一种基于多规则算法的遥感数据降尺度方法
【专利摘要】本发明公开了一种基于多规则算法的遥感数据降尺度方法。本发明首先把1km的环境变量因子包括植被指数、数字高程模型、白天地表温、晚上地表温、地形湿度指数、坡度、地表粗糙度、地表反射率和谷底平坦指数9个数据聚合计算到25km，作为自变量，对应25km分辨率的TMPA 3B43 v7降水数据作为因变量进行建模，并将建立的模型应用到相应地理区域的1km环境变量因子上，最终得出1km的高精度降水预测数据。本发明基于多规则算法,提出了一种遥感数据降尺度方法，最终得到1km空间分辨率的降水预测值。该方法预测精度较高,且方法简便易行。
【专利说明】
-种基于多规则算法的遥感数据降尺度方法
技术领域
[0001] 本发明设及一种气象卫星降水数据的降尺度方法，具体设及到一种基于多规则算 法的TMPA 3B43 v7遥感数据降尺度方法。 技术背景
[0002] 降水在水文学、气象学、生态学W及农业研究等领域担任了重要角色，特别是全球 尺度物质能量交换主要驱动力之一。地面观测站是一种应用广泛的降水测量手段，并且具 有精度高和技术成熟的特点。但是地面观测站监测的降水量仅代表地表观测站及周边一定 距离的降水状况，因此很难表述大面积降水分布特征，尤其是在地面观测站布网密度稀疏 的高原地区。而卫星遥感技术能够提供较高时空分辨率的降水数据，覆盖空间范围更广，很 好的克服了地面降水观测站和测雨雷达的局限，为全球降水监测提供了有力的数据支撑。
[0003] 近年来，随着气象卫星技术的发展，全球尺度高时空分辨率的测雨卫星产品应运 而生，如美国热带降水测量卫星（Tropical Rainfall Measuring Mission)降水产品TMPA 3B43 v7。TMPA降水卫星提供覆盖全球50° S~50° N W内的区域的降水数据。但是，TRMM卫星 的原始分辨率较低（空间分辨率为0.25%约25km)，在预测区域尺度降水方面具有一定的局 限性和偏差，因此需要针对TMPA数据进行空间分辨率的提高，从而得到分辨率较高的降水 测量值。
【发明内容】
[0004] 本发明的目的在于解决现有技术中存在的问题，并提供一种基于多规则算法的 TMPA 3B43 v7遥感数据降尺度方法。
[0005] 本发明的具体技术方案如下：
[0006] -种基于多规则算法的遥感数据降尺度方法，包括W下步骤：
[0007] 步骤1)数据获取:获取待测区域的TMPA 3B43 v7降水数据、MODIS卫星遥感影像数 据W及ASTERGDEM卫星遥感影像数据，同时收集待测区域内地面观测站点的日降水量观测 值;其中MODIS卫星遥感影像数据包括MODl 1A2数据产品和MODl 3A2数据产品；
[000引步骤2)数据预处理:将步骤1)获取的TMPATMPA 3B43 v7降水数据的时间分辨率处 理为月；将ASTER GDEM卫星遥感影像数据进行聚合计算分别得到空间分辨率为Ikm和25km 的呢M数据;从MODI 1A2数据产品中提取白天地表溫度和晚上地表溫度参量，并通过聚合计 算分别得到空间分辨率为Ikm和25km的白天地表溫度数据W及空间分辨率为Ikm和25km的 晚上地表溫度数据;从M0D13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通 过聚合计算分别得到空间分辨率为Ikm和25km的植被指数数据;从ASTER GDEM卫星遥感影 像数据中提取、聚合计算分别得到Ikm和25km的坡度、地形湿度指数、坡长坡度、谷底平坦指 数、地表粗糖度和地表反射率数据；
[0009]步骤3)进行建模及参数率定:将步骤2)处理后的25kmTMPATMPA 3B43V7降水数据 作为因变量，W空间分辨率为25km的植被指数、数字高程模型、白天地表溫、晚上地表溫、地 形湿度指数、坡度、地表粗糖度、地表反射率和谷底平坦指数9个数据作为自变量进行建模 及参数率定。
[0010]步骤4)基于多规则算法的遥感数据降尺度方法:基于步骤3)在25km空间分辨率下 建立的模型应用到空间分辨率为Ikm的环境变量中进行预测，从而得到Ikm的高精度降水数 据；同时将空间分辨率为25km的降水残差值进行重采样得到空间分辨率为1km，并将其与空 间分辨率为Ikm地面降水量预测值数据相加，得到空间分辨率为Ikm的高精度降水数据。
