《Natural Hazards Research》：Estimating the Spatial Distribution of Extreme Precipitation Return Levels in Central Java, Indonesia, Using a Satellite-Derived Product
编辑推荐：
在热带地区，由于雨量站分布有限和复杂的大气动力学，极端降水建模具有挑战性。本研究提出使用全球卫星降水测绘（GSMaP）卫星数据，以基于r最大次序统计量的广义极值（GEVr）参数、地理和地形因子作为预测因子，估算极端降水重现水平的空间分布。研究人员分析了印度尼西
在热带地区，由于雨量站分布有限和复杂的大气动力学，极端降水建模具有挑战性。本研究提出使用全球卫星降水测绘（GSMaP）卫星数据，以基于r最大次序统计量的广义极值（GEVr）参数、地理和地形因子作为预测因子，估算极端降水重现水平的空间分布。研究人员分析了印度尼西亚中爪哇118个地面站和GSMaP-gauge V8卫星产品20年（2001-2020年）的日降水数据。两个数据集均拟合了基于r最大次序统计量的广义极值（GEVr）分布，并计算校正因子以解决位置（μ）、尺度（σ）和形状（ξ）参数的系统偏差。采用集成机器学习和传统插值方法预测GSMaP导出的GEVr参数。基于差异的校正因子的XGBoost算法表现出更好的性能：位置参数相关性从-0.07提高到0.61（均方根误差减少66%），尺度参数相关性从0.04提高到0.45（均方根误差减少61%），形状参数相关性从-0.21提高到0.42（均方根误差减少33%）。重现水平的验证显示改进，10年重现期相关性从-0.01提高到0.57，均方根误差从65毫米减少到20毫米。然而，重现水平的不确定性仍然很大，10年至100年期间的范围为50至150毫米/天。
**论文解读：基于GSMaP卫星产品与机器学习估算极端降水重现水平的空间分布**
**研究背景与问题**
在热带地区，极端降水事件的准确估算对于灾害风险管理和基础设施规划至关重要。然而，由于雨量站分布稀疏且大气动力学复杂，极端降水建模面临显著挑战。印度尼西亚中爪哇地区地形复杂，从沿海平原到山地，降水时空变异性高，而现有雨量站网络（尤其是山区）覆盖不足，进一步限制了极端降水空间分布的精确估算。卫星降水产品（如GSMaP）虽提供高时空分辨率覆盖，但普遍存在系统性低估极端降水强度的问题（低估幅度可达20%–55%），且现有偏差校正方法多针对原始降水场而非极值分布参数，导致重现水平估计不确定性大。此外，点对像素不匹配（地面站观测点与卫星网格面积平均值的差异）和短记录长度（仅20年）进一步加剧了估算难度。因此，本研究旨在提出一种基于卫星校正因子（Correction Factor, CF）与机器学习方法相结合的框架，以改善热带地区极端降水重现水平的空间分布估算。
**研究内容与结论**
研究人员提出了一套完整方法：首先，利用20年（2001–2020年）的日降水数据，对中爪哇118个地面站和GSMaP-gauge V8卫星产品分别拟合基于r最大次序统计量的广义极值（GEVr）分布，并计算差异型和比率型校正因子以纠正位置（μ）、尺度（σ）和形状（ξ）参数的系统偏差。随后，采用集成机器学习（随机森林RF、XGBoost、混合RF-XGB模型）和传统插值方法（克里金外部漂移KED），以GSMaP导出的GEVr参数、地理（经纬度、距海岸距离）和地形（高程、坡度、坡向、正开放度）因子为预测变量，对校正因子进行空间预测。通过留一网格交叉验证评估模型性能，并最终估算指定重现期（10、25、50、100年）的极端降水重现水平。
研究得出以下结论：基于差异型校正因子的XGBoost算法表现最佳，位置参数相关性从-0.07提升至0.61（均方根误差减少66%），尺度参数相关性从0.04提升至0.45（均方根误差减少61%），形状参数相关性从-0.21提升至0.42（均方根误差减少33%）。重现水平验证显示，10年重现期相关性从-0.01提升至0.57，均方根误差从65毫米降至20毫米。然而，不确定性仍较大，10年至100年重现期的不确定性范围为50–150毫米/天。该研究发表在《Natural Hazards Research》。
**主要技术方法**
1. **GEVr分布拟合**：采用最大似然估计（MLE）对地面站和GSMaP数据分别拟合基于r最大次序统计量的广义极值（GEVr）分布，通过事件独立性检验（最小间隔时间T=5天）和r值优化（r=5）确定参数。
2. **校正因子计算**：分别计算差异型（CF
dif）和比率型（CF
ratio）校正因子，作为地面站与GSMaP之间GEVr参数偏差的代理变量。
3. **集成机器学习与插值方法**：应用随机森林（RF）、XGBoost、混合RF-XGB模型以及克里金外部漂移（KED），以GSMaP导出的GEVr参数、经纬度、高程、坡度、距海岸距离等为预测变量，对校正因子进行空间预测。
