高原气象

高原气象 >

2020 , Vol. 39 >Issue 4: 819 - 829

DOI: https://doi.org/10.7522/j.issn.1000-0534.2020.00007

论文

卫星降水产品在太行山区的适用性初步评估

  • 俞琳飞 , 1, 2, 3 ,
  • 张永强 4 ,
  • 张佳华 5 ,
  • 杨永辉 , 1, 2
展开
  • 1. 中国科学院遗传与发育生物学研究所农业资源研究中心/中国科学院农业水资源重点实验室/ 河北省节水农业重点实验室, 河北 石家庄 050011
  • 2. 中国科学院大学中丹学院, 北京 101400
  • 3. 中国 -丹麦科研教育中心, 北京 101400
  • 4. 中国科学院地理科学与资源研究所, 北京 100011
  • 5. 中国科学院对地观测与数字地球科学中心, 北京 100011
杨永辉（1965 -）， 男， 河北石家庄人， 研究员， 主要从事生态水文研究. E-mail:

俞琳飞（1995 -）， 男， 福建浦城人， 硕士研究生， 主要研究方向为山区降水反演. E-mail:

收稿日期: 2019-11-25

  修回日期: 2020-03-06

  网络出版日期: 2020-08-28

基金资助

国家自然科学基金项目(41671021)

国家水专项(2018ZX07110001)

国家重点研发计划项目(2018YFE0110100)

收起

Preliminarily Evaluate the Applicability of Satellite Precipitation Products over the Taihang Mountains

  • Linfei YU , 1, 2, 3 ,
  • Yongqiang ZHANG 4 ,
  • Jiahua ZHANG 5 ,
  • Yonghui YANG , 1, 2
Expand
  • 1. Center for Agriculture Resources Research, Institute of Genetics and Development Biology, Chinese Academy of Science, Key Laboratory of Agriculture Water Resources, Hebei Laboratory of Agriculture Water-saving, Shijiazhuang 050011, Hebei, China
  • 2. Sino-Danish College, University of Chinese Academy of Sciences, Beijing 101400, China
  • 3. Sino-Danish Center for Education and Research, Beijing 101400, China
  • 4. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Science, Beijing 100011, China
  • 5. Institute of Remote Sensing and Digital Earth, Chinese Academy of Science, Beijing 100011, China

Received date: 2019-11-25

  Revised date: 2020-03-06

  Online published: 2020-08-28

Fold

本文亮点

以地面雨量站的观测数据作为基准, 采用连续统计指标（相关系数R、 均方根误差RMSE、 偏差率β、 变化率γ、 综合评价指标KGE'）以及分类统计指标（命中率POD、 误报率FAR、 临界成功指数CSI）, 在不同时间尺度（1, 3, 6, 12和24 h）, 基于不同降水强度（小雨、 中雨、 大雨、 暴雨、 大暴雨）范围, 综合评价了3种卫星降水产品（CMORPH CRT, TMPA TRMM 3B42和GPM IMERG）在太行山区的适用性。结果表明: 在精度表现上, 当降水累积到3 h之后, 各产品的精度表现逐渐平稳, KGE'值基本保持不变, 但总体精度较低。在降水探测表现上, 3种产品的POD随时间积累而升高, 波动范围在0.5~0.8, CRT和3B42产品的FAR随时间的累积而下降, 波动范围在0.5~0.75。在不同降水强度范围的进行精度分析, 发现卫星观测降水和地面实际降水呈弱相关（R<0.4）, RMSE随雨强的增大而增大, POD随雨强的增大而减少, 范围大致在0.4~0.65, FAR随雨强的增大而升高, 范围大致在0.6~0.85。IMERG产品在各时间尺度下都低估了<0.1 mm降水事件, 而对 降水≥0.1 mm事件的观测则不同程度地偏高。CRT产品在1, 3, 6和24 h时间尺度上的大雨和暴雨事件存在高估现象, 3B42产品在不同时间尺度上都更为接近实际降水情况。

本文引用格式

俞琳飞 , 张永强 , 张佳华 , 杨永辉 . 卫星降水产品在太行山区的适用性初步评估[J]. 高原气象, 2020 , 39(4) : 819 -829 . DOI: 10.7522/j.issn.1000-0534.2020.00007

