高空間分辨率降水估算研究獲進展

　　降水是全球水文、水資源、碳循環與能量平衡中的關鍵變量。當前，主流衛星降水產品普遍受到空間分辨率粗的限制，難以滿足山洪監測、滑坡預警及精準水資源管理等對高時空精度數據的需求。

　　中國科學院成都山地災害與環境研究所研究員趙偉團隊聯合中山大學科研團隊，提出了基于高空間分辨率土壤水分的降水空間降尺度與多源數據融合模型（SMPD-MERG）相結合的混合降尺度框架，提升了衛星降水產品的精度與應用價值。這一方法融合GPM-IMERG衛星日降水產品、生成的ESA CCI 1 km土壤水分數據、ERA5-Land再分析降水數據以及地面測站觀測數據，利用土壤水分平衡方程將原始GPM降水數據空間分辨率提升至1 km，并通過隨機森林算法對多源數據進行集成，構建出高時空分辨率、精度優異的日尺度降水產品。

　　該研究以伊比利亞半島中部為示范區，匯集277個雨量站數據開展模型驗證（222個用于訓練，55個用于獨立檢驗），全面評估了模型的適應性與穩定性。結果表明，SMPD-MERG產品在不同季節條件下均可以精細刻畫降水的空間變異特征，減弱了原始GPM產品的塊狀效應，并能夠有效識別微小降水變化。在模型性能方面，生成產品的相關系數達0.94，均方根誤差1.27 mm，相對偏差僅為1%，Kling-Gupta效率系數達0.88，優于傳統降尺度方法。

　　上述研究在提升衛星降水數據空間分辨率方面實現了技術突破，為開展高精度水文模擬、極端氣象事件預警和區域水資源精準管理提供了數據支持，展現出應用前景與推廣價值。

　　相關研究成果發表在《IEEE地球科學與遙感學報》（IEEE Transactions on Geoscience and Remote Sensing）上。研究工作得到國家自然科學基金和西藏自治區科技計劃項目等的支持。