高空间分辨率降水估算研究获进展

降水是全球水文、水资源、碳循环与能量平衡中的关键变量。当前，主流卫星降水产品普遍受到空间分辨率粗的限制，难以满足山洪监测、滑坡预警及精准水资源管理等对高时空精度数据的需求。

中国科学院成都山地灾害与环境研究所研究员赵伟团队联合中山大学科研团队，提出了基于高空间分辨率土壤水分的降水空间降尺度与多源数据融合模型（SMPD-MERG）相结合的混合降尺度框架，提升了卫星降水产品的精度与应用价值。这一方法融合GPM-IMERG卫星日降水产品、生成的ESA CCI 1 km土壤水分数据、ERA5-Land再分析降水数据以及地面测站观测数据，利用土壤水分平衡方程将原始GPM降水数据空间分辨率提升至1 km，并通过随机森林算法对多源数据进行集成，构建出高时空分辨率、精度优异的日尺度降水产品。

该研究以伊比利亚半岛中部为示范区，汇集277个雨量站数据开展模型验证（222个用于训练，55个用于独立检验），全面评估了模型的适应性与稳定性。结果表明，SMPD-MERG产品在不同季节条件下均可以精细刻画降水的空间变异特征，减弱了原始GPM产品的块状效应，并能够有效识别微小降水变化。在模型性能方面，生成产品的相关系数达0.94，均方根误差1.27 mm，相对偏差仅为1%，Kling-Gupta效率系数达0.88，优于传统降尺度方法。

上述研究在提升卫星降水数据空间分辨率方面实现了技术突破，为开展高精度水文模拟、极端气象事件预警和区域水资源精准管理提供了数据支持，展现出应用前景与推广价值。

相关研究成果发表在《IEEE地球科学与遥感学报》（IEEE Transactions on Geoscience and Remote Sensing）上。研究工作得到国家自然科学基金和西藏自治区科技计划项目等的支持。

论文链接

SMPD-MERG模型的高空间分辨率降水估算流程

（a）旱季和雨季SMPD-MERG结果与原始GPM产品的空间分布对比；（b-c）旱季和雨季SMPD-MERG结果与原始GPM产品的累积概率比较；（d）SMPD-MERG结果与2016年至2018年雨量计观测日降水的密度图