王 皓，羅 靜，葉金印，，李致家

(1.淮河流域氣象中心，安徽蚌埠 233040;2.河海大學水文水資源學院，江蘇南京 210098)

流域面平均降雨量(面雨量)是洪水預報和防汛抗洪決策的重要依據(jù)［1-3］。面雨量的估算直接關系到洪水預報精度和洪水調(diào)度決策的科學性。傳統(tǒng)的面雨量估算方法是基于常規(guī)降水觀測資料進行估算的，主要包括適用于高空間分辨率降水數(shù)據(jù)的算術平均法和網(wǎng)格算術平均法、適用于空間分辨率不高且分布不規(guī)則降水資料的泰森多邊形法［4］。傳統(tǒng)的面雨量估算方法除算法本身的局限性之外，其誤差主要來源于采樣誤差;觀測網(wǎng)密度低或測站布局不合理導致觀測數(shù)據(jù)空間代表性差，不能反映降水空間分布的不均勻性，因而傳統(tǒng)的面雨量估算方法不能單純地通過優(yōu)化面雨量計算方法提高估算精度［5］。

雷達、衛(wèi)星可估算出高時空分辨率的降水場，且具有無縫隙、全天候、高時空分辨率的獨特優(yōu)勢，能為無資料或缺資料流域的洪水預報和水文過程模擬提供有力的降水依據(jù)，這是傳統(tǒng)的雨量計觀測無法比擬的［6-9］。國內(nèi)外相關的科研機構開發(fā)了多種較高分辨率的衛(wèi)星反演降水估測產(chǎn)品［10-12］，主要有GPCP(global precipitation climatology project)數(shù)據(jù)集、CMAP(center merged analysis of precipitation)數(shù)據(jù)集、TRMM(tropical rainfall measuring mission satellite)3B42產(chǎn)品、CMORPH(CPC MORPHing technique)產(chǎn)品等［13-15］。衛(wèi)星降水產(chǎn)品具有準確反映降水空間分布的獨特優(yōu)勢，但其本質(zhì)是間接觀測手段，必須用地面資料修正來提高產(chǎn)品質(zhì)量。將地面觀測降水量與衛(wèi)星降水產(chǎn)品融合逐漸成為國際社會研制高質(zhì)量降水產(chǎn)品的主流趨勢［16-20］。

CMORPH產(chǎn)品是由美國環(huán)境預測中心(NCEP)下屬的氣候預測中心開發(fā)的全球降水產(chǎn)品［16］。該產(chǎn)品采用“運動矢量”方法，將各種微波反演降水資料充分融合，并能靈活地加入新增資料。美國學者在美國區(qū)域檢驗了CMORPH和TRMM產(chǎn)品的精度，表明CMORPH產(chǎn)品具有最高的空間相關性和較小的誤差分布［17］。Shen等［13］對比了中國地區(qū)的6種高分辨率衛(wèi)星資料，證實CMORPH產(chǎn)品的相關性好于其他產(chǎn)品。潘旸等［20］以CMORPH衛(wèi)星反演降水為背景場，以基于自動氣象站觀測數(shù)據(jù)的中國降水格點分析(Chinese precipitation analyses，CPA)產(chǎn)品作為地面觀測場，采用最優(yōu)插值方法對二者進行融合試驗，結(jié)果表明與單純的衛(wèi)星反演降水相比，融合產(chǎn)品在降水量值和空間分布上均與地面資料更為接近，各項指標也優(yōu)于同類融合產(chǎn)品。國家氣象信息中心基于質(zhì)量控制后的全國自動氣象站小時降水觀測數(shù)據(jù)［21］，用概率密度匹配法對CMORPH衛(wèi)星降水產(chǎn)品誤差進行訂正，利用最優(yōu)插值方法生成了地面和衛(wèi)星資料融合的1 h、0.1°×0.1°分辨率的降水融合產(chǎn)品(簡稱CMORPH融合降水產(chǎn)品)［20］。該融合降水產(chǎn)品有效發(fā)揮了地面觀測和衛(wèi)星反演降水各自的優(yōu)勢，在量值和空間分布上更合理;融合產(chǎn)品平均偏差和均方根誤差均減小，隨時間的變化幅度較小且區(qū)域性分布特征減弱［22］。相關數(shù)據(jù)產(chǎn)品已通過“中國氣象科學數(shù)據(jù)共享服務網(wǎng)”實時對外服務。

