基于多衛(wèi)星遙感產(chǎn)品的極端降水監(jiān)測研究

譚顯輝，王晶晶，劉 國，朱自偉

(1.河海大學 地球科學與工程學院，江蘇 南京 211100；2.河海大學 水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210098)

0 引 言

中國是世界上少數(shù)幾個受臺風影響最為嚴重的國家之一[1]，曾多次遭受嚴重的大風、暴雨和風暴潮等災害，臺風登陸后帶來的風暴增水摧毀莊稼以及各種建筑設施，給我國人民的生命財產(chǎn)造成了巨大的損失。超強臺風“燦鴻”，于2015年6月30號在西北太平洋洋面上生成，并于7月11日以強臺風級別在浙江省登陸，給華東地區(qū)帶來了大范圍的強風暴雨，并造成浙江省71.7萬人受災，經(jīng)濟損失達到19.47億元，如圖1所示。

圖1 超強臺風燦鴻及其帶來的災害Fig.1 Super typhoon Can-hom brings disaster in Zhejiang Province

臺風帶來的短歷時強降水是導致這些災害的主要原因[2]，因此，科學認知臺風降水的時空演變特征具有重要的實際意義。由于熱帶氣旋降水產(chǎn)生的復雜物理過程及降水自身很強的小尺度空間變異特性，決定了其難以快速捕捉和精確測量。1997年TRMM[3]（Tropical Rainfall Measuring Mission satellite，熱帶測雨衛(wèi)星）的發(fā)射揭開了多衛(wèi)星遙感聯(lián)合反演降水信息的序幕，為人們提供了追蹤熱帶氣旋降水演變的新途徑。

隨著衛(wèi)星遙感技術的發(fā)展和衛(wèi)星降水反演算法的持續(xù)改進，衛(wèi)星降水產(chǎn)品已經(jīng)從TRMM時代步入了GPM[4]（Global precipitation Measurement，全球降水計劃）時代，GPM是TRMM的后續(xù)衛(wèi)星降水計劃，由美國航天航空局（NASA）和日本宇宙探索機構（JAXA）于2014年2月28日成功發(fā)射[5]，它提供了全球范圍內(nèi)基于微波的3小時以內(nèi)以及基于微波紅外的半小時雨雪數(shù)據(jù)產(chǎn)品，擴展了TRMM傳感荷載，提升了降水觀測能力[6]。GPM作為最新一代的全球衛(wèi)星降水計劃，與TRMM時代相比，提供了更高時空分辨率的衛(wèi)星降水產(chǎn)品（0.1°/0.5h），這種更高時空分辨率的衛(wèi)星降水在極端降水災害的監(jiān)測和預報中有著極大的應用潛力和價值。沈艷等[7]綜合性地評估了6種TRMM時代常用的衛(wèi)星降水產(chǎn)品在中國的表現(xiàn)，結果表明各類產(chǎn)品雖然都能夠反映降水的時空分布，但是對于雪和暴雨的估計還存在著較大的局限性。GPM時代衛(wèi)星降水引入了更多的傳感器數(shù)據(jù)和更完善的反演算法，為極端降水事件監(jiān)測提供了新的可能，但是目前國內(nèi)外還很缺乏對GPM時代衛(wèi)星降水產(chǎn)品在極端降水事件中表現(xiàn)的相關研究。

本文選取中國氣象局提供的地面逐小時觀測數(shù)據(jù)為參考數(shù)據(jù)，評估比較了TRMM時代主流的TMPA系列產(chǎn)品和GPM時代的IMERG系列產(chǎn)品在燦鴻臺風事件中的表現(xiàn)，并進行了分析與討論，旨在探討GPM時代IMERG系列產(chǎn)品對極端降水事件的監(jiān)測能力及其與TMPA系列產(chǎn)品的表現(xiàn)差異。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

本文的研究區(qū)域為受燦鴻臺風影響較為嚴重的中國東南沿海和臺灣東北部地區(qū)，范圍是東經(jīng)118°～123°，北緯24°～34°，包括江蘇省、上海市、浙江省、福建省、臺灣省等大部分地區(qū)，屬于溫暖濕潤的亞熱帶海洋性季風氣候和熱帶季風氣候，平均年降水量為1400～2000 mm左右，每年平均臺風數(shù)量為12～15個[8]，如圖2所示。

1.2 研究數(shù)據(jù)

圖2 研究區(qū)概況Fig.2 Study area

1.2.1 衛(wèi)星降水數(shù)據(jù)

