基于被动微波遥感和下垫面因子的青藏高原降水反演研究

Tibetan Plateau is the source of several major rivers, so the precipitation over this area has great significance to the researches of hydrology, meteorology, and ecology over China. Passive microwave (termed as PMW) remote sensing is an effective approach to retrieve precipitation information over un-gauge area, but the relationship between the PMW brightness temperatures (termed as Tbs) and precipitation could be disturbed by the complicated underlying surface of Tibetan Plateau, leading to serious regional and seasonal uncertainty contained in PMW-based precipitation dataset. With the precipitation information measured by DPR and multi-channel PMW Tbs observed by GMI (both of them are loaded by GMP core observory), a new precipitation retrieval model driven by underlying surface factors and PMW Tbs will be established under the support of mixed-effect model, and it will be adjusted for different climate types, seasons, and precipitation types. Besides, this model will be applied to the observations of other PMW satellite sensors to retrieve precipitation over Tibtan Plateau, and the results will be merged aiming at providing a more reliable precipitation estimates based on PMW over this area. This research will be beneficial for understanding the relationship between TBs and precipitation. Furthermore, the new precipitation retrieval model will provide more accurate precipitation information over the un-gauged areas with complicated underlying surface, which could expand the application range of the satellite precipitation datasets.

青藏高原是多条重要河流的发源地，该地区的降水对我国的水文、气候及生态等领域的研究具有重要意义。被动微波遥感是反演降水的有效手段，但是青藏高原复杂的下垫面分布能够对微波亮温与降水的关系产生严重扰动，是导致微波降水数据在该地区存在显著地季节性、区域性误差的重要因素之一。本课题利用GPM核心卫星搭载的双波段测雨雷达（DPR）观测的降水数据和被动微波传感器（GMI）提供的多通道微波亮温数据，在混合效应模型方法的支持下建立青藏高原地区由下垫面因子和微波亮温数据共同驱动的降水反演模型,并针对该地区不同气候、季节、降水类型进行优化。此外，项目利用该模型对多种微波传感器观测的亮温数据进行降水反演，并将得到的降水数据进行融合，旨在提供青藏高原地区更可靠的微波降水产品。本课题的研究有助于深入了解微波亮温与降水之间复杂的物理联系，对改善高原山地地区卫星降水反演产品的精度、拓展卫星降水数据的应用范围具有重要意义。

青藏高原是气候变化、水文模拟、生态保护等研究领域中重点关注的地区之一。由于地面实测数据的极端匮乏，卫星遥感是目前唯一实用的青藏高原地区降水观测手段。但是该地区该地区卫星降水产品存在严重的误差，限制了其在其他研究中的应用。项目通过研究不同下垫面和云团物理特征下，青藏高原地区微波亮温对降水的响应机制，建立降水区域划分模型和降水强度估算模型，提高对青藏高原地区降水的反演精度。主要研究内容与成果包括：（1）LDA算法对降水区域的划分能力要高于传统的散射指数和极化修正亮温法。更进一步研究发现，根据地形和植被信息对青藏高原地区的微波亮温进行分组，然后针对每一组数据对LDA算法的系数和阈值进行优化，能够有效减少漏报降水，提高对青藏高原地区降水区域的划分精度。（2）利用混合拟合模型，定量研究地形、植被、温度、湿度等四种下垫面因子以及降水类型、storm top height、相态等三种降水特征因子以及低频微波亮温和极化差等因子对微波散射指数-降水之间相关性的扰动。结果表明以storm top height、地形、低频微波亮温和降水类型为分类变量的混合拟合模型能够显著提高微波散射指数对降水强度的拟合精度。在此基础上，建立基于上述四种因子的降水强度估算理论模型。（3）由于storm top height和降水类型为DPR雷达提供的信息，数量非常稀少，限制了该理论模型的应用。项目利用被动微波传感器提供的微波亮温对上述两种因子进行模拟，并利用模拟值对混合拟合模型进行重构，建立实用化的微波降水反演模型。验证结果表明虽然利用现有的技术手段难以准确模型storm top height和降水类型，导致重构后模型的精度低于理论模型的精度，但是仍然能够显著提升对降水强度的模拟精度。（4）整合本项目中建立的降水区域划分模型和降水强度反演模型，形成微波降水反演模型，并利用独立样本对该模型进行验证。结果表明该模型对青藏高原降水的模拟精度要高于SI等模型。本研究为青藏高原地区多源降水融合模型的建立和高分辨率卫星降水产品的生产提供了理论基础和数据支撑。