黃 琦，覃光華，2，王瑞敏，向俊燕，胡慶芳，李伶杰

（1.四川大學(xué) 水利水電學(xué)院，四川 成都 610065；2.四川大學(xué) 水力學(xué)與山區(qū)河流開發(fā)保護國家重點實驗室，四川 成都 610065；3.南京水利科學(xué)研究院 水文水資源與水利工程科學(xué)國家重點實驗室，江蘇 南京 210029）

1 研究背景

降水是最基本的氣象水文要素之一，也是最重要的生態(tài)環(huán)境因子之一。我國具有三級階梯的地形特征，高大山系眾多，獨特的地形與大氣運動相互作用，形成特殊的山區(qū)降水分布，進而孕育出復(fù)雜多樣的景觀地貌。長期以來，定量估計和解析山區(qū)降水的空間分布是氣候、水文、生態(tài)和環(huán)境等研究領(lǐng)域共同關(guān)注的重要問題之一。祁連山是甘肅省西部和青海省東北部一系列山脈的總稱，地處我國第一、二階梯的過渡帶，系黑河、石羊河和疏勒河三大內(nèi)陸河以及青海湖等的主要水源涵養(yǎng)地和集水區(qū)，也是我國干旱區(qū)和半干旱區(qū)的重要分界線，是中國生物多樣性保護優(yōu)先區(qū)域。解析祁連山區(qū)域降水時空分布特征，研究適用于這一地區(qū)的降水?dāng)?shù)據(jù)集，對于掌握該地區(qū)的水循環(huán)演化特征，促進水資源可持續(xù)利用和有效應(yīng)對自然災(zāi)害具有重要意義。

早期文獻利用地表雨量站點資料從不同角度研究了祁連山地區(qū)降水的分布規(guī)律［1-3］，但其研究結(jié)論受這一地區(qū)雨量站點稀疏性和空間分布不均的限制，特別是高海拔地帶更是如此。因此，提高高海拔山區(qū)降水估計精度成為稀缺資料流域遙感降水反演研究的重點［4］，近年若干文獻采用更具空間代表性的柵格降水?dāng)?shù)據(jù)對祁連山區(qū)降水變化及分布規(guī)律加以解析。如劉俊峰等［5］采用空間分辨率為0.25°×0.25°的TRMM（Tropical Rainfall Measurement Mission）3B42數(shù)據(jù)解析了祁連山區(qū)降水的垂直分布特征，指出祁連山東、中、西段降水隨海拔均有增加趨勢，東段降水的梯度效應(yīng)明顯高于中西段，其最大降水高度帶主要分布在東段4000～4500 m 的高山帶。孫美平等［6］等基于地表站點訂正后的TRMM 3B43降水?dāng)?shù)據(jù)，發(fā)現(xiàn)祁連山地表年均降水量自東向西呈減少趨勢，東、中、西三段最大降水高度帶分別為4100、4500和4700 m。Liu等［7］則基于由空間分辨率0.1°×0.1°的CMORPH（Climate Prediction Center Morphing Technique）與自動氣象觀測站結(jié)合的融合資料，發(fā)現(xiàn)2008—2014年祁連山中部和東部地區(qū)降水明顯高于西部，山區(qū)高于平原，且有明顯夜雨現(xiàn)象。

