基于ATAK的MSWEP數(shù)據(jù)空間降尺度及對降水融合的影響研究

云兆得，胡慶芳，2，王銀堂，2，李伶杰，2，王磊之，陳建東

(1.南京水利科學研究院 水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210029；2.長江保護與綠色發(fā)展研究院，江蘇 南京 210098)

1 引言

隨著衛(wèi)星遙感、大氣數(shù)值模式、陸面模型等技術的發(fā)展，國內(nèi)外先后研制了一系列全球或準全球性的氣候、水文、環(huán)境和生態(tài)要素的柵格數(shù)據(jù)集，為獲取降水、氣溫、土壤含水量、陸地儲水量、植被指數(shù)等變量的大范圍空間分布信息提供了新途徑。這些數(shù)據(jù)集的性能尺度持續(xù)改善，但在不少情況下其空間分辨率仍難以滿足流域或區(qū)域尺度上的科學研究和實際工作需求。因此，國際上廣泛開展了全球性空間數(shù)據(jù)的降尺度研究。

降水是基本的氣象水文和生態(tài)環(huán)境要素之一，空間變異性復雜[1]。降水的空間降尺度方法包括動力降尺度[2]和統(tǒng)計降尺度[3]兩類。其中，動力降尺度主要面向全球氣候模式降水輸出數(shù)據(jù)的空間尺度轉(zhuǎn)換，需借助區(qū)域氣候模式實現(xiàn)，具有物理機制較為明確的優(yōu)點，但計算代價巨大，且計算結(jié)果仍不可避免受到區(qū)域氣候模式局限性等因素的影響。而統(tǒng)計降尺度在物理機制上雖不及動力降尺度完善，但其算法更易于構造，靈活性更強，且計算代價遠小于后者。因此，降水數(shù)據(jù)的空間統(tǒng)計降尺度的研究和應用十分廣泛，國內(nèi)外學者已發(fā)展了多元回歸、廣義可加模型、人工神經(jīng)網(wǎng)絡、多重分形等算法，這些算法大致可分為理想預報[4]、模型輸出統(tǒng)計[5]、分位數(shù)映射[6]、隨機天氣發(fā)生器[7]等4類，還包括這4類方法的混合算法。

近年若干研究通過建立降水與高程、植被指數(shù)、大氣濕度等地形地貌或氣象因子之間的關系，實現(xiàn)熱帶降雨測量任務(Tropical Rainfall Measuring Mission，TRMM)等衛(wèi)星遙感反演降水數(shù)據(jù)的空間降尺度[8-9]。這些研究的關鍵是建立降水與相關解釋因子之間的多元回歸關系，然而在一些情況下降水與地形地貌因子之間并不具備穩(wěn)定和顯著的統(tǒng)計回歸關系，這在一定程度上限制了這些方法的使用。還有一些學者采用分位數(shù)映射方法直接對低分辨率的降水資料加以處理，但其主要作用是實現(xiàn)數(shù)據(jù)偏差校正，而非空間尺度轉(zhuǎn)換，并且這種方法還要求具有一定的地表降水觀測資料[10]。還有一些文獻則采用反距離加權(Inverse Distance Weighted，IDW)[11]、雙線性插值[12]等簡單方法開展降水數(shù)據(jù)的空間降尺度，但這些方法通常會產(chǎn)生比較明顯的平滑效應，同時也很少論述它們是否會破壞原始數(shù)據(jù)的空間結(jié)構特征。另外，有關IDW等簡單方法與更復雜的降水空間降尺度方法所得結(jié)果的比較在文獻中也不多見。

