國際主流多源融合降水實況產(chǎn)品的研究進展與展望

張璐 潘旸 谷軍霞 師春香

（國家氣象信息中心數(shù)據(jù)研究室，北京 100081）

0 引言

降水是氣候系統(tǒng)中水分循環(huán)和能量交換的重要組成部分，是表征氣候變化的重要指標，作為陸地表面的重要物理量，其時空分布和變化對于水文循環(huán)、地氣相互作用以及防災(zāi)減災(zāi)具有重要作用。另一方面，在運用數(shù)值模式模擬和預(yù)測天氣及氣候系統(tǒng)變化時，也需要高質(zhì)量的降水觀測產(chǎn)品來進行對比檢驗。因此，準確的降水時空分布信息對于了解氣候系統(tǒng)和長期的天氣氣候變化，以及陸表、水文過程的模擬和預(yù)報至關(guān)重要。

目前降水數(shù)據(jù)源主要包括站點觀測、衛(wèi)星遙感、雷達估算降水和數(shù)值模式模擬（或預(yù)報）。這幾種數(shù)據(jù)各有優(yōu)劣。站點觀測數(shù)據(jù)通過雨量計獲取數(shù)據(jù)，能夠較為準確地測量當前時刻地面的降水量，但空間代表性差；由于受儀器故障、運行性能下降、雜物堵塞雨量筒等因素影響，實際的地面觀測降水數(shù)據(jù)包含隨機偏差和系統(tǒng)性偏差。雷達估算降水具有較高的時空分辨率，但雷達回波中的雜波和噪聲會對估算結(jié)果造成較大影響，數(shù)據(jù)精確度不如地面雨量計觀測[1]。這兩種降水資料空間分布不均勻，適合觀測局地區(qū)域性降水，很難獲得較準確的大區(qū)域或全球的降水信息。衛(wèi)星反演降水資料空間覆蓋廣，對某些特定目標區(qū)域的觀測時間分辨率也很高，但由于衛(wèi)星反演降水的物理原理和算法的局限性，其反演降水的精度相對降低。數(shù)值模式模擬（或預(yù)報）的降水數(shù)據(jù)是根據(jù)天氣系統(tǒng)變化、微物理過程演變和地形條件作用等信息，綜合得出的降水數(shù)據(jù)，通常包含地形信息且數(shù)據(jù)分布規(guī)則，然而由于模式動力框架、物理過程還不能完全描述大氣的真實狀態(tài)，模式本身亦存在嚴重的系統(tǒng)偏差，使得模擬（或預(yù)報）降水區(qū)域與實際地面觀測常常存在一定程度的差異。因此，基于單一來源的降水資料各有優(yōu)劣，有效利用不同來源降水的優(yōu)勢，將多源降水進行融合是獲取高質(zhì)量高分辨率網(wǎng)格降水產(chǎn)品的趨勢。

“天氣實況”是天氣預(yù)報的起點?！熬W(wǎng)格天氣實況”則要求多圈層多要素整體協(xié)調(diào)一致，還得對復(fù)雜地形和高影響天氣中個別的極值負值進行合理化處理，為預(yù)報與服務(wù)提供“零時刻”數(shù)據(jù)支撐。多源降水實況產(chǎn)品的研制對于實時掌握天氣形勢、及時佐證降水預(yù)報具有重要意義。

從20世紀90年代起，美國、日本、歐盟等先后開始研制降水融合實況產(chǎn)品。美國國家海洋大氣管理局（NOAA）、美國國家氣象局（NWS）和氣候預(yù)測中心（CPC）的CMAP產(chǎn)品覆蓋全球，分別有月和候兩種時間分辨率，CMORPH產(chǎn)品只覆蓋60°N—60°S的地區(qū)，原始數(shù)據(jù)時間分辨率為30 min。2019年美國NASA推出了覆蓋全球范圍、時間分辨率為30 min、空間分辨率為0.1°的衛(wèi)星反演降水產(chǎn)品IMERG V06[2]。相比于其他系列降水產(chǎn)品，在大幅度提高時空分辨率的基礎(chǔ)上，仍具有較好的數(shù)據(jù)質(zhì)量，成為衛(wèi)星反演降水產(chǎn)品的主流產(chǎn)品之一。日本研制的GSMaP產(chǎn)品盡管只覆蓋60°N—60°S區(qū)域，但是該產(chǎn)品在研制過程中合理考慮了地形作用對降水的影響，因此也具有較好的產(chǎn)品質(zhì)量。

NOAA國家強風(fēng)暴實驗室（NSSL）和NWS水文發(fā)展辦公室（Office of Hydrologic Development）針對高質(zhì)量、高分辨率降水產(chǎn)品的需求，聯(lián)合發(fā)展了NMQ計劃（The National Mosaic and Multisensor QPE Project），發(fā)展了一系列針對雷達和衛(wèi)星估測降水的誤差訂正[3]和針對單部雷達特性的局地誤差訂正方案[4]以及雷達、衛(wèi)星與地面觀測資料的融合技術(shù)[5-6]，并實時推出了各種高分辨率定量降水估測（QPE）產(chǎn)品，其中美國最新業(yè)務(wù)化的MRMS系統(tǒng)研制的雷達QPE產(chǎn)品Q3是區(qū)域高分辨率QPE產(chǎn)品中比較有代表性的降水產(chǎn)品。1 km的空間分辨率和2 min的時間分辨率使得Q3相比于StageⅡ和Stage Ⅳ有了較大提升，尤其在主要技術(shù)中新增了無縫混合掃描等關(guān)鍵技術(shù)，進一步提高了QPE的質(zhì)量。

