Plateau Meteorology

Plateau Meteorology >

2020 , Vol. 39 >Issue 1: 185 - 195

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00016

Analysis of the Accuracy of TRMM 3B42 Rainfall Data in the Upper and Middle Reaches of Taohe River

  • Lizhen CHENG , 1, 2 ,
  • Meixue YANG , 1 ,
  • Xuejia WANG 1 ,
  • Guoning WAN 1 ,
  • Zhaochen LIU 1, 2
Expand
  • 1. State Key Laboratory of Cryospheric Science, Northwest Institute of Eco‑Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2018-10-29

  Revised date: 2019-05-18

  Online published: 2020-02-28

Fold

Highlights

TRMM satellite products play an important role in analyzing the temporal and spatial changes of precipitation, and have become an important source of hydrometeorological research in no data or less data areas. Since 1997, TRMM products have already been applied in plenty of researches with its robust advantages of high spatial and temporal resolution, wide coverage, long time series (real‑time update). The Version 7 TRMM 3B42 products were evulated from January 2006 to December 2016 over the upper and middle of Taohe River Basin in different time scale. The results showed that: (1) More than 60% of the rainfall events were captured by the TRMM 3B42 satellite in the study area and the FAR was only 12%, which indicated that the TRMM satellite has a better detection ability for rainfall events. While, FBI was 0.88, suggesting that TRMM products was slightly underestimated the observation. In addition, it showed good performance for detecting the occurrence of rain events with average equitable threat score (ETS) of 0.31. Comparison of the occurrence frequency and rainfall contribution rate of TRMM daily precipitation and measured data at each rain level, TRMM performed best on the moderate rain level, which was significantly consistent with the observation. (2) The value of CC at daily scale average was 0.64 and the differences between TRMM and observation precipitation were narrow, which indicated that the accuracy of TRMM was high at daily scale. Comparative analyses with daily, TRMM data at monthly scale exhibited the best performance with CC of 0.96, which is close to the “ruth value”. In the monthly error distribution, BIAS in warm and humid season were smaller than that in cold and dry season, and the effect was good. While, RMSE in cold and dry season were smaller than that in warm and humid season owing to the concentration of precipitation in summer and autumn. (3) The spatial distribution based on TRMM and actual precipitation indicated that there was a decreasing trend from southwest to northeast in this area, and TRMM data slightly overestimated the annual data. In addition, the changes in summer and autumn were consistent with that in annual precipitation. TRMM products has an advantage in continuous space distribution and the accuracy was better. Therefore, TRMM precipitation products is liable in the study area.

Cite this article

Lizhen CHENG , Meixue YANG , Xuejia WANG , Guoning WAN , Zhaochen LIU . Analysis of the Accuracy of TRMM 3B42 Rainfall Data in the Upper and Middle Reaches of Taohe River[J]. Plateau Meteorology, 2020 , 39(1) : 185 -195 . DOI: 10.7522/j.issn.1000-0534.2019.00016

1 引言

降水是影响流域水文过程变化的关键要素, 获取高时空精度的降水数据是研究水文气象变化的重要环节。理论上由高密度雨量观测站获取的降水数据最为精确, 但中国西北高山高原地区由于复杂的地形和气候, 气象站布设稀疏, 对降水进行实时观测较为困难(陈亚宁等, 2014; 赵庆云等, 2017)。加之高山高原地区降水过程具有时空复杂性和不确定性, 代表站点观测数据不能真实反映全区域降水情况(Hrachowitz et al, 2011; Hu et al, 2017; 钱正安等, 2018)。卫星遥感产品在分析降水时空变化中扮演着重要角色, 已成为无资料或少资料地区水文气象研究的重要来源(Jiang et al, 2012; 薛童等, 2017; 林彤等, 2018), 其中热带降雨观测卫星TRMM (Tropical Rainfall Measuring Mission)是当前时空分辨率最高的降水产品之一(Kummerow et al, 1998; Huffman et al, 2007; Deblauwe et al, 2016)。TRMM卫星自1997 年运行以来, 以其时空分辨率高、 覆盖范围广、 时间序列长 (实时更新)等优点, 已在地面水文过程(Li et al, 2012; Tong et al, 2014; 江善虎等, 2014; Simons et al, 2016; 王兆礼等, 2017)、 天气过程 (毛江玉等, 2012; 齐文文等, 2013; 李芳洲等, 2017)、 旱涝事件(Li et al, 2009; Yong et al, 2014; Sahoo et al, 2015; Tekeli et al, 2016)、 潜热分析(傅云飞等, 2008)以及农业应用(Beyer et al, 2016)等多方面得到了广泛应用。然而, TRMM降水产品存在明显的空间变异性和不确定性(Aghakouchak et al, 2009; Prakash et al, 2015), 在利用TRMM降水产品之前有必要评估在不同地区特性和精度。
一些学者在热带地区, 如孟加拉、 马来西亚半岛和安哥拉等地区, 已经利用实测雨量站资料验证了TRMM产品的测雨精度, 共同发现该产品在平均意义上与实测数据较为一致, 同时存在轻微低估的现象(Islam et al, 2005; Scheel et al, 2011; Varikoden et al, 2010; Pombo et al, 2015; Darand et al, 2017)。与此同时, 我国学者针对中国不同地区及全国尺度也对TRMM产品进行了大量的评价和验证, 结果一致表明TRMM月降水精度显著高于日降水精度, 且雨季(夏季和秋季)降水精度明显高于枯季(冬季和春季)(骆三等, 2011; Liu et al, 2012; Hu et al, 2013; Cai et al, 2015; 刘少华等, 2016; 张蒙等, 2016)。然而, 受数据来源、 反演算法、 地形、 纬度、 高程等因子的影响, TRMM降水产品在不同地区具有不同的精度。刘俊峰等（2010）指出我国东部和南部地区TRMM产品与实测降水一致性较高, 具有替代地面站点观测的潜力; 而在西北和青藏高原山区, TRMM数据与实测降水有较大偏差(Jiang et al, 2012; 蔡研聪等, 2014; 唐国强等, 2015; 王佳伶等, 2016)。
以上研究说明了TRMM降水产品在纬度低且地势平坦区域具有良好适用性, 展现了作为降水数据源的良好应用前景, 但在地势复杂的地区的精度较低, 因此有必要在气象站稀缺的高山高原区域评估TRMM产品的精度。洮河中上游因丰沛的降水成为黄河上游重要的水源涵养地, 同时也承载着“引洮工程”水资源调度的重要任务, 对解决甘肃局地缺水问题具有重要的实际意义。但本区由于复杂的地形和气候, 气象站布设稀疏, 不能满足现实的需求。TRMM 3B42 V7数据质量高于以往卫星产品, 已成为无资料或少资料地区水文气象研究的重要来源。因此, 评估TRMM卫星产品在洮河中上游的精度, 旨在能够为该流域提供有效的科学数据, 进而为更精确地应用该卫星数据进行水文模拟奠定基础。本研究以洮河中上游为研究区, 基于地面观测数据, 对TRMM 3B42 V7降水产品进行精度评估, 定量分析2006 -2016年不同时间尺度上的精度和偏差特征, 探讨卫星降水产品在本区的适用性和可靠性。

