薄會娟,林青霞**,李 璐,魏 沖,龔成麒

(1:三峽大學(xué)水利與環(huán)境學(xué)院,宜昌 443002)(2:三峽庫區(qū)生態(tài)環(huán)境教育部工程研究中心,宜昌 443002)

降水是水文循環(huán)的驅(qū)動力,在大氣循環(huán)中也起著重要作用[1-2]。精準(zhǔn)觀測不同量級的降水及其時空分布特征對洪水和干旱預(yù)報、土壤水分模擬、植被覆蓋研究、災(zāi)害預(yù)防以及降雨-徑流過程對氣候變化的響應(yīng)等有重要意義[3]。但由于降水過程會受到大氣運動、地理位置和下墊面等不同因素的綜合影響,使降水具有復(fù)雜的空間變異性[4]。傳統(tǒng)的降水觀測方法包括地面雨量站網(wǎng)和雷達(dá)等,但在地形和氣候復(fù)雜的流域,由于雨量計設(shè)備維護困難和雷達(dá)易被干擾等因素,較難準(zhǔn)確地反映降水的時空分布。同時雨量站收集的數(shù)據(jù)多在行業(yè)內(nèi)部使用,獲得高時空精度的氣象數(shù)據(jù)并不容易。

隨著遙感技術(shù)的發(fā)展,衛(wèi)星降水產(chǎn)品由于其具有時空連續(xù)、覆蓋面廣的優(yōu)勢受到廣泛關(guān)注,為缺/無資料地區(qū)的生態(tài)水文模擬帶來新的機遇[5-6]。迄今為止,多種高時空分辨率的衛(wèi)星降水產(chǎn)品已發(fā)布并被廣泛用于相關(guān)研究,例TRMM[7]、CMORPH[8]、PERSIANN[9]、CHIRPS[10]、GPM IMERG[11]以及MSWEP[12]等。不同的降水產(chǎn)品由于反演算法等不確定性因素的影響,其在特定流域或區(qū)域的精度和可靠性不同,會給降水時空分布描述、水文過程模擬等帶來更大的不確定性,尤其是在氣候和地形復(fù)雜地區(qū)[13]。目前關(guān)于降水產(chǎn)品精度評估的空間尺度主要包括兩類:一類是格點/柵格尺度比較,即比較實測站點(實測點插值柵格)降水和所在柵格衛(wèi)星降水[14];另一類是在流域/區(qū)域尺度上比較[15]。其中,格點/柵格尺度比較能較好地反映柵格尺度的降水精度,但不能直觀表達(dá)在流域尺度上的性能;流域尺度比較主要是從流域整體評估降水產(chǎn)品的綜合表現(xiàn),其統(tǒng)計指標(biāo)值比格點尺度偏高,這可能是部分區(qū)域低估和部分區(qū)域高估綜合作用的結(jié)果[16-17],也較難直觀地反映降水產(chǎn)品在流域局部的性能。綜上所述,可以看出不管是柵格還是流域尺度評估都有自身的不足,需尋找介于二者之間的空間尺度進行評價。

目前部分學(xué)者將研究區(qū)進行分區(qū)后比較降水產(chǎn)品的精度,主要包括氣候分區(qū)[1,18]、地形分區(qū)[19]、子流域分區(qū)[20-21]和水資源分區(qū)[22]等。其中,彭振華等將我國劃分為4個不同的氣候區(qū)(干旱區(qū)、過渡區(qū)、濕潤區(qū)和青藏高原)評估降水產(chǎn)品的精度,發(fā)現(xiàn)各產(chǎn)品的性能存在空間差異性[1];曾歲康等按高程將四川劃分為3個地形區(qū),評估不同地形區(qū)和格點尺度降水產(chǎn)品的精度[19];Yang等將黃河流域按水系劃分為24個子流域比較降水產(chǎn)品的可靠性[20];譚麗麗等根據(jù)海河流域水利委員會劃分的水資源三級分區(qū),將流域分為4個區(qū)域尺度評價降水產(chǎn)品精度[22]。以上研究都發(fā)現(xiàn)降水產(chǎn)品的性能存在空間差異性,表明分區(qū)尺度評估降水精度是必要的也是可行的。以上分區(qū)研究是學(xué)者在較小空間尺度降水產(chǎn)品精度評估方面進行的探索成果,研究表明分區(qū)可以實現(xiàn)高精度和全方位的評估。但上述4種分區(qū)方法都考慮了和降水相關(guān)的其他因素(地形、下墊面、溫度和水資源分布等),其分區(qū)是多種影響因素綜合作用的結(jié)果,在一定程度上不能直觀地反映降水本身的空間特性。因此,本研究試圖對研究區(qū)進行降水分區(qū)并比較降水產(chǎn)品的性能。

