
在上述任一方案中优选的是，所述TMPA-3B42空间降尺度降水数据
Figure BDA0002290819660000043
的计算公式为
Figure BDA0002290819660000044
本发明的第二目的是提供一种遥感降水数据的空间降尺度系统，包括用于引入静止卫星融合数据的数据引入模块，还包括以下模块：
降水计算模块：用于基于静止卫星红外云顶亮温的高空间分辨率降水计算；
降尺度模块：用于粗分辨率降水数据的降尺度；
所述系统使用如第一目的所述的方法对遥感降水数据进行空间降尺度。
本发明提出了一种遥感降水数据的空间降尺度方法及系统，能够将全球范围内陆地和海洋上的降水数据的空间分辨率从0.25°提高到0.05°。使用户能够获取全球范围内更精细的降水空间分布数据，为全球范围的洪涝灾害监测、干旱监测以及水资源分布调查提供更加丰富的信息。本发明专利提供的降水的降尺度方法相比于现有的降尺度方法能够在提高数据空间分辨率的同时，保证降尺度后的降水数据在精度上以及时间分辨率上与原始数据相比不降低，同时保留原降水数据的空间分布趋势。
TMPA-3B42是指时间分辨率为3小时，空间分辨率为0.25°的全球降水产品。其中TMPA是The Tropical Rainfall Measuring Mission(TRMM)Multi-satellitePrecipitation Analysis的缩写。3B42为TMPA降水产品集中一种产品的代号。
NCEP-IR是指数据集NCEP/CPC Half Hourly 4km Global Merged IR的英文缩写。NCEP/CPC Half Hourly 4km Global Merged IR为美国国家海洋和大气管理局发布的时间分辨率为30分钟，空间分辨率为4km的全球静止卫星红外波段融合数据集。
MODIS-NDVI是指基于星载中分辨率成像光谱仪(MODIS)观测数据所生产的归一化植被指数(NDVI)。
SRTM-DEM是指由航天飞机雷达地形测绘计划(ShuttleRadarTopographyMission)提供的数字高程模型(DEM)。
附图说明
图1为按照本发明的遥感降水数据的空间降尺度方法的一优选实施例的流程图。
图1A为按照本发明的遥感降水数据的空间降尺度方法的如图1所示实施例的基于静止卫星的高空间分辨率降水计算方法流程图。
图1B为按照本发明的遥感降水数据的空间降尺度方法的如图1所示实施例的降尺度方法流程图。
图2为按照本发明的遥感降水数据的空间降尺度系统的一优选实施例的模块图。
图3为按照本发明的遥感降水数据的空间降尺度方法的另一优选实施例的空间降尺度流程图。
图4为按照本发明的遥感降水数据的空间降尺度方法的如图3所示实施例的2017年7月16日降尺度前后日累积降水总量的空间分布对比示意图。
图5为按照本发明的遥感降水数据的空间降尺度方法的如图3所示实施例的TRMM-3B42降尺度前后日累积降水精度对比示意图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1、2所示，执行步骤100，数据引入模块200引入静止卫星融合数据，融合数据为高时空分辨率的静止卫星红外波段融合数据。
执行步骤110，降水计算模块210进行基于静止卫星红外云顶亮温的高空间分辨率降水计算。在步骤110中，执行步骤111，数据预处理。使用的数据包括空间分辨率为0.25°×0.25°、时间分辨率为3小时的TMPA-3B42降水产品和/或空间分辨率为4km×4km、时间分辨率为30分钟的NCEP-IR，将选取时间上与TPMA-3B42相匹配的NCEP-IR，将选取的NCEP-IR分别重采样为0.25°×0.25°和0.05°×0.05°两种等经纬度空间分辨率的数据。
执行步骤112，构建累积直方图。提取t时刻所在日期N，然后选取日期N-15至N+15，空间分辨率均为0.25°×0.25°的TMPA-3B42降水数据和NCEP-IR红外亮温数据用于建立所述累积直方图。在建立所述累积直方图时，针对每一个0.25°×0.25°的像元i，选取日期N-15至N+15之间该像元周围13×13窗口的所有像元数据分别计算TMPA-3B42和NCEP-IR两种数据的累积直方图
Figure BDA0002290819660000051
和
Figure BDA0002290819660000052
采用累积直方图匹配法建立转换模型。
执行步骤113，建立静止卫星红外亮温到降水的转换模型，生成基于静止卫星红外亮温数据的高空间分辨率的降水产品。采用累积直方图匹配法建立转换模型。累积直方图匹配法为设定某一像元网格的静止卫星红外波段亮温为Tb，TMPA-3B42降水数据为RR，对每一个0.25°×0.25°的像元网格i的红外亮温和降水的累积直方图函数分别为
Figure BDA0002290819660000053
和
Figure BDA0002290819660000054
设定公式为：
Figure BDA0002290819660000055
逐网格(0.25°×0.25°)建立静止卫星红外亮温到降水的转换关系，计算得到基于静止卫星红外亮温数据的0.05°×0.05°空间分辨率的降水数据。
