• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      TRMM降水?dāng)?shù)據(jù)在長江流域的降尺度分析與校正*

      2021-05-22 06:44:24竇世卿張寒博
      中國農(nóng)業(yè)氣象 2021年5期
      關(guān)鍵詞:長江流域氣象站降水量

      竇世卿,張寒博,徐 勇,溫 穎,張 楠

      TRMM降水?dāng)?shù)據(jù)在長江流域的降尺度分析與校正*

      竇世卿,張寒博,徐 勇**,溫 穎,張 楠

      (桂林理工大學(xué)廣西空間信息與測繪重點(diǎn)實(shí)驗(yàn)室/桂林理工大學(xué)測繪地理信息學(xué)院,桂林 541006)

      TRMM 3B43;GWR;降尺度;GDA;長江流域

      降水是全球地表物質(zhì)交換、生態(tài)演替、水文循環(huán)等過程的重要組成成分,是氣候?qū)W、水文學(xué)及生態(tài)學(xué)等研究的關(guān)鍵參數(shù)[1-3],快速準(zhǔn)確地監(jiān)測和預(yù)報降水情況具有重要意義。

      目前,降水?dāng)?shù)據(jù)的獲取主要有地面氣象站點(diǎn)、降雨雷達(dá)及衛(wèi)星測雨三種方式[4]。傳統(tǒng)的區(qū)域降水?dāng)?shù)據(jù)多是基于氣象站點(diǎn)觀測值通過空間插值方法獲取,但使用該方法時易存在點(diǎn)位密度與分布不均等問題,插值結(jié)果精度難以保證[5]。降雨雷達(dá)通過雷達(dá)的回波強(qiáng)度實(shí)現(xiàn)降水?dāng)?shù)據(jù)的預(yù)測,在一定程度上彌補(bǔ)了地面氣象站以點(diǎn)帶面產(chǎn)生的誤差,且具有大面積遙測的特點(diǎn),但其受環(huán)境影響較大,實(shí)際應(yīng)用中適用性不強(qiáng)[6]。衛(wèi)星遙感技術(shù)的快速發(fā)展為大面積同步降水預(yù)測提供了新方法[7],它具有時空分辨率高、覆蓋范圍廣、不受地形地貌條件限制等特點(diǎn),利用衛(wèi)星遙感對降水進(jìn)行探測已成為獲取空間化降水資料的重要來源[8-9]。

      近年來,在全球與區(qū)域尺度上相繼產(chǎn)生了各類遙感降水產(chǎn)品,如全球衛(wèi)星測繪降水計劃(GSMap)、熱帶降水測量衛(wèi)星(TRMM)和全球降水觀測計劃(GPM)等。其中,GPM是繼TRMM之后新一代全球衛(wèi)星降水產(chǎn)品,但其在長江流域的降水估算精度稍遜TRMM[10]。TRMM數(shù)據(jù)產(chǎn)品能提供較為精確的高時空分辨率降水?dāng)?shù)據(jù),反映地區(qū)降水的時間變化特征和空間分布特征,在水文模型、防洪減災(zāi)、氣候研究等方面都得到了廣泛應(yīng)用[11-13]。但0.25°的空間分辨率略顯粗糙,還未滿足區(qū)域空間精度要求[14],與站點(diǎn)實(shí)測數(shù)據(jù)相比又存在誤估現(xiàn)象。因此,對TRMM降水?dāng)?shù)據(jù)進(jìn)行降尺度及校正研究十分必要,有助于推進(jìn)區(qū)域降水的時空變異特征研究。

