论文部分内容阅读
水汽的时空分布及其变化，在水资源循环和天气系统演变中起着重要的作用，直接影响着水汽输送、能量传输、云的形成以及降雨。研究水汽的时空分布及其未来发展趋势，为洪涝灾害监测、水循环研究以及全球气候变化提供有益的指导意义。 大气可降水量或称大气可降水汽（Precipitable Water Vapor，简称PWV），本文以下简称可降水量。可降水量是表征大气水汽含量以及空气中水资源的重要指标。本文主要研究可降水量的反演方法和可降水量的时空趋势预测模型。 在可降水量反演中，主要介绍了如何利用国产环境卫星HJ-1A上搭载的HIS高光谱数据反演可降水量、利用地基GPS观测站反演可降水量。并进行MODIS与HSI的多地区实验，验证HSI反演的可行性。分别进行实验探讨GPS反演结果与探空数据、MODIS、HSI的回归关系。最后根据多源遥感数据的特点构建综合反演模型，一方面为可降水量反演研究提供参考，另一方面为可降水量的时空序列研究提供数据支持。 在可降水量时空趋势预测方面，论文在时间尺度上开展了两个方向的研究:一个方向是针对大中尺度灾害性天气如大范围洪涝灾害、干旱、冰雪灾害等开展长期月份可降水量时空趋势预测研究，采用的是以MODIS为主的高空间分辨率的栅格数据;另一个方向是针对中小尺度灾害性天气如暴雨、冰雹、雷雨、龙卷风等开展可降水量的短时时空趋势预测研究，采用的是以GPS为主的高时间分辨率的点状数据。 针对长期月份可降水量时空趋势预测研究，主要采纳了时空自回归移动平均模型，并在模型参数估计过程中提出了拓展牛顿迭代法到时空维度来求解非线性问题模型，详细阐述了适用于遥感栅格影像的参数估计过程。根据可降水量具有明显的季节特征，借鉴季节调整方法对可降水量月份时空序列进行处理，实验结果表明，季节调整后的序列满足STARMA模型平稳性要求。 在短时可降水量时空趋势预测研究当中，联合灰色多变量模型与时空自回归移动平均模型开展24小时内可降水量的预测研究，提出了MGM(1，n)-STARMA方法，该方法与传统灰色模型相比，在可降水量数据变化比较平缓时差别不大，但在数据振荡剧烈时能明显提高传统多变量灰色模型的预测精度。