TMPA算法是由Huffman等提出的TRMM多衛(wèi)星傳感器降水分析算法[9]，該算法主要利用TRMM衛(wèi)星和其他低軌道衛(wèi)星上的微波數(shù)據(jù)集以及地球同步衛(wèi)星上的可見光/紅外數(shù)據(jù)集作為算法反演的數(shù)據(jù)源。它是TRMM時代國際降水工作組主推的一套衛(wèi)星降水，為了綜合反映TRMM時代典型衛(wèi)星降水在極端降水事件中的表現(xiàn)，給GPM時代的IMERG衛(wèi)星降水做比較，本文選取了TMPA 3B42V7(后簡稱V7)和TMPA 3B42RTV7(后簡稱RTV7)兩套產(chǎn)品，其中，V7是經(jīng)過地面站點數(shù)據(jù)校正的，屬于滯時產(chǎn)品，而RTV7屬于實時產(chǎn)品。

IMERG算法源于三套主流的TRMM 衛(wèi)星降水反演融合算法（TMPA[9]、GSMaP[10]、PERSIANN[11]），是GPM時代主推的算法。它與TMPA算法的主要區(qū)別在于它使用的傳感器數(shù)據(jù)源包括了GPM衛(wèi)星上的GMI和DPR傳感器以及在反演算法中引入了GSMaP算法中的云移動矢量傳播算法和卡爾曼濾波[10]。目前IMERG有三大類不同的產(chǎn)品：Early、Late和Final。IMERG生成系統(tǒng)在實時階段運行一次后得到Early產(chǎn)品，再運行一次后得到Late產(chǎn)品，在這過程中，最主要的不同在于Early中只采用了云移動矢量傳播算法中的前向傳播算法，而Late在此基礎上還加用了后向傳播算法。在滯時產(chǎn)品Final的處理中，在Late的基礎上引進了更多的傳感器數(shù)據(jù)源。詳細區(qū)別請見表1。本文選取了三個階段所有的產(chǎn)品，包括校正的和未校正的，擬更全面地分析出IMERG中不同的反演算法和校正算法對其監(jiān)測極端降水的影響。我們選擇了精度相對差一些但是實時性強的Early和Late產(chǎn)品做分析，主要是考慮到極端降水監(jiān)測對衛(wèi)星降水實時性的要求，這樣的話，綜合性的分析結果可為其在將來的實際應用中提供科學依據(jù)參考。本文所使用的所有衛(wèi)星降水數(shù)據(jù)的詳細情況見表1。

表1 衛(wèi)星降水數(shù)據(jù)預覽Tab.1 Preview of satellite precipitation products

1.2.2 基準降水數(shù)據(jù)

采用的基準降水數(shù)據(jù)是中國地面自動站與CMORPH降水產(chǎn)品融合的逐小時降水量網(wǎng)格數(shù)據(jù)集[12]（1.0版），該數(shù)據(jù)集以CMORPH衛(wèi)星反演降水為背景，以基于3萬個自動氣象站觀測的逐時降水量分析的中國降水格點分析產(chǎn)品（Chinese Precipitation Analyses，CPA）作為地面觀測場，采用最優(yōu)插值方法進行融合[13]，精度很高，可作為中國地面逐小時觀測降水參考數(shù)據(jù)。

2 研究方法

本研究采用相關系數(shù)(CC)、均方根誤差(RMSE)、平均誤差(ME)、相對偏差(BIAS)、平均絕對誤差(MAE）、命中率(POD)、誤報率(FAR)、關鍵成功率(CSI)這8個評價指標來評價各種衛(wèi)星降水在極端降水事件中的表現(xiàn)，具體計算公式和描述見表2。

表中CC表示衛(wèi)星降水數(shù)據(jù)和地面觀測數(shù)據(jù)之間的線性相關程度；ME表示衛(wèi)星反演估計值與地面觀測值之間的差值，MAE反映的是差值的絕對值大小，RMSE表示均方根誤差，BIAS描述衛(wèi)星降水的偏差百分比。命中率（POD）表示衛(wèi)星降水預計命中降水事件的情況，誤報率（FAR）表示衛(wèi)星降水錯誤估計降水事件的情況，關鍵成功率（CSI）綜合表示衛(wèi)星降水在評估降水事件方面的情況。

