青藏高原TMPA和IMERG空间降尺度比较
摘要
1.简介
2.材料和方法
2.1. 研究区域
2.2. 材料
2.2.1. 雨量計
2.2.2. TRMM卫星降水数据集
2.2.3. IMERG卫星降水数据集
2.2.4. NDVI数据集
2.2.5. 陆地表面温度数据集
2.2.6. 地形数据集
2.3. 方法
2.3.1. 随机森林
(1) 随机生成 进入 来自原始数据集的引导样本。 未选择的元素称为“袋外”(OOB)样本。 (2) 对于每个分割,随机选择 原始预测值的预测值,并从中选择最佳预测值 对数据集进行分区的预测器。 此外, 是模型的调整参数。 (3) 通过平均预测值预测新数据(OOB元素) 进入 树。 (4)
2.3.2. 年度规模的主要缩减步骤
(1) 将TMPA和IMERG月降雨量与年降雨量相加( ). (2) 将陆地表面变量及其原始分辨率分别合并为0.1°和0.25°的分辨率。 (3) 建立随机森林模型 0.25°和 ,并建立随机森林模型 在0.1°和 . (4) 使用以下公式估算0.25°的年降雨量 ,并使用 . (5) 将残差映射为0.25°( )通过计算 预计年降雨量为0.25°。 同样,将残差映射为0.1°( )通过计算 预计年降雨量为0.1°。 (6) 获取残差( 和 )使用简单的样条张力插值器,在距离0.25°处1 km处。 由于残差数据的间隔是有规律的,因此这种类型的数据通常使用样条插值。 (7) 生成1 km处的年降雨量估计值,称为剩余修正前的缩小结果,使用 和 分别结合陆面变量。 (8) 将步骤(6)获得的1 km处的残差与步骤(7)获得的1km处残差校正之前的缩小结果相加,以最终获得残差校正后的缩小结果。
2.3.3。 年降水量到月降水量的分解
2.3.4. 验证
3.结果
3.1. 使用年度和月度地面观测的原始结果和验证
3.2. 使用随机森林的降尺度过程中的主要结果
3.3. 使用地面观测的缩小结果和验证
4.讨论
4.1. TP内陆水体异常
4.2. 空间分辨率与地面观测降水量估算精度的关系
4.3. 未来研究
5.结论
(1) IMERG数据在年和月尺度上提供了比TMPA数据更准确的降水量估计。 此外,与TMPA数据相比,IMERG数据不再存在系统性异常。 (2) RF算法证明了降低TMPA和IMERG尺度的潜力,以获得比TP更高的空间分辨率和合理精度的降水量估计值。 (3) 在年度和月度尺度上,基于IMERG的缩小尺度结果比基于TMPA数据的结果表现出更好的性能。
作者贡献
基金
致谢
利益冲突
工具书类
基德,C。; Huffman,G.全球降水测量。 美托洛尔。 申请。 2011 , 18 , 334–353. [ 谷歌学者 ] [ 交叉参考 ] Hou,A.Y。; 卡卡尔,R.K。; Neeck,S。; 阿扎巴津,A.A。; 库默罗,C.D。; 小岛,M。; 奥基,R。; Nakamura,K。; Iguchi,T.全球降水量测量任务。 牛市。 Am.Meteorol公司。 Soc公司。 2014 , 95 , 701–722. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Li,Z。; Yang,D。; Hong,Y.长江流域高分辨率多传感器混合全球降水产品的多尺度评估。 J.水文学。 2013 , 500 , 157–169. [ 谷歌学者 ] [ 交叉参考 ] 爪哇马德,S。; Yatagai,A。; Kawamoto,H。; Nodzu,M。; Jamali,J.比较伊朗上空TRMM_3b42的高分辨率每日网格化降水数据和卫星降雨量估计。 高级地质科学。 2010 , 25 , 119–125. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 维拉里尼,G。; Krajewski,W.F.《基于单极化雷达的降雨量估算中不同不确定性来源的审查》。 调查。 地球物理学。 2009 , 31 , 107–129. [ 谷歌学者 ] [ 交叉参考 ] 霍夫曼,G.J。; 阿德勒,R.F。; 阿金,P。; Chang,A。; 费拉罗,R。; Gruber,A。; Janowiak,J。; 麦克纳布,A。; 鲁道夫,B。; 美国施耐德。全球降水气候学项目(GPCP)联合降水数据集。 