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
基于深度学习的TRMM降水产品降尺度研究——以中国东北地区为例
第32卷，第4期国土资源遥感V v U32,N v.4 2020年12月REMOTE SENSING FOR LAND&RESOURCES Doo,2020dvi:10.6046//tzyyg.2020.04.19引用格式：杜方洲,石玉立，盛夏.基于深度学习的TRMM降水产品降尺度研究一一以中国东北地区为例［J］.国土资源遥感, 2020,32(4):145-153.(Du F Z,Shi Y L,Sheng X.Research on downscaling of TRMM precipitation products based on deep learning:Exemplified by northeast China［J］.Remotr Sensing for Land and Resources,2020,32(4):145-153.)基于深度学习的TRMM降水产品降尺度研究一一以中国东北地区为例杜方洲，石玉立，盛夏(南京信息工程大学遥感与测绘工程学院，南京210044)摘要：降水的季节性时空分布研究对东北地区的生态保护和农业生产有重要意义。
基于植被指数、地形因子与降水的相关性，采用深度学习模型，对2009—2018年10a间平均1,4,7,10月TRMM_3B43产品降尺度至0.01。
(约1km),使用站点实测数据进行精度校正,并填补TRMM未覆盖的50「N以上地区。
结果表明，该模型效果优于随机森林，可有效获得各季节较高空间分辨率与精度的研究区域降水分布,校正后全局决定系数R2介于0.881〜0.952之间，均方根误差介于1.222-13.11mm之间，平均相对误差介于7.425%-28.41%之间，其中4月和10月份拟合度较好,1月和7月份相对稍差。
关键词：TRMM；东北地区；NDVI；深度学习中图法分类号：TP79文献标志码：A文章编号：1001-070X(2020)04-0145-090引言降水对土壤湿度、作物生长和区域径流等均有重要影响［1"4］o东北地区是我国最主要的天然林分布区之一，动植物资源丰富［5］,也是我国重要的农牧业和商品粮基地，粮食产量占全国总量的1/3左右⑷，降水变化势必对东北地区植被生长及农作物生长有重要影响［7］#因此，降水时空分布研究对东北地区的农业生产有重要意义。
基于随机森林和多源数据降雨量空间反演
检查数据的完整性和连续性，确保数据无缺失和中断 。
数据准确性评估
通过对比不同来源的数据，评估数据的准确性和可信 度。
数据稳定性评估
分析数据的波动性和变化趋势，确保数据质量稳定可 靠。
03
基于随机森林的降雨量预 测模型构建
随机森林算法原理
随机森林算法是一种集成学习方法，通过构建多个决策树并取其输出的平均值来预 测目标变量。
随机森林算法具有对噪声数据和异常值的鲁棒性，能够提高预测精度和稳定性。
随机森林算法原理基于Bagging（自举聚集）方法，通过从原始数据集中随机抽取 样本构建决策树，降低模型过拟合的风险。
降雨量预测模型构建
基于随机森林的降雨量预测模型构建 包括以下步骤
2. 特征工程：提取与降雨量相关的特 征，如气象要素、地形地貌、土壤类 型等，构建特征向量。
05
模型验证与结果分析
模型验证方法
内部验证
通过随机森林模型的内部交叉验证，评估模型的稳定性和预测能 力。
外部验证
利用独立数据集对模型进行测试，以检验模型泛化能力。
参数调整
根据验证结果，调整模型参数，优化模型性能。
模型结果分析
误差分析
计算模型的预测误差，评估模型的准确性。
降雨量分布
模型输出的降雨量分布情况，以及与实际观 测数据的对比。
空间相关性
分析模型输出的降雨量空间相关性，以及与 实际降雨情况的一致性。
模型改进与优化建议
增加特征维度
引入更多与降雨相关的特征，提高模型的预测 能力。
数据预处理