氣象要素空間異質(zhì)性強,尤其是地形復(fù)雜地區(qū),大量研究通過氣候分區(qū)研究流域降水、氣溫等要素的時空演變規(guī)律[23-24]。目前學(xué)者大多采用經(jīng)驗正交函數(shù)(empirical orthogonal function,EOF)和旋轉(zhuǎn)經(jīng)驗正交函數(shù)(rotating empirical orthogonal function,REOF)開展氣候分區(qū)研究[23-25]。例如,龔成麒等采用EOF和REOF相結(jié)合的方法將雅礱江流域分為6個降水分區(qū),研究不同分區(qū)降水特征和趨勢[26]。Sharmila等應(yīng)用REOF對澳大利亞北部雨季降雨量多年變化規(guī)律進行分析,并確定降雨變化的主導(dǎo)模式[27]。這些研究表明REOF能夠緩解EOF的弊端,其能夠解析出主導(dǎo)型空間模態(tài),且分解出的各空間模態(tài)高度相關(guān),具有更好的物理意義。

金沙江流域位于長江上游,氣候和地形復(fù)雜,降水時空變化顯著,且易受氣候變化影響。實測降水站點稀疏(尤其是高海拔地區(qū))給降水規(guī)律研究、水電開發(fā)和氣候研究帶來挑戰(zhàn)。高時空分辨率的遙感降水產(chǎn)品數(shù)據(jù)可為更好地描述金沙江流域降水時空分布特征提供參考,但降水產(chǎn)品的偏差不容忽視,其可靠性需要經(jīng)過驗證。因此,本研究以中國氣象局提供的地面日降水?dāng)?shù)據(jù)作為參考,采用REOF方法對金沙江流域進行降水分區(qū),評估IMERG和MSWEP兩種日降水?dāng)?shù)據(jù)在分區(qū)尺度和不分區(qū)尺度(即流域尺度),降水事件發(fā)生概率和極端降水探測能力3個方面的精度。研究結(jié)果拓展了衛(wèi)星降水產(chǎn)品精度評估尺度,對金沙江流域降水時空演變格局研究具有重要意義。

1 材料和方法

1.1 研究區(qū)概況

金沙江流域(24°25′～36°05′N, 89°48′～104°16′E,圖1)位于長江上游,起源于我國青海省唐古拉山,流經(jīng)青海省、云南省和四川省和西藏自治區(qū),干流全長3496 km,流域面積47.3萬km2。流域高程跨度大,介于272～6575 m之間,地形復(fù)雜,西北高,東南低[28]。金沙江流域包括高原山地、干熱河谷和亞熱帶季風(fēng)等多種氣候區(qū),使整個流域氣候差異異常顯著。1975-2018年流域多年平均降水量為757.9 mm,主要集中在6-9月,多年平均氣溫為4～12℃。根據(jù)金沙江流域相關(guān)研究[29],四季分別是春季(3-5月)、夏季(6-8月)、秋季(9-11月)和冬季(12月-次年2月)。

圖1 金沙江流域地理位置及實測氣象站點空間分布Fig.1 The location of the Jinshajiang River Basin (JSB), and the spatial distribution of meteorological stations

1.2 數(shù)據(jù)源

1.2.1 衛(wèi)星降水產(chǎn)品 本研究選取了兩種空間分辨率相同的衛(wèi)星降水產(chǎn)品進行比較,分別是IMERG和MSWEP。兩種降水產(chǎn)品在國內(nèi)其他研究中精度較高[14,20],空間分辨率均為0.1°×0.1°。全球降水觀測計劃GPM(https://gpm.nasa.gov/data-access/downloads/gpm)是美國NASA和日本JAXA聯(lián)合提出的新一代全球衛(wèi)星降水觀測計劃,該計劃是基于微波紅外多衛(wèi)星融合算法IMERG得到的遙感降水?dāng)?shù)據(jù)。該算法能更加準(zhǔn)確地捕捉到微量降水和固態(tài)降水[30-31]。作為GPM的典型代表產(chǎn)品,3級IMERG終極產(chǎn)品(IMERG V06 Final Run)的算法融合了GPM微波成像儀(GMI)及其他衛(wèi)星所有被動微波數(shù)據(jù)(PWM)、地球同步軌道衛(wèi)星紅外數(shù)據(jù)和地面雨量計月觀測資料。本研究選用IMERG V06 Final Run降水?dāng)?shù)據(jù)作為數(shù)據(jù)來源,該產(chǎn)品的時間分辨率最高為30 min。

多源加權(quán)集合降水(MSWEP)集成了站點、衛(wèi)星觀測及再分析降水?dāng)?shù)據(jù),是Beck等[12]在2016年生成的具有長時間尺度的格網(wǎng)降水產(chǎn)品(http://www.gloh2o.org/)。MSWEP融合了GSMaP-MVK、TRMM 3B42RT、PERSIANN、SM2RAIN-ASCAT等多種降水產(chǎn)品,其中,站點降水?dāng)?shù)據(jù)的權(quán)重是基于站點網(wǎng)格密度計算得到的;衛(wèi)星和再分析數(shù)據(jù)產(chǎn)品的權(quán)重是由該產(chǎn)品在站點處的精度計算得到的;最后采用全球125個通量塔的數(shù)據(jù)進行校正。MSWEP的時間分辨率是3 h。

