CMORPH融合降水產(chǎn)品與地面觀測雨量資料估算淮河流域面雨量對比分析

王 皓，羅 靜，葉金印，，李致家

(1.淮河流域氣象中心，安徽蚌埠 233040;2.河海大學(xué)水文水資源學(xué)院，江蘇南京 210098)

流域面平均降雨量(面雨量)是洪水預(yù)報(bào)和防汛抗洪決策的重要依據(jù)［1-3］。面雨量的估算直接關(guān)系到洪水預(yù)報(bào)精度和洪水調(diào)度決策的科學(xué)性。傳統(tǒng)的面雨量估算方法是基于常規(guī)降水觀測資料進(jìn)行估算的，主要包括適用于高空間分辨率降水?dāng)?shù)據(jù)的算術(shù)平均法和網(wǎng)格算術(shù)平均法、適用于空間分辨率不高且分布不規(guī)則降水資料的泰森多邊形法［4］。傳統(tǒng)的面雨量估算方法除算法本身的局限性之外，其誤差主要來源于采樣誤差;觀測網(wǎng)密度低或測站布局不合理導(dǎo)致觀測數(shù)據(jù)空間代表性差，不能反映降水空間分布的不均勻性，因而傳統(tǒng)的面雨量估算方法不能單純地通過優(yōu)化面雨量計(jì)算方法提高估算精度［5］。

雷達(dá)、衛(wèi)星可估算出高時(shí)空分辨率的降水場，且具有無縫隙、全天候、高時(shí)空分辨率的獨(dú)特優(yōu)勢，能為無資料或缺資料流域的洪水預(yù)報(bào)和水文過程模擬提供有力的降水依據(jù)，這是傳統(tǒng)的雨量計(jì)觀測無法比擬的［6-9］。國內(nèi)外相關(guān)的科研機(jī)構(gòu)開發(fā)了多種較高分辨率的衛(wèi)星反演降水估測產(chǎn)品［10-12］，主要有GPCP(global precipitation climatology project)數(shù)據(jù)集、CMAP(center merged analysis of precipitation)數(shù)據(jù)集、TRMM(tropical rainfall measuring mission satellite)3B42產(chǎn)品、CMORPH(CPC MORPHing technique)產(chǎn)品等［13-15］。衛(wèi)星降水產(chǎn)品具有準(zhǔn)確反映降水空間分布的獨(dú)特優(yōu)勢，但其本質(zhì)是間接觀測手段，必須用地面資料修正來提高產(chǎn)品質(zhì)量。將地面觀測降水量與衛(wèi)星降水產(chǎn)品融合逐漸成為國際社會(huì)研制高質(zhì)量降水產(chǎn)品的主流趨勢［16-20］。

CMORPH產(chǎn)品是由美國環(huán)境預(yù)測中心(NCEP)下屬的氣候預(yù)測中心開發(fā)的全球降水產(chǎn)品［16］。該產(chǎn)品采用“運(yùn)動(dòng)矢量”方法，將各種微波反演降水資料充分融合，并能靈活地加入新增資料。美國學(xué)者在美國區(qū)域檢驗(yàn)了CMORPH和TRMM產(chǎn)品的精度，表明CMORPH產(chǎn)品具有最高的空間相關(guān)性和較小的誤差分布［17］。Shen等［13］對比了中國地區(qū)的6種高分辨率衛(wèi)星資料，證實(shí)CMORPH產(chǎn)品的相關(guān)性好于其他產(chǎn)品。潘旸等［20］以CMORPH衛(wèi)星反演降水為背景場，以基于自動(dòng)氣象站觀測數(shù)據(jù)的中國降水格點(diǎn)分析(Chinese precipitation analyses，CPA)產(chǎn)品作為地面觀測場，采用最優(yōu)插值方法對二者進(jìn)行融合試驗(yàn)，結(jié)果表明與單純的衛(wèi)星反演降水相比，融合產(chǎn)品在降水量值和空間分布上均與地面資料更為接近，各項(xiàng)指標(biāo)也優(yōu)于同類融合產(chǎn)品。國家氣象信息中心基于質(zhì)量控制后的全國自動(dòng)氣象站小時(shí)降水觀測數(shù)據(jù)［21］，用概率密度匹配法對CMORPH衛(wèi)星降水產(chǎn)品誤差進(jìn)行訂正，利用最優(yōu)插值方法生成了地面和衛(wèi)星資料融合的1 h、0.1°×0.1°分辨率的降水融合產(chǎn)品(簡稱CMORPH融合降水產(chǎn)品)［20］。該融合降水產(chǎn)品有效發(fā)揮了地面觀測和衛(wèi)星反演降水各自的優(yōu)勢，在量值和空間分布上更合理;融合產(chǎn)品平均偏差和均方根誤差均減小，隨時(shí)間的變化幅度較小且區(qū)域性分布特征減弱［22］。相關(guān)數(shù)據(jù)產(chǎn)品已通過“中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)”實(shí)時(shí)對外服務(wù)。

