赞比西流域多卫星遥感降水量空间降尺度方法研究

In last decade, amount of soybean import of our country expand rapidly, due to import source over focus on Untied States, Brazil and Argentina, our soybean import is at risk. Zambezi River basin suffer serious food security problem, but have great soybean production potential. Almost cropped land was rain-fed cropped land, precisely spatial-temporal precipitation paly the key role on agriculture. All countries are developing countries so that rain gauges are sparely in Zambezi River Basin. The good quality of TRMM multisatellite precipitation analysis dataset was proved by previous studies, but the availability of TMPA was restricted by the coarse spatial resolution. The downscaling method on TMPA is the key issues of this study and the research contents are consist of three parts: (1) based on rain gauge and TMPA precipitation dataset, change laws of daily and monthly precipitation will be revealed, the determined environmental factors impact on precipitation will be recognized by a rotated principal component method; (2) according to the group of key issues of precipitation, a non-stationary downscaling technology will be proposed under comprehensive considering moisture content of atmosphere, terrain and vegetation factors, daily and monthly TMPA dataset with 1 km covering Zambezi basin will produced by this downscaling technology; (3) Based on cross-validation and distributed model situation, the performance of downscaling will estimated by bias evaluation, rain intensity detection and streamflow situation. The purposes of this study want to provide fine and precision precipitation information to guide agricultural plan of Zambezi basin, and then help relieve food insecurity problem and strength capacity of soybean export.

在粮食安全问题突出、大豆生产潜力巨大，我国农业投资的重点区—赞比西流域，针对流域“靠天吃饭”的雨养农业种植特征，地面雨量站网稀疏导致的精准降水时空信息缺失的现状，通过优选降水指示因子组合，提出遵循降水空间异质规律的TRMM多卫星遥感降水数据空间降尺度方法，解决单一植被指数降水响应时间滞后、饱和现象与水体吸收导致的降水指示失效的问题，突破日降水量空间降尺度瓶颈。主要研究内容包括：（1）流域日、月时间尺度降水量变化规律，大气、地形与植被要素降水指示效应综合评估研究；（2）提出基于优选的大气、地形与植被要素指示因子的日、月时间尺度空间异质性降尺度方法；（3）综合降水绝对量偏差、日降水等级探测与径流模拟，构建点-面结合的降尺度效果评价体系。力图获取赞比西流域2001-2014年1 km分辨率的日、月时间尺度降水量数据集，为优化流域农业生产布局，释放大豆生产潜力，丰富我国大豆进口来源提供信息支撑。

赞比西流域是我国农业的重点投资区，流域农业以雨养农业为主，降水的波动对农业发展有很大的影响，精细可靠的降水数据对农业的可持续发展有重要意义。针对降水站点数据缺失的现状，项目试图通过优选降水指示因子，提出遵循降水空间异质规律的TRMM多卫星遥感降水数据空间降尺度方法，解决单一植被指数降水响应时间滞后、饱和现象与水体吸收导致的降水指示失效的问题，突破流域降水量空间降尺度瓶颈。项目的主要研究内容包括：（1）流域降水量变化规律，大气、地形与植被要素降水指示效应综合评估研究；（2）综合大气、地形与植被要素指示因子的TRMM降尺度方法研究；（3）降尺度结果效果评价。通过3年系统的研究，项目提出了基于谷歌云的流域降水变化规律探索方法，洞悉了过去20年流域降水的时空动态变化规律及其对农业的综合影响，发现流域降水呈现干季越干的变化趋势。构建了基于云计算和机器学习，耦合大气、植被和地形的TRMM统计降尺度方法，并比较了基于梯度提升回归算法(GBR)、随机森林(RFR)、人工神经网络(ANN)、K近邻回归(KNN)和支持向量机(SVR)的TRMM降尺度结果的差异，发现上述方法都可以有效刻画降水的空间结构，梯度提升回归算法具有最优的效果，更重要的是该框架具有高可扩展性，可用于任何流域TRMM的降尺度。项目还量化了地形和植被因子对降尺度结果的影响，发现不同的月份不同要素对降尺度模型的影响程度不一，其中高程、归一化植被指数、增强性归一化植被指数对降尺度模型的结果有较大影响，而叶面积指数的影响较小。基于上述方法，项目圆满完成了既定的研究任务，生产了2000-2018年赞比西流域逐月的TRMM降水数据集，已经发表SCI检索论文2篇，获取软件著作权1项。