基于GRACE/GRACE-FO数据降尺度方法反演库尔勒东区地下水储量变化

GRACE与GRACE-FO重力卫星为全球中大尺度地下水反演监测提供了新的手段,但难以提供小尺度上较高空间分辨率的地下水储量变化(GWSA)信息。本文针对新疆库尔勒东部缺资料区,采用动力降尺度方法提高GRACE/GRACE-FO反演GWSA数据的空间分辨率,分析GWSA的时空分布规律。首先,基于数据融合方法构建了库尔勒东区GWSA数值模型;然后,利用优化后的模型将GWSA反演数据的分辨率从1°降尺度至0.25°和0.05°,将反演的GWSA与水井监测的地下水位(GWL)数据进行对比验证;最后,利用0.05°GWSA数据分析研究区GWSA态势。结果表明:①与降尺度前1°GWSA数据相比,降尺度转换后的高分辨率GWSA数据在空间上更加平滑、展示了更加丰富的细节,且提高了与水井GWL监测数据的相关性,改进了反演精度和可靠性;②小尺度上,降尺度后的GWSA数据能够反映水源地地下水的季节性、年际和长期开采下的亏损等动态特征;③研究区GWSA呈现出时空分布差异性,2005—2020年区内地下水储量变化率为-1~1 mm·a-1,总体上呈南增、北减态势,南、北部山区的变幅大于中部相对平坦区域。

基于GWR的陕西省夏季GPM降水融合降尺度研究

以陕西省为研究目标,基于GWR方法,使用NDVI对GPM降水进行融合降尺度分析,结合87个地面雨量计数据,分析融合前后降水在空间上的差异和原因;同时,考虑陕西省特殊地形,将陕西分为陕北、关中和陕南三部分,利用雨量计数据分析这3个区域的降尺度效果.研究发现:1)GPM和融合降尺度数据均能反映降水在空间上的分布特征,融合降尺度数据更能呈现降水细节;2)参数计算显示,融合降尺度数据与站点数据更接近;3)当具体到某一个较小的范围时,GPM和融合降尺度数据精度仍有待提高;4)GPM和融合降尺度数据能反映陕北、关中和陕南不同的降水特征,且关中和陕南观测质量优于陕北;5)GPM和融合降尺度数据对高降水量的记录更为准确,对小降水量的记录能力有待提高.

基于红光波段冠层SIF降尺度的小麦条锈病遥感监测

为减弱冠层几何结构等因素对传感器探测到的冠层日光诱导叶绿素荧光(Solar-induced chlorophyll fluorescence, SIF)的影响,探讨了条锈病胁迫下红光波段荧光(Red SIF,RSIF)的响应特性,并以RSIF为自变量构建了小麦条锈病遥感监测的线性回归(Simple linear regression, SLR)及非线性回归(Non-linear regression, NLR)模型。结果表明:叶片尺度RSIF在小麦条锈病遥感监测中具有较大优势,其与小麦条锈病病情严重度(Severity level, SL)间相关系数较远红光波段SIF(Far-red SIF,FRSIF)提高13.2%,以叶片尺度RSIF为自变量构建的SLR及NLR模型预测D_(SL)与实测D_(SL)之间R^(2)较FRSIF分别增加9.8%、38.9%,RMSE分别降低23.1%、36.4%。此外,降尺度处理能够提高RSIF监测小麦条锈病的精度,叶片尺度RSIF与D_(SL)之间R^(2)较冠层尺度增加126.3%,以叶片尺度RSIF为自变量构建的SLR和NLR模型预测D_(SL)与实测D_(SL)间R^(2)较冠层尺度分别提高114.3%和233.3%,RMSE分别降低16.7%、15.4%。本文提出方法可提高小麦条锈病遥感监测精度,同时对其它胁迫的遥感监测具有一定的参考价值。

基于多种统计降尺度方法的未来降水预估研究——以青藏高原为例

虽然第六次耦合模式比较计划(Coupled Model Intercomparison Project 6,CMIP6)能很好地预测大尺度气候要素,但是其在预测流域尺度方面的效果与实测数据仍有差别,尤其是在青藏高原这种高海拔、地形复杂地区,气候模式所产生的误差更大。基于最新一代高分辨率CMIP6模式历史情景和SSP126、SSP245、SSP370、SSP585等多种未来气候排放情景,研究使用包括偏差校正、KNN、SDSM等多种统计降尺度方法进行降尺度分析,并对各自的预测性能进行了评估,在此基础上使用性能最佳的统计降尺度方式预估青藏高原地区的未来降水,对最终得到的预估降水的时空演变特征进行了详细的分析,并与青藏高原的历史降水情况进行了对比。结果表明,3种统计降尺度在青藏高原的适用性差异较大,线性回归降尺度方法的性能最佳,其次为偏差校正方法,最差为KNN类比方法。从未来降水预估情况分析,青藏高原未来80 a平均降水、降水极值等总体呈上升趋势但上升幅度较小,且空间分布情况变化不大。研究结果可为青藏高原水资源评价及规划与管理提供科学依据。