多源加權(quán)集合降水（Multi-Source Weighted-Ensemble Precipitation，MSWEP）是由Beck［5］等研制的一套全球性降水?dāng)?shù)據(jù)集，融合了地表雨量計和多種衛(wèi)星、再分析降水信息，并結(jié)合了部分徑流和潛在蒸散發(fā)資料加以訂正。MSWEP具有空間分辨率相對較高（0.1°×0.1°）、時間序列長、數(shù)據(jù)完整性強等優(yōu)點，自發(fā)布以來引起了國際上的廣泛關(guān)注。若干研究已表明MSWEP對地表“真實”降水的表征能力往往要優(yōu)于TRMM、CMORPH和GPM IMERG（Integrated Multi-satellitE Retrievals for GPM）等其它全球性降水?dāng)?shù)據(jù)［8-9］。在中國大陸地區(qū)，MSWEP的精度也得到了初步評估［10］，有文獻指出其在黃河源、新疆等西部內(nèi)陸地區(qū)的表現(xiàn)優(yōu)于CMORPH等其它數(shù)據(jù)［10-11］。因此，MSWEP在缺資料或無資料地區(qū)氣象水文研究和應(yīng)用中具有較大潛力。但總的來說，目前國內(nèi)外關(guān)于MSWEP在地表降水資料較為匱乏區(qū)域的適用性評價以及基于該資料的氣象水文研究與應(yīng)用工作尚未充分開展。因此，本文基于地表雨量站點資料評價MSWEP在祁連山區(qū)的適用性，全面解析其在不同時間尺度上的誤差特征以及對不同量級降水的辨識能力；采用地表降水資料對MSWEP數(shù)據(jù)加以訂正，再采用訂正后的降水資料解析祁連山地區(qū)降水時空分布特征。

2 研究區(qū)域與數(shù)據(jù)

2.1 研究區(qū)域祁連山地處甘肅、青海兩省交界處（其地理位置和范圍見圖1），由多條西北-東南走向的平行山脈和寬谷組成。西端在當(dāng)金山口與阿爾金山脈相接，東端至黃河谷地，與秦嶺、六盤山相連，北臨河西走廊，南靠柴達木盆地。地理位置介于35.83°N—39.97°N 和93.56°E—103.89°E，東西長約1000 km，南北寬約300 km，面積約19.3萬km2。

研究區(qū)域高程介于1988～5767 m，平均3660 m，其中山峰海拔多在4000～6000 m、山間谷地海拔多在3000～5000 m。黨河、疏勒河、石羊河等河流發(fā)源于該區(qū)域，還分布著青海湖、哈拉湖等重要湖泊。祁連山區(qū)高海拔地帶分布著大量冰川（2683條，約1597.81km2）［12］，是河西走廊等地區(qū)水資源的重要補給來源。氣候類型為大陸性高寒氣候。冬季漫長、寒冷干燥，夏季短而溫涼，全年降水量主要集中在5—9月（約占全年總量的90%）。祁連山是我國青藏高原和西北干旱半干旱區(qū)的分界線，也是內(nèi)流區(qū)與外流區(qū)的分界線。

圖1 研究區(qū)及站點分布

2.2 降水資料

（1）MSWEP 資料。2018年3月全球水文模擬組織發(fā)布了MSWEP 的2.2 版本，該數(shù)據(jù)可從互聯(lián)網(wǎng)下載（網(wǎng)址：http：//www.gloh2o.org/）。MSWEP 的時間跨度為1979年1月—2017年10月，空間分辨率為0.1°×0.1°，時間分辨率為3 h（0∶00—24∶00，逐3 h）。本文根據(jù)祁連山區(qū)的空間范圍，提取了相應(yīng)網(wǎng)格單元的降水量，并將降水量在時間尺度上累加，分別得到日、月等尺度的MSWEP降水量。

（2）地表降水資料。本文所采用的地表降水資料來自于美國國家海洋大氣管理局的全球地表日平均地表資料GSOD（Global Surface Summary of the Day）第7版中的降水資料，由全球地表逐小時氣象數(shù)據(jù)集（Integrated Surface Hourly dataset）計算而來，通常滯后1～2 d。GSOD下載網(wǎng)址為：https：//catalog.data.gov/dataset/global-surface-summary-of-the-day-gsod。祁連山區(qū)及周邊有20個地面雨量站（如圖1所示），其基本情況見表1。GSOD 計算時間為每日0∶00—24∶00；本文篩選了重疊日期的MSWEP 和GSOD降水?dāng)?shù)據(jù)進行分析計算。從圖1和表1可知，祁連山地區(qū)地表降水站點比較稀疏，且空間分布不均，高海拔地帶地表雨量觀測資料尤其稀少。表1中的雨量站點主要分布在研究區(qū)域邊緣或周邊，高程均在3500 m 以下。為研究需要，本文將該表中20個站點按海拔從低到高分為6 級，分別為0～1500 m（1 級，5個站點）、1500～2000 m（2 級，2個站點）、2000～2500 m（3 級，2個站點）、2500～3000 m（4級，3個站點）、3000～3200 m（5級，4個站點）和3200～3400 m（6級，4個站點）。

