滦河流域遥感反演降水产品高精度空间降尺度方法

以滦河流域为研究对象,对流域2018年GPM（global precipitation measurement mission）降水产品适用性进行评估;利用降水与海拔、经纬度和归一化植被指数（normalized difference vegetation index,NDVI）之间的相关性,构建基于PSO-BP（particle swarm optimization-back propagation）的GPM降水空间降尺度模型,得到2018年滦河流域空间分辨率1 km的降水数据。[JP]结果表明：原始GPM降水产品可以较准确地表达滦河流域降水,但总体存在降水量高估现象;以国家气象中心降水产品CGDPA（China gauge-based daily precipitation analysis）数据为基准,对空间降尺度前后的降水数据进行精度评估,发现在年、季和月不同时间尺度上,空间降尺度后的降水数据与CGDPA数据相关性更高,均方根误差更小,相对偏差值控制在±10%以内,[JP]这说明降尺度后降水数据空间分辨率和精度都更高。     

滦河流域遥感降水降尺度多时间特性分析

为提高卫星降水产品空间分辨率以满足精细水文研究需要,以滦河流域为研究对象,针对在中国区域精度较高的全球降水观测计划多卫星降水产品（IMERG）,使用NDVI、DEM、坡度、坡向、经纬度和降水关系,构建了一种基于卷积神经网络的降水降尺度模型,探讨了模型在年、季、月和旬的表现及模型参数的变化情况。结果表明：降尺度结果与原始数据相比,年、季、月降尺度结果的相似指数分别超过0.94、0.89和0.69,旬尺度也能有效表征降水情况;与中国日降水站点分析产品（CGDPA）相比,年、季、月和旬降尺度结果的平均相似指数分别为0.58、0.78、0.68、0.47;模型参数的相似度会随着模型层数的深入逐渐增大。证明该模型具有良好的收敛性,在流域范围的降尺度应用方面具有良好的潜力。