不同遙感降水產品多時間尺度的比較研究——以三江源地區(qū)為例

王曉鈺，魯 帆，朱 奎，周毓彥，巫 釗

（1.中國水利水電科學研究院水資源研究所，北京 100038；2.中國礦業(yè)大學資源與地球科學學院，江蘇 徐州 222116）

0 引 言

基于衛(wèi)星遙感的降水數(shù)據(jù)覆蓋范圍廣，時效性強，且不同產品具有不同的覆蓋范圍和空間分辨率，能夠彌補地面站點監(jiān)測數(shù)據(jù)不足的缺陷［1］。目前較為常用的降水產品主要包括三類：GPM、CMORPH、TRMM 3B42、PERSIANN 等基于遙感技術的一級產品，融合了地面觀測值和遙感數(shù)據(jù)的GCPC、CMAP、TRMM 3B43 等融合系列產品以及NCEP、JAR-55、CFSR 等融合了地面站點觀測、衛(wèi)星遙感、數(shù)值模式模擬的再分析資料。衛(wèi)星降雨產品易受地形、氣候條件等自然因素的影響，因此在使用之前需要評價產品的適用性。通常采用的評估指標包括相關系數(shù)、相對誤差、命中率、誤報率等［2-5］。遙感降水產品在我國青藏高原的適用性已有較多研究成果，綜合已有成果發(fā)現(xiàn)在不同區(qū)域各產品表現(xiàn)能力各不相同［6-12］，海拔對產品精度有一定影響，TRMM 和GPM 產品表現(xiàn)出對高海拔地區(qū)降水的低估和對低海拔地區(qū)降水的高估，且在高海拔地區(qū)衛(wèi)星探測降水能力高于低海拔區(qū)域［3，9，11］。雨強對產品精度也有影響，隨著降水量的增大，TRMM、CMORPH、GPM 產品的探測能力降低，誤差增大［2，6，10］。在此基礎上有學者開展了降水數(shù)據(jù)融合的相關研究，通過機器學習或者概率統(tǒng)計的方法將地形因子、站點降水數(shù)據(jù)與多源遙感數(shù)據(jù)進行融合，結果表明融合后的降水數(shù)據(jù)集相較于單個衛(wèi)星降水數(shù)據(jù)集不僅能進一步提高降水數(shù)據(jù)的空間分辨率，還能提高數(shù)據(jù)集的精度［13-17］。遙感降水產品也可作為水文模型的降水輸入，被應用于水文模擬和干旱研究中［18-21］。

三江源地區(qū)是中國乃至東南亞的重要水源涵養(yǎng)區(qū)，但該區(qū)域地面氣象站點非常稀疏。評估衛(wèi)星降水資料在三江源的適用性，不僅能為研究無資料地區(qū)降水時空演變提供數(shù)據(jù)支持，也有助于改進水文模型輸入、提高水文模擬及水資源預測能力。目前，已有三江源衛(wèi)星降水產品評估研究，主要是TRMM和GPM 產品，且研究區(qū)均為黃河源，綜合已有文獻，GPM 產品的適用性要優(yōu)于TRMM 等其他衛(wèi)星產品，雨強和海拔對產品精度有不同程度的影響［3，4，8，9，22］。本文選擇在青藏高原區(qū)域精度較好的TRMM 數(shù)據(jù)集和時間序列較長且結合地面站點和衛(wèi)星探測的PER-CDR 和CPC 數(shù)據(jù)集，從衛(wèi)星降水產品對降水捕捉能力和反演精度兩個方面，對三種產品在三江源地區(qū)的適用性進行評估，能夠彌補目前該區(qū)域衛(wèi)星產品適用性評估種類單一的缺陷。

1 研究區(qū)概況

三江源地區(qū)位于青海省南部，是青藏高原的腹地，為長江、黃河和瀾滄江的源頭。平均海拔1 900～6 700 m，地理位置為89.15°E～102.58°E，30.79°N～37.38°N。中西部和北部為河谷山地，多寬闊而平坦的灘地［23］，東南部唐古拉山北麓則以高山峽谷為多，河流切割強烈，地勢陡峭，山體相對高差多在500 m以上。區(qū)域內包括治多縣、貴德縣等21 個縣市，主要河流除長江、黃河、瀾滄江外，還包括楚瑪爾河、北麓河、當曲等支流（如圖1），總面積約39.62 萬km2。區(qū)域年平均氣溫在5.1～9.0 ℃之間［24，25］，高海拔區(qū)年均氣溫在0 ℃以下。氣候特征為冷熱兩季交替、干濕兩季分明、年溫差小、日照時間長、輻射強烈［26］。平均蒸散發(fā)在空間上呈現(xiàn)出東高西低的分布形態(tài)，整體變化范圍在300～800 mm 之間。研究區(qū)內分布有沼澤、湖泊、雪山和冰川，冰川主要分布在長江源北部和西南部，以及瀾滄江源北部［27］。植被類型主要為高寒草甸和高寒草原。