筆者將高時(shí)空分辨率的CMORPH融合降水產(chǎn)品應(yīng)用于淮河流域15個(gè)子單元的面雨量估算，并與基于地面觀測雨量資料的面雨量估算結(jié)果進(jìn)行對比統(tǒng)計(jì)分析，以評估CMORPH融合降水產(chǎn)品在淮河流域面雨量估算中的應(yīng)用能力。

1 研究資料與方法

1.1 淮河流域子單元?jiǎng)澐?/h3>

淮河流域地處東經(jīng)111°55'～121°25'、北緯30°55'～36°36'，跨河南省、安徽省、江蘇省、山東省，流域面積27萬km2?；春涌煞譃樯嫌?、中游、下游3段，上游為山區(qū)，地面落差大;中下游以平原為主，地面落差較小。流域處于南北氣候過渡帶，降水多集中在每年的6—9月，且年際變化大，地區(qū)分布不均勻。受特殊的地理位置和復(fù)雜的氣候條件影響，淮河流域水旱災(zāi)害發(fā)生頻繁。根據(jù)淮河流域暴雨洪水的匯流特點(diǎn)，結(jié)合流域防汛抗旱服務(wù)需求，將淮河流域劃分為15個(gè)子單元(圖1)，各子單元包含區(qū)域見表1。

圖1 淮河流域15個(gè)子單元?jiǎng)澐諪ig.1 Fifteen sub-catchments in Huaihe River Basin

1.2 資料

CMORPH融合降水產(chǎn)品資料來源于國家氣象信息中心，時(shí)空分辨率分別為1 h、0.1°×0.1°。地面觀測雨量資料采用淮河流域172個(gè)地面氣象站降水觀測整編資料。

1.3 面雨量計(jì)算

對于CMORPH融合降水產(chǎn)品，由于空間分辨率高，采用網(wǎng)格算術(shù)平均法估算流域面雨量;對于地面觀測雨量資料，由于空間分布相對稀疏且不規(guī)則，采用泰森多邊形法估算流域面雨量［5］。

1.3.1 網(wǎng)格算術(shù)平均法

網(wǎng)格算術(shù)平均法的基本思路是將有一定密度的1個(gè)固定網(wǎng)格覆蓋在流域面上，通過計(jì)算網(wǎng)格點(diǎn)上的雨量，計(jì)算流域面上的降雨量。在網(wǎng)格間距較小、流域面積較大的情況下，整個(gè)流域的面雨量可以用流域內(nèi)各個(gè)網(wǎng)格點(diǎn)雨量的平均值來表示。

表1 15個(gè)子單元2種面雨量估算結(jié)果統(tǒng)計(jì)Table 1 Statistical results of two sets of area rainfall in 15 sub-catchments