近年來國外降水融合技術(shù)逐步改進，不斷推出時空分辨率更高、質(zhì)量更好的多源降水融合產(chǎn)品。發(fā)展高分辨率的降水融合產(chǎn)品，是解決氣象及水文業(yè)務(wù)和科研迫切需求的有效途徑，因而越來越受到氣象資料基礎(chǔ)研究領(lǐng)域的關(guān)注和重視。我國對于多源降水融合技術(shù)的研究起步較晚，自2010年起逐步開展此項研究，旨在建成中國區(qū)域多源降水融合實況系統(tǒng)，研制中國區(qū)域高時空分辨率多源降水融合產(chǎn)品及全球多源降水融合產(chǎn)品。最初引進NOAA和CPC的“概率密度函數(shù)（PDF）+最優(yōu)插值（OI）”兩步融合法[7]研制了中國區(qū)域逐小時、0.1°的地面和基于GSMaP和IMERG衛(wèi)星反演降水的二源融合降水產(chǎn)品[8-10]。2014年引入雷達降水高分辨率的空間結(jié)構(gòu)信息，采用貝葉斯模式平均（BMA）方法，在中國區(qū)域成功研制出逐時、5 km的地面衛(wèi)星、雷達三源融合降水產(chǎn)品，2016年進一步將產(chǎn)品空間分辨率提高至1 km[8,11]。2018年國家氣象信息中心牽頭，中國區(qū)域逐時、5 km分辨率的地面衛(wèi)星、雷達三源融合降水實況產(chǎn)品實現(xiàn)業(yè)務(wù)運行，作為零時刻實況應(yīng)用于我國無縫隙智能網(wǎng)格預(yù)報業(yè)務(wù)，2021年該產(chǎn)品空間分辨率將提高至1 km。三源融合產(chǎn)品雖然一定程度上滿足了用戶對產(chǎn)品質(zhì)量、時效和高分辨率的需求，但是仍然存在需要解決的問題和未能滿足的需求。首先，在衛(wèi)星反演降水產(chǎn)品領(lǐng)域，我國還未推出自己研制的全球產(chǎn)品，目前仍依賴于國外產(chǎn)品，對于如何進行紅外和微波反演技術(shù)研究和開展衛(wèi)星反演降水產(chǎn)品研究，需要廣泛調(diào)研，制定計劃。其次，我國還沒有時間上均一的長序列、全國組網(wǎng)的雷達QPE歷史產(chǎn)品用于雷達QPE產(chǎn)品的偏差訂正；并且對于雷達QPE的質(zhì)量控制方法還不夠詳細和嚴謹?？紤]到我國存在大量S波段雷達和C波段雷達，二者在雨區(qū)衰減方式不同，造成二者疊加區(qū)域組網(wǎng)也有一定的技術(shù)難度。雷達QPE產(chǎn)品還存在雷達放射狀波束結(jié)構(gòu)，以及不同雷達的系統(tǒng)偏差拼接后造成降水空間結(jié)構(gòu)不連續(xù)等質(zhì)量問題。最后，青藏高原地區(qū)的特殊地形也為降水融合帶來了較大困難。山區(qū)降水如何根據(jù)地形合理融合也是亟需解決的問題。

針對我國降水融合領(lǐng)域的發(fā)展現(xiàn)狀和問題，對國際主流降水融合產(chǎn)品展開調(diào)研，以美國的IMERG、MRMS的Q3和日本的GSMaP為例，重點調(diào)研這幾種產(chǎn)品的研制算法、產(chǎn)品優(yōu)勢和不足之處，及時掌握國際降水融合產(chǎn)品研究動態(tài)，為進一步完善我國降水融合產(chǎn)品奠定基礎(chǔ)。

1 降水融合的發(fā)展現(xiàn)狀

1.1 國際主流全球降水實況產(chǎn)品研究進展

靜止衛(wèi)星與極軌衛(wèi)星運行方式的差異決定了二者的探測重點不同。靜止衛(wèi)星能夠長時間、連續(xù)且高時空分辨率地探測大氣，利用它探測的紅外/可見光（IR/VIS）云頂亮溫與降水概率和降水強度統(tǒng)計關(guān)系來反演降水，適用于對流性降水為主的區(qū)域。極軌衛(wèi)星探測的是大氣中降水例子發(fā)射或者散射的微波，由被動微波（PMW）反演降水精度顯著提高。靜止衛(wèi)星與極軌衛(wèi)星觀測難以實現(xiàn)時空全覆蓋，因此結(jié)合紅外和微波探測的優(yōu)勢發(fā)展集成衛(wèi)星反演降水是研制全球衛(wèi)星反演降水產(chǎn)品的主流思路。國際現(xiàn)有主流的衛(wèi)星反演降水融合產(chǎn)品如表1所示。這類降水產(chǎn)品雖然大多覆蓋全球，但多以逐月（候）為主，空間分辨率也較粗，但資料時間覆蓋從1979年至今，一定程度上滿足了降水季節(jié)性、年際和年代際變化等氣候方面的研究和應(yīng)用。其中美國的IMERG產(chǎn)品和日本的GSMaP產(chǎn)品相比之下具有較高的時間和空間分辨率，下面將針對這兩種產(chǎn)品做進一步調(diào)研介紹。

表1 國際主要降水業(yè)務(wù)產(chǎn)品 Table 1 List of global merged precipitation products

1.1.1 美國 IMERG V06降水產(chǎn)品

Integrated Multi-Satellite Retrievals for GPM （IMERG）是美國NNASA推出的網(wǎng)格化GPM（Global Precipitation Measurement）降水產(chǎn)品，它結(jié)合了多個星載傳感器的觀測結(jié)果，為全球提供逐小時0.1°分辨率的降水估計值。IMERAG的本質(zhì)是使用GPM核心天文臺上的傳感器作為參考標準去校準GPM的衛(wèi)星傳感器，通過單一的反演框架來估計觀測到的降水，然后將它們用先進的技術(shù)融合成一個覆蓋全球的網(wǎng)格數(shù)據(jù)。IMERG V06從數(shù)值模型中的總可降水水汽（或總柱狀水汽）中導(dǎo)出運動矢量以傳播降水像素，解決之前基于紅外（IR）方法的局限性，并將該方案擴展到極地。

IMERG V06版本提供了全球0.1°的降水估計，過去的版本覆蓋范圍只有60°N—60°S。IMERG有Early、Late和Final三個版本以適應(yīng)不同用戶對數(shù)據(jù)延遲和準確行的要求。Early版本延遲4 h提供，適用于實時應(yīng)用程序，例如預(yù)測山洪暴發(fā)。延遲時間為12 h的Late版本可用于水資源管理等目的。Final版本的延遲為3.5個月，適用于研究應(yīng)用程序。

1.1.1.1 IMERG算法簡述

IMERG的框圖如圖1所示。從各個衛(wèi)星PMW傳感器計算的輸入降水估值是組合在一起的，大部分作為1級亮度溫度從相關(guān)供應(yīng)商接收到降水處理系統(tǒng)（Precipitation Processing System，PPS），轉(zhuǎn)換為GPM 1C級校準亮度溫度，然后使用GPROF 2017（目前）轉(zhuǎn)換為2級降水估值。所有估計值都被網(wǎng)格化后，使用概率匹配在45天滾動的基礎(chǔ)上與CORRA產(chǎn)品相互校準，并在高緯度海洋（其中CORRA V06降水不足）和整個陸地上使用簡單的比率對GPCP月估計值進行氣候?qū)W校準。這些高質(zhì)量數(shù)據(jù)被合并成逐半小時，并提供給CPC變形卡爾曼濾波器準拉格朗日時間插值方案和利用人工神經(jīng)網(wǎng)絡(luò)—云分類系統(tǒng)重新校準方案。同時，CPC經(jīng)過天頂角校正、相互校準的合并地理紅外場，并將其轉(zhuǎn)發(fā)至PPS，用于PERSIANN-CCS計算例程（詳見[12]）。

圖1 IMERG 中主要處理模塊和數(shù)據(jù)流的高級框圖 Fig. 1 High-level block diagram illustrating the major processing modules and data flow

