多源降水融合分析產(chǎn)品在重慶復(fù)雜地形下的精度評價*

曠 蘭，田茂舉**，李 強，李奇臨，劉俸霞

多源降水融合分析產(chǎn)品在重慶復(fù)雜地形下的精度評價*

曠 蘭1，田茂舉1**，李 強2，李奇臨3，劉俸霞4

(1．重慶市綦江區(qū)氣象局，綦江 401420；2．重慶市氣象臺，重慶 401147；3．重慶市氣象信息與技術(shù)保障中心，重慶 401147；4．重慶市萬盛經(jīng)開區(qū)氣象局，重慶 400800)

利用2020?2021年兩套多源降水融合分析產(chǎn)品FAST和FRT產(chǎn)品、經(jīng)過質(zhì)量控制后的重慶地區(qū)35個國家氣象站逐小時降水量資料，結(jié)合各站點地形因子對兩套產(chǎn)品進行相關(guān)性和誤差檢驗，為復(fù)雜地形下的水文氣象研究提供數(shù)據(jù)支撐。結(jié)果表明：（1）FAST、FRT產(chǎn)品與觀測值的相關(guān)性較好，呈正相關(guān)，誤差較小，產(chǎn)品整體比觀測值偏低，兩者略有差別。（2）在月、季時間尺度上，春季的精度最好，汛期5?9月的誤差和離散程度最大。（3）隨著降水等級增大，產(chǎn)品的誤差、相關(guān)性以及TS等級評分的分布越離散，誤差絕對值逐漸增大，TS等級評分逐漸降低，相關(guān)性則先降低后增大，其中降水等級0.1～1.9mm、≥20mm的相關(guān)性較好。（4）在地形因子上，產(chǎn)品精度略有差別，其中斜坡上產(chǎn)品的精度最優(yōu)，其余依次為平坡、陡坡以上和緩坡；起伏度大于70m產(chǎn)品的精度最優(yōu)；隨著海拔增加，產(chǎn)品精度先降低，當(dāng)海拔大于700m時，產(chǎn)品精度提升；坡向為西南、東的產(chǎn)品精度更優(yōu)，其中西南坡向最優(yōu)。FAST和FRT降水產(chǎn)品在重慶地區(qū)具有較高的精度，可以為自動站點稀少地區(qū)的降水?dāng)?shù)據(jù)提供有效補充。

多源降水?dāng)?shù)據(jù)；CMPAS；精度評價；地形因子；最近鄰點插值

重慶地形復(fù)雜，多山地，自動氣象站空間分布不均，存在明顯的時空不連續(xù)性，因此開發(fā)高時空分辨率的多源降水融合分析產(chǎn)品對于天氣氣候監(jiān)測、氣候變化和災(zāi)害性暴雨天氣研究以及水文氣象預(yù)報的研究具有重要意義[1?9]。國內(nèi)外學(xué)者在降水融合分析產(chǎn)品方面開展了大量的科學(xué)研究，潘旸等[10]重點介紹了國家信息中心研發(fā)的GRIB2格式的降水融合分析產(chǎn)品，該產(chǎn)品是基于中國近4萬個考核自動氣象站降水觀測資料、中國氣象局氣象探測中心研發(fā)的中國雷達定量估測降水產(chǎn)品以及國家衛(wèi)星氣象中心研發(fā)的FY2衛(wèi)星反演降水產(chǎn)品的中國降水融合實況分析產(chǎn)品CMPAS（CMA Multi-source merged Precipitation Analysis System），其中FAST為二源快速融合產(chǎn)品，F(xiàn)RT為三源實時融合產(chǎn)品。此產(chǎn)品利用概率密度函數(shù)匹配法[11]訂正雷達和衛(wèi)星降水的系統(tǒng)偏差；再利用貝葉斯模型平均法生成中國區(qū)域全覆蓋的雷達和衛(wèi)星聯(lián)合降水場；最后利用最優(yōu)插值算法[12]實現(xiàn)5km·h?1時空分辨率的地面?衛(wèi)星?雷達多源降水融合產(chǎn)品。