2 研究区域、 数据与方法

2.1　研究区概况

洮河(101°36′E -104°20′E, 34°06′N -36°01′N)发源于青海省西倾山北麓, 处于青藏高原高寒区向干旱半干旱区的过渡带, 地势西南高东北低, 由西向东流至岷县, 后由南向北注入黄河干流的刘家峡水库(图1)。流域面积约2.5×104 km2, 多年平均径流量约46.9×108 m3, 是黄河上游重要的一级支流(李常斌等, 2014)。洮河中上游是指岷县水文站以上的流域, 面积约1.5×104 km2, 处于甘南高原区, 海拔在2000~4000 m, 地形主要以高原山地为主。流域内属高寒湿润气候, 降水丰沛, 年降水量约为600 mm (张济世等, 2003; 王莺等, 2017), 其中夏季6 -8月的降水量占全年降水的50%, 秋季9 -11月的降水占全年降水的25%(张晓晓等, 2013)。
图1 洮河中上游流域气象站及TRMM网格分布

Fig.1 Distribution of rain gauge stations and TRMM grids over the upper Taohe River Basin

2.2　数据来源

采用的 3B42 V7卫星降水产品是TRMM多卫星降水分析产品的新版本, 它是在原有的3B42 V6的数据源基础上进行改善了的新数据产品, 数据质量高于以往数据产品(Liu, 2015; Fensterseifer et al, 2016)。该数据来源于NASA每月发布一次的热带降水与观测卫星(TRMM)3B42栅格数据(ftp: //disc2nascom.nasa.gov/ftp/data /s4pa /TRMM_L3 /TRMM_3B42), 覆盖范围为全球南北纬50°, 空间分辨率为0.25°×0.25°, 时间步长为3 h。3B42产品融合了多个微波遥感数据, TRMM 联合仪器(TRMM Combined Instrument, TCI) 资料是3B42 输入数据的重要校正数据源, 它主要是结合搭载于TRMM 卫星的微波成像仪( TRMM Microwave Imager, TMI) 和测雨雷达( Precipitation Radar, PR)所获取的数据, 根据红外亮温资料采用3B42算法(http: //trmm.gsfc.nasa.gov/3b42.html)得到准全球降水量估计值(Huffman et al, 2007; 吕洋等, 2013)。本研究选取了2006年1月至2016年12月的TRMM 3B42 V7降水产品, 通过最临近插值法得到卫星降水产品在各个站点的降水估计值, 并将3 h的3B42 V7数据累加为日降水数据与气象站的日降水数据进行匹配。TRMM 3B42 V7降水产品每日的测量时段为全球标准时间的当日01:30（世界时, 下同）至次日01:30, 即北京时间的当日09:30至次日09:30。为协调3B42 V7产品与气象站点的测量时段, 将气象站点当日08:00 -20:00及当日20:00至次日08:00时段的数据重新组合为日降水数据, 即当日08:00至次日08:00。因此, 气象站点与 3B42 V7产品的测量时段偏差仅为1.5 h, 在可接受的范围内(王兆礼等, 2017)。
收集了洮河中上游及周边6个气象站点的日降水数据作为地面验证数据。数据长度为2006年1月1日至2016年12月31日, 数据精度为0.1 mm, 所用资料经过了严格的质量控制, 且所选序列无缺测。地面观测数据来源于中国气象科学数据共享服务网(http: //cdc.cma.gov.cn)。尽管气象站观测范围有限, 但依然是最直接、 准确的测量方式, 因此以地面实测降水数据作为“真值”, 对TRMM 3B42 V7产品进行验证。

