TRMM衛(wèi)星降水數(shù)據在江蘇省的適用性分析

田苗 童楊輝

摘要：為了驗證TRMM降水數(shù)據在江蘇省的適用性，本研究利用江蘇省4個氣象臺站2000—2014年的降水數(shù)據，在不同時間尺度上分析TRMM多衛(wèi)星降水數(shù)據3B43產品的精度。結果表明：TRMM在不同時間尺度的估測精度都較高，在月尺度上r2都在0.9左右，但TRMM估測的降水量普遍低于測站的降水量；在季節(jié)尺度上，降水比較集中的夏季估測精度最低，冬季的估測精度最高，在冬小麥整個生育期內TRMM的估測精度較好；從氣象站分布看，位于蘇北冬小麥主要產區(qū)的徐州站估測精度最好，贛榆的估測精度最低。因此，TRMM數(shù)據可以用來研究蘇北地區(qū)冬小麥全生育期的降水量狀況。

關鍵詞：TRMM衛(wèi)星；遙感；降水數(shù)量；江蘇?。还罍y精度；冬小麥；全生育；降水量狀況

中圖分類號： TP79；S127文獻標志碼： A

文章編號：1002-1302（2016）12-0440-05

收稿日期：2015-11-20

基金項目：國家自然科學基金青年科學基金（編號：41401416）；江蘇省農業(yè)科學院基本科研業(yè)務專項[編號：ZX（15）4055]。

作者簡介：田苗（1984—），女，河北保定人，博士，助理研究員，主要從事遙感技術在農業(yè)災害中的應用研究。Tel：（025）84391304；E-mail：tm1304207@126.com。

空間化的降水信息對于區(qū)域水文、水資源分析以及區(qū)域水資源管理、旱澇災害的管理和生態(tài)環(huán)境治理都具有重要意義，獲取精確的降水空間分布特征可以通過建立密度極高的雨量站獲得。雖然我國已經建立了相當多的雨量站和氣象站，但有限的站點以及空間分布不均不能滿足研究和應用的需求。近幾十年來，隨著遙感技術和氣象衛(wèi)星技術的發(fā)展，通過衛(wèi)星遙感數(shù)據對降水信息進行探測反演和同化，為研究降水提供了新的手段?；谶b感的降水觀測數(shù)據具有覆蓋面廣、時間和空間分辨率高，不受地形和氣候條件限制等特點，已成為降水數(shù)據的重要來源。

TRMM（tropical rainfall measurement mission）是由美國國家宇航局（National Aeronautical and Spatial Administration，NASA）和日本國家空間發(fā)展局（National Space Development Agency，NASDA）共同研制開發(fā)的試驗衛(wèi)星[1]，于1997年11月27日發(fā)射成功。TRMM衛(wèi)星至今已積累了海量的覆蓋陸地和海洋的高時間和空間分辨率的降水數(shù)據。國內外已有研究成果表明，TRMM數(shù)據與臺站和雷達觀測數(shù)據具有良好的一致性[2-9]，在作為降水數(shù)據來源方面展現(xiàn)了良好的應用前景。但TRMM降水數(shù)據在不同研究區(qū)域估測精度不同，因此，在特定研究區(qū)域內使用TRMM數(shù)據之前，須要對其適用性進行驗證。由于本試驗研究綜合干旱指數(shù)，而降水因素對干旱的影響較大，引入TRMM降水數(shù)據有望提高干旱監(jiān)測精度，且針對江蘇冬小麥種植區(qū)，所以研究區(qū)域主要選在江蘇中部和北部，尤其江蘇北部冬小麥主要種植區(qū)域內。因此，本試驗選取江蘇徐州、連云港贛榆區(qū)、南京和東臺4個氣象站點的降水數(shù)據分析TRMM在江蘇省的適用性。

