Page 78 - 2022年第53卷第8期

法，这些算法大致可分为理想预报 ［４］ 、模型输出统计 ［５］ 、分位数映射 ［６］ 、随机天气发生器 ［７］ 等 ４类，
还包括这 ４类方法的混合算法。
近年若干研究通过建立降水与高程、植被指数、大气湿度等地形地貌或气象因子之间的关系，实
现热带降雨测量任务（ＴｒｏｐｉｃａｌＲａｉｎｆａｌｌＭｅａｓｕｒｉｎｇＭｉｓｓｉｏｎ，ＴＲＭＭ）等卫星遥感反演降水数据的空间降尺
度 ［８ － ９］ 。这些研究的关键是建立降水与相关解释因子之间的多元回归关系，然而在一些情况下降水与
地形地貌因子之间并不具备稳定和显著的统计回归关系，这在一定程度上限制了这些方法的使用。还
有一些学者采用分位数映射方法直接对低分辨率的降水资料加以处理，但其主要作用是实现数据偏差
校正，而非空间尺度转换，并且这种方法还要求具有一定的地表降水观测资料 ［１０］ 。还有一些文献则采
用反距离加权（ ＩｎｖｅｒｓｅＤｉｓｔａｎｃｅＷｅｉｇｈｔｅｄ，ＩＤＷ） ［１１］ 、双线性插值 ［１２］ 等简单方法开展降水数据的空间降
尺度，但这些方法通常会产生比较明显的平滑效应，同时也很少论述它们是否会破坏原始数据的空间
结构特征。另外，有关 ＩＤＷ 等简单方法与更复杂的降水空间降尺度方法所得结果的比较在文献中也不
多见。
Ｋｒｉｇｉｎｇ是建立在半方差函数基础上的一类空间估计方法，具有同时适用于点和区域尺度空间估计
的优良特 性。Ｋｒｉｇｉｎｇ方 法 中 的 ＡＴＰＫ（ＡｒｅａｔｏＰｏｉｎｔＫｒｉｇｉｎｇ，ＡＴＰＫ）和 ＡＴＡＫ（ＡｒｅａｔｏＡｒｅａＫｒｉｇｉｎｇ，
ＡＴＡＫ）提供了一种在没有地面降水观测数据的前提下，将低分辨率空间数据分别降尺度到点尺度和高
分辨率的途径。ＡＴＡＫ可视为对 ＡＴＰＫ的扩展，而 ＡＴＰＫ可视为 ＡＴＡＫ的一种特殊形式。已有文献从
理论上证明了 ＡＴＰＫ和 ＡＴＡＫ不仅能够保持变量在不同空间尺度上的质量守恒 ［１３］ ，而且能够保持空间
相关结构特征，即半方差函数的守恒 ［１４］ 。目前 ＡＴＰＫ或 ＡＴＡＫ已用于地区人口密度、土壤有机成分和
房价空间插值等方面 ［１５］ 。如 Ｙｏｏ等 ［１６］ 最早将 ＡＴＰＫ应用于人口普查区域数据降尺度，实现了人口密
度在格网上的细化，其结果显示区域人口密度空间分布格网不仅保证了人口普查区域数据的质量守
恒，而且具有较强连续性；Ｗａｎｇ等 ［１７］ 耦合 ＡＴＰＫ和回归模型对 ＭＯＤＩＳ波段观测数据进行空间降尺
度，并验证了该方法准确地保留原始数据粗波段的光谱特性的能力；Ｈｕ等 ［１８］ 根据粗糙和精细的两套
气溶胶光学深度数据基于 ＡＴＡＫ对缺失数据进行插值，结果显示 ＡＴＡＫ能够较好地保留原始数据信
息；Ｊｉｎ等 ［１９］ 耦合地理加权回归和 ＡＴＡＫ对土壤水分进行降尺度，证实了该方法具有局部空间异质性
的刻画能力；Ｎａｅｉｍｅｈｏｓｓａｄａｔ等 ［２０］ 分析了伊朗 ２００３—２０１０年胃癌发病率数据，使用耦合 ＡＴＡＫ与泊松
分布的 ＡＴＡＰＫ方法和 ＢＹＭ方法进行空间插值并利用 ３７３个调查县的标准化胃癌发病率对插值结果进
行检验，结果表明二者插值结果基本一致，但前者的平滑度较低，能够有效识别胃癌高发地区，具备
较强的局部变异特征描述能力，精度也要优于后者。
由于降水具有很强的空间异质性，且属于区域型水文要素，不仅仅是对于单点的描述，因此为得
到更细的格网降水，本文采用 ＡＴＡＫ开展一种具有重要影响的全球性降水数据—多源加权集合降水
（Ｍｕｌｔｉ － ＳｏｕｒｃｅＷｅｉｇｈｔｅｄ － ＥｎｓｅｍｂｌｅＰｒｅｃｉｐｉｔａｔｉｏｎ，ＭＳＷＥＰ）的空间降尺度研究，并在此基础上采用能够
定量描述降水与相关影响因素之间非平稳性空间关系的 ＧＷＲ方法，进一步研究降尺度后的 ＭＳＷＥＰ
数据与地表雨量站网观测数据的融合。本文一方面将比较 ＡＴＡＫ和 ＩＤＷ 对 ＭＳＷＥＰ进行空间降尺度处
理后生成的雨量场差异，另一方面将解析不同背景场对 ＭＳＷＥＰ和地表雨量站网降水融合结果的影响，
从而深化对降水空间降尺度和多源降水融合的认识。

２ 研究方法

２．１ 空间降尺度方法 本文采用 ＩＤＷ 和 ＡＴＡＫ，在不考虑地表雨量观测资料的前提下，将 ＭＳＷＥＰ降
水数据由 ０．１° × ０．１°的空间分辨率降尺度至 ０．０２° × ０．０２°。对于 ＩＤＷ 方法，在对 ＭＳＷＥＰ数据空间降尺
度过程中，将 ＭＳＷＥＰ雨量视为相应网格中心位置的 “点” 雨量，然后选择若干最邻近位置的雨量，
通过加权平均生成各空间位置的雨量，其权重为距离倒数的幂函数。ＩＤＷ 插值是一种简单的经验性方
法，计算量小，但显然没有考虑到不同尺度上降水空间结构特征的转换关系。
以下主要介绍 ＡＴＡＫ对 ＭＳＷＥＰ数据进行空间降尺度的基本原理和步骤。对 ＭＳＷＥＰ数据，采用

— ９ ６ ５ —