IMERG使用的降水值是由被動微波（PMW）傳感器估算的。PMW對降水的估算是通過Goddard剖面算法（GPROF），這是一種完全參數(shù)化的反演算法，該算法使用貝葉斯方法，以地表類型、地表溫度和總降水量為條件，根據(jù)PMW亮溫估計地表降水率。PMW估計值每半小時轉(zhuǎn)化為0.1°網(wǎng)格值。如果一個網(wǎng)格框內(nèi)有兩個以上的估計值，則根據(jù)以下優(yōu)先級只選擇一個：選擇錐形掃描傳感器的估計值而非交叉掃描傳感器的估計值，其次是估計值的觀測時間最接近半小時的中心時刻。之后，對格點化的PMW估計值進行相互訂正。IMERG使用Ku波段聯(lián)合雷達和輻射計（CORRA）產(chǎn)品作為校準的參考標準，對全球降水氣候項目V2.3產(chǎn)品[12,13]進行季節(jié)性調(diào)整，以控制陸地和海洋某些緯度上已知的不足之處。理想情況下，所有傳感器都將直接校準到CORRA，但由于軌道特性和Ku波段CORRA估計值的范圍較窄，對于搭檔傳感器來說，重合采樣太少了。因此，相互校準分兩步進行。首先，網(wǎng)格化搭檔傳感器的平均值分別根據(jù)GPM和TRMM時期的GPM微波成像儀（GMI）和TRMM微波成像儀（TMI），使用基于一年重合估計的靜態(tài)季節(jié)性數(shù)據(jù)進行校準。其次，使用每5 d更新一次的45 d動態(tài)校準，將GMI-TMI校準到CORRA，該校準也適用于GMI-TMI校準的搭檔傳感器。

準拉格朗日插值應(yīng)用于網(wǎng)格PMW估計，用以填補輔助數(shù)據(jù)計算的運動矢量中的空白。此過程稱為變形，最初是作為CPC變形技術(shù)（CMORPH）的核心組成部分被引入的[14-15]。利用人工神經(jīng)網(wǎng)絡(luò)-云簇系統(tǒng)（PERSIANN-CCS）算法計算紅外亮溫，并以此計算微波校準的降水估計值，再根據(jù)[16]的卡爾曼濾波方法進一步補充變形降水。通常情況下，在凍結(jié)的表面上，PMW的反演是不準確的，所以IMERG掩蓋了PMW和雪、冰覆蓋表面的變形估計，正如NOAA AutoSnow產(chǎn)品所示[17]。

1.1.1.2 IMERG算法變形

IMERG算法的一個關(guān)鍵組成部分是變形技術(shù)。首先由NOAA氣候預(yù)測中心開發(fā)，作為CMORPH產(chǎn)品的核心部分，后來根據(jù)全球衛(wèi)星降水制圖改進卡爾曼濾波（GSMaP）[18]，包括IR降水[16]，最后將變形算法集成在IMERG算法中。全球降水的先進算法迅速采用這一概念，證明了它能夠從有限的PMW傳感器采樣中在網(wǎng)格數(shù)據(jù)集中產(chǎn)生高時間分辨率的產(chǎn)品。

在CMORPH和IMERG中實現(xiàn)的變形算法可以分解為三個部分。首先，推導(dǎo)出代表降水運動的運動向量。其次，這些運動向量用于在沒有瞬時PMW觀察的區(qū)域上傳播降水。最后，通過卡爾曼濾波器將傳播降水與紅外降水集成。

為了得到運動矢量，比較了全球范圍的大氣變量的兩個連續(xù)場。在V06之前的CMORPH和IMERG中，所使用的變量是來自CPC 4 km融合的紅外數(shù)據(jù)集的半小時全球地球同步紅外亮溫。為了計算網(wǎng)格框處的運動矢量，將5°×5°模板中低于260 K的IR像素與接下來半小時的IR像素進行比較，這些像素與模板具有不同的空間偏移。對每個空間偏移量計算紅外像素的兩個場之間的相關(guān)性，相關(guān)性最高的偏移量構(gòu)成該網(wǎng)格框的運動矢量。這種方法得到的運動矢量反映了云頂?shù)拇蟪叨冗\動，與實際的亮溫值相對獨立。雖然運動矢量可以在每個降水網(wǎng)格處導(dǎo)出（對于IMERG來說是0.1°），但由于此過程計算量很大，實際上每2.5°計算一次。由于數(shù)據(jù)丟失或模板中缺少冷云而導(dǎo)致的任何缺失向量都使用時間和空間插值來填充。如果將多個像素傳播到單個網(wǎng)格框，則對它們進行平均。如果傳播后網(wǎng)格框為空，則使用來自相鄰網(wǎng)格框的空間插值來填充它。

在CMORPH和IMERG中，從V05開始，運動矢量是根據(jù)4 km地球同步紅外亮度溫度計算的；因此，運動矢量反映了云頂運動。然而，使用地球同步IR計算運動矢量有兩個主要限制。第一個是云頂運動可能與降水運動不匹配，主要是由于風(fēng)切變以及降水和云系統(tǒng)演化的潛在差異。事實上，這就是使用美國地基雷達進行氣候定標的原因（如上所述），盡管尚不清楚這些定標因子對世界其他地區(qū)的適用程度。第二個是CPC紅外數(shù)據(jù)集僅限于60°N—60°S。60°N/S向極地方向，視角被認為過于傾斜，無法產(chǎn)生可靠有用的信息。這個限制阻止了變形直接擴展到高緯度（此處定義為60°N/S向極地地區(qū)）。針對地球同步紅外數(shù)據(jù)的這些缺點，改進了IMERG V06，使用數(shù)值模型變量導(dǎo)出運動矢量。

1.1.1.3 IMERG的未來發(fā)展

針對IMERG V06產(chǎn)品中陸地—海岸—海洋連續(xù)性降水探測的不確定性，Derin等人[19]選取美國的三個沿海地區(qū)——西海岸、墨西哥灣和東海岸，已經(jīng)進行了初步評估，所有這些地區(qū)都具有不同的地形和降水氣候特征。在不同的表面（陸地、海岸和海洋）進行檢測能力的對比。結(jié)果表明，PMW算法檢測性能最好（命中率在25%～39%），其次是變形（20%～34%）。對于地形難以檢測的西海岸，降水形成機制起著重要作用。IMERG V06產(chǎn)品依舊有需要不斷完善的地方。

對于IMERG V06，目前選擇總可降水量（TQV）作為推導(dǎo)運動向量的變量，因為它具有競爭力的性能和全局完整性，盡管隨著更多評估結(jié)果的到來，可能會在未來版本中重新考慮這一決定。

關(guān)于運動矢量源對TQV的變化，一個值得關(guān)注的問題可能是地形的負面影響。TQV作為一個垂直積分量，由于垂直柱較短，在較高海拔處TQV減小?？紤]到運動矢量推導(dǎo)的間接性質(zhì)和降水運動與地形之間復(fù)雜的相互作用，這如何影響運動矢量的精度尚不清楚。事實上，也不清楚基于紅外的運動矢量是如何受到地形的影響的。值得指出的是，IMERG不同于GSMaP[20-21]，還沒有一個方案來解釋地形對降水的增強，這使得更難理清地形對運動矢量可能的影響，同時也限制了評估方法的有效性。