Kriging是建立在半方差函數(shù)基礎上的一類空間估計方法，具有同時適用于點和區(qū)域尺度空間估計的優(yōu)良特性。Kriging方法中的ATPK(Area to Point Kriging，ATPK)和ATAK(Area to Area Kriging，ATAK)提供了一種在沒有地面降水觀測數(shù)據(jù)的前提下，將低分辨率空間數(shù)據(jù)分別降尺度到點尺度和高分辨率的途徑。ATAK可視為對ATPK的擴展，而ATPK可視為ATAK的一種特殊形式。已有文獻從理論上證明了ATPK和ATAK不僅能夠保持變量在不同空間尺度上的質(zhì)量守恒[13]，而且能夠保持空間相關結(jié)構特征，即半方差函數(shù)的守恒[14]。目前ATPK或ATAK已用于地區(qū)人口密度、土壤有機成分和房價空間插值等方面[15]。如Yoo等[16]最早將ATPK應用于人口普查區(qū)域數(shù)據(jù)降尺度，實現(xiàn)了人口密度在格網(wǎng)上的細化，其結(jié)果顯示區(qū)域人口密度空間分布格網(wǎng)不僅保證了人口普查區(qū)域數(shù)據(jù)的質(zhì)量守恒，而且具有較強連續(xù)性；Wang等[17]耦合ATPK和回歸模型對MODIS波段觀測數(shù)據(jù)進行空間降尺度，并驗證了該方法準確地保留原始數(shù)據(jù)粗波段的光譜特性的能力；Hu等[18]根據(jù)粗糙和精細的兩套氣溶膠光學深度數(shù)據(jù)基于ATAK對缺失數(shù)據(jù)進行插值，結(jié)果顯示ATAK能夠較好地保留原始數(shù)據(jù)信息；Jin等[19]耦合地理加權回歸和ATAK對土壤水分進行降尺度，證實了該方法具有局部空間異質(zhì)性的刻畫能力；Naeimehossadat等[20]分析了伊朗2003—2010年胃癌發(fā)病率數(shù)據(jù)，使用耦合ATAK與泊松分布的ATAPK方法和BYM方法進行空間插值并利用373個調(diào)查縣的標準化胃癌發(fā)病率對插值結(jié)果進行檢驗，結(jié)果表明二者插值結(jié)果基本一致，但前者的平滑度較低，能夠有效識別胃癌高發(fā)地區(qū)，具備較強的局部變異特征描述能力，精度也要優(yōu)于后者。

由于降水具有很強的空間異質(zhì)性，且屬于區(qū)域型水文要素，不僅僅是對于單點的描述，因此為得到更細的格網(wǎng)降水，本文采用ATAK開展一種具有重要影響的全球性降水數(shù)據(jù)—多源加權集合降水(Multi-Source Weighted-Ensemble Precipitation，MSWEP)的空間降尺度研究，并在此基礎上采用能夠定量描述降水與相關影響因素之間非平穩(wěn)性空間關系的GWR方法，進一步研究降尺度后的MSWEP數(shù)據(jù)與地表雨量站網(wǎng)觀測數(shù)據(jù)的融合。本文一方面將比較ATAK和IDW對MSWEP進行空間降尺度處理后生成的雨量場差異，另一方面將解析不同背景場對MSWEP和地表雨量站網(wǎng)降水融合結(jié)果的影響，從而深化對降水空間降尺度和多源降水融合的認識。

2 研究方法

2.1 空間降尺度方法本文采用IDW和ATAK，在不考慮地表雨量觀測資料的前提下，將MSWEP降水數(shù)據(jù)由0.1°×0.1°的空間分辨率降尺度至0.02°×0.02°。對于IDW方法，在對MSWEP數(shù)據(jù)空間降尺度過程中，將MSWEP雨量視為相應網(wǎng)格中心位置的“點”雨量，然后選擇若干最鄰近位置的雨量，通過加權平均生成各空間位置的雨量，其權重為距離倒數(shù)的冪函數(shù)。IDW插值是一種簡單的經(jīng)驗性方法，計算量小，但顯然沒有考慮到不同尺度上降水空間結(jié)構特征的轉(zhuǎn)換關系。

以下主要介紹ATAK對MSWEP數(shù)據(jù)進行空間降尺度的基本原理和步驟。對MSWEP數(shù)據(jù)，采用ATAK降尺度后生成的某一0.02°×0.02°格網(wǎng)單元降水量是其最近鄰的m個降尺度前的0.1°×0.1°格網(wǎng)單元降水量的加權平均：

(1)

權重系數(shù)λi通過求解以下Kriging方程組得到：

(2)

式中：C(pi，pj)為0.1°×0.1°空間尺度上的兩個格網(wǎng)單元之間的降水空間協(xié)方差(i，j=1，…，n)；C(p0，pi)為降尺度后的0.02°×0.02°格網(wǎng)單元與降尺度前的0.1°×0.1°格網(wǎng)單元之間的降水空間協(xié)方差(i=1，…，n)；μ為拉格朗日乘子。