表1 研究區(qū)域及鄰近地區(qū)地表雨量站點基本情況

3 研究方法

3.1 MSWEP精度評價方法本文以GSOD資料為基準，采用分類指標和定量指標對MSWEP的精度進行綜合評價。分類指標反映了MSWEP 對降水事件發(fā)生可能性的辨識能力，定量指標則反映了MSWEP 與GSOD 在數(shù)量上的一致性。分類指標中，探測率POD、擊中率FOH和Heidk 技巧指數(shù)HSS（Heidke’s Skill Score）分別反映了MSWEP 對降水事件的捕捉能力、擊中能力和綜合辯識能力；定量指標中，平均誤差ME、偏差BIAS分別反映了MSWEP的系統(tǒng)誤差大小及相對程度；相關(guān)系數(shù)CC和相似性指數(shù)SI分別反映了MSWEP與地表降水變化的同步性及相似程度；效率系數(shù)NS則反映了MSWEP對地表降水方差的解釋能力，表征了MSWEP描述降水過程的確定性程度。各指標的計算公式及最優(yōu)值見表2。

表2 祁連山地區(qū)MSWEP資料精度評價指標

3.2 MSWEP的訂正方法盡管MSWEP相對于其它一些全球性降水?dāng)?shù)據(jù)具有更高質(zhì)量，但由于源數(shù)據(jù)、降水反演算法和空間分辨率等方面的原因，仍不可避免地存在不確定性，特別是在地形條件復(fù)雜的祁連山地區(qū)更是如此。已有研究證實，即使采用較為稀疏的局地性地表資料對全球性降水?dāng)?shù)據(jù)加以訂正，后者在當(dāng)?shù)氐恼`差也可得到顯著削減［13-14］。故本文考慮采用研究區(qū)域內(nèi)及鄰近位置的20個雨量站點資料對MSWEP作訂正。具體方法是采用最小二乘估計方法，建立各雨量站點降水量與其所在網(wǎng)格MSWEP 降水量之間的線性回歸關(guān)系，得到回歸方程參數(shù)；采用反距離權(quán)重法［15］（Inverse Distance Weighted，IDW），將回歸參數(shù)插值到研究區(qū)域內(nèi)MSWEP對應(yīng)的柵格單元；根據(jù)各柵格單元的回歸參數(shù)，得到訂正后的MSWEP資料。

4 結(jié)果分析與討論

4.1 MSWEP的適用性分析

圖2 不同時間尺度MSWEP與GSOD降水量散點圖

4.1.1 總體精度 圖2給出了5種時間尺度上，20個雨量站與其所在位置MSWEP柵格單元降水量的散點圖（圖2（a）—（e）分別代表日、月、年、雨季（5—9月）和旱季（10月—次年4月）的情況）。各圖中的散點均具有十分明顯的上偏（即散點大多位于1∶1線上方），這說明總體上MSWEP在祁連山地區(qū)對不同時間尺度上的地表降水均具有明顯低估。在日尺度上，MSWEP對于地表降水變化的解釋能力尚顯不足，且具有較明顯漏報；隨著時間尺度的增加，MSWEP 對于地表降水變化的解釋能力有所增強；月、年尺度上MSWEP與GSOD的一致性性明顯強于日尺度。同時，對比圖2（d）和圖2（e）可知，MSWEP對祁連山地區(qū)雨季降水的解釋能力總體上明顯強于旱季。

