Page 77 - 2022年第53卷第8期
P. 77

水  利  学  报

                2022年 8月                            SHUILI  XUEBAO                          第 53卷 第 8期

              文章编号:0559 - 9350(2022)08 - 0964 - 13

                                基于 ATAK的 MSWEP数据空间降尺度及

                                             对降水融合的影响研究

                                   1
                                                                                  1
                            云兆得 ,胡庆芳         1,2 ,王银堂     1,2 ,李伶杰    1,2 ,王磊之 ,陈建东          1
                             (1.南京水利科学研究院 水文水资源与水利工程科学国家重点实验室,江苏 南京 210029;
                                          2.长江保护与绿色发展研究院,江苏 南京 210098)

                摘要:全球性降水数据为获取大范围降水空间分布提供了新途径,但其空间分辨率不高一直是制约其应用于流域
                或区域尺度上的重要因素之一,因此研究全球性降水数据的空间降尺度方法具有重要的理论和实用价值。本文采
                用从区域到区域的 Kriging(AreatoAreaKriging,ATAK)和反距离权重(InverseDistanceWeighted,IDW)两种方法,
                不考虑地面雨量资料及影响雨量的有关辅助信息,在汉江流域将全球性降水数据 MSWEP的空间分辨率由 0.1° ×
                0.1° 提高至 0.02° × 0.02°。结果发现 ATAK降尺度得到的月雨量场虽然在统计精度上与 IDW 无明显差异,但提高
                了对月降水量局部空间变异特征的描述能力,在一定程度上克服了 IDW 的平滑效应。进一步以 ATAK、IDW 降尺
                度处理后的 MSWEP数据以及不作空间降尺度处理的原始 MSWEP数据为背景场,采用 GWR方法分别与雨量站网
                降水数据融合,发现 3种情况下得到的月降水融合数据在空间基本格局上相同,精度统计结果也较为接近,但雨
                量场的空间连续性及细节特征仍有一定差异。在地表雨量站网密度较高的情况下,背景场差异对 MSWEP和站点
                降水融合结果的影响不能完全消除,甚至在局部可能放大。因此,对于 MSWEP等全球性降水数据与站网降水资
                料的融合而言,选择适当的空间降尺度方法是必要的。本文的结论和认识为全球性降水数据的空间降尺度和雨量
                场精细化估计提供了重要参考。
                关键词:空间降尺度;降水融合;MSWEP;ATAK;GWR;汉江流域
                      类
                       号
                  图
                    分
                         :
                            U
                             4
                           T
                              3
                中
                                 文献标识码:A                                 doi:10.13243?j.cnki.slxb.20210985
              1 引言
                  随着卫星遥感、大气数值模式、陆面模型等技术的发展,国内外先后研制了一系列全球或准全球
              性的气候、水文、环境和生态要素的栅格数据集,为获取降水、气温、土壤含水量、陆地储水量、植
              被指数等变量的大范围空间分布信息提供了新途径。这些数据集的性能尺度持续改善,但在不少情况
              下其空间分辨率仍难以满足流域或区域尺度上的科学研究和实际工作需求。因此,国际上广泛开展了
              全球性空间数据的降尺度研究。
                  降水是基本的气象水文和生态环境要素之一,空间变异性复杂                              [1] 。降水的空间降尺度方法包括动
              力降尺度     [2] 和统计降尺度    [3] 两类。其中,动力降尺度主要面向全球气候模式降水输出数据的空间尺度
              转换,需借助区域气候模式实现,具有物理机制较为明确的优点,但计算代价巨大,且计算结果仍不
              可避免受到区域气候模式局限性等因素的影响。而统计降尺度在物理机制上虽不及动力降尺度完善,
              但其算法更易于构造,灵活性更强,且计算代价远小于后者。因此,降水数据的空间统计降尺度的研
              究和应用十分广泛,国内外学者已发展了多元回归、广义可加模型、人工神经网络、多重分形等算


                 收稿日期:2021 - 11 - 05;网络首发日期:0000 - 00 - 00
                 网络首发地址:https:??kns.cnki.net?kcms?detail?11.1882.TV.20220706.1740.002.html
                 基金项目:国家重点研发计划项目(2019YFC0408903);国家自然科学基金项目(51479118)
                 作者简介:云兆得( 1996 - ),硕士,主要从事水文遥感研究。E - mail:zd_yun@foxmail.com
                 通讯作者:胡庆芳(1981 - ),博士,正高级工程师,主要从事水文预报及水文遥感研究。E - mail:hqf_work@163.com
                —  9 6  —
                     4
   72   73   74   75   76   77   78   79   80   81   82