Highlights

High-resolution satellite precipitation products (SPPs) provide forcing inputs for hydrologic applications.Complex mountain terrains have a significant effect on the occurrence and intensity of precipitation.In this study, ground-based observations were adopted as the benchmark to evaluate accuracy and precipitation detection capability of three SPPs (bias-corrected Climate Prediction Center morphing method, CMORPH CRT; Tropical Rainfall Measuring Mission, TRMM 3B42V7; and Integrated Multi-satellite Retrievals for Global Precipitation Measure, GPM IMERG) was validated by 104 rain gauges from 1 January 2016 to 31 December 2017 in different time scales (1 h, 3 h, 6 h, 12 h and 24 h) based on different precipitation intensity (light rain, moderate rain, heavy rain, very heavy rain and extreme rain) over the Taihang Mountains.Eight statistical metrics were utilized to quantitative analysis in this research.These indices include Correlation Coefficient (R), Root Mean Square Error (RMSE), Bias ratio (β), Variability ratio (γ), Kling-Gupta efficiency (KGE'), Probability of Detection (POD), False Alarm Ratio (FAR) and Critical Success Index (CSI).Results show that: (1) The accuracy performance of each SPP gradually stabilizes after the precipitation accumulate to 3 h, and the KGE' basically remains unchanged after 3 h time scale.In terms of the precipitation detection performance of SPPs, POD of three SPPs increase with the accumulation of precipitation time (POD range from 0.5 to 0.8), and FAR of CRT and 3B42 products decrease with the accumulation of precipitation time (FAR range from 0.5 to 0.75).(2) In terms of the accuracy analysis of different precipitation intensity ranges, there is a weak correlation between precipitation observations by SPPs and precipitation observations on the ground (R<0.4).RMSE increase with the increase of precipitation intensity for all SPPs, POD of all SPPs decrease with the increase of precipitation intensity over the Taihang Mountains, ranging from 0.4 to 0.65, and FAR of all SPPs increases with the increase of precipitation intensity, ranging from 0.6 to 0.85.(3) In terms of Probability density distribution (PDF), IMERG product underestimates the rain event of P<0.1 mm in all time scales.To varying degree, IMERG product overestimates the rain event of P≥0.1 mm over the Taihang Mountain.CRT product shows an overestimation of heavy rain and very heavy rain events at 1 h, 6 h, 12 h and 24 h.The PDF of 3B42 product in different precipitation intensity ranges are closer to the actual observed precipitation on the ground in study areas, but the observation of moderate rain events is underestimated by this product in all time scales.Our results not only demonstrate the superiority of different products at different time scales and precipitation intensity ranges, but also provide suggestions for further improvement of the SPPs especially for complex terrains.

1 引言

降水是全球水循环的关键组成要素, 也是水文过程模拟最重要的输入之一, 对维持地球各圈层的平衡具有重要的意义（刘江涛等, 2019）, 然而降水具有高度的时空变异性和非正态分布的特征, 使得降水的定量估算成为气象和水文领域的难题（曾岁康等, 2019; 沈艳等, 2013）。传统的降水观测方式是基于地面雨量站在“观测点”上进行降水量的监测, 难以反映地区降水的空间分布特征, 特别是在人迹罕至的海洋和高原地区雨量站的分布极为稀疏, 降水的准确测量更加难以实现（Tan et al, 2018）。近年来, 遥感观测技术不断发展使得反演无资料地区的降水空间格局成为可能。其中, 卫星降水数据全天候和连续观测的优势为水文模拟、 径流预报和自然灾害预警都提供了重要的数据资料（Zambrano-Bigiarini et al, 2017; 王存光等, 2018）。
地表覆盖类型会对卫星传感器提供信息的准确度造成一定的影响（Sharifi et al, 2018）。例如, 在海洋上, 微波发射率低且高度极化, 促使被动微波（PMW）传感器能够较完全地分离表面辐射信号和液体水成物产生的热发射信号。然而, 在陆地上微波发射率与土壤湿度、 地面粗糙度、 植被类型、 冠层和冰积雪等一系列高度可变的地表特征都存在着复杂的关系, 导致微波发射率波动较大, 使得卫星降水产品在不同地形区的表现各异（Sharifi et al, 2018）。中国大陆山区面积约占到全国国土总面积的68%（张伟等, 2013）。同时, 山区夏季短时强对流天气的频发（王丛梅等, 2017）, 对卫星产品的降水反演形成了极大的挑战。Tong et al（2014）通过对比5种高分辨率卫星降水产品发现, 卫星产品具有为山区提供高效降水信息的巨大潜力, 但需要进一步分析降水产品在复杂地形下的表现。同样, Bharti et al（2015）利用TRMM 3B42V7产品与喜马拉雅西北部地区的地面观测数据进行对比验证, 发现降水估算的偏差与当地气候和地形存在显著的关系; Xu et al（2017）在青藏高原南部对GPM IMERG和TRMM 3B42V7进行了比较评估后发现, 两种产品在高海拔地区降水探测能力表现很差。然而, Gao et al（2013）则认为卫星降水产品的表现更易受到降水强度的影响而非地形。
近几十年来, 在全球变暖背景下, 极端降水事件的发生频率和强度均呈现上升的趋势（潘欣等, 2019）。例如, 研究人员观测到二十世纪以来全球极端降水频率（>50 mm•d-1）显著增加（Karl et al, 1995）。同样, Suppiah et al（1998）报道了澳大利亚90 th和95 th分位数的降水强度事件发生更为频繁, 甚至有研究显示大于99 th分位数的降水强度事件的增加（Plummer et al, 1999）。因此, 在复杂地形条件下, 卫星降水产品能否作为有力工具准确反演短时强降水甚至极端降水值得进一步分析讨论。
山区地形复杂, 相对起伏大, 且高海拔地区气象站点分布少且不均匀, 为山区降水空间分布特征的研究造成了一定的困难。同时, 山区降水时空变异性大, 卫星降水产品能否准确反演强降水甚至极端降水还不明晰且鲜有报道, 特别是对于新一代卫星降水产品GPM IMERG。为了探究卫星降水产品在山区降水反演的精度和降水探测能力, 本文基于太行山区104个国家级气象站点2016年1月至2017年12月的地面降水观测数据, 利用较为广泛的国际卫星降水产品-TMPA（Tropical Rainfall Measurement Mission Merged Precipitation Analysis）和CMORPH（Climate Prediction Center MORPHing technique）以及新一代卫星降水产品IMERG（Integrated Multi-satellite Retrievals for Global Precipitation Measurement）在太行山区进行卫星产品适用性评估， 以此为卫星降水产品质量进一步提升提供科学参考, 并为山区降水数据源的拓展提供更多的选择。