近年來，國內(nèi)外已有學(xué)者開展CMPAS產(chǎn)品在不同區(qū)域范圍的適用性評估。史嵐等[13]利用2001?2010年中國自動氣象站降水資料，對中國范圍內(nèi)的CMPAS逐日降水資料進行精度評估，表明CMPAS產(chǎn)品與站點觀測值有較好的相關(guān)性，在年尺度和月尺度上能較好地反映區(qū)域降水的特點。許冠宇等[14]挑選了發(fā)生在長江流域的2018年8次區(qū)域性降水過程，通過對二源和三源降水融合產(chǎn)品進行精度評估，發(fā)現(xiàn)降水融合產(chǎn)品估算結(jié)果平均比實況偏低；相比二源產(chǎn)品，三源產(chǎn)品對40～49.9mm·h?1強度降水估算的準(zhǔn)確率提高較大。目前研究主要針對時空特征進行分析，結(jié)合地形要素的分析相對較少。重慶地處青藏高原與長江中下游平原過渡帶，有丘陵、低山、高山等復(fù)雜地形，本研究基于前人已有研究成果，結(jié)合重慶地形因子，對高時空分辨率的國家級降水融合分析產(chǎn)品進行綜合檢驗評價，以期為區(qū)域水文氣象研究、防災(zāi)減災(zāi)提供數(shù)據(jù)支撐。

1 資料與方法

1.1 研究區(qū)域

研究區(qū)域為重慶地區(qū)，地跨東經(jīng)105°11'? 110°11'、北緯28°10'?32°13'的青藏高原與長江中下游平原的過渡地帶，地勢由南北向長江河谷逐級降低，域內(nèi)山高谷深，溝壑縱橫，山地面積占76%，丘陵占22%，河谷平壩僅占2%，其中西北部和中部以丘陵、低山為主，東靠大巴山和武陵山兩座大山脈，坡地較多。年平均降水量較豐富，降水多集中在汛期5?9月，占全年總降水量的70%左右。

1.2 數(shù)據(jù)及其來源

（1）多源融合降水?dāng)?shù)據(jù)

包括2020-01-01—2021-12-31重慶區(qū)域高時空分辨率多源降水融合逐小時數(shù)據(jù)，空間分辨率為5km，來自國家氣象信息中心網(wǎng)。數(shù)據(jù)共有兩套，一套為FAST產(chǎn)品，來自地面和衛(wèi)星二源融合的“CMPAS中國5km·h?1降水快速融合實況分析產(chǎn)品”，另一套為FRT產(chǎn)品，是集地面?衛(wèi)星?雷達三源融合的“CMPAS中國5km·h?1降水實時融合實況分析產(chǎn)品”。利用最近鄰點插值法提取氣象站點處的柵格數(shù)據(jù)，與實際觀測值對比，進行精度評估。

（2）站點實測降水?dāng)?shù)據(jù)

包括2020-01-01—2021-12-31重慶區(qū)域35個國家氣象站逐小時降水資料，來自MDOS（Meteorological Data Operational System）氣象資料業(yè)務(wù)質(zhì)量控制平臺。

（3）重慶地區(qū)基礎(chǔ)地理數(shù)據(jù)

基于SRTM（Shuttle Radar Topography Mission）的數(shù)字高程DEM（Digital Elevation Model）模型，其空間分辨率為12.5m，采用ALBERS等面積圓錐投影和WCG1984大地坐標(biāo)系，并利用ArcGIS平臺提取各站點坡向（北0±22.5°、東北45±22.5°、東90±22.5°、東南135±22.5°、南180±22.5°、西南225±22.5°、西270±22.5°、西北315±22.5°）、坡度（平坡≤5°、緩坡5～15°、斜坡15～25°、陡坡以上>25°）、海拔（≤300m、300～400m、400～500m、500～600m、600～700m、>700m）以及起伏度（≤30m、30～40m、40～50m、50～60m、60～70m、>70m）資料。研究區(qū)域的地形及站點分布如圖1所示。