對于ATAK而言，任意兩個區(qū)域之間的空間協(xié)方差采用如下公式計算：

(3)

式中：us和ut為兩個格網(wǎng)單元內(nèi)的離散點；ni和nj為相應離散點數(shù)量；ws和wt分別為離散點us和ut對應的權重，在本文中其取值均為1；C(us，ut)為點尺度上的降水空間協(xié)方差函數(shù)。

由此可見，采用ATAK對MSWEP進行空間降尺度的關鍵是獲取點尺度上的降水空間協(xié)方差函數(shù)或空間變異函數(shù)。但在缺乏站網(wǎng)雨量觀測資料或者站網(wǎng)雨量觀測資料稀疏的情況下，無法直接計算C(us，ut)。為解決這一問題，Goovaerts提出基于區(qū)域尺度的數(shù)據(jù)，通過圖1所示流程圖中的迭代過程獲取點尺度的空間變異函數(shù)[14]，具體步驟如下：

圖1 ATAK方法計算過程中點尺度變異函數(shù)擬合流程圖

(1)根據(jù)降尺度前的格網(wǎng)單元降水量，計算0.1°×0.1°以及各種更大空間區(qū)域尺度上的經(jīng)驗空間變異函數(shù)；

(2)選擇某種變異函數(shù)模型，對區(qū)域尺度的降水經(jīng)驗空間變異函數(shù)進行擬合；

(3)解設某一個點尺度上的理論空間變異函數(shù)，對其進行規(guī)則化處理(即求取區(qū)域尺度上的卷積)，得到各種區(qū)域尺度上的空間變異函數(shù)；

(4)反復調(diào)整步驟(3)中的點尺度的理論變異函數(shù)的參數(shù)，直至步驟(3)和步驟(2)得到的區(qū)域尺度的降水空間變異函數(shù)足夠接近時，則說明步驟(3)假設的點尺度的降水空間變異函數(shù)模型可真實反映降水空間變異結(jié)構，進而通過式(2)—(3)得到降尺度后格網(wǎng)單元降水量估計結(jié)果。

由以上步驟可知，ATAK保證了點尺度上和區(qū)域尺度上的降水空間變異函數(shù)的“一致性”，這是該方法的突出優(yōu)點。同時，Kyriakidi還從理論上證明了ATAK可保持不同空間尺度上的質(zhì)量守恒[13]。

2.2 降水融合方法為闡明采用不同降尺度方法得到的MSWEP數(shù)據(jù)與地面站網(wǎng)雨量數(shù)據(jù)融合的效果，分別將原始的MSWEP數(shù)據(jù)、IDW方法插值處理的MSWEP數(shù)據(jù)和與ATAK降尺度后得到的MSWEP數(shù)據(jù)作為背景場，進一步采用GWR方法，通過站網(wǎng)降水資料對背景場加以修正，最后得到MSWEP和站網(wǎng)雨量的融合數(shù)據(jù)。

在具有實測數(shù)據(jù)的空間位置，以站點實測降水Po，i作為降水“真值”，以原始的或經(jīng)過空間降尺度處理的MSWEP柵格數(shù)據(jù)Ps，i為背景值，則該位置降水誤差為：

ei=Po，i-Ps，i

(4)

對于研究區(qū)域內(nèi)沒有站網(wǎng)觀測數(shù)據(jù)的位置j，通過各鄰近位置已知的降水誤差估計，即：

(5)

最后將降水誤差估計值疊加至背景場，即可得到融合后的降水估計值：

(6)

式中：Pj為位置j的降水融合結(jié)果；f為誤差估計函數(shù)。

本文采用GWR方法處理式(6)中的誤差估計函數(shù)f。GWR將回歸模型參數(shù)表示為空間位置的函數(shù)，從而可以描述降水與相關影響變量之間的空間非平穩(wěn)關系。在式(6)的基礎上，GWR實現(xiàn)MSWEP與站點降水融合的主要原理如式(7)所示，其具體過程見文獻[21]。

(7)

式中：(ui，vi)為待估點位置j的鄰近觀測點i的空間位置；βk(ui，vi)是觀測點i的第k個回歸參數(shù)(k=1，2，…，p)，隨空間位置變化而變化；εi為殘差，假設服從獨立正態(tài)分布；xik為降水的第k個影響變量。