與將IMERG擴展到極地有關(guān)的第二個問題是使用圓柱等距網(wǎng)格，在經(jīng)度方向60°N/S的限制下，以前可以接受的網(wǎng)格扭曲現(xiàn)在在極點附近相當嚴重。雖然已經(jīng)在V06中實施了更正，但它們的特殊性質(zhì)可能會在高緯度的傳播估計中引入誤差。IMERG正在積極考慮為V07遷移到一個更公平的網(wǎng)格，轉(zhuǎn)換到考慮經(jīng)度失真的網(wǎng)格將提供更高的精度（特別是在高緯度地區(qū)）和計算速度。

1.1.2 日本GSMaP降水產(chǎn)品

2002年在日本科學(xué)技術(shù)振興機構(gòu)的贊助下啟動了一個新的“全球衛(wèi)星降水制圖（GSMaP）”項目，以開發(fā)基于可靠的降水物理模型的降雨率反演算法，并根據(jù)衛(wèi)星數(shù)據(jù)生成高精度、高分辨率的全球降水圖，為研究全球降雨率變化和長期水資源管理提供基礎(chǔ)信息。

GPM時代的GSMaP產(chǎn)品主要由“標準產(chǎn)品”“近實時產(chǎn)品”“實時產(chǎn)品”和“再分析產(chǎn)品”組成。這些產(chǎn)品的延遲時間和輸入數(shù)據(jù)的不同，如表2所示。

表2 GPM時代的GSMaP產(chǎn)品列表 Table 2 List of GSMaP products in the GPM era

1.1.2.1 GSMaP算法

GSMaP算法基于多衛(wèi)星被動微波輻射計觀測數(shù)據(jù)，利用來自地球靜止紅外（IR）儀器的信息，以及利用熱帶降雨測量任務(wù)（TRMM）上的降水雷達（PR）和閃電成像傳感器（LIS）觀測成果建立的數(shù)據(jù)庫，生成高分辨率、高頻率的全球降雨圖。GSMaP算法已經(jīng)根據(jù)熱帶降雨測量任務(wù)（TRMM）降水雷達（PR）的各種屬性進行了改進，并在1997—2015年運行。PR和TRMM微波成像儀（TMI）的結(jié)合使用大大改進了降雨估計技術(shù)。GPM核心天文臺于2014年2月發(fā)射搭載雙頻降水雷達（DPR）和GPM微波成像儀（GMI）。DPR和GMI通過將觀測范圍擴展到比TRMM獲得的緯度更高的緯度，從而擁有更先進的技術(shù)。

GSMaP產(chǎn)品的核心算法主要包括：PMW降水反演算法、PMW-IR組合算法、雨量計觀測調(diào)整算法。GSMaP產(chǎn)品的流程如圖2所示。GSMaP算法使用一些輔助數(shù)據(jù)作為操作輸入。利用6 h、0.5°網(wǎng)格分辨率的JMA全球分析（GANAL）和預(yù)測（FCST）數(shù)據(jù)集作為大氣條件的輔助數(shù)據(jù)來計算查找表（lookup table，LUTs），供PMW算法參考。

圖2 GSMaP產(chǎn)品流程圖 Fig. 2 Flow chart of GSMaP products

采用GANAL數(shù)據(jù)處理標準產(chǎn)品，采用FCST數(shù)據(jù)處理近實時產(chǎn)品。在再分析產(chǎn)品中，使用JRA-55數(shù)據(jù)（6 h，TL319L60模型網(wǎng)格）代替運行數(shù)據(jù)。利用JMA融合的衛(wèi)星和全球每日海表溫度（MGDSST）的觀測數(shù)據(jù)（位于0.25°網(wǎng)格）作為輔助海表溫度數(shù)據(jù)，供PMW算法參考。NOAA CPC在0.5°網(wǎng)格上，統(tǒng)一的基于雨量計的全球每日降水分析，已被用作計算雨量計調(diào)整降雨量的輸入。來自JAXA高級微波掃描輻射計（AMSR-E）產(chǎn)品的氣象海冰值用于篩選V6中的海冰，而沒有使用地表雪的輔助數(shù)據(jù)。在V7中，使用NOAA國家環(huán)境衛(wèi)星、數(shù)據(jù)和信息服務(wù)（NESDIS）多傳感器雪/冰覆蓋圖作為輔助數(shù)據(jù)來檢測海冰和表面雪，這些數(shù)據(jù)供PMW算法使用。

1.1.2.2 PMW算法

PMW算法從PMW傳感器亮度溫度（Tbs）中反演全球降水率。PMW算法的基本思想是找到提供Tb的降水率，通過輻射傳輸模型計算最契合觀測的Tbs。

PMW算法由前向計算部分和反演部分組成。在前向計算部分，通過將GANAL或FCST數(shù)據(jù)的大氣和地表變量以及基于星載降水雷達觀測的降水物理模型納入Liu[22]的RTM程序，計算均勻降水的LUT。PMW算法的反演部分利用陸地上的散射信號和海洋上的放射信號來檢測降雨。采用Seto等[23]，Mega和Shige[24]及Kida等[25]等方法對陸地、沿海和海洋地區(qū)的降雨進行檢測。此外，通過考慮從37 GHz Tbs估計云液態(tài)水[26]，V7提高了對海洋的探測能力。

1.1.2.3 地形/非地形降雨的分類

在沿海山脈地區(qū)，強降雨可能是由淺層地形降雨引起的，這與PMW算法中的假設(shè)不一致，即強降雨是由帶有大量冰的深云產(chǎn)生的。因此，開發(fā)了地形/非地形降雨分類方案[27]。地形降雨的LUT是根據(jù)Shige等人[28]的方法計算的。此外，還開發(fā)了一種適用于地形降雨LUTs的地形降雨探測方案。

1.1.2.4 降雪估算方法

在V6或更早的版本中，GSMaP產(chǎn)品中沒有降雪估算。降雪估算方法可分為對降水相態(tài)（雨/雪）進行分類的方法和如果確定為雪則估算降雪強度的方法。這里，雨/雪分類方法基于Sims和Liu[29]的方法。該方法根據(jù)過去地面觀測的結(jié)果，確定降水相態(tài)是雨還是雪?；贚iu和Seo[30]的方法，采用CloudSat-GPM重合數(shù)據(jù)集開發(fā)降雪強度估計方法。

1.1.2.5 PMW-IR組合算法

PMW-IR組合算法將PMW數(shù)據(jù)與紅外輻射計數(shù)據(jù)相結(jié)合，以實現(xiàn)高時間（1 h）和空間（0.1°）分辨率的全球降水估算。該產(chǎn)品是基于卡爾曼濾波器模型生成的，該模型基于兩幅連續(xù)紅外圖像導(dǎo)出的大氣運動矢量來細化降水速率傳播[18]。使用過去30 d的IR和PMW 數(shù)據(jù)，每周計算一次卡爾曼濾波器模型中的噪聲和系數(shù)（圖2）。