表2 統(tǒng)計指數(shù)Tab.2 Statistic indices

3 結果分析與討論

3.1 總降水量

圖3 2015年7月10日至12日累積降水值Fig.3 Accumulated rainfall on July 10-12,2015

圖3 給出了2015年7月10日至7月12日間，各類降水產(chǎn)品累積降水量在空間上的分布，可以看出，①總體上來說，各套衛(wèi)星降水產(chǎn)品均捕捉到了此次極端降水事件的空間分布特征，即強降水中心集中在上海和浙江寧波，降水強度向西逐漸減弱。②與地面站點數(shù)據(jù)相比，各套衛(wèi)星數(shù)據(jù)在降水密集地區(qū)均存在著較為明顯的低估，F(xiàn)inal-C表現(xiàn)最好，低估程度最輕。

圖4 0.25°×0.25°尺度上衛(wèi)星逐日降水量與地面站點散點圖Fig.4 Scatter plots of three days rainfall accumulation from various sources versus gauge measurements

為了更為直觀地了解各套衛(wèi)星降水數(shù)據(jù)的精度，圖4給出了逐日衛(wèi)星降水量與地面觀測降水量之間的散點圖。為了更深入地理解衛(wèi)星降水數(shù)據(jù)之間精度的分布，將研究區(qū)分為海洋和陸地進行研究，其中藍色代表海洋，黑色代表陸地，可以看出，在海洋上由于沒有地面實測數(shù)據(jù)，地面站點主要是CMORPH衛(wèi)星數(shù)據(jù)，所以表現(xiàn)出了較高的相關性和較小的誤差，這也說明了各類衛(wèi)星降水在海洋上的高度相關性。在陸地上，我們可以看出，①不管是TMPA還是IMERG，同一系列下的各產(chǎn)品經(jīng)過校正的表現(xiàn)都要好于未經(jīng)過校正的，而且可以看出使用月氣候校正算法的改善程度要小于使用地面臺站校正算法的改善程度（如Final-C相比Final-UC在偏差上提升了差不多30%，而Late-C相比Late-UC在偏差上只提升了差不多8%；②IMERG三個階段經(jīng)過校正的產(chǎn)品在CC上的表現(xiàn)均要好于TMPA下經(jīng)過校正的V7，但是在偏差上的表現(xiàn)，只有Final-C好于V7，這說明IMERG算法中的氣候校正算法能有效地改善相關性，但是在改善偏差方面hais存在著一定的局限性；③IMERG的實時產(chǎn)品Late-C的表現(xiàn)不管是CC還是BIAS都要好于TMPA的RTV7。在海洋上，各套衛(wèi)星數(shù)據(jù)表現(xiàn)效果比較一致，這是由于海洋上沒有實測站點，主要還是在衛(wèi)星數(shù)據(jù)之間的比較。

圖5比較了在不同閾值下，各種衛(wèi)星降水產(chǎn)品在POD、FAR、CSI上的表現(xiàn)。閾值根據(jù)：小雨（日降水量小于10mm），中雨（日降水量大于等于10mm，小于25mm），大雨（日降水量大于等于25mm，小于50mm）以及暴雨（日降水量大于等于50mm）來確定。從圖中我們可以發(fā)現(xiàn)：①隨著閾值的增大，各種衛(wèi)星產(chǎn)品的命中率整體上呈下降趨勢，當閾值大于25mm后，下降較為明顯，幾套衛(wèi)星降水表現(xiàn)較為一致，其中,Final_C表現(xiàn)最好，表明其在暴雨的探測上低估程度是最輕的，且要明顯好于V7。另外，還可以發(fā)現(xiàn)IMERG的實時產(chǎn)品Early在暴雨探測上的低估要好于TMPA的RTV7；②從CSI看來，隨著閾值的增大，各種衛(wèi)星降水產(chǎn)品的成功率整體上呈下降趨勢，與POD表現(xiàn)一致。

圖5 不同閾值下衛(wèi)星降水指數(shù)：(a)POD、(b)FAR、(c)CSIFig.5 Comparison of statistic: (a) POD,(b) FAR,(c) CSI based on diあerent rainfall thresholds