筆者將高時空分辨率的CMORPH融合降水產(chǎn)品應用于淮河流域15個子單元的面雨量估算，并與基于地面觀測雨量資料的面雨量估算結(jié)果進行對比統(tǒng)計分析，以評估CMORPH融合降水產(chǎn)品在淮河流域面雨量估算中的應用能力。

1 研究資料與方法

1.1 淮河流域子單元劃分

淮河流域地處東經(jīng)111°55'～121°25'、北緯30°55'～36°36'，跨河南省、安徽省、江蘇省、山東省，流域面積27萬km2。淮河可分為上游、中游、下游3段，上游為山區(qū)，地面落差大;中下游以平原為主，地面落差較小。流域處于南北氣候過渡帶，降水多集中在每年的6—9月，且年際變化大，地區(qū)分布不均勻。受特殊的地理位置和復雜的氣候條件影響，淮河流域水旱災害發(fā)生頻繁。根據(jù)淮河流域暴雨洪水的匯流特點，結(jié)合流域防汛抗旱服務需求，將淮河流域劃分為15個子單元(圖1)，各子單元包含區(qū)域見表1。

圖1 淮河流域15個子單元劃分Fig.1 Fifteen sub-catchments in Huaihe River Basin

1.2 資料

CMORPH融合降水產(chǎn)品資料來源于國家氣象信息中心，時空分辨率分別為1 h、0.1°×0.1°。地面觀測雨量資料采用淮河流域172個地面氣象站降水觀測整編資料。

1.3 面雨量計算

對于CMORPH融合降水產(chǎn)品，由于空間分辨率高，采用網(wǎng)格算術平均法估算流域面雨量;對于地面觀測雨量資料，由于空間分布相對稀疏且不規(guī)則，采用泰森多邊形法估算流域面雨量［5］。

1.3.1 網(wǎng)格算術平均法

網(wǎng)格算術平均法的基本思路是將有一定密度的1個固定網(wǎng)格覆蓋在流域面上，通過計算網(wǎng)格點上的雨量，計算流域面上的降雨量。在網(wǎng)格間距較小、流域面積較大的情況下，整個流域的面雨量可以用流域內(nèi)各個網(wǎng)格點雨量的平均值來表示。

表1 15個子單元2種面雨量估算結(jié)果統(tǒng)計Table 1 Statistical results of two sets of area rainfall in 15 sub-catchments

1.3.2 泰森多邊形法

泰森多邊形法的基本原理是將小流域內(nèi)各相鄰雨量站相連，繪制各連線的垂直平分線，將小流域分成若干個單元面積，每個單元面積內(nèi)只包含1個測站。首先計算流域各站的時段降雨量，然后根據(jù)每個雨量站所占流域面積權重，采用加權法對流域各雨量站的時段降雨量進行疊加求和。流域平均降雨量的計算公式為

式中:ωi——流域內(nèi)各雨量站權重;Pi——流域內(nèi)各雨量站的時段降雨量，mm;n——流域內(nèi)雨量站個數(shù)。

2 面雨量估算結(jié)果分析

利用2008—2011年6—9月CMORPH融合降水產(chǎn)品和淮河流域逐日降水觀測資料分別進行淮河流域15個子單元的面雨量估算，進而對2種面雨量估算結(jié)果進行對比分析。

2.1 2種面雨量估算結(jié)果的整體差異

CMORPH融合降水產(chǎn)品的面雨量估算結(jié)果用C表示，基于地面觀測雨量資料的面雨量估算結(jié)果用G表示。以G作為“真值”，分別計算15個子單元的C、G平均值、誤差、相對誤差和相關系數(shù)(表1)。2種面雨量估算結(jié)果存在系統(tǒng)性差異，C值在15個子單元整體表現(xiàn)為低估，雨日面雨量平均值最大偏差在第2子單元(1.3 mm)，最小偏差在第3子單元(0.5 mm)，平均誤差為0.8 mm。相對誤差最大值在第2子單元(29.55%)，最小值在第7子單元(10.91%)。2種面雨量估算結(jié)果存在很好的相關性，相關系數(shù)最低為0.908，最高可達0.993，均通過了0.001的顯著性水平檢驗。