改进数据预处理方法，消除数据中的噪声和异 常值，提高模型性能。
模型融合
将随机森林与其他机器学习模型进行融合，提高模型的泛化能力和鲁棒性。
基于CMIP6动力降尺度对青藏高原降水的评估
基于CMIP6动力降尺度对青藏高原降水的评估徐仁慧;赵磊;文小航【期刊名称】《气候变化研究快报》【年(卷),期】2022(11)6【摘要】为了更好地了解目前数值预报模式对于青藏高原地区降水模拟的准确性,本文采用科学数据银行发布的历史和未来气候动力降尺度偏差校正后的CMIP6全球数据集作为驱动场,驱动WRF区域气候模式对高原进行动力降尺度模拟,得到水平分辨率为50 Km的模拟数据,此后提取其中的积云对流降水RAINC和非对流降水RAINNC数据并将其插值到0.5˚ ×0.5˚的空间分辨率上,选取国家青藏高原科学数据中心发布的中国地面降水0.5˚ ×0.5˚格点数据集来作为模式评估的参考数据,对比青藏高原地区WRF模式模拟的降水结果与观测值的差异以评估WRF模式的模拟准确性。
结果表明:1) 高原年平均降水量呈现从东南向西北逐渐减小的趋势,WRF区域气候模式对于青藏高原地区的年平均降水量模拟结果偏高,但仍能较好的再现上述空间分布特征。
2) 高原地区季节平均降水量分布为:夏季降水最多,春秋次之,冬季最少。
WRF模式可以准确模拟出此分布特征,但整体上模拟值较观测值偏高。
3) WRF模式对于高原不同地区的模拟准确性不同,根据年降水量随时间的变化特征来看,WRF模式对于降水量较少的地区模拟的差值较小,对于降水量较大的地区模拟差值较大。
4) 高原上不同地区WRF模式模拟的降水量与观测数据降水量的相关性存在较大差异,在藏东、藏南、藏西各有一个站点的相关性较好,而藏北部地区的相关性最弱,但整体上都呈现出正相关的趋势。
【总页数】12页(P1076-1087)【作者】徐仁慧;赵磊;文小航【作者单位】成都信息工程大学成都【正文语种】中文【中图分类】P45【相关文献】1.径流响应评估中基于动力与统计相结合的降尺度方法是否优于单一的降尺度方法2.CMIP6模式对青藏高原东坡暖季降水的模拟评估3.CMIP6 HighResMIP高分辨率气候模式对青藏高原降水模拟的评估4.基于动力降尺度方法预估的青藏高原降水变化5.1961-2020年青藏高原地表风速变化及动力降尺度模拟评估因版权原因，仅展示原文概要，查看原文内容请购买。
气象资料的统计降尺度方法综述
气象资料的统计降尺度方法综述一、本文概述随着全球气候变化研究的不断深入，气象数据的获取和精度要求也在逐步提高。
降尺度方法作为将大尺度气候模型输出转化为小尺度高分辨率气象数据的重要工具，其研究和应用越来越受到重视。
本文旨在对气象资料的统计降尺度方法进行全面的综述，探讨其基本原理、方法分类、应用实例以及存在的挑战和未来的发展趋势。
本文将介绍降尺度方法的基本概念和原理，阐述其在气候变化研究、区域气象预测和气象事件模拟等领域的应用价值。
接着，文章将按照统计降尺度方法的分类，详细介绍各种方法的原理、优缺点以及适用范围。
这些方法包括但不限于线性回归、主成分分析、神经网络、随机森林等。
随后，本文将通过具体的应用实例，展示统计降尺度方法在气象数据降尺度处理中的实际效果，并分析其在实际应用中的优缺点。
文章还将讨论当前统计降尺度方法面临的挑战，如模型泛化能力、计算效率、数据同化等问题，并对未来的研究方向和发展趋势进行展望。
通过本文的综述，读者可以对气象资料的统计降尺度方法有更加深入和全面的了解，为其在气象学、环境科学、气候变化研究等领域的进一步应用提供理论支持和实践指导。
二、气象降尺度方法概述气象降尺度方法是一种将大尺度气候模型输出转化为更小尺度、更高分辨率的气候数据的技术。
这种方法在气候变化研究、区域气候模拟、气象事件预测以及环境影响评估等领域具有广泛的应用。
降尺度方法主要基于大气、海洋、陆地表面等复杂系统的物理过程和相互作用，通过数学和统计模型，将大尺度气候模型的结果转化为更小尺度的气候信息。