一种气温降尺度的半循环对抗生成网络

提出了一种半循环对抗生成降尺度模型,应用于ERA5再分析全球气候地表温度数据在中国及其周边地区的降尺度,该模型引入了重建生成器网络和退化生成器网络,采用对抗损失和半循环损失来优化降尺度结果。通过消融实验验证了该模型的有效性。结果表明,与传统的插值方法以及其他深度学习模型相比,该模型在客观评价指标上有所提高,所生成的地表温度数据细节更加丰富。

基于随机森林模型的GRACE数据3种空间降尺度对比

陆地水储量是赋存在陆地上各种形式水的综合体现,研究其时空变化对认识区域水循环过程和水资源调控等具有重要意义。然而现有陆地水储量变化数据实际分辨率较低,限制了其在中小流域或地区中的应用。针对这一问题,本文基于GRACE重力卫星和其后续卫星GRACE-FO反演的陆地水储量变化数据,首先采用随机森林模型,分别基于格点、区域(流域)和区域(全国)3种空间降尺度思路将GRACE数据降尺度至0.25°×0.25°,后结合GLDAS模型数据,基于水量平衡原理计算得到地下水储量变化数据,最后基于降尺度模型模拟效果和实测地下水位数据评估3种降尺度思路在全国的适用性。结果表明:随机森林模型能够较好地模拟驱动数据(降水、气温、植被条件指数和土壤水储量)与GRACE数据的统计关系,验证期格点降尺度思路的平均相关系数总体在0.6左右,区域降尺度思路的平均纳什效率系数、相关系数和均方根误差分别>0.5、>0.75和<6.6 cm,3种空间降尺度思路的模拟精度均满足基本要求;2003—2021年间,GRACE数据、格点降尺度、区域降尺度(流域)和区域降尺度(全国)得到的我国陆地水储量亏缺量分别约为119.5×10^(8)、62.4×10^(8)、121.1×10^(8)和121.8×10^(8)m^(3)/a,地下水储量亏缺量分别约为230.0×10^(8)、171.8×10^(8)、235.6×10^(8)和236.4×10^(8)m^(3)/a,受制于样本数较少等原因,格点降尺度结果精度较差;两种区域降尺度思路得到的水储量变化速率均和原始GRACE数据基本一致,模拟结果均优于格点降尺度,且细化到流域的区域降尺度对地下水储量变化验证精度有一定的改善。区域降尺度具有适用性强、模拟精度高、计算效率高的优势,研究结果可为流域水资源可持续利用以及水资源规划等提供精细化的水储量变化数据。

基于MODIS积雪覆盖度数据的青藏高原两套被动微波雪深产品降尺度对比研究

积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che_SSMI/S产品;由AMSR-2反演称为Che_AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che_SSMI/S_NSD和Che_AMSR2_NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che_AMSR2_NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che_SSMI/S_NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还受积雪深度、积雪期等因素的影响。当积雪深度小于10 cm且在积雪稳定期时,两套雪深产品降尺度精度均最高;当积雪深度大于30 cm且在积雪消融期时,两套雪深产品降尺度精度均最低。通过对比两套降尺度雪深产品,有助于全面地了解青藏高原雪深时空分布变化及其应用提供数据支持。

遥感降水降尺度高精度校正及不确定性分析方法

为消除降水场同质部分影响,提升统计降水降尺度结果精度,提出了基于贝叶斯高精度曲面建模(Bayes-HASM)算法的遥感降水降尺度高精度校正方法。该方法通过引入模拟精度更高的高精度曲面建模方法,并结合贝叶斯优化算法,实现了模型参数自动优化选择和高精度降尺度校正,解决了现有降尺度残差校正方法存在的误差和多尺度问题。结果表明:贝叶斯优化使高精度曲面建模的不确定性显著减少;经过Bayes-HASM残差校正后,降尺度结果的散点分布更加接近1∶1线,年、季、月和旬尺度的精度指标均得到了显著的改善,CC和IA指标提高至0.9左右,RMSE下降明显,RB也显著改善。本方法能显著降低模型的不确定性并起到消除降水场同质部分影响的作用,有效提升降水降尺度结果精度。

