基于站点、模式、遥感多源降水数据融合实践技术应用

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。

点击查看原文https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247549415&idx=4&sn=930e7be11753c4f4812c044cf37b1ad4&chksm=ce64eb0cf913621abe47cf86c4490b9e0f8feefb4a11a6407d6b38b34bacbb77492d284f9aed&token=320459836&lang=zh_CN#rd

目前，卫星遥感已被广泛用于水文气象的应用。这些年已有大量研究对遥感降水产品（如TMPA 3B42、CMORPH、PERSIANN-CDR）进行了评估，发现这些数据有着各种各样问题，尤其在冬季。而模式中的降水表现优于卫星数据，可以进一步补充和改善这些地区卫星数据的不足。 随着越来越多的降水数据集的产生，数据合并和校正的方法对利用各种数据源变得至关重要。美国多源加权集合降水（MSWEP）使用加权集合方法来合并全球高质量的降水数据，取得了好的效果。近年来，机器学习方法重新兴起，将机器学习算法和融合的思路结合，能够进一步提高降水产品的质量。本课程将以青藏高原为案例数据，融合多源降水数据。

关注科研技术平台获取更多资源