陳漢清

(1.東華理工大學(xué) 江西省數(shù)字國土重點實驗室，南昌 330013；2.廣州大學(xué) 地理科學(xué)與遙感學(xué)院，廣州 510006)

降水是全球水循環(huán)和能量循環(huán)的關(guān)鍵環(huán)節(jié)，精確觀測降水對全球水循環(huán)的研究至關(guān)重要[1-4]。目前主要采用雨量計、地基雷達(dá)觀測網(wǎng)和衛(wèi)星傳感器反演等方法實現(xiàn)降水觀測[5-6]。雨量計觀測網(wǎng)和地基雷達(dá)可獲取高精度的地面降水，但無法提供準(zhǔn)實時和大范圍的降水觀測[4, 7-8]。采用多衛(wèi)星遙感降水反演技術(shù)彌補了雨量計和地基雷達(dá)時效性差及觀測范圍不足的問題，可準(zhǔn)實時為用戶提供大范圍連續(xù)的空間降水信息。多衛(wèi)星遙感降水產(chǎn)品的出現(xiàn)為實時監(jiān)控自然災(zāi)害事件、大尺度水文模擬和全球氣候變化的研究提供了機會[2, 9]。

盡管多衛(wèi)星遙感降水產(chǎn)品克服了雨量計和地基雷達(dá)觀測網(wǎng)在時效性和降水空間連續(xù)性上的局限，但也存在自身降水觀測精度不足的問題，制約了多衛(wèi)星遙感降水產(chǎn)品在水文氣象領(lǐng)域中的應(yīng)用[9-10]。鑒于多衛(wèi)星遙感降水產(chǎn)品精度不足的問題，許多文獻(xiàn)研究了各種各樣的方法降低多衛(wèi)星遙感降水產(chǎn)品的誤差[13-22]，發(fā)展了數(shù)種高精度的全球降水?dāng)?shù)據(jù)集，如多源加權(quán)融合降水產(chǎn)品(Multi-Source Weighted-Ensemble Precipitation, MSWEP)[11-12]，基于全球降水觀測計劃的多衛(wèi)星降水反演產(chǎn)品(Integrated Multi-satellitE Retrievals for GPM, IMERG)[13]，全球降水衛(wèi)星制圖產(chǎn)品(Global Satellite Mapping of Precipitation, GSMaP)[14]，氣候預(yù)報中心變形技術(shù)產(chǎn)品(Climate Prediction Center(CPC)MORPHing technique, CMORPH)[15]，基于人工神經(jīng)網(wǎng)絡(luò)的遙感降水量估算產(chǎn)品(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks, PERSIANN)[16-18]，氣候災(zāi)害組站點校正紅外降水估計產(chǎn)品(Climate Hazards Group Infrared Precipitation with station, CHIRPS)[19]，以及一些區(qū)域性的高精度降水?dāng)?shù)據(jù)集，如覆蓋金沙江流域的武漢大學(xué)衛(wèi)星與地面降水協(xié)同校正產(chǎn)品(Wuhan University Satellite and Gauge precipitation Collaborated Correction, WHU-SGCC)[20]，覆蓋東亞地區(qū)的AIMERG降水產(chǎn)品[21]，覆蓋雅魯藏布江流域的精細(xì)分辨率降水產(chǎn)品[22]。這些經(jīng)地面觀測資料校正的多衛(wèi)星遙感降水產(chǎn)品的精度相比純衛(wèi)星遙感降水產(chǎn)品有了較明顯的提升，提高了多衛(wèi)星遙感降水產(chǎn)品的應(yīng)用潛力[2]。因此，理解這些經(jīng)地面資料校正的多衛(wèi)星遙感降水產(chǎn)品的誤差和性能，對于它們的應(yīng)用和進(jìn)一步的質(zhì)量改進(jìn)至關(guān)重要。

