物理信息时空降尺度模型用于公里尺度小时级湿热应激指数重建:耦合地表能量平衡与水平平流

《International Journal of Digital Earth》:A physics-informed spatiotemporal downscaling model for kilometer-scale hourly humid heat stress indices

【字体: 大 中 小 】 时间:2026年09月18日 来源:International Journal of Digital Earth 5.4

编辑推荐:

  高分辨率湿热应激指数(humid heat stress indices)用于刻画温度与湿度交互作用下的生理效应,对精细化热健康评估和气候适应至关重要。然而,现有粗分辨率数据集平滑了细尺度空间异质性,从而可能低估局地极端热强度。统计降尺度能够提升空间分辨率,但

  
高分辨率湿热应激指数(humid heat stress indices)用于刻画温度与湿度交互作用下的生理效应,对精细化热健康评估和气候适应至关重要。然而,现有粗分辨率数据集平滑了细尺度空间异质性,从而可能低估局地极端热强度。统计降尺度能够提升空间分辨率,但其依赖经验关系,对非线性陆-气相互作用的约束有限,可能引入物理上不一致的偏差。为此,研究人员研发了一种物理信息时空(physics-informed spatiotemporal, PIST)降尺度模型,将地表能量平衡(surface energy balance)与水平平流(horizontal advection)融入统计框架。通过融合多源数据,该模型在小时和1 km分辨率上重建了湿热应激指数。将模型应用于2020年暖季(5–10月)的长江三角洲地区,模型在四种指数上均表现出一致且良好的性能,均方根误差(root mean square errors, RMSEs)范围为2.24–3.98 °C,R2值超过0.88。与传统统计降尺度相比,PIST将RMSE降低了53%–62%。物理约束的引入还改善了对极端高温的刻画,将上尾依赖(upper-tail dependence)从0.4提升至0.8以上,并降低了城市地区的系统性偏差。总体而言,PIST体现了Digital Earth方法论,通过将地理空间观测转化为高分辨率、决策相关的气候信息,为热健康评估和城市气候适应提供支撑。
湿热应激指数(humid heat stress indices)综合表征了气温与湿度对人体的联合生理胁迫,是极端高温健康风险研究的重要指标。当前获取近地面气象要素的观测手段各有局限:气象站点虽准确但分布稀疏,卫星反演空间覆盖广却时间不连续,再分析资料时空连续但分辨率较粗,难以刻画局地热力异质性。降尺度技术是整合多源对地观测、重建细尺度环境场的核心途径,但动力降尺度计算代价高且依赖模式参数化,统计降尺度虽高效却多依赖经验关系,对非线性陆-气相互作用的物理约束有限,且大多数方法只关注垂直方向的地表-大气交换,忽略了由下垫面热力差异驱动的水平方向水热输送。已有粗分辨率数据会显著低估城市微气候和短时极端湿热事件,制约了精细化热暴露评估。为突破上述局限,研究人员提出了物理信息时空(physics-informed spatiotemporal, PIST)降尺度模型,将地表能量平衡和水平平流显式纳入统计降尺度框架,并结合长江三角洲(Yangtze River Delta, YRD)2020年暖季(5–10月)的多源观测数据,重建小时、1 km分辨率的湿热应激指数场,为城市热风险和气候适应提供高分辨率数据基础。

研究结果表明,PIST模型在四个常用湿热应激指数(WGT、sWBGT、Humidex和HI)上均取得了良好的精度,RMSE为2.24–3.98 °C,R2高于0.88,且相比三种统计基线模型(BS-RF、BS-GBRT、BS-Lasso),RMSE降低53%–62%,上尾依赖系数λu从约0.4–0.6提升至0.8以上。物理约束的引入显著提高了极端高温和城市热岛等局部热特征的刻画能力。该模型以较低的计算成本实现了物理一致的高分辨率湿热应激重建,体现了Digital Earth方法论在地学观测信息转化中的应用价值。

