渭河流域GPM 衛(wèi)星降水產品的多尺度評估

摘 要：為探究全球降水觀測計劃GPM 下IMERG 系列與GSMaP 系列中的近實時（IMERG-Early，IMERG-Late，GSMaP-NRT）和后實時（IMERG-Final，GSMaP-Gauge， GSMaP-MVK）遙感降水產品在復雜地形流域的精度和適用性，基于渭河流域內雨量站數(shù)據(jù)，在不同空間尺度與時間尺度上對遙感降水的精度評價指標（CC，RMSE，BIAS）和降水能力探測指標（POD，F(xiàn)AR，CSI）進行綜合評估，同時采用IHACRES水文模型對衛(wèi)星降水數(shù)據(jù)在徑流模擬中的適用性進行了評估。結果表明，GSMaP-Gauge（CC=0. 55，RMSE=5. 09，Bias=0. 3%）與IMERG-Final（CC=0. 458，RMSE=5. 92，Bias=8%）降水產品均能較為準確地反映降水的時空分布特征，但普遍存在對降水的高估；GSMaP與IMERG系列數(shù)據(jù)在冬季對降水的探測能力（POD<0. 4）遠低于其他季節(jié)；衛(wèi)星降水數(shù)據(jù)受海拔因素影響明顯，隨海拔上升數(shù)據(jù)質量呈下降趨勢；IMERG-Final 驅動的IHACRES 模擬表現(xiàn)最好（NSE=0. 856），由GSMaP-Gauge 與IMERG-Final為驅動的水文模型月尺度納什效率系數(shù)均大于0. 8，可作為降水驅動數(shù)據(jù)用于區(qū)域的水文過程模擬。

關鍵詞：IMERG；GSMaP；IHACRES；渭河流域

中圖分類號：TV121 文獻標識碼：A 文章編號：1001-9235（2024）09-0027-09

降水是地球水循環(huán)中的一個核心組成部分，在流域水文模擬中，準確的降水數(shù)據(jù)，是確保模型精度的關鍵［1］。相比其他氣象數(shù)據(jù)，降水存在顯著的空間與時間異質性，致使降水的準確測量工作存在挑戰(zhàn)［2-3］。雨量計與氣象雷達均能準確的捕捉降雨事件，提供高精度的降水數(shù)據(jù)［4］，但前者受地形、人口分布等因素影響，存在分布不均，覆蓋不全等問題，雷達在地形干擾下也難以獲取準確的降水數(shù)據(jù)［5-6］。

近年來，多衛(wèi)星聯(lián)合反演降水技術不斷發(fā)展，提供高時空分辨率的降水數(shù)據(jù)集，為地形復雜區(qū)域的水文氣象研究提供了基礎［7-8］。TRMM（ Tropical Rainfal1Measuring Mission）數(shù)據(jù)彌補了全球無觀測資料地區(qū)的降水數(shù)據(jù)，國內外學者針對TRMM降水產品從統(tǒng)計學和水文學方面開展了適用性評估［9-12］。GPM（GlobalPrecipitation Measurement）作為TRMM 的后繼，可提供保持實時更新的衛(wèi)星降水產品，已被廣泛應用于水文氣象等研究工作中。相較于TRMM，GPM計劃下的衛(wèi)星降水數(shù)據(jù)對復雜地形區(qū)域的降水反演精度更具優(yōu)勢［13］。Tang 等［14］在新加坡對IMERG 與TRMM進行比較分析，結果顯示IMERG具有更優(yōu)的評估指標與空間分布。曾歲康等［15］對比了IMERG和GSMaP 系列產品在四川的適用性，結果顯示IMERG和GSMaP在盆地的數(shù)據(jù)精度高于山區(qū)。李彥妮等［16］在陜西地區(qū)針對IMERG和GSMaP進行精度評估，發(fā)現(xiàn)GSMaP在年尺度上精度高于IMERG。在大陸及青藏高原地區(qū)的研究中，IMERG與GSMaP都具有較好的空間分布特征［17-18］。然而，當前對于衛(wèi)星降水產品的評估基本集中于后實時數(shù)據(jù)，缺乏對于近實時數(shù)據(jù)的探討。IMERG與GSMaP系列數(shù)據(jù)均含近實時和后實時產品數(shù)據(jù)，通過在不同尺度對比近實時和后實時數(shù)據(jù)的精度差異，探索數(shù)據(jù)誤差的矯正方向有著重要意義。本文將以渭河流域為例，在不同時空尺度對IMERG 和GSMaP 系列近實時和后實時數(shù)據(jù)的精度及降水事件探測能力進行評估，同時結合水文模型，分析GPM衛(wèi)星降水數(shù)據(jù)在渭河流域水文模擬中的適用性，本研究可為渭河流域在水文預報及降水研究等工作提供數(shù)據(jù)參考，并為GPM產品在渭河流域地區(qū)的誤差矯正提供建議。