2.3　检验方法

遥感降水探测能力主要指遥感降水产品捕捉到实际降水的能力和错误估计降水的比例, 本研究通过探测率(POD)、 误报率(FAR)、 频率偏差系数(FBI)和公正预兆评分(ETS) 等分类评价指标, 定量检验TRMM降水产品在洮河中上游的探测能力(李麒崙等, 2018) (表1)。根据气象部门行业规范(陈桂英等, 1998), 将日降水量分级, 分别是小雨(0.1~9.9 mm)、 中雨(10~24.9 mm)、 大雨(25~49.9 mm)、 暴雨(50~99.9 mm)、 大暴雨(100~249.9 mm)和特大暴雨(250 mm以上)。
表1 本研究所采用的统计指标

Table 1 Statistical indices used in this study

精度指标 定义 计算公式 最优值
相关系数CC 卫星降水与站点观测降水的线性相关密切程度 C C = ∑ i = 1 n ( P i - P ¯ ) ( Q i - Q ¯ ) ∑ i = 1 n ( P i - P ¯ ) 2 ∑ i = 1 n ( Q i - Q ¯ ) 2 1
平均误差ME 用来评价卫星降水值偏离实测降水值的数量大小 M E = 1 n ∑ i = 1 n ( P i - Q i ) 0
绝对平均误差MAE 用来评价卫星降水值偏离实测降水值的数量绝对值的大小 M A E = 1 n ∑ i = 1 n | P i - Q i | 0
均方根误差RMSE 对两组数据的特大或特小误差反映非常敏感, 能够很好地反映出测量的精密度 R M S E = 1 n ∑ i = 1 n ( P i - Q i ) 2 0
相对误差BIAS 卫星降水值与站点观测降水的偏差程度, 正值表示卫星数据高估实测降水的程度, 负值表示卫星数据低估实测降水的程度 B I A S = ∑ i = 1 n ( P i - Q i ) ∑ i = 1 n Q i × 100 % 0
探测率POD 卫星降水产品探测到实际降水的估计能力 P O D = H ( H + M ) 1
报错率FAR 卫星降水产品误报实际降水的比例 F A R = F ( H + N ) 0
频率偏差指数FBI 卫星降水产品显示有雨的总次数与实测有降水总次数的比值, 代表了卫星降水探测频率上偏差的程度 F B I = ( H + F ) ( H + M ) 1
公正预兆评分ETS 卫星降水产品对降水事件的综合预测能力

E T S = H - R H + M + F - R    ,

R = H + M · ( H + F ) ( H + N + M + F )

 1

H是指卫星降水产品和实测都显示有降水的个数; F是指卫星降水产品显示有降水而实测无降水的个数; M是指卫星降水产品显示无降水而实测有降水的个数; N是指卫星降水产品显示无降水且实测也无降水的个数; P、 Q分别为TRMM和气象站点降水量; i为时间序列; n为系列长度; P ¯为TRMM降水量平均值; Q ¯为气象站点降水量平均值

TRMM 3B42 V7产品和站点实测数据对比检验分析按日、 月尺度以及空间尺度进行一致性和偏差分析。一致性检验是利用 TRMM 3B42 V7降水产品和站点实测降水数据在相同尺度下作一元线性回归, 利用相关系数法和散点图进行分析。偏差分析是利用偏差指标分析 TRMM 3B42 V7 降水产品和站点实测降水的偏离程度。本研究使用的统计偏差指标, 包括相对误差(BIAS)、 均方根误差(RMSE)、 平均误差(ME)、 绝对平均误差(MAE), 具体采用的检验指标介绍见表1。此外, TRMM降水空间分布是运用 Arcgis软件反距离权重插值方法 IDW ( Inverse DistanceWeighted) 进行空间插值得到的。

3 结果分析

3.1　日尺度上探测能力分析

通过匹配研究区内各站点的实测降水数据与其对应3B42格网得到降水估计值, 综合分析2006 -2016年TRMM 3B42 V7降水产品的探测能力(表2)。卫星能正确探测有雨天事件的概率(POD)平均值为0.62, 最大值为0.64, 最小值为0.61, 说明TRMM数据能成功捕捉到实际降水事件。POD高值主要分布在研究区的西部, 低值主要位于东部, 这与研究区的降水分布特征较为一致。研究区POD值高于中纬度内蒙古干旱地区(POD<0.5)的研究, 低于低纬度的洣水流域的研究(POD=0.71), 可能TRMM探测降水事件的准确率与降水量有较大的相关性。此外, 在高山高原地区, 雨季易发生小范围的地形雨, 卫星受到探测范围和周期的限制, 难以探测这类降水事件, 从而POD不如低纬度的平坦地区(Jiang et al, 2012; 蔡研聪等, 2014)。
表2 衡量降水事件探测能力的指标