圖1 三江源區(qū)地形圖及氣象站點分布圖Fig.1 Topographic map and weather station distribution map of the Three-River Source Region

2 研究數(shù)據(jù)及方法

2.1 數(shù) 據(jù)

本研究使用的降水數(shù)據(jù)時間跨度為2008-2018年，數(shù)據(jù)主要分為地面降水觀測資料和衛(wèi)星遙感反演降水產品。地面降水觀測資料來自中國氣象數(shù)據(jù)網（http：//data.cma.cn），本研究選擇了三江源區(qū)域內16 個氣象站點2008-2018年的日降水數(shù)據(jù)，站點位置如圖1所示。使用的衛(wèi)星遙感反演降水產品有三種，基本信息如表1所示。

表1 遙感衛(wèi)星降水產品信息表Tab.1 Satellite remote sensing precipitation product information sheet

CPC 數(shù)據(jù)集（CPC Unified Gauge-Based Analysis Of Global Daily Precipitation）是由美國NOAA 氣候預測中心（https：//www.cpc.ncep.noaa.gov/）提供，結合了美國氣候預測中心上所有可用的信息源，并利用最佳插值（OI）技術創(chuàng)建的考慮地形影響的日降水分析數(shù)據(jù)集［28］，數(shù)據(jù)集時間從1979年至今；PER-CDR 數(shù)據(jù)集是PERSIANN 系列產品的一種，由美國國家海洋與大氣管理局（https：//www.noaa.gov/）提供，根據(jù)GridSat-B1 紅外衛(wèi)星資料［29］，利用美國國家環(huán)境預報中心四級逐時降水資料和PERSI‐ANN 算法進行降水估算，使用了全球降水氣候計劃（GPCP）月產品的降水數(shù)據(jù)集進行調整，數(shù)據(jù)時間從1983年至今。TRMM數(shù)據(jù)來自美國航空航天局（https：//earthdata.nasa.gov/），是通過與地面降水站點進行調整后的實時降水產品，其優(yōu)勢在于與之前的V6 版本產品相比，采用了更加密集的地面雨量站數(shù)據(jù)進行調整［30，31］。三種衛(wèi)星遙感數(shù)據(jù)集的空間分辨率不同，且研究區(qū)站點較少，若將氣象站點插值到與衛(wèi)星數(shù)據(jù)分辨率一致的網格形式，誤差較大。因此批量提取netCDF格式的衛(wèi)星日降水數(shù)據(jù)，選取與氣象站點位置對應的網格日降水數(shù)據(jù)，累加到月、季、年降水量，在站點尺度上進行遙感降水產品精度的評估。

2.2 方 法

為綜合評估不同產品在研究區(qū)的適用性，從降水事件的捕捉能力和不同時間尺度的反演精度兩個方面對三種產品進行評估。采用探測率（POD）、誤報率（FAR）和探測成功率（CSI）三個指標評估衛(wèi)星降水產品捕捉日尺度上降雨事件的能力。反演精度的評估指標包括一致性指標和誤差指標，一致性指標采用相關系數(shù)（Correlation Coefficient，簡稱R），誤差評價指標有兩個：相對誤差（Relative Bias，簡稱RB）、均方根誤差（Root Mean Square Error，簡稱RMSE）。

POD表示該閾值下實際降水被衛(wèi)星正確探測到的概率，反映衛(wèi)星探測降水的準確度，其范圍為［0，1］。FAR表示實測未觀測到降水但衛(wèi)星探測到降水的概率，反映衛(wèi)星探測出現(xiàn)錯誤的概率，其范圍為［0，1］。CSI是一個綜合指標，表示產品成功探測到降水事件的幾率，取值范圍為［0，1］。POD、FAR和CSI的最優(yōu)值分別為1、0 和1。R范圍為-1～1，R為正值表示兩種數(shù)據(jù)集呈正相關，反之為負相關。RMSE表示平均絕對誤差大小，對異常值非常敏感，RB表示衛(wèi)星產品和標準觀測之間的系統(tǒng)偏差，兩者越接近于0，衛(wèi)星產品反演降水的誤差越小。