1 研究區(qū)概況

渭河全長818 km，流域面積134 800 km 2，橫跨甘肅東部及陜西中部（104°00'～110°20'E，33°50'～37°18'N），是黃河最大支流。流域內地勢起伏大，西高東低，海拔在319～3 929 m。受大陸性氣候影響，渭河流域降水主要集中在夏季，且多為短時強降雨，冬春兩季少雨寒冷，年均降水量在500～800 mm。本文選取華縣站以上的渭河流域及涇河流域作為研究區(qū)（圖1）。

2 數(shù)據(jù)與方法

2. 1 研究數(shù)據(jù)

2. 1. 1 氣象站點數(shù)據(jù)

本文站點降水數(shù)據(jù)來源于中國氣象數(shù)據(jù)網（http： //data. cma. cn/），共選取渭河流域內共計17個氣象站點上2007—2020年的降水數(shù)據(jù)，經過質量控制后作為驗證衛(wèi)星降水數(shù)據(jù)精度的依據(jù)。此外在流域尺度上的評價中，為建立能夠較為準確反映流域降水空間分布的降水柵格表面，使用流域內和流域周邊地區(qū)的氣象站點，通過ANUSPLIN插值方法［19-20］，生成站點插值的降水柵格數(shù)據(jù)作為標準降水表面數(shù)據(jù)。水文站日流量數(shù)據(jù)來自于黃河網（http：//www. yrcc. gov. cn/）。

2. 1. 2 衛(wèi)星降水數(shù)據(jù)

本文采用IMERG（IMERG-Final，IMERG-Late，IMERG-Early） 與GSMaP 系列（GSMaP-Gauge，GSMaP-MVK，GSMaP-NRT）系列降水產品，時間跨度及時間分辨率與站點數(shù)據(jù)保持一致。

IMERG通過結合GPM下所有的無源微波數(shù)據(jù)來得到降水估計，主要包含近實時產品IMERGEarly、IMERG-Late與后實時產品IMERG-Final。其中IMERG-Final 數(shù)據(jù)經過月尺度氣候資料矯正。IMERG 數(shù)據(jù)可在其官網下載（https：//disc. gsfc.nasa. gov/datasets？keywords=GPM&page=1/）。

GSMaP 同樣含有近實時及后實時數(shù)據(jù)。近實時版本數(shù)據(jù)為GSMaP-NRT，后實時數(shù)據(jù)中，GSMaP-MVK采用融合微波紅外的方式進行產品校正，GSMaP-Gauge則綜合考慮全球雨量站點及地形因素對衛(wèi)星產品進行改進。GSMaP 數(shù)據(jù)來源于https：//sharaku. eorc. jaxa. jp/GSMaP/。

2. 2 研究方法

2. 2. 1 精度評估方法

為了綜合對比分析本研究所選取的衛(wèi)星降水產品在渭河流域的適用性，本文將采用降水精度指標（CC、RMSE、BIAS）與降水探測能力指標（POD、FAR、CSA）2類系數(shù)（表1）對衛(wèi)星降水產品進行綜合分析。RMSE為數(shù)據(jù)離散程度，RMSE越大，表示該衛(wèi)星降水數(shù)據(jù)相對于站點降水數(shù)據(jù)集離散程度越大，BIAS可分析衛(wèi)星降水數(shù)據(jù)對實際降水的高/低估情況，當BIAS為負值時，說明衛(wèi)星數(shù)據(jù)對降水存在低估，反之則為高估。若數(shù)據(jù)有著高CC、低RMSE，同時BIAS趨近于0時，說明該數(shù)據(jù)有著良好的數(shù)據(jù)精度。POD是衛(wèi)星降水產品對降水事件的探測率指標，F(xiàn)AR為誤報率，POD、CSI、FAR越趨近于理想值，說明數(shù)據(jù)對降水的探測能力越強。

