遥感降水降尺度高精度校正及不确定性分析方法.pdfVIP

水利学报

２０２４年２月ＳＨＵＩＬＩＸＵＥＢＡＯ第５５卷第２期

－－－

文章编号２０２４

遥感降水降尺度高精度校正及不确定性分析方法

１，２，３２，３１，２，３２，３２，３２，３

董甲平，冶运涛，顾晶晶，黄建雄，关昊哲，曹引

（１．天津大学建筑工程学院，天津３０００７２；２．中国水利水电科学研究院水资源研究所，北京１０００３８；

３．水利部数字孪生流域重点实验室，北京１０００３８）

摘要：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ＢａｙｅｓＨＡＳＭ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。

关键词：数字孪生流域；高精度曲面建模；贝叶斯优化；统计降尺度；遥感降水

中图分类号：ＴＶ２１３文献标识码：Ａｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ

１研究背景

［１］

降水是全球水循环的重要组成部分，也是地表水文过程的基本驱动因子。降水数据是进行流域

［２］

水文分析、水资源规划管理、洪涝干旱监测等研究的重要基础数据。目前获取降水数据的手段主要

［３］

包括地面站点观测、雷达观测和卫星遥感反演。由于数据来源和插值算法存在限制，目前通过降水

［４］

降尺度算法细化遥感降水数据已成为获取高分辨率降水数据的重要途径。近年来，计算量小、灵活

［５］［６］

多变的统计降尺度方法获得广泛的应用。根据Ｐａｔｈｉｒａｎａ等的研究，降水可以分成两个部分：一是

表示降水空间分异性的异质部分，主要表征地理位置、地形特征等确定性因素对降水的影响；二是表

示降水随机变异性的同质部分，主要表征气旋、气团、台风等随机性因素对降水的影响。降水由以上

两个部分组成，在不同的时间尺度上却表现出不同的特点：小时间尺度（如小时或日尺度）的降水呈现

随机性，虽然它是随机性和确定性成分的混合体，但是确定性的异质部分被更强烈的随机性所掩盖。

当降水经长时间积累后，受平均效应影响，随机性会同质化为均匀场，确定性的异质部分逐渐占据主

导地位，随着累积长度的增加，异质性会变得更加明显。研究发现，基于地表环境变量构建的降水降

尺度模型能够准确模拟降水场的异质部分，却难以有效反演降水场的同质部分，因此需要残差校正补

充降水场同质部分对降水的贡献，上述降水场组合理论在降水降尺度校正研究中应用广泛［７］。

过去几十年中，众多的插值方法被应用于降尺度残差校正研究，但现有方法或基于地理统计学理

［８］［９］［１０］

论，或基于邻域相关性假设