降尺度方法主要分为动力降尺度（Dynamic Downscaling）和统计降尺度（Statistical Downscaling）两种类型。
动力降尺度通过构建高分辨率的区域气候模型，直接模拟小尺度气候系统的动态过程。
这种方法能够更准确地模拟小尺度气候系统的复杂性和不确定性，但计算量大，需要高性能计算机资源。
统计降尺度则主要利用大尺度气候模型输出与小尺度气候观测数据之间的统计关系，建立统计模型进行降尺度处理。
喀斯特山区TRMM降水数据降尺度研究
喀斯特山区TRMM降水数据降尺度研究谢伊娜;张洪波;张润云;孔功;赵孝席【期刊名称】《贵州大学学报（自然科学版）》【年(卷),期】2024(41)3【摘要】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。
【总页数】9页(P31-38)【作者】谢伊娜;张洪波;张润云;孔功;赵孝席【作者单位】昆明理工大学电力工程学院【正文语种】中文【中图分类】P426.6;P333【相关文献】1.基于GWR模型的贵州喀斯特山区TRMM 3B43降水资料降尺度分析2.近16年秦巴山区TRMM降水资料的降尺度研究3.TRMM降水产品在喀斯特地区的空间降尺度研究——以贵州省为例4.基于GWR模型的陕西秦巴山区TRMM降水数据降尺度研究5.天山山区TRMM降水数据的空间降尺度研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于测雨雷达资料的青藏高原东坡夏季降水的分析
基于测雨雷达资料的青藏高原东坡夏季降水的分析衡志炜;李平【期刊名称】《高原山地气象研究》【年(卷),期】2017(037)003【摘要】本文基于2000~2014年共计15年夏季(6~8月)的TRMM卫星PR(测雨雷达)探测结果2A25资料,对高原东坡及临近区域降水的水平、垂直分布特征,以及日变化特征进行了分析,结果揭示了高原对降水的影响.由降水样本数占PR总观测样本数的比例可知,降水频次表现为高原低、东部盆地高的特点,平均降水强度也类似.层云降水频次高于对流降水,但平均降水率低于对流降水.降水的垂直分布表明,下垫面高度超过3km时,降水率廓线峰值出现在5~6km,而其它地区峰值出现在3~4 km高度.该区域的降水以夜雨为主;高原上的对流类型降水主要发生在白天,盆地和丘陵地区降水主要发生在夜间.【总页数】6页(P10-15)【作者】衡志炜;李平【作者单位】中国气象局成都高原气象研究所,成都 610072;高原与盆地暴雨旱涝灾害四川省重点实验室,成都 610072;中国气象局成都高原气象研究所,成都610072;高原与盆地暴雨旱涝灾害四川省重点实验室,成都 610072【正文语种】中文【中图分类】P461【相关文献】1.青藏高原东北侧一次超级单体雹暴的多普勒雷达资料分析 [J], 张开俊2.利用星载云雷达资料分析夏季青藏高原的云辐射强迫 [J], 马越界;黄建平;刘玉芝3.利用热带测雨卫星的测雨雷达资料对1997/1998年El Ni(n)～o后期热带太平洋降水结构的研究 [J], 李锐;傅云飞;赵萍4.基于青藏高原春季感热异常信号的中国东部夏季降水统计预测模型 [J], 刘森峰;段安民5.基于可预报模态分析方法的青藏高原东部夏季降水统计预测模型 [J], 孙丽颖; 余锐; 刘飞; 李方腾因版权原因，仅展示原文概要，查看原文内容请购买。
WRF参数化方案对青藏高原夏季降水的敏感性研究
WRF参数化方案对青藏高原夏季降水的敏感性研究本文使用WRF模式对2013年青藏高原夏季高原涡进行了一系列的数值模拟试验，检验了不同积云参数化方案Kain-Fritsch scheme(KF)、Grell-Devenyi scheme(GD)和微物理参数化方案Kessler scheme(Ks)、WRF Single-Moment 3-class scheme(WRM3)、Eta Microphysics(new Eta)对WRF模拟青藏高原夏季降水的精确度的影响，选择较优的参数化方案。
