基于地理加权回归模型的典型山地卫星反演降水产品降尺度研究

降水是陆地水循环的关键变量,高分辨率降水数据的获取是准确模拟陆地水循环过程的前提。虽然卫星反演降水产品具有较强的空间代表性和连续性,但其空间分辨率较低的问题限制了它的应用。以太行山、横断山和喀斯特山区为研究对象,基于降水与高程(DEM)、植被指数(NDVI)之间存在较好相关关系的假设,构建了GPM降水(Global Precipitation Measurement Mission)与高程、植被指数的地理加权回归模型,得到了2014—2016年研究区1km分辨率GPM降水数据。研究结果表明:地理加权回归模型能有效地提高GPM数据的空间分辨率。降尺度后,GPM数据精度在太行山和横断山区略有提高。年尺度上,相比于原始GPM数据,太行山和横断山区降尺度数据站点实测数据的确定系数分别提高了0.06和0.08,RMSE分别降低了0.45%和3.89%,MAE分别降低了0.16%和1.70%;月尺度上,太行山区67%的月份,横断山区83%的月份GPM产品降尺度后更加接近于站点实测数据。喀斯特地区GPM数据降尺度后精度略有下降,降尺度后,年尺度的降雨数据与实测数据的RMSE和MAE分别增加了10.00%和8.00%,R^2降低了0.06,月尺度上仅8月和9月降尺度后的精度更高。降雨与地形和NDVI的关系较弱是喀斯特地区降尺度效果较差的主要原因。