式中：H為衛(wèi)星和氣象站點均觀測到的降水事件數(shù)量；M表示衛(wèi)星未檢測到發(fā)生但氣象站點觀測到發(fā)生的降水事件數(shù)量；F表示衛(wèi)星檢測到發(fā)生但氣象站點未觀測到發(fā)生的降水事件數(shù)量；n是降水數(shù)據(jù)的對應樣本數(shù)量；i為序號；Psi是某個氣象站第i個觀測降水數(shù)據(jù)；Poi是某氣象站處對應的遙感衛(wèi)星網格反演的第i個降水數(shù)據(jù)；是某個氣象站降水量平均值；是某個氣象站處對應的遙感衛(wèi)星網格反演降水量的平均值。

3 結果分析

3.1 對日降水事件的捕捉能力

計算三江源地區(qū)三種衛(wèi)星產品捕捉日降水事件能力的對應參數(shù)，并繪制能清晰反映參數(shù)分布和是否有異常值的箱型圖（見圖2），以評估日降水發(fā)生的一致性。箱型圖中從上向下共六條直線分別代表：最優(yōu)值、上限、上四分位數(shù)Q3、中位數(shù)、下四分位數(shù)Q1 及下限，上下限之間的點代表平均值。POD、FAR、CSI均沒有異常值出現(xiàn)，各個參數(shù)越接近最優(yōu)值，代表產品的探測能力越好。

圖2 日降水事件捕捉能力參數(shù)POD、FAR、CSI箱型圖Fig.2 Box diagram of daily precipitation event capturing ability parameters POD，F(xiàn)AR，CSI

就POD而言，CPC 和PER-CDR 產品的中位數(shù)均高于0.6，探測降水事件能力較強，且CPC 產品的平均值和最低值均高于PER-CDR 產品；TRMM 產品POD中位數(shù)僅0.46，明顯低于前兩種產品。FAR方面，CPC 產品和TRMM 產品的中位數(shù)均低于0.5，而PER-CDR 產品中位數(shù)達到0.6，即三種產品均有半數(shù)的衛(wèi)星降水事件為誤報。由于三者誤報率均較高，CSI平均值均低于0.5，但CPC 探測能力優(yōu)于PER-CDR 和TRMM，主要原因是CPC的探測率較高。

根據(jù)國家氣象局頒布的降水強度等級劃分標準并結合研究區(qū)實際情況，將日降水分為小雨（0.1～9.9 mm/d），中雨（10～24.9 mm/d），大雨（25～49.9 mm/d），暴雨（≥50 mm/d）。分析衛(wèi)星對各量級降水捕捉能力的變化情況（見圖3）。隨著降雨量級的增大，POD和CSI均逐漸降低，F(xiàn)AR增大。可以發(fā)現(xiàn)除小雨事件外，其他降水量級POD均低于0.5，F(xiàn)AR均高于0.5。TRMM 衛(wèi)星在各量級降水中POD均最低而FAR值均高于PER-CDR 和CPC。結果顯示，3 種產品對小雨的探測率及探測成功率最高，但無法捕捉到暴雨事件，16 個站點11年內僅6 場暴雨，CPC、PER-CDR 和TRMM 產品均只觀測到兩次降水的發(fā)生并將其低估為小雨。表明3 種產品對弱強度降水事件有較好的探測性能，對中、高強度降水的捕捉能力較差。

圖3 不同雨強的POD、FAR、CSI變化情況Fig.3 Changes of POD，F(xiàn)AR and CSI under different rain intensities

為進一步研究海拔對衛(wèi)星探測降水事件能力的影響，對各站點海拔和對應的各探測參數(shù)進行相關分析，使用t檢驗方法進行顯著性檢驗。研究中選取的氣象站海拔范圍在2 000～5 000 m之間，研究發(fā)現(xiàn)不同探測能力參數(shù)隨海拔的變化各不相同。3 種產品的POD與海拔均無明顯關系（相關系數(shù)絕對值均低于0.3，未通過顯著性檢驗）。CPC、PER-CDR、TRMM 的FAR均與海拔呈現(xiàn)顯著負相關關系，相關系數(shù)分別為-0.73，-0.61，-0.53，且均通過95%顯著性檢驗。即隨著海拔的增加，誤報率降低，精度越高，CPC 產品FAR與海拔的相關性高于其他兩種產品。對于CSI，除TRMM 產品為不顯著正相關，其他兩種產品的CSI均與海拔呈顯著正相關關系，隨著海拔的增加，探測成功率隨之增加。