结果表明：WRF模式模拟的总体效果较好，六种方案给出的模拟结果相差不大，对比来说new Eta + GD方案模拟降水的量级是比较好的，较少出现模拟过强的现象，而Ks + KF方案和Ks + GD方案来说降水中心强度都要大过于实际；降水落区上来看，WSM3 + KF方案和WSM3 + GD方案的表现较好，其它方案则有一定的偏差。
而后分析发现各方案之间降水差异的原因，主要是各方案处理云水、雨水粒子的差别造成的。
青藏高原（下称高原）是我国最大、世界上平均海拔最高的高原(Fielding E et al.，1994)，有“世界屋脊”和“第三极”之称，大部分在我国西南部，包括西藏自治区和青海省的全部、四川省西部、新疆维吾尔自治区南部以及甘肃、云南的一部分，总面积250万平方公里，平均海拔4000~5000米，是亚洲许多大河的发源地，其重要性不言而喻。
同时，由于高原特殊的地理位置、复杂的地形地貌及热力与动力作用，高原形成了独特的高原气候，对附近区域甚至整个亚洲和全球的气候都产生了重要的影响(李吉均等，1998；吴国雄等，2005；王同美等，2008)。
在地形条件独特复杂的高原上，降水的分布也非常复杂，开展降水的研究工作主要依赖于气象站点观测数据和科学考察资料(王传辉等，2011)，但由于高原的气象站点主要集中在东南部，在高原西北部气象资料极其稀缺，并且已有站点多安置于海拔较低的便利可达区域，使得观测数据本身存在误差(Roe G H，2005；傅抱璞，1992)，因此，数值模拟结果能够在一定程度上弥补观测不足的缺陷，成为研究高原气候变化的重要工具。
TRMM卫星降雨数据的精度及径流模拟评估
关键词
TRMM 3B42 V7，降水数据，精度评估，影响因素，径流模拟
1. 引言
降水作为水循环的主要环节，是水文分析的基础。降水数据是水文模型的输入要素，其精度对降雨-径流过 程模拟具有重大影响。目前降水数据获取途径中应用最普遍的是雨量站观测，其特点是测点处精度较高但周围 数据常需通过插值获得。由于降水时空分布不均，雨量站数量不足、空间展布不合理以及观测时间不连续等因 素往往使得站点降水数据精度受限[1]，尤其在资料稀缺区和地形复杂区。卫星测雨技术在获得具有一定时空精 度的连续降水数据方面具有独特优势，能一定程度弥补传统测雨方法的不足[2]，特别在资料稀缺区有很大的应 用前景，是未来水文研究及应用的发展趋势。热带测雨观测计划 TRMM 卫星携带的独有仪器装备为卫星测雨提 供了有力支持。 TRMM 卫星由美国国家宇航局和日本国家空间发展局联合研制并于 1997 年 11 月 27 日发射，它是第一颗 通过多频率微波、可见远红外线以及太空降雨雷达来测量热带和亚热带降雨的卫星[3]。降雨数据范围覆盖全球 38˚S~38˚N、180˚W~180˚E 间的范围，自 2001 年 8 月变轨后扩展至 50˚S~50˚N，包括我国除东北少部分地区外
435
TRMM 卫星降雨数据的精度及径流模拟评估
所有面积。TRMM 卫星提供多级测雨产品，用户可根据所需时空精度等下载使用。 TRMM 降雨产品的精度评估和径流模拟等应用方面已成为国内外研究的热点。在精度评估方面，Koo 等[4] 采用 TRMM 3B42 V6 降雨资料从雨量、频率和强度等方面分析了韩国夏季降雨特性，指出了 TRMM 降雨在不 同时间尺度和空间上的分布情况， 但研究时段仅选取为 6~8 月未对全年进行全面分析； 白爱娟等[5] [6]将 TRMM 3B41 实时数据分别在青藏高原及陕西周边区域与站点数据对比分析区域夏季降雨规律及基本特征， 该版本数据 时间分辨率为 1 h 适用于日变化分析，主要是规律性揭示和定性研究，时间跨度也限于夏季；刘俊峰等[7]分析 了 TRMM 3B42 数据在中国大陆 50˚N 以南大范围地区的整体情况，结果表明 TRMM 数据与地面观测数据相关 性较好， 并指出精度随日月年尺度逐渐提高， 湿润区好于干旱区， 启示我们 TRMM 在降雨丰沛地区适用性更强， 但文中给出的精度指标主要是相关系数的一个范围及其在地理上的空间分布情况，我们可以针对某一地区细化 