中國區(qū)域小時(shí)降水量融合產(chǎn)品的質(zhì)量評估

沈艷，潘旸，宇婧婧，趙平，周自江

(中國氣象局國家氣象信息中心，北京100081)

0 引言

降水量是氣象要素中最為重要的因子之一，其時(shí)空分布是氣象、氣候、水文、生態(tài)以及經(jīng)濟(jì)、農(nóng)業(yè)和其他相關(guān)學(xué)科研究的基礎(chǔ)和必要支撐。地面站點(diǎn)觀測是降水?dāng)?shù)據(jù)最直接的數(shù)據(jù)源，能夠最準(zhǔn)確表示“觀測點(diǎn)”上降水量，但受自然環(huán)境和人為因素等影響，地面站點(diǎn)觀測無法覆蓋到大面積海洋、無人區(qū)以及地形相對復(fù)雜的區(qū)域，從而限制了站點(diǎn)觀測數(shù)據(jù)的使用。與之相比，衛(wèi)星反演降水產(chǎn)品具有全天候、全球覆蓋以及準(zhǔn)確反映降水“空間分布”的獨(dú)特優(yōu)勢(Barrett and Martin，1981)，但其本質(zhì)是間接觀測手段，必須用地面資料訂正來提高產(chǎn)品質(zhì)量(Ebert et al.，2007)。因此近年來將地面觀測降水量與衛(wèi)星反演降水產(chǎn)品融合逐漸成為了國際社會在高質(zhì)量降水產(chǎn)品研制中的主流趨勢。全球降水氣候計(jì)劃(Global Precipitation Climatology Project，GPCP)的目的之一就是要充分利用各種數(shù)據(jù)優(yōu)點(diǎn)，開發(fā)高質(zhì)量的降水量融合產(chǎn)品(Arkin and Xie，1994)。自1997年起相繼開展了一系列衛(wèi)星資料與雨量觀測數(shù)據(jù)的融合研究:GPCP數(shù)據(jù)集在對衛(wèi)星紅外和微波資料誤差訂正的基礎(chǔ)上，以各類數(shù)據(jù)誤差方差反比作為權(quán)重進(jìn)行最大似然合成得到融合產(chǎn)品，產(chǎn)品時(shí)間分辨率為日和月，空間分辨率是2.5°或1°(Huffman et al.，1997，2001;Adler et al.，2003)。CMAP(Center Merged Analysis of Precipitation)數(shù)據(jù)集(Xie and Arkin，1997;Xie et al.，2003)采用Reynolds融合算法:用衛(wèi)星資料描述融合場分布型，雨量資料描述融合場降水量(Reynolds，1988)，得到了更可靠的全球月和候、2.5°分辨率的降水產(chǎn)品。TRMM-3B42 產(chǎn)品(Kummerow et al.，1998;Huffman，et al.，2004，2007)利用 GPCC(Global Precipitation Climatololgy Centre)月降水量(Schneider et al.，1993)訂正3 h衛(wèi)星產(chǎn)品，質(zhì)量評估表明:盡管利用地面資料訂正后的TRMM-3B42產(chǎn)品質(zhì)量在中國區(qū)域得到提高(Shen et al.，2010)，但由于GPCC資料(月值)與衛(wèi)星產(chǎn)品(3 h值)的時(shí)間尺度不一致，因此在刻畫3 h降水分布時(shí)存在偏差。另外，這些融合數(shù)據(jù)集的時(shí)間分辨率較粗，無法監(jiān)測極端、短時(shí)強(qiáng)降水過程。在中國區(qū)域的共同問題是:只利用了中國參加國際交換的臺站觀測資料，因此產(chǎn)品質(zhì)量改進(jìn)幅度大。另一方面，GPCP、CMAP等數(shù)據(jù)集在融合過程中均沒有剔除衛(wèi)星數(shù)據(jù)的系統(tǒng)誤差(Gebremichael et al.，2003)，也沒有考慮資料誤差的水平相關(guān)。