2 资料来源和方法介绍

2.1　研究区概况

太行山区是我国北方重要的山脉带之一, 地理位置介于34°34'N -40°43'N、 110°14'E -116°33'E, 是黄土高原和华北平原的重要自然地理分界线（Fu et al, 2018a）。纵跨北京、 河北、 山西和河南四省（市）。境内地形复杂, 相对起伏超过3000 m。同时, 太行山区是京津冀地区重要的水源地, 山区气候类型为典型的暖温带大陆性季风气候, 夏季高温多雨, 冬季寒冷干燥, 年均降水量大致为400~600 mm（Fu et al, 2018b）, 区内主要水系包括黄河流域的黄河干流和海河流域的支流等。

2.2　地面参考数据

地面雨量站监测数据来源于河北省、 山西省和河南省气象局, 包括104个地面气象站点逐小时数据, 地面站点分布如图1所示, 站点数据经过了均一性检查和质量控制。由于地面气象资料所提供的是每小时的降水数据, 对于不同时间尺度的降水数据, 按照对应时段进行累加得到3, 6, 12和24 h时间尺度的地面观测数据。
图1 太行山区地形和雨量站分布

Fig.1 Geographic map showing the topography and the distribution of rain gauges over the Taihang Mountain

2.3　卫星降水数据

研究所使用的卫星降水数据的基本信息见表1。CMORPH数据集是美国国家海洋和大气管理局（NOAA）气候预测中心（CPC）研制的具有高时空分辨率的全球卫星降水产品（Joyce et al, 2004）。该产品是由多个来自低地球轨道卫星的被动微波信息和来自地球同步平台的红外辐射数据相结合。在各产品版本中, CMORPH CRT是经过CPC和GPCC（Global Precipitation Climatology Center）偏差校正的产品（Joyce et al, 2004）。本研究选用CMORPH V1.0 版8 km·(0.5h)-1的偏差校正产品CMORPH CRT(简称CRT)。
表1 卫星降水产品的基本信息

Table 1 Basic information of satellite precipitation products

数据集 全名 覆盖范围 空间分辨率 时间 参考文献
CMORPH CRT NOAA Climate Prediction Center (CPC) MORPHing technique 60°N -60°S 8 km, 0.25° 1998年1月至今 Joyce et al, 2004
TMPA 3B42V7 TRMM Multi-satellite Precipitation Analysis research product 3B42 Version 7 50°N -50°S 0.25° 1998年1月至今 Huffman et al, 2007
GPM IMERG GPM Integrated Multi-satellitE Retrievals 60°N -60°S 0.1° 2004年1月至今 Wang et al, 2018
TRMM是与美国国家航空航天局（NASA）和日本宇宙航空研究开发机构（JAXA）合作设计和开发的卫星, 主要是用于监测热带和亚热带地区的降水（Huffman et al, 2007）。卫星在近地轨道运行, 高度为400 km, 倾角为35°, 每天绕地球运行约16次。卫星装备有TRMM微波成像仪、 降水雷达、 可见光和红外传感器、 闪电成像传感器、 云和地球辐射能系统等（Huffman et al, 2007; 唐国强等, 2015）。本文选用的是时空分辨率为0.25°·(3h)-1的TMPA 3B42V7产品(简称3B42)。由于NASA所提供的TMAP 3B42V7产品的最小时间分辨率为3 h, 因此本文不进行对该产品1 h时间尺度上的精度和探测能力分析。
IMERG是专为全球降水观测计划（GPM）设计的最新一代多卫星融合反演降水数据, 融合了多源传感器提供的数据, 包括微波、 红外和雷达数据, 并通过GPCC的校准分析进行数据校正（Wang et al, 2018）。GPM首次采用双频雷达观测系统, 并结合主动雷达观测技术, 从不同的角度提供云层降水粒子的物理信息（包括雨滴的形状、 强度和对流过程）, 提高了对轻量级降水及固态的捕捉能力, 使其能够准确的刻画降水时空分布格局（任英杰等, 2019）。根据源数据处理过程不同, IMERG提供3种产品, 包括近实时Early、 Late和滞时的Final产品。Final产品经过月尺度气候资料校正, 数据精度要优于Early和Late产品（曾岁康等, 2019）。本文采用Final产品中经过GPCC校正后的数据集, 数据其时空分辨为1 h/0.1°(简称IMERG)。