1數(shù)據介紹與研究方法

1.1數(shù)據介紹

TRMM[1]是由美國國家宇航局和日本國家空間發(fā)展局共同研制，于1997年11月成功發(fā)射的第1顆專門用于定量測量熱帶、亞熱帶降水的氣象衛(wèi)星。衛(wèi)星設計軌道高度 350 km，傾角35°，能夠滿足對熱帶地區(qū)加密觀測的要求。2001年8月衛(wèi)星軌道高度從350 km調整為400 km，以延長其使用壽命。衛(wèi)星上搭載的用于降水觀測的主要傳感器有降水雷達（PR）、被動式微波輻射計（TMI）以及可見/紅外傳感器（VIRS）。其中，PR是第1個星載降水雷達，能夠觀測降水的三維結構，工作頻率13.8 GHz，刈幅220 km，星下點水平分辨率4.3 km，垂直分辨率0.25 km。

TRMM 3B43月降水數(shù)據產品是由TRMM 全球3 h降雨估計產品3B42、NOAA氣候預測中心氣候異常監(jiān)測系統(tǒng)（CAMS）的全球格點雨量測量器資料、全球降水氣候中心（GPCC）的全球降水資料共同合成的覆蓋南北緯50°之間的全球格網降水數(shù)據。該數(shù)據產品的水平分辨率為0.25×025，存儲格式為HDF格式，我國黑龍江、內蒙古2個省部分高緯度地區(qū)沒有數(shù)據覆蓋。

本研究所用數(shù)據包括為地面氣象站點實測降水數(shù)據和TRMM 3B43數(shù)據，降水觀測數(shù)據來自中國氣象數(shù)據共享服務中心，選取2000—2014年江蘇地區(qū)4個站點的氣象數(shù)據，對衛(wèi)星降水數(shù)據進行檢驗。盡管降水數(shù)據可以通過氣象站觀測、衛(wèi)星遙感、大氣模式模擬等獲取，但是地面氣象站點觀測的降水數(shù)據仍然是最準確的[10-11]，因此在本研究中將該實測數(shù)據作為“真值”。

1.2研究方法

1.2.1氣象站點分布

[JP2]圖1為4個氣象站點在江蘇省的位置分布，徐州和連云港贛榆站分布在江蘇北部，東臺和南京站位于江蘇的中部。圖1中的背景為TRMM降水數(shù)據，網格為025°×0.25°。由圖1可以看出，徐州、東臺和南京3個氣象站均在內陸地區(qū)，而贛榆站所對應的TRMM降水格點數(shù)據一部分在江蘇省內，一部分在江蘇省外，但江蘇省外的部分是水體，因此該站點TRMM的估測精度會受到水陸混合像元的影響。

[FK（W14][TPTM1.tif]

1.2.2研究方法

本研究的精度評價方法按不同時間尺度分為年尺度、季節(jié)尺度和月尺度進行分析。在年尺度上，通過計算4個氣象站多年平均降水量，并與TRMM降水數(shù)據對應的多年平均降水量進行對比，計算相對偏差，并對4個氣象站的年降水量和TRMM年降水量作散點擬合分析。在季節(jié)尺度上，把4個氣象站2000—2014年的降水量按4個季節(jié)（春季3—5月，夏季6—8月，秋季9—11月，冬季12月至翌年2月）計算季節(jié)降水量，并與TRMM季節(jié)降水量進行散點擬合，分析TRMM季節(jié)降水量的估測精度。在月降水尺度上，通過氣象站點和TRMM月降水量散點擬合，多年月平均降水量對比，和4個氣象站年降水量變化趨勢分析等方法來研究TRMM月降水量的估測精度。