1.2.2 實測氣象站點降水 本研究的實測氣象站點降水?dāng)?shù)據(jù)是從中國氣象網(wǎng)(http://data.cma.cn)獲得,時間分辨率為日尺度。為了保證數(shù)據(jù)質(zhì)量,對氣象站點數(shù)據(jù)完整性和時間尺度進行篩選,最終選擇金沙江流域32個實測氣象站點的逐日降水?dāng)?shù)據(jù)進行研究,站點分布如圖1所示。該數(shù)據(jù)經(jīng)過了國家氣象信息中心的一系列質(zhì)量控制,能夠通過極值、一致性和非參數(shù)檢驗。在本研究中,選取1975-2018年的長系列年降水?dāng)?shù)據(jù)用于降水分區(qū);2015-2018年的逐日降水?dāng)?shù)據(jù)用于檢驗IMERG和MSWEP降水產(chǎn)品的精度。

1.3 方法

實測氣象站點日降水量的統(tǒng)計是從北京時間前一日20:00-今日20:00(對應(yīng)世界時前一日12:00-今日12:00 UTC),而降水產(chǎn)品日降水?dāng)?shù)據(jù)是世界時間(UTC)0:00-24:00,本研究將降水產(chǎn)品前一日12:00-24:00 和今日00:00-12:00的數(shù)據(jù)進行匯總得到新降水產(chǎn)品的數(shù)據(jù)。再通過求和累積生成日降水?dāng)?shù)據(jù)。為了避免由氣象站點插值柵格帶來的不確定性,本研究將柵格的格點值作為降水產(chǎn)品的估計值,并與該柵格內(nèi)的氣象站點實測值進行比較。

本研究在多個時空尺度對日IMERG和MSWEP降水產(chǎn)品的精度進行評估,分別是降水分區(qū)尺度、站點尺度和流域尺度上進行了不同降水強度和極端降水事件探測能力的評估。其中,采用旋轉(zhuǎn)經(jīng)驗正交函數(shù)(REOF)法對降水分區(qū)進行識別。

1.3.1 旋轉(zhuǎn)經(jīng)驗正交函數(shù)(REOF) 經(jīng)驗正交函數(shù)(EOF)和旋轉(zhuǎn)經(jīng)驗正交函數(shù)(REOF)是氣候?qū)W研究采用較廣泛的方法之一[24]。主要是將具有時空特征的氣象要素場分解為空間模態(tài)和時間系數(shù)的線性組合。

經(jīng)驗正交函數(shù)(EOF)也可稱為主成分分析(PCA),用于提取數(shù)據(jù)序列中的主成分[32]。識別的每個空間模態(tài)都有一個相關(guān)的時間系數(shù),顯示模態(tài)的幅度如何隨時間變化。方差貢獻(xiàn)率最大的稱為第一空間模態(tài),方差貢獻(xiàn)率第二大的稱為第二空間模態(tài),未存儲在第一模態(tài)中的方差被存儲在第二模態(tài)中,依此類推,結(jié)果解釋的方差對于每個后續(xù)模態(tài)將更小。

一個氣象要素場的觀測數(shù)據(jù)矩陣進行正交展開,可以分解為空間函數(shù)V和時間函數(shù)T兩部分:

X=VT

(1)

旋轉(zhuǎn)經(jīng)驗正交函數(shù)(REOF)又稱為旋轉(zhuǎn)主成分分析,REOF通過對EOF達(dá)到一定標(biāo)準(zhǔn)的若干特征向量進行極大方差正交旋轉(zhuǎn),使分離出的典型空間模態(tài)只有在氣象要素場變化高度一致的區(qū)域具有高值,其余區(qū)域接近0,其能簡化空間結(jié)構(gòu)并突出局部區(qū)域特征,主要原理見文獻(xiàn)[33]。結(jié)合前人的研究,本文先以85%的累積方差貢獻(xiàn)率初步確定初始變量場,結(jié)合方差貢獻(xiàn)率不小于6%共同確定最終的模態(tài)數(shù)量[34]。

1.3.2 評價指標(biāo) 利用統(tǒng)計指標(biāo)評估實測降水?dāng)?shù)據(jù)和降水產(chǎn)品的精度,分別是相關(guān)系數(shù)(CC)、納什效率系數(shù)(NSE)、均方根誤差(RMSE)和相對偏差(BIAS)。CC顯示了降水產(chǎn)品與實測觀測值之間的線性擬合關(guān)系。NSE常被用于評價模型模擬的精度。RMSE反映平均誤差,對異常值非常敏感。BIAS描述了系統(tǒng)性偏差。當(dāng)CC和NSE越接近1,RMSE和BIAS越接近0,則認(rèn)為降水估計對于特定地區(qū)或時期是越可靠的。KGE(Kling-Gupta efficiency)是綜合性評價指標(biāo),用于衡量觀測值和估計值之間的總體擬合優(yōu)度,值越大表明性能越優(yōu)越;當(dāng)KGE<0表明降水產(chǎn)品性能較差。公式詳見附錄1。

