[发明专利]一种针对遥感每天降水量数据的空间降尺度方法

摘要

一种针对遥感每天降水量数据的空间降尺度方法，该方法包括如下步骤：首先，利用一个时空降尺度方案来间接实现对遥感每天降水量数据进行降尺度，获得遥感每天降水量初步降尺度结果；其次，采用一种集合融合方法，以月为基础，融合该月内所有遥感每天降水量初步降尺度结果和每天站点观测，获得遥感每天降水量融合结果；接着，对遥感每天降水量融合结果进行累积，生成遥感每月或年降水量融合结果。本发明能克服已有技术的局限，综合考虑降水和辅助环境因子间的空间非平稳关系以及每天降水的时间变化，同时充分顾及遥感每天降水量初步降尺度结果的整个误差场，能够大幅度提高遥感每天降水的空间分辨率以及精度，此外，显著提升其在检测降水以及非降水区域的能力。

主权项

1.一种针对遥感每天降水量数据的空间降尺度方法，其特征在于，包含如下步骤：步骤I.数据预处理对遥感每天降水量数据(DailyPrelow)进行累积，生成遥感年降水量数据(AnnPrelow)，其中上标low表示低空间分辨率；利用最大化合成法对每月所有的NDVI数据进行合成，生成每月NDVI数据，然后对12个月每月NDVI数据平均生成年平均NDVI数据；采用像元平均法对年平均NDVI数据以及DEM数据进行升尺度，使它们具有与遥感年降水量数据相同的空间分辨率，即低空间分辨率的年平均NDVI数据，表示为NDVIlow，以及低空间分辨率的DEM数据，表示为DEMlow；此外，采用像元平均法将年平均NDVI数据以及DEM数据升尺度到期望的高空间分辨率，即高空间分辨率的年平均NDVI数据，表示为NDVIhigh，以及高空间分辨率的DEM数据，表示为DEMhigh，其中上标high表示高空间分辨率；步骤II.遥感年降水量时空降尺度(1)遥感年降水量空间降尺度采用地理加权回归方法来探索AnnPrelow与NDVIlow和DEMlow之间的关系，具体如下：式中，为随空间变化而变化的参数，u为空间位置；将这些参数重采样至期望的高空间分辨率，即接下来对残差ε^low(u)进行样条函数插值，生成高空间分辨率的残差项ε^high(u)，最终，遥感年降水量初步降尺度结果计算如下：式中，为遥感年降水量初步降尺度结果，上标high表示高空间分辨率；(2)遥感年降水量初步降尺度结果时间降尺度利用遥感每天降水量在其年累积中所占的比重信息对遥感年降水量初步降尺度结果进行时间降尺度，首先，计算遥感每天降水量在其年累积中所占的比重，具体如下：式中，是第i天的遥感降水量，为其在年降水量中所占的比重；为了与遥感年降水量初步降尺度结果的高空间分辨率保持一致，将重采样至期望的高空间分辨率，即这样，遥感每天降水量初步降尺度结果计算如下：式中，是第i天的遥感降水量初步降尺度结果；步骤III.融合遥感每天降水量初步降尺度结果与每天站点观测以每月为单位，采用集合融合方法对该月内所有的遥感每天降水量初步降尺度结果以及每天站点观测进行融合，生成该月内遥感每天降水量融合结果。首先将遥感每天降水量初步降尺度结果序列化生成1维列向量x，然后以天为序生成矩阵式中N是该月的天数，n是遥感每天降水量初步降尺度结果的像元数；将每天站点观测以站点顺序生成1维列向量y，然后以天为序则生成矩阵式中N是该月的天数，m为每天站点观测数据的个数，集合融合计算如下：Xf＝X+K(Y‑HX)  (5)式中，Xf是遥感每天降水量融合结果，H是映射矩阵，它将矩阵X中站点位置的遥感每天降水量初步降尺度结果投影到观测矩阵Y中相应的站点位置，K是权重矩阵，其计算如下:K＝(CοP)HT(H(CοP)HT+R)‑1  (6)其中，P和R分别是误差协方差矩阵，它们分别近似计算如下：其中，X′是X的集合异常矩阵，其定义为Y′是Y的集合异常矩阵，其定义为N是每月的天数，diag()为提取一个矩阵的对角线来构建对角矩阵；式(6)中，运算符ο为Schur积，为基于距离的相关系数矩阵，其中：m为每天站点观测数据的个数；n是遥感每天降水量初步降尺度结果的像元数；c_i为遥感每天降水量初步降尺度结果中每个栅格到第i个站点的距离相关向量，i的取值范围为[1,m]，它同样为序列化后的1维向量，其中距离相关计算如下：式中，s定义为d*0.5752/r，d为遥感每天降水量初步降尺度结果中每个栅格到第i个站点的欧德距离，r为设定的半径；步骤IV.累积生成遥感每月、年降水量融合结果对步骤III获得遥感每天降水量融合结果进行累积，生成遥感每月以及年降水量融合结果。