2.4　精度评估指标

为了定量分析卫星降水产品的精度及误差, 本文采用系列评估指标对卫星降水产品表现进行综合评估。评估指标包括: 相关系数（Correlation coefficient, R）, 该指标表示卫星数据与站点观测数据的线性相关程度, 最优值为1; 偏差率（Bias ratio, β）, 该指标用来反映卫星数据对比于站点观测数据的高估（β>1）和低估（β<1）的情况; 变化率（Variability ratio, γ）, 是用来表示卫星观测值和地面观测值的离散程度是高（γ>1）还是低（γ<1）; 均方根误差（Root Mean Squared Error, RMSE）, 该指标可以反映卫星观测值和地面观测值之间的离散程度, 也可以反映卫星降水产品整体误差水平和精度, 其最优值为0; KGE'（Kling-Gupta efficiency）是一个集成R, β, γ的评价指标, 能综合的反映卫星产品的表现, 最优值为1（Kling et al, 2012）。各评价指标的公式如下:
R = 1 N ∑ n = 1 N ( S n - S ¯ ) ( G n - G ¯ ) σ S σ G
R M S E = 1 N ∑ n = 1 N ( S n - G n ) 2
β = S ¯ G ¯
γ = σ S / S ¯ σ G / G ¯
K G E ' = 1 - ( R - 1 ) 2 + ( β - 1 ) 2 + ( γ - 1 ) 2
式中: n表示降水产品的时间序列样本;   S n和 G n分别表示在同一位置下的卫星降水产品和地面雨量站的降水观测值; S ¯和 G ¯分别为前二者序列的降水均值; σ S和 σ G分别表示前二者序列的标准差。
命中率（Probability of Detection, POD）表示卫星数据准确捕捉实际降水事件的能力, 本研究利用该指标来评价不同卫星降水产品对于不同降水量级的捕捉情况。误报率（False Alarm Ratio, FAR）表示卫星数据对降水事件的误报情况。临界成功指数（Critical Success Index, CSI）则是综合反映了卫星降水产品命中和误报的情况, 表示产品真实的监测实际降水事件的能力。通过以上3种指标来评价降水产品的对于降水事件发生的辨识能力以及对不同降水量级的捕捉能力（肖柳斯等, 2019）, 降水事件探测结果分为4种情况（表2）。POD越高表示降水事件被漏报的概率越小, FAR越低表示降水事件被错误预报的概率越小, CSI越大表示降水产品对降水时间的综合探测能力越强, 各评价指标公式如下:
P O D = n 11 n 11 + n 01
F A R = n 10 n 11 + n 10
C S I = n 11 n 11 + n 01 + n 10
式中: n 11为卫星降水产品和地面气象站同时有雨的频数; n 10为卫星降水产品有雨而地面气象站无雨的频数; n 01为卫星降水产品无雨而地面气象站有雨的频数。除以上探测结果的可能外， 当气象站观测资料和卫星降水产品均未监测到降水时， 其频数表示为 n 00。POD、 FAR和CSI的最优值分别为1, 0和1。
表 2 降水事件探测结果

Table 2 Contingency table of precipitation event

卫星 降水 地面观测降水 总和
≥ 阈值 < 阈值
≥ 阈值 n 11 n 10 n 11 + n 10
< 阈值 n 01 n 00 n 01 + n 00
总和 n 11 + n 01 n 01 + n 00 n= n 11 + n 10 + n 01 + n 00

2.5　降水强度范围划分依据

为了能够更好地了解卫星降水产品在不同降水强度范围的观测精度和不同阈值下的降水探测表现, 本文根据不同时段降水量等级（中华人民共和国标准, 2012）, 对卫星降水产品进行精度表现分析和降水探测能力评估。表3展示了以地面实际降水（P）为基准, 在不同时间尺度上的小雨、 中雨、 大雨、 暴雨和大暴雨的降水强度分级范围, 并注明了评价卫星降水产品探测能力的各降水强度的阈值。由于地面雨量站实际器测降水的基本分辨率为0.1 mm, 同时也为排除微量降水的影响, 本文中卫星降水产品对于不同降水类型的观测精度和探测能力评价是在大于或等于0.1 mm以上降水事件进行。
表3 不同时间尺度下各降水类型雨量范围和阈值

Table 3 The range and threshold of different precipitation types in different time scales

时间 尺度 降水类型 精度评价降水 分级范围/mm 探测能力评价 阈值/mm
1 h 小雨 0.1≤P≤1.5 P≥0.1
中雨 1.5<P≤7 P≥1.5
大雨 7<P≤15 P≥7
暴雨 15<P≤40 P≥15
大暴雨 P>40 P≥40
3 h 小雨 0.1≤P≤3 P≥0.1
中雨 3<P≤10 P≥3
大雨 10<P≤20 P≥10
暴雨 20<P≤50 P≥20
大暴雨 P>50 P≥50
6 h 小雨 0.1≤P≤4 P≥0.1
中雨 4<P≤13 P≥4
大雨 13<P≤25 P≥13
暴雨 25<P≤60 P≥25
大暴雨 P>60 P≥60
12 h 小雨 0.1≤P≤5 P≥0.1
中雨 5<P≤15 P≥5
大雨 15<P≤30 P≥15
暴雨 30<P≤70 P≥30
大暴雨 P>70 P≥70
24 h 小雨 0.1≤P≤10 P≥0.1
中雨 10<P≤25 P≥10
大雨 25<P≤50 P≥25
暴雨 50<P≤100 P≥50
大暴雨 P>100 P≥100