年降水量變化趨勢[12]具體計算方法——設某站點年降水量時間序列可以用一次直線方程來定量描述：

[JZ（]y=a0+a1t。[JZ）][JY]（1）

式中：y為降水量；t為時間；a0為常數(shù)項。降水趨勢變化率方程為：

[JZ（]a1=[SX（]dy[]dt[SX）]。[JZ）][JY]（2）

式中：a1為線性趨勢項，a1×10單位為mm/10年。

[WTHZ]2TRMM估測與氣象站實測降水量對比分析

2.1年降水量對比

測站年降水量和TRMM年降水量散點擬合結果（圖2）顯示，TRMM對江蘇4個站點2000—2014年的年降水量的擬合結果較好，r2=0.786 9。

通過統(tǒng)計站點多年平均降水量的相對偏差（表1）可以看出，TRMM多年平均降水量與氣象站點相比，相對偏差均為負值，即江蘇省TRMM的年平均降水量的估測值偏低，其中贛榆氣象站的相對偏差最大，為-20.59%，徐州氣象站的相對偏差最小，為-11.79%。相比較而言，4個氣象站中徐州年平均降水量最低，年相對偏差也最小，贛榆站受到水陸混合像元的影響，多年平均相對偏差最大。

2.2季節(jié)降水量對比

不同季節(jié)降水量有很大差別，一般夏季降水量高于冬季，那么TRMM的季節(jié)降水量的估測精度也有待驗證。把江蘇省4個氣象站2000—2014年的降水量按4個季節(jié)計算降水量并與TRMM數(shù)據相應時期計算的結果進行擬合，結果如圖3所示，在4個季節(jié)當中TRMM數(shù)據與對應氣象站的降水量冬季擬合結果最好（r2為0.950 7，擬合線的斜率接近1），其次是春季、秋季，而夏季擬合結果最低（r2為0.778 6）。這與一些已有研究的結果不同，例如，吳雪嬌等在黑河流域對TRMM降水數(shù)據進行驗證，結果顯示夏季擬合精度最好，其次是秋季、春季，而冬季的擬合精度最差[13]。由于江蘇省夏季降水量遠遠高于其他季節(jié)，東臺站夏季降水最高，達到 1 178 mm，雖然江蘇省冬季相對夏季降水偏少，但最低也能達到22 mm。黑河流域冬季降水少于10 mm，夏季降水量最高的野牛溝站為282.3 mm，最低的站為16.6 mm[13]，該地區(qū)的夏季降水量與江蘇省的冬季降水量相當，因此出現(xiàn)了不同的結論。

從整體上來講，TRMM降水數(shù)據對江蘇省的估測精度較高，尤其是冬季（r2=0.950 7）和春季（r2=0.878 5）覆蓋整個冬小麥生育期。

2.3月降水量對比

利用2000年1月至2014年12月的氣象臺站月降水資料（每個氣象站180個樣本）和TRMM月降水資料進行散點擬合（圖4）。月尺度的TRMM擬合精度都較高，在4個站點r2均在0.9左右，擬合線斜率在0.7～0.8之間，說明TRMM降水量的估測值偏低。

對江蘇省4個站點所在TRMM像元與測站記錄的月降水量15年平均值進行對比（圖5）能夠看出，TRMM對各個月份降水的估測能力，圖5顯示6—8月兩者的差異明顯較大。在冬小麥生育期內（11月至次年5月），各站TRMM的估測精度都較好，且在這幾個月中江蘇省降水明顯偏低，尤其是蘇北地區(qū)（徐州站和連云港贛榆站），該圖也驗證了研究蘇北冬小麥干旱的必要性，同時說明冬小麥生育期內TRMM在江蘇省的可用性。

2.4趨勢對比

對15年年降水量變化趨勢進行對比，結果（圖6）表明，除連云港贛榆站外，其余3個站的變化曲線都吻合得比較好。

擬合每條折線并計算變化趨勢（表2）可以看出，徐州站的變化趨勢吻合得非常好，趨勢性也較其他站強。由于時間序列相對較短，其余站的趨勢不明顯。

通過以上綜合分析可知，徐州站的估測精度最高，贛榆站的估測精度最低，將2個站的月降水量變化趨勢（圖7）進行展示，發(fā)現(xiàn)TRMM月降水量和氣象站記錄的降水量變化趨勢基本一致，峰值和波谷處都能較好吻合，能夠體現(xiàn)降水量的季節(jié)變化特征。從月降水量多年變化趨勢發(fā)現(xiàn)，在徐州站，除2000、2005年夏季降水量峰值精度較低外，其他年份都能較好得吻合。在贛榆站，估測精度較低的月份多集中在每年的夏季降水峰值月。

