星基多光谱分析的降水估算 A Precipitation Esitmation Method from Satellite-Based Multispectral Analysis.pdfVIP

译文 第4卷第3期 沙漠与绿洲气象 Desert 2010年6月 andOasis Meteorology 星基多光谱分析的降水估算 ALI SOROSHZAH BEHRANGI，KUO-LINHSU，BISHERIMAM，SOROOSH 对从已广泛应用的全球气候模型到局地降水和 12．0(IRl2．0)和13A(IRl3A)斗m。 洪灾的预报而言，准确估算降水的数量、时间和空间分 需注意的是3．9Ixm通道不在本研究的考虑范围 布是至关重要的。降水作为地球水循环的一个关键组 之内。是为了防止由于必需的简化所造成的误判。 成部分，对于人类的生命财产安全有着重要的影响。从 在本研究中，每月的前5d用作算法的实验和校 区域到全球尺度，现存的地基降水观测网络是不足的； 正，保留4d用作确认和测试。研究区选取了经度30 因此，卫星提供了一种可行和吸引人的选择。很显然， W Oo，纬度150S-15。N的范围，主要是因为：(1)这些区 星基降水反演算法的不断发展提供了更多更好的降水 域主要是以海洋为背景，被动微波(PMw)的降水预测 评估方法，由此所带来的机遇和挑战，已经成为新的研 所使用的练习和校准意图更为精确；(2)它包含赤道区 究热点。 域，预期这里会有大量的主要降水事件；(3)它最小化 本文研制了一种叫做人工神经网络多光谱分析 了云区的视差影响作用，主要是SEVIRI影像接近最 的遥感信息降水预测(PERSIANN—MSA)的多维降水底点(nadir)；(4)它最大化了白天波段样本的大小，消 预测方法，用多光谱资料加结构特征估计降水率。在一 除了高纬地区1月(北半球)或7月(南半球)白昼相对 幅卫星图像里，跨过几个邻近栅格单元的每个通道值 较短的问题，并且使太阳天顶(SZA)作用明显。 的结构特征表现各异。其结果也与多维数据的估测值 太阳天顶角对前三个通道(VISO．6、VISO．8、 进行了比较。PERSIANN—MSA使用基于人工神经网NIRI．6)有很大影响，必须进行归一化。我们检验了文 络的自组织特征图(SOFM；Kohonen1982)，聚类多维献中的两种不同的归一化方法：(1)cos(SZA)的倒数， 输入信患，以便在降水预测中估计它们单独和组合的 效果和作用。依靠对聚类输入特征处理生成本地化图 层，SOFM有了便于分析的能力，并延展为从人工神经 600的栅格单元。 网络模型的非线性输出结果的解译能力(Behrangi等 由于在降水研究区可用的地面降水观测站数量 2009；Hsu等1997，1999；Tapiador等2004)，还可清 楚阐明在降水预测中的人工神经网络值。在第二节，我 有限，一套由国家海洋和大气管理局气候预测中心 们对用于研究的数据集和研究区域进行描述。算法的 研制和传感器通道组合方案的选择在第三节介绍。在 水率预测的相互校准归一化方法，被用于训练、校正和 第四节，同时使用统计学评分和可视化分析，对这些组 确认。组合被动微波数据来自对降水率进行预测的热 合方案的结果进行了比较。本文的结论在第五节。 带降水测量项目(TRMM)的微波成像仪(TMI)，地球观 测系统(AMSR-E)的高级微波扫描辐