1.1.2.6 雨量計修正算法

GA算法通過NOAA/CPC統(tǒng)一的全球日降水量分析來調(diào)整MVK估計值。估計值僅在陸地上進行了調(diào)整。GA和GA_NRT的海洋降雨率分別與MVK和NRT的相同。該算法使用光學(xué)估計方案，其中通過最大化系統(tǒng)模型中定義的概率密度函數(shù)來求解[31]。GA的每小時降雨率通過該算法進行調(diào)整，使得GA的24 h降雨率總和與雨量計觀測值大致相同。

1.2 區(qū)域高分辨率降水實況產(chǎn)品研究進展

雷達通過接收其發(fā)射電磁波經(jīng)過降水區(qū)降水粒子反射回來的雷達回波信號來進行定量降水估測（QPE）。在區(qū)域高分辨率降水檢測領(lǐng)域雷達定量降水估測產(chǎn)品仍是主流（表3）。雷達探測的是與降水直接的結(jié)構(gòu)信息，精度較衛(wèi)星明顯要高。從雷達QPE業(yè)務(wù)產(chǎn)品的時空屬性來看，其分辨率已達到1 km、分鐘級，空間覆蓋一般為局地組網(wǎng)。由于Z-R關(guān)系不確定、地物遮擋、距離衰減、探測高度等原因造成雷達估測降水存在明顯的系統(tǒng)性偏差，需要利用地面雨量計資料對其進行校準。以雨量計為基準發(fā)展了基于卡爾曼濾波、最優(yōu)插值、距離反比加權(quán)（IDW）等方法的平均場系統(tǒng)誤差訂正和局部偏差訂正技術(shù)[4]，已在NCEP的Stage Ⅳ系統(tǒng)和美國國家強風(fēng)暴實驗室（NSSL）的多雷達多遙感（MRMS，Multi-Radar/Multi-Sensor System）分析系統(tǒng)中成熟應(yīng)用。MRMS系統(tǒng)也是目前發(fā)展最為成熟和應(yīng)用最廣泛的業(yè)務(wù)化系統(tǒng)。

表3 國際主要高分辨率降水業(yè)務(wù)產(chǎn)品 Table 3 List of main high-resolution operational products of precipitation in foreign countries

Q3是美國最新業(yè)務(wù)化的MRMS系統(tǒng)研制的雷達QPE產(chǎn)品。MRMS系統(tǒng)中雷達QPE產(chǎn)品制作的輸入數(shù)據(jù)包括：約180部雷達基數(shù)據(jù)，RAP模式數(shù)據(jù)、約10000站HADS地面雨量計數(shù)據(jù)、PRISM氣候背景場數(shù)據(jù)等。輸出降水產(chǎn)品包括：基于雷達QPE（Q3RAD）產(chǎn)品、基于雨量計QPE（Q3Gauge）產(chǎn)品、雨量計偏差訂正后雷達QPE（Q3GC）產(chǎn)品、雨量計和降水氣候場融合山區(qū)降水（Q3MM）產(chǎn)品等4類。

1.2.1 Q3產(chǎn)品中的關(guān)鍵技術(shù)

1）無縫混合掃描反射率生成技術(shù)

無縫混合掃描反射率（Seamless HSR，SHSR）是根據(jù)地形對雷達對雷達波束的阻擋選擇最低有效仰角而生成的，并進行了無縫處理，以解決高空間分辨率下的波束縫隙問題，同時進行了雷達反射率因子質(zhì)量控制去除非氣象回波，并利用波速阻擋補償、垂直廓線訂正方法提高回波的均一性。

2）降水類型分類技術(shù)

MRMS系統(tǒng)中，利用來自模式的環(huán)境變量（地表溫度、濕球溫度、結(jié)冰層的高度）、強天氣產(chǎn)品（?10 ℃的反射率、VIL、冰雹最大期望尺寸）、無縫混合掃描反射率、AVPR、暖雨概率等多源數(shù)據(jù)，基于決策樹方法將降水分為無雨、雪、雹、暖雨、冷雨、對流性雨等。

3）降水率估測技術(shù)及Q3RAD產(chǎn)品

天氣雷達間接測量降水率，需由Z-R經(jīng)驗公式將反射率因子（Z）反演為降水率（R）。不同類型降水粒子相態(tài)、大小不同，對雷達波散射能力不同，所以應(yīng)采用不同Z-R關(guān)系式。MRMS系統(tǒng)中根據(jù)降水類型場，采用相應(yīng)Z-R關(guān)系計算瞬時降水率[32]。

4）雙偏振量的降水估測

關(guān)系在某些區(qū)域呈現(xiàn)出降水估測的優(yōu)勢[32]，但關(guān)系對雷達標定的偏差比較敏感；和R對雷達標定偏差及由于波速阻擋造成的偏差不敏感，但對于不同降水類型的估測性能不穩(wěn)定。因此，MRMS系統(tǒng)計劃在業(yè)務(wù)系統(tǒng)中集成多種雙偏振雷達QPE算法。

5）局地雨量計訂正技術(shù)及Q3GC產(chǎn)品

由于Z-R經(jīng)驗公式的準確性、雷達掃描與地面降水的差別等問題，使得雷達QPE產(chǎn)品與地面觀測降水之間存在偏差，一般使用地面雨量計進行訂正。MRMS系統(tǒng)利用質(zhì)控后HADS雨量計小時降水量訂正Q3RAD產(chǎn)品。將CONUS分成多個子區(qū)域，每個子區(qū)域利用IDW方法進行雨量計訂正，參數(shù)通過交叉檢驗方法選擇。之后，將各子區(qū)域訂正后的雷達QPE合并，得到局部偏差訂正的Q3GC產(chǎn)品。

6）山區(qū)降水產(chǎn)品生成技術(shù)及Q3MM產(chǎn)品

山區(qū)的地形遮擋影響了雷達QPE產(chǎn)品質(zhì)量。為解決這一問題，MRMS提出Mountain Mapper方法[33]。利用質(zhì)控后的站點雨量計小時降水量和氣候降水背景月值數(shù)據(jù)生成西部山區(qū)QPE產(chǎn)品，稱為Q3MM產(chǎn)品。

7）雨量計插值降水產(chǎn)品生成技術(shù)及Q3Gauge產(chǎn)品

小時雨量計插值降水產(chǎn)品（Q3Gauge）使用質(zhì)控后的HADS雨量站數(shù)據(jù)，利用IDW插值方法而生成。

1.2.2 MRMS的未來發(fā)展

NSSL的工作人員在第100屆AMS年會上介紹了關(guān)于MRMS系統(tǒng)正在進行的研究和工作，主要包括以下幾個方面：

1）基于雷達的降雪定量降水估算（QPE）由于雪晶類型、密度和降雪速度等因素的影響而變得復(fù)雜。研究表明，與傳統(tǒng)的Z-S關(guān)系相比，利用雙偏振變量和反射率可以提供更準確的雪QPE估計。采用關(guān)系計算積雪的QPE性能，通過準垂直剖面（QVP）分析，研究環(huán)境參數(shù)對關(guān)系的影響，并對此關(guān)系進行了修正。

