文高峰

(臨汾市水利發(fā)展中心，山西 臨汾 041000)

隨著衛(wèi)星遙感技術(shù)不斷發(fā)展，衛(wèi)星降水產(chǎn)品已成為地表水文過程、水資源管理、氣候變化等領(lǐng)域中新型數(shù)據(jù)源[1-3]。然而其自身較低空間分辨率缺陷，限制了在一些細(xì)致研究中的應(yīng)用。因此，如何將衛(wèi)星降水產(chǎn)品降尺度成高分辨率的數(shù)據(jù)，成為水文氣象遙感研究熱點之一[4]。在降尺度方法中，Cubist算法是一種基于決策樹的機器學(xué)習(xí)算法，具有較高準(zhǔn)確性和可解釋性。本文以Cubist算法為基礎(chǔ)，對臨汾市GPM衛(wèi)星降水?dāng)?shù)據(jù)進行降尺度研究，旨在提高衛(wèi)星降水?dāng)?shù)據(jù)的空間分辨率，為地表水文過程、水資源管理、氣候變化等領(lǐng)域的研究提供更為細(xì)致和準(zhǔn)確的數(shù)據(jù)支持。

1 研究區(qū)與分析方法

1.1 臨汾市概況描述

臨汾地處山西省西南、黃河?xùn)|岸，地理坐標(biāo)為35°23′～36°57′N，110°22′～112°34′E，總面積20275km2。地形輪廓大體呈“凹”字型周環(huán)山，自西向東依次為黃河谷地、呂梁市、汾河谷地、太岳中條山系，以丘陵、山地為主，海拔介于378～2460m，如圖1所示。臨汾地處半干旱、半濕潤季風(fēng)氣候區(qū)，屬溫帶大陸性氣候，年平均氣溫11.3℃，降水量480mm，無霜期240d，日照時數(shù)1748.4～2512.6h。該地河流具有季節(jié)性特征，徑流量多集中6—9月，水資源總量為15.2億m3，人均水資源十分貧乏。

圖1 臨汾市地形和氣象站點位置

1.2 數(shù)據(jù)資料

文中降尺度目標(biāo)數(shù)據(jù)為新一代全球降水觀測(Global Precipitation Measurement)衛(wèi)星降水產(chǎn)品[4-6]。其通過雷達(dá)觀測、紅外掃描、模式糾偏處理生成覆蓋全球的降水量產(chǎn)品，成像周期為0.5h，空間分辨率為0.1°×0.1°。本研究通過GPM數(shù)據(jù)網(wǎng)站(https：//pmm.nasa.gov/data-access)獲取該地2019年降水量產(chǎn)品。

依賴因子是GPM精細(xì)化降尺度的關(guān)鍵，基于前任研究經(jīng)驗，獲取了研究區(qū)高程、坡度、坡向等地形因子，NDVI等光譜指數(shù)，地理經(jīng)度、緯度、經(jīng)緯度乘積等海陸位置因子；其中地形數(shù)據(jù)源為STRM DEM產(chǎn)品，獲取途徑為http：//www.gscloud.cn/sources/；NDVI來自MODIS衛(wèi)星的MOD13A3產(chǎn)品；地形因子為柵格像素中心位置。

為實現(xiàn)星地降水?dāng)?shù)據(jù)高精度融合，對GPM數(shù)據(jù)降尺度的目標(biāo)參考設(shè)置確定為同期地面站點觀測降水量資料，鑒于數(shù)據(jù)可得性僅獲取了11個無缺測的站點，其來源于從中國氣象科學(xué)數(shù)據(jù)中心(http：//data.cma.cn)。

1.3 Cubist回歸方法

Cubist算法是Quinlan基于回歸樹開發(fā)的一種多變量回歸模型，模型中每一變量的創(chuàng)建遵循“if-else-then”規(guī)則對目標(biāo)進行分段預(yù)測。其主要優(yōu)點是通過多個線性模型，以便加權(quán)平衡處理，從而產(chǎn)生更穩(wěn)健預(yù)測。Cubist模型通過增加線性模型數(shù)量、調(diào)解分段函數(shù)之間距離提升預(yù)測精度[7-8]。對于由2個線性模型構(gòu)成的Cubist模型可描述為：

ζpar=(1-a)×ζ(p)+a×ζ(c)

(1)

式中，ζ(c)—當(dāng)前線性模型的預(yù)測；ζ(p)—位于回歸樹父模型的預(yù)測。由于Cubist提出了給定預(yù)測變量的簡潔線性建模規(guī)則，因此具有運行效率高、收斂快的特點。本文中Cubist模型構(gòu)建通過R軟件包Cubist程序完成，為確保建模精確度，需對超參數(shù)鄰近距離(Instances)和回歸樹數(shù)量(Committees)進行優(yōu)化[7-8]。

1.4 GPM降水量降尺度空間分析過程

Step1：在ArcGIS平臺中采用resample工具將不同源的降尺度依賴因子與原GPM數(shù)據(jù)重采樣至10km，并且設(shè)定統(tǒng)一的UTM-1984橫軸墨卡托投影。

Step2：提取預(yù)處理后每一柵格數(shù)據(jù)中心點像素值來生成樣本值，以降尺度因子值為解釋變量，GPM降水量值為目標(biāo)變量，運用Cubist回歸構(gòu)建降尺度模型，同時結(jié)合GridSearch方法實施模型優(yōu)化。

Step3：確定100m為降尺度目標(biāo)，根據(jù)步驟1，將相關(guān)數(shù)據(jù)重采樣至100m空間分辨率，并輸出tif格式。

Step4：利用優(yōu)化后的Cubis模型代入100m的tif柵格因子集進而實施空間降尺度，得出初步降尺度結(jié)果。

Step5：以氣象站點數(shù)據(jù)為真值，估算初步降尺度結(jié)果后的誤差，并利用Kriging插值法生成100m分辨率的殘差分布。

Step6：將步驟4得到的初步預(yù)測與步驟5提取的殘差家和，得到研究區(qū)GPM降水量降尺度空間分布。

Step7：利用地面觀測站點對降尺度后的產(chǎn)品精度進行驗證。以站點實測降水量為目標(biāo)參考，以降尺度值為評價對象，在站點尺度上計算二者之間的決定系數(shù)R2、平均絕對誤差MAE和平均相對誤差RMSE，具體公式如下：

(2)

(3)

(4)

2 臨汾市GPM降水量數(shù)據(jù)降尺度后空間特征分析

2.1 相關(guān)數(shù)據(jù)統(tǒng)計特征

如圖2所示，臨汾市GPM年降水量共存在209個像素，降水量信息介于457～587mm之間。盡管該數(shù)據(jù)初步揭示了該地降水量呈現(xiàn)自南向北減少分布，但其在存在空間模糊化的缺陷和機械性漸變，因此在刻畫實際降水量分布特征方面存在一定不足。為驗證原GPM數(shù)據(jù)在本地降水量方面棵替代性，利用站點數(shù)據(jù)計算了二者之間偏差，得到R2為0.49，MAE和RMSE依次為46.84、65.23mm，說明該GPM與地面實際降水量之間存在一定誤差，但具有系統(tǒng)性偏差趨勢。

圖2 研究區(qū)原GPM降水量分布

2.2 Cubist建模分析

將全部環(huán)境因子作為自變量，站點降水量為因變量，先通過自適應(yīng)方法進行Cubist算法初步擬合，然后設(shè)置Cubist模型的超參數(shù)優(yōu)化區(qū)間和優(yōu)化步長，其過程如圖3所示。可知，Cubist模型訓(xùn)練過程的交叉驗證精度參數(shù)RMSE隨著Instances、Committees變化呈一定波段特征，并且2個超參數(shù)配對共同影響模型性能。當(dāng)Instances取值為7、Committees取值為4時，模型擬合能力達(dá)到最佳，此時RMSE僅為10.17mm，因此其為該模型最優(yōu)超參數(shù)配對。此外，該較低的RMSE數(shù)值表明Cubist模型訓(xùn)練精度良好，可準(zhǔn)確擬合降水量與環(huán)境因子間非線性關(guān)系，因此本研究將其應(yīng)用于臨汾市GPM降水量空間降尺度預(yù)測中[9]。

圖3 Cubist模型超參數(shù)優(yōu)化過程

2.3 基于Cubist模型臨汾市GPM降尺度降水量分布特征

依據(jù)降尺度流程，生成了臨汾市GPM降水?dāng)?shù)據(jù)降尺度結(jié)果。如圖4所示，降尺度后的降水量數(shù)值統(tǒng)計范圍介于385～707mm，空間平均值為536mm，標(biāo)準(zhǔn)差為55mm，離差系數(shù)為9.75%，這與原GPM(圖2)相比差異不大，說明降尺度的結(jié)果保持了原GPM數(shù)值屬性，但因其加入了地面降水資料糾偏過程，因而略有變化。此外，該結(jié)果比與原GPM數(shù)據(jù)具有更精細(xì)表現(xiàn)力，具體在刻畫降水量漸變過程及其地帶性分異方面具有自然平滑特征，說明該降尺度后降水量分布符合區(qū)域?qū)嶋H。盡管Cubist算法在擬合降水—環(huán)境關(guān)系過程通過若干基于線性準(zhǔn)則的樹模型實現(xiàn)，但其迭代加權(quán)全部子樹的預(yù)測并增益有價值的子樹信息，最終實現(xiàn)非線性預(yù)測，因此確保了降尺度結(jié)果合理性。

圖4 臨汾市GPM降尺度降水量空間分布

2.4 臨汾市GPM數(shù)據(jù)降尺度精度驗證分析

利用公式(2)—(4)，計算了站點觀測降水量與GPM數(shù)據(jù)降尺度后數(shù)值之間誤差(如圖5所示)?？梢?，降尺度后GPM像素值與地面降水量之間具有高度一致性，其R2達(dá)0.60(P<0.01)，其MAE和RMSE分別為17.46、20.29mm，說明其絕對數(shù)值誤差較小。與杜懿[3]、謝祥洲等[1]研究結(jié)果對比來看(其R2介于0.54～0.85)，本研究在半干旱的臨汾地區(qū)中降尺度精度在可接受范圍內(nèi)。另需強調(diào)的是，GPM降尺度效果不僅受模型回歸算法影響，還與區(qū)域氣候特征有關(guān)，這是由于GPM衛(wèi)星傳感器對微量降雨捕捉能力較強降雨的探測靈敏度低，因此在降水豐度低的地區(qū)降尺度效果一般[1，6]。進一步分析發(fā)現(xiàn)，與原GPM數(shù)值精度相比，降尺度后的降水量產(chǎn)品精度的R2提升了22.45%，MAE和RMSE分別減小了64.10%、68.89%，表明該降尺度過程有效性。

3 結(jié)語

經(jīng)過對臨汾市GPM衛(wèi)星降水?dāng)?shù)據(jù)降尺度研究得出主要結(jié)論如下：

(1)臨汾市的降水量存在明顯的空間不均衡性，降水豐值集中于南西片區(qū)，北東片區(qū)相對較少。

(2)Cubist算法在降尺度預(yù)測臨汾市GPM降水量方面，在訓(xùn)練集和測試集上均表現(xiàn)出較小擬合誤差，說明該算法能夠有效地捕捉數(shù)據(jù)規(guī)律和趨勢，可為未來的降水預(yù)測和水資源管理提供可靠數(shù)據(jù)驅(qū)動支持。

(3)通過對比不同參數(shù)組合下的預(yù)測誤差，發(fā)現(xiàn)Cubist算法的準(zhǔn)確性受到參數(shù)設(shè)置影響較大，因此在實際應(yīng)用中，需要根據(jù)具體情況進行參數(shù)調(diào)整，以提高降尺度預(yù)測的準(zhǔn)確性。考慮到降水分布還與氣候系統(tǒng)密切關(guān)系，未來可增加季風(fēng)強度及其運移路徑作為降尺度依賴性因子，并探討其可用性。