圖1 重慶地形和氣象站點分布

1.3 研究方法

1.3.1 精度評價指標(biāo)

根據(jù)中國氣象局預(yù)報與網(wǎng)絡(luò)司發(fā)布的標(biāo)準(zhǔn)文件《中國區(qū)域降水網(wǎng)格實況產(chǎn)品全流程評估細則（2020版）》，將經(jīng)過質(zhì)量控制的站點觀測值作為“真值”，降水分析產(chǎn)品按最近距離插值法插值到氣象站點，統(tǒng)計比較某段時間內(nèi)兩者的相關(guān)性及誤差。

（1）不同時間尺度降水?dāng)?shù)據(jù)評估

采用逐月、逐季節(jié)的時間尺度，其中月數(shù)據(jù)是將當(dāng)月所有1h數(shù)據(jù)進行精度計算，從而得到1?12月的逐月數(shù)據(jù)，季數(shù)據(jù)同理。

相關(guān)系數(shù)（COR）用于量化降水融合分析產(chǎn)品與站點觀測值之間的線性相關(guān)程度，其絕對值越接近1，代表相關(guān)性越好。計算式為

平均誤差(ME, mm)反映的是降水產(chǎn)品與站點觀測值的平均差異程度。計算式為

均方根誤差(RMSE, mm)用于反映降水產(chǎn)品與站點觀測值的離散程度。計算式為

平均絕對誤差（MAE, mm）是由于離差被絕對值化，不會出現(xiàn)正負相抵消的情況，但能更好地反映產(chǎn)品值誤差的實際情況。計算式為

偏差（BIAS）反映了降水產(chǎn)品與站點觀測值之間的偏離程度。計算式為

各式中，Oi為站點觀測值，Gi為降水融合分析產(chǎn)品插值到氣象站點所得到的值，N為參與檢驗的總站數(shù)。BIAS、ME、MAE、RMSE越接近0，代表降水融合產(chǎn)品的效果越好。

（2）不同強度等級降水?dāng)?shù)據(jù)評估

降水強度分級是利用站點觀測值的每小時降水量值進行強度分級，分級標(biāo)準(zhǔn)為0.1～1.9mm、2～4.9mm、5～9.9mm、10～19.9mm以及≥20mm等5個小時降水等級分別進行評估。對于分級降水產(chǎn)品的誤差與準(zhǔn)確率，則更關(guān)注降水區(qū)間內(nèi)降水產(chǎn)品與站點觀測值一致的站次數(shù)，因此，常采用等級均方根誤差（RMSEk）和TS等級評分（TSk）；而分量級檢驗更能體現(xiàn)誤差的來源、分布以及大小。

式中，RMSEk（mm）是等級均方根誤差，TSk是TS等級評分，Oi為站點觀測值，Gi為降水融合分析產(chǎn)品插值到氣象站點所得到的值，N為參與檢驗的總站數(shù)，k代表降水分級檢驗等級，Uk為第k個降水等級區(qū)間的上界，Lk為第k個降水等級區(qū)間的下界，式中[ ]代表邏輯轉(zhuǎn)數(shù)值的運算符，邏輯值為正時取1，否則取0。

1.3.2 最近鄰點插值法

根據(jù)降水特點，采用荷蘭氣象學(xué)家Thiessen A H提出的基于空間自相關(guān)性的最近鄰點插值法，通過對所有站點創(chuàng)建泰森多邊形，當(dāng)對未知點進行插值時，就會修改這些泰森多邊形并對未知點生成一個新的泰森多邊形。與待插值點泰森多邊形相交的泰森多邊形中的樣本點被用來參與插值，它們對待插值點的影響權(quán)重與它們所處泰森多邊形與待插值點新生成的泰森多邊形相交的面積成正比，如圖2所示。