      國內(nèi)外學(xué)者已通過多種方法獲得降尺度TRMM數(shù)據(jù),玉院和等[15]建立TRMM降水?dāng)?shù)據(jù)和地形因子數(shù)據(jù)之間的關(guān)系,對云南地區(qū)進(jìn)行了降尺度研究,得到了更高分辨率降水?dāng)?shù)據(jù)。李瓊等[16]以黃河源區(qū)TRMM降水?dāng)?shù)據(jù)為因變量,經(jīng)緯度、地形因子主成分變量為自變量,采用逐步回歸、BP神經(jīng)網(wǎng)絡(luò)、GWR地理加權(quán)回歸3種降尺度方法進(jìn)行降尺度,研究結(jié)果表明GWR地理加權(quán)回歸降尺度效果最優(yōu)。Duan[17]通過TRMM與NDVI之間的非線性關(guān)系分別對塔納湖流域和里海地區(qū)降水?dāng)?shù)據(jù)進(jìn)行降尺度研究,獲得了1km分辨率月降水?dāng)?shù)據(jù)。Fung等[18]通過建立降水?dāng)?shù)據(jù)與EVI數(shù)據(jù)之間的關(guān)系進(jìn)行線性回歸分析,結(jié)果表明降水量與EVI的相關(guān)性高于降水量與NDVI的相關(guān)性;國內(nèi)目前對TRMM降水產(chǎn)品的降尺度研究主要是通過建立單要素或多要素與TRMM數(shù)據(jù)的全局回歸模型來實(shí)現(xiàn)的,且大多以NDVI為主要影響因子,通過其它植被指數(shù)實(shí)現(xiàn)降水?dāng)?shù)據(jù)空間降尺度的研究相對較少。

      為此,本研究以高程、坡度、坡向?yàn)榭刂谱兞?,EVI/NDVI為自變量,基于GWR模型對長江流域TRMM 3B43數(shù)據(jù)進(jìn)行降尺度。在考慮地形因素的同時,對比不同植被指數(shù)對降尺度結(jié)果的影響,并通過GDA、GRA兩種校正方法對降尺度數(shù)據(jù)進(jìn)行校正,進(jìn)而獲得更為精準(zhǔn)的降水信息,以期為預(yù)防洪澇災(zāi)害、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等提供可靠的數(shù)據(jù)支持。

      1 資料與方法

      1.1 研究區(qū)概況

      長江流域(圖1)是世界第三大流域,也是中國最重要的水系之一,位于24° 27′?54′ N,90° 33′?122° 19′ E[19],地域遼闊,總面積達(dá)180萬km2,地形復(fù)雜,整體地勢西高東低,季風(fēng)氣候顯著。長江流域雨熱同期,降水主要受東南季風(fēng)和西南季風(fēng)的影響,在空間上分布很不均勻,呈現(xiàn)出從東南向西北遞減的趨勢,年內(nèi)降水量有明顯季節(jié)特征,主要集中在夏季(6?8月),約占全年總降水量的一半[20-21]。

      圖1 研究區(qū)及氣象站點(diǎn)分布

      1.2 數(shù)據(jù)源及預(yù)處理

      采用2001?2019年TRMM 3B43(Version 7)月降水?dāng)?shù)據(jù)、NDVI月合成數(shù)據(jù)、EVI 月合成數(shù)據(jù)、DEM數(shù)據(jù)及氣象站實(shí)測數(shù)據(jù)。TRMM 3B43數(shù)據(jù)空間分辨率為0.25°×0.25°(約27.5km×27.5km),時間分辨率為1個月。NDVI、EVI數(shù)據(jù)來自terra衛(wèi)星MODIS傳感器的植被指數(shù)數(shù)據(jù)MOD 13A3,其空間分辨率為1km×1km,時間分辨率為1個月。3種數(shù)據(jù)都從NASA數(shù)據(jù)庫免費(fèi)獲得(https://search. earthdata.nasa.gov/)。DEM數(shù)據(jù)從地理空間數(shù)據(jù)云(http://www.gscloud.cn/)獲取,空間分辨率為90m×90m。站點(diǎn)數(shù)據(jù)由中國氣象局國家氣象中心(http://cdc.cma.gov.cn/home.do)提供,包括長江流域(147)及周邊地區(qū)(92)2001?2019年239個地面站經(jīng)緯度、海拔和月降水量。

      TRMM數(shù)據(jù)經(jīng)過投影轉(zhuǎn)換、旋轉(zhuǎn)、格式轉(zhuǎn)換、單位轉(zhuǎn)換,并將全年 12 期的TRMM月數(shù)據(jù)進(jìn)行求和,獲得TRMM年累計數(shù)據(jù);對NDVI、EVI數(shù)據(jù)進(jìn)行波段提取、拼接、投影變換、無效值剔除、最大值合成等處理,并對全年 12 期的 NDVI、EVI 月數(shù)據(jù)求平均,分別得到年均NDVI、年均EVI數(shù)據(jù);DEM數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、重采樣,并利用DEM數(shù)據(jù)計算出坡度、坡向數(shù)據(jù)。