Downscaling法在贵州冬季气温和降水预测中的应用

基于CGCM模式输出500 hPa位势高度场、NCEP/NCAR再分析500 hPa高度资料、贵州冬季降水和气温历史资料,利用降尺度法,对贵州冬季降水和气温预报的技巧和预测效果进行了预测试验和改进。结果表明,该方法从动力与统计相结合的角度,给出季尺度大气环流与局地降水、气温之间的关系,有明确的动力学背景和天气学意义。20年回算及两年回报试验证明了该关系的合理性;对贵州冬季降水的预测率约70%,而对气温的预测率为65%左右。另外,通过对气温反演方程订正后,其预测率达67%左右;在极端异常年,该方法对降水的预测率变幅不大,而对气温的预测效果影响极大。最后利用该方法对2005年贵州冬季降水和气温趋势进行了展望。

喀斯特山区TRMM降水数据降尺度研究

获取高精度的卫星降水数据,为喀斯特区域旱涝灾害评估、水文预报等各研究领域提供数据基础。以热带降雨卫星(tropical rainfall measuring mission, TRMM)为数据源,采用多元线性回归法(ordinary least square, OLS)和地理加权回归法(geographically weighted regression, GWR),综合考虑高程、坡度、坡向、经纬度和归一化植被指数(normalized difference vegetation index, NDVI)等6个因子构建OLS和GWR降尺度模型进行年降尺度研究,并比较OLS和GWR两种降尺度模型在喀斯特山区的适用性。结果表明:1)TRMM数据与站点观测数据之间精度较好;2)降尺度后数据空间分辨率提升到1 km, GWR降尺度年降水量在多数年份比原始TRMM数据更接近实测值,高估现象得到改善;与OLS降尺度数据相比,其三项指标表现更好;3)单站点中,OLS降尺度数据在高程和NDVI突变区域易出现假性更优相关性。综合多指标评价,GWR降尺度数据在喀斯特山区总体精度更高。后续可通过划分植被区、岩溶区、增加环境因子、校正等使降水更贴合实测值。

基于FY-3B被动微波数据的青藏高原降尺度机器学习雪深反演

作为中国三大积雪区之一,青藏高原的积雪变化在气候系统、水文地质以及生态环境方面发挥着关键作用。已有的被动微波积雪深度反演方法存在数据分辨率低、不确定性高等问题,不适用于青藏高原复杂的山区地形。因此,本文基于FY-3B被动微波数据开发了青藏高原降尺度雪深反演模型,利用机器学习算法,将筛选后的亮温差作为参数输入,同时引入了高程、经纬度、植被覆盖度、积雪覆盖度和积雪天数等特征,最终进行了500 m分辨率的青藏高原雪深制图。结果显示,极端梯度提升XGBoost算法的决定系数(R^(2))和均方根误差(root mean square error,RMSE)分别为0.762和5.732 cm,明显优于支持向量回归和随机森林算法。从积雪天数、积雪覆盖度和植被覆盖度三个方面探讨了模型精度的变化,结果表明,在积雪天数为30~60 d时,模型表现良好,平均相对误差(mean relative error,MRE)最低为36.79%,RMSE为2.78 cm;随着积雪覆盖度的增加,模型的RMSE逐渐增大,在积雪覆盖度为0.25~0.50时,MRE和RMSE分别达到39.97%和3.12 cm;植被覆盖度对模型精度的影响较为复杂,可能与具体的土地覆盖类型相关,在0.25~0.50范围内模型表现出较高的精度,MRE和RMSE分别为32.77%和2.94 cm。

基于印度洋海温信号的我国西北地区东部夏季降水组合降尺度预测方法研究

利用国家气候中心第二代气候模式预测业务系统(BCC-CPSv2)预测产品,引入印度洋海温信号,采用组合降尺度方法建立了西北地区东部汛期降水预测模型。该预测模型对1991—2017年西北地区东部夏季降水的回报技巧较BCC-CPSv2预测技巧显著提高,空间相关系数由0.42提高到0.75,均方根误差明显减小,最多下降达80%。预测模型对降水空间分布型的预测能力较好,很好地回报了典型年份(1987年和2010年)夏季的降水距平百分率分布。通过抓住气象变量的空间分布特征,组合降尺度方法可以修正动力模式产品的预测误差,为西北地区东部夏季降水预测提供科学依据和技术支持,具有较好的应用前景。