表3 給出了各種時間尺度上基于所有雨量站點資料計算得到的各項精度指標。在日尺度上，MSWEP 的3 項分類指標POD、FOH、HSS分別達到了0.78、0.68、0.67，說明MSWEP 對研究區(qū)域降水事件辨識能力明顯高于隨機估計（HSS為0 時表示模型估計能力與隨機估計相當(dāng)），能夠探測到1979—2017年間發(fā)生的大部分日降水事件，但也存在不小程度的漏報和誤報。從定量指標來看，MSWEP與站點降水之間的線性相關(guān)系數(shù)CC約0.65，但對地表降水變化的解釋能力仍然偏低（NS和R2值均只達到0.42），其系統(tǒng)誤差在-29%左右，ABIAS則達到了0.65。在月尺度上，MSWEP與站點降水之間的一致性較日尺度顯著增加，各項指標均明顯改善，其中相關(guān)系數(shù)CC已達到0.9，R2接近0.80，NS達到0.72，SI達到了0.9，ABIAS大幅度降低至0.36。在年尺度上，MSWEP 與站點降水之間的相關(guān)性CC略高于月尺度、ABIAS也略低于月尺度，但R2、NS和SI均不及月尺度高，其主要原因是MSWEP資料在旱季的精度明顯低于雨季。MSWEP在雨季的系統(tǒng)偏差在-26%左右，而旱季達到了-43%。祁連山區(qū)冬季（11月—次年2月）多年平均降雪日數(shù)約10.29d［16］，約占同期降水日數(shù)的49.5%。由于祁連山地區(qū)固態(tài)降水在旱季占較大比重，說明MSWEP 可能與其它全球性降水資料類似［4-5，17］，對固態(tài)性降水的估計能力仍有不足。

表3 不同時間尺度MSWEP資料的精度指標

圖3日尺度上MSWEP各項精度評價指標的年內(nèi)分布

圖4月尺度上MSWEP精度評價指標的年內(nèi)分布

4.1.2 精度年內(nèi)變化規(guī)律 圖3給出了日尺度上MSWEP資料對應(yīng)的主要精度評價指標在年內(nèi)各月的分布（1979年1月—2017年10月的均值）。由圖3 可知，在日尺度上，POD、FOH和HSS在年內(nèi)大致呈倒“U”形分布，6—9月最高，這再一次說明MSWEP在年內(nèi)對雨季降水事件的探測率最高。而定量指標方面，MSWEP在雨季也要明顯優(yōu)于年內(nèi)其它時段。CC、SI、NS、BIAS均呈倒“U”形，而ABIAS則呈“U”形。其中，BIAS在年內(nèi)各月均小于零（圖3（g）），說明在多年平均意識上MSWEP均低估了各月降水。

圖4 給出了月時間尺度上MSWEP 對應(yīng)的CC等各項定量指標的年內(nèi)變化情況。為便于ME與MAE、BIAS與ABIAS圖型比較，圖4（b）和圖4（c）繪制對象為-ME、-BIAS同MAE和ABIAS（下同）。從中可知，與日尺度類似，月尺度上MSWEP在6—9月的精度總體上也要明顯高于其它時段。

圖5日降水評價指標隨高程分布

4.1.3 精度空間分布特征 祁連山地區(qū)地勢整體呈西高東低。本文將20個地表雨量站點按海拔從低到高分為6個高程帶（見表1），評價了日尺度上MSWEP在不同高程帶的精度。從圖5可知，在3500 m以下，隨著高程的增加，POD、FOH、HSS總體上均有所增加，MSWEP對降水的分類辨識能力與高程具有一定正相關(guān)性；與此同時，CC、NS、SI3項指標隨高程也呈現(xiàn)整體增加趨勢，而-BIAS更趨近于零，且ABIAS有所降低，這說明定量精度指標隨高程增加也有所提高。但需特別指出的是，由于研究區(qū)域雨量站點數(shù)量總體有限，且均分布在3500 m以下，同時，具有空間分布不均的特點，因此根據(jù)現(xiàn)有雨量站點資料解析MSWEP精度指標隨高程的變化規(guī)律具有明顯局限性。