目前，大量的研究文獻(xiàn)在全球尺度[9,23-24]和特定的地區(qū)[25-27]研究了多衛(wèi)星遙感降水產(chǎn)品的性能。這些性能評估結(jié)果表明，目前的多衛(wèi)星遙感降水產(chǎn)品的性能和誤差表現(xiàn)出明顯的季節(jié)性[28]和區(qū)域性[29]特征。同時，它們的誤差也受到地形[30]和降水強度[31]的顯著影響。但大部分誤差解譯研究采用平均誤差分析多衛(wèi)星遙感降水產(chǎn)品的性能。平均誤差來源于多種不同的誤差組分平均，因正負(fù)誤差組分相互抵消，可能出現(xiàn)平均誤差相對較小，但獨立誤差組分絕對值相對較大的情況，從而采用平均誤差的結(jié)果描述多衛(wèi)星遙感降水產(chǎn)品的性能可能會發(fā)生一定程度的誤導(dǎo)[10]。Tian等[28]提出將總偏差分解為命中偏差、漏報偏差和誤報偏差的誤差分解方案分析多衛(wèi)星遙感降水產(chǎn)品的性能，在一定程度上避免了采用平均誤差描述降水產(chǎn)品性能所引起的問題。一些研究文獻(xiàn)采用Tian等[28]提出的誤差分解方法在美國[28]、中國大陸[9]、東亞[31]等地區(qū)分析了多種主流的多衛(wèi)星遙感降水產(chǎn)品的誤差。然而，目前大部分的誤差解譯研究以純衛(wèi)星降水產(chǎn)品作為研究對象，缺乏對誤差校正后的多衛(wèi)星遙感降水產(chǎn)品的性能評估，特別是由多源降水?dāng)?shù)據(jù)融合算法生產(chǎn)的MSWEP降水產(chǎn)品。重要的是，目前的研究缺乏對MSWEP降水產(chǎn)品與經(jīng)地面降水資料校正的IMERG和GSMaP在性能上的相互比較，缺乏對這些產(chǎn)品校正算法不足的研究，制約后續(xù)誤差校正算法的改進(jìn)。

針對目前多衛(wèi)星遙感降水產(chǎn)品性能評估研究中的不足，文中通過采用相關(guān)的誤差解譯指標(biāo)在中國大陸地區(qū)定量描述3種地面校正產(chǎn)品MSWEP，IMERG和GSMaP的性能，并作進(jìn)一步的分析和比較，重點分析不同校正算法存在的問題，為這些研究級的多衛(wèi)星遙感降水產(chǎn)品在中國大陸地區(qū)的使用提供指導(dǎo)，也為這些產(chǎn)品的誤差校正算法改進(jìn)提供建議和思路。

1 數(shù)據(jù)與方法

1.1 數(shù) 據(jù)

研究選取經(jīng)地面校正的3種研究級全球降水產(chǎn)品作為評估和對比的對象，分別為地面校正產(chǎn)品IMERG，GSMaP和MSWEP。IMERG和GSMaP通過分別采用月時間尺度的GPCC(Global Precipitation Climatology Centre)和日時間尺度的CPCU(Climate Precipitation Center unified)地面降水產(chǎn)品校正相應(yīng)的純衛(wèi)星降水產(chǎn)品IMERG-Late和GSMaP-MVK研制而成。而MSWEP則通過融合IMERG-Late、再分析降水?dāng)?shù)據(jù)產(chǎn)品ERA5和來自世界各自的地面降水資料發(fā)展而來[11-12]。考慮到這3種被評估的全球降水產(chǎn)品在時空分辨率不一致的問題，在計算各項誤差解譯指標(biāo)前，需要對IMERG，GSMaP和MSWEP進(jìn)行分辨率的統(tǒng)一。文中的性能評估在時空分辨率為3 h，0.25°下執(zhí)行。

為了定量描述這3種高精度全球降水產(chǎn)品在中國大陸的誤差，采用中國國家氣象局研發(fā)的逐小時格網(wǎng)降水?dāng)?shù)據(jù)集CMPA(China Hourly Merged Precipitation Analysis)[32]作為地面降水參考基準(zhǔn)。該降水?dāng)?shù)據(jù)集融合了來自中國大陸30 000余個地面站點的降水觀測結(jié)果和多衛(wèi)星遙感降水產(chǎn)品CMORPH。為了避免評估結(jié)果的不確定性，僅采用CMPA中的地面站點觀測結(jié)果作為參考。CMPA站點分布圖詳見Chen等[9]的研究。

文中采用2015年和2016年的數(shù)據(jù)作為研究期，對MSWEP，IMERG和GSMaP 3種全球降水產(chǎn)品在中國大陸展開性能評估和相互比較。