      1.3 研究方法

      1.3.1 GWR模型

      地理加權(quán)回歸模型(Geographically Weighted Regression,GWR)是Brunsdon等[22]提出的一種用于量化空間異質(zhì)性的局部參數(shù)估計方法[23],是普通線性回歸模型的擴(kuò)展。GWR模型應(yīng)用了局部回歸的思想,并遵循地理學(xué)第一定律,通過引入數(shù)據(jù)的地理位置計算衰減函數(shù),并利用這個衰減函數(shù)計算數(shù)據(jù)在局部回歸方程中的權(quán)重。在考慮相鄰點(diǎn)的空間權(quán)重情況下,通過估算每一位置的因變量與自變量的參數(shù)建立回歸模型[24-25]。其基本公式為

      1.3.2 降尺度方法

      利用GWR模型建立長江流域TRMM數(shù)據(jù)與同期NDVI、EVI、高程、坡度、坡向數(shù)據(jù)之間的函數(shù)關(guān)系,來實(shí)現(xiàn)TRMM數(shù)據(jù)的降尺度,其具體步驟為

      (1)將1km×1km分辨率的NDVI、EVI、DEM、坡向數(shù)據(jù)重采樣為0.25°×0.25°。將數(shù)據(jù)分為高分辨率組數(shù)據(jù)(1km)和低分辨率組數(shù)據(jù)(0.25°)。

      (2)以統(tǒng)一尺度的低分辨率組數(shù)據(jù)中的TRMM數(shù)據(jù)(0.25°)為因變量,NDVI數(shù)據(jù)(0.25°)、NDVI/EVI數(shù)據(jù)(0.25°)為自變量,DEM數(shù)據(jù)(0.25°)、坡向數(shù)據(jù)(0.25°)為控制變量,建立GWR訓(xùn)練模型。從回歸模型中得到各自變量、控制變量對應(yīng)系數(shù)、常數(shù)項及殘差結(jié)果。

      (3)將模型結(jié)果柵格化,并將自變量系數(shù)、控制變量系數(shù)、常數(shù)項重采樣為1km,對殘差結(jié)果通過反距離權(quán)重法(通過對自然鄰點(diǎn)法、樣條函數(shù)法、普通克里金法、反距離權(quán)重法4種差值方法的差值結(jié)果進(jìn)行優(yōu)選)插值得到高分辨率的殘差值(1km)。

      (4)按照GWR模型原理用高分辨率組數(shù)據(jù)進(jìn)行回代,將各自變量、控制變量系數(shù)(1km)與同分辨率的自變量、控制變量相乘,并與常數(shù)項(1km)相加,得到1km空間分辨率預(yù)測降水?dāng)?shù)據(jù)。

      (5)將1km空間分辨率預(yù)測降水?dāng)?shù)據(jù)與殘差(1km)相加,得到1km空間降尺度降水?dāng)?shù)據(jù)(表1)。

      1.3.3 數(shù)據(jù)校正

      通過降尺度,TRMM數(shù)據(jù)分辨率有很大提升,但數(shù)據(jù)較站點(diǎn)數(shù)據(jù)仍存在不小誤差,因此對降尺度數(shù)據(jù)進(jìn)行校正很有必要。分別利用地理比率分析法(Geographical Ratio Analysis,GRA)、地理差異分析法(Geographical Differential Analysis,GDA)對降尺度數(shù)據(jù)進(jìn)行校正,從而獲得更高精度的降水?dāng)?shù)據(jù)。

      GDA法的步驟包括,(1)均勻選取研究區(qū)(100個)及周邊區(qū)域(92個)2001?2019年192個站點(diǎn)降水量數(shù)據(jù),站點(diǎn)分布如圖2所示,并計算出與相應(yīng)位置降尺度降水量數(shù)據(jù)的差值。站點(diǎn)與格點(diǎn)的匹配通過ArcGIS中的柵格提取到點(diǎn)工具進(jìn)行匹配。(2)對上述差值進(jìn)行反距離權(quán)重法(IDW)進(jìn)行插值,得到1km分辨率的差值數(shù)據(jù)。(3)將降尺度降水量數(shù)據(jù)減去差值數(shù)據(jù),即可得到降尺度校正降水?dāng)?shù)據(jù)。

