基于随机森林算法对青藏高原TRMM降水数据进行空间统计降尺度研究

提高气象数据空间分辨率对水文、气象和生态等领域的流域尺度研究至关重要。青藏高原气候变化在全球气候研究中占有重要的位置,并且对局域降水分布的研究在大气科学中处于基础地位。为获取青藏高原地区准确、有效、更高空间分辨率的降水数据,基于随机森林算法,引入植被和地形因子,采用热带降水测量计划卫星(Tropical Rainfall Measuring Mission,TRMM) 3B43降水数据(0. 25°×0. 25°)、NOAA-AVHRR归一化植被数(normalized difference vegetation index,NDVI)数据(8 km×8 km)、航天飞机雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)数字高程模型(digital elevation model,DEM)数据(90 m×90 m)以及经纬度信息,建立了非线性空间统计降尺度模型,最终获得8 km分辨率降水降尺度结果。另外,采用将时间序列分析和非线性回归分析融合的方法,基于2000—2012年TRMM年均降水数据和NDVI数据,建立降水量时间尺度预测模型。分析结果表明,综合考虑植被和地形因子对青藏高原地区降水空间分布的影响,基于随机森林算法建立的降尺度模型,其降尺度结果与地面站点测量值拟合系数为0. 89,高于TRMM数据与地面站点测量值的拟合系数0. 81,说明降尺度结果提高了卫星遥感降水数据的空间分辨率。另外,降水预测模型能够较好地描述青藏高原地区的年际降水变化趋势和数量级,2006—2012年的预测降水量与TRMM降水数据拟合系数均高于0. 80。