圖2 重慶氣象站點的泰森多邊形視圖

1.4 數(shù)據(jù)處理

首先利用最近鄰點插值法提取氣象站點所處的柵格的降水產(chǎn)品數(shù)據(jù)，并與實際站點觀測值進行精度評估。其次，基于ArcGIS平臺，運用數(shù)字高程DEM模型，提取各氣象站點處的地形指標(biāo)因子，如坡度、坡向、地形起伏度、海拔高度等，根據(jù)不同坡向區(qū)間（北0±22.5°、東北45±22.5°、東90±22.5°、東南135±22.5°、南180±22.5°、西南225±22.5°、西270±22.5°、西北315±22.5°）、不同坡度區(qū)間（平坡≤5°、緩坡5～15°、斜坡15～25°、陡坡以上>25°）、不同海拔區(qū)間（≤300m、300～400m、400～500m、500～600m、600～700m、>700m）以及不同起伏度區(qū)間（≤30m、30～40m、40～50m、50～60m、60～70m、>70m）分別計算其精度指標(biāo)。

2 結(jié)果與分析

2.1 不同站點多源降水融合數(shù)據(jù)精度分析

由圖3和圖4可見，35個站點中，兩套逐小時降水?dāng)?shù)據(jù)與站點觀測值的相關(guān)系數(shù)（COR）略有差別，F(xiàn)AST產(chǎn)品的COR在0.87～0.96，COR最低的站點為秀山和豐都；FRT產(chǎn)品的COR在0.85～0.95，COR最低的站點為豐都，但均通過了0.01水平的顯著性檢驗，說明兩套數(shù)據(jù)與實測數(shù)據(jù)呈極顯著正相關(guān)關(guān)系。FAST產(chǎn)品的TS評分在0.67～0.78，TS評分最低的站點為潼南；FRT產(chǎn)品的TS評分在0.66～0.76，TS評分最低的站點依然為潼南。FAST產(chǎn)品的平均誤差ME的絕對值不大于0.03mm·h?1，平均為?0.01mm·h?1，整體以偏低為主；平均絕對誤差MAE不大于0.08mm·h?1，平均為0.06mm·h?1；均方根誤差RMSE不大于0.64mm·h?1，平均為0.43mm·h?1；偏差BIAS的絕對值不大于0.16mm·h?1，平均為?0.03mm·h?1?？梢?，F(xiàn)AST和FRT產(chǎn)品的小時精度都比較高，以偏低為主，但略有差別。

2.2 不同時間尺度多源降水融合數(shù)據(jù)精度分析

分析降水產(chǎn)品與觀測值在不同季節(jié)的精度指標(biāo)，由表1可見，從相關(guān)系數(shù)COR來看，兩種產(chǎn)品與觀測值的相關(guān)性在四個季節(jié)均達到了91%以上，F(xiàn)AST產(chǎn)品略優(yōu)于FRT產(chǎn)品；從平均誤差ME來看，兩種產(chǎn)品在春季和秋季都較觀測值略偏低0.01mm，在夏季和冬季均為0；相較于其他季節(jié)，在夏季兩種產(chǎn)品的平均絕對誤差MAE、均方根誤差RMSE最大，這與夏季多強降水天氣過程有一定聯(lián)系；從偏差BIAS來看，兩種產(chǎn)品相較于觀測值均略顯偏低；從TS評分來看，兩種產(chǎn)品在春夏秋三個季節(jié)的TS評分均達到了0.7以上，且以FAST產(chǎn)品略優(yōu)于FRT產(chǎn)品。