      GRA法的步驟包括,(1)選取研究區(qū)及周邊區(qū)域2001-2019年192個氣象站點(diǎn)降水?dāng)?shù)據(jù),并計算出與相應(yīng)位置降尺度降水量數(shù)據(jù)的比值。(2)對上述比值進(jìn)行反距離權(quán)重法(IDW)進(jìn)行插值,得到1km分辨率的比值數(shù)據(jù)。(3)將降尺度降水量數(shù)據(jù)除以比值數(shù)據(jù),即可得到降尺度校正降水?dāng)?shù)據(jù)。

      1.3.4 月數(shù)據(jù)合成

      降水與植被之間存在滯后效應(yīng),Verlinder等[26]試圖在月尺度上建立NDVI與TRMM的函數(shù)關(guān)系進(jìn)行降尺度,但結(jié)果表明上述降尺度方法并不適用月尺度數(shù)據(jù)。本研究采用比例指數(shù)法[26]對年校正降尺度數(shù)據(jù)進(jìn)行分離,獲得對應(yīng)年份各月降水?dāng)?shù)據(jù),其過程包括

      表1 降尺度數(shù)據(jù)信息

      圖2 研究區(qū)及周邊區(qū)域氣象站點(diǎn)分布

      (1)計算2001?2019年原始TRMM各月數(shù)據(jù)占對應(yīng)年數(shù)據(jù)的比例指數(shù)。

      (2)將比例指數(shù)通過普通克里金法插值為1km分辨率比例指數(shù)。

      (3)將1km降尺度校正數(shù)據(jù)乘1km分辨率比例指數(shù)得到相應(yīng)的月數(shù)據(jù)。

      1.3.5 精度指標(biāo)

      以氣象站實(shí)測數(shù)據(jù)作為“真值”,通過ArcGIS中的柵格提取到點(diǎn)工具,引入決定系數(shù)(R2)、相對誤差(BIAS)、均方根誤差(Root Mean Square Error , RMSE)3項指標(biāo)對降尺度結(jié)果進(jìn)行精度分析。R2評定氣象站實(shí)測降水?dāng)?shù)據(jù)與降尺度降水?dāng)?shù)據(jù)線性相關(guān)的程度,其值在0到1之間,數(shù)值越大相關(guān)性越高;BIAS反映氣象站實(shí)測降水?dāng)?shù)據(jù)與降尺度降水?dāng)?shù)據(jù)的偏離程度,取值越接近0數(shù)據(jù)越精確;RMSE用來評定誤差的整體水平。計算式分別為

      2 結(jié)果與分析

      2.1 原始TRMM數(shù)據(jù)適用性分析

      2.1.1 年尺度適用性

      以長江流域2001?2019年147個氣象站點(diǎn)年實(shí)測降水量為自變量,其對應(yīng)位置的年TRMM數(shù)據(jù)降水量為因變量,進(jìn)行一元線性回歸分析,結(jié)果見圖3。由圖中可見,整體而言,TRMM數(shù)據(jù)在年尺度上與氣象站點(diǎn)實(shí)測數(shù)據(jù)擬合度較高(R2=0.584),但有一定正偏差(BIAS=0.0681,RMES=192.3mm),存在一定高估現(xiàn)象。

      對2001?2019年長江流域所有站點(diǎn)實(shí)測降水量與TRMM相應(yīng)格點(diǎn)降水量數(shù)據(jù)進(jìn)行線性擬合,由圖4可見,站點(diǎn)實(shí)測數(shù)據(jù)與TRMM數(shù)據(jù)之間的R在0.46~0.97,其中90%的站點(diǎn)高于0.750,東部站點(diǎn)相關(guān)性整體優(yōu)于西部,且所有站點(diǎn)通過了0.05水平的顯著性檢驗(yàn)(R=0.444),其中135個站點(diǎn)通過了0.01水平的顯著性檢驗(yàn)(R=0.561)。說明兩種數(shù)據(jù)之間具有較好的線性相關(guān)性與一致性。

      圖3 TRMM年格點(diǎn)數(shù)據(jù)與147個氣象站實(shí)測年降水量數(shù)據(jù)對比散點(diǎn)圖(2001?2019年)