[00川所述的步骤1)中，TMPA 3B43 v7降水数据的空间分辨率为0.25° XO. 25°，时间分 辨率为月；所述的ASTER GDEM卫星遥感影像数据的空间分辨率为90m;所述的MODIS卫星遥 感影像数据的空间分辨率为1km，时间分辨率为8天。
[0012]所述的步骤3)中建模所采用的参数估算模型通用形式为：
[001引其中，N表示参数估算模型中自变量个数;an表示第n个环境变量的系数;a质示模 型参数的常数项系数;yn表示降雨量预测值;Xn表示第n个环境变量；
[0014] a日和an的计算公式如下：
[0015]
[0016] 其中：k代表地面观测站点个数;Xin代表第i个地面观测站点的第n个环境变量的 值，yi代表的是第i个地面观测站点的日降水量观测值,?代表第n个环境变量因子的均值， 歹代表所有地面观测站点的日降水量观测值的均值。
[0017] 本发明所述的步骤3)中参数率定后的模型为：
[0018] (1)当dem《1286.0且ndvi > 0.3788
[0019] Yprecip = 1095.88062+63.2 X Xist_nighr0.258XXdem-47.4XX+1363XXndvi+44XXis- 7.3 X Xslope-27 X Xtw广0.64 X Xrug+8 X Xmrv-O . 00024 X Xrad
[0020] (2)当 ndvi《0.378806
[0021] Yprecip = 621.364611 + 1346XXndvi + 22.3XXlst_night+0.092XXdem-15.2XXlst_day- 0.00078 X Xrad+18 X Xmrv-I . 7 X Xslope-4 X Xtwi+0.11 X Xrug
[0022] (3)dem>1286.0
[0023] Yprecip = -434.877289+1221 X Xndvi+18.1 X Xist_night+0.096 X Xdem+0.00047 X Xrad+ 14XXis-2.7XXsi〇pe
[0024] 其中Ypreup是Ikm地面降雨预测值，Xdem代表的是Ikm数字高程模型的栅格值， Xlst_day代表的是Ikm白天地表溫度栅格值，Xlst_night代表的是1 km晚上地表溫度栅格值，Xslope 代表的是Ikm坡度栅格值，Xndvi代表的是Ikm植被指数栅格值，Xtwi代表的是Ikm地形湿度指 数栅格值，Xrug代表的是Ikm地表粗糖度，Xrad代表的是Ikm地表反射率，Xmrvbf代表的是Ikm谷 底平坦指数。
[0025] 本发明基于多规则算法，提出了一种遥感数据降尺度方法，最终得到Ikm空间分辨 率的降水预测值。该方法预测精度较高，且方法简便易行。
【具体实施方式】
[0026] 下面结合具体实施例对本发明进一步说明。
[0027] 选取中国作为研究区域，对2008-2012年的月降雨量进行高精度预测制图研究，最 终得到1 km空间分辨率的降水预测值。
[00%]步骤1)数据获取:获取待测区域的TMPA 3B43 v7降水数据、MODIS卫星遥感影像数 据W及ASTERGDEM卫星遥感影像数据，同时收集待测区域内地面观测站点的日降水量观测 值;其中MODIS卫星遥感影像数据包括M0D11A2数据产品和M0D13A2数据产品；TMPA 3B43 v7 降水数据的空间分辨率为0.25° XO.25°，时间分辨率为月；所述的ASTER GDEM卫星遥感影 像数据的空间分辨率为90m;所述的MODIS卫星遥感影像数据的空间分辨率为1km，时间分辨 率为8天。
[0029] 步骤2)数据预处理:将步骤1)获取的TMPATMPA 3B43 v7降水数据的时间分辨率处 理为月；将ASTER GDEM卫星遥感影像数据进行聚合计算分别得到空间分辨率为Ikm和25km 的呢M数据;从MODI 1A2数据产品中提取白天地表溫度和晚上地表溫度参量，并通过聚合计 算分别得到空间分辨率为Ikm和25km的白天地表溫度数据W及空间分辨率为Ikm和25km的 晚上地表溫度数据;从M0D13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通 过聚合计算分别得到空间分辨率为Ikm和25km的植被指数数据;从ASTER GDEM卫星遥感影 像数据中提取、聚合计算分别得到Ikm和25km的坡度、地形湿度指数、坡长坡度、谷底平坦指 数、地表粗糖度和地表反射率数据；