基于4個統(tǒng)計指標(biāo)(CC、RMSE、BIAS和NSE)計算綜合指標(biāo)P值來評估降水產(chǎn)品的精度,采用Chen等[35]提出的方法,P值的計算公式如下:

P=ω1X1+ω2X2+ω3X3+ω4X4

(2)

式中,X1～X4分別代表CC、RMSE、BIAS和NSE;ω1～ω4是權(quán)重,分別取0.4、0.1、0.3和0.2。P值越高,性能越好。

為了避免量綱不同帶來的影響,將4個指標(biāo)進行歸一化,公式如下:

(3)

(4)

式中,Xmax、Xmin、Xi分別是統(tǒng)計指標(biāo)的最大值、最小值和絕對值。其中,CC和NSE采用公式(3)進行標(biāo)準(zhǔn)化,BIAS和RMSE采用公式(4)進行標(biāo)準(zhǔn)化。

1.3.3 概率密度函數(shù) 采用概率密度函數(shù)(PDF)評估降水產(chǎn)品在不同降水強度下的性能[36]。PDF表示不同降水區(qū)間發(fā)生降水的概率,其已被許多研究用于評估降水產(chǎn)品的質(zhì)量[37]。根據(jù)世界氣象組織標(biāo)準(zhǔn),本研究將金沙江流域的日降水量分為8類(mm/d):0～0.1(毛毛雨);0.1～1(低強度小雨);1～2(高強度小雨);2～5(低強度中雨);5～10(高強度中雨);10～25(低強度大雨);25～50(高強度大雨);>50(暴雨)。

1.3.4 極端降水指數(shù) 采用氣候變化監(jiān)測和指數(shù)專家組開發(fā)的7個常用的極端降水指數(shù)評價降水產(chǎn)品對極端降水事件發(fā)生的探測能力[38],包括PRCPTOT(大于等于1 mm年總降水量,mm)、SDII(年總降水量除以一年中降水日數(shù),mm/d)、Rx1day(年內(nèi)最大日降水量,mm)和Rx5day(年內(nèi)最大連續(xù)5日降水量,mm)、R10 mm(年內(nèi)日降水量大于10 mm的天數(shù),d)、CDD(日降水總量<1 mm的最大連續(xù)日數(shù),d)和R95pTOT(日降水量超過95%分位值的年總降水量,mm)。

2 結(jié)果與分析

2.1 基于REOF的降水分區(qū)結(jié)果分析

首先將金沙江流域32個實測氣象站點的1975-2018年共44年的降水量進行EOF分解,選取累積方差貢獻(xiàn)率大于85%的前10主成分作為初始變量場,并對其進行方差最大旋轉(zhuǎn)得出REOF的方差貢獻(xiàn)率(表1)。從表1可以看出,旋轉(zhuǎn)后(REOF)的空間特征向量每個主成分的方差貢獻(xiàn)率均勻分布,其中特征向量1的方差貢獻(xiàn)率最大,解釋了總方差的13.58%,特征向量2的方差貢獻(xiàn)率最大,解釋了總方差的12.27%,后續(xù)特征向量的方差貢獻(xiàn)率依次減小。從第9個特征向量開始方差貢獻(xiàn)率小于6%,故不考慮分區(qū)。前8個特征向量的累積方差貢獻(xiàn)率大于70%,表明8個特征向量能較好地表征降水的空間分布特征,故將金沙江流域劃分為8個降水分區(qū)。

表1 REOF分解的方差貢獻(xiàn)率及累計方差貢獻(xiàn)率Tab.1 Contribution and cumulative contribution of the REOF decomposition

采用ArcGIS工具箱中的反距離插值法(IDW)繪制出8個特征向量模態(tài)的空間分布圖,并使用Jenks Natural breaks進行空間數(shù)據(jù)分類,分為3個區(qū)段,最后根據(jù)各自區(qū)段的上下限選擇合適的數(shù)值使8個模態(tài)具有統(tǒng)一的范圍,最終3個區(qū)段的結(jié)果如圖2所示。其中白色是空間模態(tài)高值區(qū)域,表明該區(qū)域應(yīng)單獨作為一個分區(qū)。金沙江流域降水分區(qū)結(jié)果如圖3所示(阿拉伯?dāng)?shù)字代表降水分區(qū)的區(qū)號),可以看出1區(qū)主要位于流域中部,對應(yīng)的氣象站點個數(shù)為7個;2區(qū)主要位于流域最南部,對應(yīng)的氣象站點個數(shù)為4個;3區(qū)主要位于流域中下游,對應(yīng)的氣象站點個數(shù)為4個;4區(qū)主要位于流域最上游,對應(yīng)的氣象站點個數(shù)為4個;5區(qū)主要位于流域出口附近,對應(yīng)的氣象站點個數(shù)為3個;6區(qū)主要位于流域中下游中部,對應(yīng)的氣象站點個數(shù)為6個;7區(qū)主要位于流域中下游西南部,對應(yīng)的氣象站點個數(shù)為2個;8區(qū)主要位于流域中游東部,對應(yīng)的氣象站點個數(shù)為2個。8個降水分區(qū)中的實測氣象站點之間無重疊。