2.6　卫星数据和雨量站数据比较方法

参考Zambrano-Bigiaini et al（2017）和Sharifi et al（2018）的方法, 依据“站点-像元”的方法进行卫星降水产品和站点观测值的对比分析。具体分为以下3种情况: (1）当雨量站点完全落在卫星图像栅格的像元上时, 直接利用站点数据和像元数据进行比较; (2）当雨量站点落在两个像元之间或是四个像元的夹角（边缘<0.01°）的时, 采用两个像元或是四个像元的平均值和雨量站数据进行比较; (3）当一个像元内有两个或两个以上雨量站时, 计算像元内所有站点的平均值与对应该像元值进行比较。

3 结果分析与讨论

3.1　卫星降水产品表现及其变化特征

图2显示了卫星降水产品在不同时间尺度下的精度表现, 可见CRT和IMERG产品与地面观测值的线性相关程度在1 h上最低[图2(a)], R值中位数分别为0.12和0.61。3B42产品则表现出在3 h上与地面观测值的相关性最低, R值中位数为0.39。IMERG产品数据与地面观测数据显示出了最优的线性相关, 并在降水累积到3 h以后R值波动范围稳定, CRT和3B42 产品的相关系数也表现出了相似的变化特征。各产品的RMSE均表现出随着时间的累积而增大, 且IMERG产品的RMSE在各时间尺度上均最大。CRT和IMERG产品高估了实际降水（β>1）, 而3B42产品要低估（β<1）实际降水, 并且所有产品都低估了实际观测降水的变化情况（γ<1）的变化[图2(d)]。KGE'作为R, β, γ的集成综合评价指标, 能更为概括性的反映卫星降水产品的精度表现, 由图2(e)可知, 除CRT产品在1 h上表现较差, 其他产品在各时间尺度上的KGE'值基本保持不变, 但总体表现不佳。
图2 卫星降水产品在不同时间尺度下的精度和探测能力评价

红色虚线为各指标的最优值线

Fig.2 Accuracy and detection capability evaluation of satellite precipitation products in different time scales.Red dashed line indicates the optimal value of each index

卫星降水产品在不同时间尺度的降水探测能力各有不同[图2(f)~(h)]。POD随时间的积累逐渐升高, FAR在3 h以后基本保持不变。结合POD和FAR可以计算CSI得分, CRT和3B42产品的CSI随着时间积累而增加, 由此可见, 降水累积影响了卫星产品POD从而造成了不同时间尺度上产品探测表现的差异。基于精度和探测能力的评价结果, 卫星降水产品表现和时间尺度的最优契合节点应该在6 h左右, 在该时间尺度下, 产品精度表现更好且能获得更为短时的降水数据资料。

3.2　卫星降水产品在不同降水强度范围的精度分析

图3为3种卫星降水产品在太行山区各降水强度范围（小雨、 中雨、 大雨、 暴雨和大暴雨）的精度评估结果。从KGE'来看, 各卫星产品从小雨到暴雨的降水观测精度逐渐变差, 但各产品对大暴雨的观测表现反而相对较好, KGE'值在大暴雨及以上降水量级范围更靠近最优值。值得注意, 3种卫星产品对于大雨观测的离散程度更高其次是中雨。在各时间尺度上, 卫星观测大雨及以上降水量级事件存在低估（β<1）现象, 对小雨事件的观测存在高估（β>1）。各产品的RMSE随着降水强度的增加而增加。虽然GPM核心观测平台载荷的降水雷达增强了对固态和微量降水的探测, 但对于大中降水的探测精度没有进一步提升（曾岁康等, 2019; Xu et al, 2017）。
图3 卫星降水产品在不同时间尺度和不同降水强度范围内相对地面观测数据的精度评价

Fig.3 Accuracy evaluation of satellite precipitation products compared with ground observation data in different time scales and different precipitation intensity ranges

