Page 224 - 《高原气象》2026年第4期
P. 224

高     原      气     象                                 45 卷
              1154
              1  引言                                             Slope和Aspect等4个地理因子之间的回归关系, 均
                                                                取得了较为理想的降尺度结果(崔路明等, 2021;
                  高精度、 高时空分辨率的降水数据对于区域水
                                                                胡雪儿等, 2023; 农兰萍等, 2022)。MGWR 模型
             文模拟、 水资源优化配置及生态环境管理具有重要
                                                                在 GWR 基础上改进了空间权重计算方式, 使得不
             意义(Duan et al. , 2016)。然而, 降水信息的获取
                                                                同自变量可适应各自的空间尺度, 提高模型对环境
             主要依赖地面雨量计观测、 雷达探测和气象卫星遥
                                                                变量的敏感性和回归拟合精度, 在复杂地形区域的
             感观测(原文林等, 2024)。地面雨量计尽管监测精                         高分辨率降水分布上展现出更大潜力(唐志鹏等,
             度高, 但受站点分布和密度的限制, 难以反映复杂
                                                                2024; Arshad et al. , 2021)。
             地形的降水空间变异, 雷达探测受到地形遮挡和设                                降水的形成和分布机制受多种环境因子(如地
             备覆盖范围的影响, 在高山区和偏远地区的降水监                            形、 植被、 气象等)共同作用, 科学选取关键的驱动
             测能力受限(熊立华等, 2021)。相比之下, 气象卫                        因子对于提升降尺度精度至关重要。地理探测器
             星遥感降水数据具有覆盖广、 时空连续性好等优                            (Geodetector)作为一种有效的空间统计方法, 可基
             势, 能够较好地捕捉大尺度降水空间分布特征, 但                           于变量间的空间异质性关系, 以 q 统计量定量评估
             其分辨率较低, 存在较大的不确定性(周媛媛等,                            环境因子对降水分布的解释力, 从而识别关键驱动
             2025)。因此, 如何有效提高遥感降水数据的空间                          因子(王劲峰和徐成东, 2017)。已有研究表明,
             分辨率和精度, 以满足流域尺度的水文与生态研究                            Geodetector 可 为 降 尺 度 变 量 选 择 提 供 科 学 依 据
             需求, 成为当前亟待解决的科学问题。                                (Wang et al. , 2025), 避免环境变量选取带来的不
                  降尺度技术在提高遥感降水数据分辨率方面                           确 定 性(董 甲 平 等 ,  2023)。 诸 多 降 水 产 品 中 ,
             展现出重要的应用潜力, 逐渐成为研究的热点方向                            TRMM 降水数据因其广泛适用性受到大多研究者
             之一(Sun et al., 2024)。现有的降尺度方法主要包                   的青睐(Mirones et al. , 2025; 吕爱锋和亓珊珊,
             括统计降尺度法、 动力降尺度法以及统计-动力降                            2022; 谭丽丽等, 2020)。
             尺度结合的方法(Chen and Zhang, 2021), 其中, 统                   基于上述问题, 本文针对三江源流域复杂的地
             计降尺度法因其计算量小、 操作简单等优势得到广                            形与气候条件, 构建 Geodetector-GWR/MGWR 两
             泛应用(张明月等, 2013)。传统的统计降尺度方法                         种降尺度框架, 以期达到基于流域降水空间分布机
             主要包括偏最小二乘法(宁珊等, 2020)、 主成分回                        制的降尺度研究。首先, 利用 Geodetector定量分析
             归分析法(Gomes and Santose, 2014)、 多元线性回               对流域降水空间分布的影响机制, 筛选出对流域降
             归 法(Jeong  et  al.,  2012)和 机 器 学 习(陈 涵 等 ,        水分布影响较大的环境因子。随后, 采用 GWR 模
             2025), 通过将大尺度气象变量与降水数据之间建                          型和 MGWR 模型构建 TRMM_3B43 降水数据与环
             立映射关系, 提高降水数据空间分辨率。然而, 这                           境因子间的回归关系, 实现降尺度处理, 并对比评
             类方法未能充分考虑降水分布的空间异质性(Moaz‐                          估两种模型的降尺度效果。研究旨在提升 TRMM
             ami et al., 2022)。相较之下, 地理加权回归(GWR)                降水数据在三江源地区的空间分辨率和精度, 为区
             和多尺度地理加权回归(MGWR)突破了这一局限,                           域水文模拟与水资源管理提供更可靠的数据支持,
             允许局部回归系数变化, 能够建立降水栅格点与周                            同时为降水数据缺乏地区提供高质量降水估算方
             围多个栅格点环境因子间的关系, 使得模型能够更                            法的科学参考。
             精准地刻画环境因子与降水之间的复杂非线性关
             系, 从而提升降尺度精度(Wang et al., 2024)。                   2  研究区概况与数据预处理
                  GWR 模型引入地理位置信息并考虑空间异质                         2. 1 研究区概况
             性, 在回归分析中引入地理权重, 有效提升了降水                               三江源流域位于青藏高原腹地, 是长江、 黄河
             数据的分辨率和精度(汪红等, 2025; 赵娜和焦毅                         和澜沧江的源头区域, 被誉为“中华水塔”(孙永寿
             蒙, 2018)。Xu et al.(2015)首次将 GWR 模型应用               等 ,  2023)。 该 流 域 在 89° 45′E -102° 23′E、  31°
             于遥感降水数据的降尺度研究, 建立了降水与 ND‐                          39′N -36°12′N, 总面积约为 36. 4×10  km , 其流域
                                                                                                     2
                                                                                                  4
             VI及 DEM 之间的回归关系, 将 TRMM 降水数据的                      及气象站点分布见图 1[图 1及文中涉及的地图是基
             空间分辨率从 0. 25°×0. 25°提高到 1 km×1 km。此                于自然资源部标准地图服务网站下载的审图号为
             后, 众多研究者基于 GWR 模型, 针对不同遥感降                         GS(2016)2556 的中国地图制作, 底图无修改]。三
             水 产 品 在 不 同 研 究 区 , 建 立 了 与 NDVI、 DEM、             江源流域地势起伏较大, 地形复杂多样, 自西向东
   219   220   221   222   223   224   225   226   227   228   229