Page 152 - 《武汉大学学报（信息科学版）》2025年第9期

1880 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

布如图 1 所示。图 2 绘制了研究区月平均降雨量 空间分辨率为 0.1°×0.1°（约 11 km，后文统一使
与地质灾害频次图，由图 2 可知，月平均降雨量越 用），数据覆盖范围为 50°S~50°N。考虑到建立
高，灾害数目越多，且 95% 的灾害发生在丰水期， 降雨阈值模型的数据精度常以小时为单位 ［10］ ，本
可见灾害发生与降雨具有较强的相关性 ［18］ 。 文选取 2009—2020 年 GPM 逐 30 min 的降雨数据
产 品（GPM_3IMERGHH），原 始 数 据 格 式 为
netCDF，在 GIS 工 具 中 将 其 批 量 转 换 为 栅 格 格
式，并合成小时降雨数据。
NDVI 数据来源于 NASA 地球观测系统计划
（https：//modis. gsfc. nasa. gov/）。 NDVI 数 据 时
间 分 辨 率 为 16 d 和 1 月 ，空 间 分 辨 率 为 250 m、
500 m、1 km、0.05°（约 5.6 km）。本文选取 2009—
2020 年 内 1 km 的 月 尺 度 NDVI 数 据 产 品
（MOD13A3）建立与降雨数据的相关关系。原始
数据格式为 HDF，使用 NASA 提供的 MODIS 投
影变换工具对 NDVI 数据进行转换、投影和拼接
图 1 茂县地质灾害分布图
并将其批量栅格化。
Fig. 1 Geological Hazards Distribution Map of
Mao County DEM 数据是对地表地形的数字化模拟。该
数据来源于 NASA 航天飞机雷达地形测量任务
（https：//www.earthdata.nasa.gov/sensors/srtm），
空间分辨率为 30 m，数据格式为栅格格式。
降尺度处理流程如图 3 所示，主要包括以下 5
个步骤：（1）将 0.1°分辨率下的小时 GPM 数据合
并为季节 GPM 数据，并将 NDVI 和 DEM 投影重
采 样 至 0.1° 分 辨 率 。（2）将 统 一 尺 度 后 的 季 节
GPM 数据作为因变量、NDVI 和 DEM 作为自变
量输入 GWR 模型，得到 0.1°分辨率下的系数、截
距和残差，再将 3 种参数插值重采样到 1 km 的分
辨 率 。（3）将 NDVI 和 DEM 乘 以 1 km 分 辨 率 的
图 2 月均降雨量与地质灾害频次图 对应系数，加上相应截距和残差，得到分辨率为
Fig. 2 Map of Average Monthly Rainfall and Frequency
1 km 的季节 GPM 数据。（4）通过小时 GPM 数据
of Geologic Hazards
和季节 GPM 数据的数量关系，得到 0.1°分辨率下
2 GPM 数据降尺度及其有效性分析 的比例系数。这里假设降尺度前后小时 GPM 数
据与季节 GPM 数据的比例保持不变 ［27］ ，将比例
2.1 数据来源与处理流程 系数插值重采样至 1 km 分辨率。（5）将 1 km 分辨
卫星降雨产品降尺度处理主要是基于环境 率下的季节 GPM 数据与比例系数相乘便可得到
变量与降雨量之间的关系提出的缩尺度方法 ［19］ 。 分辨率为 1 km 的小时 GPM 数据，即降尺度 GPM
归一化植被指数（normalized difference vegetation 数据。
index，NDVI）与 数 字 高 程 模 型（digital elevation 2.2 降尺度模型精度验证
model，DEM）作为常用的环境变量，已被众多学 中国各地区地理环境复杂，气候变化多端，降
者 证 实 可 有 效 提 高 卫 星 降 雨 数 据 的 空 间 精 水分布不均，在某些地区，降雨数据可能会有所偏
度 ［20-26］ 。 因 此 ，本 文 以 NDVI 与 DEM 为 环 境 变 差。因此，验证 GPM 数据的适用性尤为重要。文
量，采用 GWR 降尺度处理 GPM 降雨数据，其中 献［28］对中国地区的 GPM 数据进行检验，发现其
降雨数据来源于美国国家航天局（National Aero⁃ 整体质量是可靠的。文献［29］分析 GPM 数据在
nautics and Space Administration，NASA）。该数 天山山区的适用性，发现 GPM 数据能较准确估测
据的时间分辨率包括 30 min、1 d、1 月 3 个版本， 天山山区的降水。文献［30］对 GPM 数据在甘肃