基于MODIS数据的青藏高原遥感云量重构

doi:10.11873/j.issn.1004-0323.2023.5.1136

遥感技术与应用

2023, Vol. 38

Issue (5): 1136-1147 DOI: 10.11873/j.issn.1004-0323.2023.5.1136

遥感应用

基于MODIS数据的青藏高原遥感云量重构

周厚瑀^1,²(

),董庆^1,³(

),孟德利^1,²,赵文博^1,²,边民^1,²

^1.中国科学院空天信息创新研究院数字地球重点实验室，北京 100094
^2.中国科学院大学，北京 100049
^3.中科卫星应用德清研究院浙江省微波目标特性测量与遥感重点实验室，浙江湖州 313200

Reconstruction of Remote Sensing Cloud Cover over Tibetan Plateau based on MODIS Data

Houyu ZHOU^1,²(

),Qing DONG^1,³(

),Deli MENG^1,²,Wenbo ZHAO^1,²,Min Bian^1,²

^1.Laboratory of Digital Earth Science，Aerospace Information Research Institute，CAS，Beijing 100094 China
^2.University of Chinese Academy of Sciences，Beijing 100049，China
^3.Key Laboratory of Target Microwave Properties of Zhejiang，Deqing Academy of Satellite Applications，Huzhou 313200，China

全文: PDF(8089 KB) HTML

摘要：

云是影响青藏高原能量平衡和地气过程的关键参量之一，研究高原的云量对探讨青藏高原的气候变化具有重要意义。采用2001~2020年的MODIS总云量数据与ERA5、CRA40两套再分析资料的总云量数据，以3~11月份MOD06云量资料为真值，评价不同再分析资料在青藏高原的适用性。利用改进自编码器模型，基于ERA5和MOD06重构了1950~2020年的3~11月的高原云量。结果表明：在高原地区，ERA5的云量值偏高，而CRA40云量值偏低，且ERA5与MOD06的相关性明显优于CRA40与MOD06的相关性；通过相关系数、偏差、平均绝对误差、均方根误差四种评价指标，发现改进自编码器模型在重构云量方面具有良好的效果，且能模拟出青藏高原云量的变化趋势，为研究青藏高原地区云量时空演变规律提供了可靠的长时序数据。

关键词： 青藏高原; 云量; MODIS; 再分析资料; 数据重构; 自编码器

Abstract:

The Tibetan Plateau （TP），with its unique climate characteristics and geographical pattern， plays an important role in global climate change. As an important part of the earth atmosphere system， cloud is key to affecting climate change. Cloud cover can more directly reflect the change of cloud. Therefore， it is of great significance to reconstruct a cloud cover product with longer time series and higher accuracy in the TP. In this paper， Considering the complex underlying surface types and geographical elevations in the TP， We select the cloud cover of MOD06， ERA5 and CRA40 from 2001 to 2020. We take the cloud cover of MOD06 from March to November as the true value and evaluate the applicability of the two reanalysis data in the TP through methods such as climate tendency rate and correlation coefficient.Based on ERA5 and MOD06， the improved auto-encoder model is used to reconstruct the cloud cover of the plateau from March to November of 1950 to 2020. The results show that the cloud cover of ERA5 is higher than that of MOD06， while that of CRA40 is lower than that of MOD06， and the correlation between ERA5 and MOD06 is obviously better than that between CRA40 and MOD06；The improved auto-encoder model evaluated by four evaluation indicators of correlation coefficient（R）， bias， Mean Absolute Error（MAE） and Root Mean Square Error（RMSE） has a good effect on cloud amount reconstruction. The correlation coefficient between cloud amount reconstructed by the improved autoencoder model and MOD06 cloud amount data increases by more than 20% on average from March to November， and can simulate the change trend of cloud amount over the TP. The results provide reliable long time series data for studying the temporal and spatial evolution of cloud cover over the TP.

Key words: Tibetan Plateau （TP） Cloud over MODIS Reanalysis data Data reconstruction Auto-encoder

收稿日期: 2022-06-30 出版日期: 2023-11-07

ZTFLH:

TP79

基金资助: 国家自然科学基金项目“基于遥感数据的印太暖池区近30a海洋环境参数变化研究”(41876210)

通讯作者: 董庆 E-mail: zhouhouyu20@mails.ucas.ac.cn;dongqing@aircas.ac.cn

作者简介: 周厚瑀（1999-），男，江苏宿迁人，硕士研究生，主要从事气象遥感研究。E?mail: zhouhouyu20@mails.ucas.ac.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	周厚瑀
	董庆
	孟德利
	赵文博
	边民

引用本文:

周厚瑀,董庆,孟德利,赵文博,边民. 基于MODIS数据的青藏高原遥感云量重构[J]. 遥感技术与应用, 2023, 38(5): 1136-1147.