Table 2 Charactstics of detective indices forprecipitation events

站点 POD FAR FBI ETS
河南 0.63 0.13 0.90 0.32
玛曲 0.64 0.15 0.93 0.30
碌曲 0.63 0.11 0.84 0.34
合作 0.62 0.13 0.89 0.31
多坝 0.61 0.11 0.88 0.32
岷县 0.61 0.12 0.88 0.31
平均值 0.62 0.12 0.88 0.31
卫星降水产品误报实际降水的比例(FAR)平均值仅为12%, 说明3B42产品在研究区错误将无雨事件识别为有雨的比例较低, 对无雨天的识别表现较好。频率偏差指数(FBI)平均为0.88, 说明3B42降水产品整体上轻微低估了研究区实际降水, 各站点结果一致, 表明了TRMM卫星的可靠性。精度综合评价指标(ETS)在0.30~0.34之间, 表现出对降水较高的探测准确率。总体上TRMM卫星对洮河中上游的降雨的探测精度较好。
日降水量强度在不同时间变化很大, 对卫星的探测能力有一定的影响, 因此, 对研究区TRMM数据和实测数据的日降水频率和贡献率进行对比分析。图2为TRMM日降水数据与实测数据在各雨级上的发生频率和雨量贡献率分布对比。首先在发生频率上, 在无雨(P=0)时发生率最高(60%), 所有站点3B42 V7表现出对实际降水的轻微高估。这可能与TRMM卫星的最小检测信号的限制有关, TRMM 3B42 V7是多卫星融合而成的, 其中测雨雷达(PR)最小的测雨阈值为0.7 mm·h-1, 实测降水的最小阈值为0.1 mm·h-1, TRMM易将无雨和小雨的捕捉有偏差, 因此存在对无雨的轻微高估。3B42 V7产品在小雨和中雨级别上表现出对实际降水的轻微低估, 其中在中雨, 两者发生频率最为一致, 这说明了TRMM卫星对于中雨的捕捉能力较强。在大雨级别上, TRMM数据与实测数据有一定的偏差, 这可能与洮河中上游短时间内高强度的地形雨有关, 卫星受到探测范围和周期的限制, 难以探测这类降水事件。在暴雨级别上, TRMM数据与实测数据的发生频率均较低, 两者相差很小。总体来说, TRMM3B42 V7数据在不同雨级区间发生频率上与实测数据吻合较好, 效果优于洣水和老哈河地区的研究(Jiang et al, 2012; 李剑锋等, 2014), 体现出TRMM卫星良好的探测能力。
图2 TRMM 日降水与站点观测日降水发生率及雨量贡献率分布对比

矩形框为局部降水区间(25~49.9 mm和>50 mm)放大区域

Fig.2 Comparison of occurrence frequency and contribution rate between daily TRMM rainfall and daily observationrainfall. The rectangle shows enlargement of partial precipitation interval (25~49.9 mm and more than 50 mm)

其次在不同雨级的贡献率上, 小雨和中雨的贡献率最高, 两者贡献率总和高70%左右。与发生频率相同, TRMM数据在中雨级别上两者吻合, 对小雨表现为轻微低估; 无雨级别即使发生频率高, 贡献率为零; 大雨和暴雨级别上, 虽单次降水事件雨量较大, 但发生频率很低, 因此雨量贡献率也不高。整体上, 3B42 V7在小雨和中雨级别上表现出对实际降水的轻微低估, 而在大雨和暴雨级别上表现出对实际降水的轻微高估, 各站点无明显差异。总而言之, 在不同雨强的发生频率和贡献率上, TRMM产品在洮河中上游对中雨的探测能力较好。

3.2　一致性分析

基于洮河中上游流域TRMM 3B42 V7产品的日降水估计值和实测降水量进行统计对比(表3)可知, TRMM产品和实测的降水日平均雨量最大值出现在碌曲, 分别为1.78 mm和1.79 mm, 两者差距最小, 一致性最显著, 相关系数达到0.71; 玛曲TRMM和实测的降水日平均雨量相差最大, 呈中等相关, 相关系数为0.58; 其他站点的相关系数均在0.6以上, 说明了TRMM数据在平均意义上与洮河中上游的真实降水情况一致。将2006 -2016年TRMM日降水数据与实测日降水值进行一元线性回归拟合[图3(a)], 结果显示, TRMM日降水与实测日降水的拟合较好, 斜率为0.77, 相关系数为0.64, 说明了日尺度上TRMM数据和实测数据的精度较好。
表3 2006 -2016年不同尺度上的TRMM 3B42产品与实测降水数据一致性评估

Table 3 Consistent analysis between TRMM 3B42 precipitation and observedprecipitation in different scales from 2006 to 2016

站点 日尺度 月尺度
实测平均降水量/mm TRMM平均降水量/mm 相关系数 斜率 实测平均降水量/mm TRMM平均降水量/mm 相关系数 斜率
河南 1.61 1.69 0.61 0.77 49.0 51.4 0.96 0.87
玛曲 1.65 1.84 0 .58 0.68 50.4 55.3 0.92 0.90
碌曲 1.78 1.79 0.71 0.87 54.2 54.6 0.96 0.91
合作 1.53 1.60 0.61 0.74 46.6 48.7 0.95 0.88
多坝 1.57 1.54 0.63 0.78 47.9 47.0 0.90 0.85
岷县 1.57 1.62 0.66 0.74 47.8 49.4 0.93 0.90
平均值 1.61 1.68 49.3 51.0
图3 不同时间尺度上3B42降水产品与实测降水数据的散点分布

Fig.3 Scatter diagrams between TRMM 3B42 precipitation and observed precipitationtogether with linear regression curves in different time scales