并可采用更多精度衡量指标；谷黄河等[8]将 TRMM 3B42 与站点数据在时空分布上对比表明 TRMM 数据在长 江流域有较高精度，采用了多个指标但选取的 2008 年 4~12 月区间内的资料时间序列短未考虑到年际变化及差 异；李相虎等[9]利用 TRMM 3B42 V6 3 h 数据在鄱阳湖流域分析降雨时空分布特征及对比了不同子流域、雨强 和季节的精度差别，弥补了以往只评价整体精度的不足，指出高程和坡度对山区精度存在影响的可能但未进一 步分析；吴雪娇等[10]对比黑河流域 3B42 V7 数据和 9 个站点数据分析山区降水，指出 TRMM 在数据稀少区的 作用，并发现夏季拟合度高于冬季，且降水数据精度随海拔上升而下降，但站点数目较少可能存在不确定性； 蔡妍聪等[11]用新版本 3B42 V7 3 h 数据验证在中高纬度内蒙古地区精度发现在整个研究区总体表现为高估降雨 量， 但区域上存在高低估并存的非一致现象， 并分析了海拔和多年平均降雨对精度的影响； 高洁[12]采用 TRMM 3B43 月降雨量与中国 718 个地面雨量站对比表明两者高度线性相关，TRMM 数据普遍表现为低估，该研究采 用月版本数据与 3B42 数据研究结论存在差异指出汛期精度低于非汛期；而李威等[13]将 TRMM 3B43 月降雨数 据用于分析在月、季、年尺度下喀斯特山区的适用性时发现 TRMM 降雨估计偏大，月精度最高；杨雨蒙等[14] 将 TRMM 3B42 V7 新产品与气象站点降雨数据在湖南省对比发现，日尺度两者相关性很低仅 0.31，月尺度显著 提高为 0.88， 干旱季节表现优于湿润季节， 且阐释了空间要素对 TRMM 数据可靠性存在影响， 该文是将 TRMM 降雨数据双线性内插得到对应站点的降雨估计值，对于高海拔或地形复杂的粗差点地区不能很好求解，一定程 度影响了精度分析；一些研究[15] [16]表明在不同地区 TRMM 3B42 V7 新版本比 V6 数据精度有所提高；在径 流模拟方面， Bruno Collischonn 等[17]在亚马逊流域将 TRMM 卫星 3h 数据与地面观测数据驱动大尺度水文模型， 表明两者模拟结果接近；国内开展系列研究[18]-[21]将 TRMM 降雨数据应用不同流域并输入不同水文模型中发 现 TRMM 降雨数据能基本再现日径流过程但洪峰模拟精度不高，而月径流模拟则较精准。 综上发现，① TRMM 降雨数据的已有研究成果中既有相似结论，也有存在差异甚至相悖的地方，TRMM 降水数据精度及规律随数据版本和研究区域的尺度范围、气候条件及地理地形等不同而表现不同，针对特定区 域有必要具体分析， 为今后 TRMM 精度订正和提高区域适用性奠定基础。 ② 虽然目前对 TRMM 的评估已取得 不少成果，总的研究内容也趋于丰富化，各自研究都具有一些侧重点，但对 TRMM 进行较为系统的评估的研究 还较少，仍存在研究时段短、衡量指标单一、对比站点数目少、评定内容有限及数据版本非最新等一些局限， 这些研究大都仅展开精度分析而未对应用性进行评定或展开径流模拟应用分析但对精度评估较简略。 ③ 这些研 究中对影响精度的相关因素的分析相对较少，对精度的评价有助于分析数据的可用性，但考虑影响精度的因素 将有助于数据的改进，同时用于径流模拟中可对其进行应用性评估，又从侧面印证其精度。鉴于此，本文旨在 回答三方面问题：一是 TRMM 卫星降雨数据的精度如何，从日、月的不同时间尺度和流域、栅格的不同空间尺 度进行多角度分析；二是 TRMM 数据精度存在何种规律及其影响因素，以不同时期、不同雨强和不同高程展开 多方面的探究；三是 TRMM 降雨数据的应用性如何，通过径流模拟效果进行评定，同时反过来验证 TRMM 数 据的精度。本文选取湘江流域为研究区，采用改善的新产品 TRMM 3B42 V7，通过与站点数据的对比展开了较 为全面细致的多尺度、多方面的系统评估，同时揭示了影响精度的相关因素以期为今后精度订正提供思路，并