1.2 性能評估方法

文中采用探測率POD(Probability of detection)、誤報率FAR(False Alarm Ratio)描述降水產(chǎn)品的降水探測能力。利用相關(guān)系數(shù)CC(Correlation Coefficient)、均方根誤差RMSE(Root Mean Square Error)、總偏差及其3種獨立誤差組分分析降水產(chǎn)品的精度。這些性能評估指標(biāo)被廣泛應(yīng)用在多衛(wèi)星遙感降水產(chǎn)品的研究工作中[30]。具體的表達(dá)式為：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中:H為衛(wèi)星和地面同時觀測到的降水事件總數(shù)；M為衛(wèi)星未探測到，而地面觀測到降水發(fā)生的總數(shù)；F為衛(wèi)星探測到降水事件發(fā)生，但地面未觀測到降水事件發(fā)生的總數(shù)；S和G分別表示衛(wèi)星和地面觀測到的降水量，n為樣本量；SH和GH分別為衛(wèi)星和地面在命中降水事件上觀測到的降水量；GM表示衛(wèi)星在漏報降水事件上地面觀測到的降水量；SF為衛(wèi)星在誤報降水事件上觀測到的降水量。值得注意的是，判斷降水事件是否發(fā)生的閾值設(shè)定為0.2 mm/3 h。

2 結(jié)果分析

2.1 整體性能比較

圖1為3種高精度全球降水產(chǎn)品MSWEP,IMERG和GSMaP的探測率POD和誤報率FAR的箱形圖。從圖1中的結(jié)果可以發(fā)現(xiàn)，探測率POD的值越大，對應(yīng)的誤報率FAR值也越大。整體上，GSMaP在中國大陸的POD值大部分集中在0.75以上，高于MSWEP的0.70和IMERG的0.68。相應(yīng)地，GSMaP的FAR同樣高于其他兩種全球降水產(chǎn)品，大部分的FAR值分布在0.53以上，而MSWEP和IMERG的FAR值大部分分布在0.45以上。這說明目前的地面校正算法在提高降水探測能力的同時，也誤報了更多的降水事件。值得注意的是，MSWEP融合了更多的降水?dāng)?shù)據(jù)，但該產(chǎn)品在3種降水產(chǎn)品中表現(xiàn)出最差的降水探測能力，盡管它含有相對較低的誤報率FAR。值得注意的是，由于部分POD值和FAR值較大或較小，在圖中沒有展示。

圖1 3種高精度全球降水產(chǎn)品在中國大陸的探測率POD和誤報率FAR的箱形圖

圖2給出3種全球降水產(chǎn)品精度指標(biāo)的箱形圖分布模式。在相關(guān)系數(shù)CC上，IMERG的降水估計與地面降水參考呈現(xiàn)出高度的一致性，大部分CC值分布在0.70以上。而多源降水?dāng)?shù)據(jù)融合研制的MSWEP則表現(xiàn)相對較差的CC性能，大部分的CC值集中在0.70以下。在均方根誤差RMSE的結(jié)果上，3種高精度全球降水產(chǎn)品具有較為相似的分布模式。整體上，GSMaP在中國大陸的RMSE相對較小，主要集中在1.2 mm以下。值得注意的是，由于部分CC值和RMSE值較大或較小，在圖中沒有展示。

圖2 3種高精度全球降水產(chǎn)品在中國大陸的相關(guān)系數(shù)CC和均方根誤差RMSE的箱形圖

Tian等[28]提出了一種誤差分解方案，將總偏差分解為命中誤差、漏報誤差和誤報誤差，該方法能夠揭示降水產(chǎn)品誤差的主要組分。圖3為3種全球降水產(chǎn)品的總偏差及其3種誤差組分在中國大陸的箱形圖。從圖3中的結(jié)果可以發(fā)現(xiàn)，3種全球降水產(chǎn)品在中國大陸的總偏差箱形圖模式基本一致，然而它們在3種獨立誤差組分箱形圖模式上呈現(xiàn)出明顯的差異性。在總偏差上，3種降水產(chǎn)品在中國大陸的總偏差主要集中在5%～30%，呈現(xiàn)出較好的精度，說明經(jīng)地面降水資料校正后，3種全球降水產(chǎn)品的質(zhì)量得到顯著的提高，有利于發(fā)揮它們在水文氣象應(yīng)用中的潛力。MSWEP和GSMaP在中國大陸的命中誤差箱形圖模式幾乎一致(如圖3b所示)，它們的命中誤差主要集中在-10%～10%之間，而IMERG降水產(chǎn)品的命中誤差主要集中在2%～18%之間。在3種全球降水產(chǎn)品中，GSMaP降水產(chǎn)品明顯降低了漏報降水。盡管MSWEP融合了更多的降水?dāng)?shù)據(jù)，但該降水產(chǎn)品在漏報降水上的改善差于GSMaP降水產(chǎn)品。與誤報率FAR的結(jié)果一致(圖1b)，GSMaP和MSWEP均含有較大的誤報誤差，大部分誤報誤差集中在20%以上。相比GSMaP，MSWEP的總偏差箱形圖的下四分位線和中位數(shù)線均低于GSMaP，這主要是由于MSWEP含有相對較大的漏報偏差(值為負(fù)數(shù))，抵消了部分的誤報誤差(值為正數(shù))。因此，盡管MSWEP在中國大陸的總偏差整體上低于GSMaP，但在3種獨立誤差組分的分析結(jié)果中發(fā)現(xiàn)，MSWEP的性能略低于GSMaP。由于部分值較大，沒有在圖中展示。