[0030] 步骤3)进行建模及参数率定:将步骤2)处理后的25kmTMPATMPA 3B43V7降水数据 作为因变量，W空间分辨率为25km的植被指数、数字高程模型、白天地表溫、晚上地表溫、地 形湿度指数、坡度、地表粗糖度、地表反射率和谷底平坦指数9个数据作为自变量进行建模 及参数率定。
[0031] 步骤3)中建模所采用的参数估算模型形式为：
[0032] 其中，N表示参数估算模型中自变量个数，具体视上述因子选择情况而定;an表示 第n个环境变量的系数;a日表示模型参数的常数项系数;yn表示降雨量预测值;Xn表示第n个 环境变量；
[0033] a日和an的计算公式如下：
[0034]
[0035] 其中：k代表地面观测站点个数；Xin代表第i个地面观测站点的第n个环境变量的 值，yi代表的是第i个地面观测站点的日降水量观测值，^代表第n个环境变量因子的均值， 歹代表所有地面观测站点的日降水量观测值的均值。
[0036] 本发明中参数率定后的模型为：
[0037] (1)当dem《 1286.0且ndvi >0.3788
[0038] Yprecip = 1095.88062+63.2 X Xist_nighr0.258XXdem-47.4XX+1363XXndvi+44XXis- 7.3 X Xslope-27 X Xtw广0.64 X Xrug+8 X Xmrv-O . 00024 X Xrad
[0039] (2)当 ndvi《0.378806
[0040] Yprecip = 62 I . 3646 I 1 + 1 346 X Xndvi + 22.3 X Xlst_night+0.092 X Xdem-I 5.2 X Xlst_day- O . 00078 X Xrad+18 X Xmrv-I . 7 X Xslope-4 X Xtwi+0.11 X Xrug
[0041] (3)dem> 1286.0
[0042] Yprecip = -434.877289+1221 X Xndvi+18.1 X Xist_night+0.096 X Xdem+0.00047 X Xrad+ 14XXis-2.7XXsi〇pe
[00创其中Yprecip是Ikm地面降雨预测值，Xdem代表的是Ikm数字高程模型的栅格值， Xlst_day代表的是Ikm白天地表溫度栅格值，Xlst_night代表的是1 km晚上地表溫度栅格值，Xslope 代表的是Ikm坡度栅格值，Xndvi代表的是Ikm植被指数栅格值，Xtwi代表的是Ikm地形湿度指 数栅格值，Xrug代表的是Ikm地表粗糖度，Xrad代表的是Ikm地表反射率，Xmrvbf代表的是Ikm谷 底平坦指数。
[0044] 步骤4)基于多规则算法的遥感数据降尺度方法:基于步骤3)在25km空间分辨率下 建立的模型应用到空间分辨率为Ikm的环境变量中进行预测，从而得到Ikm的高精度降水数 据；同时将空间分辨率为25km的降水残差值进行重采样得到空间分辨率为1km，并将其与空 间分辨率为Ikm地面降水量预测值数据相加，得到空间分辨率为Ikm的高精度降水数据。同 时将数据导入到制图软件中进行制图。
[0045] 步骤5)降水量预测值的精度分析:利用地面降水实测点对步骤4)中的Ikm空间分 辨率的降水量预测值进行预测精度验证分析，交叉检验选用均方根误差、平均绝对误差W 及相关系数作为评价因子。各指标的计算公式如下：
[0046]
[0047]
[004引
[0049]式中MAE代表的是平均绝对误差，RMSE代表的是均方根误差，R2代表的是回归相关 系数，Yk是地面观测站点k的观测值，Ok是通过模型降尺度后在站点k处的预测值，f是所有 地面降水观测站点数据的平均值，0是在所有站点的模型预测值的平均值。
[00加]最终，相关系数R2为0.676，均方根误差RMSE为37.928mm，平均绝对误差MEA为 28.654mm〇
【主权项】