3.2 不同時間尺度的反演精度

為直觀地表現(xiàn)出3 種產品與實測降水的一致性，以選取的16 個站點實測降水為橫坐標，遙感產品反演降水量為縱坐標，做一元線性回歸并繪制各時間尺度上的散點圖（見圖4），繪制散點圖的數(shù)據(jù)均通過了t檢驗（置信水平均達到99%）。由圖4可知，在各個時間尺度上，CPC 與TRMM 產品在對角線兩側分布較為均勻，而PER-CDR 產品明顯高估了降水。實測年降水量分別與CPC、PER-CDR、TRMM 產品年降水量的相關系數(shù)為0.82、0.78、0.83，3 種產品季相關系數(shù)均在0.9 以上，月相關系數(shù)均在0.95以上，日尺度相關系數(shù)最低，PER-CDR、TRMM 相關系數(shù)均低于0.3，CPC 最高為0.47。從圖中看出同一產品月尺度的散點集中在對角線附近，季和年的散點分布更離散，導致了月、季、年相關系數(shù)逐漸降低；日散點分布相對于對角線最為分散，故相關系數(shù)在各尺度上最低。3種產品反演降水與站點實測降水在三江源區(qū)一致性均較好。除日尺度的其他時間尺度上，CPC 產品和TRMM 產品的R值相近，均優(yōu)于PER-CDR 產品且隨著時間尺度的增大，同一產品一致性有所降低。日尺度相關性較差的原因是三江源區(qū)處于高寒地區(qū)，地形條件復雜且海拔跨度大，給衛(wèi)星準確反演降水增加了難度。

圖4 一致性指標日尺度、月尺度、季尺度、年尺度降水散點圖Fig.4 Concordance index daily scale，monthly scale，seasonal scale，annual scale precipitation scatter plot

為定量分析3 種遙感降水資料在三江源的反演精度，分別繪制多年平均季降水折線圖和多年降水年內分配曲線，并計算了遙感降水與觀測降水數(shù)據(jù)各時間尺度的相對誤差及均方根誤差（見圖5、6）。年尺度上，CPC、PER-CDR、TRMM 相對誤差分別為4.5%、24.8%、2.3%，均方根誤差分別為35.5、63.2、37.4 mm，均高估了年降水量，高估程度PER-CDR 最大，TRMM 最小。季尺度上，除CPC 在冬季低估降水量（RB=-5.8%），其他季節(jié)三種產品均高估了降水量，CPC 和TRMM 四季的相對誤差數(shù)值接近，均低于5%。PER-CDR 均高于18%，尤其在冬季，PERCDR相對誤差達到85.3%。均方根誤差隨著季節(jié)降水量增加而增加，夏季最高，秋季和春季次之，冬季最低，同一季節(jié)CPC 的均方根誤差最低。月尺度上，PER-CDR 在各個月份均明顯高估降水（RB均＞15%），CPC 產品誤差最?。▅RB|＜10%），TRMM 次之（|RB|＜22%），兩者逐月相對誤差變化趨勢接近，均在6-8月高估降水，1月和4月低估降水。整體而言，CPC 產品誤差更小。均方根誤差隨著月降水量增加而增加，3種產品中PER-CDR 最高。1-4月TRMM 與CPC 的數(shù)值接近，5-12月CPC 的均方根誤差更小。日尺度上，整體看PER-CDR 明顯高估降水，CPC 誤差較TRMM 更小。為直觀地表示日相對誤差的分布情況，繪制逐日相對誤差分布柱狀圖（見圖7）。由圖可知，CPC、PER-CDR和TRMM 產品的逐日相對誤差分布在-50%～50%范圍內的天數(shù)分別為291、175、212 d。3 種產品逐日相對誤差的較大值（RB＞200%）均出現(xiàn)在11月-1月中，其他日期內相對誤差正負值交替出現(xiàn)。CPC、PER-CDR 和TRMM日均方根誤差范圍分別為0～7、0～12.5、0～13.7 mm，且在6月10日-8月10日范圍內較高，均高于4 mm，在11月到2月中旬較低，均低于1 mm。

圖5 季節(jié)降水量及四季誤差指標折線圖Fig.5 Line chart of seasonal precipitation and seasonal error indicators