2. 2. 2 IHACRES模型

本研究擬通過對各衛(wèi)星降水產品驅動的水文模型的構建和適用性評估，來評價衛(wèi)星降水數(shù)據(jù)在水文建模中的表現(xiàn)。IHACRES模型是一種集總式降水徑流模型。模型由非線性產流模塊與線性匯流模塊組成，其中非線性模塊將處理原始降水量生成有效降雨，線性模塊利用單位線理論將有效降水轉換為快、慢流。本次將采用Catchment MoistureDeficit（CMD）版本，模型基本參數(shù)見表2。

3 結果

3. 1 年尺度降水誤差特性

圖2 展示了渭河流域的年均降水空間分布特征。通過分析發(fā)現(xiàn)降水主要集中在流域下游的東南部區(qū)域，流域上游的高海拔地區(qū)降水量較少。衛(wèi)星降水產品的降水空間分布與地面插值數(shù)據(jù)相似，GSMaP-Gauge 的空間分布最優(yōu)，其次為IMERGFinal，GSMaP-MVK 與GSMaP-NRT 相對表現(xiàn)較差，在流域南部及東部出現(xiàn)了嚴重的高估。IMERGLate與IMERG-Early的降水空間分布相似，都在流域下游地區(qū)有明顯高估，IMERG-Final對此有所優(yōu)化，但依然存在對降水的高估?？偟膩碚f，GSMaP與IMERG系列數(shù)據(jù)對渭河流域降水的空間分布有著較好的描述，但都存在對降水的高估問題，GSMaP-Gauge高估問題有了明顯優(yōu)化，原因可能是結合了地形與站點數(shù)據(jù)矯正的結果。

3. 2 季尺度的精度評估

受大陸性氣候影響，渭河流域不同季節(jié)之間的降水強度及降水頻率有著顯著差異，為探尋不同季節(jié)中的降水產品精度，按3—5月春季、6—8月夏季、9—11月秋季、12月至次年2月為冬季劃分，對四季精度進行了評估（表3、圖3）。

由圖3 可知， GSMaP 與IMERG 系列數(shù)據(jù)在冬季的數(shù)據(jù)精度最差，各數(shù)據(jù)均在冬季出現(xiàn)了最低的CC、CSI和POD，夏季與秋季的數(shù)據(jù)精度明顯優(yōu)于春季與冬季。GSMaP-NRT 在夏季出現(xiàn)低估降水，說明GSMaP-NRT 對強降雨事件的反演能力較差。IMERG系列數(shù)據(jù)均在冬季出現(xiàn)對降水的低估，結合POD來看，IMERG數(shù)據(jù)對微量降水事件的捕捉能力較差。GSMaP- Gauge在季節(jié)尺度中的POD表現(xiàn)優(yōu)于其他數(shù)據(jù)，不同于其他數(shù)據(jù)在冬季出現(xiàn)最大的FAR，GSMaP- Gauge在冬季的FAR反而低于春夏秋三季，說明該數(shù)據(jù)針對微量降水事件做出了矯正處理。

3. 3 日尺度降水誤差特性

為了在日尺度上量化衛(wèi)星降水數(shù)據(jù)在渭河流域的降水量誤差，圖4展示了衛(wèi)星降水數(shù)據(jù)與地面觀測降水量的對比散點。分析表明，GSMaP-Gauge在相關系數(shù)（CC）、均方根誤差（RMSE）以及偏差（BIAS）上均優(yōu)于GSMaP-MVK 和GSMaP-NRT。GSMaP-Gauge通過矯正處理，消除了部分強降水事件的誤報，從而提高了數(shù)據(jù)的整體精度。在渭河流域，GSMaP系列數(shù)據(jù)的BIAS均大于0，表明在該地區(qū)，GSMaP 系列數(shù)據(jù)傾向于高估降水量，其中GSMaP-NRT的高估最為顯著，其BIAS達到50. 1%，其次是GSMaP-MVK，BIAS為43. 8%，經過矯正處理的GSMaP-Gauge BIAS降至2. 3%。IMERG-Early與IMERG-Late的散點圖顯示出相似的分布特征。雖然IMERG-Final對于強降雨事件進行了一定程度的優(yōu)化，但IMERG系列數(shù)據(jù)在CC、RMSE與BIAS方面的表現(xiàn)相似，未顯示出明顯的精度提升。IMERG系列數(shù)據(jù)同樣存在對降水量高估的現(xiàn)象，其中IMERG-Late的高估最為明顯，BIAS為12. 5%。