1. 一种基于多规则算法的遥感数据降尺度方法，其特征在于，包括以下步骤： 步骤1)数据获取:获取待测区域的TMPA 3B43 V7降水数据、MODIS卫星遥感影像数据以 及ASTERGDEM卫星遥感影像数据，同时收集待测区域内地面观测站点的日降水量观测值;其 中MODIS卫星遥感影像数据包括MODI 1A2数据产品和MODI 3A2数据产品； 步骤2)数据预处理:将步骤1)获取的TMPATMPA 3B43 v7降水数据的时间分辨率处理为 月；将ASTER⑶EM卫星遥感影像数据进行聚合计算分别得到空间分辨率为Ikm和25km的DEM 数据;从MODI 1A2数据产品中提取白天地表温度和晚上地表温度参量，并通过聚合计算分别 得到空间分辨率为Ikm和25km的白天地表温度数据以及空间分辨率为Ikm和25km的晚上地 表温度数据;从M0D13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通过聚合 计算分别得到空间分辨率为Ikm和25km的植被指数数据;从ASTER GDEM卫星遥感影像数据 中提取、聚合计算分别得到Ikm和25km的坡度、地形湿度指数、坡长坡度、谷底平坦指数、地 表粗糙度和地表反射率数据； 步骤3)进行建模及参数率定:将步骤2)处理后的25kmTMPATMPA 3B43 v7降水数据作为 因变量，以空间分辨率为25km的植被指数、数字高程模型、白天地表温、晚上地表温、地形湿 度指数、坡度、地表粗糙度、地表反射率和谷底平坦指数9个数据作为自变量进行建模及参 数率定； 步骤4)基于多规则算法的遥感数据降尺度方法:基于步骤3)在25km空间分辨率下建立 的模型应用到空间分辨率为Ikm的环境变量中进行预测，从而得到Ikm的高精度降水数据； 同时将空间分辨率为25km的降水残差值进行重采样得到空间分辨率为lkm，并将其与空间 分辨率为Ikm地面降水量预测值数据相加，得到空间分辨率为Ikm的高精度降水数据。2. 如权利要求1所述的一种基于多规则算法的遥感数据降尺度方法，其特征在于，所述 的步骤1)中，TMPA 3B43 v7降水数据的空间分辨率为0.25° X0.25°，时间分辨率为月；所述 的ASTER⑶EM卫星遥感影像数据的空间分辨率为90m;所述的MODIS卫星遥感影像数据的空 间分辨率为I km，时间分辨率为8天。3. 如权利要求1所述的一种基于多规则算法的遥感数据降尺度方法，其特征在于，所述 的步骤3)中建模所采用的参数估算模型形式为:? = aQ 其中，N表示参数估算模型中自变量个数;an表示第η个环境变量的系数;ao表示模型参 数的常数项系数;yn表示降雨量预测值;Xn表示第η个环境变量； ao和an的计算公式加下，其中：k代表地面观测站点个数;Xin代表第i个地面观测站点的第η个环境变量的值，yi 代表的是第i个地面观测站点的日降水量观测值，^代表第η个环境变量因子的均值，罗代 表所有地面观测站点的日降水量观测值的均值。4. 如权利要求1所述的一种基于多规则算法的遥感数据降尺度方法，其特征在于，所述 的步骤3)中参数率定后的模型为： (1) 当dem< 1286 · O 且ndvi >0 · 3788 Yprecip = 1095 · 88062+63 · 2 X Xist-nighfO · 258 X Xdem_47 · 4 X X+1363 X Xndvi+44 X Xis_7 · 3 X Xslope_27 X Xtwi-O . 64 X Xrug+8 X Xmrv-O . 00024 X Xrad (2) 当 ndvi<0.378806 Yprecip = 621.364611+1346XXndvi+22.3XXist_night+0.092XXdem-15.2XXist_day-0.00078 X Xrad+18 X Xmrv-I . 7 X Xslope_4 X Xtwi+O . 11 X Xrug (3) dem>1286.0 Yprecip = _434.877289+1221 X Xndvi+1 8 . I X Xlst_night+〇 . 096 X Xdem+O . 00047 X Xrad+14 X Xls_2.7 X Xslope 其中￥^_是I km地面降雨预测值，Xde?代表的是I km数字高程模型的栅格值，Xist_day代表 的是Ikm白天地表温度栅格值，Xist_night代表的是Ikm晚上地表温度栅格值，Xsic ipA表的是 Ikm坡度栅格值，Xndvi代表的是Ikm植被指数栅格值，Xtwi代表的是Ikm地形湿度指数栅格值， Xrug代表的是Ikm地表粗糙度，Xrad代表的是Ikm地表反射率，Xmrvbf代表的是Ikm谷底平坦指 数。
【文档编号】G06F19/00GK106021868SQ201610305772
【公开日】2016年10月12日
【申请日】2016年5月10日
【发明人】史舟, 马自强, 梁宗正, 吕志强
【申请人】浙江大学