為進一步研究2種面雨量估算結(jié)果之間的線性相關問題，以C為自變量(x)，G為因變量(y)，對C和G這2組樣本做15個子單元的整體回歸分析(圖2)。2種面雨量估算結(jié)果存在顯著的線性關系，樣本基本集中在回歸線附近，特別是面雨量較小的區(qū)域最為集中，僅在大值區(qū)，樣本分布相對離散，這可能與大值樣本個數(shù)較少有關?？傮w來說，C較G略低估，斜率為1.164。

2.2 2種面雨量估算結(jié)果的量級差異

根據(jù)我國江河面雨量等級劃分標準［23］，對C和G分小雨［0.1 mm，6 mm)、中雨［6 mm，15 mm)、大雨［15 mm，30 mm)、暴雨［30 mm，60 mm)、大暴雨［60 mm，150 mm) 5個量級進行統(tǒng)計分析。小雨、中雨、大雨、暴雨、大暴雨情況下C與G的平均誤差分別為0.86 mm、2.89 mm、5.33 mm、9.86 mm、18.65 mm，平均相對誤差分別為87.8%、30.5%、24.9%、24.3%、22.6%。2種面雨量結(jié)果的平均誤差隨著降水量級的增大而增大，而平均相對誤差則相反，除小雨量級外，其余量級均在20%～30%，且隨著量級的增大而減小。這與潘旸等［20］得出的“觀測誤差近似與降水強度成正比，初估場誤差隨降水強度增大近似成冪指數(shù)增加”結(jié)論相類似。

圖2 2種面雨量估算結(jié)果的線性擬合Fig.2 Linear fitting for two sets of area rainfall

表2給出2種面雨量估算結(jié)果按照不同降雨量級日數(shù)分布的統(tǒng)計結(jié)果。由表2可知，2種面雨量估算結(jié)果在量級上對應較好，剔除無降水日，所有降水量級估算相同的比例為78.75%，低估的比例為17.40%，高估的比例為3.85%，C相對于G存在一定的低估現(xiàn)象，這與2.1節(jié)的分析結(jié)果一致。相差1個量級的比例為20.51%，相差2個量級的比例為0.69%，相差3個量級的比例為0.05%。在各量級對應比例上，最高為小雨量級(91.4%)，最低為暴雨量級(53.0%)，次低為大暴雨量級(56.1%);除小雨量級外，其余量級的對應率都在50%～60%之間。

表2 2種計算結(jié)果分量級分布Table 2 Distributions of two sets of area rainfall of different magnitudes d

2.3 一次強降水過程逐日面雨量的對比分析

2010年7月15—20日，受高空槽和中低層低渦切變線共同影響，淮河流域出現(xiàn)了持續(xù)性大范圍強降水天氣。對15個子單元2種逐日面雨量估算結(jié)果做回歸分析得出，2種估算結(jié)果存在顯著的線性相關性(圖3)，相關系數(shù)為0.954，回歸方程的斜率為1.139，C比G整體上有一定程度的低估。

表3給出本次強降水過程2種逐日面雨量的估算結(jié)果及相對誤差，平均相對誤差為31.3%(小雨52.6%，中雨25.2%，大雨21.5%，暴雨19.6%，大暴雨21.2%);C比G低估的樣本占所有樣本的56.7%。分析結(jié)果與2.1節(jié)的統(tǒng)計分析結(jié)果相符合。

2種面雨量估算結(jié)果總體上比較一致，但也出現(xiàn)了5個相對誤差異常偏高的樣本，其中4個樣本是C大于G的情況，且除1個樣本是中到大雨的量級外，其余都發(fā)生在此次強降雨過程的弱降雨區(qū)域和時段。從面雨量絕對值看，2種估算結(jié)果沒有產(chǎn)生大的偏差，但從相對誤差計算方法分析，由于弱降水量級數(shù)值較小，微小的偏差也可能會造成較大的相對誤差。

圖3 一次強降水過程2種面雨量計算結(jié)果整體樣本的線性擬合Fig.3 Linear fitting for two sets of area rainfall during a heavy rainfall process

表3 一次強降水過程15個子單元的逐日面雨量計算結(jié)果Table 3 Daily area rainfall in 15 sub-catchments during a heavy rainfall process