3.2 小時降水量

極端降水事件的監(jiān)測對時空分辨率提出了更高的要求。為了更深入細致地研究IMERG產(chǎn)品對極端降水事件的監(jiān)測能力，在0.1°、1小時尺度上對IMERG系列產(chǎn)品進行了研究。圖6表示的是從2015年7月10日0時至7月12日24時IMERG系列產(chǎn)品和地面參考數(shù)據(jù)的逐小時降水量。地面參考數(shù)據(jù)表明，逐小時降水量從開始逐漸升高，到第20小時到達峰值并一直持續(xù)到第36小時（正好對應燦鴻7月10日后半夜至11日登陸浙江舟山朱家尖），之后呈下降趨勢。衛(wèi)星降水產(chǎn)品中，IMERG的Late-C表現(xiàn)最好，而Final_C在16～20小時出現(xiàn)了嚴重的高估，且在第27～32小時變化幅度很大，未能準確探測到降水事件在小時尺度上的變化規(guī)律。但是，經(jīng)過地面校正的Final數(shù)據(jù)的RMSE和NB均有明顯改善，相關性也有一定的提高，說明地面站點數(shù)據(jù)校正對衛(wèi)星數(shù)據(jù)偏差有很好的控制[14]。

圖6 逐小時降水量Fig.6 Temporal variation of mean hourly rainfall

3.3 累積降水量

圖7 給出了2015年7月10日0時至7月12日24時累積降水隨時間變化的情況，可以看出，F(xiàn)inal_C與實際累積降水量的趨勢最為吻合，這是因為它是滯時數(shù)據(jù)，經(jīng)過地面月數(shù)據(jù)校正，修正了實時數(shù)據(jù)對極端降水的低估現(xiàn)象[16]，從RMSE（3.1952 mm）和NB（0.0268）也可以看出Final_C數(shù)據(jù)離散程度最小，偏差最小，表現(xiàn)最好。由于暴雨事件的瞬時性，實時降水產(chǎn)品在極端降水事件的監(jiān)測中也非常重要，從IMERG的實時降水產(chǎn)品可以看出，Early和Late對實際降水累積量的變化趨勢的捕捉程度也比較好，尤其是經(jīng)過CCA校正的Early_C數(shù)據(jù)在實時數(shù)據(jù)中具有最小的RMSE（10.8653）和NB（-0.1381）。

4 結束語

本文主要研究了TMPA系列數(shù)據(jù)和IMERG系列數(shù)據(jù)在極端降水事件（燦鴻臺風）中的表現(xiàn)以及IMERG在小時尺度上對極端降水事件的捕捉能力，得出以下結論：

1）在極端降水事件中，本文中所有衛(wèi)星降水產(chǎn)品對實際降水都存在著低估：TMPA-V7（-58%）、TMPARTV7（-70%）、IMERG_Early_C（-60%）、IMERG_Early_UC（-68%）、IMERG_Late_C（-58%）、IMERG_Late_UC（-67%）、IMERG_Final_C（-42%）以及IMERG_Final_UC（-73%）。當降水達到暴雨級別時，所有的衛(wèi)星降水產(chǎn)品對降水強度都呈現(xiàn)出明顯的低估，說明當下的衛(wèi)星降水處理算法在對熱帶氣候變暖云降水系統(tǒng)監(jiān)測方面還存在著很大的改善空間。

2）滯時產(chǎn)品中，IMERG的Final-C在極端降水中的表現(xiàn)要好于TMPA的V7；而在實時產(chǎn)品中，IMERG的Early和Late兩套實時產(chǎn)品表現(xiàn)也都要好于TMPA的RTV7，可以看出，GPM時代的IMERG產(chǎn)品在極端降水事件中的表現(xiàn)要全面好于TRMM時代的TMPA系列產(chǎn)品。

3）在IMERG系列產(chǎn)品對極端降水事件小時尺度上變化特征監(jiān)測方面，未經(jīng)地面臺站數(shù)據(jù)校正的Late-C表現(xiàn)得比Final-C好，這說明雖然Final-C經(jīng)過地面臺站月數(shù)據(jù)校正后明顯改善了整體的雨量估計，但是卻破壞了原始監(jiān)測數(shù)據(jù)在小時尺度上的變化特征。IMERG的實時產(chǎn)品Late-C整體上各方面表現(xiàn)都尚可，尤其是在捕捉極端降水事件的小時分布特征上面表現(xiàn)很好，這說明它一定程度上可以滿足實時監(jiān)測的要求，具有較大的應用前景。

總之，與TRMM時代的TMPA相比，GPM時代的IMERG系列產(chǎn)品提升了對極端降水的監(jiān)測能力，而其高時空分辨率的特性也將使衛(wèi)星降水產(chǎn)品在極端降水事件監(jiān)測中更為廣泛地應用。但是，目前衛(wèi)星降水對極強的降水還存在著較大的局限，在今后的研究中應著重于改善其低估缺陷。