基于地理加权回归的吉林省微波土壤水分降尺度研究

微波遥感是土壤水分监测的重要手段,但微波遥感土壤水分产品的空间分辨率较低,难以满足区域尺度的应用需求。使用地理加权回归模型,以1 km MODIS产品的遥感地表温度(LST)和归一化植被指数(NDVI)作为辅助数据,将空间分辨率为9 km的SMAP被动微波土壤水分数据降尺度为1 km,利用吉林省地面实测土壤水分数据,对降尺度后的SMAP数据进行了精度验证。结果表明,该降尺度方法在吉林省适用性较好,降尺度结果与SMAP数据在空间分布上保持了较高的一致性,小幅度提高了SMAP数据的精度,显著提高了SMAP数据的空间细节和纹理特征。

基于生成对抗网络模型的SMAPL4土壤水分产品降尺度分析

土壤水分是地表和大气水热过程交换的重要纽带,对于农业生产以及优化种植结构具有重要意义,NASA卫星下的SMAPL4是一种以被动微波遥感技术为手段对土壤湿度监测的产品,具有可穿透云层和全天候监测等能力,但其较低空间分辨率很难满足小尺度或小区域范围的实际研究需求。鉴于此,根据云南省姚安县高原灌区特殊的地理位置,引用相关系数推演得出与研究区土壤水分空间分布有关的解释变量,沿用随机森林算法,耦合1 km包含地表温度和归一化植被指数的MODIS地表产品,建立基于RF全局窗口线性回归的1 km级被动微波土壤水分空间降尺度模型;而后堆叠地表温度(LST)、归一化植被指数(NDVI)、降水量(Prec)、地表蒸散量(ET)等4个变量形成条件生成对抗网络框架,并使用均方误差(RMSE)和条件生成对抗性损失函数训练神经网络来建立低分辨率和高分辨率映射关系,随即获得降尺度后土壤水分空间分布结果;最后将实际采样和监测站点提供数据做空间平均聚合后,与SMAPL4原始结果的CGAN、RF降尺度结果进行对比分析。结果表明:LST、NDVI、Prec、ET与土壤水分的相关性均值均大于0.44,具有相关关系,条件生成对抗网络降尺度结果对指标R^(2)和Bias表现效果最好,均值分别为0.7和0.032;RF降尺度结果对RMSE的效果最好,均值为0.006。同比SMAPL4原始数据,RF结果空间分布更为平滑,但极值差异性较大;CGAN结果能有效表征土壤含水空间分布状况,其数据变异性和极值表征能力更为突出。经RMSE与对抗性损失函数训练后,认为0.2~0.28的值域分布为降尺度后的研究区土壤水分数值分布结果。

基于GPCC月尺度降水产品的空间降尺度适用性研究

卫星降水产品在弥补地面观测站空间覆盖不足方面起着关键作用,但其较低的空间分辨率和有限的精度限制了在水文学和气候学研究中的直接运用。通过评估全球降水气候中心(GPCC)不同分辨率降水产品,并应用空间降尺度技术提升数据质量,以提升数据应用价值。选取0.25°分辨率GPCC数据,融合多源地理信息,构建多元线性回归模型实施降尺度,成功将其分辨率提高至1 km×1 km,模型依托内蒙古自治区实测降水数据进行验证。结果表明,所有模型的决定系数值均维持在0.881以上,均方根误差低于37.348 mm,偏差不超过0.041 mm,证明降尺度后数据精确可靠,具备良好地域适应性。研究成果可为深入研究内蒙古自治区水循环过程、指导农牧业生产实践、精准监测干旱状况等提供高分辨率、高质量的卫星降水数据支持。

一种改进的数值模式降水预报时间降尺度方法

数值模式降水预报时间降尺度的目的是将较低时间分辨率的模式降水预报通过统计方法降尺度到较高的时间分辨率上,以近似代替较高时间分辨率的模式降水预报。将现有的基于三次样条插值逐点拆分、位置订正、光流动态重构、频率匹配、逐点总量约束的网格降水预报时间降尺度方法(以下简称为“现有方法”)应用于未经订正的数值模式降水预报时,其中的订正步骤受制于数值模式预报的总降水量的约束,所生成的降水预报时间降尺度产品在强度上存在明显的不合理波动。因此,改进设计了一种适用于数值模式降水预报的时间降尺度方法(以下简称为“改进方法”),包含分段三次Hermite插值逐点拆分、金字塔LK光流动态重构、均衡的逐点总量约束三个步骤,不依赖于降水实况订正,且保留了原始模式的系统偏差。利用2020年4—10月中国气象局华东区域中心模式逐1h降水预报场和其累加生成的逐3h降水预报场,分别将其作为数值模式降水预报时间降尺度方法的验证场和输入场,评估对比了单纯的逐点拆分、“现有方法”和“改进方法”的时间降尺度效果,并使用匀速运动的圆形雨带理想模型和真实个例分析分别加以验证。结果表明:(1)“改进方法”所生成的逐1h降水预报在强度分布上更加均衡合理,短时强降水的平均TS评分和BIAS偏差的波动幅度仅为“现有方法”的27%和9%。(2)使用“改进方法”所生成的逐1h降水预报与真实的数值模式生成的逐1h降水预报场更为相似,平均TS评分和BIAS偏差幅度分别提升13%和下降31%以上,且在理想模型中均方根误差相比于“现有方法”总体下降10%。改进的数值模式降水预报时间降尺度方法同时满足运动合理、强度波动合理和降水总量约束的基本要求,可通用于任意网格降水预报的时间降尺度。