圖2 金沙江流域降水REOF模態(tài)分布Fig.2 REOF modal distribution of precipitation in the JSB

圖3 金沙江流域降水分區(qū)圖Fig.3 Diagram of precipitation distinction in the JSB

2.2 金沙江流域降水空間分布特征

將實測氣象站點降水(2015-2018年)進行空間插值得到和衛(wèi)星降水相同分辨率的柵格降水?dāng)?shù)據(jù),結(jié)果表明,不管是多年平均日降水(圖4a)還是夏季平均日降水(圖4d),金沙江流域降水呈現(xiàn)出從上游到下游逐漸增加的趨勢,降水主要集中在流域下游。

圖4 金沙江流域2015-2018年多年(a～c)和夏季(d～f)平均日降水空間分布Fig.4 Spatial distribution of mean annual (a-c) and June-August (d-f) daily precipitation during the period 2015-2018 in the JSB: (a) and (d) Gauge observations, (b) and (e) IMERG, (c) and (f) MSWEP

圖4b～c給出了IMERG和MSWEP多年平均日降水量的空間分布。通過分析可以看出,兩種產(chǎn)品均可以很好地體現(xiàn)降水的空間變化特征,即降水從上游到下游逐漸增加。IMERG較MSWEP表現(xiàn)更好,降水的空間分布更加接近站點插值降水。但MSWEP產(chǎn)品在存在明顯高估,尤其在流域中上游(圖4c)。

圖4e～f給出了IMERG和MSWEP夏季平均日降水量的空間分布。可以看出,兩種降水產(chǎn)品均能很好地體現(xiàn)夏季降水的空間變化特征,且都比多年平均情況下精度更高,尤其是MSWEP產(chǎn)品。其結(jié)果和站點插值降水的分布基本一致。兩種降水產(chǎn)品比實測降水插值的空間分布更加精細(xì),尤其是流域上游,原因可能是由于實測降水站點在流域上游較少,插值結(jié)果不太理想。

2.3 日降水統(tǒng)計性能評估

日尺度下IMERG和MSWEP與實測站點降水在不同降水分區(qū)和全流域的對比散點密度圖和評價指標(biāo)值如圖5所示。由圖5可知,在全流域(JSB)尺度上IMERG和MSWEP降水均存在不同程度的高估(BIAS>0),且MSWEP高估的多,表明IMERG更加接近真實降水。但MSWEP的評價指標(biāo)CC、NSE和RMSE均優(yōu)于IMERG(IMERG的CC、NSE和RMSE分別是0.34、-0.36和7.72 mm/d,MSWEP的CC、NSE和RMSE分別是0.44、0.12和5.82 mm/d)。

圖5 氣象站點與IMERG和MSWEP降水在不同降水分區(qū)和全流域的對比散點密度圖Fig.5 Scatter density plots of daily precipitation for IMERG and MSWEP against meteorological stations

在降水分區(qū)尺度上,IMERG降水產(chǎn)品在1～8區(qū)的CC、BIAS、NSE和RMSE的范圍分別是0.26～0.46 mm、-1.36%～11.13%、-0.93～-0.18 mm和3.74～9.38 mm,其中最優(yōu)值分別出現(xiàn)在7、4、7和4區(qū);最差值分別出現(xiàn)在5、7、4和5區(qū)。MSWEP降水產(chǎn)品在1～8區(qū)的CC、BIAS、NSE和RMSE的范圍分別是0.36～0.51 mm、0.96%～22.51%、-0.02～0.18 mm和2.62～8.05 mm,其中最優(yōu)值分別出現(xiàn)在1、6、1和4區(qū);最差值分別出現(xiàn)在5、4、5和2區(qū)。綜合分析表明兩種降水產(chǎn)品在第5區(qū)均表現(xiàn)較差,且IMERG在2和4區(qū)表現(xiàn)為低估,能夠更加細(xì)致的刻畫降水產(chǎn)品在亞流域尺度的表現(xiàn)。

在同一降水分區(qū)上,MSWEP的評價指標(biāo)CC、NSE和RMSE在8個降水分區(qū)中均優(yōu)于IMERG,但BIAS指標(biāo)卻比IMERG大的多,表明MSWEP對所有分區(qū)的降水都存在不同程度的高估,且比IMERG高估的多。

為精確評估兩種衛(wèi)星降水產(chǎn)品(IMERG和MSWEP)在8個降水分區(qū)及流域尺度的綜合性能,將統(tǒng)計指標(biāo)(CC)視為第一組樣本,包括兩個降水?dāng)?shù)據(jù)在9個區(qū)域(8個降水分區(qū)和JSB),然后使用公式(3)對其進行歸一化。其他3個統(tǒng)計指標(biāo)(RMSE、BIAS和NSE)也進行類似處理。通過公式(2)獲得了8個降水分區(qū)和JSB流域尺度的P值(圖5)。根據(jù)P值計算結(jié)果,將具有高P值的降水?dāng)?shù)據(jù)推薦為該區(qū)域的最佳降水產(chǎn)品。通過圖5可以看出,MSWEP被推薦在降水分區(qū)1、3、6、7和8和JSB流域使用,其中1、3、6、7和8位于流域的中游。其他降水分區(qū)2、4和5推薦使用IMERG,主要集中在流域的上游和下游。由于第5分區(qū)的P值較低(P_IMERG=0.18,P_MSWEP=0.08),因此不建議在該降水分區(qū)使用這兩種衛(wèi)星降水產(chǎn)品進行降水的相關(guān)研究。

2.4 降水事件發(fā)生概率評估

采用PDF分析IMERG和MSWEP日降水在不同降水強度下的表現(xiàn),結(jié)果如圖6所示?？梢钥闯?在8個降水分區(qū)和全流域(JSB),0.1～1 mm/d的降水發(fā)生概率最高,其次是2～5 mm/d;降水發(fā)生概率最低的是大于50 mm/d的降水,其次是20～50 mm/d。

圖6 不同強度等級日降水事件的概率密度函數(shù)Fig.6 The probability density function of daily precipitation events with different intensities for IMERG, MSWEP and meteorological stations

IMERG在所有分區(qū)和JSB低估了大于1 mm/d的所有降水事件的概率,MSWEP在所有分區(qū)和JSB都低估了大于5 mm/d所有降水事件的概率。

IMERG在所有分區(qū)和JSB都高估了0～0.1 mm/d的降水事件的概率,而MSWEP只在1和4降水分區(qū)表現(xiàn)為高估。MSWEP在所有分區(qū)和JSB都高估了0.1～1 mm/d的降水事件的概率,且MSWEP比IMERG要高估很多,而IMERG在5區(qū)低估該區(qū)間降水。在1～2 mm/d的降水區(qū)間中,MSWEP只在4區(qū)表現(xiàn)為低估,其他分區(qū)和JSB都表現(xiàn)為高估。在2～5 mm/d的降水事件中,MSWEP在1、3、4區(qū)和JSB表現(xiàn)為低估,在其他降水分區(qū)表現(xiàn)為高估。

總體而言,MSWEP能較好地再現(xiàn)不同等級降水強度的概率密度分布,表明其具有較好地捕捉不同降水概率的能力。而IMERG過高地估計小于0.1 mm/d降水事件的概率,表明IMERG中的算法改進對于提高正確捕獲小降水事件的性能并沒有實質(zhì)上的幫助。

2.5 極端降水事件探測能力分析

表2給出了IMERG和MSWEP兩種降水產(chǎn)品對極端降水事件的探測能力?？梢钥闯?在流域尺度(JSB),IMERG的極端降水指數(shù)除Rx1day外,其他指數(shù)的KGE指標(biāo)值都大于0.5;MSWEP的極端降水指數(shù)除SDII和CDD外,其他指數(shù)的KGE指標(biāo)值也都大于0.5。表明IMERG和MSWEP在整個研究區(qū)尺度上再現(xiàn)日降水極值有一定的能力。

表2 8個降水分區(qū)和金沙江流域IMERG和MSWEP極端降水指數(shù)的KGE指標(biāo)值Tab.2 Kling-Gupta indicators of IMERG and MSWEP in reproducing the extreme precipitation indexes in eight precipitation distinctions and the JSB

在降水分區(qū)尺度上,兩種降水產(chǎn)品的極端降水指數(shù)KGE指標(biāo)值都存在小于0的情況,其中,IMERG產(chǎn)品 Rx1day的KGE指標(biāo)值在3和4降水分區(qū)是負(fù)值,Rx5day和CDD在7區(qū)為負(fù)值,表明IMERG在這3個降水分區(qū)的性能較差。MSWEP產(chǎn)品的7個極端降水指數(shù)的KGE指標(biāo)只在2和5區(qū)沒有負(fù)值,在其他降水分區(qū)都存在1～4個指數(shù)的KGE指標(biāo)是負(fù)值,尤其是在6區(qū)。在6區(qū)中,PRCPTOT、SDII、Rx5day和R10指數(shù)的KGE指標(biāo)值都小于0,表明MSWEP不能準(zhǔn)確地再現(xiàn)日降水極值。

整體而言,除日最大降水指數(shù)Rx1day外,IMERG的所有極端降水指數(shù)的KGE值都優(yōu)于MSWEP產(chǎn)品,表明IMERG比MSWEP有更強的極端降水事件探測能力。但兩種降水產(chǎn)品在日最大降水(Rx1day)和持續(xù)干期(CDD)的探測能力都表現(xiàn)不佳,尤其是在6區(qū)。

3 討論

3.1 分區(qū)尺度的設(shè)置特點

降水產(chǎn)品的精度受到檢索算法、傳感器、流域氣候、地形等因素的綜合影響,在不同地區(qū)、流域呈現(xiàn)不同的精度。到目前為止,已有相關(guān)研究提出在亞流域尺度進行比較。亞流域尺度主要包括氣候分區(qū),子流域、地形分區(qū)等,目的都是為了在較小的尺度更加精細(xì)地評估降水產(chǎn)品。已有研究證明更小的尺度比較更具優(yōu)勢,例如:彭振華等將我國分為干旱區(qū)、過渡區(qū)、濕潤區(qū)和青藏高原區(qū)4個分區(qū)比較5種降水產(chǎn)品的精度,得出不同的氣候區(qū)衛(wèi)星降水表現(xiàn)不同[1]。同時也有研究證明REOF分區(qū)是理解變量空間變化特征的重要途徑。如魏沖等基于REOF將淮河流域分為10個區(qū)分析降雨侵蝕力的時空變化特征,并為不同的分區(qū)提供合理的措施防治水土流失[39]。

本研究提出REOF降水分區(qū)尺度比較衛(wèi)星降水產(chǎn)品的精度,結(jié)果發(fā)現(xiàn),不同的分區(qū)IMERG和MSWEP兩種降水產(chǎn)品的統(tǒng)計性能不同,統(tǒng)計指標(biāo)變化明顯,結(jié)合P值,MSWEP被推薦5次,IMERG被推薦3次,而流域尺度只能看出MSWEP比IMERG精度高,不能在精細(xì)尺度得出IMERG在某些區(qū)域比MSWEP好。極端降水事件探測能力方面,IMERG 和MSWEP的比較在降水分區(qū)更加細(xì)致。因此,本研究在一定程度上可以證明降水分區(qū)尺度比較具有比流域尺度比較更加明顯的優(yōu)勢。

3.2 相關(guān)研究的對比討論

到目前為止,已經(jīng)有大量的研究評估不同衛(wèi)星降水的性能[38,40-42]。研究發(fā)現(xiàn),衛(wèi)星降水產(chǎn)品在青藏高原日尺度精度普遍偏低,主要是由于青藏高原地形和氣候復(fù)雜,受印度和東亞季風(fēng)的影響,地形雨和極端降水易形成。金沙江流域位于青藏高原東側(cè),本研究得出的相關(guān)系數(shù)指標(biāo)普遍也偏低,和其他人的研究一致[43]。

基于之前的研究發(fā)現(xiàn)MSWEP在不同時空尺度都是性能最優(yōu)的產(chǎn)品,尤其是在干旱地區(qū)[38]。本研究也得出相同的結(jié)論。同時本研究發(fā)現(xiàn)MSWEP具有高的相關(guān)系數(shù),這可能與其算法有關(guān),該算法在融合方案中依據(jù)CC值的大小賦予融合數(shù)據(jù)權(quán)重的高低[44]。但MSWEP相對偏差BIAS也較高(圖5),不管是分區(qū)降水還是整個JSB都表現(xiàn)為高估。MSWEP在部分分區(qū)上精度低于IMERG,可能的原因一方面是由于MSWEP在融合過程中集合了單一產(chǎn)品降水估算的缺點,另一方面是IMERG融合了地面雨量計月觀測資料[45]。

通過降水事件發(fā)生概率分析看出,IMERG降水產(chǎn)品在降水分區(qū)4和5低估了0.1～1 mm/d降水事件(圖6d～e),其他分區(qū)和全區(qū)都高估了微小降水事件,而MSWEP降水產(chǎn)品全部高估了微小降水事件,且比IMERG要高估的多,原因可能是MSWEP降水產(chǎn)品融合了較多的衛(wèi)星、再分析和雷達(dá)圖像,可能增加了將可降水云識別為降水事件的可能性[46]。在0～0.1 mm/d降水區(qū)間,IMERG和MSWEP都表現(xiàn)為高估,且IMERG要高估的多,原因可能是IMERG錯誤將將一些非降雨事件識別為微量降水事件。Lei等也有類似發(fā)現(xiàn),IMERG降水產(chǎn)品高估了我國0.1～10 mm/d強度的降水事件,并且這種高估值隨著降水強度的增加而降低[40]。

在極端降水事件探測能力分析方面,MSWEP在捕獲極端降水指數(shù)CDD和SDII有很大的偏差(表2),這與Zhang等的研究一致[41],表明該降水產(chǎn)品在使用前仍要進行偏差校正。本研究發(fā)現(xiàn)如果只考慮整個研究區(qū)的極端降水指數(shù),可以發(fā)現(xiàn)兩種降水產(chǎn)品都具有較好地探測能力,尤其是IMERG降水,極端降水指數(shù)(除Rx1day外)的KGE指標(biāo)大于0.5(表2)。但其在降水分區(qū)尺度下出現(xiàn)負(fù)值,如IMERG的日最大降水指數(shù)Rx1day的KGE指標(biāo)值在3和4降水分區(qū)是負(fù)值,Rx5day和CDD在7分區(qū)為負(fù)值。且MSWEP的負(fù)值更多,表明降水分區(qū)尺度的精度評估是必需的,能夠更加精確更加精細(xì)地評價降水產(chǎn)品。

3.3 本研究的影響因素分析

在本研究中,影響評估準(zhǔn)確性和結(jié)果的因素較多,這里討論主要的3個影響因素。首先,實測站點數(shù)量和分布對分區(qū)結(jié)果有一定的影響,我們選擇金沙江流域32個站點長系列的降水?dāng)?shù)據(jù)進行降水分區(qū),可以保證32個站點分區(qū)的準(zhǔn)確性,但由于32個站點主要位于流域中下游,上游站點較少,對分區(qū)結(jié)果會有一定的影響,后期可以基于融合高精度的衛(wèi)星降水?dāng)?shù)據(jù)進行分區(qū)。其次,原始數(shù)據(jù)的準(zhǔn)確性是最重要的因素之一,衛(wèi)星降水是基于多個數(shù)據(jù)源的反演數(shù)據(jù),如微波成像儀、降水雷達(dá)、可見光和紅外輻射計等[47],也可能受到大氣、緯度和下墊面的高度影響,因此,衛(wèi)星降水和地面實際降水之間存在一些差異[48]。第三個影響因素是本研究只收集到了2018年12月31日之前的實則站點數(shù)據(jù),評估時間長度相對較短,但也可以在一定程度上說明IMERG和MSWEP兩種降水產(chǎn)品的性能。

本研究的結(jié)果雖然受到較多因素的影響,但本文在現(xiàn)有降水?dāng)?shù)據(jù)的基礎(chǔ)上進行了詳細(xì)的數(shù)據(jù)分析和嚴(yán)格的質(zhì)量控制,盡可能地降低了不確定性。未來收集到長系列的站點降水?dāng)?shù)據(jù)將對本文的研究結(jié)果進行進一步研究。

4 結(jié)論

本研究采用2015年1月1日-2018年12月31日金沙江流域32個實測氣象站點實測數(shù)據(jù)對IMERG和MSWEP兩種降水產(chǎn)品進行了全面評估,主要從日尺度、降水發(fā)生概率和極端降水探測能力3個方面對降水產(chǎn)品在分區(qū)尺度和不分區(qū)尺度的性能進行評估。采用4個連續(xù)統(tǒng)計指標(biāo)(CC、BIAS、NSE和RMSE)計算的P值定量分析日降水產(chǎn)品的準(zhǔn)確性并為每個降水分區(qū)推薦降水產(chǎn)品;然后采用概率密度函數(shù)分析降水發(fā)生的概率,進一步評估兩種降水產(chǎn)品的性能;最后選取極端降水指數(shù)判斷兩種產(chǎn)品在極端降水探測方面的能力。主要結(jié)論如下:

1)不分區(qū)尺度情況下,MSWEP日降水的統(tǒng)計性能強于IMERG(MSWEP的P值是0.55;IMERG 的P值是0.45)。降水事件發(fā)生概率方面:MSWEP能再現(xiàn)不同等級降水強度的概率密度分布,而IMERG不能很好地擬合小于0.1 mm/d降水事件的概率。極端降水探測能力方面:IMERG和MSWEP再現(xiàn)日降水極值有一定的能力,且IMERG比MSWEP表現(xiàn)更好。

2)降水分區(qū)尺度情況下,8個降水分區(qū)中MSWEP的評價指標(biāo)CC、NSE和RMSE在均優(yōu)于IMERG,但BIAS卻比IMERG大的多,表明MSWEP對所有分區(qū)的降水都存在不同程度的高估,且比IMERG高估的多。通過P值統(tǒng)計,本研究為來8個分區(qū)推薦最佳降水?dāng)?shù)據(jù),MSWEP被推薦5次,分別是1、3、6、7和8區(qū),集中在流域的中游。IMERG被推薦3次,集中在流域的上游和下游。

3)降水分區(qū)尺度情況下,降水事件發(fā)生概率的評估更加復(fù)雜,降水產(chǎn)品在不同的分區(qū)表現(xiàn)不同,有的表現(xiàn)為高估,有的則表現(xiàn)為低估。對小于1 mm/d的降水事件,IMERG在大部分分區(qū)表現(xiàn)為高估,而MSWEP高估0.1～1 mm/d區(qū)間降水事件發(fā)生的概率,低估0～0.1 mm/d降水事件發(fā)生的概率。

4)降水分區(qū)尺度情況下,兩種產(chǎn)品極端降水指數(shù)的KGE值在2和5區(qū)都是正值,其他分區(qū)都有負(fù)值,表明兩種降水產(chǎn)品都不能準(zhǔn)確地探測出其他6個降水分區(qū)的極端降水事件,尤其是MSWEP降水產(chǎn)品。

綜上所述,分區(qū)尺度精度評估是可行且必須的,同時分區(qū)的精度也可以通過更多的站點降水得到提高。MSWEP在日尺度和降水發(fā)生概率方面表現(xiàn)優(yōu)秀,但在探測極端降水方面,效果欠佳,說明MSWEP在探測極端降水能力方面存在缺陷,算法需要進一步改進。

5 附錄

附表Ⅰ見電子版(DOI: 10.18307/2024.0244)。