圖3 3種高精度全球降水產(chǎn)品在中國大陸的總偏差及其獨立誤差組分的箱形圖

2.2 空間性能分析

圖4展示了3種被評估的全球降水產(chǎn)品和地面降水在中國大陸上3 h時間尺度的平均降水空間分布。從圖中的結(jié)果可以發(fā)現(xiàn)，在中國大陸大部分地區(qū)，3種全球降水產(chǎn)品的平均降水模式與地面觀測資料呈現(xiàn)出高度的一致性。較大的差異主要出現(xiàn)在降水豐富的東南部。3種被評估的全球降水產(chǎn)品均高估了東南部地區(qū)的降水量，相對而言，IMERG的平均降水分布模式與地面降水最為接近。而融合地面降水資料、IMERG-Late和再分析降水?dāng)?shù)據(jù)ERA5的MSWEP明顯高估東南部地區(qū)的降水量。盡管MSWEP融合多種降水?dāng)?shù)據(jù)，試圖融合不同降水產(chǎn)品的優(yōu)勢，但得到的降水估計的質(zhì)量可能傾向于受到不同降水產(chǎn)品缺陷的主導(dǎo)。

圖4 MSWEP,IMERG和GSMaP在中國大陸的3 h時間尺度平均降水空間分布圖

圖5給出3種全球降水產(chǎn)品的探測率POD和誤報率FAR在中國大陸的空間分布圖。在每個指標(biāo)上，這些產(chǎn)品的空間模式展現(xiàn)出顯著的差異性。整體上，GSMaP在中國大陸大部分地區(qū)的探測率POD值達(dá)到0.7以上，明顯優(yōu)于MSWEP(0.6)和IMERG(0.6)降水產(chǎn)品。Chen等[9]的研究結(jié)果表明，GSMaP的純衛(wèi)星版本GSMaP-MVK的質(zhì)量明顯低于IMERG的純衛(wèi)星版本IMERG-Late，這樣的結(jié)果說明GSMaP的地面校正算法更為有效地改進(jìn)了降水的探測性能。相比IMERG，MSWEP進(jìn)一步融合了再分析降水?dāng)?shù)據(jù)ERA5，探測率POD的性能得到進(jìn)一步提升。然而，在云南省地區(qū)，MSWEP的探測率POD分布在0.6～0.7區(qū)間，低于IMERG和GSMaP的0.7～0.8區(qū)間，這說明了融合更多的降水?dāng)?shù)據(jù)可能會對最終得到的產(chǎn)品質(zhì)量產(chǎn)生負(fù)面影響。

圖5 MSWEP,IMERG和GSMaP在中國大陸的探測率POD和誤報率FAR的空間分布圖

在誤報率FAR的結(jié)果上，GSMaP則表現(xiàn)出最差的性能，在中國大陸的大部分地區(qū)誤報了較多的降水事件，F(xiàn)AR值達(dá)到0.4以上。這說明GSMaP的地面校正算法在提高降水探測率的同時，也誤報了更多的降水事件。IMERG和MSWEP的誤報率在中國大陸大部分地區(qū)則低于GSMaP，特別在中國大陸的濕潤區(qū)。相比IMERG，MSWEP的誤報率FAR在濕潤區(qū)的大部分地區(qū)高于IMERG，說明MSWEP算法降低MSWEP誤報率FAR的性能。