执行步骤120，降尺度模块220进行粗分辨率降水数据的降尺度。在步骤120中，执行步骤121，数据预处理。将所述基于静止卫星红外亮温数据的0.05°×0.05°空间分辨率的降水数据重采样为0.25°×0.25°的空间分辨率的数据，将MODIS的NDVI产品以及SRTM-DEM均重采样为0.05°×0.05°和0.25°×0.25°两种空间分辨率的数据，利用重采样后的SRTM-DEM数据，以数值大于0为陆地，小于等于0为海洋为条件生成海陆掩模数据，生成的预处理数据为后续建立降尺度模型和降尺度使用，降尺度模型在空间分辨率为0.25°×0.25°的尺度上构建。
执行步骤122，构建降尺度模型。包括针对陆地区域的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM之间的多元线性回归方程，确定方程系数。所述多元线性回归方程的公式为RRTMPA-3B42＝a×RRNCEP-IR+b×DEM+c×NDVI+d，其中，RRTMPA-3B42为TMPA-3B42降水融合数据，DEM为地表高程数据SRTM-DEM，NDVI为植被指数MODIS-NDVI，RRNCEP-IR为静止卫星红外降水数据。a、b、c和d为拟合系数。针对海洋地区的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据之间的线性回归方程，确定方程系数。线性回归方程的公式为RRTMPA-3B42＝e×RRNCEP-IR+f，e和f为回归系数。
执行步骤123，进行残差计算。在0.25°×0.25°的空间分辨率尺度上，基于所述多元线性回归方程和所述线性回归方程，通过给定0.25°×0.25°空间分辨率的静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM计算对应的降水数据RR’TMPA-3B42。计算原始降水数据RRTMPA-3B42与RR’TMPA-3B42之间的残差
Figure BDA0002290819660000061
计算公式为
Figure BDA0002290819660000062
Figure BDA0002290819660000063
利用双线性插值法将0.25°×0.25°的
Figure BDA0002290819660000064
插值为0.05°×0.05°空间分辨率的
Figure BDA0002290819660000065
执行步骤124，TMPA-3B42降水数据的降尺度。针对每一个0.25°×0.25°网格上建立的所述多元线性回归方程和所述线性回归方程，输入在时间和空间上对应的0.05°×0.05°高分辨率的静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM计算空间分辨率为0.05°×0.05°的降水数据
Figure BDA0002290819660000066
同时考虑拟合残差的影响，计算得到最终的0.05°×0.05°空间分辨率的TMPA-3B42空间降尺度降水数据
Figure BDA0002290819660000067
TMPA-3B42空间降尺度降水数据
Figure BDA0002290819660000068
的计算公式为
Figure BDA0002290819660000069
实施例二
目前长时间序列的全球范围的降水融合产品的空间分辨率多为0.25°。本发明专利的提出的降水的降尺度方法能够将全球范围内陆地和海洋上的降水数据的空间分辨率从0.25°提高到0.05°。使用户能够获取全球范围内更精细的降水空间分布数据，为全球范围的洪涝灾害监测、干旱监测以及水资源分布调查提供更加丰富的信息。本发明专利提供的降水的降尺度方法相比于现有的降尺度方法能够在提高数据空间分辨率的同时，保证降尺度后的降水数据在精度上以及时间分辨率上与原始数据相比不降低，同时保留原降水数据的空间分布趋势。
在本实施例中，如图3所示，将以空间分辨率为0.25°×0.25°，时间分辨率为3小时的TMPA-3B42降水融合产品降尺度为例。首先，通过引入高时空分辨率的静止卫星红外波段融合数据(NCEP-IR)，以时间上同步的TMPA-3B42降水数据和静止卫星红外波段融合数据为基础，利用累积直方图匹配算法构建静止卫星红外波段数据降水识别和反演算法，建立静止卫星红外亮温数据与TMPA-3B42降水融合数据匹配模型，生成基于静止卫星红外亮温的0.05°×0.05°空间分辨率降水数据。然后基于生成0.05°×0.05°的静止卫星红外亮温降水数据，针对陆地上的粗分辨率降水，通过引入高空间分辨率植被和地形数据作为辅助数据，建立包含静止卫星红外亮温降水数据、NDVI和DEM数据的降尺度模型；针对海洋上的粗分辨率降水，通过建立仅包含静止卫星红外亮温降水数据的降尺度模型，实现将空间分辨率为0.25°×0.25°的TMPA-3B42降水产品降尺度到空间分辨率为0.05°×0.05°的降水产品。本发明的技术方案的主要改进点是引入了高时空分辨率的静止卫星红外亮温信息实现了对陆地和海洋上粗分辨率降水数据的空间降尺度，同时保持原降水数据的小时尺度的时间分辨率不变。技术方案的具体内容如下：