牛市。 Am.Meteorol公司。 Soc公司。 1997 , 78 ,5-20。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 霍夫曼,G.J。; 阿德勒,R.F。; 莫里西医学博士。; Bolvin,D.T。; 柯蒂斯,S。; 乔伊斯·R。; Mcgavock,B。; Susskind,J.《多卫星观测的一度日分辨率全球降水量》。 水文气象杂志。 2001 , 2 , 36–50. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 霍夫曼,G.J。; 阿德勒,R.F。; Bolvin,D.T。; Gu,G.改进全球降水记录:GPCP 2.1版。 地球物理学。 Res.Lett公司。 2009 , 36 , 153–159. [ 谷歌学者 ] [ 交叉参考 ] 久保田,T。; Shige,S。; Hashizume,H。; Aonashi,K。; 北高桥。; 塞托,S。; Hirose,M.Gsmap项目使用卫星微波辐射计绘制的全球降水图:制作和验证。 IEEE传输。 地质科学。 远程传感器。 2007 , 45 , 2259–2275. [ 谷歌学者 ] [ 交叉参考 ] 库默罗,C。; 辛普森,J。; O.蒂勒。; 巴恩斯,W。; A.T.C.Chang。; 斯托克,E。; Adler,R.F.热带降雨测量任务(TRMM)在轨两年后的状态。 J.应用。 美托洛尔。 2000 , 39 , 1965–1982. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 库默罗,C。; 巴恩斯,W。; Kozu,T。; Shiue,J。; Simpson,J.热带降雨测量任务(TRMM)传感器包。 J.大气。 海洋。 Technol公司。 1998 , 15 , 809–817. [ 谷歌学者 ] [ 交叉参考 ] 霍夫曼,G.J。; Bolvin,D.T。; 内尔金,E.J。; 沃尔夫,D.B。; 阿德勒,R.F。; 顾,G。; Y.Hong。; K.P.鲍曼。; Stocker,E.F.《TRMM多卫星降水分析(TMPA):精细尺度下的准全球、多年、组合传感器降水估计》。 水文气象杂志。 2007 , 8 , 38–55. [ 谷歌学者 ] [ 交叉参考 ] Li,X.H。; 张,Q。; Xu,C.Y.,TRMM卫星降雨驱动分布式水文模型用于鄱阳湖流域新疆流域水平衡计算的适用性。 J.水文学。 2012 , 426–427 , 28–38. [ 谷歌学者 ] [ 交叉参考 ] 李,L。; Y.Hong。; Wang,J。; 阿德勒,R.F。; Policelli,F.S。; 哈比卜,S。; Irwn博士。; 科尔姆,T。; Okello,L.对非洲维多利亚湖Nzoia盆地业务洪水预报系统基于TRMM的实时多卫星降水分析的评估。 自然危害 2009 , 50 , 109–123. [ 谷歌学者 ] [ 交叉参考 ] 伊斯兰,M。; Uyeda,H.使用TRMM确定孟加拉国降雨量的气候特征。 遥感环境。 2007 , 108 , 264–276. [ 谷歌学者 ] [ 交叉参考 ] 霍夫曼,G.J。; Bolvin,D.T。; Braithwaite,D。; Hsu,K。; 乔伊斯·R。; 谢,P.P。 GPM综合多卫星GPM检索(IMERG)算法理论基础文档(Atbd)4.4版 ; PPS,NASA/GSFC:美国华盛顿特区,2014年; 第30卷。 唐·G。; 马,Y。; Long,D。; 钟,L。; Hong,Y.在多时空尺度下对中国大陆GPM Day-1 IMERG和TMPA Version-7遗留产品的评估。 J.水文学。 2016 , 533 , 152–167. [ 谷歌学者 ] [ 交叉参考 ] Prakash,S。; 米特拉,A.K。; Aghakouchak,A。; 刘,Z。; 诺鲁齐,H。; Pai,D.S.《基于GPM的季风主导地区多卫星降水量估算的初步评估》。 J.水文学。 2016 , 556 , 865–876. [ 谷歌学者 ] [ 交叉参考 ] Kim,K。; Park,J。; Baik,J。; Choi,M.