基于多平台降水信息融合的高时空分辨率降水估算及不确定性研究

Precipitation is a key driver of the global water cycle. The accurate precipitation estimates with fine spatiotemporal resolution is of critical importance for hydrological, meteorological, and environmental investigations. In the past decades, various data merging schemes have been invented to improve the accuracy of precipitation estimates by combining rain gauge observations with radar precipitation or satellite-derived rainfall data. However, there are still some problems in current multi-source precipitation fusion. For example, obvious scale mismatch between rain gauge observations and satellite-derived precipitation data still exists, and the mainstream fusion methods still focus on the two-source fusion, i.e., merging rain gauge observations with radar quantitative estimate precipitation or satellite-derived rainfall data, and there is pressing need to develop three-source merging schemes. In this project, we propose a high quality, high spatiotemporal resolution precipitation data fusion scheme by combining multi-platform precipitation and auxiliary geographic data. The technical scheme synthetically involves geostatistical downscaling, statistical simulation and data fusion methods to construct a downscaling-calibration-integration framework. Under this framework, the rain gauge observations, radar quantitative estimate precipitation data, satellite-derived rainfall data and geographical ancillary data could be effectively merged to produce a high spatiotemporal resolution precipitation estimates. The uncertainty of the fusion precipitation product could also be quantitively evaluated. The middle and lower reaches of Yangtze River is selected as the study area to demonstrate the effectiveness of the proposed method.

降水是全球水分和能量循环的关键驱动因素，获取高质量、高时空分辨率的降水信息对水文、气象和环境等领域的研究和应用具有重要意义。综合雨量计、雷达和卫星降水资料各自的优势进行数据融合是近年来获取高质量降水空间信息的重要手段。然而当前多平台降水信息融合研究仍然存在数据源之间明显的尺度不匹配等问题，且融合主要集中在联合雨量计-雷达或雨量计-卫星的二源融合上，联合雨量计-雷达-卫星的三源融合处于初步发展阶段，融合方法有待进一步探索。本研究以长江中下游地区为研究区，以基于多平台信息融合的高时空分辨率降水估算为研究内容，在地统计尺度下推、统计模拟和多源信息融合技术的支持下，联合雨量计-雷达-卫星多平台降水观测信息，并辅以其它地理辅助数据，构建集降尺度、误差校准和融合为一体的多平台信息融合框架进行高分辨率降水空间估算，并在此基础上深入探讨融合的不确定性，为进一步提高多源降水信息融合精度提供理论参考。

由于降水时空变化剧烈，获取高质量、高时空分辨率降水信息仍然是水文、气象等领域的一大挑战。本项目围绕高质量、高时空分辨率降水量估算及其不确定性分析展开研究。以长江中下游地区为研究区，利用地面雨量计观测数据、雷达估测降水数据和卫星反演降水数据，并辅以地理因子数据，通过研究雷达估测和卫星反演降水数据系统误差订正方法和雨量计-雷达-卫星三源降水融合方法，获取研究区高质量、高时空分辨率降水信息。同时，深入分析多源观测降水融合不确定性，为融合降水数据的应用以及融合方法的改进提供理论指导。主要成果如下：（1）构建的基于地统计尺度下推的空间降尺度方法可以有效削弱星地多源数据融合中由于粗分辨率卫星降水数据与地面站点数据之间尺度不匹配带来的误差，采用降尺度卫星数据的降水估计提高了不同方法星地多源降水融合精度；（2）基于统计回归和地统计方法的多源降水信息融合模型，对于不同时间尺度降水估计都具有明显的改善作用，融合结果比卫星反演降水数据、系统误差订正遥感估测降水数据以及仅基于地面雨量计观测插值结果具有更高的精度；（3）融合结果受卫星、雷达数据质量以及地面雨量计配置的影响。随着雨量计密度的增加，地面观测站网配置（包括密度和分布）对星地多源降水融合估算的影响逐渐减小。在地面站点观测稀疏的条件下，优化站点分布和提高卫星或雷达数据质量将能有效提高多源降水估测的精度。项目研究成果有助于流域水文精细模拟分析、水资源规划与管理和洪涝干旱监测等，基于融合生成的降水数据已对湖北、安徽和江苏的冬小麦湿渍害进行了监测并取得不错的效果。本项目提出的集降尺度-校准-融合为一体的多源降水信息融合框架可以拓展应用于土壤湿度、地表反射率、PM2.5浓度和温室气体浓度等其他地表参量的高质量、高分辨率估算研究中。