4.1.4 對不同量級降水的探測能力 基于1979—2017年20個雨量站點及其所在網(wǎng)格MSWEP日降水，分析了MSWEP對不同量級降水的探測能力。降水量級的劃分按照國家氣象局頒布的降水強度等級劃分標準劃分為無雨、小雨、中雨、大雨、暴雨和特大暴雨6個級別。圖6給出了各雨量站點位置不同等級降水事件幾率的箱線圖（降水事件幾率是指按雨量站或MSWEP資料統(tǒng)計的某一量級雨量的天數(shù)與1979—2017年總天數(shù)之比）。根據(jù)圖6，GSOD和MSWEP兩種資料無雨的平均幾率為81.40%和77.32%，說明MSWEP 對降水事件較敏感。。對于GSOD，小雨、中雨、大雨、暴雨和特大暴雨5個量級的降水事件的平均幾率分別為16.69%、1.70%、0.11%、0.09%、0.02%，而MSWEP 分別為21.68%、0.93%、0.07%、0.001%和0（見表4）。因此，MSWEP 對于小雨、中雨和大雨尚有一定探測能力，其中對小雨事件數(shù)量有所高估、對中雨和大雨事件數(shù)量明顯低估；MSWEP很難準確描述暴雨及其以上等級的日降水事件數(shù)量。表5 計算了MSWEP 對于不同等級降水事件的分類指標，評估了MSWEP 對不同等級日降水事件的探測能力。結(jié)果表明，MSWEP 對小雨事件估計能力最高（HSS為0.67），探測率POD和擊中率FOH分達到0.78 和0.68；MSWEP 對中雨、大雨的估計能力次之，綜合辨識能力明顯高于隨機估計（HSS分別為0.52、0.35，顯著大于0，同時POD和HSS也顯著大于0）；而對于暴雨和大暴雨事件的估計能力幾乎等同于隨機估計（HSS接近于0）。這與鄧越等［18］認為MSWEP對微量降水和強降水事件分別存在高估和低估現(xiàn)象的結(jié)論一致。

圖6 GSOD和MSWEP對應(yīng)不同等級的日降水事件幾率分布

表4 1979—2017年祁連山區(qū)雨量站點和MSWEP資料對應(yīng)的不同降水事件平均發(fā)生幾率 （單位：%）

表5 MSWEP對不同量級日降水事件的分類指標

4.2 MSWEP的訂正采用最小二乘估計得到了日尺度上各站點雨量計降水量和MSWEP降水量之間的線性回歸關(guān)系（圖7給出了各站點對應(yīng)的線性回歸方程的一次項系數(shù)及截距，分別用符號“A”和“B”表示）；然后采用反距離權(quán)重法將回歸參數(shù)插值到整個研究區(qū)域，得到與MSWEP資料各柵格單元對應(yīng)的回歸參數(shù)（共計2203個柵格單元）；最后根據(jù)回歸參數(shù)對日尺度上MSWEP 各柵格單元降水量進行訂正，并通過時間累積，得到月、年等時間尺度上的降水訂正值。

圖7（a）和圖7（b）分別為20個站點日尺度降水?dāng)?shù)據(jù)回歸方程的參數(shù)A、B，兩組回歸參數(shù)均通過了置信水平為95%的假設(shè)檢驗。由于MSWEP在多數(shù)站點低估了日降水（圖2（a）），故在回歸方程中，有65%的站點參數(shù)A大于1且參數(shù)B大于0（在研究區(qū)域內(nèi)部的各站點，A基本上大于1）；剩余的35%站點中，參數(shù)A小于1，同時參數(shù)B為不同程度正值。