(1)基于静止卫星红外云顶亮温的高空间分辨率降水计算
由于静止卫星红外云顶亮温与降水之间并没有固定的函数关系，直接将静止卫星红外亮温用于云顶亮温会存在较大的误差，因此在用于降尺度前，需将静止卫星红外亮温转换为基于红外降温的降水数据。本方案中，将红外亮温转换为降水数据主要采用累积直方图匹配法。红外亮温主要采用了2018年最新发布的高时空分辨率的全球静止卫星红外波段融合数据(NCEP-IR)，该数据具有4km的空间分辨率和30分钟的时间分辨率。该全球静止卫星融合数据通过与TMPA-3B42降水数据建立转换模型，可将其转换为全球范围内(50N～50S，180W～180E)的高空间分辨率降水数据。具体细节如下：
1)数据预处理。使用的数据包括空间分辨率为0.25°×0.25°，时间分辨率为3小时的TMPA-3B42降水产品以及空间分辨率为4km×4km，时间分辨率为30分钟的NCEP-IR。为保证两种数据的时空匹配以及降尺度需求，首先将选取时间上与TPMA-3B42相匹配的NCEP-IR，然后将选取的NCEP-IR分别重采样为0.25°×0.25°和0.05°×0.05°两种等经纬度空间分辨率的数据，用于后续构建转换关系和高分辨率降水产品的生产。
2)构建累积直方图。针对将时刻t的静止卫星红外亮温数据转换为降水数据的需求，提取t时刻所在日期N，然后选取日期N-15至N+15，空间分辨率均为0.25°×0.25°的TMPA-3B42降水数据和NCEP-IR红外亮温数据用于建立累积直方图。在建立累积直方图时，需针对每一个0.25°×0.25°的像元i，选取日期N-15至N+15之间该像元周围13×13窗口的所有像元数据分别计算TMPA-3B42和NCEP-IR两种数据的累积直方图
Figure BDA0002290819660000071
和
Figure BDA0002290819660000072
3)建立静止卫星红外亮温到降水的转换模型，生成基于静止卫星红外亮温数据的高空间分辨率的降水产品。转换模型主要采用累积直方图匹配法建立。设某一像元网格的静止卫星红外波段亮温为Tb，TMPA-3B42降水数据为RR，那么步骤2)中针对每一个0.25°×0.25°的像元网格i的红外亮温和降水的累积直方图函数分别为
Figure BDA0002290819660000081
和
Figure BDA0002290819660000082
根据直方图匹配原理，设定公式1：
Figure BDA0002290819660000083
通过公式1便可逐网格(0.25°×0.25°)建立静止卫星红外亮温到降水的转换关系。假定在0.25°×0.25°网格尺度上建立的公式1同样适用于0.05°×0.05°网格尺度，那么将公式1应用于0.05°×0.05°的静止卫星红外波段亮温上便可以计算得到基于静止卫星红外亮温数据的高空间分辨率(0.05°×0.05°)的降水产品。
(2)粗分辨率降水数据的降尺度
因此在本专利的技术方案中，主要使用高分辨率静止卫星红外亮温降水数据在获取降水空间分布细节上的优势，并引入高分辨率的植被分布信息以及地形信息与粗分辨率的TMPA-3B42降水数据建立的新的多元线性回归降尺度模型，实现对粗分辨率TMPA-3B42降水数据的降尺度。具体如下所述：
1)数据预处理。将基于公式1生产的0.05°×0.05°静止卫星红外亮温降水数据重采样为0.25°×0.25°，同时将MODIS的NDVI产品以及SRTM-DEM均重采样为0.05°×0.05°和0.25°×0.25°两种空间分辨率的数据。此外，利用重采样后的SRTM-DEM数据，以数值大于0为陆地，小于等于0为海洋为条件生成海陆掩模数据。生成的预处理数据为后续建立降尺度模型和降尺度使用。
2)构建降尺度模型。降尺度模型主要在空间分辨率为0.25°×0.25°的尺度上构建。针对陆地区域的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM之间的多元线性回归方程，确定方程系数。多元线性回归方程如公式2所示：
RRTMPA-3B42＝a×RRNCEP-IR+b×DEM+c×NDVI+d (公式2)
其中，RRTMPA-3B42为TMPA-3B42降水融合数据，DEM为地表高程数据SRTM-DEM，NDVI为植被指数MODIS-NDVI，RRNCEP-IR为静止卫星红外降水数据。a、b、c和d为公式2的拟合系数。
针对海洋地区的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据之间的线性回归方程，确定方程系数。线性回归方程如公式3所示：
RRTMPA-3B42＝e×RRNCEP-IR+f (公式3)
RRTMPA-3B42和RRNCEP-IR与公式2中的参数相同。e和f为公式3的拟合系数。
