多源遥感数据的降水空间降尺度研究——以川渝地区为例

大量研究表明,通过传统地面气象站点实测的单点数据,不能有效地反映降水的空间变化特征。目前,以遥感数据获取的降水产品已得到了广泛的应用,但在地形地势复杂区域,遥感降水产品的空间分辨率与数据精度等方面仍然存在着极大的不足。因此,本文以四川重庆(川渝)地区为例,通过建立降水产品降尺度算法,以实现降水产品的降尺度估算,提高降水数据的空间分辨率。依据在不同尺度下(0.25°、0.50°、0.75°和1.00°),TRMM 3B43、地理因子,以及MOD13A3(NDVI)之间存在的相关关系,构建了多元回归模型。通过对比这4种尺度下的回归模型,选择其中精度最高的作为最终的降尺度算法,然后再把这种降尺度算法应用到1 km分辨率下进行降水估算。进一步,以区域差异分析(GDA)和区域比率分析法(GRA)对降尺度估算的降水数据进行校正,并结合部分地面气象站点实测的降水数据进行验证。验证结果表明:降尺度算法是可靠的,能有效提升降水产品的空间分辨率,同时GDA和GRA校正方法能减小误差,进一步提升降水估算的精度,满足区域地表过程应用的需求。     

基于随机森林算法的地表温度鲁棒降尺度方法

陆地表面温度是描述区域或者全球范围内陆地表面与大气的相互作用和能量平衡最重要的环境参数之一。针对目前尚未有遥感卫星能够同时提供具有高时间和高空间分辨率的地表温度产品的问题,国内外学者发展了多种对低空间分辨率的地表温度进行降尺度的算法。然而,由于对地表温度解释变量和降尺度模型的选择往往具有区域局限性,导致了降尺度模型的泛化能力受到了一定的限制。本文首先评估了地表反射率、遥感光谱指数、地形因子、地表覆盖、经纬度以及基本状态变量6类环境参量与地表温度之间的相关关系,并在此基础上筛选出最佳解释变量;同时,结合在非线性回归问题上表现比较优秀的随机森林算法,建立了一种鲁棒性的基于随机森林算法地表温度降尺度模型（RRF）。本文选取了中国范围内具有代表性的11个地区作为主要研究区,将空间分辨率为1 km的MODIS地表温度产品降尺度至90 m。以北京市2个典型地表类型的子区域为代表研究区,通过与传统的基于归一化植被指数与地表温度相关关系的TsHARP模型,以及基于红波段和近红外波段以及地表高程作为尺度因子建立的简单Basic-RF模型的对比分析可得,RRF模型在2个子研究区降尺度结果均优于TsHARP模型和Basic-RF模型,其均方根误差分别为2.39 K和2.27 K。通过进一步对2个子研究区训练的RRF进行交叉验证,证明在一个研究区训练的RRF应用至另一研究区的降尺度时,RRF模型表现出了较好的鲁棒性,降尺度结果的均方根误差分别为2.56 K和2.44 K,精度误差相差仅为0.17 K。通过将RRF应用于中国范围内的多个研究区,结果表明利用少量训练数据构建的RRF模型适用于大范围的区域,地表温度降尺度结果都能取得较好的精度。     

复杂山区地形条件下ERA5再分析地表气温降尺度方法

高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。     

全球250 m反照率产品算法及验证

反照率是反映地表能量平衡的重要参数之一,也被运用于全球变化与天气预测研究中。为了更好地获取反照率产品,学者们在不断地更新反照率产品和提出新算法。本文主要是在1 km分辨率的全球陆表特征参量（GLASS）反照率产品基础上进一步开发250 m反照率产品。算法思路是利用中分辨率成像光谱仪（MODIS）传感器的250 m分辨率波段提供纹理信息,利用成熟的GLASS 1 km反照率产品提供均值信息,进行数据融合,实现GLASS 1 km反照率产品的降尺度。相比于GLASS 1km反照率产品,250 m产品首先展现出更为丰富的空间细节信息,并且在与地面站点观测数据（北美地区站点数据）直接对比中显示出稍高的验证精度,GLASS 1 km产品的验证精度为0.0257,而250 m产品验证精度0.0235。最后,以北京市为例,基于2003—2013年的产品分析了北京市周边反照率及其变化趋势的空间分布,可以看到250 m反照率产品视觉效果更好,相比于1 km产品能够揭示反照率变化趋势的更多空间细节信息。分析表明,在北京城市化进程中,由于加大了城市绿化,主城区反照率总体呈降低趋势。     