进一步分析卫星降水产品在不同时间尺度下的精度表现。在1 h尺度, CRT和IMERG产品数据与地面观测数据在各降水强度区间都呈现较弱的相关性（R ˂ 0.4）, 由于1 h内发生大暴雨（P>40 mm）的事件仅两次, 从而导致在该降水强度范围内的R=1。当P≥0.1 mm时, IMERG观测数据与地面观测数据达到了中等相关程度（R=0.45）。在3 h尺度, 当P≥0.1 mm, CRT, IMERG和3B42产品的R值分别是0.50, 0.6和0.48。当降水时间累计到6 h以上时, 各产品对大暴雨观测的相关性反而优于其他降水量级。在各时间尺度下, 3套卫星数据与实际降水的RMSE随着降水时间的累积而总体增大。关于降水产品的变化的离散程度可以通过变化率（γ）反映, 3种产品在各时间尺度下, 对各降水量级事件观测的离散程度较高（γ>1）, 除24 h以外, 其他时间尺度3种卫星产品的γ均大于2。基于KGE'的计算结果, 卫星产品对各降水量级观测精度在24 h上表现更好, 这与RMSE的评价结果存在差异, 其主要原因可能是: RMSE描述的是卫星数据与地面数据偏差的平方与观测天数比值的平方根, 但实际强降水事件的降水量可能会大于本研究所划定的暴雨或大暴雨量级阈值, 从而导致RMSE在强降水量级范围的差异很大, 但由于β所计算的是时间序列上的均值, 卫星数据的观测降水和站点观测降水总量差异不大, 就不会出现过大的偏差率, 反而显得卫星降水产品在对大暴雨的观测精度更高。因此, 在对不同卫星降水产品进行精度分析时, 要多角度多指标的进行综合评价。

3.3　卫星降水产品对不同降水类型的探测能力评价

图4分析了卫星降水产品对于不同量级降水的探测能力表现, 特别应关注对于暴雨或是大暴雨事件的探测能力。对1 h降水, CRT和IMERG产品都表现出了POD随降水强度的增加而降低的变化特征, FAR随降水强度的增加而升高的趋势, 可见两种产品对于山区短时强降水的探测能力有待提高。有研究表明, 山区局部高海拔地区由于气温低而常年冰雪覆盖, 降水受到下垫面和地形地貌的影响, 卫星传感器的探测受到较大扰, 导致探测精度较低（Xu et al, 2017; Zambrano-Bigirini et al, 2017; 王思梦等, 2018）。当降水时间积累到3 h及以上, 各卫星产品的POD都有所提高, 范围在0.45~0.65, 而FAR有所降低, 范围在0.6~0.75。依据卫星产品探测能力随时间的变化表现可知, 降水累积对与卫星产品的探测能力影响不大, 不同产品的表现优劣主要是来源自身卫星传感器和反演算法。另外, 卫星产品对于强降水的捕捉能力一直是气象和水文学界关注的重点, 研究表明随着降水强度的增加, 卫星产品的探测能力逐渐减弱, 主要是表现在FAR升高, 其原因可能是卫星传感器捕捉到的是降水伪事件, 而地面并未有实际降水发生, 也有研究指出传感器捕捉到的降水量级是略低于或高于指定降水强度, 从而导致了FAR增加（Bharti et al, 2015; Ebert et al, 2007）。通过比较3套卫星降水数据的CSI值可以发现, 3B42产品在各时间尺度上对于暴雨和大暴雨的探测能力严重不足。
图4 卫星降水产品在不同时间尺度上和不同降水量级的探测能力分析

Fig.4 Analysis of the detection capability of satellite precipitation products in different time scales and different precipitation intensity ranges

3.4　卫星降水产品在不同降水强度范围的概率密度分布

概率密度分布（Probability Density Function）被广泛应用于比较不同降水数据集在降水强度和估计灵敏度方面的特征（Chen et al, 2014; Kirstetter et al, 2013）。计算1, 3, 6, 12和24 h降水发生的概率密度, 取各时段内降水发生次数与总降水发生次数之比（Wang et al, 2018）, 在不同时间尺度上对卫星降水产品进行概率密度匹配的分析。
图5展示卫星降水产品在不同时间尺度下的概率密度分布情况, 可见不同产品在不同时间尺度上存在对实际降水高估和低估的现象。在对P<0.1 mm事件的观测上, IMERG产品在各时间尺度上存在明显的低估现象, 特别是在12 h和24 h的时间尺度上, 低估占比超过了10%。3B42产品对于P<0.1 mm降水事件的探测最为准确。对于小雨（P≥0.1 mm）及以上降水事件, IMERG产品的降水观测存在不同程度的高估。可见, 在复杂地形下, 新一代降水产品IMERG对于轻量级降水的捕捉的算法仍有待提高。CRT产品在1 h、 6 h、 12 h和24 h尺度上的大雨和暴雨事件存在高估现象。总的来说, 3B42产品对不同降水量级的观测与实际地面观测降水更为接近, 但在各时间尺度上对于中雨事件的观测存在较为明显的低估。太行山区由于地形的作用和季风的影响, 夏季在山地迎风坡地区经常发生短时强降水, 但是微波和红外传感器对于微量和强降水的探测能力较差, 使得卫星降水产品对不同降水量级的探测能力存在差异。在未来, 卫星降水产品性能的进一步提升需要多源分析和验证不同类型传感器的数据, 以此来改进产品精度。
图5 卫星降水产品在不同降水强度范围的概率密度分布

Fig.5 Probability density distribution of satellite precipitation products in different precipitation intensity ranges