2.3 降水精度統(tǒng)計指標為解析MSWEP數(shù)據(jù)在空間統(tǒng)計降尺度以及融合前后的統(tǒng)計精度，本文以站點實測雨量資料為基準，采用平均誤差(Mean Error，ME)、平均絕對誤差(Mean Absolute Error，MAE)、相對偏差(Relatvie Bias，RBIAS)、相對絕對值偏差(Relatvie Absoulute Bias，RABIAS)、相關系數(shù)(Correlation Coefficient，CC)、納什效率系數(shù)(Nash-Sutcliff Efficiency，NSE)6項指標評價降水估計精度。各指標計算公式如下：

(8)

(9)

(10)

(11)

(12)

(13)

3 研究區(qū)域和數(shù)據(jù)

3.1 研究區(qū)域漢江是長江中游左岸最大支流，干流全長約1570 km，發(fā)源于秦嶺南麓，流經(jīng)陜西、湖北兩省，最后在武漢市匯入長江。流域集水面積約15.9萬km2，地理位置介于106°15′E—114°20′E和30°10′N—34°20′N之間(圖1)。漢江流域多年平均降水量約900 mm，降水年內(nèi)分布不均，汛期(5—10月)強降水多發(fā)。流域地形以山丘區(qū)為主，北側(cè)為秦嶺，南側(cè)為大巴山和米倉山，中下游地區(qū)為江漢平原。漢江流域是南水北調(diào)中線調(diào)水區(qū)，在全國水資源配置中具有重要戰(zhàn)略地位。

圖2 漢江流域地理位置和雨量站點分布

3.2 數(shù)據(jù)資料

(1)MSWEP數(shù)據(jù)。MSWEP是由Beck等[22]研制的一套集成衛(wèi)星遙感、大氣再分析信息的全球性降水數(shù)據(jù)集，在某些區(qū)域還融合了一定的雨量站網(wǎng)觀測信息。數(shù)據(jù)空間分辨率為0.1°×0.1°，時間分辨率3 h，時間跨度自1979年1月起始至今。MSWEP自發(fā)布以來就受到廣泛關注。彭振華等[23]對比了包括MSWEP在內(nèi)的5種使用頻率較高的全球性降水數(shù)據(jù)集在中國不同氣候區(qū)的精度，指出MSWEP的各項精度指標顯著優(yōu)于其它全球性降水數(shù)據(jù)集；但MSWEP對于降水細節(jié)的刻畫仍有較大不足[24]，其空間分辨率和精度也有待提升。本文根據(jù)漢江流域空間范圍，提取了2011—2014年相應格網(wǎng)的MSWEP降水數(shù)據(jù)，通過相應時次的3 h雨量累加得到逐月降水量。

(2)站點降水資料。漢江流域具有長系列地表雨量觀測資料。根據(jù)水利部刊印的水文年鑒第6卷第14冊，獲取了2011—2014年漢江流域515個站點的逐月降水觀測資料。根據(jù)圖1，漢江流域中上游雨量站點較為密集，但下游局部地區(qū)較為稀疏。在降水融合計算過程中，根據(jù)515個站點的地理位置信息，采用K均值聚類將515個站點分成250個組，并分別從中挑選1個站點構成率定站點集合，用于率定GWR模型，使率定站點在空間上盡可能均勻分布，剩余的265個站點用于驗證模型。

4 結(jié)果分析與討論

4.1 降水空間降尺度結(jié)果采用ATAK和IDW方法，在不考慮地表雨量觀測資料的前提下，將漢江流域2011—2014年MSWEP月降水數(shù)據(jù)由0.1°×0.1°的空間分辨率降尺度至0.02°×0.02°，生成了兩套降水柵格數(shù)據(jù)，分別記作MSWEPATAK和MSWEPIDW。此外，本文將0.1°×0.1°分辨率的MSWEP原始數(shù)據(jù)記作MSWEPOrigin，以便于表述。

圖3分別為2011—2014年漢江流域515個雨量站點實測月降水量與相應空間位置的MSWEPOrigin、MSWEPATAK、MSWEPIDW降水量的散點密度圖。由圖3(a)可知，在漢江流域MSWEPOrigin降水數(shù)據(jù)總體上低估了站網(wǎng)月降水量，ME和MAE分別為1.7 mm和19.6 mm，RBIAS和RABIAS分別為2.4%和27.8%，但CC和NSE均在0.80以上，證明MSWEPOrigin和站點雨量之間具有良好相關性，R2達到 0.81，表明前者對后者具有較強的方差解釋能力，由此可見月尺度MSWEPOrigin數(shù)據(jù)在漢江流域的精度良好。MSWEPATAK與站網(wǎng)實測數(shù)據(jù)的各項精度統(tǒng)計指標要略優(yōu)于MSWEPOrigin和MSWEPIDW，但相差甚小。圖4進一步給出了MSWEPATAK等3套數(shù)據(jù)在2011—2014年的逐月空間精度統(tǒng)計指標箱線圖，說明3套數(shù)據(jù)的各項空間精度統(tǒng)計也十分接近。這說明，雖然ATAK在原理上較為復雜，但采用該方法對MSWEP進行空間統(tǒng)計降尺度的過程中，因未采用MSWEP原始數(shù)據(jù)以外的額外信息，因此所得結(jié)果與簡單的IDW方法插值生成結(jié)果，甚至與MSWEP原始數(shù)據(jù)在統(tǒng)計意義上相差不大。

圖3 2011—2014年漢江流域MSWEPOrigin、MSWEPATAK、MSWEPIDW與雨量站點月降水量散點密度圖

圖4 2011—2014年漢江流域MSWEPOrigin、MSWEPATAK和MSWEPIDW月降水量的空間精度指標箱線圖

然而，上述情況并不意味著MSWEPATAK與MSWEPIDW、MSWEPOrigin不存在差異。以2011年3月、2011年9月為例，圖5、圖6分別給出了這兩個月份MSWEPATAK等3種數(shù)據(jù)對應的月降水量空間分布。顯然，由于數(shù)據(jù)空間分辨率的原因，MSWEPOrigin對應的雨量場較為粗糙，其不連續(xù)性甚為突出。MSWEPATAK和MSWEPOrigin在降水空間分布格局方面具有一致性，但前者對降水場空間變化的描述顯然較后者更具連續(xù)性。而MSWEPATAK與MSWEPIDW相比，前者對降水場局部特征的描述比較細致，而后者表現(xiàn)出明顯的平滑效應。這說明，采用ATAK開展月降水量的空間降尺度過程中，由于不僅滿足不同空間尺度上的質(zhì)量守恒，而且保證了不同空間尺度上結(jié)構特征的一致性，因此對降水空間變異性的描述能力總體上要強于IDW，對雨量場局部變異特征的描述比較細致。此外，MSWEPATAK對應的2011年3月和9月雨量分布范圍也略大于MSWEPOrigin和MSWEPIDW。

圖5 2011年3月漢江流域MSWEPOrigin、MSWEPATAK、MSWEPIDW雨量空間分布

圖6 2011年9月漢江流域MSWEPOrigin、MSWEPATAK、MSWEPIDW雨量空間分布

圖7和圖8進一步給出了2011年3月、2011年9月MSWEPATAK與MSWEPIDW、MSWEPOrigin的差值，為便于描述分別記作ΔP1和ΔP2。由于3月份為漢江流域枯水期，各網(wǎng)格月降水量較低，故從圖7來看，2011年3月對應的ΔP1和ΔP2變化范圍不大，但局部相對差異仍然明顯，經(jīng)分析兩者雨量相對差異在5%以上的0.02°×0.02°網(wǎng)格單元有2632個。由圖8可知，2011年9月MSWEPATAK與MSWEPIDW、MSWEPOrigin的總體上差異也不大，但在漢江流域中上游地區(qū)局部差異顯著。在某些網(wǎng)格單元，MSWEPATAK明顯高于MSWEPIDW，ΔP2最高達到42.6 mm；而在其它一些網(wǎng)格單元MSWEPATAK明顯低于MSWEPIDW，ΔP2最低達-32.2mm。而MSWEPATAK與MSWEPOrigin的局部差異更明顯，其范圍介于-56.5～61.6 mm。進一步統(tǒng)計了2011—2014年所有月份MSWEPATAK與MSWEPIDW、MSWEPOrigin雨量差值，結(jié)果見圖9。在0.02°×0.02°網(wǎng)格尺度上，ΔP1介于-56.5～61.6 mm，在汛期各月其變動范圍較大、非汛期較小。ΔP2也有類似特點，其范圍介于-44.8～47.7 mm。