由此可見，在日降水尺度上，GSMaP與IMERG系列數(shù)據(jù)在渭河流域均存在對降水的高估，其中GSMaP-Gauge對降水高估的優(yōu)化最為顯著，各項評估指標都優(yōu)于其他數(shù)據(jù)。

圖5在格網尺度上展示了6套降水數(shù)據(jù)在渭河流域對降水探測能力。GSMaP系列數(shù)據(jù)的探測率（POD）平均值均超過0. 6，然而，GSMaP-MVK 與GSMaP-NRT 展現(xiàn)了相對較高的誤報率（FAR 平均值超過0. 56）。結合圖3的散點圖信息進行分析，可以看到GSMaP-Gauge通過對強降水事件的矯正，顯著提高了其對降水事件探測的精度，其中誤報率（FAR）、臨界成功指數(shù)（CSI）和探測概率（POD）的表現(xiàn)均優(yōu)于其他數(shù)據(jù)。IMERG系列數(shù)據(jù)在格網尺度上的降水探測能力表現(xiàn)相近，這表明IMERG-Final對降水的矯正沒有顯著提升在日尺度上的數(shù)據(jù)精度。

為了評價衛(wèi)星系列數(shù)據(jù)在渭河流域對降水的總體誤差，以經ANUSPLIN插值處理后的站點降水面數(shù)據(jù)為基準，對衛(wèi)星數(shù)據(jù)進行了綜合評估（表4）。

在流域尺度上，衛(wèi)星數(shù)據(jù)的相關系數(shù)（CC）顯示了明顯的提升。除GSMaP-NRT（CC=0. 55）之外，其他各數(shù)據(jù)產品的CC值均超過0. 65，按照CC值從高到低排序依次為GSMaP-Gauge（0. 78）、IMERGFinal（0. 69）、IMERG-Late（0. 68）、IMERG-Early（0. 67）和GSMaP-MVK（0. 65）。GSMaP 與IMERG系列數(shù)據(jù)在流域尺度上同樣對降水高估，且該高估程度相較于格網尺度更為顯著。GSMaP-Gauge 流域尺度的精度指標（CC、RMSE、BIAS）高于同系列數(shù)據(jù)的MVK與NRT數(shù)據(jù)，其中BIAS的優(yōu)化尤為顯著。降水的能力指標結算結果中，GSMaP-Gauge的POD低于GSMaP-MVK 與GSMaP-NRT，但有著更高的CSI 與更低的FAR，綜合來看GSMaP-Gauge 是GSMaP系列數(shù)據(jù)中表現(xiàn)最好的。IMERG系列產品在流域尺度上的精度提升明顯，平均CC 均大于0. 65，但數(shù)據(jù)間的各項指標結果沒有明顯差距。

總體而言，日尺度衛(wèi)星降水數(shù)據(jù)都高估了渭河流域的降水。流域尺度的數(shù)據(jù)反演精度高于柵格尺度，但對降水的高估程度也大于柵格尺度。綜合來看GSMaP-Gauge在日尺度有著最優(yōu)的反演結果。

3. 4 地形對衛(wèi)星降水數(shù)據(jù)的影響

為探尋復雜地形對降水產品的性能影響，對6組數(shù)據(jù)在不同海拔的表現(xiàn)進行了量化，從而探討降水產品的各項指標因海拔上升帶來的變化。圖6給出了各數(shù)據(jù)隨海拔變化的精度變化趨勢，從圖中可以發(fā)現(xiàn)高海拔地帶的數(shù)據(jù)質量表現(xiàn)低于低海拔地區(qū)，其中GSMaP-Gauge數(shù)據(jù)隨海拔增加表現(xiàn)出相對穩(wěn)定的性能。