3 結(jié) 語

基于CMORPH融合降水產(chǎn)品，采用網(wǎng)格算術平均法估算淮河流域15個子單元2008—2011年汛期(6—9月)逐日面雨量，并與地面觀測雨量資料估算的面雨量結(jié)果進行對比統(tǒng)計分析。得出如下結(jié)論:

a.15個子單元2種面雨量估算結(jié)果有系統(tǒng)性差異，利用CMORPH融合降水產(chǎn)品估算的面雨量普遍小于利用地面降水觀測資料的估算結(jié)果;2種面雨量估算結(jié)果之間存在顯著的線性相關，線性擬合效果較好。

b.15個子單元2種面雨量估算結(jié)果在降水量級上有很好的對應關系，各降水量級完全對應的總體比例為78.75%，相差1個量級的比例為20.51%。小雨量級完全對應的比例達91.4%。

c.一次強降水過程的面雨量估算結(jié)果的對比分析結(jié)論與整體分析的結(jié)論一致，也存在同樣的系統(tǒng)性差異，且具有很好的相關性。

CMORPH融合降水產(chǎn)品因其具有較高的時空分辨率，具有很好的應用前景，尤其是在地面雨量觀測站分布比較稀疏的地區(qū)，為面雨量估算提供了一種新的途徑。筆者對CMORPH融合降水產(chǎn)品與地面降水觀測資料估算淮河流域15個子單元面雨量的差異進行了初步分析，由于資料的時間序列不長，在利用CMORPH融合降水產(chǎn)品估算面雨量方面得到的還是一些初步結(jié)論，對于2種估算結(jié)果差異的原因以及如何更好地利用CMORPH融合降水產(chǎn)品還有待于進一步研究。

［1］徐晶，林建，姚學祥，等.七大江河流域面雨量計算方法及應用［J］.氣象，2001，27(11):13-16.(XU Jing，LIN Jian，YAO Xuexiang，et al.Calculating method of area rainfall over seven river valleys and its application［J］.Meteorological Monthly，2001，27(11):13-16.(in Chinese))

［2］林開平，孫涌智，陳冰廉，等.廣西主要江河流域的面雨量合成分析與洪澇關系［J］.熱帶地理，2003，23(3):222-226.(LIN Kaiping，SUN Yongzhi，CHENG Binglian，et al.Synthetic analysis of area rainfall in the main river basins in Guangxi［J］. Tropical Geography，2003，23(3):222-226.(in Chinese))

［3］李武階，王仁喬，鄭啟松.幾種面雨量的計算方法在氣象和水文上的應用比較［J］.暴雨·災害，2000，4(1):62-67.(LI Wujie，WANG Renqiao，ZHENG Qisong.Comparison between the computational modes of area rainfall in meteorology and the ones in hydrology［J］.Torrential Rain·Disaster，2000，4(1):62-67.(in Chinese))

［4］方慈安，潘志祥，葉成志，等.幾種面雨量計算方法的比較［J］.氣象，2003，29(7):23-26.(FANG Ci'an，PAN Zhixiang，YE Chengzhi，et al.Comparison of calculation of methods river valley area rainfall［J］.Meteorological Monthly，2003，29(7):23-26.(in Chinese))

［5］徐晶，姚學祥.流域面雨量估算技術綜述［J］.氣象，2007，33(7):15-21.(XU Jing，YAO Xuexiang.Watershed areal precipitation estimation technology:a review［J］.Meteorological Monthly，2007，33(7):15-21.(in Chinese))

［6］李致家，劉金濤，葛文忠，等.雷達估測降雨與水文模型的耦合在洪水預報中的應用［J］.河海大學學報:自然科學版，2004，32(6):601-606.(LI Zhijia，LIU Jintao，GE Wenzhong，et al.Coupling of weather radar rainfall data with hydrological model and its application to flood forecasting［J］.Journal of Hohai University:Natural Sciences，2004，32(6):601-606.(in Chinese))

［7］劉金濤，李致家.基于雷達測雨的實時洪水預報模型［J］.河海大學學報:自然科學版，2004，32(5):488-491.(LIU Jintao，LI Zhijia.Weather radar rainfall data-based flood forecasting model［J］.Journal of Hohai University:Natural Sciences，2004，32 (5):488-491.(in Chinese))

［8］JIANG Shanhu，REN Liliang，YONG Bin，et al.Evaluation of high-resolution satellite precipitation products with surface rain gauge observations from Laohahe Basin in northern China［J］.Water Science and Engineering，2010，3(4):405-417.

