融合多源多尺度数据的降水空间分布模拟方法研究

Precipitation as a fundamental component of the water cycle, is a key parameter of ecology, hydrology and meteorology. Accurate and complete precipitation data is of great importance to watershed eco-hydrological models, and indispensable for planning, designing and operating water projects. However, it is still a great challenge to acquire precipitation with high resolution and high accuracy due to its complexity of the spatial and temporal variation characteristics. This research chooses Heihe watershed as a study area. A new merging framework for precipitation estimation is proposed by combining accurate quantitative precipitation from stations with spatial continuous information from remote sensing observations or climate model products. As a result, the accuracy of precipitation with fine spatial distribution would be improved by taking advantage of complementary merits from each dataset. First, different gridded monthly precipitation datasets, including remote sensing products and climate model outputs, are inter-compared with each other and a downscaling method is developed to the most accurate product. Second, a merging technique based on the surface modeling method is proposed by combing the accurate meteorological observations and the downscaled precipitation field. The result would compromise the merits of point data with high accuracy and surface data with high spatial resolution and continuity. Last, the results are evaluated and validated. This research will provide a practical framework for estimating precipitation with high resolution and high accuracy. Further, it would facilitate the uncertainty research in ecological and hydrological fields.

降水空间分布的精细化估算对流域生态水文模型、水资源管理等均具有重要意义。由于降水时空分布的复杂性，高精度、高分辨率的降水空间分布模拟在理论和方法上仍有待于进一步深入。本项目拟选择黑河流域为研究区，通过构建跨尺度模型，将点尺度和区域尺度的降水资料进行融合，实现多源多尺度数据互补，提高区域降水空间分布的模拟能力。首先，在全面系统地比较气候模式结果及遥感反演产品的基础上，选择精度相对最高的数据并对其降尺度，得到空间连续的高分辨率面尺度降水产品；其次，结合高精度的站点观测信息，基于曲面建模方法，发展一种新的融合多源多尺度数据的降水空间分布估算模型，使模拟结果兼具有站点数据的高精度和面尺度数据的高分辨率空间连续特征。最后，对融合结果的精度进行评价验证。本项目研究成果可为高精度高分辨率降水空间分布模拟提供理论方法框架，对推动水文生态系统不确定性研究具有重要的理论与应用价值。

降水空间分布的精细化估算对流域生态水文模型、水资源管理等均具有重要意义。由于降水时空分布的复杂性，高精度、高分辨率的降水空间分布模拟在理论和方法上仍有待于进一步深入。本项目选取地形复杂、站点稀疏的黑河流域为研究区域，通过对多源遥感数据及模拟结果进行对比，选取精度相对最优的数据产品进行最优分辨率降尺度，并结合站点观测信息，基于高精度曲面建模方法HASM，实现多源多尺度降水数据的高精度融合，同时将HASM发展成为可融合多源多尺度数据的高精度数据模拟方法。通过对APHRODITE, PERSIANN, CFSv2, CMORPH, ERA5, IMERG, 及TRMM7中数据产品进行时空尺度对比，研究最终选取TRMM数据进行降尺度。在不同尺度上构建地理加权回归模型，选取最优尺度，并以此尺度对应的核函数及带宽选择方式构建降尺度方法，结合中尺度天气过程及与局地地形的交互作用，对跨尺度引入的误差进行修正，构建了考虑尺度效应的粗分辨率模式数据的降尺度算法；并根据现有观测站点个数，引入了取值范围为0~1的松弛系数，对没有站点的模拟网格根据搜索半径内的邻点松弛决定改网格点值的上下界，对于站点稀疏的区域，搜索半径内邻点上的值定义为该半径内已有站点观测值和通过上述降尺度遥感数据在该搜索范围内的网格点值。分别以降尺度后的遥感数据为初始场，以站点实测数据为优化控制条件，在对HASM实现参数本地化的基础上，融合站点数据（高精度站点观测数据）和栅格数据（通过模式结果及遥感产品比较并降尺度后的高分辨率空间连续数据），基于高精度曲面建模方法构建了多源多尺度降水融合分析系统。通过交叉验证，结合站点信息，证明了基于HASM的融合方法精度高于各数据源的精度，也高于其他的经典融合方法。本研究将有助于推广HASM的使用范围，有助于丰富和发展目前的GIS理论方法与工具，对地学及其他相关学科的发展提供方法上的参考，也为其他生态水文学研究提供一定的数据支持。