結果表明，CC、CSI及POD大致上與海拔呈負相關，數(shù)據(jù)隨海拔的上升，數(shù)據(jù)精度逐漸下降。FAR隨海拔上升出現(xiàn)下降趨勢，結合POD來看，原因可能是高海拔地區(qū)衛(wèi)星降水數(shù)據(jù)對降水的探測能力下降，間接導致誤報率降低。GSMaP與IMERG數(shù)據(jù)在低海拔區(qū)域都高估了降水，隨海拔上升，BIAS 的高偏程度逐漸下降有從高估轉為低估的趨勢，IMERG 數(shù)據(jù)與GSMaP-Gauge 在海拔達到1 800 m后出現(xiàn)對降水的低估。

總的來說，衛(wèi)星降水數(shù)據(jù)在海拔的影響較為明顯，隨著海拔的上升，POD顯著下降，數(shù)據(jù)總體精度受到影響?？紤]地形與海拔因素影響將是優(yōu)化衛(wèi)星降水數(shù)據(jù)的關鍵因素。

3. 5 衛(wèi)星降水產品的水文模擬適用性

使用ANUSPLIN方法生成的站點降水插值數(shù)據(jù)作為基準參考，將衛(wèi)星降水數(shù)據(jù)分別導入IHACRES模型，對比各數(shù)據(jù)的模擬精度。校準期和驗證期分別為2007—2013、2014—2020 年。以納什效率（NSE）作為目標函數(shù)評價模型的率定精度，率定參數(shù)見表5，整體評價結果見表6。

總體而言，氣象站點數(shù)據(jù)驅動的水文模型模擬結果優(yōu)于衛(wèi)星降水數(shù)據(jù)。各衛(wèi)星降水數(shù)據(jù)中，IMERG-Final模擬結果最佳，其次是GSMaP-Gauge，GSMaP-MVK及GSMaP-NRT表現(xiàn)不佳。此外，月尺度的徑流模擬表現(xiàn)有明顯提升，基準數(shù)據(jù)在月尺度的NSE提高到0. 91，GSMaP-Gauge與IMERG-Final的NSE均提高到0. 8以上。

4 討論

本文對GSMaP與IMERG系列共6組數(shù)據(jù)進行了不同時間及空間尺度上的分析，研究結果表明，GSMaP與IMERG數(shù)據(jù)近實時與后實時數(shù)據(jù)有著明顯的精度差異，并且都會因海拔因素影響精度。近實時與后實時數(shù)據(jù)間的精度差異可為衛(wèi)星降水的算法優(yōu)化提供參考，對降水強度、海拔地形導致的數(shù)據(jù)精度差異的原因將是矯正衛(wèi)星降水產品的重要研究方向。

數(shù)據(jù)的主要精度差異：綜合地形及站點矯正后的GSMaP-Gauge數(shù)據(jù)在對降水的高估問題上有了顯著的改進，而紅外微波融合產品GSMaP-MVK在對降水高估的改進上收效甚微，說明在復雜地形地區(qū)，僅依靠紅外微波融合手段，難以提升數(shù)據(jù)的實際精度。IMERG系列數(shù)據(jù)在各項評價指標的計算中，差距較小，而在進行水文模型模擬時，IMERGFinal有著明顯的優(yōu)勢，月尺度NSE系數(shù)達到0. 856，明顯高于IMERG-Late（0. 551）和IMERG-Early（0. 538），考慮到IMERG-Final數(shù)據(jù)引入月尺度降水資料矯正，原因可能是矯正后使得數(shù)據(jù)的降水分布更加合理，從常規(guī)的評價系數(shù)中難以看出差距。