2）提出了一種結(jié)合比衰減（A）、反射率（Z）和比差相位（KDP）的多雷達多傳感器（MRMS）雙極化（Q3DP）定量降水估計（QPE）算法。Q3DP QPE在雷達觀測低于熔化層的區(qū)域使用R(A)關(guān)系。與其他雷達變量相比，A與R的線性關(guān)系更密切，對系統(tǒng)誤差Z和ZDR（差分反射率）不敏感。因此，與其他雷達變量相比，R(A)提供的QPE具有較少的系統(tǒng)和隨機誤差，特別是在電磁能存在大量衰減的中雨或大雨中。所以，Q3DP的性能明顯優(yōu)于當前使用多重降水率（R）和Z關(guān)系的MRMS QPE。

3）利用一種特定類型的深度學(xué)習(xí)模型——卷積神經(jīng)網(wǎng)絡(luò)，從天氣雷達觀測數(shù)據(jù)中定量估算降水量。初步結(jié)果顯示，其性能優(yōu)于傳統(tǒng)的基于物理的雷達QPE 模型，具有高計算效率和低I/O使用率，適用于潛在的操作應(yīng)用程序。將展示來自不同領(lǐng)域的幾個示例，以展示卷積神經(jīng)網(wǎng)絡(luò)準確有效地估計降水量的能力。

2 降水融合的發(fā)展趨勢

2.1 衛(wèi)星反演降水技術(shù)的改進

GPM依靠被動測量和主動測量來測量降水的特性。GPM的雙頻降水雷達（DPR）等主動雷達發(fā)送和接收反射回雷達的信號。返回到雷達接收器的信號（稱為雷達反射率）提供了云中多個垂直層雨雪滴的大小和數(shù)量的測量。另一方面，像GPM微波成像儀（GMI）這樣的被動降水輻射計從包括雪、雨、云和地球表面在內(nèi)的完整觀測場景中測量自然熱輻射（稱為亮度溫度）。

整個衛(wèi)星反演降水過程，用到了許多算法將各種主動、被動探測信號轉(zhuǎn)換為降水信息。以IMERG為例：1）雷達算法，降水雷達的獨特功能是提供降雨的三維結(jié)構(gòu)，獲得海洋和陸地上高質(zhì)量的降雨估計數(shù)。雷達測量通常對地表不太敏感，在雷達反射率和云中雨雪的物理特性之間提供了一種幾乎直接的關(guān)系。由于在太空中操作雷達的復(fù)雜性，儀器的信道（頻率）是有限的。TRMM衛(wèi)星在ku波段有一個單頻雷達，對中雨率特別敏感。在單頻率下，TRMM雷達能夠獲得雨滴粒徑分布（PSD）的一個參數(shù)；垂直采樣剖面（例如，云中垂直每500 m）的中值液滴大小或液滴數(shù)量。GPM雙頻降水雷達有兩個頻率，一個是像TRMM一樣的Ku波段，另一個是對小雨和降雪量敏感的Ka波段；因此，液滴的大小和分布都可以得到。IMERG中的雷達算法需要假設(shè)和矯正來回復(fù)降水結(jié)構(gòu)，尤其是校正衰減。衰減是指雷達信號隨著遠離發(fā)射器而減弱，并被降水和其他大氣粒子散射、反射和吸收。2）輻射計算法，降水輻射計通過使用多個被動頻率（TRMM為9個，GPM為13個）為解釋云中的雨雪提供了額外的自由度。每個頻率的亮度溫度是測量視野內(nèi)一切事物的標準。這些頻率從低頻（10 GHz）對液體雨滴很敏感，到中頻（91 GHz）和高頻（183 GHz）對冰雪顆粒很敏感。所以，化繁為簡，當云柱中有液體雨時，低頻通道就會響應(yīng)；下雪時，高頻頻道會有反應(yīng)；當空氣清新時，亮度溫度會對表面輻射做出反應(yīng)。在小雨情況下，地表輻射可能會污染亮溫，因此需要額外的信息來限制降水反演。具體來說，在陸地上，只有較高的頻率對估算降水量有用。3）組合算法，同時使用主動和被動微波傳感器數(shù)據(jù)提供了關(guān)于降水云的宏觀和微觀物理過程的補充信息，可用于減少雷達/輻射計組合反演算法的不確定性。簡單地說，組合算法使用輻射計信號作為雷達看到的衰減的一個約束。綜合反演產(chǎn)生了水文氣象剖面、顆粒大小分布和表面參數(shù)，其亮度溫度和反射率與實際衛(wèi)星測量一致。這些組合產(chǎn)品可以重新包裝，用作多個輻射計的檢索貝葉斯數(shù)據(jù)庫。4）多衛(wèi)星算法，除了TRMM和GPM衛(wèi)星外，許多其他衛(wèi)星已經(jīng)并將繼續(xù)攜帶與降水有關(guān)的傳感器。多衛(wèi)星算法的目標是利用從這一國際衛(wèi)星星座計算出的“所有”準全球降水估計數(shù)，創(chuàng)造一種高分辨率降水產(chǎn)品，在選定的領(lǐng)域和記錄期間（目前是準全球，2000年至今）具有完全覆蓋范圍?；谖⒉ê徒M合雷達/輻射計輸入數(shù)據(jù)的估計具有更高的質(zhì)量，因為降水和衛(wèi)星數(shù)據(jù)之間存在物理上的直接關(guān)系。由于紅外和降水之間的間接關(guān)系，基于熱紅外傳感器的估計質(zhì)量較低，但由于傳感器位于地球同步軌道，它們提供了更頻繁的覆蓋范圍。其中一個較高質(zhì)量的數(shù)據(jù)集，目前是上述的組合雷達+輻射計算法，被選為標準，然后所有其他降水數(shù)據(jù)集被校準到該標準。在組合中（目前每半小時在0.1°×0.1°緯度/經(jīng)度網(wǎng)格上），盡可能多地使用較高質(zhì)量的數(shù)據(jù)，而較低質(zhì)量的數(shù)據(jù)起次要作用。最后，在它們存在的地方，主要是陸地地區(qū)，每月的雨量計數(shù)據(jù)被用來控制衛(wèi)星數(shù)據(jù)集可能表現(xiàn)出的偏差。多衛(wèi)星算法在觀測時間的幾個小時內(nèi)運行，然后在接收到包括月表在內(nèi)的所有數(shù)據(jù)后再次運行。

