《Frontiers in Remote Sensing》:Assessing temporal sampling uncertainty in hydrological modelling using multi-sensor observations from GPM and TROPICS
编辑推荐:
卫星降水产品被广泛用于水文模拟;然而,由卫星过境频率不足引起的时间采样不确定性可显著影响径流估算,尤其在山区和易受洪水影响的流域。本研究利用两个不同卫星星座——全球降水测量任务(Global Precipitation Measuring Mission,GP
卫星降水产品被广泛用于水文模拟;然而,由卫星过境频率不足引起的时间采样不确定性可显著影响径流估算,尤其在山区和易受洪水影响的流域。本研究利用两个不同卫星星座——全球降水测量任务(Global Precipitation Measuring Mission,GPM)和时间分辨降水结构与风暴强度小卫星星座(Time Resolved Observations of Precipitation Structure and Storm Intensity with a Constellation of Smallsats,TROPICS)——的多传感器组合数据,评估降水时间采样不确定性对印度东部喜马拉雅Ranikhola流域径流模拟的影响。对GPM的五个传感器(GMI、SSMIS、MHS、AMSR2和ATMS)以及TROPICS的三颗立方体卫星(T3、T5和T6)进行了单独及不同组合分析。将传感器过境时间与IMERG降水数据进行时空配准,并将所得降雨量输入HYSIM(集总式模型)水文模型,模拟2016–2020年径流。结果表明,增加传感器数量提高了采样频率,缩短了重访间隔,并提升了径流模拟精度。TROPICS组合配置(T3–T5–T6)表现最佳,其NSE=0.6983,R2=0.9568,RMSE=7.75 m3 s?1,MAE=5.62 m3 s?1;而GMI–SSMIS组合表现较差,NSE=?1.7385,RMSE=23.36 m3 s?1。TROPICS星座每天提供超过12次过境,而单个GPM传感器每天仅约1–2.5次。研究结果表明,高频立方体卫星星座可大幅降低时间采样不确定性并改善径流估算,凸显了其在数据稀缺山区洪水预报和水文应用中的潜力。
卫星降水产品为水文模拟提供了关键输入,但低轨卫星过境频率有限,导致降水时间采样不完整,产生时间采样不确定性,这一问题在山区和易洪流域尤为突出。尽管以全球降水测量任务(GPM)为代表的星座已能提供较好时间覆盖,但被动微波传感器的重访间隔仍可能漏掉短时强降水事件,且现有研究多聚焦于GPM核心台仪器或已处理产品,对新型高频小卫星星座(如TROPICS)的采样不确定性关注不足。为此,研究人员在印度东部喜马拉雅Ranikhola流域开展研究,系统评估GPM和TROPICS各传感器及其组合的时间采样不确定性对径流模拟的影响,并基于IMERG降水参考场和HYSIM水文模型进行模拟,以检验TROPICS高重访频率是否能降低径流估算误差。
研究人员利用GPM星座的五个被动微波传感器(GMI、SSMIS、MHS、AMSR2、ATMS)和TROPICS三颗立方体卫星(T3、T5、T6),先提取每个传感器的过境时间和扫描几何,与IMERG(0.1°×0.1°,30分钟)数据进行时空配准,仅保留完全覆盖流域的过境,并按30分钟取整;由于TROPICS在2016–2020年尚未运行,研究将2024年TROPICS过境模式分别应用于2016–2020年IMERG降水场,以分离采样效应。采样后的日降水输入HYSIM模型,该模型用IMD降水(0.25°×0.25°)和CWC实测流量在2016–2018年校准、2019–2020年验证,采用蒙特卡洛迭代参数采样(13次迭代,每次200次模拟)优化参数。结果发现校准期NSE=0.837、验证期NSE=0.845,表明模型可靠。主要评价指标包括NSE、R
2、PBIAS、RMSE、MAE和RSR。
3.1 采样考量
通过统计各传感器每日过境次数和采样间隔,发现单个GPM传感器过境频率约1–2.5次/天,采样间隔约600–1500分钟;将传感器逐级组合后,采样频率呈指数增加,间隔缩短