3)残差计算。在0.25°×0.25°的空间分辨率尺度上，基于公式2和公式3，通过给定0.25°×0.25°空间分辨率的静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM计算对应的降水数据RR’TMPA-3B42，并计算原始降水数据RRTMPA-3B42与RR’TMPA-3B42之差，如公式4所示：
Figure BDA0002290819660000091
Figure BDA0002290819660000092
为原始降水数据RRTMPA-3B42与公式2和公式3计算的降水数据RR’TMPA-3B42之间的残差。然后利用双线性插值法将0.25°×0.25°的
Figure BDA0002290819660000093
插值为0.05°×0.05°空间分辨率的
Figure BDA0002290819660000094
4)TMPA-3B42降水数据的降尺度。假定在0.25°×0.25°网格尺度上建立的公式2和公式3同样适用于0.05°×0.05°的网格尺度上。因此，针对每一个0.25°×0.25°网格上建立的公式2和公式3，输入在时间和空间上对应的0.05°×0.05°高分辨率的静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM计算空间分辨率为0.05°×0.05°的降水数据
Figure BDA0002290819660000095
同时考虑拟合残差的影响，由公式5计算得到最终的0.05°×0.05°空间分辨率的TMPA-3B42空间降尺度降水数据
Figure BDA0002290819660000096
Figure BDA0002290819660000097
实施例三
在本实施例中，对2017年7月份的TMPA-3B42降水数据进行了降尺度。如图4所示的是2017年7月16日基于TMPA-3B42计算的降尺度前后的日累积降水总量空间分布对比。从对比结果可以看出，降尺度后的降水数据在空间分布上更加细腻，能够更好的显示降水在空间上的分布情况。此外，本发明还利用泰国地区的地面雨量计观测的日累积降水总量对降尺度前后的降水数据进行了验证，如图5所示。从图中可以看出降尺度后的降水数据和原始数据相比，无论是在相关性和均方根误差RMSE上均有改进。
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (7)

1.一种遥感降水数据的空间降尺度方法，包括引入静止卫星融合数据，其特征在于，还包括以下步骤：
步骤1：基于静止卫星红外云顶亮温数据的高空间分辨率降水计算，包括以下子步骤：
步骤11：数据预处理；
步骤12：构建累积直方图；
步骤13：建立静止卫星红外亮温数据到降水的转换模型，生成基于静止卫星红外亮温数据的空间分辨率为0.05°×0.05°的降水产品；
步骤2：粗分辨率降水数据的降尺度，所述粗分辨率为0.25°×0.25°，包括以下子步骤：
步骤21：数据预处理；将所述步骤13中的所述基于静止卫星红外亮温数据的0.05°×0.05°空间分辨率的降水数据重采样为0.25°×0.25°空间分辨率红外亮温降水的数据，将MODIS的NDVI产品以及SRTM-DEM均重采样为0.05°×0.05°和0.25°×0.25°两种空间分辨率的数据；
步骤22：构建降尺度模型；针对陆地区域的降水，以每一个0.25°×0.25°网格为中心选取其周围9×9网格窗口内的所有像元建立起TMPA-3B42降水数据与静止卫星红外亮温降水数据、MODIS-NDVI以及SRTM-DEM之间的多元线性回归方程，确定方程系数；
步骤23：进行残差计算；
步骤24：TMPA-3B42降水数据的降尺度。
2.如权利要求1所述的遥感降水数据的空间降尺度方法，其特征在于，所述静止卫星融合数据为高时空分辨率的静止卫星红外波段融合数据。
3.如权利要求2所述的遥感降水数据的空间降尺度方法，其特征在于，所述步骤11中使用的数据包括空间分辨率为0.25°×0.25°、时间分辨率为3小时的TMPA-3B42降水产品和或空间分辨率为4km×4km、时间分辨率为30分钟的NCEP-IR。
4.如权利要求3所述的遥感降水数据的空间降尺度方法，其特征在于，所述步骤11包括将选取时间上与TPMA-3B42相匹配的NCEP-IR。
5.如权利要求4所述的遥感降水数据的空间降尺度方法，其特征在于，所述步骤11还包括将选取的NCEP-IR分别重采样为0.25°×0.25°和0.05°×0.05°两种等经纬度空间分辨率的数据。
6.如权利要求1所述的遥感降水数据的空间降尺度方法，其特征在于，所述步骤12包括提取t时刻所在日期N，然后选取日期N-15至N+15，空间分辨率均为0.25°×0.25°的TMPA-3B42降水数据和NCEP-IR红外亮温数据用于建立所述累积直方图。
7.如权利要求6所述的遥感降水数据的空间降尺度方法，其特征在于，在建立所述累积直方图时，针对每一个0.25°×0.25°的像元i，选取日期N-15至N+15之间该像元周围13×13窗口的所有像元数据分别计算TMPA-3B42和NCEP-IR两种数据的累积直方图。