      2.1.2 月尺度適用性

      以長江流域2001?2019年147個站點(diǎn)月實(shí)測降水量為自變量,其對應(yīng)月份的TRMM降水量數(shù)據(jù)為因變量,進(jìn)行一元線性回歸分析(圖5、表2),可以看出,TRMM數(shù)據(jù)降水量與氣象站點(diǎn)實(shí)測降水量在月尺度上有較高的相關(guān)性,各月份R2均大于0.62,6?9月R2相比其它月份偏低,主要原因是長江流域6?9月降水量大,衛(wèi)星估算時易產(chǎn)生偏差[27]。從BIAS指標(biāo)來看,6月最低(BIAS=0.0581),1月最高(BIAS=0.1082),RMSE介于13.79~62.72mm,說明在月尺度上的TRMM數(shù)據(jù)估算降水量略大于站點(diǎn)實(shí)測數(shù)據(jù)。

      2.1.3 季尺度適用性

      把研究區(qū)2001?2019年147個站點(diǎn)降水?dāng)?shù)據(jù)按4個季節(jié)進(jìn)行劃分,并與同期TRMM數(shù)據(jù)進(jìn)行線性擬合。結(jié)果(圖6、表3)表明,冬季擬合最優(yōu)(R2=0.881),春季(R2=0.851)次之,夏季最差(R2=0.704),夏季均方根誤差最大(RMSE=57.96mm)。從相對誤差結(jié)果來看,除冬季相對誤差略大外(BIAS=0.0908),其它季節(jié)數(shù)據(jù)精度較高。

      圖4 所有(147個)氣象站點(diǎn)2001?2019年實(shí)測降水量與TRMM相應(yīng)格點(diǎn)降水量數(shù)據(jù)間的相關(guān)系數(shù)分布

      圖5 TRMM月數(shù)據(jù)與實(shí)測月數(shù)據(jù)散點(diǎn)圖

      表2 TRMM月數(shù)據(jù)適用性驗(yàn)證結(jié)果

      圖6 TRMM季數(shù)據(jù)與實(shí)測季數(shù)據(jù)散點(diǎn)圖

      表3 TRMM季數(shù)據(jù)適用性驗(yàn)證結(jié)果

      2.2 TRMM降水?dāng)?shù)據(jù)降尺度及校正結(jié)果分析

      2.2.1 年數(shù)據(jù)降尺度

      圖7 基于2001?2019年多年平均降水量不同模型的降尺度結(jié)果

      表4 降尺度數(shù)據(jù)多年平均值的驗(yàn)證結(jié)果

      2.2.2 月數(shù)據(jù)降尺度

      圖8 不同校正方法校正結(jié)果

      圖9 實(shí)測數(shù)據(jù)與四種數(shù)據(jù)的R2、BIAS、RMSE(2001?2019)

      圖10 兩種數(shù)據(jù)與實(shí)測數(shù)據(jù)多年月均降水量對比

      2.2.3 季數(shù)據(jù)降尺度

      圖11 實(shí)測數(shù)據(jù)與三種數(shù)據(jù)月均降水量的年際變化

      圖12 實(shí)測數(shù)據(jù)與數(shù)據(jù)和數(shù)據(jù)的R2、BIAS、RMSE(2001?2019)

      圖13 基于(1)和(2)降水量季數(shù)據(jù)降尺度的校正結(jié)果

      表5 季數(shù)據(jù)驗(yàn)證結(jié)果

      3 結(jié)論與討論

      3.1 討論

      TRMM 3B43降水?dāng)?shù)據(jù)在長江流域年、季、月尺度上具有較好的適用性,這與金秋[10]利用長江流域175個站點(diǎn)實(shí)測數(shù)據(jù)對TRMM 3B43降水?dāng)?shù)據(jù)進(jìn)行精度評價的結(jié)果相符。春秋兩季降水量估算精度優(yōu)于夏冬兩季,其原因與夏季降水量增多以及冬季降水形式以降雪為主有關(guān),這與劉小嬋[28]在大興安嶺的研究結(jié)果一致。

      校正后的年數(shù)據(jù)精度優(yōu)于季數(shù)據(jù)和月數(shù)據(jù),其中夏、秋兩季降尺度及校正結(jié)果優(yōu)于春冬兩季,降水量越大的月份,降尺度及校正效果越好。但整體精度還有提升空間,可以加入水汽、溫度等與降水較為密切的因子作為降尺度參數(shù),進(jìn)一步深入研究。

