基于地统计学空间降尺度与多源数据融合技术的高分辨率降水量估算研究

Precipitation datasets with fine resolution and high precision is of significant importance to hydrological modeling, drought and flood monitoring, and water resources management. The single-point measurements with high precision based on rain gauges can only represent the precipitation status in a small-scale space near the observation station. In contrast, satellite-based remote sensing provides widely spread and spatially continuous precipitation datasets. However, the application of these datasets is limited in the hydrological study of local regions and watersheds by their coarse resolution and low precision. Based on the geostatistical theory, this study intents to propose a new satellite-based precipitation downscaling algorithm with the scale effect considered using area-to-point kriging; construct a spatiotemporal regression kriging model to produce precipitation estimates with fine resolution and high precision, by merging precipitation downscaled results, multi-source satellite-based datasets of auxiliary variables such as NDVI, and ground-based precipitation observations; and ultimately use a stochastic simulation technique to analysis the uncertainty in the final merged results caused by the under-determined downscaling problem. This study will have an advantage over the traditional regression-based precipitation downscaling algorithms in carrying out scale transfer and using spatial autocorrelation information. Therefore, the more precise fine-resolution precipitation estimates will be obtained, contributing to the exact identification of the spatiotemporal pattern of precipitation and promoting the intensive study of the small-scale hydrological modeling.

高分辨率、高精度的降水分布数据对于水文模拟、旱涝灾害监测及水资源管理具有重要意义。传统的地面单点观测方式虽然精度较高但仅代表站点附近小空间范围的降水状况。而卫星遥感反演方式则可提供覆盖范围广、空间连续分布的降水数据，但空间分辨率较低和精度不足仍限制了其在小区域或流域尺度上的水文应用。本项目拟基于地统计学理论框架，发展考虑尺度效应的降水数据面到点克里金插值降尺度方法，探索建立融合降尺度结果、NDVI等辅助变量多源遥感数据与地面实测降水数据的时空回归克里金模型，进而估算生成高分辨率、高精度的降水时空数据，并利用随机模拟方法分析降尺度问题欠定性对最终融合结果的不确定性影响。本项目旨在克服传统基于回归模型的遥感降水数据空间降尺度方法在尺度转换及空间自相关性信息利用上的不足，以期获得更高精度的高分辨率降水数据，从而达到降水时空分布格局的精确认知，推动精细水文模拟的深入研究。

高分辨率、高精度的降水分布数据对于水文模拟、旱涝灾害监测及水资源管理具有重要意义。本项目基于地统计学理论框架，以珠江流域为示范开展了地面与遥感多源观测降水数据融合研究。主要研究成果与结论如下：发展了考虑尺度效应的遥感降水数据面到点克里金插值空间降尺度方法，TRMM遥感降水数据降尺度结果与地面观测降水数据的对比验证实验得到R2为0.851，偏差和均方根误差分别为-5.27 mm与50.42 mm，TRMM数据降尺度结果精度与原始数据基本接近，表明基于面到点克里金插值的遥感降水数据空间降尺度过程不会引入明显估计误差，能够保持原始TRMM遥感降水数据的空间分布模式；构建了融合地面实测降水数据、TRMM遥感降水降尺度结果与DEM、NDVI等多源辅助变量数据的时空回归克里金模型，估算生成2001至2013年度完整覆盖珠江流域的空间分辨率为1 km的月度降水时空数据，交叉验证结果表明R2达到0.872，偏差和均方根误差分别为4.18 mm与46.55 mm，证明了时空回归克里金融合模型能够充分利用遥感观测的大尺度优势与地面观测的高精度特性；时空回归克里金插值误差方差被用于分析降尺度问题欠定性对最终融合结果的不确定性影响。研究成果有助于降水时空分布格局的精准刻画，推动精细水文模拟的深入研究。本项目提出的基于地统计学的一整套卫星遥感数据空间降尺度与星地多源数据融合的方法框架同样可以拓展应用于地表温度、PM2.5浓度、土壤湿度等其它地表参量的高分辨率、高精度估算研究。