将2006 -2016年研究区内TRMM 3B42 V7日降水估计值进行累计平均, 得到月平均估计值, 并与气象站的实测月均降水量进行统计回归分析。由2006 -2016年不同尺度上的TRMM 3B42产品与实测降水数据一致性评估结果(表3)可知, 实测月均降水量最大值同样出现在碌曲, 为54.2 mm, 与TRMM数据差距最小, 一致性显著, 相关系数达到0.96; 玛曲TRMM和实测的降水月平均雨量相差最大, 其他站点两者一致性显著, 相关系数均在0.9以上。由月尺度上3B42降水产品与实测降水数据散点分布[图3(b)]可知, TRMM降水与实测降水具有极显著相关性, 斜率为0.99, 相关系数为0.94。这表明月尺度上的TRMM精度远远高于日尺度, 更接近实测值。
图4展示了2006 -2016年TRMM 3B42 V7数据与实测数据在各站对应情况。在时间和站点的比较中, 月尺度上TRMM与实测数据在不同年份的对应情况较好, 尤其在碌曲和河南, 两者十分吻合。但在雨季, TRMM数据与实测数据有偏差, 例如, TRMM在玛曲和多坝表现为对实测降水存在高估和低估并存的情况, 这可能是因为玛曲和多坝在雨季易发生地形雨, TRMM卫星不易捕捉。除此之外, TRMM数据在整体上与各站实测数据变化趋势一致, 能很好地反映洮河中上游的实际降水情况。
图4 2 006 -2016年TRMM 3B42 V7卫星降水产品与实测降水数据逐月对比

Fig. 4 Monthly comparison between TRMM 3B42 V7 precipitation and observed precipitation from 2006 to 2016

3.3　偏差分析

对TRMM数据和实测数据分别进行偏差计算, 分析两者在日尺度和月尺度上的偏离情况(表4)。在日尺度偏差分析上, BIAS最大值出现在玛曲（9.62%）, 最小值在碌曲（0.63%）, 说明TRMM产品对碌曲的实测降水最接近, 而高估了玛曲的实际降水。在多坝BIAS为负值(-1.93%), 说明TRMM低估了多坝的实测降水, 这与一致性检验结果吻合。日尺度上各站除岷县RMSE最小(1.07 mm)外, RMSE均在4 mm左右, 这可能是因为越往上游, 降水量和降水频率越高, TRMM卫星易对实际降水产生偏差。ME值与BIAS一致, 而MAE值与RMSE一致, 这是因为他们分别是反映相对误差和绝对误差大小的指标。2006 -2016年洮河中上游日降水量的ME值在-0.03~0.16 mm, MAE值在1.46~1.58 mm, 偏差较小, 说明TRMM 3B42 V7反演精度较高。在月尺度偏差分析上, 各站点的BIAS变化与日尺度一致, RMSE在各站点上介于15~22 mm之间, 相差较小, 说明了不同尺度上的TRMM数据与实测数据偏差小。
表4 2006 -2016年不同尺度上的TRMM 3B42数据与实测降水数据偏差分析

Table 4 Bias analysis between TRMM 3B42 precipitation and observed precipitation in different scales from2006 to 2016

站点 日尺度 月尺度
BIAS/% RMSE/mm ME/mm MAE/mm BIAS/% RMSE/mm ME/mm MAE/mm
河南 4.89 4.36 0.07 1.57 4.9 15.2 2.4 8.2
玛曲 9.62 4.50 0.16 1.75 9.62 21.8 4.8 13
碌曲 0.63 4.03 0.01 1.58 0.63 13.9 0.34 9
合作 4.69 4.03 0.07 1.54 4.64 14.8 2.16 9.6
多坝 -1.93 4.25 -0.03 1.51 -2 19 -1 12.26
岷县 3.40 1.07 0.05 1.46 3.4 17.5 1.63 12
降水的年内分配特征对研究区的水资源分布具有重要影响, 因此有必要分析各月的偏差情况。将洮河中上游2006 -2016年3B42 V7数据与实测数据逐月同期汇总计算, 对各月进行偏差分析(图5)。相对偏差值(BIAS)反映了相对意义上TRMM数据与实测数据的偏离程度, 从相对偏差(BIAS)分布图[图5(a)]可以看出, 各站点在5 -9月的BIAS较小, 在-20%~20%; 在11 -12月BIAS普遍较大, 尤其是岷县, BIAS为92.2%, 这是因为冬季降水量小, 主要以降雪为主, TRMM卫星不易捕捉到, 此外冰雪对卫星反射信号有干扰作用, 导致卫星在冬季反演估算时出现偏差 (Scheel et al, 2011; 李琼等, 2016; 谢红霞等, 2017)。多坝在2 -4月的BIAS低于同期其他站点, 说明了TRMM数据低估了多坝冬春季的实测降水。综上结果说明了TRMM数据在温暖湿润的月份反演效果优于寒冷干燥的月份。
图5 TRMM 3B42 V7卫星降水产品与实测降水数据偏差月分布

Fig.5 Monthly variations of deviations between TRMM 3B42 V7 precipitation and observed precipitation

均方根误差(RMSE)反映了TRMM数据与实测数据的差值情况, 从RMSE分布图[图5（b)]来看, TRMM数据和实测数据在年内变化显著, 在温暖湿润的月份(6 -9月)RMSE大, 与各站点实际降水的月分布一致, 这可能是因为洮河中上游的降水主要集中在夏秋季节(张晓晓等, 2013), 降水频率和降水强度都大, 导致TRMM卫星与实际降水差值变大。在寒冷干燥的月份TRMM数据和实测数据的RMSE小, 冬季本身降水量少, TRMM卫星反演的也少。

