鉴于基于卫星遥感和地面观测开发出的不同时空分辨率蒸散发(ET)产品在青藏高原(TP)仍存在不确定性,从而限制了这些产品在水文气象和气候评估方面的应用。本文基于涡动观测的ET对六种ET产品(PML、EB-ET_V2、GLEAM、GLDAS、ERA5_Land和MOD16)进行评估并比较各产品之间的差异,对TP区域ET产品不确定性做了分析。结果表明:(1)观测值与对应像元ET值之间的年平均态和季节循环存在较好的相关性、一致性。GLEAM产品与观测值吻合度较高并拥有适用性;MOD16产品在大部分站点性能较差。(2)在季节性变化方面,春季ERA5_Land产品与观测的变化较为一致;夏季和冬季GLEAM产品与观测的变化更为接近,而EB-ET_V2产品在秋季表现更有优势。(3)在空间上,GLEAM、EB-ET_V2产品和GLDAS产品存在更高的相关性(相关系数R>0.88)和一致性(一致性指数IOA>0.89);各产品季节时空分布有较大的差异,尤其是春季;相对其他产品,MOD16产品在大部分区域夏季低估且冬季高估。(4)除MOD16外的各产品年平均ET大小相差较大,多年平均的高原ET大小排序为ERA5_Land(401.46 mm a^(-1))>PML(334.37 mm a^(-1))>GLEAM(298.46 mm a^(-1))>EB-ET_V2(271.39 mm a^(-1))>GLDAS(249.67 mm a^(-1)),六套产品估算的青藏高原的总体年蒸发量为330.59 mm a^(-1)。青藏高原不同蒸发产品的比较有助于对高原蒸发的动态变化有更深入的了解,可以为青藏高原水资源评估和区域水管理提供参考。
卫星降水产品具有覆盖范围广、更适用于无资料区域的优势,但分辨率较低、精度不足,为获取高时空分辨率、高精度的降水数据,需对卫星产品进行降尺度,并与地面观测数据融合,以提高数据质量。以澜沧江流域为例,在综合考虑地形、地理和植被等要素的基础上,建立地理加权回归(geographic weighted regression,GWR)模型对热带降雨测量卫星(tropical rainfall measurement mission,TRMM)和基于人工神经网络的遥感降水估计-气候数据记录(precipitation estimation from remotely sensed information using artificial neural networks-climate data record,PERSIANN-CDR)产品进行空间降尺度,再采用集合卡尔曼滤波算法,将地面气象站点经反距离加权插值法(inverse distance weighted,IDW)插值后的数据作为融合算法观测值,对降尺度后的TRMM、PERSIANN-CDR数据进行融合,以进一步提高降水数据精度。结果表明:1)相比TRMM卫星降水产品,PERSIANN-CDR降水产品对澜沧江流域降水的捕捉能力更弱,但降尺度后两者卫星产品数据精度都有较显著的提升;且两类产品在旱季(11月至次年4月)的精度评估效果相较于雨季(5月至10月)更为明显,表明GWR方法能显著提升这两类卫星降水产品对旱季降水的监测效果。2)对比其他学者的研究表明,对降尺度后的产品进一步使用集合卡尔曼滤波算法,最终得到的融合结果极好,并改善了卫星产品高估降水的现象。综上所述,该研究所使用的降尺度与融合方法,能够显著提升数据空间分辨率与精度,最终得到与地面观测降水数据相关性极高的高空间分辨率卫星产品结果。