4 结论

以地面雨量站的降水数据作为参考基准, 利用连续统计指标（R、 RMSE、 β、 γ、 KGE'）和分类统计指标（POD、 FAR、 CSI）, 在不同时间尺度上（1, 3, 6, 12和24 h）, 基于不同降水分级（小雨、 中雨、 大雨、 暴雨和大暴雨）范围的划定, 综合评价了3种卫星降水产品（CMORPH CRT、 TRMM 3B42和GPM IMERG）在太行山区的精度表现和降水探测能力, 得到以下主要结论:
（1） CRT和IMERG产品均在1 h尺度上的精度表现较差, 各站点KGE'值中位数分别为-2.83和-1.79, 与最优值偏离程度较大。但3B42产品在各时间尺度上精度差异不大, 各站点KGE'值中位数在0左右, 总体精度表现优于CRT和IMERG产品。3种卫星降水产品在1 h到3 h转变过程中, 各精度评价指标的得分存在明显的改变, 但在3 h之后, 各产品的精度表现逐渐平稳, 但随着降水时间的积累, 卫星产品的POD得分逐渐上升, CSI值也逐渐升高, 总体在0.25~0.5。
（2） 依据不同降水强度范围和阈值来评估卫星降水产品发现, 在不同雨强范围, 各产品观测降水与地面观测降水呈现弱相关（R<0.4）。3B42产品在各降水强度范围对实际降水存在低估现象（β<1）, 而IMERG产品存在较为严重的高估现象（β>1）, 特别是对小雨的观测（β>2）。各产品RMSE在各时间尺度上随着降水强度的增加而逐渐增大。总的来说, 各产品对于中雨观测的精度表现较差。3种产品POD值在各时间尺度上随雨强的增大而降低, 波动范围大致在0.4~0.65, 同时, FAR值表现出随雨强的增大而上升, 波动范围大致在0.6~0.85。
（3） IMERG产品在不同时间尺度下都低估了P<0.1 mm降水事件, 且表现出随时间累积而低估加重的现象。而对P≥0.1 mm降水事件的估计则不同程度地偏高, 特别是小雨事件。CRT产品在1, 6, 12和24 h尺度上的大雨和暴雨事件存在高估现象, 3B42产品对不同降水量级的观测与实际地面观测降水更为接近, 但在各时间尺度上对于中雨事件的观测存在较为明显的低估。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Bharti V, Singh C, 2015.Evaluation of error in TRMM 3B42V7 precipitation estimates over the Himalayan region[J].Journal of Geophysical Research: Atmospheres, 120(24): 12458-12473.DOI: 10.1002/2015JD023779.

Chen S, Liu H J, You Y L, al et, 2014.Evaluation of high-resolution precipitation estimates from satellite during July 2012 Beijing flood event using dense rain gauge observations[J].PloS ONE, 9(4): e89681.DOI: 10.1371/journal.pone.0089681.

Ebert E E, Janowiak J E, Kidd C, 2007.Comparison of near-real-time precipitation estimates from satellite observations and numerical models[J].Bulletin of the American Meteorological Society, 88(1): 47-64.DOI: 10.1175/bams-88-1-47.

Fu T G, Han L P, Gao H, al et, 2018a.Pedodiversity and its controlling factors in mountain regions-a case study of Taihang Mountain, China[J].Geoderma, 310: 230-237.DOI: 10.1016/j.geoderma.2017.09.027.

Fu T G, Han L P, Gao H, al et, 2018b.Geostatistical analysis of pedodiversity in Taihang Mountain region in North China[J].Geoderma, 328: 91-99.DOI: 10.1016/j.geoderma.2018.05.010.

Gao Y C, Liu M F, 2013.Evaluation of high-resolution satellite precipitation products using rain gauge observations over the Tibetan Plateau[J].Hydrology and Earth System Science, 17(2): 837-849.DOI: 10.5194/hess-17-837-2013.

Huffman G J, Adler R F, Bolvin D T, al et, 2007.The TRMM multi-satellite precipitation analysis (TMPA): Quasi-global, multiyear, combined-sensor precipitation estimate at fine scales[J].Journal of Hydrometeorology, 8(1): 38-55.DOI: 10.1007/978-90-481-2915-7_1.

Joyce R J, Janowiak J E, Arkin P A, al et, 2004.CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution[J].Journal of Hydrometeorology, 5(3): 487-503.DOI: 10. 1175/1525-7541(2004)005<0487: CAMTPG>2.0.CO; 2.

Karl T R, Knight R W, Plummer N, 1995.Trends in high-frequency climate variability in the twentieth century[J].Nature, 377(6546): 217-220.DOI: 10.1038/377217a0.

Kirstetter P E, Hong Y, Gourley J J, al et, 2013.Comparison of TRMM 2A25 products, version 6 and version 7, with NOAA/NSSL ground radar–based national mosaic QPE[J].Journal of Hydrometeorology, 14(2): 661-669.DOI: 10.1175/JHM-D-12-030.1.

Kling H, Fuchs M, Paulin M, 2012.Runoff conditions in the upper Danube basin under an ensemble of climate change scenarios[J].Journal of Hydrology, 424: 264-277.DOI: 10.1016/j.jhydrol. 2012.01.011.