3.4　空间对应分析

受地形和季风的影响, 降水在洮河中上游具有显著空间差异性和季节不均性。本研究基于2006 -2016年TRMM 3B42 V7网格数据对应生成降水估计值作空间分布, 并与气象站点实测降水值在全年和夏秋季节进行对比, 分析两者的空间对应情况 (图6)。
图6 TRMM 3B42降水产品与实测降水量在全年和夏秋季节上的空间对应

Fig. 6 Spatial comparison of TRMM 3B42 products and observed precipitationdistributions in all year, summer and autumn

从年均降水的对应分布[图6(a)]可以看出, 两种降水数据在空间分布上呈现一致性, 即: 西南部降水量较多, 东北部降水量较少。基于各站点实测降水数据的高值中心在碌曲附近(651 mm), 降水低值中心在临潭附近(508 mm), 这与洮河中上游的水汽来源以及地形对降水的阻挡效应有关(李琼等, 2016; Wang et al, 2018)。研究区西南部受印度洋暖湿气流的影响, 降水量丰富, 往东北部逐渐减少; 研究区中段南部被迭山山脉阻挡, 水汽难以到达, 造成降水量较少。对应的 TRMM 3B42 V7数据表现出较好的空间连续性分布, 降水量从西南到东北呈现递减趋势, 与实际降水对应较好(李蒙等, 2017)。在夏秋季[图6(b), (c)], 两种降水数据的空间差异与年均分布情况一致, 西南部降水多于东北部。综上所述, TRMM数据整体上轻微高估了实际降水, 与实测数据从降水总量和变化趋势上表现出相对一致的效果。结果说明TRMM 3B42 V7数据在洮河中上游具有良好的空间连续分布的优势, 精度较好。

4 结论

基于2006 -2016年洮河中上游及周边气象站点实测降水资料在日和月尺度上评估了TRMM 3B42 V7降水产品的精度, 并分析了TRMM实测数据与实测降水在空间上的对应情况, 得到以下主要结论:
(1) TRMM 3B42 V7降水产品对研究区的降水事件探测准确率达60%以上, 误报比例较低, 对无雨天的识别表现较好, 表现出良好的探测能力。在不同雨级降水事件的发生频率和贡献率上, TRMM数据对各雨级反演较好, 尤其与中雨一致性最佳。
(2) 在日尺度上, TRMM数据与各站实测数据相差较小, 呈显著相关。在月尺度上, 两者呈极显著相关, 精度远远高于日尺度, 更接近实测值。此外, 在季节偏差上, TRMM数据在温暖湿润季节的相对偏差小于寒冷干燥季节, 反演效果好。
(3) 在空间对应方面, TRMM数据对研究区的降水总量和变化趋势上表现出从西南到东北呈现递减趋势, 与实际降水一致, 但存在轻微高估实际降水的现象。结果说明TRMM 3B42 V7数据在洮河中上游具有良好的的连续空间分布优势, 精度较好。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Aghakouchak A, Nasrollahi N, Habib E, 2009. Accounting for uncertainties of the TRMM satellite estimates[J]. Remote Sensing, 1(3): 606-619. DOI: 10.3390/rs1030606.

Beyer M, Wallner M, Bahlmann L, al et, 2016. Rainfall characteristics and their implications for rain‑fed agriculture: a case study in the upper Zambezi River Basin[J]. Hydrological Sciences Journal, 61(2): 1-53.

Cai Y C, Jin C J, Wang A Z, al et, 2015. Spatio‑temporal analysis of the accuracy of tropical multi‑satellite precipitation analysis 3B42 precipitation data in mid‑ high latitudes of China[J]. PLoS One, 10(4): e0120026. DOI: 10.1371/journal.pone.0120026.

Darand M, Amanollahi J, Zandkarimi S, 2017. Evaluation of the performance of TRMM Multi‑satellite Precipitation Analysis (TMPA) estimation over Iran[J]. Atmospheric Research, 190: 121-127.

Deblauwe V, Droissart V, Bose R, al et, 2016. Remotely sensed temperature and precipitation data improve species distribution modelling in the tropics[J]. Global Ecology and Biogeography, 25(4): 443-454. DOI: 10.1111/geb.12426.

Fensterseifer C, Allasia D G, Paz A R, 2016. Assessment of the TRMM 3B42 precipitation product in southern Brazil[J]. Journal of the American Water Resources Association, 52(2): 367-375.

Hrachowitz M, Weiler M, 2011. Uncertainty of precipitation estimates caused by sparse gauging networks in a small, mountainous watershed [J]. Journal of Hydrologic Engineering, 16(5): 460-471.

Hu Z Y, Zhou Q M, Chen X, al et, 2017.Variations and changes of annual precipitation in central Asia over the last century[J]. International Journal of Climatology, 37: 157-170.

Hu Q F, Yang D W, Wang Y T, al et, 2013.Accuracy and spatiotemporal variation of high resolution satellite rainfall estimate over the Ganjiang River basin[J]. Science China: Technological Sciences, 56(4): 853-865. DOI: 10.1007/s11431-013-5176-7.

Huffman G J, Bolvin D T, Nelkin E J, al et, 2007.The TRMM multi‑ satellite precipitation analysis (TMPA): Quasi‑global, multi‑ year, combined‑sensor precipitation estimates at fine scales[J]. Journal of Hydrometeorology, 8: 38-55.

Islam N, Uyeda H, 2005. Comparison of TRMM3B42products with surface rainfall over Bangladesh[C]//Proceedings. 2005 IEEE International Geoscience and Remote Sensing Symposium, 2005. IGARSS'05. IEEE, 6: 4112-4115.

