蒸散发(ET)作为连接陆地与大气水循环的关键环节,在全球水循环中具有重要作用。本研究通过对比现场观测数据,评估了两种实际蒸散发数据集(GLEAM和ERA5_Land)的精度。为提高数据准确性,我们引入地表温度和净辐射作为协变量进行数据融合,并提出一种基于深度学习的多源ET融合模型,该模型通过挖掘时空依赖关系整合相应数据,其核心由图卷积神经网络(GCN)和门控循环单元(GRU)构成。实验结果表明:
(1)本研究提出的GCN-GRU融合模型在精度上显著优于单一数据源;
(2)模型测试显示其均方根误差(RMSE)低于1.25毫米/天,平均绝对误差(MAE)低于1.1毫米/天,相对偏差(RB)小于22%,相关系数(CC)达0.83;
(3)该模型同时提升了青海省区域原始GLEAM数据和ERA5_Land再分析数据的ET空间精度,其中均方根误差分别降低65%和54%,平均绝对误差分别降低67%和53%;
(4)最终利用GCN-GRU模型融合生成2012-2016年逐日ET数据集,该数据集在青海省区域具有更高空间分辨率(0.01°)和更优的数据精度。
| 采集时间 | 1990/01/01 - 2023/12/31 |
|---|---|
| 采集地点 | 青海省 |
| 海拔 | 1600.0m - 6500.0m |
| 数据量 | 352.8 MiB |
| 数据格式 | *.nc |
| 数据空间分辨率(/米) | 1000 |
| 数据时间分辨率 | 日 |
本研究驱动模型所使用的数据包括地面气象站点观测数据、再分析气象数据和遥感数据。地面气象站点观测数据来源于国家气象信息中心(https://data.cma.cn), 时间分辨率为1天。同时采用了欧洲气象预报中心生成的第五代大气再分析数据集ERA5_land。针对气象站点观测数据和ERA5_land数据,将小时尺度的总蒸散发量和净辐射数据通过处理转化为日尺度数据。这些数据集原始空间分辨率为0.1°×0.1°,通过最近邻插值法降尺度至0.01°×0.01°。
遥感数据来源于NASA的MODIS产品和GLEAM(阿姆斯特丹陆地蒸散发模型)数据集。其中GLEAM数据(版本3.7a)基于卫星与再分析数据的融合,提供时间分辨率为1天、空间分辨率为0.25°×0.25°的全球ET数据。特别地,我们将各数据源(GLEAM和ERA5_Land)的原始数据降尺度至与融合模型相匹配的0.01°分辨率。降尺度处理采用最近邻插值法——该方法通过将目标像元值赋值为最邻近已知像元值,是一种简洁高效的空间插值方法。
对于MODIS产品,我们选用MOD11A1数据集。该数据集提供分辨率为0.01°×0.01°的全球日尺度地表温度数据,原始数据采用正弦曲线投影的HDF格式文件。我们使用NASA提供的MRT(Modis Reprojection Tools)软件对原始数据进行批量拼接和投影转换,最终生成采用GCS_WGS_1984坐标系的TIF格式文件,并采用双线性插值法进行重采样。GCS_WGS_1984是基于世界大地测量系统1984版(WGS84)的地理坐标系,采用经纬度表示地球位置,是目前广泛使用的标准地理坐标系。
本研究采用图卷积网络(GCN)捕捉多源数据间的空间依赖性。通过将地理相邻区域的关系构建为图结构,GCN能够聚合节点特征及其邻近节点的特征。同时,利用门控循环单元(GRU)提取单源数据内部的时间依赖性并捕获时序模式。通过整合GCN与GRU,我们实现了多源数据时空依赖关系的联合建模,最终生成具有时空表征能力的特征向量。这些特征向量将被输入融合模型,以提升蒸散发(ET)估算精度。
通过采用GCN-GRU深度学习方法,成功构建了1990-2023年青海省区域1公里分辨率的蒸散发(ET)产品。该产品融合了ERA5_Land和GLEAM网格气象数据集及相关协变量数据。通过青海省区域内不同数据源(包括融合ET数据、ERA5_Land ET和GLEAM ET)与站点观测值的均方根误差(RMSE)对比。模型生成的融合数据显著降低了与站点观测的RMSE:相较于ERA5_Land数据,融合数据的RMSE降低了1.43毫米/天(降幅53%);相较于GLEAM数据则降低了2.3毫米/天(降幅65%)。融合数据相较于ERA5_Land数据的平均绝对误差(MAE)降低1.14毫米/天(降幅54%),相较于GLEAM数据则降低2毫米/天(降幅67%)。这些结果表明,基于GCN-GRU方法的融合模型能获得更精确的ET估算结果,在青海省区域显著优于单一数据源(ERA5_Land和GLEAM)的表现。
| # | 编号 | 名称 | 类型 |
| 1 | 2022YFF1302601 | 高寒矿区冻土水文生态时空变化监测和数据融合技术集成 | 国家重点研发计划 |
本作品采用
CC BY 4.0 (知识共享 署名 4.0 国际许可协议)进行许可。
| # | 标题 | 文件大小 |
|---|---|---|
| 1 | 基于GCN_GRU模型的青海省逐日蒸散发融合数据集_数据说明文档.docx | 19.1 KiB |
| 2 | 木里矿区蒸散发融合数据-1km&逐日 |
| # | 类别 | 标题 | 作者 | 年份 |
|---|---|---|---|---|
| 1 | 论文 | Improving Regional Evapotranspiration Prediction Accuracy through Data Fusion Using a GCN-GRU Model: The Case of Qinghai Province | 刘畅,张小丹,权晨,王洪宇,游少杰,赵彤,杜华礼 | 2023 |
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
uT.7ca
nU7WJsfR
© 中国科学院西北生态环境资源研究院 2005- 备案号:陇ICP备2021001824号-21
兰州市东岗西路320号, 730000, 电话: 0931-4967592,0931-4967596