［9］SAPIANO M R P，ARKIN P A.An intercomparison and validation of high-resolution satellite precipitation estimates with 3-hourly gauge data［J］.Journal of Hydrometeorology，2009，10(1):149-166.

［10］ARKIN P A，XIE P P.The global precipitation climatology project:first algorithm intercomparison project［J］.Bull Amer Meteor Soc，1994，75(3):401-419.

［11］HUFFMAN G J，ADLER R F，BOLUIN A D，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.

［12］XIE P P.ARKIN P.Global precipitation:A 17-year monthly analysis based on gauge observations，satellite estimates，and numerical model outputs［J］.Bull Amer Meteor Soc，1997，78(11):2539-2558.

［13］SHEN Y，XIONG A，WANG Y，et al.Performance of high-resolution satellite precipitation products over China［J］.Journal of Geophysical Research，2010，115:D02114.

［14］JOYCE R J，JANOWIAK J E，ARBIN P A，et al.CMORPH:A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution［J］.Journal of Hydrometeorology，2004，5(3):487-503.

［15］TIAN Y D，PETERS-LIDARD C D，CHOUDHURY B J，et al.Multitemporal analysis of TRMM-based satellite precipitation products for land data assimilation applications［J］.Journal of Hydrometeorology，2007，8(6):1165-1183.

［16］HSU K L，GAO X，SOROOSHIAN S，et al.Precipitation estimation from remotely sensed information using artificial neural networks［J］.Journal of Applied Meteorology，1997，36(9):1176-1190.

［17］SOROOSHIAN S，HSU K L，GAO X，et al.Evaluation of PERSIANN system satellite-based estimates of tropical rainfall［J］. Bulletin of the American Meteorological Society，2000，81(9):2035-2046.

［18］曠達，沈艷，牛錚，等.衛(wèi)星反演降水產(chǎn)品誤差隨時空分辨率和雨強的變化特征分析［J］.遙感信息，2012，27(4):75-81. (KUANG Da，SHEN Yan，NIU Zheng，et al.Analysis on uncertainty of satellite retrieved precipitation products at various temporal＆spatial resolutions an rain rate level［J］.Remote Sensing Information，2012，27(4):75-81.(in Chinese))

［19］潘旸，宇婧婧，廖婕，等.地面和衛(wèi)星降水產(chǎn)品對臺風莫拉克降水監(jiān)測能力的對比分析［J］.氣象，2011，37(5):564-570. (PAN Yang，YU Jingjing，LIAO Jie，et al.Assessment on the rainfall monitoring of typhoon Morakot by ground-gauged and satellite precipitation products［J］.Meteorological Monthly，2011，37(5):564-570.(in Chinese))

［20］潘旸，沈艷，宇婧婧，等.基于最優(yōu)插值方法分析的中國區(qū)域地面觀測與衛(wèi)星反演逐時降水融合試驗［J］.氣象學報，2012，70(6):1381-1389.(PAN Yang，SHENG Yan，YU Jingjing，et al.Analysis of the combined gauge-satellite hourly precipitation over China based on the OI technique［J］.Acta Meteorologica Sinica，2012，70(6):1381-1389.(in Chinese))

［21］任芝花，趙平，張強，等.適用于全國自動站小時降水資料的質(zhì)量控制方法［J］.氣象，2010，36(7):123-132.(REN Zhihua，ZHAO Ping，ZHANG Qiang，et al.Quality control procedures for hourly precipitation data from automatic weather stations in China［J］.Meteorological Monthly，2010，36(7):123-132.(in Chinese))

［22］沈艷，潘旸，宇婧婧，等.中國區(qū)域小時降水量融合產(chǎn)品的質(zhì)量評估［J］.大氣科學學報，2013，36(1):37-46.(SHENG Yan，PAN Yang，YU Jingjing，et al.Quality assessment of hourly merged precipitation product over China［J］.Transactions of Atmospheric Sciences，2013，36(1):37-46.(in Chinese))

［23］GB/T 20486—2006 江河流域面雨量等級［S］.