使用GPM IMERG和TRMM 3b42评估远东亚洲的地形和季节特征。 大气。 物件。 2017 , 187 , 95–105. [ 谷歌学者 ] [ 交叉参考 ] 西北部Immerzeel。; Rutten,M.M。; Droogers,P.利用伊比利亚半岛植被响应对TRMM降水进行空间降尺度。 遥感环境。 2009 , 113 , 362–370. [ 谷歌学者 ] [ 交叉参考 ] 贾,S。; 朱伟。; 吕,A。; Yan,T.基于NDVI和DEM的柴达木盆地TRMM降水统计空间降尺度算法。 遥感环境。 2011 , 115 , 3069–3079. [ 谷歌学者 ] [ 交叉参考 ] 滕,H。; 施,Z。; 马,Z。; Li,Y.利用TRMM降水和高程回归克里格法估算浙江省空间降尺度降水。 《国际遥感杂志》。 2014 , 35 , 7775–7794. [ 谷歌学者 ] [ 交叉参考 ] 徐,S。; 吴,C。; Wang,L。; Gonsamo,A。; 沈毅。; Niu,Z。一种新的基于卫星的月降水量降尺度算法,其降水量与地表特征之间存在非平稳关系。 遥感环境。 2015 , 162 ,119–140。 [ 谷歌学者 ] [ 交叉参考 ] 马,Z。; 周,Y。; 胡,B。; Liang,Z。; Shi,Z.利用TMPA和地表特征对中国年降水量进行降尺度。 国际气候杂志。 2017 , 37 , 5107–5119. [ 谷歌学者 ] [ 交叉参考 ] 马,Z。; 施,Z。; 周,Y。; 徐,J。; 于伟(Yu,W.)。; Yang,Y.一种去除系统异常影响的青藏高原TMPA 3B43 V7数据降尺度空间数据挖掘算法。 遥感环境。 2017 , 200 , 378–395. [ 谷歌学者 ] [ 交叉参考 ] 郭振华。; 刘,X.M。; 肖,W.F。; 王J.L。; 基于GIS的中国气候资源区划与综合评价。 资源。 科学。 2007 , 29 , 2–9. [ 谷歌学者 ] 林,Z。; Zhao,X.青藏高原温度和降水变化的空间特征。 科学。 中国Ser。 D地球科学。 1996 , 39 , 442–448. [ 谷歌学者 ] 姚,T。; 汤普森,L。; 杨伟(Yang,W.)。; 于伟(Yu,W.)。; 高,Y。; 郭,X。; Yang,X.青藏高原及其周边地区不同的冰川状态与大气环流。 自然气候。 更改 2012 , 2 , 663–667. [ 谷歌学者 ] [ 交叉参考 ] 西北部Immerzeel。; Van Beek,L.P.公司。; 比尔肯斯,M.F.气候变化将影响亚洲水塔。 科学类 2010 , 328 , 1382–1385. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 霍夫曼,G.J。; Bolvin,D.T。; Nelkin,E.J.GPM综合多卫星检索(IMERG)技术文档。 NASA/GSFC代码 2015 , 612 , 47. [ 谷歌学者 ] 肖J.F。; Moody,A.植被活动趋势及其气候相关性:中国1982年至1998年。 《国际遥感杂志》。 2004 , 25 , 5669–5689. [ 谷歌学者 ] [ 交叉参考 ] Evans,K.L。; 新泽西州詹姆斯。; Gaston,K.J.北美鸟类区系的丰度、物种丰富度和能量可用性。 全球经济。 生物地理。 2006 , 15 , 372–385. [ 谷歌学者 ] [ 交叉参考 ] Grist,J。; Nicholson,S.E。; Mpolokang,A.关于使用NDVI估算博茨瓦纳卡拉哈里的降雨量。 J.干旱环境。 1997 , 35 , 195–214. [ 谷歌学者 ] [ 交叉参考 ] Iwasaki,H.利用GSMAP降水数据和JRA-25/JCDAS温度数据对蒙古草原NDVI的预测。 J.干旱环境。 2009 , 73 ,557–562页。 [ 谷歌学者 ] [ 交叉参考 ] S.D.沃伦。; M.G.霍曼。; Auerswald,K。; Mitasova,H.《使用数字高程数据确定坡度的方法评估》。 卡特纳 2004 , 58 , 215–233. [ 谷歌学者 ] [ 交叉参考 ] 熊,J。; Zhang,J.基于DEM的坡向提取算法比较分析——以黄土丘陵沟壑区研究为例。 远程传感器信息。 