1.3.2 泰森多邊形法

泰森多邊形法的基本原理是將小流域內(nèi)各相鄰雨量站相連，繪制各連線的垂直平分線，將小流域分成若干個(gè)單元面積，每個(gè)單元面積內(nèi)只包含1個(gè)測站。首先計(jì)算流域各站的時(shí)段降雨量，然后根據(jù)每個(gè)雨量站所占流域面積權(quán)重，采用加權(quán)法對流域各雨量站的時(shí)段降雨量進(jìn)行疊加求和。流域平均降雨量的計(jì)算公式為

式中:ωi——流域內(nèi)各雨量站權(quán)重;Pi——流域內(nèi)各雨量站的時(shí)段降雨量，mm;n——流域內(nèi)雨量站個(gè)數(shù)。

2 面雨量估算結(jié)果分析

利用2008—2011年6—9月CMORPH融合降水產(chǎn)品和淮河流域逐日降水觀測資料分別進(jìn)行淮河流域15個(gè)子單元的面雨量估算，進(jìn)而對2種面雨量估算結(jié)果進(jìn)行對比分析。

2.1 2種面雨量估算結(jié)果的整體差異

CMORPH融合降水產(chǎn)品的面雨量估算結(jié)果用C表示，基于地面觀測雨量資料的面雨量估算結(jié)果用G表示。以G作為“真值”，分別計(jì)算15個(gè)子單元的C、G平均值、誤差、相對誤差和相關(guān)系數(shù)(表1)。2種面雨量估算結(jié)果存在系統(tǒng)性差異，C值在15個(gè)子單元整體表現(xiàn)為低估，雨日面雨量平均值最大偏差在第2子單元(1.3 mm)，最小偏差在第3子單元(0.5 mm)，平均誤差為0.8 mm。相對誤差最大值在第2子單元(29.55%)，最小值在第7子單元(10.91%)。2種面雨量估算結(jié)果存在很好的相關(guān)性，相關(guān)系數(shù)最低為0.908，最高可達(dá)0.993，均通過了0.001的顯著性水平檢驗(yàn)。

為進(jìn)一步研究2種面雨量估算結(jié)果之間的線性相關(guān)問題，以C為自變量(x)，G為因變量(y)，對C和G這2組樣本做15個(gè)子單元的整體回歸分析(圖2)。2種面雨量估算結(jié)果存在顯著的線性關(guān)系，樣本基本集中在回歸線附近，特別是面雨量較小的區(qū)域最為集中，僅在大值區(qū)，樣本分布相對離散，這可能與大值樣本個(gè)數(shù)較少有關(guān)。總體來說，C較G略低估，斜率為1.164。

2.2 2種面雨量估算結(jié)果的量級差異

根據(jù)我國江河面雨量等級劃分標(biāo)準(zhǔn)［23］，對C和G分小雨［0.1 mm，6 mm)、中雨［6 mm，15 mm)、大雨［15 mm，30 mm)、暴雨［30 mm，60 mm)、大暴雨［60 mm，150 mm) 5個(gè)量級進(jìn)行統(tǒng)計(jì)分析。小雨、中雨、大雨、暴雨、大暴雨情況下C與G的平均誤差分別為0.86 mm、2.89 mm、5.33 mm、9.86 mm、18.65 mm，平均相對誤差分別為87.8%、30.5%、24.9%、24.3%、22.6%。2種面雨量結(jié)果的平均誤差隨著降水量級的增大而增大，而平均相對誤差則相反，除小雨量級外，其余量級均在20%～30%，且隨著量級的增大而減小。這與潘旸等［20］得出的“觀測誤差近似與降水強(qiáng)度成正比，初估場誤差隨降水強(qiáng)度增大近似成冪指數(shù)增加”結(jié)論相類似。

圖2 2種面雨量估算結(jié)果的線性擬合Fig.2 Linear fitting for two sets of area rainfall

表2給出2種面雨量估算結(jié)果按照不同降雨量級日數(shù)分布的統(tǒng)計(jì)結(jié)果。由表2可知，2種面雨量估算結(jié)果在量級上對應(yīng)較好，剔除無降水日，所有降水量級估算相同的比例為78.75%，低估的比例為17.40%，高估的比例為3.85%，C相對于G存在一定的低估現(xiàn)象，這與2.1節(jié)的分析結(jié)果一致。相差1個(gè)量級的比例為20.51%，相差2個(gè)量級的比例為0.69%，相差3個(gè)量級的比例為0.05%。在各量級對應(yīng)比例上，最高為小雨量級(91.4%)，最低為暴雨量級(53.0%)，次低為大暴雨量級(56.1%);除小雨量級外，其余量級的對應(yīng)率都在50%～60%之間。

表2 2種計(jì)算結(jié)果分量級分布Table 2 Distributions of two sets of area rainfall of different magnitudes d

2.3 一次強(qiáng)降水過程逐日面雨量的對比分析

2010年7月15—20日，受高空槽和中低層低渦切變線共同影響，淮河流域出現(xiàn)了持續(xù)性大范圍強(qiáng)降水天氣。對15個(gè)子單元2種逐日面雨量估算結(jié)果做回歸分析得出，2種估算結(jié)果存在顯著的線性相關(guān)性(圖3)，相關(guān)系數(shù)為0.954，回歸方程的斜率為1.139，C比G整體上有一定程度的低估。

表3給出本次強(qiáng)降水過程2種逐日面雨量的估算結(jié)果及相對誤差，平均相對誤差為31.3%(小雨52.6%，中雨25.2%，大雨21.5%，暴雨19.6%，大暴雨21.2%);C比G低估的樣本占所有樣本的56.7%。分析結(jié)果與2.1節(jié)的統(tǒng)計(jì)分析結(jié)果相符合。

2種面雨量估算結(jié)果總體上比較一致，但也出現(xiàn)了5個(gè)相對誤差異常偏高的樣本，其中4個(gè)樣本是C大于G的情況，且除1個(gè)樣本是中到大雨的量級外，其余都發(fā)生在此次強(qiáng)降雨過程的弱降雨區(qū)域和時(shí)段。從面雨量絕對值看，2種估算結(jié)果沒有產(chǎn)生大的偏差，但從相對誤差計(jì)算方法分析，由于弱降水量級數(shù)值較小，微小的偏差也可能會(huì)造成較大的相對誤差。

圖3 一次強(qiáng)降水過程2種面雨量計(jì)算結(jié)果整體樣本的線性擬合Fig.3 Linear fitting for two sets of area rainfall during a heavy rainfall process

表3 一次強(qiáng)降水過程15個(gè)子單元的逐日面雨量計(jì)算結(jié)果Table 3 Daily area rainfall in 15 sub-catchments during a heavy rainfall process

3 結(jié) 語

基于CMORPH融合降水產(chǎn)品，采用網(wǎng)格算術(shù)平均法估算淮河流域15個(gè)子單元2008—2011年汛期(6—9月)逐日面雨量，并與地面觀測雨量資料估算的面雨量結(jié)果進(jìn)行對比統(tǒng)計(jì)分析。得出如下結(jié)論:

a.15個(gè)子單元2種面雨量估算結(jié)果有系統(tǒng)性差異，利用CMORPH融合降水產(chǎn)品估算的面雨量普遍小于利用地面降水觀測資料的估算結(jié)果;2種面雨量估算結(jié)果之間存在顯著的線性相關(guān)，線性擬合效果較好。

b.15個(gè)子單元2種面雨量估算結(jié)果在降水量級上有很好的對應(yīng)關(guān)系，各降水量級完全對應(yīng)的總體比例為78.75%，相差1個(gè)量級的比例為20.51%。小雨量級完全對應(yīng)的比例達(dá)91.4%。

c.一次強(qiáng)降水過程的面雨量估算結(jié)果的對比分析結(jié)論與整體分析的結(jié)論一致，也存在同樣的系統(tǒng)性差異，且具有很好的相關(guān)性。