圖7日尺度站點降水與MSWEP回歸方程參數(shù)分布

圖8為各時間尺度上MSWEP 降水量訂正前后與站點降水量之間的散點圖，訂正后的MSWEP 數(shù)據(jù)以COMSWEP表示（即Corrected MSWEP）。該圖表明，在各種時間尺度上，COMSWEP均較MSWEP與站點降水量更為吻合。表6給出了MSWEP和COMSWEP對應(yīng)的精度指標。從表中可知，MSWEP資料訂正后，在各時間尺度上BIAS、CC、NS、SI四項指標均有不同程度改善，但不同尺度上的具體情況有所不同。其中日尺度上，COMSWEP的BIAS已趨近零，其它3項精度指標略有改善；月尺度上，除BIAS更趨近零外，NS明顯改善、CC和SI略有改善；年尺度上，除BIAS更趨近零外，NS和SI均明顯改善，CC略有改善。對于雨季而言，BIAS仍為負，但已較接近零，說明雨季降水低估現(xiàn)象得到改善，同時NS明顯提高、CC和SI略有改善；而對于旱季而言，BIAS由負值變?yōu)檎担銩BIAS大幅度削減，NS和SI均明顯改善，CC變化不明顯。因此，COMSWEP 較MSWEP 可以更合理地估算研究區(qū)域降水，尤其對雨季降水和年降水具有較好估計效果。但由于研究區(qū)域在旱季每日降水中存在較多的固態(tài)性降水事件以及小雨事件，同時由于采用回歸方程作為訂正方法的局限性，故COMSWEP在旱季仍存在較大的系統(tǒng)偏差，且BIAS由負值變?yōu)檎怠?/p>

表6 校正前后降水?dāng)?shù)據(jù)集精度對比

4.3 祁連山區(qū)降水空間分布特性分析圖9為MSWEP 和COMSWEP 對應(yīng)的研究區(qū)域多年平均（1979—2017年）年、雨季、和旱季降水量空間分布（分辨率為0.1°×0.1°）。從圖9 可知，MSWEP 和COMSWEP反映的祁連山地區(qū)降水空間分布格局總體上相似，即降水量由東部逐漸向西部遞減，山脈北坡（內(nèi)蒙古高原一側(cè)）降水量略高于南坡（青藏高原一側(cè)）降水量，這與Liu［7］、Fang［19］、李培都等［20］的研究結(jié)論一致。同時，MSWEP和COMSWEP均顯示研究區(qū)域降水由雨季主導(dǎo)，兩者雨季降水分別占全年降水量的82.6%和75.5%。但經(jīng)過地表雨量站點訂正后，研究區(qū)域降水量具有整體性的增加，MSWEP 低估降水的情況得到大幅度改善。在0.1°×0.1°的柵格單元尺度上，MSWEP 對應(yīng)的多年平均降水量分布范圍約為15.0～505.0 mm，而COMSWEP為35.8～715.8 mm；對于雨季和旱季降水量，也有類似情況。Wang等［21］基于區(qū)域氣候模式的輸出估計了日氣候降水和高程的關(guān)系，并結(jié)合改進的ADW（Angular Distance Weighting）插值方法以及鄰近地面日降水量觀測資料，得到黑河流域格網(wǎng)化日降水量約250～550 mm（本研究區(qū)中段北部為黑河流域上游）。該研究考慮了山區(qū)降水縱向分布的因素，插值結(jié)果具有較強物理基礎(chǔ)；研究結(jié)果經(jīng)過臺站交叉驗證和水量平衡檢驗，具有較高精度和可靠性。COMSWEP 在研究區(qū)的中段北部與Wang等研究結(jié)論相近，說明即使采用簡單校正方法對MSWEP進行校正，其可靠性也可以得到一定程度的保證。本文校正方法雖未充分考慮降水垂直分布變化，但源數(shù)據(jù)MSWEP融合了地面站點降水、衛(wèi)星觀測降水以及再分析資料等多源降水，對降水的描述比較全面；COMSWEP大幅削減了MSWEP在各氣象站點的系統(tǒng)誤差。在未來的研究中應(yīng)當(dāng)充分考慮地形等因素影響，進一步完善祁連山區(qū)降水的訂正方案。