圖7 2011年3月 MSWEPATAK相對MSWEPOrigin、MSWEPIDW的雨量差異

圖8 2011年9月 MSWEPATAK相對MSWEPOrigin、MSWEPIDW的雨量差異

圖9 2011—2014年各月MSWEPATAK與MSWEPOrigin、MSWEPIDW的雨量差異范圍統(tǒng)計結(jié)果

圖10給出了2011—2014年各月MSWEPATAK與MSWEPIDW、MSWEPOrigin雨量相對差異在不同區(qū)間的柵格單元數(shù)占漢江流域柵格單元總數(shù)的比例，為分別記作r1和r2。從中可知，大部分網(wǎng)格單元MSWEPATAK與MSWEPIDW相對差異小于5%，但相對差異超過5%以上的0.02°×0.02°網(wǎng)格單元數(shù)量最高可達25231個；對于MSWEPATAK和MSWEPOrigin也有類似規(guī)律。

圖10 2011—2014年各月MSWEPATAK與MSWEPOrigin、MSWEPIDW的雨量相對差異在不同區(qū)間的0.02°×0.02°網(wǎng)格單元占比

4.2 月降水融合結(jié)果為比較不同背景場對MSWEP和站點雨量資料融合效果的影響，分別以MSWEPATAK、MSWEPOrigin和MSWEPIDW作為背景場，采用GWR方法實現(xiàn)MSWEP數(shù)據(jù)與雨量站網(wǎng)觀測數(shù)據(jù)的融合，在漢江流域生成了3套0.02°×0.02°空間分辨率的月降水柵格數(shù)據(jù)，分別記作MSWEPATAK-GWR、MSWEPOrigin-GWR和MSWEPIDW-GWR。圖11—12為2011—2014年漢江流域站點實測月降水量與相應空間位置的MSWEPOrigin-GWR、MSWEPATAK-GWR、MSWEPIDW-GWR月降水量散點密度圖。

由圖11和圖12可知，3種不同空間降尺度處理的MSWEP數(shù)據(jù)與地表雨量站網(wǎng)數(shù)據(jù)融合后，其精度顯著改善，相關系數(shù)和效率系數(shù)進一步提高，定量誤差削減明顯。MSWEPATAK-GWR等3種降水融合數(shù)據(jù)與地表“真實值”已相當接近，同時相應的各項精度統(tǒng)計指標也較為接近。

圖11 率定站點處MSWEPOrigin-GWR、MSWEPATAK-GWR、MSWEPIDW-GWR與實測月降水量的散點密度圖

圖12 驗證站點處MSWEPOrigin-GWR、MSWEPATAK-GWR、MSWEPIDW-GWR與實測月降水量的散點密度圖

仍以2011年3月和9月為例，分析不同背景場與站網(wǎng)雨量數(shù)據(jù)融合后得到的降水場差異。由圖13和圖14可知，3種降水融合數(shù)據(jù)反映的月降水量空間分布格局總體一致，但MSWEPOrigin-GWR表現(xiàn)出明顯的空間不連續(xù)性，這顯然是受MSWEP數(shù)據(jù)未作空間降尺度處理的影響。MSWEPATAK-GWR和MSWEPIDW-GWR采用了空間降尺度后的MSWEP數(shù)據(jù)作為背景場，故月降水量的空間分布顯然更加連續(xù)性。與MSWEPIDW-GWR相比，MSWEPATAK-GWR展現(xiàn)了更多細節(jié)性的空間變異特征。圖15和圖16分別給出了2011年3月和2011年9月MSWEPOrigin-GWR、MSWEPATAK-GWR與MSWEPIDW-GWR的差異。從中可知，在漢江流域多數(shù)格網(wǎng)單元，MSWEPATAK-GWR與MSWEPOrigin-GWR、MSWEPIDW-GWR無明顯差異，但部分網(wǎng)格單元雨量仍存在顯著差異。