基于广义回归神经网络的京津冀地区土壤湿度遥感逐日估算研究

土壤湿度是地表水热交换过程和水文循环中的一个关键组成部分,获取高时空分辨率的土壤湿度数据一直是当前研究的热点。SMAP（Soil Moisture Passive and Active）主被动微波土壤湿度产品的精度高,但存在着空间分辨率低和时间分辨率缺失的问题,这限制了其在区域尺度上的应用,为解决这一问题得到更高时空分辨率的土壤湿度产品,本文利用广义回归神经网络模型（GRNN）模拟了MODIS地表温度、反射率、植被指数光学/热红外遥感数据以及高程、坡度、坡向、经纬度数据与SMAP土壤湿度的关系,从而将京津冀地区SMAP L2土壤湿度产品的时间分辨率由不连续（4~20 d）提升至1 d,空间分辨率由3 km提升至1 km,并扩展其在京津冀地区的空间覆盖范围。研究发现:① GRNN模型总体验证结果表明土壤湿度估算值与SMAP原始值的相关性较高（r=0.7392）,均方根误差（RMSE）为0.0757 cm3/cm3;② 不同季节典型日期的GRNN模型估算结果精度相差较大,春季处的相关性相比其他季节最低,精度相对较高（r_春=0.6152,RMSE_春=0.0653cm3/cm3）,秋季和夏季土壤湿度估算精度较为接近（r_夏=0.6957,r_秋=0.7053,RMSE_夏=0.0754cm3/cm3,RMSE_秋=0.0694cm3/cm3）,冬季的估算精度最高（r_冬=0.8214,RMSE_冬=0.0367cm3/cm3）;③ 2016年京津冀夏秋季节的土壤湿度较其他季节要显著提高,空间分布上坝上高原区域较低,而沿海地区的土壤湿度明显较高。本研究对京津冀地区的生态水文、气候预测以及干旱监测等应用领域具有重要价值。     

东北地区TRMM数据降尺度的GWR模型分析

利用东北地区2000-2010年93个气象站点观测数据作为“真实值”,对TRMM降水数据进行精度验证,发现研究区TRMM降水数据与观测数据之间具有明显的线性相关性,且TRMM降水数据数值偏大于观测值,表明TRMM降水数据在东北地区具有一定的可信度。对东北地区多年平均、2001、2010年的TRMM数据,进行GWR模型降尺度研究,得到1 km的新降水数据,并与全局OLS回归模型进行对比。结果表明：（1）相比全局OLS回归模型,GWR模型的降尺度结果可获得更好的R与RMSE,说明GWR模型更适用于东北地区TRMM数据的降尺度研究;（2）东北地区GWR模型的降尺度分析结果与观测数据之间的相关系数在0.44-0.97之间,且分布较分散;（3）经过降尺度的TRMM降水数据,在空间分辨率上有较大提高,能更真实地反映研究区的降水特征,为该数据小尺度的应用研究奠定基础。     