圖9 MSWEP和COMSWEP不同時間尺度多年平均降水量分布

表7 不同分區(qū)MSWEP和COMSWEP多年平均降水量比較

由表7 知，就整個研究區(qū)而言，MSWEP 和COMSWEP 對應(yīng)的年均降水量分別為264.22、365.46 mm，雨季分別為218.35、274.11 mm，旱季分別為36.95、81.94 mm。在年、雨季、旱季尺度上，COMSWEP 較MSWEP 分別增加了38%、25%和122%。從空間區(qū)域來看，COMSWEP 相對MSWEP 的降水量增幅從東至西遞增。以年降水量為例，在祁連山東段、中段和西段，COMSWEP相對MSWEP分別增加26.83%、34.90%和59.52%。對于雨季和旱季降水量也有類似規(guī)律，只是具體程度有所不同，旱季降水量的相對增加程度較雨季更顯著。

降水的垂直分布規(guī)律是地形降水氣候?qū)W中一個重要問題。以往多有涉及，但多基于雨量站點觀測資料或空間分辨率較低的衛(wèi)星降水資料開展研究。本文結(jié)合雨量站點和0.1°×0.1°的柵格降水?dāng)?shù)據(jù)，對研究區(qū)域降水垂直變化規(guī)律作了更細致深入的解析。圖10 點繪了研究區(qū)域東、中、西段各0.1°×0.1°柵格中心高程與相應(yīng)的MSWEP和COMSWEP多年平均降水量散點圖，還給出了20個雨量站點多年平均降水量和相應(yīng)高程的散點圖。從站點資料來看（圖10（a）（b）中的藍、紅色三角形），研究區(qū)域降水極大值分布在海拔3000 m左右，這與張杰等［22］基于站點模擬得到的降水分布規(guī)律一致，但該結(jié)論顯然受到站點降水資料稀疏和空間分布不均的局限。通過MSWEP和COMSWEP兩種柵格性降水資料，可以更全面的解析祁連山區(qū)域降水的垂直分布特征。基于圖10 中的散點圖，分析東、中、西三個地區(qū)降水隨海拔高度變化的趨勢，確定使年降水量先增后減的最大降水高度帶，并對海拔小于和大于最大降水高度帶的網(wǎng)格作降水量同海拔的回歸分析，得出年降水量隨高程平均變化速率。祁連山區(qū)東部地區(qū)MSWEP和COMSWEP年降水量均與高程成正比，CC分別為0.59和0.54，最大降水高度帶均在3000 m左右。在東部地區(qū)，當(dāng)高程小于3000 m時，MSWEP和COMSWEP隨高程增大的平均增加速率分別為7.19 mm/100 m和9.53 mm/100 m，超過該最大降水高度帶，年均降水量基本保持平穩(wěn)。而在祁連山區(qū)中部地區(qū)，MSWEP 和COMSWEP 多年平均降水量則呈現(xiàn)出先增加（平均增加速率分別約1.34 mm/100 m和3.31 mm/100 m）后降低（平均降低速度率分別約-4.92 mm/100 m和-4.22 mm/100 m）的總體特征，其對應(yīng)的最大降水高度帶約4100 m；西部地區(qū)MSWEP和COMSWEP降水量隨海拔增加呈先增加（平均增加速率約9.25 mm/100 m和12.04 mm/100 m）、后減少（平均降低速率約-0.91 mm/100 m和-1.46 mm/100 m）的趨勢，最大降水高度帶在4500 m左右。