這些繁雜的算法抓住了衛(wèi)星信號與降水之間的主要關(guān)系，但是究其細節(jié)，仍有很多待完善的地方。正如IMERG V07所計劃的，對于紅外信息中包含的運動矢量和降水運動與地形之間復(fù)雜的相互作用還研究得并不透徹，這種相互作用如何影響運動矢量的精度尚不清楚。這對于進一步提高地形降水質(zhì)量尤為重要。

第1.1.2節(jié)中對GSMaP產(chǎn)品算法的詳細敘述中，也闡述了最新一代產(chǎn)品對各種算法的優(yōu)化。對這些反演技術(shù)的不斷優(yōu)化和改進，可以進一步提高衛(wèi)星反演降水產(chǎn)品質(zhì)量。

2.2 雷達QPE技術(shù)的改進

地面雷達網(wǎng)絡(luò)目前提供最高空間和時間分辨率的QPE，是山洪警報的關(guān)鍵輸入。對于QPE質(zhì)量的提高，需要從以下幾個方面做出進一步改進。

2.2.1 雷達數(shù)據(jù)質(zhì)量控制技術(shù)完善

雷達數(shù)據(jù)質(zhì)量控制（QC）在確保高質(zhì)量降水融合產(chǎn)品方面發(fā)揮著關(guān)鍵作用。在天氣研究中，非氣象雷達回波包括生物雜波（即鳥類和昆蟲）、對發(fā)射機的電磁干擾（如太陽閃光燈）、地面/海面雜波、異常傳播以及來自箔條或其他非天氣目標的回波，有不同的判別算法可將非降水回波與天氣信息分開，并利用雙偏振雷達數(shù)據(jù)，基于水凝物和非水凝物返回的相關(guān)系數(shù)（ρHV）的明顯不同特征，進一步對不同的水凝物進行分類。但是仍有很多細節(jié)信息會對QC算法產(chǎn)生影響。針對MRMS中的雷達QC算法，NOAA也提出進一步的改進，包括：1）熔化層劃分；2）清除風(fēng)電場污染；3）減輕硬件問題造成的損壞數(shù)據(jù)；4）減輕殘留雜波和太陽峰值；5）減少由旁瓣效應(yīng)和AP引起的地面、河流、湖泊雜波殘留[34]。也有研究針對雷達QPE本身，展開更嚴格的質(zhì)量控制，通過更準確的雷達質(zhì)量指數(shù)（RQI），明確哪些QPE質(zhì)量是不好的，需要進一步訂正的[35]。

Husnoo[36]等則另辟蹊徑，提出將神經(jīng)網(wǎng)絡(luò)算法用于英國天氣雷達質(zhì)量控制。該算法從最低層可用的掃描數(shù)據(jù)中選擇數(shù)據(jù)用以優(yōu)化兩個其他雷達數(shù)據(jù)校正算法的組合性能：地面雜波緩解和垂直剖面反射率校正。與目前所使用的QC算法相比，該算法獲得的QPE產(chǎn)品評估顯示了優(yōu)越的性能。

2.2.2 雙偏振雷達QPE技術(shù)改進

對于雙偏振量的研究MRMS一直都在進行中。相比于多普勒雷達（WSR-88D）生產(chǎn)的QPE，雙偏振雷達的QPE（DPR QPE）收到的異常傳播雜波和生物散射的污染更少。DPR QPE基于反射率Z，微分反射率和特定微分相位在一些凍結(jié)水平升高的暖季事件中，提供了更好的降水估算（平均偏差較小）。但其對誤差高度敏感，具有相對較大的隨機誤差[37]。DPR QPE在熔化層附近也受到不連續(xù)和偏差的影響。使用特定衰減A的DP雷達QPEs對Z和校準誤差的敏感性較低[38-40]。此外，A不受部分光束阻塞的影響[39]。雖然具有類似的有點，但的估計需要沿徑向進行平滑，這會導(dǎo)致空間分辨率的下降。相反，與不同，A在更廣泛的降雨強度范圍內(nèi)以原始雷達分辨率提供降雨率估計，在小雨中會產(chǎn)生噪音[41]。之前的R(A)研究僅限于單一雷達框架，僅應(yīng)用于雷達波束低于熔化層（ML）的區(qū)域。此外，這些研究主要集中在雷達附近廣泛傳播的大雨。為了使R(A)能夠用于跨越較大的國家雷達網(wǎng)絡(luò)的操作環(huán)境中，需要另外兩個步驟：1）將R(A)與其他雷QPE技術(shù)相結(jié)合，并建立一個適用于任何地方的綜合方案，以及2）評估所有雨情的R(A)性能，包括輕度和零星雨情，并確定R(A)和其他雷達QPE關(guān)系的最佳組合。

基于此，MRMS進行了廣泛研究開發(fā)了一種無縫DP合成QPE。但仍需要進一步的改進：1）在非常小和零星的雨中，衰減信號太弱，R(Z)可能提供比R(A)更好的估計，可能應(yīng)該用于代替R(A)；2）在大范圍的輕層狀雨中，當前默認的α（0.035）可能太低（α是一個通常隨液滴尺寸分布和溫度而變化的參數(shù)）；3）對于數(shù)據(jù)樣本為單一地區(qū)的混合地區(qū)，可能需要對R(A)進行局部調(diào)整以獲得更準確的降水估計。

2.2.3 改進地形降水估計

復(fù)雜的地形與豐富的水分相互作用會導(dǎo)致復(fù)雜的微物理過程，在非常小的空間和時間尺度上產(chǎn)生大量的局部降雨和山洪暴發(fā)。山區(qū)高分辨率和高精度定量降水估計（QPE）對于山洪和泥石流的監(jiān)測和預(yù)測至關(guān)重要。然而，由于復(fù)雜微物理過程中許多影響因素的非線性相互作用，獲得這種QPE一直是一個挑戰(zhàn)。

2.3 多源降水融合技術(shù)的改進

眾多的降水產(chǎn)品各有優(yōu)劣，將其融合集各家之長是如今多源降水融合發(fā)展的趨勢。如何將衛(wèi)星反演降水產(chǎn)品、雷達QPE產(chǎn)品、站點觀測降水和模式降水有效且合理的組合在一起，一直是研究的重點。

Steven等[42]是以訂正后的雷達QPE產(chǎn)品為主，再以分別計算權(quán)重的方式，將多源數(shù)據(jù)融合起來。因為以雷達QPE產(chǎn)品為主，因此對該產(chǎn)品的質(zhì)量要求也較高，權(quán)重計算也根據(jù)地形、降水類型等做了詳細的歸類和說明。降雨/無雨誤差是區(qū)域和全球降水產(chǎn)品不確定性的一個關(guān)鍵來源，這些產(chǎn)品會離線傳播到水文和地面模擬模擬中。因此Song等[43]針對有雨/無雨降水表達準確度，提出采用一種加權(quán)融合算法（CTC-M）實現(xiàn)三種相互獨立、互不相關(guān)的降水產(chǎn)品的融合，通過將各數(shù)據(jù)源降水數(shù)據(jù)轉(zhuǎn)化為二進制數(shù)據(jù)再進行融合的方式，進一步提高準確度。Kotsuki等[44]則根據(jù)降水評分來計算權(quán)重，進而將基于外推的臨近預(yù)報和數(shù)值天氣預(yù)報產(chǎn)品相融合，得到全球降水預(yù)報產(chǎn)品。作者認為在區(qū)域范圍內(nèi)通常采用空間均勻的權(quán)重，而對于全球范圍，最佳權(quán)重在空間上或有不同，進而引入了空間上局地的評分用以優(yōu)化空間權(quán)重。以加權(quán)的方式同時融合多源降水資料也是當下使用較多的方式，更多的區(qū)別在于如何合理計算權(quán)重。

