西南高山峡谷包括青藏高原和横断山脉的部分地区，约65%的地区的海拔大于3500m。其横跨中国大陆的第一级和第二级阶梯，地形异常复杂，生态系统脆弱，土壤侵蚀严重（图1）。高时空分辨率的降雨数据对于研究当地陆地水循环至关重要。虽然遥感卫星有效地再现了降雨的空间格局，但其空间分辨率较低，仍不能满足精细水文要求。

图1 西南高山峡谷区区位图

针对这一问题，西南大学李月臣教授团队联合中国水利水电科学研究院秦伟研究员团队基于GPM遥感降水产品发展了一种改进的多尺度地理加权回归（MGWR）降尺度方法。将原始数据结合站点数据进行校正，利用高程、坡度、坡向、NDVI、风向、水汽、地表温度以及坡度和坡向校正因子作为自变量，考虑到NDVI的时滞响应构建了时间滞后的MGWR模型（TL-MGWR）。利用该模型，将2022年西南高山峡谷区0.1°的原始GPM降水数据空间分辨率提高至0.01°。

图2 研究技术路线图

模拟结果表明，2022年1-3月和7-9月适合MGWR降尺度模型，而4-6月和10-12月更适合TL-MGWR降尺度模型（图3、图4）。

图3.(a)2022年1-3月、(b)4-9月和(c)10-12月的NDVI滞后阶段；(d)各时间段内不同滞后相位长度比例

图4.MGWR模型和TL-MGWR模型的降尺度精度的月度比较（注：RMSD与RMSE相同）

研究结果表明，经该方法降尺度之后的数据在月和日尺度上模拟精度均得到较好提升（图4、图5）。降尺度后的（原始）月降水量数据相关性为0.94（0.768），相关性提高0.172，MAE减少18.43mm/月，RMSE减少26.172mm/月，偏差减少82.7 %。日降水降尺度（原始）数据的相关系数为0.863（0.318），相关性提高0.545，MAE减少1.658mm/天，RMSE减少4.183mm/天，偏差减少56.8 %。该降尺度方法在中国西南高山峡谷区复杂地形下的高分辨率网格数据重建中取得了理想结果。

图5. (a)原始GPM日数据、(b)校准GPM日数据和(c)降尺度数据与站点数据精度验证

该研究成果以“Reconstructing high-resolution gridded precipitation data in the southwest China highland canyon area using an improved (MGWR) downscaling method”为题于2024年7月17日在线发表于中科院SCI一区TOP期刊Science of The Total Environment, 西南大学地理科学学院硕士研究生王莉红为第一作者，李月臣教授为通讯作者。

论文链接：https://doi.org/10.1016/j.scitotenv.2024.174866