闽浙赣地区GPM IMERG降水产品降尺度建模与比较分析

针对目前的技术手段下难以直接获得大范围高精度精细化降水空间分布的问题,本文以闽浙赣地区为研究范围,选用GPM IMERG降水产品,综合应用地面实测降水数据以及水汽与植被指数数据,基于地理加权回归（GWR）法构建了基于水汽因子的降尺度模型,同时基于最小二乘（OLS）法构建了基于水汽因子与植被指数的对比模型,将降水产品的分辨率从0.1°提升至1 km,最终获得2015年闽浙赣地区各月精细化降水空间分布,使用验证站点实测数据进行验证。结果表明：① 构建的 3个降尺度模型中,GWR模型与2种OLS模型相比,拟合优度分别提升了102.9%和93.9%,模型降尺度结果整体优于2种OLS模型,且月际差异小,稳定性更高;2种OLS模型中,采用了水汽因子的模型拟合效果有8个月份更优;② 融合多源数据的GWR降尺度模型获得的结果在研究区内是可靠的,与GPM降水产品相比,在提升空间分辨率的同时,平均相对误差与均方根误差月均分别下降了42%和32%,精度明显改善。     

克里格法的土壤水分遥感尺度转换

 尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。     

光学信息分解被动微波土壤湿度方法

土壤水分是一个重要生态参量,以被动微波反演土壤水分,不受天气影响,且其算法成熟.但是星载被动微波数据的空间分辨率较低,可适合大区域尺度研究.本文将1km分辨率光学数据MODIS和25km分辨率被动微波数据AMSR- E2级土壤湿度产品结合,利用NDVI-Ts特征空间,去除植被影响,结合前人提出的裸土蒸散模型,将研究区被...     

基于TRMM降水数据的空间降尺度模拟

本研究以黑河流域为例,通过在不同空间尺度上建立降水与影响因素的关系并选择最优尺度以此进行降尺度,建立了基于地理加权回归（GWR）与高精度曲面建模方法（HASM）相结合的跨尺度统计降尺度方法,对TRMM降水数据进行了降尺度模拟。最后,结合站点观测数据采用交叉验证法对降尺度结果进行了验证。结果表明,与传统的降尺度方法相比,考虑最优尺度的降尺度方法在一定程度上提高了降尺度结果的精度,同时表明对跨尺度过程中产生的误差进行修正可进一步提高结果精度。本研究所提出的方法可用于粗分辨率降水数据的降尺度模拟,可为站点稀疏地区或地形复杂地区高分辨率高精度降水数据的获取提供方法上的支持。     

顾及地形影响的火星地表天文辐射时空特征分析

天文辐射指不考虑大气影响，落于地表的太阳辐射类型，亦是太阳能资源评估的重要背景。火星天文辐射及其时空分布特征的研究会为未来火星的探索提供助力，为火星太阳能资源的精细化利用和高效开发以及政府的科学决策提供基础数据。火星地形地貌错综复杂，其规模形态地球难以比拟，故而无法忽略地形对火星地表天文辐射的影响效果。然而，当下对火星天文辐射的计算和研究并未考虑火星实际地表的遮蔽效应且往往是从局部区域进行的研究。本文考虑纬度差异、时序更替的综合影响，以分辨率200 m的数字高程模型作为基本数据，提出了基于DEM计算火星天文辐射的理论模型，利用Hadoop分布式集群提供的并行计算框架以10 min为一个时间单位精细模拟了考虑地形遮蔽影响的火星全球地表天文辐射空间分布。Rb为水平面天文辐射与考虑地形遮蔽因素的天文辐射之比，一般用于评估天文辐射的地形遮蔽程度。基于全球不同纬度使用Rb进行时空分析，通过有交互的双因素方差分析、因子分析、相关性分析探寻地形因子及天文因素对阴坡和阳坡Rb值的影响程度。结果表明：地形对火星全球地表天文辐射的影响效果在时空尺度上具有明显的规律性，其影响程度不仅与地形自身发展情况（包括...     