圖6 月降水量及月誤差指標折線圖Fig.6 Line chart of monthly precipitation and monthly error indicators

圖7 日相對誤差分布圖Fig.7 Daily relative error distribution chart

總體而言，年、季、月尺度上3 個產品均能反映出降水的變化特征：夏季降水最多，秋季和春季次之，冬季降水最少；年內分配不均，降水主要集中在5-9月，降水量占全年的80%。降水年內分配呈單峰值，7月最高，12月最低。年和季尺度上，TRMM 產品的精度最高，月和日尺度則是CPC 產品效果最優(yōu)，PER-CDR 產品在各個尺度上都明顯高估降水，精度最低。對比各個時間尺度的相對誤差，發(fā)現(xiàn)日相對誤差最大，年、季、月的誤差則相對較小。

表2是3 種降水資料年降水量誤差結果。站點尺度上，不同產品誤差極值出現(xiàn)的位置不同。不同時間尺度上CPC 和TRMM 相對誤差最大值均出現(xiàn)在貴德站（可能是貴德縣是河谷盆地的地形條件），CPC 明顯高估了貴德站降水，而TRMM 則明顯低估了降水。各個時間尺度上，CPC 相對誤差均高于50%，TRMM 高于30%，PER-CDR 產品高估程度最大的是囊謙站，各時間尺度上相對誤差僅高于70%。TRMM 產品除貴德站外，其他站點的相對誤差均在-20%～20%范圍內。CPC和TRMM年降水均方根誤差的最大值出現(xiàn)在貴德站，PER-CDR 產品則出現(xiàn)在囊謙站?？傮w來看，TRMM 產品在年和季尺度上的誤差最低，精度最高，月尺度上CPC誤差最小，精度最高。

表2 3種降水資料年降水量誤差結果Tab.2 Annual precipitation error results of three types of precipitation data

4 結 論

本文從降水事件的捕捉能力及不同時間尺度對降水的反演精度兩方面綜合評價了三種遙感降水產品在三江源地區(qū)的適用情況，CPC 產品在兩個方面均優(yōu)于PER-CDR 和TRMM。主要結論如下：

（1）在三江源區(qū)，CPC 產品對降水的探測能力最優(yōu)（CSI=0.42），PER-CDR 產品次之（CSI=0.33），TRMM 產品最差（CSI=0.31），可能是因為三江源的地理因素影響了基于微波算法的TRMM 產品的捕捉能力。3 種產品均沒有捕捉到暴雨事件。遙感衛(wèi)星產品在3 000 m 以上高海拔地區(qū)的探測降水能力優(yōu)于3 000 m以下地區(qū)，對于小雨的探測性能優(yōu)于中雨和大雨事件。

（2）降水數(shù)據(jù)的一致性方面，同一產品的月降水散點集中在對角線附近，季和年的散點分布更離散，導致了月、季、年相關系數(shù)逐漸降低；日散點分布相對于對角線最為分散，故相關系數(shù)在各尺度上最低。月尺度和季尺度的相關系數(shù)均在0.9 左右，年尺度的相關系數(shù)約為0.8。同一時間尺度上，CPC 產品和TRMM產品的一致性相近，均優(yōu)于PER-CDR產品。

（3）年、季、月尺度上3個產品均能反映出降水的變化特征，年和季尺度上，TRMM 產品的精度最高，月和日尺度則是CPC產品效果最優(yōu)，CPC 的RB較TRMM 更小，表示CPC 誤差的極值較TRMM 少。PER-CDR 產品在各個尺度上都明顯高估降水，精度最低。對比各時間尺度的相對誤差，發(fā)現(xiàn)日相對誤差最大，季、月的誤差相對較小，年相對誤差最小，即衛(wèi)星降雨數(shù)據(jù)的精度隨時間尺度的增加有所提高。站點尺度上，CPC 和TRMM年、季、月相對誤差最大值均出現(xiàn)在貴德站，CPC 明顯高估了貴德站降水，TRMM則明顯低估了降水。PER-CDR產品高估程度最大的是囊謙站，各時間尺度上相對誤差均高于70%。整體呈高估的原因是衛(wèi)星產品對低降水的高估。

（4）CPC 產品集合了衛(wèi)星反演降水數(shù)據(jù)和地面實測數(shù)據(jù)源，能夠為三江源等地區(qū)降水的時空變化提供數(shù)據(jù)支持，但其對強降水的探測精度及日尺度的精度仍有待提升，在使用時需要進行對比校正。