CMORPH融合降水產(chǎn)品因其具有較高的時(shí)空分辨率，具有很好的應(yīng)用前景，尤其是在地面雨量觀測站分布比較稀疏的地區(qū)，為面雨量估算提供了一種新的途徑。筆者對CMORPH融合降水產(chǎn)品與地面降水觀測資料估算淮河流域15個(gè)子單元面雨量的差異進(jìn)行了初步分析，由于資料的時(shí)間序列不長，在利用CMORPH融合降水產(chǎn)品估算面雨量方面得到的還是一些初步結(jié)論，對于2種估算結(jié)果差異的原因以及如何更好地利用CMORPH融合降水產(chǎn)品還有待于進(jìn)一步研究。

［1］徐晶，林建，姚學(xué)祥，等.七大江河流域面雨量計(jì)算方法及應(yīng)用［J］.氣象，2001，27(11):13-16.(XU Jing，LIN Jian，YAO Xuexiang，et al.Calculating method of area rainfall over seven river valleys and its application［J］.Meteorological Monthly，2001，27(11):13-16.(in Chinese))

［2］林開平，孫涌智，陳冰廉，等.廣西主要江河流域的面雨量合成分析與洪澇關(guān)系［J］.熱帶地理，2003，23(3):222-226.(LIN Kaiping，SUN Yongzhi，CHENG Binglian，et al.Synthetic analysis of area rainfall in the main river basins in Guangxi［J］. Tropical Geography，2003，23(3):222-226.(in Chinese))

［3］李武階，王仁喬，鄭啟松.幾種面雨量的計(jì)算方法在氣象和水文上的應(yīng)用比較［J］.暴雨·災(zāi)害，2000，4(1):62-67.(LI Wujie，WANG Renqiao，ZHENG Qisong.Comparison between the computational modes of area rainfall in meteorology and the ones in hydrology［J］.Torrential Rain·Disaster，2000，4(1):62-67.(in Chinese))

［4］方慈安，潘志祥，葉成志，等.幾種面雨量計(jì)算方法的比較［J］.氣象，2003，29(7):23-26.(FANG Ci'an，PAN Zhixiang，YE Chengzhi，et al.Comparison of calculation of methods river valley area rainfall［J］.Meteorological Monthly，2003，29(7):23-26.(in Chinese))

［5］徐晶，姚學(xué)祥.流域面雨量估算技術(shù)綜述［J］.氣象，2007，33(7):15-21.(XU Jing，YAO Xuexiang.Watershed areal precipitation estimation technology:a review［J］.Meteorological Monthly，2007，33(7):15-21.(in Chinese))

［6］李致家，劉金濤，葛文忠，等.雷達(dá)估測降雨與水文模型的耦合在洪水預(yù)報(bào)中的應(yīng)用［J］.河海大學(xué)學(xué)報(bào):自然科學(xué)版，2004，32(6):601-606.(LI Zhijia，LIU Jintao，GE Wenzhong，et al.Coupling of weather radar rainfall data with hydrological model and its application to flood forecasting［J］.Journal of Hohai University:Natural Sciences，2004，32(6):601-606.(in Chinese))

［7］劉金濤，李致家.基于雷達(dá)測雨的實(shí)時(shí)洪水預(yù)報(bào)模型［J］.河海大學(xué)學(xué)報(bào):自然科學(xué)版，2004，32(5):488-491.(LIU Jintao，LI Zhijia.Weather radar rainfall data-based flood forecasting model［J］.Journal of Hohai University:Natural Sciences，2004，32 (5):488-491.(in Chinese))

［8］JIANG Shanhu，REN Liliang，YONG Bin，et al.Evaluation of high-resolution satellite precipitation products with surface rain gauge observations from Laohahe Basin in northern China［J］.Water Science and Engineering，2010，3(4):405-417.

［9］SAPIANO M R P，ARKIN P A.An intercomparison and validation of high-resolution satellite precipitation estimates with 3-hourly gauge data［J］.Journal of Hydrometeorology，2009，10(1):149-166.

［10］ARKIN P A，XIE P P.The global precipitation climatology project:first algorithm intercomparison project［J］.Bull Amer Meteor Soc，1994，75(3):401-419.

［11］HUFFMAN G J，ADLER R F，BOLUIN A D，et al.The TRMM multisatellite precipitation analysis(TMPA):quasi-global，multiyear，combined-sensor precipitation estimates at fine scales［J］.Journal of Hydrometeorology，2007，8(1):38-55.

［12］XIE P P.ARKIN P.Global precipitation:A 17-year monthly analysis based on gauge observations，satellite estimates，and numerical model outputs［J］.Bull Amer Meteor Soc，1997，78(11):2539-2558.

［13］SHEN Y，XIONG A，WANG Y，et al.Performance of high-resolution satellite precipitation products over China［J］.Journal of Geophysical Research，2010，115:D02114.

［14］JOYCE R J，JANOWIAK J E，ARBIN P A，et al.CMORPH:A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution［J］.Journal of Hydrometeorology，2004，5(3):487-503.

［15］TIAN Y D，PETERS-LIDARD C D，CHOUDHURY B J，et al.Multitemporal analysis of TRMM-based satellite precipitation products for land data assimilation applications［J］.Journal of Hydrometeorology，2007，8(6):1165-1183.

［16］HSU K L，GAO X，SOROOSHIAN S，et al.Precipitation estimation from remotely sensed information using artificial neural networks［J］.Journal of Applied Meteorology，1997，36(9):1176-1190.

［17］SOROOSHIAN S，HSU K L，GAO X，et al.Evaluation of PERSIANN system satellite-based estimates of tropical rainfall［J］. Bulletin of the American Meteorological Society，2000，81(9):2035-2046.

［18］曠達(dá)，沈艷，牛錚，等.衛(wèi)星反演降水產(chǎn)品誤差隨時(shí)空分辨率和雨強(qiáng)的變化特征分析［J］.遙感信息，2012，27(4):75-81. (KUANG Da，SHEN Yan，NIU Zheng，et al.Analysis on uncertainty of satellite retrieved precipitation products at various temporal＆spatial resolutions an rain rate level［J］.Remote Sensing Information，2012，27(4):75-81.(in Chinese))

［19］潘旸，宇婧婧，廖婕，等.地面和衛(wèi)星降水產(chǎn)品對臺風(fēng)莫拉克降水監(jiān)測能力的對比分析［J］.氣象，2011，37(5):564-570. (PAN Yang，YU Jingjing，LIAO Jie，et al.Assessment on the rainfall monitoring of typhoon Morakot by ground-gauged and satellite precipitation products［J］.Meteorological Monthly，2011，37(5):564-570.(in Chinese))

［20］潘旸，沈艷，宇婧婧，等.基于最優(yōu)插值方法分析的中國區(qū)域地面觀測與衛(wèi)星反演逐時(shí)降水融合試驗(yàn)［J］.氣象學(xué)報(bào)，2012，70(6):1381-1389.(PAN Yang，SHENG Yan，YU Jingjing，et al.Analysis of the combined gauge-satellite hourly precipitation over China based on the OI technique［J］.Acta Meteorologica Sinica，2012，70(6):1381-1389.(in Chinese))

［21］任芝花，趙平，張強(qiáng)，等.適用于全國自動(dòng)站小時(shí)降水資料的質(zhì)量控制方法［J］.氣象，2010，36(7):123-132.(REN Zhihua，ZHAO Ping，ZHANG Qiang，et al.Quality control procedures for hourly precipitation data from automatic weather stations in China［J］.Meteorological Monthly，2010，36(7):123-132.(in Chinese))

［22］沈艷，潘旸，宇婧婧，等.中國區(qū)域小時(shí)降水量融合產(chǎn)品的質(zhì)量評估［J］.大氣科學(xué)學(xué)報(bào)，2013，36(1):37-46.(SHENG Yan，PAN Yang，YU Jingjing，et al.Quality assessment of hourly merged precipitation product over China［J］.Transactions of Atmospheric Sciences，2013，36(1):37-46.(in Chinese))

［23］GB/T 20486—2006 江河流域面雨量等級［S］.