影響數(shù)據(jù)精度的主要因素：渭河流域受大陸季風氣候影響，降水集中在6—9月，衛(wèi)星降雨數(shù)據(jù)在有強降水的夏季均出現(xiàn)了較高的RMSE（圖3），除GSMaP-NRT 外，各數(shù)據(jù)都高估了夏季的降水。此外，在少雨的冬季，衛(wèi)星數(shù)據(jù)對降水的探測率明顯降低，大多數(shù)數(shù)據(jù)存在對降水的低估?？梢?，如何矯正強降水事件帶來的誤差，提升衛(wèi)星數(shù)據(jù)對微量降雨的探測能力是未來提升衛(wèi)星降水產品精度的關鍵。海拔同樣是影響衛(wèi)星降水產品質量的重要因素，數(shù)據(jù)質量基本遵循隨海拔上升，逐漸降低的反比關系。原因可能是研究區(qū)受東南季風與高原大氣環(huán)流系統(tǒng)影響產生的對流雨及復雜的地形導致地形雨干擾了衛(wèi)星傳感器的探測精度。

IMERG和GSMaP數(shù)據(jù)在渭河流域表現(xiàn)出了一定的應用潛力，可為渭河流域的水文建模，災害預測提供數(shù)據(jù)參考。本文評估受時間尺度限制，沒有分析小時尺度上的數(shù)據(jù)產品，難以分析渭河流域上的短時強降雨事件，GPM在渭河流域上的短時降水檢測能力還有待進一步研究。衛(wèi)星降水產品在高海拔地及降水量稀少的冬季出現(xiàn)明顯的精度下滑，未來可針對高海拔地區(qū)及微量降雨事件的探測算法進行改進，從而提高數(shù)據(jù)精度。

5 結論

本文利用2007—2020 年的站點降水數(shù)據(jù)，對GPM 計劃下的6種衛(wèi)星降水產品在不同的時間尺度、空間尺度下的降水精度和降水探測能力進行分析，并使用各數(shù)據(jù)驅動水文模型，得出主要結論如下。

a）GSMaP-Gauge 與IMERG-Final 降水產品能準確反映降水的時空分布特性，具有較優(yōu)的降水探測能力。GSMaP-NRT 與GSMaP-MVK 對降水量存在較為嚴重的高估。

b）格網尺度上，GSMaP-Gauge數(shù)據(jù)各項指數(shù)均優(yōu)于其他數(shù)據(jù)，有著最好的數(shù)據(jù)精度。6組數(shù)據(jù)在格網尺度上均存在對降水的高估，其中GSMaPMVK與GSMaP-NRT 高估的程度最大。IMERG 系列數(shù)據(jù)整體精度差異不大。流域尺度上的衛(wèi)星降水數(shù)據(jù)質量相對較好，但存在更大的高估。

c）GSMaP與IMERG系列降水產品受季節(jié)影響明顯，除GSMaP-NRT外其他數(shù)據(jù)均高估夏季降水，IMERG會低估冬季降水。各數(shù)據(jù)均在夏季出現(xiàn)較大的RMSE。

d）衛(wèi)星降水數(shù)據(jù)會受到海拔因素影響數(shù)據(jù)精度，總體趨勢為隨著海拔上升，數(shù)據(jù)精度下降。

e）IMERG-Final 在模型模擬中有著最好的表現(xiàn)，月尺度NSE系數(shù)達到0. 856，可用于渭河流域的水文和氣象研究。

綜上所述，GSMaP-Gauge與IMERG-Final的精度較高，水文模型的模擬效果理想，可應用于渭河流域的水文氣象等方面的研究，為該地區(qū)的春旱、伏旱及洪澇等災害預警提供數(shù)據(jù)來源。

參考文獻：

［1］ WU Y P， YIN X W， ZHOU G Y， et al. Rising rainfall intensityinduces spatially divergent hydrological changes within a largeriver basin［J］. Nature Communications， 2024， 15（1）. DOI：10.1038/S41467-023-44562-8.

［2］ TANG G Q， LONG D， WAN W， et al. An overview and outlookof global water remote sensing technology and applications［J］.Scientia Sinica Technologica，2015，45（10）：1013-1023.

［3］ TONG K， SU F G， YANG D Q， et al. Evaluation of satelliteprecipitation retrievals and their potential utilities in hydrologicmodeling over the Tibetan Plateau［J］. Journal of Hydrology，2014， 519： 423-437.

［4］ SUN Q H， MIAO C Y， DUAN Q Y， et al. A review of globalprecipitation data sets： Data sources， estimation， andintercomparisons［J］. Reviews of Geophysics， 2018， 56（1）：79-107.