我國已建成自動氣象觀測站30 000多個(gè)，但“東密西疏”的站網(wǎng)布局并未發(fā)生實(shí)質(zhì)改變。而統(tǒng)計(jì)表明:即使在站點(diǎn)密度最為稠密的我國東部地區(qū)(110 ～118°E，24 ～30°N)，在0.1°分辨率下，仍有約50%的格點(diǎn)內(nèi)沒有自動氣象觀測站。因此，如何借助高密度站點(diǎn)觀測數(shù)據(jù)對衛(wèi)星反演降水產(chǎn)品進(jìn)行誤差訂正，在此基礎(chǔ)上實(shí)現(xiàn)地面和衛(wèi)星數(shù)據(jù)的融合，研制質(zhì)量和時(shí)空分辨率均更高的降水產(chǎn)品對于強(qiáng)天氣過程監(jiān)測和防災(zāi)減災(zāi)有重要意義和價(jià)值。利用質(zhì)量控制后的全國自動站小時(shí)降水觀測數(shù)據(jù)，在用概率密度匹配法對CMORPH衛(wèi)星反演降水產(chǎn)品誤差訂正的基礎(chǔ)上，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°分辨率的降水量融合產(chǎn)品。本文是對這一高時(shí)空分辨率融合降水產(chǎn)品質(zhì)量的綜合檢驗(yàn)評估。

1 數(shù)據(jù)

采用地面和衛(wèi)星兩個(gè)來源的降水?dāng)?shù)據(jù)。其中，地面觀測降水資料來自全國30 000余個(gè)自動站觀測的1 h降水量。衛(wèi)星反演降水產(chǎn)品是在系統(tǒng)評估6種衛(wèi)星反演降水產(chǎn)品在中國區(qū)域質(zhì)量(Shen et al.，2010)的基礎(chǔ)上，選用美國海洋大氣局(National Oceanic and Atmospheric Administration，NOAA)開發(fā)的實(shí)時(shí)衛(wèi)星反演降水產(chǎn)品CMORPH(CPC MORPHing technique)。下面分別對這兩種數(shù)據(jù)進(jìn)行簡要介紹。

1.1 全國自動站小時(shí)觀測降水量

目前，全國已建成自動觀測站(包括國家級自動站和區(qū)域自動站)30 000余個(gè)并實(shí)現(xiàn)了觀測資料的實(shí)時(shí)上傳和質(zhì)量控制。降水量數(shù)據(jù)經(jīng)過了氣候?qū)W界限值、區(qū)域界限值、時(shí)間一致性、空間一致性等質(zhì)量控制和檢查后，國家級自動站資料可用率達(dá)98.9%，區(qū)域自動站的可用率也達(dá)到81.6%(任芝花等，2010)。用30 a(1971—2000年)降水量氣候標(biāo)準(zhǔn)值作為“背景場”，利用優(yōu)化插值法對質(zhì)量控制后的自動站降水?dāng)?shù)據(jù)進(jìn)行空間插值，生成1 h、0.1°分辨率的格點(diǎn)分析產(chǎn)品(李春暉和梁建茵，2010;沈艷等，2010)，產(chǎn)品時(shí)間段為2008—2010年每年的5—9月。

1.2 CMORPH衛(wèi)星反演降水產(chǎn)品

NOAA氣候預(yù)測中心(Climate Prediction Center，CPC)開發(fā)的實(shí)時(shí)衛(wèi)星反演降水產(chǎn)品CMORPH降水產(chǎn)品(Joyce et al.，2004)，產(chǎn)品采用“運(yùn)動矢量”法，擺脫了單純利用統(tǒng)計(jì)關(guān)系推算降水量的思路。首先計(jì)算連續(xù)2幅紅外云圖的空間相關(guān)性，以此來確定云的運(yùn)動“矢量”。進(jìn)一步采用時(shí)間權(quán)重插值法外推微波反演降水量，得到?jīng)]有微波觀測期內(nèi)的降水量，從而生成更高時(shí)空分辨率(8 km、30 min)的降水資料。為了與地面資料匹配，將CMORPH產(chǎn)品加工成了1 h、0.1°分辨率，數(shù)據(jù)時(shí)間段為2008—2010年每年的5—9月。

采用概率密度匹配法(probability density function，PDF)(宇婧婧等，2013)和最優(yōu)插值(optimal interpolation，OI)(潘旸等，2012)相結(jié)合的兩步融合方案生成了 1 h、0.1°分辨率的全國自動站和CMORPH產(chǎn)品的降水量融合產(chǎn)品，產(chǎn)品時(shí)間段為2008—2010年每年的5—9月。圖1為典型時(shí)刻(2009年7月2日23時(shí);世界時(shí)，下同)地面觀測降水、CMORPH反演降水和融合降水產(chǎn)品的空間分布。該時(shí)次有一條橫跨廣西省北部、湖南江西省南部和福建省中部的狹長雨帶，中心最大雨強(qiáng)超過35.0 mm/h。雖然CMORPH產(chǎn)品較準(zhǔn)確的抓到了這次過程的空間分布型，但明顯低估了實(shí)際降水量。另外，從CMORPH反演降水來看，在新疆和青海局部有零星的降水，由于該地區(qū)沒有觀測站，因此地面觀測無法反映該區(qū)域的降水。從融合降水產(chǎn)品來看，不僅準(zhǔn)確抓住了降水空間分布，且降水強(qiáng)度與地面觀測接近。而在站點(diǎn)稀疏區(qū)，融合降水產(chǎn)品則較好的保留了衛(wèi)星反演降水的空間分布信息?？梢?，融合降水產(chǎn)品有效利用了地面觀測和衛(wèi)星反演降水各自的優(yōu)勢，在降水量值和空間分布上均更為合理。

2 產(chǎn)品質(zhì)量檢驗(yàn)

2.1 誤差的時(shí)間變化

圖1 2009年7月2日23時(shí)地面觀測降水(a)、CMORPH反演降水(b)和融合降水產(chǎn)品(c)的空間分布(單位:mm/h)Fig.1 Distributions of(a)the gauge-based precipitation，(b)the satellite-based precipitation of CMORPH，and(c)the merged precipitation product at 2300 UTC 2 July 2009(units:mm/h)

以地面觀測降水量為準(zhǔn)，評估CMORPH反演降水和融合降水產(chǎn)品平均偏差與均方根誤差的空間分布，以此來檢測融合產(chǎn)品誤差。因小時(shí)降水的0值降水事件比率高，約占總樣本數(shù)的80%，為了更嚴(yán)格地評估產(chǎn)品質(zhì)量，統(tǒng)計(jì)樣本選取時(shí)去除了地面觀測降水量、CMORPH反演降水和融合降水同時(shí)為0的情況，且只選取網(wǎng)格內(nèi)至少有一個(gè)雨量計(jì)觀測的格點(diǎn)降水值(以下稱為有效格點(diǎn))參與檢驗(yàn)評估。

由中國區(qū)域產(chǎn)品融合前后平均偏差和均方根誤差的逐月(2008—2010年每年的5—9月)變化曲線(圖2)可以看出:CMORPH反演降水的平均偏差隨時(shí)間有較大幅度的擺動，最大平均偏差超過了－0.3 mm/h，而且有年際變化，其中2008和2009年的資料總體表現(xiàn)為負(fù)偏差，2010年資料是正偏差。融合后，全國平均偏差的變化幅度明顯減小，且基本消除了平均偏差的時(shí)間變化特點(diǎn)，在0值附近擺動。融合后，均方根誤差明顯減小，由融合前平均為2.8 mm/h(在1.9～3.5 mm/h浮動)，減小到融合后平均為0.6 mm/h，在0.4～1.0 mm/h浮動。

進(jìn)一步將平均偏差和均方根誤差分成不同量級、逐時(shí)次、逐個(gè)有效格點(diǎn)統(tǒng)計(jì)了不同量級下的樣本百分率(圖3)。結(jié)果表明:CMORPH反演降水平均偏差在±0.2 mm/h以外的樣本約占70%，在±0.2 mm/h之間的樣本僅占30%左右;而融合產(chǎn)品約65%的樣本其平均偏差在±0.1 mm/h之間，平均偏差在±0.2 mm/h之間的樣本百分率超過了90%，僅10%的樣本其平均偏差在±0.2 mm/h以外。由此可見，融合產(chǎn)品系統(tǒng)偏差顯著減少。對于均方根誤差而言，CMORPH反演降水，只有2%樣本的均方根誤差小于1.0 mm/h;融合產(chǎn)品均方根誤差小于1.0 mm/h的樣本百分率約90%，較融合前有大幅提升?？梢?，融合產(chǎn)品的隨機(jī)誤差也得到剔除。

2.2 誤差的空間分布

2.2.1 平均偏差

圖2 中國區(qū)域CMORPH反演降水和融合降水產(chǎn)品平均偏差(a)和均方根誤差(b)的逐月變化Fig.2 Monthly variations of(a)mean bias and(b)root-mean-square error of the satellite-based precipitation of CMORPH and the merged precipitation product in China

圖3 CMORPH反演降水、融合降水產(chǎn)品與地面觀測降水平均偏差(a)和均方根誤差(b)的樣本百分率(總樣本數(shù)為29 041 220)Fig.3 Sample percentages of(a)mean bias and(b)root-mean-square error of the satellite-based precipitation of CMORPH and the merged precipitation product with the gauge-based precipitation(total sample number is 29 041 220)

圖4 2009年7月CMORPH反演降水(a)、融合產(chǎn)品(b)與地面觀測降水平均偏差的空間分布Fig.4 Distributions of mean bias between(a)the satellite-based precipitation of CMORPH，and(b)the merged precipitation product and the gauge-based precipitation in July 2009

以夏季降水較為集中的7月小時(shí)平均降水分布為例，檢驗(yàn)了CMORPH反演降水、融合降水產(chǎn)品與地面觀測降水平均偏差的空間分布(圖4)。CMORPH的平均偏差呈現(xiàn)明顯的區(qū)域變化特征，例如云貴地區(qū)CMORPH有較明顯的負(fù)偏差，量值在－0.4 mm/h以下，華南及華北局部地區(qū)有較明顯的正偏差，強(qiáng)度超過0.2 mm/h。統(tǒng)計(jì)表明，約72%的樣本其平均偏差在±0.2 mm/h以外，平均偏差在±0.2 mm/h之間的樣本僅占28%左右。融合產(chǎn)品平均偏差均有不同程度的減小，且區(qū)域性特征大幅削弱，呈現(xiàn)零散的正負(fù)相間分布。平均偏差在±0.2 mm/h之間的樣本百分率超過了86%，在±0.1 mm/h之間的樣本占63%。

2.2.2 均方根誤差

仍以7月小時(shí)平均降水分布為例，檢驗(yàn)CMORPH反演降水、融合降水產(chǎn)品與地面觀測降水均方根誤差的空間分布(圖5)。CMORPH的均方根誤差也有明顯的區(qū)域變化特征，我國東部降水量較大的區(qū)域，例如江淮流域、華南局部、四川盆地中東部等地區(qū)的均方根誤差也相對較大，達(dá)2.0 mm/h以上。融合后均方根誤差在我國不同區(qū)域均大幅減小，約90%的樣本均方根誤差小于1.0 mm/h，而CMORPH反演降水均方根誤差小于1.0 mm/h的樣本只占2%，可見，融合產(chǎn)品的隨機(jī)誤差在我國不同區(qū)域均有效減小。

2.3 降水量分級檢驗(yàn)

圖5 2009年7月CMORPH反演降水(a)、融合產(chǎn)品(b)與地面觀測降水均方根誤差的空間分布Fig.5 Distributions of root-mean-square error between(a)the satellite-based precipitation of CMORPH，and(b)the merged precipitation product and the gauge-based precipitation in July 2009

表1 2008—2010年5—9月不同降水量級下產(chǎn)品融合前后的統(tǒng)計(jì)結(jié)果Table 1 Statistics of the satellite-based precipitation of CMORPH and the merged precipitation product under the different hourly rainfall rates over China from May to September during 2008—2010

根據(jù)降水強(qiáng)弱，將小時(shí)降水量分為5個(gè)等級，即0.1～1.0、1.0～2.5、2.5～8.0、8.0～16.0和16.0 mm以上，基本對應(yīng)小雨、中雨、大雨、暴雨和大暴雨級別。通過分析各量級下產(chǎn)品融合前后統(tǒng)計(jì)指標(biāo)的變化，來考查不同降水量級下的融合效果。由表1可見，隨著降水量的增加，CMORPH產(chǎn)品平均偏差和相對偏差均由正值變?yōu)樨?fù)值，說明CMORPH高估了雨強(qiáng)小于1.0 mm/h的低值降水，低估了雨強(qiáng)大于等于1.0 mm/h的降水。而融合后降水場的平均偏差雖然對低值降水仍有所高估，對高值降水有所低估，但同一降水量級下的平均偏差、相對偏差和均方根誤差的絕對值均比CMORPH產(chǎn)品大幅減小。其中，中雨(1.0～2.5 mm/h)量級的改進(jìn)效果最為明顯，相對偏差由原來的－18.390%減小到－1.675%，中到大雨量級(1.0～8.0 mm/h)的相對偏差控制在15%以內(nèi)，對于暴雨及以上的強(qiáng)降水，相對誤差控制在30%左右。對1 h、0.1°分辨率的降水產(chǎn)品，20%以內(nèi)的相對偏差就比較理想，而強(qiáng)降水的相對偏差在50%以內(nèi)均可以接受(Hong et al.，2004;Joyce et al.，2004)，目前融合降水產(chǎn)品質(zhì)量明顯優(yōu)于這一標(biāo)準(zhǔn)。

2.4 不同累積時(shí)間的產(chǎn)品質(zhì)量

為了使用戶更清楚地了解不同累積時(shí)間下融合降水產(chǎn)品質(zhì)量，分別分析了1、3、6、12和24 h累積降水的各統(tǒng)計(jì)量。從全國平均(表2)來看，不同累積時(shí)間的融合降水效果均有改善，各累積時(shí)間下的平均偏差均減小到－0.04 mm以下，較CMORPH產(chǎn)品的系統(tǒng)性偏差明顯降低，如24 h累積降水的平均誤差減小最為顯著，從CMORPH產(chǎn)品的－0.409 mm降到－0.035 mm;各累積時(shí)間下融合降水的均方根誤差均大幅減小，3 h累積降水的均方根誤差只有2.066 mm;各累積時(shí)間的融合降水相關(guān)系數(shù)均在0.75以上，隨著累積時(shí)間的增加，相關(guān)系數(shù)略有增大，如3 h累積融合降水的相關(guān)系數(shù)是0.832，說明融合降水分布與地面觀測降水在空間分布上高度一致?？傮w而言，不同累積時(shí)間下地面和衛(wèi)星降水的融合效果均比較明顯，且隨著累積時(shí)間增加，改進(jìn)幅度增大，這符合降水產(chǎn)品誤差分布隨累積時(shí)間增加而減小的變化規(guī)律。

2.5 不同站網(wǎng)密度下的融合效果

受復(fù)雜地理環(huán)境影響，中國地區(qū)的站網(wǎng)分布極不均勻，總體上呈現(xiàn)東部密集西部稀疏的分布特征，因而有必要評估不同站網(wǎng)密度下融合產(chǎn)品質(zhì)量。首先，根據(jù)中國地區(qū)不同臺站級別(基本基準(zhǔn)站、一般站以及全國自動站)組成不同的站網(wǎng)密度。其中國家級基本基準(zhǔn)站約700個(gè)，加上一般站后約有2 400個(gè)，如果再加上全國自動站則共有30 000個(gè)左右。其次，將上述3個(gè)臺站數(shù)下的觀測數(shù)據(jù)分別與CMORPH產(chǎn)品進(jìn)行融合，其結(jié)果分別記作“c700”、“c2400”和“c30000”。采用“獨(dú)立樣本”來檢驗(yàn)3種站網(wǎng)密度下的融合效果。一般地，網(wǎng)格內(nèi)雨量觀測站個(gè)數(shù)越多，則網(wǎng)格降水值越準(zhǔn)確?！蔼?dú)立樣本”的選取是在綜合考慮現(xiàn)有站點(diǎn)資料誤差分布與站點(diǎn)個(gè)數(shù)的情況下，認(rèn)為網(wǎng)格內(nèi)觀測臺站大于等于3時(shí)能既保證較小的觀測誤差，又保證一定的樣本量(700個(gè)左右)，保留這部分?jǐn)?shù)據(jù)不參與融合，將其作為“真值”來評估三種站網(wǎng)密度下融合產(chǎn)品質(zhì)量。

表2 2008—2010年5—9月中國不同累積時(shí)間下產(chǎn)品融合前后的誤差統(tǒng)計(jì)結(jié)果Table 2 Statistics of the satellite-based precipitation of CMORPH and the merged precipitation product under the different cumulative times over China from May to September during 2008—2010

表3給出了2009年7月中國地區(qū)三種站網(wǎng)密度下融合產(chǎn)品的平均偏差、均方根誤差和相關(guān)系數(shù)。隨著臺站個(gè)數(shù)的增加，融合降水與地面降水的強(qiáng)度差異(平均偏差、均方根誤差)減小、空間相關(guān)性增大。當(dāng)只用700個(gè)基本基準(zhǔn)站時(shí)，平均偏差為－0.132 mm/h，均方根誤差為2.046 mm/h，且相關(guān)系數(shù)較低，只有0.298;當(dāng)增加到2 400站時(shí)，平均偏差和空間相關(guān)系數(shù)分別為－0.013 mm/h和0.643，均有顯著改善，均方根誤差也降至1.558 mm/h;當(dāng)站網(wǎng)密度提高到30 000站時(shí)，均方根誤差和相關(guān)系數(shù)較2 400時(shí)又有進(jìn)一步改進(jìn)，分別為1.131 mm/h和0.792。上述結(jié)果表明，融合產(chǎn)品質(zhì)量與站網(wǎng)密度有關(guān)，站網(wǎng)越密集融合效果越好。目前30 000自動站在我國西部和東北北部地區(qū)的站點(diǎn)密度大致接近700站在東部站點(diǎn)密集區(qū)的密度，因此可以估計(jì)融合產(chǎn)品在我國西部和東北北部地區(qū)的均方根誤差約為2.0 mm/h，相關(guān)系數(shù)約為0.3。

表3 2009年7月中國區(qū)域3種站網(wǎng)密度下融合產(chǎn)品的平均偏差、均方根誤差和相關(guān)系數(shù)Table 3 Mean bias，root-mean-square error and correlation coefficient of the merged precipitation product under the three station network densities over China in July 2009

2.6 強(qiáng)降水過程監(jiān)測

通過評估典型區(qū)域強(qiáng)降水過程監(jiān)測和再現(xiàn)能力，一定程度能反映融合產(chǎn)品質(zhì)量。長江流域從2009年7月21日00時(shí)到25日23時(shí)發(fā)生了持續(xù)時(shí)間相對較長的降水過程，圖6a反映了該流域地面觀測降水量、CMORPH產(chǎn)品以及融合產(chǎn)品對這一降水過程的再現(xiàn)能力。由圖6可見，CMORPH產(chǎn)品存在或高估、或低估實(shí)際降水量的情況，如對21日09—12時(shí)的降水量高估明顯，對24日18時(shí)—25日06時(shí)的降水量低估明顯。而融合降水產(chǎn)品較準(zhǔn)確的抓到了每一次降水過程，與地面觀測降水量的平均偏差穩(wěn)定在0附近(圖7a)。

另外，選取華南區(qū)域(2009年7月1—6日)評估了地面觀測降水量、CMORPH產(chǎn)品以及融合產(chǎn)品對該區(qū)域降水過程的再現(xiàn)能力(圖6b)。由圖可見，CMORPH產(chǎn)品整體低估了該區(qū)域的實(shí)際降水量，最大低估量接近0.8 mm/h，且降水峰值略有滯后。而融合降水產(chǎn)品與實(shí)際降水量的偏差穩(wěn)定在0附近(圖7b)，對實(shí)際降水量的再現(xiàn)能力強(qiáng)。

進(jìn)一步統(tǒng)計(jì)了2008—2010年5—9月長江流域和華南區(qū)域大暴雨(雨強(qiáng)超過16.0 mm/h)的全部樣本(表4)。由表4可知，CMORPH產(chǎn)品對這兩個(gè)區(qū)域大暴雨的低估非常明顯，相對偏差分別是－67.868%和－69.815%，相關(guān)系數(shù)只有0.178和0.227。而融合降水產(chǎn)品對大暴雨雖然仍有低估，但相對偏差大幅減小約－10%，且相關(guān)系數(shù)達(dá)到0.8以上。表明無論是降水量級還是降水結(jié)構(gòu)，融合降水產(chǎn)品對大暴雨的監(jiān)測和再現(xiàn)能力均得到了大幅提高。

圖6 地面觀測小時(shí)降水量、CMORPH產(chǎn)品和融合產(chǎn)品的時(shí)間序列(單位:mm·h－1)a.2009年7月21—25日長江流域;b.2009年7月1—6日華南區(qū)域Fig.6 Time series of the gauge-based hourly precipitation，the satellite-based precipitation of CMORPH and the merged precipitation product(units:mm·h－1) a.the Yangtze River basins during 21—25 July 2009;b.South China during 1—6 July 2009

圖7 CMORPH產(chǎn)品和融合產(chǎn)品與觀測小時(shí)降水量平均偏差(單位:mm·h－1)的時(shí)間序列 a.2009年7月21—25日長江流域;b.2009年7月1—6日華南區(qū)域Fig.7 Time series of mean bias for the satellite-based precipitation of CMORPH and the merged precipitation product with the gauge-based hourly precipitation(units:mm·h－1) a.the Yangtze River basins during 21—25 July 2009;b.South China during 1—6 July 2009

表4 2008—2010年5—9月融合前后產(chǎn)品對典型區(qū)域大暴雨的統(tǒng)計(jì)結(jié)果Table 4 Statistics of the satellite-based precipitation of CMORPH and the merged precipitation product with the gauge-based hourly precipitation during the heavy rain events in the Yangtze River basins and South China from May to September during 2008—2010

3 結(jié)論與討論

高時(shí)空分辨率降水產(chǎn)品對局地、短時(shí)暴雨洪澇等強(qiáng)天氣過程監(jiān)測、預(yù)報(bào)和成因分析均有重要作用，對防災(zāi)減災(zāi)亦有重要意義?；谌珖詣诱居^測降水量和CMORPH衛(wèi)星反演降水資料，采用PDF加OI兩步融合方法生成了1 h、0.1°×0.1°分辨率的融合降水量產(chǎn)品，本文分別從產(chǎn)品誤差的時(shí)空特征、不同降水量級和不同累積時(shí)間下的產(chǎn)品質(zhì)量、不同站網(wǎng)密度的融合效果以及對降水過程監(jiān)測再現(xiàn)能力等方面對比評估了該產(chǎn)品的質(zhì)量，結(jié)果表明:

1)融合產(chǎn)品平均偏差和均方根誤差隨時(shí)間的變化幅度明顯減小且區(qū)域性分布特征明顯減弱，平均偏差在±0.2 mm/h之內(nèi)的樣本百分率占90%，融合產(chǎn)品的系統(tǒng)偏差明顯減少;均方根誤差得以有效剔除，約90%的樣本均方根誤差小于1.0 mm/h。

2)不同降水量級下的融合產(chǎn)品質(zhì)量有別，中雨(1.0～2.5 mm/h)、中到大雨(1.0～8.0 mm/h)、暴雨及以上(≥8.0 mm/h)的相對誤差分別為－1.675%、小于15.0%、30.0%左右，均優(yōu)于國際上可以接受的誤差標(biāo)準(zhǔn)。產(chǎn)品累積時(shí)間增加進(jìn)一步提高了融合降水產(chǎn)品質(zhì)量。

3)不同站網(wǎng)密度下融合產(chǎn)品質(zhì)量評估表明:融合產(chǎn)品質(zhì)量與站網(wǎng)密度有關(guān)，站點(diǎn)越多融合效果越好。目前30 000自動站在我國西部和東北北部地區(qū)的站點(diǎn)密度大致接近700站在東部站點(diǎn)密集區(qū)的密度，因此估計(jì)融合產(chǎn)品在我國西部和東北北部地區(qū)的均方根誤差約為 2.0 mm/h，相關(guān)系數(shù)在0.3左右。

4)通過典型區(qū)域降水時(shí)序和對大暴雨的統(tǒng)計(jì)分析結(jié)果表明，融合產(chǎn)品能準(zhǔn)確抓住強(qiáng)降水過程，對于定量監(jiān)測降水過程具有優(yōu)勢，可以滿足強(qiáng)天氣過程監(jiān)測和服務(wù)需求。

5)該產(chǎn)品可作為大氣、水文、生態(tài)模式的重要輸入?yún)?shù)，以及檢測和評估模式預(yù)報(bào)、預(yù)測準(zhǔn)確性的基礎(chǔ)數(shù)據(jù)，同時(shí)對極端天氣事件的研究等具有重要意義。此外，還可以提供給農(nóng)業(yè)、水利、能源、交通、地質(zhì)、水文等行業(yè)和學(xué)科的科研業(yè)務(wù)使用。相關(guān)數(shù)據(jù)產(chǎn)品已通過“中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)”實(shí)時(shí)對外服務(wù)，網(wǎng)址是 http://cdc.cma.gov.cn/sksj.do?method=ssrjscprh。歡迎廣大業(yè)務(wù)和科研用戶使用該產(chǎn)品并及時(shí)反饋產(chǎn)品使用情況。

致謝:美國海洋大氣局氣候預(yù)測中心Xie Pingping博士、國家氣象信息中心熊安元研究員、師春香研究員對本文工作給予了認(rèn)真指導(dǎo)。中國氣象局張洪政高級工程師、國家氣象信息中心徐賓、張冬斌博士制作了本文部分圖表并潤色文字。在此一并深表謝意!

李春暉，梁建茵.2010.基于Shepard和OI方法對雨量計(jì)逐時(shí)資料的分析［J］.應(yīng)用氣象學(xué)報(bào)，21(4):416-422.

潘旸，沈艷，宇婧婧，等.2012.基于OI方法分析的中國區(qū)域地面觀測與衛(wèi)星反演小時(shí)降水融合試驗(yàn)［J］.氣象學(xué)報(bào)，70(6).

任芝花，趙平，張強(qiáng)，等.2010.適用于全國自動站小時(shí)降水資料的質(zhì)量控制方法［J］.氣象，36(7):123-132.

沈艷，馮明農(nóng)，張洪政，等.2010.我國逐日降水量格點(diǎn)化方法［J］.應(yīng)用氣象學(xué)報(bào)，21(3):279-286.

宇婧婧，沈艷，潘旸，等.2013.概率密度匹配法對中國區(qū)域衛(wèi)星降水資料的改進(jìn)［J］.應(yīng)用氣象學(xué)報(bào)，24.

Adler R F，Huffman G J，Chang A，et al.2003.The version-2 global precipitation climatology project(GPCP)monthly precipitation analysis(1979—Present)［J］.J Hydrometeor，4(6):1147-1167.

Arkin P A，Xie P P.1994.The global precipitation climatology project:First algorithm intercomparison project［J］.Bull Amer Meteor Soc，75(3):401-419.

Barrett E C，Martin D W.1981.The use of satellite data in rainfall monitoring［M］.New York:Academic Press.

Ebert E E，Janowiak J E，Kidd C.2007.Comparison of near-real-time precipitation estimates from satellite observations and numerical models［J］.Bull Amer Meteor Soc，88(1):47-64.

Gebremichael M，Krajewski W F，Morrissey M，et al.2003.Error uncertainty analysis of GPCP monthly rainfall products:A data-based simulation study［J］.J Appl Meteor，42(12):1837-1848.

Hong Y，Hsh K L，Sorooshian S，et al.2004.Precipitation estimation from remotely sensed imagery using an artificial neural network cloud classification system ［J］.J Appl Meteor，43(12):1834-1852.

Huffman G J，Adler R F，Arkin P，et al.1997.The global precipitation climatology project(GPCP)combined precipitation dataset［J］.Bull Amer Meteor Soc，78(1):5-20.

Huffman G J，Adler R F，Morrissey M，et al.2001.Global precipitation at one-degree daily resolution from multisatellite observations［J］.J Hydrometeor，2(1):36-50.

Huffman G J，Adler R F，Stoker E F，et al.2004.Analyses of TRMM 3-hourly multi-satellite precipitation estimates computed in both real and post-real time［C］//AMS 12th Conf.on Satellite Meteorology＆ Oceanography.Seattle:11-15.

Huffman G J，Adler R F，Bolvin D T，et al.2007.The TRMM multisatellite precipitation analysis(TMPA):Quasi-global，multiyear，combined-sensor precipitation estimates at fine scales［J］.J Hydrometeor，8(1):38-55.

Joyce R J，Janowiak J E，Arkin P A，et al.2004.CMORPH:A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution［J］.J Hydrometeor，5(3):487-503.

Kummerow C，Barnes W，Kozu T，et al.1998.The tropical rainfall measuring mission(TRMM)sensor package［J］.J Atmos Oceanic Tech，15(3):809-817.

Reynolds R W.1988.A real-time global sea surface temperature analysis［J］.J Climate，1(1):75-87.

Schneider U，Rudolf B，Ruth W.1993.The spatial sampling error of areal mean monthly precipitation totals analyzed from gauge measurements［C］//4th International Conference on Precipitation.New York:80-82.

Shen Y，Xiong A Y，Wang Y，et al.2010.Performance of high-resolution satellite precipitation products over China［J］.J Geophys Res，115，D02114.doi:10.1029/2009JD012097.

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

Xie P P，Janowiak J E，Arkin P，et al.2003.GPCP pentad precipitation analyses:An experimental dataset based on gauge observations and satellite estimates［J］.J Climate，16(13):2197-2214.