圖6給出3種全球降水產(chǎn)品在精度指標(biāo)方面的空間分布圖。從結(jié)果上看，3種全球降水產(chǎn)品的性能呈現(xiàn)出較大的差異性。IMERG和GSMaP的相關(guān)系數(shù)CC在中國大部分地區(qū)展現(xiàn)出高度的一致性，而MSWEP在CC上則表現(xiàn)出略差的性能。相關(guān)的文獻(xiàn)表明，ERA5降水產(chǎn)品在高緯度地區(qū)(緯度在40°以上)表現(xiàn)出出色的性能[33]。然而，融合了ERA5降水?dāng)?shù)據(jù)的MSWEP在中國大陸緯度40°以上的地區(qū)在3種全球降水產(chǎn)品中表現(xiàn)最差，說明MSWEP融合算法沒有發(fā)揮ERA5降水產(chǎn)品在高緯度地區(qū)改進(jìn)降水質(zhì)量的潛力。在均方根誤差RMSE上，這3種全球降水產(chǎn)品的差異主要體現(xiàn)在東南部地區(qū)。相對而言，GSMaP在東南部含有較低的RMSE，GSMaP的地面校正算法明顯提高了GSMaP的降水精度。而MSWEP由于集合了不同降水產(chǎn)品的優(yōu)勢，在東南部地區(qū)的精度略優(yōu)于IMERG。

圖6 MSWEP，IMERG和GSMaP在中國大陸的相關(guān)系數(shù)CC和均方根誤差RMSE的空間分布圖

誤差組分分析可以更直觀地展現(xiàn)降水產(chǎn)品誤差的主要組分，圖7展示了3種全球降水產(chǎn)品在中國大陸的總偏差及其3種獨立誤差組分的空間分布圖。整體上，3種全球降水產(chǎn)品在總偏差和漏報偏差的空間分布圖上呈現(xiàn)出高度的一致性，特別是漏報誤差，介于-20%～0%之間。另一方面，MSWEP和GSMaP的4種偏差空間分布圖表現(xiàn)出高度的一致性。這兩種全球降水產(chǎn)品輕微低估了中國大陸大部分地區(qū)的命中降水事件的降水量，命中誤差介于-20%～0%之間，而它們的誤報誤差則在大部分地區(qū)高于20%。綜合3種獨立誤差組分的量級，MSWEP和GSMaP在中國大陸大部分地區(qū)的誤差主要來源于誤報誤差。

圖7 MSWEP，IMERG和GSMaP在中國大陸的總偏差及其獨立誤差組分的空間分布圖

3 結(jié) 論

文中針對目前主流的3種經(jīng)地面校正的高精度全球降水產(chǎn)品MSWEP，IMERG和GSMaP在中國大陸從整體和空間角度開展了詳細(xì)的性能評估與比較。獲得以下結(jié)論：

1)綜合所有的指標(biāo)結(jié)果，相比IMERG降水產(chǎn)品，GSMaP降水產(chǎn)品在中國大陸大部分地區(qū)展示了出色的性能。相比IMERG的月時間尺度校正算法，采用日時間尺度校正的GSMaP算法更為有效地改進(jìn)降水探測能力和降水精度。建議后續(xù)的多衛(wèi)星遙感降水產(chǎn)品誤差校正在精細(xì)時空分辨率下執(zhí)行。

2)融合了IMERG-Late、再分析降水?dāng)?shù)據(jù)ERA5和地面降水觀測資料的MSWEP的性能整體上明顯差于經(jīng)地面資料校正IMERG-Late研制而成的IMERG。這說明雖然多源降水?dāng)?shù)據(jù)融合算法能夠集合不同降水產(chǎn)品的優(yōu)勢，但也不可避免集合了不同降水產(chǎn)品的缺陷。當(dāng)集合降水產(chǎn)品的缺陷對質(zhì)量的影響大于優(yōu)勢的影響時，最終得到的融合降水產(chǎn)品質(zhì)量不夠完善，仍有較大的改進(jìn)空間。

3)再分析降水產(chǎn)品ERA5在高緯度地區(qū)(緯度40°以上的地區(qū))展示了較好的性能。然而，融合了ERA5的MSWEP在中國大陸高緯度地區(qū)表現(xiàn)最差，這說明MSWEP算法沒有充分發(fā)揮ERA5降水?dāng)?shù)據(jù)改進(jìn)高緯度地區(qū)降水反演的潛力。

4)MSWEP和GSMaP的4種偏差空間分布圖表現(xiàn)出高度的一致性，總偏差主要來源于誤報誤差。