基于GWR模型的典型区域GPM数据降尺度研究——以浙江省为例

为提高研究区域的降尺度效果,基于地理加权回归法(Geographically Weighted Regression, GWR),选取全球降水计划(Global Precipitation Measurement, GPM)3IMERGM产品,以数字高程模型(Digital Elevation Model, DEM)作为控制解释变量,将其分别与解释变量水汽通量散度、气温构建两个降尺度模型、与解释变量归一化植被指数(Normalized Difference Vegetation Index, NDVI)构建对照降尺度模型,对浙江省进行降尺度研究。利用研究区域内气象站点的实测数据,对由不同解释变量构建的3个降尺度模型的降尺度结果进行对比分析及精度验证。结果表明：构建的3个降尺度模型中,引入解释变量水汽通量散度构建的降尺度模型的综合效果优于其余两种模型,水汽通量散度较NDVI、气温更适合作为解释变量。构建的降尺度模型有效地提高了GPM数据的空间分辨率(由0.1°提升至1 km),降尺度数据维持了精度且能够更真实反映研究区域内的降水量分布情况。     

基于决策树的天津地区冰雹天气雷达因子分析

利用决策树对天津地区2005—2014年4—9月间的25次有灾情资料的冰雹天气进行多普勒天气雷达因子识别,采用冰雹概率(POH)、强冰雹概率(POSH)、垂直液态含水量(VIL)、最大反射率因子(DBZM)、风暴质心高度(HT)、风暴顶高(TOP)等主要雷达识别指标,归纳出天津地区冰雹云雷达回波判识指标:(1)当DBZM≤54.5dBz,或者当DBZM54.5dBz但POSH≤35,单体不会降雹;(2)当DBZM54.5dBz且POSH35,则该单体将会降雹。与判别分析方法比较,基于决策树分析的识别降雹单体的成功率达90.2%,临界成功指数达78.3%,识别结果明显优于判别分析方法。