      3.2 結(jié)論

      (1)TRMM 3B43降水?dāng)?shù)據(jù)在長江流域年、季、月時間尺度上表現(xiàn)出良好的適用性。站點(diǎn)實(shí)測降水?dāng)?shù)據(jù)進(jìn)行精度檢驗(yàn)結(jié)果為,年R2為0.58,季、月R2普遍達(dá)到0.75 以上;BIAS表現(xiàn)為正值,基本控制在0.1以內(nèi);RMSE也在誤差允許范圍內(nèi)。

      [1]Jin Y F,Goulden M L.Ecological consequences of variation in precipitation:separating short-versus long-term effects using satellite data[J].Global ecology and biogeography, 2014,23(3/4):358-370.

      [2]Aniruddha B,Arpita A,Animesh M.Multi-technique observations on precipitation and other related phenomena during cyclone Aila at a tropical location[J].International Journal of Remote Sensing,2013,34(6):1965-1980.

      [3]王智,吳友均,梁鳳超,等.新疆地區(qū)年降水量的空間插值方法研究[J].中國農(nóng)業(yè)氣象,2011,32(3):331-337.

      Wang Z,Wu Y J,Liang F C,et al.Study on spatial interpolation method of annual precipitation in Xinjiang[J]. Chinese Journal of Agrometeorology,2011,32(3):331-337. (in Chinese)

      [4]袁飛,趙晶晶,任立良,等.TRMM多衛(wèi)星測雨數(shù)據(jù)在贛江上游徑流模擬中的應(yīng)用[J].天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版),2013,46(7):611-616.

      Yuan F,Zhao J J,Ren L L,et al.Streamflow simulation in the upper Ganjiang River Basin using the TRMM multi-satellite precipitation data[J].Journal of Tianjin University(Science and Technology),2013,46(7):611-616. (in Chinese)

      [5]黃玉瑩,趙銀軍,謝瓊英,等.北部灣經(jīng)濟(jì)區(qū)TRMM降水?dāng)?shù)據(jù)空間降尺度研究[J].廣西師范大學(xué)學(xué)報(自然科學(xué)版),2019,37(4):163-169.

      Wang Y Y,Zhao Y J,Xie Q Y,et al.Downscaling method of TRMM satellite precipitation data in Beibu Gulf Economic Zone in Southwest China[J].Journal of Guangxi Normal University(Natural Science Edition),2019,37(4):163-169. (in Chinese)

      [6]谷黃河,余鐘波,楊傳國,等.衛(wèi)星雷達(dá)測雨在長江流域的精度分析[J].水電能源科學(xué),2010,28(8):3-6.

      Gu H H,Yu Z B,Yang C G,et al.Application of satellite radar observed precipitation to accuracy analysis in Yangtze River Basin[J].Water Resources and Power,2010, 28(8):3-6.(in Chinese)

      [7]Michaelides S,Levizzani V,Anagnostou E,et al. Precipitation:measurement,remote sensing,climatology and modeling[J].Atmospheric Research,2009,94(4):512-533.

      [8]呂洋,董國濤,楊勝天,等.雅魯藏布江流域NDVI時空變化及其與降水和高程的關(guān)系[J].資源科學(xué),2014,36(3): 603-611.

      Lv Y,Dong G T,Yang S T,et al.Spatio-temporal variation in NDVI in the Yarlung Zangbo River Basin and its relationship with precipitation and elevation[J].Resources Science,2014,36(3):603-611.(in Chinese)

      [9]童德明,白雲(yún),張莎,等.干旱嚴(yán)重程度指數(shù)(DSI)在山東省干旱遙感監(jiān)測中的適用性[J].中國農(nóng)業(yè)氣象,2020,41(2): 102-112.

      Tong D M,Bai Y,Zhang S,et al.Applicability of Drought Severity Index(DSI) in remote sensing monitoring of drought in Shandong Province[J].Chinese Journal of Agrometeorology,2020,41(2):102-112.(in Chinese)

      [10]金秋.基于TRMM降水產(chǎn)品的長江流域植被降水利用效率研究[D].南京:南京林業(yè)大學(xué),2017:6-9.