Houyu ZHOU,Qing DONG,Deli MENG,Wenbo ZHAO,Min Bian. Reconstruction of Remote Sensing Cloud Cover over Tibetan Plateau based on MODIS Data. Remote Sensing Technology and Application, 2023, 38(5): 1136-1147.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2023.5.1136 或 http://www.rsta.ac.cn/CN/Y2023/V38/I5/1136

图1 研究区位置与地形

图2 技术路线图

表1 所采用的各数据集的基本参数简介

图3 自编码器原理图

图4 改进自编码器原理图

图5 3种资料2001~2020年青藏高原总体云量年际及月际变化（%）（图（a）中虚线为线性拟合线，y1、y2、y3分别代表ERA5、MOD06、CRA40云量，x代表时间）

表2 MOD06与CRA40、ERA5的1-12月份的相关系数

图6 2011~2020年3~11月份MOD06、IMAE-CF云量时间序列（图中虚线为线性拟合线，y1、y2分别代表MOD06、IMAE-CF云量，x代表时间）

图7 2011~2020年3~11月份MOD06与IMAE-CF密度散点图（图中黑线为对角线）

图8 IMAE-CF、ERA5与MOD06的Bias、MAE、RMSE变化图

图9 2011~2020年ERA5、MOD06、IMAE-CF春、夏、秋云量气候态

图10 2011~2020年春、夏、秋季MOD06与IMAE-CF密度散点图（图中黑线为对角线）

表3 2011~2020年ERA5、IMAE-CF与MOD06春夏秋三季云量气候态各项评价指标（%）

图11 1950~2020年3~11月份ERA5与IMAE-CF的时间序列，叠加2001-2020年3~11月份MOD06时间序列（每两年显示一次）

图12 1950~2020年ERA5与IMAE-CF春、夏、秋云量空间分布图

1	SEAGER R， NAIK N， VECCHI G A.Thermodynamic and dynamic mechanisms for large-scale changes in the hydrological cycle in response to global warming［J］. Journal of Climate， 2010， 23（17）： 4651-4668.
2	CHEN H， ZHU Q， PENG C， et al. The impacts of climate change and human activities on biogeochemical cycles on the Qinghai‐Tibetan P lateau［J］. Global Change Biology， 2013， 19（10）： 2940-2955.
3	DUAN A， XIAO Z. Does the climate warming hiatus exist over the Tibetan Plateau？［J］. Scientific Reports， 2015， 5（1）： 1-9.
4	TANG Qiuhong， LIU Yubo， ZHANG Chi， et al. Research Progress on water vapor source change of precipitation in Qinghai‐Tibetan Plateau and its surrounding areas ［J］ Transactions of Atmospheric Sciences， 2020， 43（6）：1002-1009.
4	汤秋鸿，刘宇博，张弛，等. 青藏高原及其周边地区降水的水汽来源变化研究进展［J］. 大气科学学报， 2020，43（6）：1002-1009.
5	ZHANG Xueqin， PENG Lili， ZHENG Du， et al. Temporal and spatial variation of total cloud cover over Qinghai‐Tibetan Plateau from 1971 to 2004 and its influencing factors ［J］ Acta Geographica Sinica， 2007，62（9）： 959-969.
5	张雪芹，彭莉莉，郑度，等. 1971-2004年青藏高原总云量时空变化及其影响因子［J］. 地理学报， 2007，62（9）： 959-969.
6	HARRISON E F， MINNIS P， BARKSTROM B R， et al. Seasonal variation of cloud radiative forcing derived from the Earth Radiation Budget Experiment［J］. Journal of Geophysical Research： Atmospheres， 1990， 95（D11）： 18687-18703.
7	DAI Jiaxian. The Climate of the Qinghai-Xizang Plateau. Beijing： China Meteorological Press［M］. Beijing： Meteorological Publishing House，1990：215-221.戴加冼.青藏高原气候. 北京：气象出版社， 1990：215-221.
8	YOU Q， JIAO Y， LIN H， et al. Comparison of NCEP/NCAR and ERA‐40 total cloud cover with surface observations over the Tibetan Plateau［J］. International Journal of Climatology， 2014， 34（8）： 2529-2537.
9	BAO S， LETU H， ZHAO J， et al. Spatiotemporal distributions of cloud parameters and their response to meteorological factors over the Tibetan Plateau during 2003–2015 based on MODIS data［J］. International Journal of Climatology， 2019， 39（1）： 532-543.
10	MA Q R， YOU Q L， MA Y J， et al. Changes in cloud amount over the Tibetan Plateau and impacts of large-scale circulation［J］. Atmospheric Research， 2021， 249： 105332.
11	CHEN Shaoyong， DONG Anxiang. Climate change and stability of total cloud cover over the Qinghai Xizang Plateau ［J］ Arid Zone Research， 2006，23（2）： 327-333.
11	陈少勇，董安祥，青藏高原总云量的气候变化及其稳定性［J］. 干旱区研究， 2006，23（2）：327-333.
12	NORRIS J R， ALLEN R J， EVAN A T， et al. Evidence for climate change in the satellite cloud record［J］. Nature， 2016， 536（7614）： 72-75.