Jiang S H, Ren L L, Hong Y, al et, 2012.Comprehensive evaluation of multi‑satellite precipitation products with a dense rain gauge network and optimally merging their simulated hydrological flows using the Bayesian model averaging method[J]. Journal of Hydrology, 452: 213-225.

Kummerow C, Barnes W, Kozu T, al et, 1998. The tropical rainfall measuring mission (TRMM) sensor package[J]. Journal of Atmospheric and Oceanic Technology, 15(3): 809-817.

Li L, Hong Y, Wang J H, al et, 2009. Evaluation of the real‑time TRMM‑based multi‑satellite precipitation analysis for an operational flood prediction system in Nzoia Basin, Lake Victoria, Africa[J]. Natural Hazards, 50(1): 109-123. DOI: 10.1007/s11069-008-9324-5.

Li X H, Zhang Q, Xu C Y, 2012. Suitability of the TRMM satellite rainfalls in driving a distributed hydrological model for water balance computations in Xinjiang catchment, Poyang Lake basin[J]. Journal of Hydrology, 426 (7): 28-38.

Liu J Z, Zhu A X, Duan Z, 2012. Evaluation of TRMM 3B42 Precipitation product using rain gauge data in Meichuan Watershed, Poyang Lake Basin, China [J]. Journal of Resources and Ecology, 3(4): 359-366. DOI: 10.584/j.issn.1674-764x.2012.04.009.

Liu Z, 2015.Comparison of versions 6 and 7 3‑hourly TRMM multi‑satellite precipitation analysis (TMPA) research products[J]. Atmospheric Research, 163: 91-101.

Pombo S, Oliveira R P D, 2015. Evaluation of extreme precipitation estimates from TRMM in Angola[J]. Journal of Hydrology, 523: 663-679.

Prakash S, Mitra A K, Aghakouchak A, al et, 2015. Error characterization of TRMM multi‑satellite precipitation analysis (TMPA‑3B42) products over India for different seasons[J]. Journal of Hydrology, 529(3): 1302-1312.

Sahoo A K, Sheffield J, Pan M, al et, 2015.Evaluation of the tropical rainfall measuring mission multi‑satellite precipitation analysis (TMPA) for assessment of large‑scale meteorological drought[J]. Remote Sensing of Environment, 159: 181-193.

Scheel M L M, Rohrer M, Huggel C H, al et, 2011. Evaluation of TRMM multi‑satellite precipitation analysis (TMPA) performance in the Central Andes region and its dependency on spatial and temporal resolution[J]. Hydrology and Earth System Sciences, 15(8): 2649-2663. DOI: 10.5194/hess-15-2649-2011.

Simons G, Bastiaanssen W, Ngo L, al et, 2016. Integrating global satellite‑derived data products as a pre‑analysis for hydrological modelling studies: A case study for the Red River Basin[J]. Remote Sensing, 8(4): 279. DOI: 10.3390/rs8040279.

Tekeli A E, Fouli H, 2016. Evaluation of TRMM satellite‑based precipitation indexes for flood forecasting over Riyadh City, Saudi Arabia[J]. Journal of Hydrology, 541: 471-479.

Tong K, Su F, Yang D, al et, 2014. Evaluation of satellite precipitation retrievals and their potential utilities in hydrologic modeling over the Tibetan Plateau[J]. Journal of Hydrology, 519: 423-437.

Varikoden H, Samah A A, Babu C A, 2010. Spatial and temporal characteristics of rain intensity in the peninsular Malaysia using TRMM rain rate[J]. Journal of Hydrology, 387(3/4): 312-319.

Wang X J, Pang G J, Yang M X, al et, 2018. Precipitation changes in the Qilian Mountains associated with the shifts of regional atmospheric water vapour during 1960-2014[J]. International Journal of Climatology, 38(12): 4355-4368.

Yong B, Chen B, Gourley J J, al et, 2014. Intercomparison of the Version‑6 and Version‑7 TMPA precipitation products over high and low latitudes basins with independent gauge networks: Is the newer version better in both real‑time and post‑real‑time analysis for water resources and hydrologic extremes?[J]. Journal of Hydrology, 508: 77-87.

蔡研聪, 金昌杰, 王安志, 等, 2014. 中高纬度地区TRMM卫星降雨数据的精度评价[J]. 应用生态学报, 25(11): 3296-3306. DOI: 10.13287/j.1001-9332.2014.0190.

陈桂英, 赵振国, 1998. 短期气候预测评估方法和业务初估[J]. 应用气象学报, 9(2): 178-185.

陈亚宁, 李稚, 范煜婷, 等, 2014. 西北干旱区气候变化对水文水资源影响研究进展[J]. 地理学报, 69(9): 1295-1304. DOI: 10.11821/dlxb201409005.

傅云飞, 刘奇, 自勇, 等, 2008. 基于TRMM卫星探测的夏季青藏高原降水和潜热分析[J].高原山地气象研究, 28 (1): 8-18.

江善虎, 任立良, 雍斌, 等, 2014. TRMM卫星降水数据在洣水流域径流模拟中的应用[J]. 水科学进展, 25(5): 641-649. DOI: 10.14042/j.cnki.32.1309.2014.05.006.

李常斌, 杨林山, 杨文瑾, 等, 2014. 洮河流域土地利用/土地覆被变化及其驱动机制研究[J]. 地理科学, 34(7): 848-855. DOI: 10.13249/j.cnki.sgs.2014.07.016.