永兴岛GPM-IMERG降水数据空间降尺度研究

高时空分辨率的降水栅格数据是多种水文模型和气候模型的重要输入数据。引入经度、纬度、温度、风速和比湿作为解释变量,基于多元线性回归、长短期记忆递归神经网络(LSTM)和随机森林(RF)模型对GPM-IMERG降水数据进行降尺度。以永兴岛三沙气象站的测量数据为真实值,选取偏差(Bias)、相关系数(R)、均方根误差(R_(MSE))以及平均绝对误差(M_(AE))对原始GPM-IMERG降水数据和降尺度数据进行精度验证。结果表明,在日尺度上,GPM-IMERG降水数据与气象站实测降水数据之间偏差为-0.004 mm,平均绝对误差为3.537 mm;通过GPM-IMERG降尺度得到永兴岛10 m空间分辨率降水数据;RF模型降尺度结果精度最高,相较于原始GPM-IMERG降水数据均方根误差和相关系数分别提高了46.9%、30.1%。本研究可以在气象站稀少的情况下,为岛礁获取高空间分辨率降水数据提供了一种新的思路。

耦合地理加权与随机森林的地表温度降尺度

针对当前主流地理加权地表温度降尺度算法仅考虑地表温度(land surface temperature,LST)与尺度因子间线性或简单非线性关系的问题,提出了一种利用随机森林表征复杂非线性关系并与GWR耦合(geographically weighted random forest model,GWRF)的LST降尺度框架。GWRF降尺度框架从反射率、光谱指数、地形因子等多种尺度因子中筛选出最佳因子,利用地理加权随机森林方法建立LST与尺度因子间复杂的局部非线性关系,实现1000 m LST降尺度到100 m。以北京和张掖地区作为实验区,并与地理加权回归、非线性地理加权回归、随机森林回归模型进行比较。研究发现,基于GWRF的降尺度模型在所有研究区均表现良好,均方根误差和平均绝对误差均低于其他模型,并且具有更高的决定系数R 2。

基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪

针对钢轨表面缺陷图像降噪依赖人工设置滤波参数和缺陷边缘模糊的问题,提出基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪方法。首先采用深层网络中的多尺度卷积自动提取含噪图像的特征,使其不依赖于人工设置滤波参数,并克服单尺度卷积特征不够精细导致缺陷边缘模糊的问题;其次利用跳跃连接融合网络深层特征和浅层特征,强化浅层特征影响,克服因网络加深导致浅层特征被忽略的问题,使特征更充分;然后利用注意力机制调节特征在空间不同位置的权重,筛选出能表征噪声的特征,获得噪声信息;最后通过重建模块去除含噪图像中的噪声,实现端到端的降噪。试验结果从定性和定量角度证明所提方法不仅降噪效果更好,且更有效地保留了缺陷边缘信息,为缺陷精确分割提供条件。

降尺度CMIP6模式对新疆降水模拟评估

基于6个CMIP6模式的日降水量数据,采用降尺度方法将其统一分辨率到0.25°×0.25°,选取5个极端降水指数从降水气候态、极端性、季节性对新疆区域1961—2014年历史期降水模拟效果评估。结果表明:降尺度CMIP6模式能较好再现新疆区域降水的空间分布特征,最大年均降水量误差<30 mm,夏季降水模拟效果最佳,相关系数均高于0.8。模式在春、秋季对降水的模拟效果差异较小,标准差比值均在1.00~1.25,ACCESS-CM2模拟效果最佳。模式集合均值能模拟出观测降水增多趋势,但低估了降水的年际变率,模拟结果提示新疆20世纪80年代的降水转折可能与人类活动有关。在降水极端性和季节性方面,降尺度数据对新疆的极端降水和季节性降水均有较好的模拟性能,降尺度数据对季节性降水的模拟能力(与观测均值误差<0.001)比原始分辨率的数据(与观测误差>0.005)效果好。