CN201911179287.8A 2019-11-27 2019-11-27 一种遥感降水数据的空间降尺度方法及系统 Active CN111177652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911179287.8A CN111177652B (zh) 2019-11-27 2019-11-27 一种遥感降水数据的空间降尺度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911179287.8A CN111177652B (zh) 2019-11-27 2019-11-27 一种遥感降水数据的空间降尺度方法及系统

Publications (2)

Publication Number Publication Date
CN111177652A CN111177652A (zh) 2020-05-19
CN111177652B true CN111177652B (zh) 2021-10-01

Family

ID=70655382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911179287.8A Active CN111177652B (zh) 2019-11-27 2019-11-27 一种遥感降水数据的空间降尺度方法及系统

Country Status (1)

Country Link
CN (1) CN111177652B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329265A (zh) * 2020-11-25 2021-02-05 国网湖南省电力有限公司 卫星遥感降水精细化空间估算方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550423A (zh) * 2015-12-09 2016-05-04 浙江大学 基于Fuzzy-OLS的CMORPH卫星降雨数据降尺度方法
CN106021872A (zh) * 2016-05-10 2016-10-12 浙江大学 一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法
CN109472393A (zh) * 2018-09-30 2019-03-15 广州地理研究所 空间降尺度降水数据检测方法、装置及电子设备
CN110334446A (zh) * 2019-07-05 2019-10-15 中国水利水电科学研究院 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349767B (zh) * 2008-09-05 2012-06-13 国家卫星气象中心 高分辨率降水数据处理方法
CN101551459B (zh) * 2008-10-15 2012-12-26 北京天宏金睛信息技术有限公司 基于遥感的区域蒸散量监测方法
CN102136035B (zh) * 2011-03-21 2012-11-14 北京农业信息技术研究中心 获取田块尺度的农田蒸散量的方法
CN102455304A (zh) * 2011-07-12 2012-05-16 北京汇美电子技术有限公司 基于北斗卫星的大气层水汽测量方法
CN103810376B (zh) * 2014-01-17 2016-08-31 浙江大学 基于卫星遥感与回归克里格的地面日降雨量预测方法
CN106776481B (zh) * 2016-11-29 2020-05-05 河海大学 一种作用于卫星降水数据的降尺度校正方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550423A (zh) * 2015-12-09 2016-05-04 浙江大学 基于Fuzzy-OLS的CMORPH卫星降雨数据降尺度方法
CN106021872A (zh) * 2016-05-10 2016-10-12 浙江大学 一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法
CN109472393A (zh) * 2018-09-30 2019-03-15 广州地理研究所 空间降尺度降水数据检测方法、装置及电子设备
CN110334446A (zh) * 2019-07-05 2019-10-15 中国水利水电科学研究院 基于卫星降水数据的降尺度处理的山洪临界雨量计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Study on the satellite-based precipitation downscaling algorithm in Tianshan mountain";Qisheng He 等;《2016 IEEE International Geoscience and Remote Sensing Symposium》;20161103;第606-608页 *