在方法层面,研究使用了以下关键数据与技术:站点观测采用NOAA/NCEI综合地表数据库(Integrated Surface Database, ISD);遥感数据采用MODIS地表温度(MOD11_L2/MYD11_L2)、叶面积指数(MOD15A2H)、归一化植被指数(MOD13A1)及热红外亮温(MOD09CMG);再分析资料采用ERA5和ERA5-Land;辅助数据包括GMTED2010高程和MCD12Q1土地覆盖;独立空间验证采用4 km分辨率的中国日常气象数据集(CDMet)。PIST模型将细尺度残差分解为垂直残差和水平残差。垂直残差基于地表能量平衡方程估算气温和露点温度的局地垂直偏差,并用随机森林(random forest)模型扩展到有云条件;水平残差通过卷积神经网络(convolutional neural network, CNN)模拟周边热力与湿度梯度对目标像元的侧向交换贡献;时间趋势融合利用ERA5-Land的高频变化将卫星过境时刻的空间细节重建到每小时;随后由气温和露点温度计算WGT、sWBGT、Humidex和HI四种指数。评估指标包括MAE、RMSE、R2、NSE和λu。

3.1 性能比较。在卫星过境时刻的191个有效站点样本上,PIST取得了最优精度(R2=0.97,RMSE=1.53 °C,MAE=1.28 °C),优于不含水平残差的PISTv(R2=0.96,RMSE=2.01 °C)和最优统计基线BS-RF(RMSE=3.27 °C)。与基线相比,PIST的RMSE降低了53%–62%,R2提升了29%以上。在气温≥30 °C的极端高温条件下,统计基线R2降至0.5以下,而PIST仍保持R2>0.83、RMSE<1.6 °C。90分位数上,PIST与PISTv的λu为0.84–0.89,基线模型仅为0.47–0.63。水平残差的加入使RMSE额外降低0.48 °C,并改善了空间分布的连续性和城市热岛、水体/植被冷岛等局地热特征的表达。

3.2 时空性能。与小时站点观测及CDMet独立验证表明,四个指数的RMSE为2.24–3.98 °C,R2超过0.88,λu为0.57–0.73。气温估计精度(RMSE=2.15 °C,R2=0.94,NSE=0.82)明显优于露点温度(RMSE=3.19 °C,R2=0.80,NSE=0.47)。时间尺度上,Humidex和sWBGT的误差在8月最大(RMSE 2.51–4.23 °C),WGT和露点温度则在10月最大(RMSE 2.53–4.05 °C)。以sWBGT为例进行空间评估,与CDMet对比的R2超过0.72,90%以上区域RMSE低于3.5 °C,平均MAE为2.3 °C;按高程分组的验证显示,在高原与复杂地形区域PIST仍与参考产品保持较强相关。

3.3 极端事件识别。采用sWBGT≥29 °C且持续超过6小时作为危险湿热事件标准,对比日尺度ERA5、小时ERA5、日尺度PIST和小时PIST四组数据发现,日尺度数据平均高估极端事件持续时间超过6%,原因是日最大值可能捕捉到不能持续维持的瞬时峰值;而小时1 km的PIST结果能够揭示城市化区域中极端事件持续时间显著长于周边非城市区域,这种局地持久性在粗分辨率ERA5数据中几乎不能体现,说明同时解析空间异质性和亚日变化对湿热暴露评估的重要性。

讨论指出,物理约束的引入能有效缓解统计模型对极值的平滑效应,使PIST在极端高温下保持较高精度。热湿极端条件下,热应激指数的误差更多来源于气温估计误差而非露点温度偏差。PIST也部分改善了ERA5在城市区域的系统性暖偏差。方法仍存在若干局限:亚网格时间趋势均一性假设、基于二维土地覆盖的粗糙度参数化难以表达三维城市形态、以及在寒冷和地形复杂区域的迁移性有待验证。未来需发展地表条件约束的灵活时间融合方案,引入局地气候分区(LCZ)或三维城市形态数据,并开展跨气候区的不确定性传播分析。

结论方面(翻译自原文):研究人员开发的PIST降尺度模型将地表能量平衡和水平平流融入统计数据融合,实现了小时、1 km分辨率的湿热应激指数重建。在长江三角洲2020年暖季应用中,四个指数的
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号