3結論

本研究基于江蘇省2000—2014年連續(xù)15年的實測降水量，對該區(qū)同時段TRMM數(shù)據進行了精度驗證，通過年降水量、季節(jié)降水量和月降水量3個尺度，分析TRMM對江蘇省降水過程的探測能力，由此得到如下結論：（1）TRMM 3B43 降水數(shù)據在年、季和月尺度上均具有較高的精度，月降水量r2

[FK（W20][TPTM7.tif]

均在0.9左右，但TRMM估測的降水量普遍低于測站的降水量。（2）TRMM估測的降水量在夏季精度低于其他季節(jié)，冬季估測的精度最高。（3）徐州站估測精度最高，贛榆站估測精度最低，主要是因為水陸混合像元的影響較大。

綜上，TRMM對江蘇省的降水量有較好的估測能力，估測精度整體較高，能夠用于時空特征分析，但不同地區(qū)不同時間尺度誤差程度有所不同，使用時須謹慎。由于徐州位于蘇北小麥主產區(qū)，也是容易發(fā)生干旱的地區(qū)，TRMM數(shù)據對徐州站的估測精度最高，且在小麥生育期內，TRMM降水量的估測精度較高。因此，TRMM降水資料可用于監(jiān)測冬小麥生育期內降水量的情況。

參考文獻：

[1]Simpson J，Kummerow C，Tao W K，et al. On the tropical rainfall measuring mission（TRMM）[J]. Meteorology and Atmospheric Physics，1996，60（1/2/3）：19-36.

[2]王曉杰，劉海隆，包安明.TRMM 多降水產品在天山及周邊地區(qū)的適用性研究[J]. 水文，2014，34（1）：58-64.

[3]呂洋，楊勝天，蔡明勇，等. TRMM 衛(wèi)星降水數(shù)據在雅魯藏布江流域的適用性分析[J]. 自然資源學報，2013，28（8）：1414-1425.

[4]蔡研聰，金昌杰，王安志，等. 中高緯度地區(qū)TRMM衛(wèi)星降雨數(shù)據的精度評價[J]. 應用生態(tài)學報，2014，25（11）：3296-3306.

[5]Moazami S，Golian S，Kavianpour M R，et al. Comparison of PERSIANN and V7 TRMM muliti-satellite precipitation analysis products with rain gauge data over Iran[J]. International Journal of Remote Sensing，2013，34（22）：8156-8171.[HJ1.75mm]

[6]駱三，苗俊峰，牛濤，等. TRMM 測雨產品3B42 與臺站資料在中國區(qū)域的對比分析[J]. 氣象，2011，37（9）：1081-1090.

[7]Duan Z，Bastiaanssen W G M. First results from Version7 TRMM 3B43 precipitation product in combination with a new downscaling-calibration procedure[J]. Remote Sensing of Environment，2013，131：1-13.

[8]穆振俠，姜卉芳，劉豐. 基于TRMM/TMI與實測站點的降水垂直分布差異性探討[J]. 干旱區(qū)研究，2010，27（4）：515-521.

[9]郝振純，童凱，張磊磊，等. TRMM降水資料在青藏高原的適用性分析[J]. 水文，2011，31（5）：18-23.

[10]Xie P，Arkin P A. Global precipitation：a 17-year monthly analysis based on gauge observations，satellite estimates，and numerical model outputs[J]. Bulletin of the American Meteorological Society，1997，78（11）：2539-2558.

[11]New M，Todd M，Hulme M，et al. Precipitation measurements and trends in the twentieth century[J]. International Journal of Climatology，2001，21（15）：1889-1922.

[12]Huffman G J，Adler R F，Bolvin D T，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.

[13]吳雪嬌，楊梅學，吳波洪，等. TRMM 多衛(wèi)星降水數(shù)據在黑河流域驗證與應用[J]. 冰川凍土，2013，35（2）：310-319.