"中国西部地区遥感降水数据降尺度研究";万逸波;《中国优秀硕士学位论文全文数据库 基础科学辑》;20190115;第A000-101页 *
"多遥感数据的降水空间降尺度研究--以川渝地区为例";嵇涛 等;《地球信息科学学报》;20150131;第17卷(第1期);第108-117页 *

Also Published As

Publication number Publication date
CN111177652A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN110738252B (zh) 空间自相关的机器学习卫星降水数据降尺度方法、系统
CN113158570A (zh) 一种融合多源卫星遥感的全天候地表温度近实时反演方法
Song et al. An improved surface soil moisture downscaling approach over cloudy areas based on geographically weighted regression
CN111652404B (zh) 一种全天气地表温度反演方法和系统
CN109325540B (zh) 一种针对遥感每天降水量数据的空间降尺度方法
CN116011342B (zh) 一种高分辨率热红外地表温度全天候重建方法
Yoo et al. Spatial downscaling of MODIS land surface temperature: Recent research trends, challenges, and future directions
CN111797366A (zh) 一种提高降水数据空间分辨率的方法
Wang et al. Infrared Precipitation Estimation using Convolutional neural network for FengYun satellites
CN116543312A (zh) 大范围河湖水质参数遥感反演样本库构建与更新方法
CN111177652B (zh) 一种遥感降水数据的空间降尺度方法及系统
Zhang et al. Development of the direct-estimation albedo algorithm for snow-free Landsat TM albedo retrievals using field flux measurements
Lu et al. Evaluation of satellite land surface albedo products over China using ground-measurements
CN113237554B (zh) 云下地表温度图像生成方法、装置和终端设备
Zhang et al. Merging multisatellite precipitation products using stacking method and the censored-shifted gamma ensemble model output statistics in china's Beimiaoji basin
CN114120101A (zh) 一种土壤水分多尺度综合感知方法
CN115859797A (zh) 一种基于深度学习的卫星定量降水估计方法
Hu et al. Spatiotemporal downscaling method of land surface temperature based on daily change model of temperature
Simeng et al. A comparative study of using ANUSPLIN and GWR models for downscaled GPM precipitation
CN116227142A (zh) 基于modis遥感数据的逐日地表温度重建方法及装置
Xia et al. A Deep Learning Method Integrating Multi-source Data for ECMWF Forcasting Products Correction
CN111814855B (zh) 基于残差seq2seq神经网络的全球电离层电子总含量预测方法
CN114461983A (zh) 一种基于水量平衡原理的卫星降水产品空间降尺度方法
Chen et al. Downscaling and merging multiple satellite precipitation products and gauge observations using random forest with the incorporation of spatial autocorrelation
CN113568008A (zh) 基于葵花-8卫星的分钟级降水实时反演估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant