降水是反映全球和区域气候系统变化的重要指标之一。特别是夏季降水在大气环流、水循环和热动量交换中起着至关重要的作用。东亚地区降水的年代际变化与环流异常、水汽收支、土壤湿度、风速等密切相关。高分辨率降雨数据在农业、林业、交通、海洋监测等领域有着广泛的应用。传统的地面站测量方法存在明显的缺陷,受复杂地形和海岸线的限制,雨量计的覆盖范围有限,而且天气雷达探测的精度不确定。卫星可以进行综合观测,提供直观的遥感影像信息,在提高降雨监测能力方面具有较好的应用前景。卫星降水产品可通过微波遥感、可见光/红外遥感和多传感器降水估算进行反演得到。虽然极轨卫星的探测精度高于地球同步卫星,但时间采样较低。随着新一代地球同步气象卫星(如GOES、MSG、Himawari-8和FY-4)的发射,可见/红外遥感可以提供高时空分辨率的降水产品。但由于红外信号与降水的间接关系,产品精度仍有待提高。缺乏对强降水的准确估计是降水预报的普遍局限性。
我院讲师吴琨与张敬林副教授指导的研究生张宇杉利用Himawari-8成像仪(Himawari-8/AHI)红外光谱数据和NCEP运行的全球预报系统(GFS)预报信息,提出了一种基于随机森林(RF)的分类模型用于雨区划定和降水等级估计,以提高中雨和大雨的准确性。研究采用全球降水测量(GPM)产品校准的降雨量估计作为地面真值来训练模型,整个训练过程中采用了重采样技术,以充分学习样本之间的特征。研究发现在使用的特征中,气象变量对训练模型的贡献一般大于红外信息,其中可降水量的贡献最大,这说明了水汽条件在降水预报中的充分必要性。我们将RF模型的模拟结果与GPM逐像素产品进行了对比(图1)。此外,为了证明该模型的通用性,使用了不用于训练的独立验证集和两个独立不同时间段的测试集。验证集的结果表明用该模型确定的雨区检测概率(POD)约为0.77,假警报比(FAR)约为0.23;测试集结果的POD为0.60-0.70,FAR约为0.30。在估算降水等级时,验证集的分类精度为0.70,检验集的分类精度为0.60,但存在一定的高估。综上所述,由验证集和测试集数据的性能表明,RF算法在东亚地区的降雨反演中具有很强的适应性和优越性。在一定程度上为降水的定量估算提供了有意义的范围划分和有力的指导。
以上研究成果发表于《Remote Sensing》。
相关文章:
Zhang Y., K. Wu, J. Zhang, F. Zhang, H. Xiao, F. Wang, J. Zhou, Y. Song, L. Peng, 2021, Estimating Rainfall with Multi-Resource Data over East Asia Based on Machine Learning. Remote Sense. 13, 3332. https://doi.org/10.3390/rs13163332
图1 2019年夏季,RF模型和GFS模型对GPM数据的雨区确定和降水等级估计的评估分数的日变化。