卫星遥测降水数据的质量评估与校正的方法研究

论文摘要

降水,作为水循环中重要的一环,是研究地区或流域水文循环系统的重要基础要素。高精度高时空分辨率的降水资料,对于工农业生产、水利开发、旱涝监测及预防等工作具有重要的意义,是认识区域水文过程、探究区域水文变化的基础。如何获得高时空分辨率的降水资料也是水文气象领域的一个重要的科研课题。传统的获取降水资料的方式是布设一定空间密度的雨量站网,并按照一定的时间间隔直接观测降水量。新型的观测手段则是利用雷达或卫星来估计降水量及其空间分布。传统地面站网观测方式虽然能够获得精确的各站点处的降水量,但是由于地面站点分布不均匀、降水资料空间不连续等问题使其具有明显的局限性;而雷达测雨、卫星估计降水虽然时空分辨率较高,但其监测数据却往往存在较大的误差。因此,研究如何利用地面站网观测数据和雷达、卫星降水数据获得高精度、高时空分辨率的降水信息具有现实意义。本研究以京津冀地区为例,首先评价卫星降水产品的精度,然后重点研究卫星降水数据与地面站网观测降水数据的融合校正方法,并对融合校正后的降水数据精度及融合校正方法的可行性进行评价,以期建立多源降水数据的融合校正模型,获得高精度和时空分辨率的降水数据,提高卫星降水产品的科学和应用价值。首先,建立了卫星降水产品精度评价体系,分别在日尺度和月尺度下评价了GSMaP_NRT(Global Precipitation Measurement_Near Real Time)卫星降水产品的精度。发现卫星降水数据在两种时间尺度下精度都不高,而且都会出现“高值高估”的现象,且日尺度下对日降水事件的错报率较高。整体上,月尺度降水数据精度高于日尺度,日尺度降水数据精度则更低。为了提高卫星降水数据的精度,基于机器学习中的随机森林和支持向量回归方法构建了“基于机器学习的卫星降水数据与地面站点观测降水数据的融合校正模型”,对GSMaP_NRT卫星降水数据和地面站点降水数据进行融合校正,并对融合校正后的降水数据进行质量评估。通过对比融合校正前后的精度评价指标,验证融合校正模型的效果和可行性。结果显示:相对融合校正前,经模型融合校正后的卫星降水数据质量有较大的提高,R~2得到大幅提高,RMSE、BIAS显著降低;经过模型融合校正后的降水数据对日降水事件探测的成功率提高、报错率下降;但经模型校正后的降水数据有时会对极端降水事件的降水量有所低估。本文提供了一种可以考虑更多影响降水因素的且能够同时融合多来源降水数据的多源降水信息融合校正框架,结果显示,该方法的融合校正效果并不完全依赖于原始卫星降水数据的精度,具有较好的稳定性。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 国内外相关研究现状
•     1.2.1 降水时空分布及其影响因素
•     1.2.2 传统的降水空间估计方法
•     1.2.3 卫星估计降水空间分布
•     1.2.4 卫星降水产品与地面站点实测降水的融合校正
•   1.3 论文研究目标及主要内容
•     1.3.1 研究目标
•     1.3.2 主要研究内容
• 第二章 研究区域概况与数据资料
•   2.1 研究区概况
•     2.1.1 地理位置与地形地貌
•     2.1.2 气候状况
•     2.1.3 河流水系
•   2.2 地面基准气象站数据
•   2.3 卫星降水数据
•     2.3.1 卫星降水数据介绍
•     2.3.2 GSMaP算法的输入及产生
• NRT产品说明及获取'>    2.3.3 GSMaP_NRT产品说明及获取
•   2.4 地理因子数据
• 第三章 卫星遥测降水数据的质量评价
•   3.1 本章引言
•   3.2 卫星降水数据的评价指标与方法
•   3.3 卫星降水产品的多尺度评价
•     3.3.1 卫星降水月尺度评价
•     3.3.2 卫星降水日尺度评价
• 第四章 地面观测降水与卫星估计降水的融合校正
•   4.1 本章引言
•   4.2 机器学习简介
•   4.3 融合校正基本框架的构建
•   4.4 基于随机森林算法的融合校正模型
•     4.4.1 随机森林算法简介
•     4.4.2 随机森林样本数据集的构建
•     4.4.3 模型训练和验证方法
•     4.4.4 随机森林模型训练与结果评价
•   4.5 基于支持向量机的卫星降水数据校正模型
•     4.5.1 支持向量机简介
•     4.5.2 支持向量机样本集的构建
•     4.5.3 模型训练及验证方法
•     4.5.4 支持向量机回归的结果评价
•   4.6 不同模型的效果对比
•     4.6.1 月尺度模型效果比较
•     4.6.2 日尺度下模型效果比较
•   4.7 本章小结
• 第五章 结论与展望
•   5.1 研究成果及创新点
•   5.2 研究不足与展望
• 致谢
• 参考文献
• 附录
• 在学期间发表的论文和取得的学术成果

文章来源

类型: 硕士论文

作者: 王超

导师: 黄津辉

关键词: 卫星降水,降水融合校正,降水精度评估,机器学习

来源: 重庆交通大学

年度: 2019

分类: 基础科学

专业: 气象学

单位: 重庆交通大学

分类号: P426.6

DOI: 10.27671/d.cnki.gcjtc.2019.000157

总页数: 81

文件大小: 5763K

下载量: 69