      Jin Q.Study on the rainfall use efficiency of vegetation in the Yangtze River Basin based on TRMM precipitation products[D].Nanjing:Nanjing Forestry University,2017:6-9. (in Chinese)

      [11]Yuter S E,Burleyson C D,Sobel A H,et al.Very high resolution rainfall patterns measured by TRMM precipitation radar:seasonal and diurnal cycles[J].Climate dynamics:Observational,Theoretical and Computational Research on the Climate System,2012,39(1/2):239-258.

      [12]Deblauwe V,Droissart V,Bose R,et al.Remotely sensed temperature and precipitation data improve species distribution modelling in the tropics[J].Global Ecology and Biogeography,2016,25(4):443-454.

      [13]李豪,雷苑.復(fù)雜地形下TRMM降水?dāng)?shù)據(jù)的降尺度研究:以四川省為例[J].中國農(nóng)業(yè)氣象,2019,40(10):607-619.

      Li H,Lei Y.Spatial downscaling of TRMM precipitation data in areas of complex terrain:a case study in Sichuan Province[J].Chinese Journal of Agrometeorology,2019, 40(10):607-619.(in Chinese)

      [14]鄭杰,閭利,馮文蘭,等.基于TRMM 3B43數(shù)據(jù)的川西高原月降水量空間降尺度模擬[J].中國農(nóng)業(yè)氣象,2016,37(2): 245-254.

      Zheng J,Lv L,Feng W L,et al.Spatial downscaling simulation of monthly precipitation based on TRMM 3B43 data in the Western Sichuan Plateau[J].Chinese Journal of Agrometeorology,2016,37(2):245-254.(in Chinese)

      [15]玉院和,王金亮.TRMM 3B43降水?dāng)?shù)據(jù)在云南地區(qū)的降尺度適用性評價[J].中國農(nóng)業(yè)氣象,2020,41(9):575-586.

      Yu Y H,Wang J L.Applicability evaluation of TRMM 3B43 precipitation data for downscaling in Yunnan Province[J]. Chinese Journal of Agrometeorology,2020,41(9):575-586. (in Chinese)

      [16]李瓊,魏加華,安娟,等.基于地形因子的TRMM 3B43降水?dāng)?shù)據(jù)在黃河源區(qū)的融合校正研究[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報,2018,26(6):6-22.

      Li Q,Wei J H,An J,et al.Correcting the TRMM 3B43 precipitation over the source region of the Yellow River based on topographical factors[J].Journal of Basic Science and Engineering,2018,26(6):6-22.(in Chinese)

      [17]Duan Z,Bastiaanssen W G M.First results from Version 7 TRMM 3B43 precipitation product in combination with a new downscaling-calibration procedure[J].Remote Sensing of Environment,2013,131:1-13.

      [18]Fung W,James W.Spatial and temporal analysis of MODIS EVI and TRMM 3B43 rainfall retrievals in Australia[C]// IEEE.The 19th International Conference on Geoinformatics. 2011:1-6.

      [19]黃濤,徐力剛,范宏翔,等.長江流域干旱時空變化特征及演變趨勢[J].環(huán)境科學(xué)研究,2018,31(10):1677-1684.

      Huang T,Xu L G,Fan H X,et al.Temporal and spatial variation characteristics and the evolution trends of droughts in the Yangtze River Basin[J].Research of Environmental Sciences,2018,31(10):1677-1684.(in Chinese)

      [20]胡思,曾祎,王磊,等.長江流域極端降水的區(qū)域頻率及時空特征[J].長江流域資源與環(huán)境,2019,28(8):2008-2018.

      Hu S,Zeng Y,Wang L,et al.Regional frequencies and spatio-temporal characteristics of extreme precipitation over Yangtze River Basin[J].Resources and Environment in the Yangtze Basin,2019,28(8):2008-2018.(in Chinese)

      [21]黃夢杰,賀新光,盧希安,等.長江流域的非平穩(wěn)SPI干旱時空特征分析[J].長江流域資源與環(huán)境,2020,29(7):1597- 1611.

      Huang M J,He X G,Lu X A,et al.Spatio-temporal characteristics of drought in the Yangtze River Basin using non-stationary standardized precipitation index[J]. Resources and Environment in the Yangtze Basin,2020, 29(7):1597-1611.(in Chinese)

      [22]Brunsdon C,Fotheringham A S,Charlton M E.Geographically weighted local statistics applied to binary data[J].Lecture Notes in Computer Science,2002,2478:38-50.