國家氣象信息中心引進美國NOAA和CPC的“概率密度函數(shù)（PDF）+最優(yōu)插值（OI）”兩步融合法實現(xiàn)了衛(wèi)星資料與地面觀測資料的融合，之后引入貝葉斯模式平均方法，加入了雷達資料，實現(xiàn)了三源降水融合。

多源降水融合還有很多未解決的問題，該項技術(shù)也有待進一步地改進和發(fā)展，在未來，是否有更多方法例如同化方法等用于多源數(shù)據(jù)融合技術(shù)，也需要更深入的研究。

3 總結(jié)與展望

IMERG、GSMaP和Q3產(chǎn)品基于先進的算法和技術(shù)，成為全球或區(qū)域高分辨率降水融合產(chǎn)品中的主流。IMERG產(chǎn)品具有較高的時空分辨率，且覆蓋范圍從60°N—60°S擴展到全球，在完善數(shù)據(jù)覆蓋區(qū)域的同時也因為網(wǎng)格扭曲引入了誤差，需要考慮更公平的網(wǎng)格遷移方案。此外，在地形降水方面，該產(chǎn)品也有待研究。GSMaP產(chǎn)品采用了較成熟的降水反演算法、雨量計觀測調(diào)整算法等方法，且針對地形/非地形降水也有合理的分類方案。目前該產(chǎn)品的覆蓋范圍為60°N—60°S。MRMS的Q3產(chǎn)品是美國主流的區(qū)域高分辨率降水實況產(chǎn)品，完善的降水類型分類技術(shù)和各種降水率估算技術(shù)使其具有較高的產(chǎn)品質(zhì)量，在對雙偏振雷達數(shù)據(jù)的使用方面，一直是該產(chǎn)品不斷改進和攻克的重點。

這些國際的主流多源融合降水產(chǎn)品各有優(yōu)劣，其中的許多關(guān)鍵技術(shù)對于我國進一步發(fā)展自己的降水融合產(chǎn)品有重要的啟示作用。第一，在衛(wèi)星融合降水方面，信息中心基于CMORPH產(chǎn)品，采用基于紅外冷云移動矢量的微波降水時空內(nèi)插技術(shù)，實現(xiàn)了以時間位移長度為權(quán)重系數(shù)的多衛(wèi)星集成。雖然已經(jīng)有一定的研究基礎(chǔ)，但是在紅外和微波的反演技術(shù)方面，仍是空白，初始的衛(wèi)星反演降水產(chǎn)品依然需要依賴美國、日本等最新產(chǎn)品。因此，在衛(wèi)星反演降水方面，還需要從基礎(chǔ)的反演算法入手，生產(chǎn)我國自己的衛(wèi)星反演降水產(chǎn)品，擺脫對國外產(chǎn)品的依賴。第二，美國利用長序列雷達QPE數(shù)據(jù)進行平均場偏差訂正，降低不同雷達間不一致性問題，并利用局地偏差訂正技術(shù)解決由于波束阻擋、異常傳播、零度層亮帶等引起的局部偏差問題。但是目前，我國還沒有時間上均一的長序列、全國組網(wǎng)的雷達QPE歷史產(chǎn)品。對該產(chǎn)品的研制也需提上日程；對于雷達組網(wǎng)的困難和降水相態(tài)識別問題也可參考MRMS系統(tǒng)，一方面實現(xiàn)對雷達的更新?lián)Q代，便于采用類似無縫混合掃描反射率生成技術(shù)這類方法實現(xiàn)雷達組網(wǎng)，另一方面逐步引入雙偏振雷達，提高對降水相態(tài)識別的準確率。第三，對于山區(qū)降水，首先可以參考MRMS系統(tǒng)針對山區(qū)地形的坡度變化針對性計算QPE產(chǎn)品；其次可以借鑒GSMaP產(chǎn)品將山區(qū)降水與地形合理融合的關(guān)鍵技術(shù)；最后從科研角度，還可以引入模式數(shù)據(jù)，通過權(quán)重系數(shù)融合多種數(shù)據(jù)，緩解山區(qū)地區(qū)觀測稀疏等帶來的問題。

精細化的實況產(chǎn)品為智能網(wǎng)格預(yù)報業(yè)務(wù)提供了有力的實況數(shù)據(jù)支撐，同時還能反作用于上游的觀測環(huán)節(jié)。實況分析站在總覽全局的角度可以使“污染”觀測顯露原形，從而幫助觀測系統(tǒng)改善數(shù)據(jù)質(zhì)量。多源融合的實況產(chǎn)品能夠大大提升衛(wèi)星、雷達觀測數(shù)據(jù)的利用率，深入挖掘這些實時觀測數(shù)據(jù)的價值，與常規(guī)觀測相結(jié)合，得到連續(xù)的、高時空分辨率的實況產(chǎn)品數(shù)據(jù)。中國區(qū)域?qū)崨r產(chǎn)品對捕捉以強對流天氣為代表的小尺度災(zāi)害性天氣動向意義重大，使公路交通氣象預(yù)報、山洪地質(zhì)災(zāi)害預(yù)警、基于位置天氣實況查詢等更加精準、更加可靠。天氣實況是全球的剛需，目前CMORPH、MRMS等已經(jīng)是公認的高質(zhì)量降水實況產(chǎn)品。在中國區(qū)域，或者也將利用風(fēng)云衛(wèi)星等中國特色資料，針對中國的天氣氣候特征，在現(xiàn)有多源融合降水實況產(chǎn)品的基礎(chǔ)上，制作出更高時效和分辨率的降水實況產(chǎn)品。

未來現(xiàn)代化氣象業(yè)務(wù)的需求對降水產(chǎn)品的時效和分辨率要求越來越高，我國對高質(zhì)量降水實況業(yè)務(wù)產(chǎn)品、災(zāi)害天氣監(jiān)測預(yù)警、高頻次滾動更新的智能預(yù)報、智慧氣象服務(wù)業(yè)務(wù)的需求也越來越緊迫，在積極解決上述問題的同時，也要開拓思維，并不局限于傳統(tǒng)的融合方法，在借鑒國際先進技術(shù)和經(jīng)驗的基礎(chǔ)上，可以嘗試同化技術(shù)或神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)方法的研究與應(yīng)用。