改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。     

多年平均气温数据空间化误差的尺度效应

属性数据空间化是利用矢量数据生成栅格数据产品的有效方法,它有助于不同来源、不同格式之间的数据的综合分析。空间化是一种必然有误差伴随的过程,为探讨空间化误差与数据源密度、空间化模型方法,以及空间化分辨率之间的关系,本文利用7种水平的气象站点密度、5种空间化模型方法和19种栅格分辨率分析多年平均气温数据空间化误差与这3类影响因子之间的关系。分析发现：（1）气象站点密度的降低导致多年平均气温数据的空间化误差增加;（2）在IDW、Kriging、Adjusted IDW、Regression和Anusplin 5种空间化模型方法中,Adjusted IDW、Regression、Anusplin比IDW、Kriging的精度高;（3）随着栅格分辨率的变粗,多年平均气温数据空间化误差增大;（4）在影响空间化精度的3类因子中,空间化模型方法对空间化精度的影响最大,栅格分辨率次之,气象站点密度的影响最小。通过多元回归分析,建立了多年平均气温数据空间化误差与这3类影响因子之间的定量模型,可为空间化技术方案的制定提供参考和依据。     

高精度曲面建模的中国气候降尺度模型

 与站点统计降尺度插值和动力降尺度相比,高精度曲面建模(HASM)降尺度,具有不需大尺度预报因子,直接从GCM结果构建区域上高空间分辨率的未来气候模拟曲面的优势。HASM降尺度将未来气候,分为历史观测拟合的气候基准值和GCM未来气候变化值进行模拟,精度明显高于传统方法,但常系数全局拟合的气候基准值忽略了降水分布的空间非平稳性,导致降水模拟受到较大影响。为增强降水降尺度的气候背景值的描述能力,通过分析全国尺度降水的非线性非平稳性特点,提出耦合空间变系数气候基准值的HASM空间变系数降尺度模型(HASM-SVDM)以改进HASM对非平稳要素的降尺度能力,并以1961-2010年全国气温降水观测数据结合地形特征信息,利用HASM降尺度方法对HadCM3的A1Fi、A2a和B2a 3种情景的1961-1990、2010-2039、2040-2069和2070-2099时段的全国未来气温与降水进行降尺度模拟。分析表明,耦合全局线性模型的HASM常系数降尺度模型适合全国气温的降尺度模拟,而耦合空间变系数拟合的HASM-SVDM增强了空间非平稳背景值的描述能力,模拟的空间分布更能体现降水总体的非均匀分布趋势,适合全国降水的降尺度模拟。     

星载GNSS-R地表土壤湿度反演方法的对比与评价

应用气旋全球导航卫星系统(cyclone global navigation satellite system, CYGNSS)的星载反射测量遥感数据和土壤湿度主被动项目(soil moisture active passive, SMAP)发布的土壤湿度产品,对2种星载全球导航卫星系统反射测量(global navigation satellite system reflectometry, GNSS-R)地表土壤湿度反演建模方法进行对比与评价。结果表明,在单个格网上直接对标定的有效反射率和SMAP参考土壤湿度回归建立线性模型,反演得到的地表土壤湿度精度远高于格网统一建模的反演精度。使用1 a的CYGNSS陆地观测数据建立的反演模型已经具有极高的时域稳定性。5个月的测试数据表明,单格网模型反演的地表土壤湿度RMSE可达0.056 cm³/cm³,相关系数达0.9。     

全球地表覆盖高分辨率遥感制图

全球地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息.国际上现有全球五套地表覆盖数据产品的空间分辨率为1 km或300 m,数据精度、分类体系、时空分辨率等均存在不足.为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较好的全...     