      [23]Brunsdon C,Fotheringham A S,Charlton M E.Geographically weighted regression: a method for exploring spatial nonstationarity[J].Geographical Analysis,1996,28(4):281-298.

      [24]姚永慧,張百平.基于MODIS數(shù)據(jù)的青藏高原氣溫與增溫效應(yīng)估算[J].地理學(xué)報,2013(1):97-109.

      Yao Y H,Zhang B P.MODIS-based estimation of air temperature and heating-up effect of the Tibetan Plateau[J]. Acta Geographica Sinica,2013(1):97-109.(in Chinese)

      [25]Mcmillen D P.Geographically weighted regression:the analysis of spatially varying relationships[J].American Journal of Agricultural Economics,2004,86(2):554-556.

      [26] Verlinder J.TRMM rainfall data downscaling in the Pangani Basin in Tanzania[D].The Netherlands:Master of Science thesis at Delft University of Technology,2001.

      [27]嵇濤,劉睿,楊華,等.多源遙感數(shù)據(jù)的降水空間降尺度研究:以川渝地區(qū)為例[J].地球信息科學(xué)學(xué)報,2015,17(1): 108-117.

      Ji T,Liu R,Yang H,et al.Spatial downscaling of precipitation using multi-source remote sensing data:a case study of Sichuan-Chongqing Region[J].Journal of Geo- information Science,2015,17(1):108-117.(in Chinese)

      [28]劉小嬋.TRMM降水?dāng)?shù)據(jù)的空間降尺度研究[D].長春:東北師范大學(xué),2015:11-25.

      Liu X C.Research on spatial downscaling of TRMM precipitation data[D].Changchun:Northeast Normal University,2015:11-25.(in Chinese)

      Research on Downscaling and Correction of TRMM Data in the Yangtze River Basin

      DOU Shi-qing, ZHANG Han-bo, XU Yong, WEN Ying, ZHANG Nan

      (Guangxi Key Laboratory of Spatial Information and Geomatics/College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541006, China)

      TRMM3B43;GWR; Scale down;GDA;Yangtze river basin

      10.3969/j.issn.1000-6362.2021.05.003

      竇世卿,張寒博,徐勇,等.TRMM降水?dāng)?shù)據(jù)在長江流域的降尺度分析與校正[J].中國農(nóng)業(yè)氣象,2021,42(5):377-389

      2020-11-17

      廣西八桂學(xué)者專項項目;國家自然科學(xué)基金項目(42061059);廣西自然科學(xué)基金項目(2020GXNSFBA297160);廣西空間信息與測繪重點(diǎn)實(shí)驗(yàn)室資助課題(191851016);桂林理工大學(xué)科研啟動基金項目(GUTQDJJ2019046;GUTQDJJ2019172)

      徐勇,博士,講師,從事氣候變化和植被覆蓋反演研究。E-mail: yongxu@glut.edu.cn

      竇世卿,E-mail: doushiqing@glut.edu.cn

      猜你喜歡
      長江流域氣象站降水量
      繪制和閱讀降水量柱狀圖
      珠峰上架起世界最高氣象站
      走遍長江流域的英國小伙
      降水量是怎么算出來的
      啟蒙(3-7歲)(2019年8期)2019-09-10 03:09:08
      心靈氣象站
      趣味(語文)(2019年3期)2019-06-12 08:50:14
      1988—2017年呼和浩特市降水演變特征分析
      長江流域園區(qū)的府際合作研究
      基于小波變換的三江平原旬降水量主周期識別
      長江流域徑流演變規(guī)律研究
      自動氣象站應(yīng)該注意的一些防雷問題
      布拖县| 永靖县| 田林县| 肥西县| 栾川县| 本溪| 博兴县| 会东县| 霍林郭勒市| 洞口县| 洪雅县| 罗源县| 平乐县| 龙川县| 上林县| 革吉县| 高阳县| 辽宁省| 原阳县| 普兰店市| 长汀县| 杭州市| 东乌珠穆沁旗| 长宁区| 深泽县| 长白| 华容县| 安义县| 乌兰浩特市| 乌鲁木齐市| 娱乐| 昆明市| 韶关市| 抚顺县| 贡觉县| 佛坪县| 永善县| 通山县| 共和县| 永川市| 奉贤区|