2007 , 22 , 53–57. [ 谷歌学者 ] 陈,S。; Y.Hong。; 曹琦。; Gourley,J.J。; 柯斯特特,体育。; Yong,B。; Tian,Y.中国地区两个连续的V6和V7 TRMM多卫星降水分析性能的相似性和差异性。 《地球物理学杂志》。 Res.大气。 2013 , 118 , 13,060–13,074. [ 谷歌学者 ] [ 交叉参考 ] Ruiz-Arias,J.A。; 托瓦尔·佩斯卡多,J。; Pozo-Vázquez,D。; Alsamamra,H.基于Dem的模型的比较分析,以估算山地的太阳辐射。 国际地理杂志。 信息科学。 2009 , 23 , 1049–1076. [ 谷歌学者 ] [ 交叉参考 ] 张,H.M。; Yang,Q.K。; Liu,Q.R。; 郭,W.L。; 基于GIS的区域坡度长度和坡度陡度因子提取算法。 计算。 工程师。 2010 , 36 , 246–248. [ 谷歌学者 ] 瑟伦森,R。; Seibert,J.Dem分辨率对地形指数计算的影响:TWI及其分量。 J.水文学。 2007 , 347 , 79–89. [ 谷歌学者 ] [ 交叉参考 ] Gallant,J.C。; Dowling,T.I.绘制沉积区用谷底平坦度的多分辨率指数。 水资源。 物件。 2003 , 39 , 1347. [ 谷歌学者 ] [ 交叉参考 ] 穆克吉,S。; 穆克吉,S。; R.D.加格。; Bhardwaj,A。; Raju,P.《地形指数与地形粗糙度和Dem网格间距的关系评估》。 J.地球系统。 科学。 2013 , 122 , 869–886. [ 谷歌学者 ] [ 交叉参考 ] Breiman,L.随机森林。 机器。 学习。 2001 , 45 , 5–32. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 布雷曼,L。; 弗里德曼,J。; 斯通,C.J。; 奥申,R.A。 分类和回归树 ; 华兹华斯:美国加利福尼亚州贝尔蒙特,1984年。 [ 谷歌学者 ] 卡特勒,A。; 卡特勒,D.R。; 史蒂文斯,J.R.兰登森林。 在 集成机器学习 ; Zhang,C.,Ma,Y.,编辑。; 施普林格:波士顿,马萨诸塞州,美国,2012年; 第157-175页。 [ 谷歌学者 ] 西北部Immerzeel。; 基罗兹,R.A。; De Jong,S.M.使用SPOT VGT-S10 NDVI时间序列的调和分析了解西藏的降水模式和土地利用相互作用。 《国际遥感杂志》。 2005 , 26 , 2281–2296. [ 谷歌学者 ] [ 交叉参考 ] 段,Z。; Bastiaanssen,W.G.M.第7版TRMM 3B43降水产品与新的降尺度-校准程序相结合的首次结果。 遥感环境。 2013 , 131 , 1–13. [ 谷歌学者 ] [ 交叉参考 ] 唐·G。; Long博士。; Hong,Y.,TRMM降水估算中亚洲高山内陆水体的系统异常:GPM时代不再存在问题? IEEE地质科学。 遥感快报。 2016 , 13 , 1762–1766. [ 谷歌学者 ] [ 交叉参考 ] 马振强。; 周立群(Zhou,L.Q.)。; 于伟(Yu,W.)。; Yang,Y.Y。; H.F.滕。; Shi,Z.利用青藏高原的地面特征和地面观测改进TMPA 3B43 V7数据集。 IEEE地质科学。 遥感快报。 2018 , 99 , 1–5. [ 谷歌学者 ] [ 交叉参考 ] Omranian,E。; Sharif,H.O.德克萨斯州科罗拉多河下游流域全球降水测量(GPM)卫星降水产品评估。 J.Am.水资源。 协会。 2018 , 54 , 882–898. [ 谷歌学者 ] [ 交叉参考 ] 马振强。; Xu,Y.P。; 彭杰。; 陈,Q.X。; Wan,D。; He,K。; 施,Z。; Li,H.Y.,以TRMM TMPA为特征的青藏高原及其周围地区的时空降水模式。 《国际遥感杂志》。 2018 , 38 , 3891–3907. [ 谷歌学者 ] [ 交叉参考 ] Omranian,E。; 全球降水测量(GPM)如何捕捉飓风? 案例研究:飓风哈维。 远程传感器。 2018 , 10 ,1150年。 [ 谷歌学者 ] [ 交叉参考 ]