13	ZHANG Dejie， SHI Chunxiang， ZHANG Tao， et al. Comparative analysis of total cloud cover products from various data in China［J］ Plateau Meteorology： 2022， 41（3）： 803-813.张德杰，师春香，张涛，等. 多种资料的总云量产品在中国区域的对比分析［J］. 高原气象， 2022， 41（3）： 803-813.
14	DUAN A， WU G. Change of cloud amount and the climate warming on the Tibetan Plateau［J］. Geophysical Research Letters，2006，33（22）：L22704. DOI：10.1029/2006GL027946 doi: 10.1029/2006GL027946
15	WANG J， DAI A， MEARS C. Global water vapor trend from 1988 to 2011 and its diurnal asymmetry based on GPS， radiosonde， and microwave satellite measurements［J］. Journal of Climate， 2016， 29（14）： 5205-5222.
16	LI J， MAO J， WANG F. Comparative study of five current reanalyses in characterizing total cloud fraction and top‐of‐the‐atmosphere cloud radiative effects over the Asian monsoon region［J］. International Journal of Climatology， 2017， 37（15）： 5047-5067.
17	MA J， WU H， WANG C， et al. Multiyear Satellite and Surface Observations of Cloud Fraction over China［J］. Journal of Geophysical Research Atmospheres， 2014， 119（12）：7655-7666.
18	KOTARBA A Z. A Comparison of MODIS-derived cloud amount with visual surface observations［J］. Atmospheric Research， 2009，92（4）： 522–530.
19	LIU Jian. Comparative analysis of three satellite cloud cover data in the Qinghai Tibet Plateau［J］. Journal of Remote Sensing，2021，25（7）：1445-1459.
19	刘健.三种卫星云量数据在青藏高原地区的比对分析［J］.遥感学报，2021，25（7）：1445-1459.
20	LIU X， CHEN B. Climatic warming in the Tibetan Plateau during recent decades［J］. International Journal of Climatology： A Journal of the Royal Meteorological Society， 2000， 20（14）： 1729-1742.
21	ZHANG G， YAO T， XIE H， et al. Increased mass over the Tibetan Plateau： from lakes or glaciers？［J］. Geophysical Research Letters， 2013， 40（10）：2125-2130.
22	KING M D， PLATNICK S， MENZEL W P， et al. Spatial and temporal distribution of clouds observed by MODIS onboard the Terra and Aqua Satellites［J］.IEEE Transactions on Geoscience and Remote Sensing，2013，51（7）：3826-3852.
23	PLATNICK S， MEYER K G， KING M D， et al. The MODIS cloud optical and microphysical products： Collection 6 updates and examples from Terra and Aqua［J］.IEEE Transactions on Geoscience and Remote Sensing，2016，55（1）： 502-525.
24	HERSBACH H， BELL B， BERRISFORD P， et al.The ERA5 global reanalysis［J］. Quarterly Journal of the Royal Meteorological Society，2020，146（730）：1999–2049.
25	LIU Z Q， SHI C X， ZHOU Z J， et al. CMA global reanalysis （CRA-40）： Status and plans［C］∥Proc. 5th International Conference on Reanalysis. Rome， Italy： Nat. Meteor. Int. Canter， 2017： 13-17.
26	ZHAO D， ZHANG L， ZHOU T， et al. Contributions of local and remote atmospheric moisture fluxes to East China Precipitation estimated from CRA-40 reanalysis［J］. Meteorol. Res，2021，35（1）：32-45.
27	KANG Xiaowei， FENG Zhongkui. Aster GDEM data introduction and program reading［J］. Remote Sensing Information，2011（6）： 69-72.康晓伟，冯钟葵. ASTER GDEM数据介绍与程序读取［J］.遥感信息，2011，（6）：69-72.
28	WEI Fengying. Modern Climate Statistical Diagnosis and Prediction Technology（Second Edition）［M］.Beijing：Meteorologi-cal Publishing House，2007：43-46
28	魏凤英.现代气候统计诊断与预测技术（第二版）［M］.北京：气象出版社，2007：43-46.
29	YUAN Feiniu， ZHANG Lin， SHI Jinting， et al. Overview of theory and application of self coding Neural Network［J］. Chinese Journal of Computers，2019，42（1）：203-230.
29	袁非牛，章琳，史劲亭，等. 自编码神经网络理论及应用综述［J］. 计算机学报， 2019， 42（1）： 203-230.
30	SHENG Xia， SHI Yuli， DING Haiyong. Spatial downscaling of GPM precipitation over the Tibetan Plateau［J］. Remote Sensing Technology and Application，2021，36（3）：571-580.
30	盛夏，石玉立，丁海勇.青藏高原GPM降水数据空间降尺度研究［J］.遥感技术与应用，2021，36（3）：571-580.