融合多源空间数据的城镇人口分布估算

精细尺度的城镇人口空间分布是分析人类-资源-环境相互关系的重要指标。本文提出了一种融合地理空间大数据和高分辨率遥感数据估计精细尺度城镇人口分布的方法。通过对比各指标与人口相关性,选取R2>0.7的建筑面积、到道路距离、夜间灯光强度、商服中心、EAHSI指数、幼儿园、公园、小学、加油站、医院、公交车站、长途汽车站作为影响人口分布的变量因子。结合城市功能区数据确定人口分布区域,利用随机森林模型对宁波市2018年人口数据进行了500 m格网空间化,从而得出宁波市城镇人口空间分布图。最后,基于随机森林模型的变量因子重要性分析宁波市人口空间分布的影响因素。研究结果表明,本文所提出的城镇人口分布模型在街道尺度的估算精度为81.2%,平均相对误差MRE为0.29、RMSE为3279.89;网格级别的MRE为17.16,RMSE为1149.9,因此模型能精确地反演城镇内部街道人口分布信息。通过对变量因子重要性进行比较,发现建筑面积重要性约为0.22,对宁波市人口估算影响最大;到道路的距离、夜间灯光强度、商服中心、EAHSI（Elevation-Adjusted Human Settlement Index）、幼儿园、公园对宁波市人口估算具有重要作用。本文在格网级别进行的人口分布精度验证对于研究城市精细人口分布具有重大意义。     

基于随机森林的遥感干旱监测模型的构建

利用遥感数据进行大面积旱情监测是现有干旱监测的重要方法之一,然而传统的遥感干旱监测方法主要侧重于对土壤湿度或植被状况等单一干旱响应因子进行监测,对综合多因子的干旱监测研究较为有限。随机森林是一种机器学习方法,具有学习过程快速、运算速度快、稳定性好、预测精度高的优点,近年来被应用于生态环境等多个领域。本文利用2001-2010年4-9月的MODIS数据提取的植被状态指数（VCI）、温度状态指数（TCI）和土地覆盖类型（LC）,TRMM降水资料计算的TRMM-Z指数及SRTM-DEM、土壤有效含水量（AWC）等多个遥感及土壤资料提取的干旱因子为自变量,以气象站点的综合气象干旱指数（CI）为因变量,利用随机森林模型构建遥感干旱监测模型,并以河南省为研究区进行了评价和分析。该模型在2009-2010年的监测值和实测CI值的具有显著的相关性,并且二者干旱等级的一致率为81%。在2001-2010年4-9月间,模型监测值与气象站点的标准降水蒸散发指数（SPEI）总体干旱等级一致率为74.9%,较为一致,其中9月的模型结果与SPEI的干旱等级一致率最高,达到82.4%,空评估率和漏评估率最低;与10 cm土壤相对湿度的相关系数在0.475-0.639之间,达到极显著水平。河南省2011年4-6月干旱事件同样验证了本文构建的模型旱情监测结果,说明本模型能较好地就应用于监测区域旱情监测。     

基于普查和手机定位数据的乡镇尺度人口空间化方法研究

人口在空间上的实际分布是人口地理学研究的基础和热点问题。目前全球不同尺度的人口空间化数据产品因生产方法、数据源等有较大差异,空间化产品的一致性存在较大差异,尤其是共性需求集中的1 km数据产品。本文以京津冀地区为研究区,基于2000年乡镇尺度的人口普查数据和可开放获得的手机定位数据,利用光影投射法计算人口分布权重,结合面积权重法和指数平滑法得到京津冀地区1 km分辨率的人口空间化结果PJ2000。该产品较好地反映了京津冀人口实际分布细节特征。经精度评定,PJ2000人口空间化的总体精度为90%,人口空间化相对误差小于0.5的乡镇（街道）数约占87%,PJ2000与2000年乡镇街道人口统计数据pop2000的相关系数r高达0.95。结果证明,结合乡镇尺度人口统计数据和手机定位数据等多源数据所构建的人口空间化模型,所获1 km分辨率人口密度数据集精度得到显著提高。     

气温插值中不同空间插值方法的适用性分析——以江苏省为例

气温是最重要的气象因子之一,空间插值为台站气象数据降尺度提供了有效方法.本文利用江苏省67个气象台站2003年的逐日气温资料计算逐月平均气温和年平均气温,结合空间分辨率为30mX 30m的DEM数据,分别利用反距离权重法、张力样条插值法、普通克里格插值法和协同克里格插值法,对月和年平均气温进行插值,并利用交叉验证法对插...