4. **留一网格交叉验证**：采用空间分组的交叉验证方法，每次将一个GSMaP网格及其关联站作为测试集，其余网格作为训练集，评估模型泛化能力。
样本来源：研究区包括中爪哇省和日惹特区，共118个地面站（2001–2020年日数据），GSMaP_Gauge V8卫星产品（0.1°×0.1°分辨率）。
**研究结果**
**3.1 地面站与GSMaP极端降水事件对比**：GSMaP系统性低估极端降水，年最大日降水观测值达390毫米/天，而GSMaP仅201毫米/天（低估约48%），两者相关性低（R=0.35），均方根误差为43.37毫米，表明GSMaP在高强度降水事件中表现不佳。
**3.2 地面站与GSMaP GEVr参数对比**：GSMaP的位置、尺度参数显著低于地面站（t检验p<0.001），形状参数差异不显著但符号不一致。空间分布显示，位置和尺度参数在西北部和东部低值，中部和南部沿海高值，但GSMaP参数范围窄，形状参数在东北部出现正负值反转。
**3.3 校正因子建模**：所有模型中，最优预测子集通常包含GSMaP导出的GEVr参数、经纬度、高程和距海岸距离。比率型校正因子在位置和尺度参数上表现优于差异型，但形状参数建模中差异型校正因子更优。XGBoost和混合RF-XGB模型校正因子相关性达0.71–0.79。
**3.4 未测量网格GEVr参数估计**：应用校正因子后，XGBoost模型（差异型校正因子）在位置参数（R=0.61，RMSE=12.42毫米/天）、尺度参数（R=0.45，RMSE=5.16毫米/天）和形状参数（R=0.42，RMSE=0.1）上均优于无校正因子模型。形状参数改善最显著，但仍然是建模难点。KED在位置和尺度参数上表现稳定，但形状参数性能差（R=0.07）。校正后GSMaP的概率密度函数（PDF）和累积分布函数（CDF）与地面站更一致，詹森-香农散度从0.0–0.7降至0.0–0.4。
**3.5 重现水平估计与验证**：校正后GSMaP的重现水平空间分布与地面站总体一致，但部分区域（中部、东部、南部）存在高估。定量评估显示，10年重现期相关性从-0.01提升至0.57，均方根误差从65毫米降至20.7毫米，但纳什-苏特克利夫效率（NSE）低于0.5，表明不能作为工程设计的独立依据。不确定性随重现期增加而增大，100年重现期置信区间宽度超过110毫米/天。点对像素偏差分析表明，网格平均数据与单站数据的重现水平偏差在±10%以内。
**讨论与结论**
讨论部分指出，XGBoost模型（差异型校正因子）优于传统克里金外部漂移（KED），因为KED假设线性关系，无法有效处理形状参数的非线性特征。校正因子作为代理变量能增强形状参数与预测变量之间的关系，是改善模型性能的关键。地理和地形因子（经纬度、高程、坡度、距海岸距离）是频繁选中的预测变量，反映了极端降水空间分布受地形和海岸距离的重要影响。然而，模型性能中等（参数R=0.42–0.61，重现水平R≈0.5），形状参数预测仍是最主要挑战，且不确定性随重现期增加而增大，50年和100年重现期不确定性超过95毫米/天。研究局限性包括20年数据记录较短、点对像素偏差（<9%）以及仅针对GSMaP产品在热带岛屿的评估，未来需验证其他卫星产品（如IMERG、CHIRPS）和区域的适用性。
结论部分翻译：本研究提出了一种通过建模GSMaP卫星数据的GEVr参数来估算极端降水重现水平空间分布的方法。该方法旨在提高极端降水重现水平估算的准确性，特别是在热带地区。校正因子（CF）来源于地面站与GSMaP数据之间GEVr参数的差异，用于调整未测量位置处的GSMaP导出GEVr参数。CF采用差异型和比率型两种方法计算，并与地理和地形预测因子结合，通过集成机器学习和传统插值技术建模CF并校正GEVr参数。最优模型用于估算指定重现期的极端降水重现水平。结果表明，以差异型CF、纬度、经度、高程、坡度、正开放度和距海岸距离为预测因子的XGBoost模型性能优于其他模型。在GEVr参数中，位置参数模型性能最高，其次为尺度参数和形状参数。形状参数建模仍是最主要挑战，因为它控制尾部行为，可能影响较长时期的重现水平值。差异型CF改善了形状参数的预测性能。基于评估指标，重现水平显示中等性能，相关系数范围为0.50–0.57，分数标准误差（FSE）为0.12–0.16，NSE低于0.5。校正后的GSMaP重现水平空间分布与地面站模式总体一致，但并非在所有区域均一致。此外，较长重现期（尤其是50年和100年）存在显著不确定性，不确定性超过95毫米/天。这一结果反映了形状参数估算的不稳定性以及超出观测范围外推的有限可靠性。因此，对长重现期的解释应谨慎对待，不应作为工程设计的参考。这些发现为复杂地形和大气条件下的热带地区极端降水建模提供了初步见解。所提出的方法可应用于其他卫星降水产品或其他区域，但需要进一步改进和验证。