[1]	李云龙,李军,常梓煜. 基于不同植被指数的重庆地区物候参数提取对比研究[J]. 遥感技术与应用, 2023, 38(4): 978-989.
[2]	魏松岩,孟祥强,衣晓宾,李峰,钟兴,陈思. “一带一路”区域国产中高分辨率宽波段多光谱卫星数据获取技术研究[J]. 遥感技术与应用, 2023, 38(4): 776-782.
[3]	孟祥强,李峰,钟兴,衣晓宾,魏松岩. 基于多要素叠加的大区域遥感拍摄分解研究[J]. 遥感技术与应用, 2023, 38(4): 767-775.
[4]	胡解君德,杨英宝,潘鑫,常沁楠,王爱辉. 极轨卫星地表温度时间归一化方法—以MODIS为例[J]. 遥感技术与应用, 2023, 38(4): 855-868.
[5]	鄢俊洁,瞿建华,袁鸣鸽,张贺. 基于深度学习的风云四号卫星绿光通道构建方法[J]. 遥感技术与应用, 2023, 38(1): 214-226.
[6]	杨娜, 汤燕杰, 张宁馨, 张恒杰, 徐少博. 基于SMOS、SMAP数据的青藏高原季风及植被生长季土壤水分长消特征研究[J]. 遥感技术与应用, 2022, 37(6): 1373-1384.
[7]	杜绍杰,赵天杰,施建成,马春锋,邹德富,王振,姚盼盼,彭志晴,郑景耀. Sentinel-1和Sentinel-2协同反演地表土壤水分[J]. 遥感技术与应用, 2022, 37(6): 1404-1413.
[8]	方西瑶,蒋玲梅,崔慧珍. 基于Sentinel-1雷达数据的青藏高原地区土壤水分反演研究[J]. 遥感技术与应用, 2022, 37(6): 1447-1459.
[9]	段旭辉,徐维新,梁好,张娟,代娜,肖强智,王淇玉. 三江源地区高寒冬季枯草遥感监测方法研究[J]. 遥感技术与应用, 2022, 37(6): 1472-1481.
[10]	廖廓,彭中,姜亚珍,党皓飞. 基于深度神经网络联合AMSR2和MODIS数据估算全球蒸散发研究[J]. 遥感技术与应用, 2022, 37(4): 878-887.
[11]	马启民,龙银平,汤世宇,贾晓鹏. 库布齐沙漠典型沙地人工林蒸散对比分析[J]. 遥感技术与应用, 2022, 37(4): 854-864.
[12]	蔡俊飞,赵伟,杨梦娇,詹琪琪,付浩,何坤龙. 基于GLASS数据的青藏高原2001—2018年蒸散发时空变化分析[J]. 遥感技术与应用, 2022, 37(4): 888-896.
[13]	朱爽,张锦水. 中低分冬小麦分布提取模型效率的样本特征分析[J]. 遥感技术与应用, 2022, 37(3): 608-619.
[14]	康新礼,张文豪,刘原萍,顾行发,余涛,张丽丽,徐桦昆. 基于随机森林的京津冀地区PM_2.5遥感反演及变化分析[J]. 遥感技术与应用, 2022, 37(2): 424-435.
[15]	马佳培,李弘毅. 改进频率分布和风速纠正的青藏高原格点降水数据集（1980~2009年）[J]. 遥感技术与应用, 2022, 37(2): 507-514.

Viewed

Full text

Abstract

Cited

Shared

Discussed