圖10 祁連山區(qū)多年平均年降水量與高程的散點

劉俊峰等［5］基于未訂正的TRMM降水?dāng)?shù)據(jù)，得出祁連山地區(qū)降水隨海拔升高增加（東、中、西三段增加速率分別為11.9 mm/100 m、4.6 mm/100 m和0.187 mm/100 m），最大降水高度帶主要分布在東段4000～4500 m的高山帶；孫美平等［6］基于訂正的TRMM，指出連山地區(qū)東、中、西三段最大降水高度帶分別為4100 m、4500 m和4700 m，在最大降水高度帶出現(xiàn)前，降水量隨高程增加速率分別為16.6 mm/100 m、10.7 mm/100 m 和9.8 mm/100 m；出現(xiàn)后降水減少速率分別為-8.2 mm/100 m、-12.3 mm/100 m 和-20.3 mm/100 m。因此，本文研究結(jié)論不僅與采用地表降水資料的解析結(jié)果不同，與采用其它降水柵格數(shù)據(jù)所得研究結(jié)論也有所不同。在空間上，相比地表雨量站點和TRMM 資料，MSWEP 和COMSWEP獲取了更加豐富的降水信息，因此可以更加細致的解析降水垂直變化規(guī)律。同時，MSWEP和COMSWEP資料還表明在同一高程帶，不同柵格單元的年降水量相差較大，這說明影響降水空間分布的機制較為復(fù)雜，除高程外還存在其它多種因素。

5 結(jié)論與展望

本文基于祁連山區(qū)地表雨量站點資料綜合解析了MSWEP資料的精度，評價了其對不同量級降水的辨識能力；采用線性回歸方法，結(jié)合IDW插值對MSWEP資料加以訂正，對比了MSWEP在訂正前后的精度差異；最后綜合訂正前后的MSWEP資料重點解析了祁連山區(qū)降水的垂直分布規(guī)律。主要研究結(jié)論包括：（1）MSWEP 在祁連山地區(qū)總體上對不同時間尺度上的地表降水均具有明顯低估。MSWEP 對于大雨及其以下日降水事件的綜合辨識能力尚可，但對暴雨和大暴雨事件的估計能力較差。同時，MSWEP資料在雨季的精度明顯高于旱季，可能是由于其對固態(tài)性降水的估計能力有較大不足。隨著時間尺度的增加，MSWEP 對于地表降水變化的解釋能力有所增強。（2）采用線性回歸方法訂正后的MSWEP資料—COMSWEP在各種時間尺度上，較訂正前的精度具有明顯改善，但在不同時間尺度上的具體情況有所不同。COMSWEP對雨季降水和年降水具有較好估計效果，但在旱季仍存在較明顯的系統(tǒng)偏差。（3）MSWEP 和COMSWEP 均表明祁連山區(qū)多年平均降水在空間上由東至西遞減、北坡略高于南坡，同時雨季降水量主導(dǎo)了全年降水量。但在各分區(qū)和時間尺度上，COMSWEP降水量均明顯高于MSWEP。從空間區(qū)域來看，COMSWEP相對MSWEP降水量的增幅由東至西遞增，而旱季降水量的相對增加程度又較雨季更為顯著。（4）MSWEP 和COMSWEP 均反映祁連山地區(qū)東段最大降水高度帶在3000 m左右，超過此高度帶多年平均降水量變化甚小，而祁連山地區(qū)中部和西部多年平均降水量隨海拔呈現(xiàn)先增加后降低的趨勢，最大降水高度帶分別位于4100 m和4500 m左右。這一結(jié)論不同于采用地表雨量站點資料的分析結(jié)果，也不同于以往采用TRMM資料的診斷結(jié)果。

總的來說，采用COMSWEP 數(shù)據(jù)可以更科學(xué)解析包括祁連山在內(nèi)的缺資料地區(qū)降水的時空變化規(guī)律，不僅在一定程度上克服了地表雨量站點稀疏和空間分布不均的局限性，而且較TRMM等以往的全球性降水資料所得結(jié)論也更為合理可靠。同時，需要指出的是盡管采用較簡單校正方法，COMSWEP仍有效降低了MSWEP的系統(tǒng)誤差，但另一方面，雨量數(shù)據(jù)的隨機誤差仍有待削減。在后續(xù)研究中，將考慮增加地面雨量信息和站點徑流資料，進一步完善祁連山區(qū)降水的誤差解析和訂正方法，建立合理考慮地形因素影響的雨量站和MSWEP降水融合模型，并深化降水融合資料在氣象水文和生態(tài)環(huán)境研究中的應(yīng)用。