降水是徑流形成的控制因子，降水的時(shí)程分配與空間分布的變異性很強(qiáng)，準(zhǔn)確快速獲取面降水信息是缺資料流域水文模擬預(yù)報(bào)的瓶頸?；谛l(wèi)星、站點(diǎn)和預(yù)報(bào)模式的新一代多源降水校正融合是構(gòu)建缺資料流域高時(shí)空分辨率雨量場的重要手段。圍繞多源降水校正融合，河海大學(xué)水文院任立良教授、江善虎教授、博士生衛(wèi)林勇所在的科研團(tuán)隊(duì)取得系列研究成果。

研究成果的主要?jiǎng)?chuàng)新點(diǎn)包括，針對準(zhǔn)實(shí)時(shí)衛(wèi)星降水產(chǎn)品誤差較大的問題，提出了一種耦合線性縮放和累積分布函數(shù)匹配的準(zhǔn)實(shí)時(shí)衛(wèi)星降水偏差校正方法LSCDF，該方法充分考慮衛(wèi)星降水的時(shí)空誤差，依次從空間和時(shí)間維度實(shí)現(xiàn)準(zhǔn)實(shí)時(shí)衛(wèi)星降水產(chǎn)品的誤差修正，校正結(jié)果相比當(dāng)前主流的IMERG-F衛(wèi)星降水產(chǎn)品更能準(zhǔn)確地反映降水的分布特征。針對不同降水產(chǎn)品對降水融合精度影響的問題，構(gòu)建了一種可變動(dòng)的貝葉斯模型平均BMA融合方案，用于量化不同降水產(chǎn)品對降水融合的不確定性，通過集合成員的最優(yōu)權(quán)重占比揭示影響融合結(jié)果的內(nèi)在因素，基于控制變量的變化-初始對比法量化增加輸入降水產(chǎn)品對融合結(jié)果的貢獻(xiàn)度。針對無實(shí)測降水流域多源信息融合的問題，發(fā)展了一種最大化相關(guān)性多源降水融合方法ETCC，其不同于最小化誤差方差的TC (Triple Collocation)融合框架，在無需地面站點(diǎn)實(shí)測數(shù)據(jù)的情況下能夠最大化融合降水產(chǎn)品與未知真值之間的相關(guān)性，通過全球尺度的評估分析驗(yàn)證了ETCC融合方法的有效性。研究成果可為缺資料流域高時(shí)空分辨率雨量場動(dòng)態(tài)構(gòu)建與優(yōu)化集成提供新的解決方案。

系列成果發(fā)表在地球科學(xué)領(lǐng)域權(quán)威期刊《Geophysical Research Letters》《Journal of Hydrology》和《Atmospheric Research》上，該研究聯(lián)合了瑞典隆德大學(xué)Zheng Duan教授，研究工作得到國家自然科學(xué)基金(U2243203、51979069)和江蘇省自然科學(xué)基金(BK20211202)等項(xiàng)目的支持。

論文信息：

Wei, L., Jiang, S., Ren, L., Yuan, S., Liu, Y., Yang, X., Wang, M., Zhang, L., Yu, H., Duan, Z., 2023. An Extended Triple Collocation Method With Maximized Correlation for Near Global-Land Precipitation Fusion. Geophysical Research Letters, 50, e2023GL105120. https://網(wǎng)址未加載/10.1029/2023GL105120

Wei, L., Jiang, S., Dong, J., Ren, L., Liu, Y., Zhang, L., Wang, M., Duan, Z., 2023. Fusion of gauge-based, reanalysis, and satellite precipitation products using Bayesian model averaging approach: Determination of the influence of different input sources. Journal of Hydrology, 618, 129234. https://網(wǎng)址未加載/10.1016/j.jhydrol.2023.129234

Wei, L., Jiang, S., Ren, L., Zhang, L., Wang, M., Liu, Y., Duan, Z., 2022. Bias correction of GPM IMERG Early Run daily precipitation product using near real-time CPC global measurements. Atmospheric Research, 279, 106403. https://網(wǎng)址未加載/10.1016/j.atmosres.2022.106403