Plummer N, Salinger M J, Nicholls N, al et, 1999.Changes in climate extremes over the Australian region and New Zealand during the twentieth century[J].Climatic Change, 42(1): 183-202.DOI: 10.1023/A: 1005472418209.

Sharifi E, Steinacker R, Saghafian B, 2018.Multi times-scale evaluation of high-resolution satellite-based precipitation products over northeast of Austria[J].Atmospheric Research, 206: 46-63.DOI: 10.1016/j.atmosres.2018.02.020.

Suppiah R, Hennessy K J, 1998.Trends in total rainfall, heavy rain events and number of dry days in Australia 1910 -1990[J].International Journal of Climatology, 18(10): 1141-1164.DOI: 10. 1002/(SICI)1097-0088(199808)18: 10<1141: AID-JOC286>3.0.CO; 2-P.

Tan M L, Santo H, 2018.Comparison of GPM IMERG, TMPA 3B42, and PERSIANN-CDR satellite precipitation products over Malaysia[J].Atmospheric Research, 202: 63-76.DOI: 10. 1016/j.atmosres.2017.11.006.

Tong K, Su F G, Yang D Q, al et, 2014.Tibetan Plateau precipitation as depicted by gauge observations, reanalyses and satellite retrievals[J].International Journal of Climatology, 34(2): 265-285.DOI: 10.1002/joc.3682.

Wang C G, Tang G Q, Han Z Y, al et, 2018.Global intercomparison and regional evaluation of GPM IMERG version-03, version-04 and its latest version-05 precipitation products: Similarity, difference and improvements[J].Journal of Hydrology, 564: 342-356.DOI: 10.1016/j.jhydrol.2018.06.064.

Xu R, Tian F Q, Yang L, al et, 2017.Ground validation of GPM IMERG and TRMM 3B42V7 rainfall products over southern Tibetan Plateau based on a high-density rain gauge network[J].Journal of Geophysical Research: Atmospheres, 122(2): 1-15.DOI: 10.1002/2016JD025418.

Zambrano-Bigiarini M, Nauditt A, Birkel C, al et, 2017.Temporal and spatial evaluation of satellite-based rainfall estimates across the complex topographical and climatic gradients of Chile[J].Hydrology and Earth System Sciences, 21(2): 1295-1320.DOI: 10.5194/hess-21-1295-2017.

刘江涛, 徐宗学, 赵焕, 等, 2019.不同降水卫星数据反演降水量精度评价-以雅鲁藏布江流域为例[J].高原气象, 38(2): 386-396.DOI: 10.7522/j.issn.1000-0534.2018.00092.

潘欣, 尹义星, 王小军, 2019.1960-2014年淮河流域极端降水发生时间的时空特征[J].高原气象, 38(2): 377-385.DOI: 10. 7522/j.issn.1000-0534.2018.00076.

任英杰, 雍斌, 鹿德凯, 等, 2019.全球降水计划多卫星降水联合反演IMERG卫星降水产品在中国大陆地区的多尺度精度评估[J].湖泊科学, 31 (2): 560-672.DOI: 10.11821/dlxb201907003.

沈艳, 潘旸, 宇婧婧, 等， 2013.中国区域小时降水量融合产品的质量评估[J].大气科学学报, 36 (1): 37-46.DOI: 10.3969/j.issn.1674-7097.2013.01.005.

唐国强, 万玮, 曾子悦, 等, 2015.全球降水测量(GPM)计划及其最新进展综述[J].遥感技术与应用, 30 (4): 607-615.DOI: 10. 11873/j.issn.1004-0323.2015.4.0607.

王存光, 洪阳, 2018.卫星遥感降水的反演、 验证与应用综述[J].水利水电技术, 48 (8): 1-9.DOI: 1000-0860(2018)08-0001-09.

王丛梅, 俞小鼎, 李芷霞, 等, 2107.太行山地形影响下的极端短时强降水分析[J].气象, 43 (4): 423-433.DOI: 10.7519/j.issn. 1000-0526.2017.04.004.

王思梦, 王大钊, 黄昌, 2018.GPM卫星降水数据在黑河流域的适用性评价[J].自然资源学报, 33(10): 1847-1860.DOI: 10.31497/zrzyxb.20171180.

肖柳斯, 张阿思, 闵超, 等, 2019.GPM卫星降水产品在台风极端降水过程的误差评估[J].高原气象, 38(5): 993-1003.DOI: 10. 7522/j.issn.1000-0534.2018.00143.

中华人民共和国国家标准, 2012.GB/T 28592-2012 降水量等级[S].北京: 中国标准出版社.

曾岁康, 雍斌, 2019.全球降水计划IMERG和GSMaP反演降水在四川地区的精度评估[J].地理学报, 74 (7): 1305-1318.DOI: 10.11821/dlxb201907003.

张伟, 李爱农, 江晓波, 2013.基于DEM的中国山地空间范围定量界定[J].地理与地理信息科学, 29(5): 58-63.DOI: 10.7702/dlydlxxke20130513.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn