[发明专利]一种长时间序列降水数据降尺度方法

说明书

本发明公开了一种长时间序列降水数据降尺度方法，它包括以下步骤：(一)基于降水的空间差异特征构建水汽运移成本距离因子；(二)由MODIS EVI数据和步骤(一)得出的水汽运移成本距离因子得出2001年至2013年内分辨率为1km的降水数据。本发明具有如下有益效果：本发明可以有效解决卫星降水反演产品空间分辨率较低的问题，使在有限的数据支持下获取长时序高分辨率空间化降水成为现实；本发明算法结构简单，避免了物理模型结构复杂、输入参数多等问题。

技术领域

本发明涉及一种降水数据降尺度方法，特别是一种耦合地表植被与地形信息等辅助参数的长时序降水数据降尺度方法，属于遥感技术领域。

背景技术

降水是全球水循环的重要组成部分，对地表物质循环和能量交换具有重要作用，降水是生态学、水文学和气象学的重要参数，特别是高分辨率的空间化降水资料对于区域水文水资源分析、旱涝灾害预报和生态环境治理有着重要的基础作用。近年来，遥感(尤其是微波遥感)以其空间连续性等特点在流域降水检测中得到广泛应用。然而，由于微波遥感技术发展历史较短，加之降水发生的高随机性与异质性，使得已有微波遥感降水数据分辨率较低，难以反映降水的空间细节特征。降尺度方法是获取高分辨率降水数据集的有效途径，不少学者在此方面开展了广泛研究，从方法上大致可分为动力降尺度方法和统计降尺度方法两种。

前者主要根据降水产生的物理环境进行模型模拟，通过将区域气候模式内嵌至全球气候模式中，或根据全球气候模式的输出作为边界条件进行阈值限定，生成高分辨率的区域尺度降水资料。由于模型复杂且通常难以获取模型所需的多种高空间分辨率的输入变量，因此其使用受到一定程度的限制。

第二种方法主要基于降水量与其它高空间分辨率地表参数(如海拔高度、植被覆盖程度等)之间的经验性统计关系进行尺度转换。它通过引入先验知识抓住降水时空分布规律性与随机性这一本质，方法灵活多样，简便易行，因此被广泛使用，例如申请号为201610305772.5的中国发明专利申请“一种基于数据挖掘的干旱监测方法”公开了如下技术方案：首先把1km的环境变量因子NDVI、DEM聚合到25km，作为自变量，对应25km分辨率的TRMM数据为因变量，建立地理加权回归模型，并将建立的模型应用到相应地理区域的1km环境变量因子上，最终得出1km的高精度降水预测数据。类似地，申请号为201611078012.1的发明专利申请中将所用到的环境变量增加到包括DNVI、地表温度、高程、坡度、坡向、经度、纬度在内的7个数据；申请号为201610307333.8的发明专利申请中使用的环境变量包括植被指数、数字高程模型、白天地表温度、晚上地表温度、地形湿度指数、坡度、坡向、坡长8个数据；申请号为201610305772.5的发明专利申请中使用的环境变量因子包括植被指数、数字高程模型、白天地表温、晚上地表温、地形湿度指数、坡度、地表粗糙度、地表反射率和谷底平坦指数9个数据。

但是，由于降水的高时空异质性，不同区域间影响降水因素复杂多样，各个区域降水模式间差异通常十分巨大，传统的环境因子(如NDVI与海陆位置)在模拟降水时存在一定缺陷，例如：NDVI在高植被覆盖区易于饱和；而海陆位置(通常用经度、纬度和目标区域与水汽来源地的欧几里得距离表示)往往不能有效模拟出地形起伏明显区域降水量的空间差异情况。同时，不断增加的预测因子一方面增加极大地增加数据准备的难度，比如地表温湿度和反射率数据很难保证数据的空间上的完整性和时间上的连续性；另一方面，多个环境变量间通常存在多重共线性，可能导致数据的冗余同时也增加了拟合模型的复杂性。

综上所述，现有技术在构建高分辨率长时序降水量数据集是仍然面临许多挑战，特别是提出有效的降尺度环境因子，成为流域降水的长期精准检测亟待解决的问题。

发明内容

针对现有技术存在的上述不足，本发明的目的是提供一种耦合降水与地表辅助参数间关系以实现流域降水长期精准检的长时序降水数据降尺度方法。

为了解决上述问题，本发明采用了以下的技术方案。

一种长时间序列降水数据降尺度方法，其特征在于，它包括以下步骤：