［5］ CHEN H Q， WEN D B. Dependency of errors for four globalreanalysis and satellite precipitation estimates on four crucial factors［J］. Atmospheric Research， 2023， 296. DOI：10. 1016/j.atmosres. 2023. 107076.

［6］ DOGRA A， THAKUR J， TANDON A. Do satellite-basedproducts suffice for rainfall observations over data-sparse complexterrains？ Evidence from the North-Western Himalayas［J］.Remote Sensing of Environment， 2023， 299. DOI：10. 1016/j.rse. 2023. 113855.

［7］ GUO R F， LIU Y B. Multi-satellite retrieval of high resolutionprecipitation： an overview［J］. Advances in Earth Science， 2015，30（8）： 891-903.

［8］ MO C X， LEI X B， MO X X， et al. Comprehensive evaluationand comparison of ten precipitation products in terms of accuracyand stability over a typical mountain basin， Southwest China［J］.Atmospheric Research， 2024， 297. DOI：10. 1016/j. atmosres.2023. 107116.

［9］ HUFFMAN G J，BOLVIN D T，NELKIN E J，et al. The TRMMmultisatellite precipitation analysis （TMPA） ：Quasi-global，multiyear， combined-sensor precipitation estimates at fine scales［J］. Journal of Hydrometeorology，2007，8（1）：38-55.

［10］ 嵇濤，楊華，劉睿，等. TRMM衛(wèi)星降水數(shù)據(jù)在川渝地區(qū)的適用性分析［J］. 地理科學進展，2014，33（10）：1375-1386.

［11］ 許珊珊. TRMM衛(wèi)星降水數(shù)據(jù)在江蘇省的適用性評價［J］. 人民珠江，2023，44（4）：111-118.

［12］ JIANG S H， WEI L Y， REN L L， et al. Evaluation of IMERG，TMPA， ERA5， and CPC precipitation products over mainlandChina： Spatiotemporal patterns and extremes［J］. Water Scienceand Engineering， 2023， 16（1）： 45-56.

［13］ ARSHAD M， MA X， YIN J， et al. Evaluation of GPM-IMERGand TRMM-3B42 precipitation products over Pakistan ［J］.Atmospheric Research， 2021， 249. DOI：10. 1016/j. atmosres.2020. 105341.

［14］ TANG G Q，MA Y Z，LONG D，et al. Evaluation of GPM Day-1IMERG and TMPA VerSW13M2g3M7X1YFFBx8WnIi+WVxCKkZyqT6hg7KccWyY=sion 7 legacy products over MainlandChina at multiple spatiotemporal scales［J］. Journal of Hydrology，2016， 533： 152-167.

［15］ 曾歲康，雍斌. 全球降水計劃 IMERG 和 GSMaP 反演降水在四川地區(qū)的精度評估［J］. 地理學報，2019，74（7）：1305-1318.

［16］ 李彥妮，黃昌，龐國偉. 全球降雨計劃GSMaP與IMERG衛(wèi)星降雨產品在陜西地區(qū)的精度評估［J］. 干旱區(qū)地理，2022，45（1）：80-90.

［17］ ZHOU Z T， GUO B， XING W X， et al. Comprehensiveevaluation of latest GPM era IMERG and GSMaP precipitationproducts over mainland China［J］. Atmospheric Research， 2020，246. DOI： 10. 1016/j. atmosres. 2020. 105132.

［18］ LU D K， YONG B. Evaluation and hydrological utility of thelatest GPM IMERG V5 and GSMaP V7 precipitation products overthe Tibetan Plateau［J］. Remote Sensing， 2018， 10（12）： 2022-2043.

［19］ HUTCHINSON M F， XU T B. ANUSPLIN version 4. 4 user guide［M］. Canberra： Australia， 2013.

［20］ GUO B B， ZHANG J， MENG X Y， et al. Long-term spatiotemporalprecipitation variations in China with precipitationsurface interpolated by ANUSPLIN［J］. Scientific Reports， 2020，10（1）： 81-89.

（責任編輯：高天揚）

基金項目：湖南省自然科學基金項目（2021JJ40012）;湖南省教育廳重點項目（20A072）;湖南省普通高校哲學社會科學重點研究基地開放基金（2023HSKFJJ001）