李芳洲, 李江南, 2017. 基于TRMM卫星探测的南海及周边地区春夏季降水日变化特征[J]. 热带地理, 37(5): 728-737. DOI: 10.13284/j.cnki.rddl.002985.

李剑锋, 佘文婧, 江善虎, 等, 2014. TRMM卫星降水数据在老哈河流域的精度评估[J].水资源与水工程学报, 25 (5): 89-97. DOI: 10.11705/j.issn.1672-643X.2014.05.020.

李蒙, 秦天玲, 刘少华, 等, 2017. 怒江上游TRMM 3B42 V7 降水产品资料时空验证及降水特征分析[J]. 高原气象, 36(4): 950-959. DOI: 10.7522 /j. issn.1000-0534.2016.00071.

李麒崙, 张万昌, 易路, 等, 2018. GPM与TRMM降水数据在中国大陆的精度评估与对比[J]. 水科学进展, 29(3): 303-313. DOI: 10.14042/j.cnki.32.1309.2018.03.001.

李琼, 杨梅学, 万国宁, 等, 2016. TRMM3B43降水数据在黄河源区的适用性评价[J]. 冰川冻土, 38(3): 620-633. DOI: 10.7522/j.issn.1000-0240.2016.0069.

林彤, 郑有飞, 李特, 等, 2018. 基于卫星资料的中国西北地区冰云特征分析[J]. 高原气象, 37(4): 1051-1060. DOI: 10.7522/j.issn.1000-0534.2017.00088．

刘俊峰, 陈仁升, 韩春坛, 等, 2010.多卫星遥感降水数据精度评价[J].水科学进展, 21(3): 343-348. DOI: 10.14042/j.cnki.32. 1309.2010.03.002.

刘少华, 严登华, 王浩, 等, 2016. 中国大陆流域分区TRMM降水质量评价[J]. 水科学进展, 27(5): 639-651. DOI: 10. 14042 /j. cnki.32.1309.2016.05.001.

吕洋, 杨胜天, 蔡明勇, 等, 2013.TRMM卫星降水数据在雅鲁藏布江流域的适用性分析[J]. 自然资源学报, 28(8): 1414-1425. DOI: 10.11849/zrzyxb.2013.08.014.

骆三, 苗峻峰, 牛涛, 等, 2011.TRMM 测雨产品3B42与台站资料在中国区域的对比分析[J]. 气象, 37(9): 1081-1090.

毛江玉, 吴国雄, 2012. 基于TRMM卫星资料揭示的亚洲季风区夏季降雨日变化[J]. 中国科学（地球科学）, 42 (4): 564-576.

齐文文, 张百平, 庞宇, 等, 2013. 基于TRMM数据的青藏高原降水的空间和季节分布特征[J]. 地理科学, 33(8): 999-1005.

钱正安, 蔡英, 宋敏红, 等, 2018. 中国西北旱区暴雨水汽输送研究进展[J]. 高原气象, 37(3): 577-590. DOI: 10.7522/j.issn. 1000-0534.2018.00032.

唐国强, 李哲, 薛显武, 等, 2015. 赣江流域TRMM遥感降水对地面站点观测的可替代性[J]. 水科学进展, 26(3): 340-346. DOI: 10.14042 /j. cnki.32.1309.2015.03.005.

王佳伶, 陈华, 许崇育, 等, 2016. TRMM卫星降雨数据的精度及径流模拟评估[J]. 水资源研究, 5(5): 434-445.

王莺, 张强, 王劲松, 等, 2017. 基于分布式水文模型(SWAT)的土地利用和气候变化对洮河流域水文影响特征[J]. 中国沙漠, 37(1): 175-185. DOI: 10.7522/j.issn.1000-694X.2015.00189.

王兆礼, 钟睿达, 赖成光, 等, 2017. TRMM卫星降水反演数据在珠江流域的适用性研究——以东江和北江为例[J].水科学进展, 28(2): 174-182. DOI: 10.14042 /j. cnki. 32. 1309. 2017. 02. 002.

谢红霞, 刘旭星, 隋兵, 等, 2017. TRMM降雨数据在湖南省长株潭地区的适用性[J]. 水土保持通报, 37(3): 295-301. DOI: 10.13961/j.cnki.stbctb.2017.03.051.

薛童, 管兆勇, 徐建军, 等, 2017. ATMS和CrIS卫星资料同化对青藏高原天气预报的影响[J]. 高原气象, 36( 4) : 912-929. DOI: 10.7522 /j.issn.1000-0534.2016.00087．

张济世, 康尔泗, 蓝永超, 等, 2003. 50a来洮河流域降水径流变化趋势分析[J]. 冰川冻土, 25(1): 77-82.

张蒙, 黄安宁, 计晓龙, 等, 2016. 卫星反演降水资料在青藏高原地区的适用性分析[J]. 高原气象, 35(1): 34-42. DOI: 10.7522 /j.issn.1000-0534.2014.00152．

张晓晓, 张钰, 徐浩杰, 2013. 1960-2010年洮河流域径流变化趋势及影响因素[J]. 兰州大学学报(自然科学版), 49(1): 38-42.

赵庆云, 傅朝, 刘新伟, 等, 2017. 西北东部暖区大暴雨中尺度系统演变特征[J]. 高原气象, 36(3): 697-704. DOI: 10.7522/j.issn.1000-0534.2016.00140．

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn