三種長期定量降水產(chǎn)品在淮河流域干旱監(jiān)測中的潛力

董曉華，張慶玉，張 特，喻 丹，劉 冀，魏 沖

（1.三峽大學(xué)水利與環(huán)境學(xué)院，宜昌 443002；2.水資源安全保障湖北省協(xié)同創(chuàng)新中心，武漢 430072；3.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，楊凌 712100）

0 引 言

干旱是一種破壞性強的自然災(zāi)害，對人類社會經(jīng)濟發(fā)展及生態(tài)環(huán)境造成了嚴(yán)重影響[1]。地球上每年有超過一半的陸地面積可能受到不同程度的干旱影響，這其中也包括濕潤地區(qū)[2]。長期干旱會導(dǎo)致自然環(huán)境質(zhì)量惡化，并可能威脅社會穩(wěn)定[3]。由于全球氣候變化，旱災(zāi)的發(fā)生頻率及嚴(yán)重程度呈上升趨勢[4]。

氣象干旱災(zāi)害的主要成因是時段降水量少于多年同期[5]，近年來，由降雨數(shù)據(jù)計算的標(biāo)準(zhǔn)化降雨指數(shù)（Standardized Precipitation Index，SPI）被世界氣象組織（World Meteorological Organization，WMO）推薦為標(biāo)準(zhǔn)干旱指數(shù)[6]，在世界范圍內(nèi)得到了廣泛應(yīng)用[7-9]。由于農(nóng)業(yè)干旱與降雨短缺等氣象干旱要素關(guān)系密切，SPI指數(shù)同樣被應(yīng)用于干旱影響下的農(nóng)業(yè)作物生產(chǎn)力、作物產(chǎn)量等農(nóng)業(yè)指標(biāo)的監(jiān)測及損失評估[10-11]。用于計算干旱指數(shù)的降水?dāng)?shù)據(jù)質(zhì)量直接決定了指數(shù)對干旱識別的準(zhǔn)確程度[12]。然而，目前通過雨量站點觀測及地面降水雷達反演方法得到的降水?dāng)?shù)據(jù)空間分辨率有限，無法在空間上連續(xù)記錄大尺度范圍的降水分布，這增加了區(qū)域干旱監(jiān)測的不確定性。隨著衛(wèi)星遙感技術(shù)以及降水反演算法的發(fā)展，分辨率高、覆蓋范圍廣且精度高的柵格降水產(chǎn)品融合了多種數(shù)據(jù)，豐富了降水?dāng)?shù)據(jù)來源[13-14]。

SPI指數(shù)基于統(tǒng)計學(xué)方法，根據(jù)可利用水量相對多年同期平均的異常對區(qū)域干濕狀況進行量化[15]。因此，在應(yīng)用SPI指數(shù)進行干旱監(jiān)測時，需有長期（>30 a）的月降水記錄資料，以確保計算結(jié)果的可靠性[6]。多源集成降水（Multi-Source Weighted-Ensemble Precipitation,MSWEP）產(chǎn)品、氣候災(zāi)害組融合站點的紅外降水（Climate Hazards Group Infrared Precipitation with Station,CHIRPS）產(chǎn)品、基于人工神經(jīng)網(wǎng)絡(luò)的遙感降水估計-氣候數(shù)據(jù)記錄（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Climate Data Record，PERSIANN-CDR）產(chǎn)品、熱帶降水計劃（Tropical Rainfall Measurement Mission, TRMM）產(chǎn)品是具有高精度、高分辨率的定量降水產(chǎn)品，在近期的干旱監(jiān)測研究中得到使用[16-17]。一些研究已經(jīng)基于TRMM降雨數(shù)據(jù)計算SPI指數(shù)[18]，檢驗產(chǎn)品的干旱監(jiān)測潛力。但TRMM降雨數(shù)據(jù)起始于1998年，數(shù)據(jù)時間跨度至今仍不足30 a，這增加了SPI指數(shù)計算的不確定性[19]。相對于TRMM，MSWEP、CHIRPS、PERSIANN-CDR產(chǎn)品的降水?dāng)?shù)據(jù)時間跨度均超過30 a，滿足計算SPI指數(shù)的基本需求。Zhong等[12]評估了 CHIRPS、PERSIANN-CDR降水?dāng)?shù)據(jù)在中國大陸的干旱監(jiān)測適用性，結(jié)果表明2種產(chǎn)品均適用于干旱監(jiān)測。MSWEP產(chǎn)品在中國大陸同樣表現(xiàn)出了優(yōu)秀的干旱時空變化監(jiān)測能力[7]。然而，針對上述產(chǎn)品的評價研究多在國家或更大尺度上進行，可能會忽略中、小尺度上的精度及干旱監(jiān)測潛力差異[19]。此外，雖然產(chǎn)品的精度及干旱監(jiān)測潛力已經(jīng)在國內(nèi)外已經(jīng)得到了的單獨評估，但在同一區(qū)域?qū)SWEP、CHIRPS、PERSIANN-CDR共3種定量降水產(chǎn)品的降水估算數(shù)據(jù)質(zhì)量及干旱監(jiān)測適用性進行綜合對比研究卻未見報道。

淮河流域總面積約 27萬 km2，擁有耕地面積約14萬 km2，是中國主要的糧食產(chǎn)區(qū)之一。1996—2015年流域年平均干旱成災(zāi)面積約為1.2萬km2[20]，流域內(nèi)干旱的區(qū)域性、季節(jié)性差異明顯[21]。準(zhǔn)確監(jiān)測干旱有助于淮河流域旱情的早期預(yù)警，起到減輕干旱災(zāi)害影響及降低農(nóng)業(yè)干旱損失的作用。本文在比較 MSWEP、CHIRPS、PERSIANN-CDR這3種長期定量降水產(chǎn)品在淮河流域精度的基礎(chǔ)上，基于產(chǎn)品降水?dāng)?shù)據(jù)計算標(biāo)準(zhǔn)化降水指數(shù) SPI；結(jié)合氣象站實測降水?dāng)?shù)據(jù)及統(tǒng)計年鑒記錄的干旱事件，對比3種降水產(chǎn)品在干旱識別、干旱等級判定方面的準(zhǔn)確性，評估它們在淮河流域的干旱監(jiān)測潛力及適用性，以期為利用定量降水產(chǎn)品在淮河流域進行干旱監(jiān)測提供參考，為農(nóng)業(yè)干旱監(jiān)測降水?dāng)?shù)據(jù)選取提供依據(jù)。

1 方法與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)域選取位于中國東部 30°55′～36°36′ N，111°55′～121°25′ E 的淮河流域，流域面積約 27 萬 km2，地貌形態(tài)以山丘及平原為主，對應(yīng)面積比約為1:2?；春恿饔蛱幱趤啛釒駶櫦撅L(fēng)氣候區(qū)與暖溫帶半濕潤季風(fēng)氣候區(qū)分界帶，年均降水量1 040 mm，主要集中于6—9月汛期?；春恿饔蚴侵袊匾霓r(nóng)業(yè)生產(chǎn)基地，流域內(nèi)耕地面積約14萬km2；由于流域氣候復(fù)雜多變且降水時空分布不均，頻發(fā)的旱澇災(zāi)害對淮河流域農(nóng)業(yè)造成了巨大損失[22]?；春恿饔蚋叱碳皻庀笳军c分布情況見圖1。

1.2 數(shù)據(jù)來源

本研究使用了淮河流域氣象站實測降水?dāng)?shù)據(jù)及 3種定量降水產(chǎn)品數(shù)據(jù)。實測數(shù)據(jù)獲取自中國氣象數(shù)據(jù)網(wǎng)（http//data.cma.cn），共27個氣象站點的1983—2016年逐日降水?dāng)?shù)據(jù)。對氣象站點降水序列進行聚類分析，結(jié)果顯示流域降水呈明顯南北分區(qū)（圖1），與淮河以北屬于暖溫帶區(qū)、以南屬北亞熱帶區(qū)的氣候分區(qū)情況相符，各分區(qū)站點數(shù)量分布為1區(qū)13個、2區(qū)14個；基于DEM將淮河流域劃分為高程<100、100～300、>300 m共3個分區(qū)，對應(yīng)面積占比為80.26%、13.92%、5.82%。位于3個高程分區(qū)的站點數(shù)量分別為22、4、1個，占總數(shù)比分別81.48%、14.81%、3.7%，與各高程帶站面積所占比例接近，且站點在平原、山丘等地形均有布設(shè)；位于山東、河南、安徽、江蘇省份內(nèi)的站點數(shù)量分別為 5、8、8、6個。本文所選取的27個氣象站點在流域南北2個氣候區(qū)，各高程帶、行政區(qū)的分布較為均衡，具有一定的代表性。

定量降水產(chǎn)品數(shù)據(jù)包括：0.05°×0.05°與 0.25°×0.25°空間分辨率的 CHIRPS v2.0降水資料（下載網(wǎng)址：http//chg.geog.ucsb.edu/data/chirps）；0.1°×0.1°空間分辨率的 MSWEP v2.2降水資料（下載網(wǎng)址：http//www.gloh2o.org ） ； 0.25°×0.25°空 間 分 辨 率 的PERSIANN-CDR降水資料（下載網(wǎng)址：http//www.ncdc.noaa.gov）。為避免分辨率改變對各產(chǎn)品精度造成影響，降低對比結(jié)果的不確定性，本文對各降水產(chǎn)品精度評價及干旱監(jiān)測潛力分析均在原分辨率下進行。研究中使用的逐月降水?dāng)?shù)據(jù)由上述逐日降水?dāng)?shù)據(jù)累加獲得。定量降水產(chǎn)品生產(chǎn)方法的簡要描述如下：

MSWEP產(chǎn)品：1）分別對6種遙感/再分析降水?dāng)?shù)據(jù)與站點實測降水?dāng)?shù)據(jù)的 3日降水滑動平均序列進行相關(guān)分析，并計算決定系數(shù)。以遙感/再分析數(shù)據(jù)在各站點的決定系數(shù)作為權(quán)值，進行空間插值處理，分別獲取各數(shù)據(jù)源的全球權(quán)重圖；2）基于經(jīng)河道流量及潛在蒸散發(fā)估算數(shù)據(jù)校正后的WorldClim數(shù)據(jù)集，對遙感/再分析降水?dāng)?shù)據(jù)進行頻率校正；3）基于全球權(quán)重圖，分別對不同數(shù)據(jù)源組合逐柵格進行加權(quán)平均融合，獲取多組融合降水估算數(shù)據(jù)；4）選擇與參考降水累積分布函數(shù)最為匹配的數(shù)據(jù)源組合進行融合，并校正該組合融合數(shù)據(jù)的累計分布函數(shù)及時間變異性后，得到最終MSWEP數(shù)據(jù)。MSWEP產(chǎn)品的詳細生產(chǎn)過程見文獻[23]。

CHIRPS產(chǎn)品：1）使用 TRMM 多衛(wèi)星降水分析（TRMM Multisatellite Precipitation Analysis 3B42，TMPA）降水?dāng)?shù)據(jù)，通過線性回歸方法，校正基于紅外熱成像圖獲取的冷云持續(xù)時間數(shù)據(jù)，然后計算1981年至近期的降水估算數(shù)據(jù)。對降水估算數(shù)據(jù)逐柵格進行除以序列均值再乘以對應(yīng)柵格的 CHPclim降水?dāng)?shù)據(jù)的運算后獲得CHIRP數(shù)據(jù)。2）使用改進后的反距離加權(quán)方法，將CHIRP數(shù)據(jù)與雨量站點數(shù)據(jù)進行融合，得到 CHIRPS數(shù)據(jù)。CHIPRS產(chǎn)品的詳細生產(chǎn)過程見文獻[24]。

PERSIANN-CDR產(chǎn)品：1）使用人工神經(jīng)網(wǎng)絡(luò)算法，結(jié)合多個對地靜止軌道、近地軌道衛(wèi)星的熱紅外、被動微波組合信息建立PERSIANN全球降水估算模型；2）將熱紅外數(shù)據(jù)輸入經(jīng)國家環(huán)境預(yù)測中心（National Centers for Environmental Prediction，NCEP）第四階段小時降水?dāng)?shù)據(jù)預(yù)訓(xùn)練后的PERSIANN模型，獲取PERSIANN降水估算值；3）使用全球降水氣候?qū)W項目（Global Precipitation Climatology Progect, GPCP）降水?dāng)?shù)據(jù)對PERSIANN進行偏差校正，最終獲得 PERSIANN-CDR降水?dāng)?shù)據(jù)。PERSIANN-CDR的詳細生產(chǎn)過程見文獻[25]。

1.3 研究方法

1.3.1 定量降水產(chǎn)品數(shù)據(jù)精度評價方法

SPI指數(shù)可基于不同時間尺度的累計降水量序列進行計算，以對不同時間尺度干旱事件進行監(jiān)測[26]。例如：由月累積降水量計算的月SPI對降水變化敏感，多用于監(jiān)測研究區(qū)月干旱狀況；基于季節(jié)累積降水量計算的季SPI與土壤干濕狀況的相關(guān)性較高，常被用于進行農(nóng)業(yè)氣象干旱監(jiān)測；由年累積降水量計算的年SPI對降水變化的響應(yīng)相對緩慢，可用于年尺度氣象干旱及水文干旱區(qū)分[27]。前人研究表明，定量降水產(chǎn)品在不同時間尺度下的干旱監(jiān)測效果存在差異[6]，因此本文對干旱監(jiān)測中最為常用的月、季、年3種時間尺度的產(chǎn)品降水?dāng)?shù)據(jù)精度及干旱監(jiān)測潛力進行針對性評估。

由于不同時間尺度的 SPI指數(shù)是基于對應(yīng)尺度的累積降水量計算，因此本文首先對月、季、年時間尺度的降水產(chǎn)品累積降水量序列進行精度檢驗。定量降水產(chǎn)品降水?dāng)?shù)據(jù)由氣象站點坐標(biāo)所在柵格對應(yīng)提取。用相關(guān)系數(shù)（Correlation Coefficient，r）量化各產(chǎn)品降水估算數(shù)據(jù)與氣象站點實測數(shù)據(jù)間線性相關(guān)程度，r的絕對值越接近1，代表數(shù)據(jù)序列間的相關(guān)性越高；使用均方根誤差（Root Mean Square Error，RMSE）評價定量產(chǎn)品降水?dāng)?shù)據(jù)精度，RMSE值越接近0，代表數(shù)據(jù)精度越高；使用定量產(chǎn)品降水?dāng)?shù)據(jù)與氣象站點實測數(shù)據(jù)間線性擬合方程的斜率（Slope,k），表征產(chǎn)品估算值較實測數(shù)據(jù)的偏離程度。指標(biāo)計算公式如下：

式中G為降水產(chǎn)品估算值；為降水產(chǎn)品估算序列均值；P為氣象站點實測值；為氣象站點實測序列均值；n為樣本數(shù)；b為線性擬合方程常數(shù)。

降水異常短缺造成的土壤水分虧缺是農(nóng)業(yè)干旱災(zāi)害的成因之一[28]，長期且極端的雨量短缺往往導(dǎo)致?lián)p失巨大的極端干旱事件。本文基于氣象站點降水實測數(shù)據(jù)，計算月、季、年尺度的降水距平百分率（Precipitation anomaly percentage, PA）序列。以 PA≤?95%、≤?80%、≤?45%分別作為月、季、年尺度降水異常短缺發(fā)生的判別標(biāo)準(zhǔn)[29]，識別并提取降水異常短缺月，以對定量降水產(chǎn)品在極端短缺月的降水?dāng)?shù)據(jù)精度進行針對性評估。PA計算公式如下：

1.3.2 定量降水產(chǎn)品干旱監(jiān)測潛力評價方法

使用基于定量降水產(chǎn)品及氣象站點降水?dāng)?shù)據(jù)計算的SPI，對各產(chǎn)品在淮河流域的干旱監(jiān)測潛力進行評估。SPI由McKee等[30]于1993年提出，是一種表征時段降水量出現(xiàn)概率多少的無量綱指數(shù)，由長期降水序列經(jīng)統(tǒng)計學(xué)方法計算獲得。該指數(shù)可在多種時間尺度對干旱進行監(jiān)測，用于反映多時間尺度的干旱狀況，有助于氣象、水文、農(nóng)業(yè)干旱監(jiān)測。本文首先使用 Γ分布函數(shù)擬合降水序列，獲取概率密度函數(shù)的最優(yōu)形狀參數(shù)及尺度參數(shù)。

式中g(shù)(x)為降水概率密度；α為形狀參數(shù)；β為尺度參數(shù)；x為降水樣本，mm。

降雨概率密度g(x)的累積概率G(x)可通過對x積分獲得：

考慮無降水概率后的累積概率H(x)為

式中q為無降水概率；m為序列中的無降水月數(shù)。

將累積概率H(x)進行標(biāo)準(zhǔn)正態(tài)化處理后即可獲得SPI值。

式中d1、d2、d3、c0、c1、c2為Γ分布函數(shù)轉(zhuǎn)換為累積頻率，簡化近似求解公式的計算參數(shù)[29]，d1=1.433，d2=0.189，d3=0.001，c0=2.516，c1=0.803，c2=0.010；t為降水?dāng)?shù)據(jù)序列的概率加權(quán)矩。

根據(jù) SPI對干旱事件等級進行劃分[29]， SPI＞?0.5時，定義干旱等級為無旱；?1＜SPI≤?0.5時，定義干旱等級為輕旱；?1.5＜SPI≤?1時，定義干旱等級為中旱；?2＜SPI≤?1.5時，定義干旱等級為重旱；SPI≤?2時，定義干旱等級為特旱。

使用r、RMSE分別對基于定量降水產(chǎn)品與站點實測降水?dāng)?shù)據(jù)計算的 SPI序列之間的相關(guān)程度、誤差進行評估。此外，使用臨界成功指數(shù)（Critical Success Index，CSI）對基于定量降水產(chǎn)品計算SPI的干旱月識別正確率進行統(tǒng)計檢驗，臨界成功指數(shù)CSI值最優(yōu)值為1，指數(shù)值越大，表明被錯報及漏報的樣本數(shù)量越少，干旱月的捕捉越精確；選取準(zhǔn)確率（Accuracy，ACC）評價基于定量降水產(chǎn)品計算的SPI對干旱等級判定的精度，ACC值越大，代表對干旱等級判定越準(zhǔn)確。CSI與ACC指數(shù)計算方法見式（15）、式（16）。

式中NA為同時被基于氣象站點數(shù)據(jù)計算的SPI觀測，并被基于定量降水產(chǎn)品計算的 SPI監(jiān)測到干旱發(fā)生的樣本數(shù)量；NB為被觀測到但并未被監(jiān)測到的樣本數(shù)量；NC為未被觀測但被監(jiān)測到的樣本數(shù)量；N為使用氣象站點與定量降水產(chǎn)品監(jiān)測到相同SPI干旱等級的樣本數(shù)量；M為樣本總數(shù)。

由于拉尼娜現(xiàn)象（La-Nin~a），2000年淮河流域3—5月遭遇少雨大旱，流域內(nèi)河南省、安徽省、江蘇省部分地區(qū)降水量較多年同期偏少63%～90%，旱情嚴(yán)重程度多年罕見[20]。為進一步評價定量降水產(chǎn)品在實際干旱監(jiān)測中的表現(xiàn)，本文使用基于定量降水產(chǎn)品數(shù)據(jù)及站點實測降水?dāng)?shù)據(jù)計算的季SPI，對上述典型干旱事件進行監(jiān)測。使用反距離加權(quán)方法，將淮河流域27個氣象站點實測降水計算的季 SPI進行 0.05°×0.05°分辨率的空間插值，對比站點插值結(jié)果與定量降水產(chǎn)品在空間干旱監(jiān)測上的差異。

2 結(jié)果與分析

2.1 定量降水產(chǎn)品降水估算精度評估

2.1.1 整體精度評價

定量降水產(chǎn)品降水估算精度整體評價指標(biāo)見表1。由表可知，月、季、年尺度的 MSWEP累計降水?dāng)?shù)據(jù)與站點實測的r分別為0.96、0.97、0.92，RMSE分別為26.38、50.01、124.73 mm，精度優(yōu)于其他定量降水產(chǎn)品。這可能是由于 MSWEP使用了融合多種降水?dāng)?shù)據(jù)的再分析數(shù)據(jù)集，數(shù)據(jù)源較其他定量降水產(chǎn)品更具有優(yōu)勢[31]。CHIRPS產(chǎn)品的精度表現(xiàn)弱于 MSWEP，CHIRPS在 0.25°×0.25°分辨率下的各項評價指標(biāo)小于 0.05°×0.05°，精度表現(xiàn)基本一致，表明分辨率的改變未對 CHIRPS產(chǎn)品降水?dāng)?shù)據(jù)精度產(chǎn)生顯著影響[32]。定量降水產(chǎn)品估算降雨量與氣象站點實測降雨量線性擬合方程斜率k值均小于1，表明定量降水產(chǎn)品對實測降雨量在整體上呈低估趨勢。在 3種定量降水產(chǎn)品中，PERSIANN-CDR產(chǎn)品RMSE均為最高，精度表現(xiàn)最差，但該產(chǎn)品r與CHIRPS接近，且在各時間尺度下與站點的r高于0.88，表明PERSIANN-CDR降水?dāng)?shù)據(jù)同樣具有較高的精度。

表1 定量降雨產(chǎn)品降水量估算精度評估Table 1 Assessment of precipitation estimation accuracy of quantitative precipitation products

MSWEP的月、季、年尺度降水估算值與實測值相關(guān)系數(shù)大于0.9的站點數(shù)量分別為27、27、18個，相對于其他定量降水產(chǎn)品與站點的實測降水?dāng)?shù)據(jù)的一致性更高。3種產(chǎn)品在不同時間尺度下的降水量估算值與站點實測值的r排序由大到小為均為季、月、年，具有相同變化規(guī)律。這可能是由于降水累計時長由月增加至季，定量降水產(chǎn)品數(shù)據(jù)的隨機性誤差被平滑，致使與站點實測值的相關(guān)性有所提高。而隨著降水累計時長繼續(xù)增加，降水?dāng)?shù)據(jù)的系統(tǒng)性誤差逐步累積，導(dǎo)致相關(guān)性下降[12]。

2.1.2 極端短缺降水估算精度評價

定量降水產(chǎn)品對極端短缺降水量的估算精度評價指標(biāo)見表2。

表2 定量降水產(chǎn)品在極端雨量短缺月的精度評價Table 2 Accuracy evaluation of quantitative precipitation products in extreme precipitation shortage month

由表2可知，在降水極端短缺月，3種產(chǎn)品降水估算值與站點實測值的r較為接近，差距不超過0.1，且均為季尺度的r值最高。月、季、年時間尺度下r最高的定量降水產(chǎn)品分別為：PERSIANN-CDR（r=0.75）、MSWEP（r=0.95）以及 0.25°×0.25°分辨率的 CHIRPS（r=0.81）。與r的表現(xiàn)不同，MSWEP降水估算值與站點實測值的RMSE在3種時間尺度下分別為5.09、10.22、75.92 mm，不足其他定量降水產(chǎn)品同期RMSE的50%，在精度上具有明顯優(yōu)勢。除年尺度的MSWEP外，其余產(chǎn)品均高估了降水極端短缺月的降水量（k>1），但幅度隨時間尺度增大而減小。相對其他定量降水產(chǎn)品，MSWEP估算降水量與實測值的線性擬合方程斜率k在各時間尺度均更加接近于 1，偏差幅度更小。PERSIANN-CDR的各項評價指標(biāo)在月、季尺度優(yōu)于CHIRPS，在年尺度弱于CHIRPS。綜合考慮r、RMSE、k三種指標(biāo)評價結(jié)果，MSWEP對極端短缺降水量估算精度要顯著優(yōu)于其他定量降水產(chǎn)品。

2.2 定量降水產(chǎn)品干旱監(jiān)測潛力評價

2.2.1 定量降水產(chǎn)品多時間尺度干旱監(jiān)測潛力評價

用1984－2016年27個氣象站點實測降水?dāng)?shù)據(jù)及定量降水產(chǎn)品柵格降水?dāng)?shù)據(jù)分別計算月、季、年尺度的 SPI，結(jié)果見表3。

表3 基于定量降水產(chǎn)品計算的SPI精度評估Table 3 Accuracy evaluation of SPI based on quantitative precipitation products

整體上看（表3），基于定量降水產(chǎn)品計算的SPI評價指標(biāo)排序與其對應(yīng)的降水?dāng)?shù)據(jù)精度排序相一致，這是由于降水?dāng)?shù)據(jù)是計算 SPI的唯一輸入變量，直接影響了結(jié)果精度。由表可知，3種定量降水產(chǎn)品在各時間尺度的擬合方程斜率k值均小于1，說明基于各產(chǎn)品計算的SPI在負(fù)值區(qū)域較站點實測降水計算結(jié)果有所高估，總體上對淮河流域旱情有所低估。各站點 SPI與定量降水產(chǎn)品計算的SPI擬合方程斜率k排序為：MSWEP（0.92～0.95）>CHIRPS（0.80～0.82）>PERSIANN-CDR（0.76～0.82），r排序為 MSWEP（0.92～0.95）>CHIRPS（0.80～0.85）>PERSIANN-CDR（0.76～0.83），RMSE 排序為MSWEP（0.33～0.39）

基于定量降水產(chǎn)品計算的 SPI在不同時間尺度的臨界成功指數(shù)CSI及干旱等級監(jiān)測準(zhǔn)確率ACC見表4。

表4 基于定量降水產(chǎn)品計算的SPI在不同時間尺度的CSI及ACCTable 4 CSI and ACC of SPI based on quantitative precipitation products at different time scales

由表4可知，基于各產(chǎn)品計算的SPI在3種時間尺度下的各項評價指標(biāo)均較為接近，月SPI、季SPI的CSI及ACC略高于年SPI，表明定量降水產(chǎn)品在月及季尺度下的干旱監(jiān)測準(zhǔn)確率更高，但差距并不明顯。同在降水精度上的表現(xiàn)相同，兩種分辨率的CHIRPS產(chǎn)品的同種評價指標(biāo)差值在干旱監(jiān)測上的表現(xiàn)同樣高度一致。定量降水產(chǎn)品的SPI計算結(jié)果均能準(zhǔn)確捕捉到淮河流域大部分干旱發(fā)生（CSI≥0.80），但干旱等級監(jiān)測的準(zhǔn)確率ACC較CSI有所下降，說明定量降水產(chǎn)品對干旱等級的判別能力稍弱，這可能是由降水極值偏差導(dǎo)致。CHIRPS估算SPI的CSI及ACC評價指標(biāo)高于PERSIANN-CDR產(chǎn)品，表明CHIRPS在淮河流域的干旱監(jiān)測潛力略優(yōu)于PERSIANN-CDR。盡管PERSIANN-CDR表現(xiàn)不如其余產(chǎn)品，但其CSI≥0.80，ACC≥67.7%，表明該產(chǎn)品同樣能夠?qū)春恿饔蚋珊登闆r進行良好監(jiān)測。綜合來看，MSWEP在所有定量降水產(chǎn)品中表現(xiàn)出了最好的干旱監(jiān)測潛力，由該降水?dāng)?shù)據(jù)計算的 SPI的干旱月識別（CSI≥0.89）及干旱等級監(jiān)測（ACC≥80.3%）最為準(zhǔn)確。

干旱災(zāi)害產(chǎn)生的影響及造成的損失與其嚴(yán)重程度成正比，極端干旱會對自然環(huán)境產(chǎn)生異常嚴(yán)重的影響，并對社會經(jīng)濟造成巨大損失[33]。選取準(zhǔn)確率 ACC分別評價定量降水產(chǎn)品對不同干旱等級的監(jiān)測能力，評價指標(biāo)計算結(jié)果見表5?；诙拷邓a(chǎn)品計算的SPI的特旱等級準(zhǔn)確率 ACC時間尺度排序由大到小為季、年、月，與定量降水產(chǎn)品在極端雨量短缺月的相關(guān)系數(shù)排序相同，表明定量降水產(chǎn)品在極端雨量短缺月份的降水?dāng)?shù)據(jù)精度直接影響了極端干旱等級判定的準(zhǔn)確率?；贛SWEP計算的SPI各干旱等級判定準(zhǔn)確率 ACC為 49.7%～81.2%，也比PERSIANN高，對各時間尺度下的干旱等級判定均最為準(zhǔn)確。且在所有干旱等級中，MSWEP產(chǎn)品對特旱等級的判定最為準(zhǔn)確（ACC為61.6%～81.2%），在極端干旱的旱情監(jiān)測上具有顯著優(yōu)勢。

表5 基于定量降水產(chǎn)品計算的SPI在不同旱情等級的ACCTable 5 ACC of SPI based on quantitative precipitation products in different drought grades

2.2.2 定量降水產(chǎn)品空間干旱監(jiān)測潛力評價

選取相關(guān)系數(shù)r、干旱等級判定準(zhǔn)確率ACC兩種評價指標(biāo)，比較定量降水產(chǎn)品在淮河流域的空間干旱監(jiān)測潛力，結(jié)果見表6?；?MSWEP、PERSIANN-CDR、0.05°×0.05°及 0.25°×0.25°分辨率下的 CHIRPS 數(shù)據(jù)與站點實測降水?dāng)?shù)據(jù)計算的SPI相關(guān)系數(shù)r隨時間尺度上升而逐步增加的站點數(shù)量均為1個，隨時間尺度上升而逐步減小的站點數(shù)量分別為 2、8、12、14個。隨著時間尺度的增加，定量估算降水產(chǎn)品降水?dāng)?shù)據(jù)隨機性誤差被平滑、系統(tǒng)性誤差逐步累積是造成r變化的可能原因[12]。CHIRPS與PERSIANN-CDR在淮河流域干旱監(jiān)測整體表現(xiàn)接近，基于CHIRPS與實測降水計算的SPI序列，相關(guān)系數(shù)更高的站點數(shù)量更多?；贛SWEP與氣象站點計算的3種時間尺度SPI之間的相關(guān)系數(shù)r全部高于其他定量降水產(chǎn)品。對碭山、莒縣兩站點在年尺度下干旱等級判定準(zhǔn)確率ACC最高的產(chǎn)品為PERSIANN-CDR，其余ACC最高的產(chǎn)品均為MSWEP。同時，MSWEP在不同站點、不同時間尺度下的干旱等級判定準(zhǔn)確率變化幅度也最大（ACC為62%～93%）。與在相關(guān)系數(shù)r上的表現(xiàn)相同，CHIRPS與PERSIANN-CDR在27個站點干旱等級判定準(zhǔn)確率各有高低，但CHIRPS準(zhǔn)確率高的站點數(shù)量相對更多。

表6 定量降水產(chǎn)品的站點干旱監(jiān)測結(jié)果統(tǒng)計Table 6 Stations drought monitoring effect statistics of quantitative precipitation products

基于定量降水產(chǎn)品與站點實測降水?dāng)?shù)據(jù)計算的 3種時間尺度SPI的r、ACC在空間上均無明顯的分布規(guī)律。這可能是由于氣象站點高程、站點所在柵格的地形復(fù)雜度、站點與柵格之間由點到面的雨量轉(zhuǎn)換、以及定量降水產(chǎn)品自身插值誤差等綜合因素造成的[6]。同流域整體干旱監(jiān)測表現(xiàn)相同，基于MSWEP計算的3種時間尺度SPI，與淮河流域內(nèi)27個站點實測降水?dāng)?shù)據(jù)計算的SPI之間的r及ACC均值全部高于其他產(chǎn)品，表明MSWEP在空間上的干旱監(jiān)測潛力更為優(yōu)秀。

2.2.3 典型干旱事件分析

利用定量降水產(chǎn)品降水?dāng)?shù)據(jù)，對淮河流域歷史干旱事件進行空間監(jiān)測，進一步評價各產(chǎn)品對旱情強度、持續(xù)時間、空間分布等方面的監(jiān)測能力。定量降水產(chǎn)品及站點實測降水?dāng)?shù)據(jù)對2000年2—6月淮河流域旱情空間分布監(jiān)測結(jié)果見圖2。

由圖2可知，3種定量降水產(chǎn)品均表現(xiàn)出了優(yōu)秀的干旱監(jiān)測潛力，與氣象站點對淮河流域旱情空間分布、旱情發(fā)展的監(jiān)測結(jié)果相一致，但在局部區(qū)域仍有差異。2002年2月淮河流域南部出現(xiàn)輕度干旱旱情，CHIRPS降水?dāng)?shù)據(jù)計算的季 SPI對流域受旱面積及旱情等級出現(xiàn)明顯高估；3月流域西部及南部出現(xiàn)輕度及中度干旱，CHIRPS計算結(jié)果高估了淮河流域中部及西部區(qū)域旱情，而MSWEP及PERSIANN-CDR與基于氣象站點實測降水?dāng)?shù)據(jù)的監(jiān)測結(jié)果更為接近?；春恿饔蚝登橛?4月份進一步加劇，流域內(nèi)大部分站點均監(jiān)測到特旱等級旱情。3種產(chǎn)品均有效反映了該旱情強度的空間分布，并準(zhǔn)確識別了極端干旱事件的旱情等級。5月份淮河流域旱情開始減輕，同氣象站點監(jiān)測結(jié)果相比，基于 CHIRPS計算的季SPI低估了中北部區(qū)域，高估了中南部區(qū)域的部分站點的旱情等級。PERSIANN-CDR低估了淮河流域中南部的旱情等級，并高估了東北部的旱情等級。6月份淮河流域大部分區(qū)域已無旱情，所有定量降水產(chǎn)品均監(jiān)測到該月的旱情變化。

反距離加權(quán)是一種相對簡單但精度較高的確定性插值方法，已被廣泛應(yīng)用于降水空間插值。但由于該方法插值效果往往與觀測站網(wǎng)的空間密度直接相關(guān)，這限制了它在氣象站點分布密度低區(qū)域的插值精度。例如：淮河流域東南部區(qū)域 4月份旱情等級為重旱，插值結(jié)果僅在盱眙、高郵、東臺 3站周邊環(huán)裝閉合區(qū)域監(jiān)測到了重旱旱情，閉合區(qū)域外部分監(jiān)測到的干旱等級仍為特旱，與現(xiàn)實規(guī)律不符。6月流域中北部仍有旱情存在，但由于該區(qū)域僅有開封及兗州 2個站點，插值結(jié)果未能監(jiān)測到旱情。相比之下，定量降水產(chǎn)品融合了衛(wèi)星遙感等信息源，監(jiān)測到的旱情空間分布更為連續(xù)、準(zhǔn)確，符合現(xiàn)實規(guī)律。

整體上看，MSWEP產(chǎn)品準(zhǔn)確識別了2000年2—6月的典型干旱事件時空發(fā)展過程，表現(xiàn)出了最為優(yōu)秀的干旱監(jiān)測潛力。CHIRPS及PERSIANN-CDR產(chǎn)品所表現(xiàn)出的干旱監(jiān)測能力較為接近，對部分月份的旱情有所誤判，但同樣可以接受。0.05°×0.05°與 0.25°×0.25°空間分辨率的 CHIRPS數(shù)據(jù)監(jiān)測到的旱情空間分布及發(fā)展趨勢較為一致，與其精度上的表現(xiàn)相同。

3 討 論

定量降水產(chǎn)品在淮河流域的精度并未表現(xiàn)出明顯的空間分布規(guī)律，這可能是由于產(chǎn)品降水估算數(shù)據(jù)受傳感器類型、反演算法等檢索誤差和抽樣誤差的影響，存在一定的不確定性[34]，導(dǎo)致在不同地形條件下的精度表現(xiàn)不一[35]。為進一步探究地形因素對定量降水產(chǎn)品數(shù)據(jù)精度的影響，使用相關(guān)性分析方法，對產(chǎn)品精度受柵格高程影響程度進行評價。MSWEP產(chǎn)品的降水估算誤差RMSE與柵格高程的r為?0.28，表明隨柵格高程增加，MSWEP產(chǎn)品的估算誤差有所降低，這與黃琦等[36]在祁連山地區(qū)的研究結(jié)果相一致；CHIPRS產(chǎn)品 RMSE與高程的r為?0.20，同樣在高海拔地區(qū)的誤差更低，與其在雅礱江流域的規(guī)律相同[37]；PERSIANN-CDR的RMSE與高程的r為?0.46，是唯一通過了0.05水平顯著性檢驗的定量降水產(chǎn)品，柵格高程變化對其降水估算精度影響較大，這與An等在黃河流域的研究結(jié)果相一致[38]。CHIRPS及MSWEP數(shù)據(jù)精度與高程關(guān)系未能通過顯著性檢驗，影響上述 2種產(chǎn)品精度空間分布的因素較為復(fù)雜，可能受到如地形復(fù)雜度等其他因素的影響。

本文選取SPI指數(shù)對3種長期定量降水產(chǎn)品的氣象干旱監(jiān)測潛力進行評估，相比與 CHIRPS與PERSIANN-CDR，MSWEP在流域整體、站點、各時間尺度及典型干旱事件監(jiān)測中的表現(xiàn)均更為優(yōu)秀，可作為淮河流域農(nóng)業(yè)干旱監(jiān)測降水?dāng)?shù)據(jù)來源。但除降水外，農(nóng)業(yè)干旱還與高溫、過量蒸散發(fā)等氣象干旱要素[1]關(guān)系密切，因此結(jié)合定量降水產(chǎn)品與其他氣象遙感監(jiān)測數(shù)據(jù)進行農(nóng)業(yè)干旱監(jiān)測的效果還需進一步評估。

4 結(jié) 論

本文選取了 0.10°×0.10°分辨率的多源集成降水（Multi-Source Weighted-Ensemble Precipitation，MSWEP）產(chǎn)品、0.05°×0.05°與 0.25°×0.25°分辨率的氣候災(zāi)害組融合站點的紅外降水（Climate Hazards Group Infrared Precipitation with Station，CHIRPS）產(chǎn)品、0.25°×0.25°分辨率的基于人工神經(jīng)網(wǎng)絡(luò)的遙感降水估計-氣候數(shù)據(jù)記錄（ Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Climate Data Record，PERSIANN-CDR）共 3種定量降水產(chǎn)品，綜合對比評估了1983—2016年定量降水產(chǎn)品在淮河流域的精度及其對干旱的時空監(jiān)測潛力，主要結(jié)論如下：

1）月、季、年尺度的MSWEP降水?dāng)?shù)據(jù)與27個站點實測降雨數(shù)據(jù)的相關(guān)系數(shù)（Correlation Coefficient，r）分別為0.96、0.97、0.92，均方根誤差（Root Mean Square Error，RMSE）分別為26.38、50.01、124.73 mm，數(shù)據(jù)精度優(yōu)于其他定量降水產(chǎn)品；0.05°×0.05°及 0.25°×0.25 2種分辨率的 CHIRPS降水?dāng)?shù)據(jù)精度表現(xiàn)基本一致；PERSIANN-CDR降水?dāng)?shù)據(jù)整體表現(xiàn)略差于CHIRPS。

2）MSWEP對極端短缺降水量估算精度要優(yōu)于其他定量降水產(chǎn)品。月、季、年時間尺度下，MSWEP降水估算值與站點實測值的 RMSE分別為 5.09、10.22、75.92 mm，不足其他產(chǎn)品同期RMSE的50%，且線性擬合方程斜率較其他產(chǎn)品更接近于1。

3）同流域整體干旱監(jiān)測表現(xiàn)相同，基于MSWEP及站點實測降水?dāng)?shù)據(jù)計算的 3種時間尺度標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitation Index，SPI）序列之間的r均值不低于0.92，干旱等級監(jiān)測準(zhǔn)確率（Accuracy，ACC）均值高于 82%，各項評價指標(biāo)均優(yōu)于其他定量降水產(chǎn)品，表明 MSWEP在淮河流域的時空干旱監(jiān)測潛力更大。定量降水產(chǎn)品在各時間尺度的k值均小于1，總體上對淮河流域旱情有所低估。相對于其他產(chǎn)品，基于 MSWEP與站點實測降水計算月SPI、季SPI、年SPI的整體精度更高（r≥0.92、RMSE≤0.39），干旱月識別及干旱等級監(jiān)測最為準(zhǔn)確（臨界成功指數(shù)（Critical Success Index，CSI）≥0.89、ACC≥80.3%）。

4）3種定量降水產(chǎn)品在淮河流域2002年典型干旱事件中表現(xiàn)出了優(yōu)秀的干旱監(jiān)測潛力。相比于 CHIRPS及PERSIANN-CDR，MSWEP降水產(chǎn)品更好地監(jiān)測到了干旱事件的時空演變過程，且較基于氣象站點實測降水?dāng)?shù)據(jù)空間插值的監(jiān)測結(jié)果更加符合實際旱情空間分布規(guī)律。