前沿

降水在水循环中发挥着重要作用，塑造了生态景观和生态系统。目前，有四种主要方式获取降水数据：1）雨量计观测，2）地基雷达遥感，3）卫星遥感，4）模式模拟。基于雨量计观测的降水，通常被认为是最准确和可靠的。但由于复杂的地形和恶劣的环境，在中国西部人烟罕至地区没有气象站。基于站点数据网格化降水产品的准确性在很大程度上取决于站点空间密度和环境条件，而这些条件在不同地区有很大差异。因此，有必要将卫星遥感和模式数据结合起来，进一步提供高质量、高分辨率的降水数据。

一：Python应用

1.1 Python基础数据结构循环与逻辑判断切片

1.2 Numpy和Scipy使用切片操作相关系数

1.3 Xarray的使用netCDF文件的读写统计计算掩膜操作可视化

1.4 cdo的使用时间域计算空间域计算文件操作

二：降水产品的评估

2.1主要降水产品GsMAPGPM IMERGCMORPHPERSIANNHARERA5

2.2指标计算计算连续指标（R2、RMSE）和离散指标（POD、FAR）

2.3不同时间窗产品评估

年尺度、季节尺度、月尺度

三：短期序列数据的订正

3.1站点数据质量控制（阈值法）

3.2构建订正的样本序列空间索引匹配临近地面站点（KDtree）构造订正序列（Gamma分布拟合、累计概率CDF）

3.3逐格点订正遥感降水

四：气候态长时间序列数据融合-数据前处理

4.1计算遥感降水数据（GPM IMERG、CMORPH和GsMAP）的气候态基于cdo和xarray计算月累计降水和多年平均累计降水可视化年际变化

4.2计算站点尺度上的不同降水产品权重

4.2.1计算站点上对应环境因子（高程、坡度和坡向）基于高程计算坡度基于高程计算坡向对高程、坡度和坡向插值到站点

4.2.2计算站点尺度上的气象数据（ERA5数据的气温、风速、湿度）

五：气候态长时间序列数据融合-数据权重空间化

5.1特征工程：利用站点尺度数据分析环境因子和气象数据与遥感降水的关系

5.2模型筛选：筛选合适的

裁剪覆盖研究区的环境因子和气象数据

5.3建模：使用机器学习算法构建权重外推模型拆分样本交叉验证

5.4在研究区外推权重

六：气候态长时间序列数据融合-数据融合

数据融合降水数据的融合

数据的评估

原文链接详见公众号：技术科研吧