圖13 2011年3月MSWEPOrigin-GWR、MSWEPATAK-GWR、MSWEPIDW-GWR降水空間分布

圖14 2011年9月MSWEPOrigin-GWR、MSWEPATAK-GWR、MSWEPIDW-GWR降水空間分布

圖15 2011年3月MSWEPATAK-GWR相對MSWEPOrigin-GWR、MSWEPIDW-GWR的雨量差異

圖16 2011年9月MSWEPATAK-GWR相對MSWEPOrigin-GWR、MSWEPIDW-GWR的降水空間分布差異

將MSWEPATAK-GWR與MSWEPOrigin-GWR、MSWEPIDW-GWR雨量差異分別記作ΔP1(GWR)和ΔP2(GWR)，圖17給出了兩者在2011—2014年各月的分布范圍。盡管降水融合結(jié)果在很大程度上受雨量站網(wǎng)觀測信息的影響[25]，在雨量站網(wǎng)較多的情況下，不同背景場對融合結(jié)果的影響會得到了弱化[21]，但是顯然無法完全消除，甚至在局部得到了放大。如2011年7月等月份，在0.02°×0.02°網(wǎng)格尺度上，ΔP1(GWR)和ΔP2(GWR)接近甚至超過200 mm。圖18進一步給出了2011—2014年各月MSWEPATAK-GWR與MSWEPOrigin-GWR、MSWEPIDW-GWR之間的相對差異(分別記作r1(GWR)和r2(GWR))超過不同閾值的在0.02°×0.02°網(wǎng)格單元占比。從中可知，r1(GWR)和r2(GWR)超過10%以上的格網(wǎng)數(shù)量仍有一定規(guī)模，這進一步說明了不同空間降尺度方法處理后MSWEP與站網(wǎng)數(shù)據(jù)融合的局部雨量差異是明顯的。

圖17 2011—2014年各月MSWEPATAK-GWR與MSWEPOrigin-GWR、MSWEPIDW-GWR之間雨量差異范圍

圖18 2011—2014年各月MSWEPATAK-GWR與MSWEPOrigin-GWR、MSWEPIDW-GWR的雨量相對差異在不同區(qū)間的0.02°×0.02°網(wǎng)格單元占比

5 結(jié)論

采用ATAK開展了全球性降水數(shù)據(jù)MSWEP在漢江流域的空間降尺度及MSWEP與地表站網(wǎng)降水信息的融合研究，解析了不同空間降尺度方法處理后的MSWEP數(shù)據(jù)與站網(wǎng)降水數(shù)據(jù)融合雨量的差異性，主要研究結(jié)論如下：

(1)ATAK是一種比較優(yōu)良的空間降尺度方法，可在沒有地表雨量站網(wǎng)觀測數(shù)據(jù)等額外信息的情況下，實現(xiàn)MSWEP月降水數(shù)據(jù)的空間降尺度，并且在理論上可以保證不同空間尺度上降水的質(zhì)量守恒，同時保證了不同空間尺度上降水空間變異函數(shù)的“一致性”，這對于提升全球性降水數(shù)據(jù)在無資料或少資料情況下的可利用性具有重要意義。

(2)MSWEP月降水數(shù)據(jù)采用ATAK進行空間降尺度前后，其統(tǒng)計精度指標變化不大，但較原始MSWEP數(shù)據(jù)具有更強的空間連續(xù)性，也在一定程度上克服了IDW插值方法進行簡單空間降尺度處理的平滑效應，提高了對雨量場局部變化特征的描述能力。

(3)在地表雨量站網(wǎng)密度較高的情況下，MSWEP與站網(wǎng)降水融合結(jié)果在很大程度上受實測資料的影響，以原始MSWEP數(shù)據(jù)和ATAK、IDW降尺度處理后的MSWEP數(shù)據(jù)作為背景場與地表雨量數(shù)據(jù)融合得到的3套降水數(shù)據(jù)在精度統(tǒng)計指標方面十分相似，但背景場的差異對降水融合結(jié)果的局部影響不能完全消除，甚至可能會放大。

以上研究結(jié)論說明在對降水空間分布進行精細化的估計時，加強對全球性降水數(shù)據(jù)的空間降尺度方法的比較并選擇適當方法是必要的，這為全球性降水數(shù)據(jù)的空間降尺度及其與地表雨量站網(wǎng)資料的融合提供了重要參考。但需要指出的是，本文僅開展了一種稠密雨量站網(wǎng)分布情況下MSWEP與站網(wǎng)降水的研究。今后應進一步在不同地表雨量站網(wǎng)密度及空間構形情況下融合MSWEP等全球性降水數(shù)據(jù)與站網(wǎng)降水數(shù)據(jù)，以深化對降水空間降尺度及多源降水融合效果的認識與應用。