分析降水產(chǎn)品與觀測值精度指標(biāo)的年內(nèi)逐月變化趨勢，由圖5可見，從相關(guān)系數(shù)COR來看，兩種產(chǎn)品與觀測值的相關(guān)性均達到了89%以上；從平均絕對誤差MAE、均方根誤差RMSE、偏差BIAS來看，兩種產(chǎn)品在汛期5?9月的誤差最大，其中最大MAE均達到0.15mm·h?1，最大RMSE達到0.87mm·h?1；從偏差BIAS來看，1?12月，BIAS均小于0，說明兩種產(chǎn)品比觀測值偏低，其中以冬季偏低較為明顯；從TS評分來看，兩種產(chǎn)品在1?12月的TS評分均達到0.65以上，其中79.17%的月份達到了0.70及其以上，4月和10月有兩個峰值，全年平均為0.71。整體來看，F(xiàn)AST在3?4月、7月以及12月略優(yōu)于FRT產(chǎn)品，其余時段兩者相當(dāng)。

圖3 兩套多源融合逐小時降水量數(shù)據(jù)(FAST和FRT)各項精度評價指標(biāo)的空間分布

注：FAST產(chǎn)品由地面和衛(wèi)星二源融合，F(xiàn)RT產(chǎn)品由地面?衛(wèi)星?雷達三源融合，數(shù)據(jù)時間范圍為2020-01-01—2021-12-31。COR為降水融合數(shù)據(jù)插值到氣象站點所得到的值與各站點觀測值之間的相關(guān)系數(shù)，RMSE為均方根誤差，BIAS為偏差，TSk為分級降水產(chǎn)品的準(zhǔn)確率。下同。

Note: FAST products are fused by two sources of ground and satellite, and FRT products are fused by three sources of ground satellite radar. The data time range is from January 1, 2020 to December 31, 2021. COR is the correlation coefficient between the value obtained by interpolation of precipitation fusion data to meteorological stations and the observed values of each station, RMSE is the root mean square error, BIAS is the deviation, and TSkis the accuracy of classified precipitation products. The same as below.

圖4 重慶35個站點FAST和FRT產(chǎn)品數(shù)據(jù)各評價指標(biāo)Violin plot分布匯總

注：---為中位數(shù)，···分別為上四分位點、下四分位點，外部形狀為核密度估計。下同。

Note: --- line in the middle is the median, and ··· lines at both ends are the upper quartile and the lower quartile respectively. The external shape is nuclear density estimation. The same as below.

對比分析平均誤差ME和平均絕對誤差MAE的Violin Plot分布，由圖6可見，整體上看，F(xiàn)RT產(chǎn)品相較于FAST產(chǎn)品其平均誤差ME和平均絕對誤差MAE的分布都相對比較集中；從產(chǎn)品誤差分布的離散程度來看，夏季最為分散，其余依次為秋季、春季和冬季，其中7月最為分散，其余依次為8、5、9、6、10、3、4、11、2、1和12月；從平均誤差ME來看，F(xiàn)RT和FAST的平均誤差中位數(shù)均低于0，F(xiàn)RT的平均誤差的中位數(shù)絕對值在春夏秋三季略低于FAST，在冬季基本持平，從年內(nèi)統(tǒng)計來看，5?7月和9?10月FRT的平均誤差的中位數(shù)絕對值略低于FAST產(chǎn)品，其他月份基本持平；從平均絕對誤差MAE來看，F(xiàn)RT的平均絕對誤差的中位數(shù)在春夏秋三季略高于FAST，在冬季基本持平，從年內(nèi)統(tǒng)計來看，2?5月、7?10月FRT的平均絕對誤差的中位數(shù)略高于FAST，其他月份基本持平。

表1 FAST和FRT產(chǎn)品不同季節(jié)逐小時數(shù)據(jù)平均值的精度評價指標(biāo)

圖5 不同月份FAST和FRT產(chǎn)品逐小時數(shù)據(jù)平均值的精度評價指標(biāo)

綜上所述，相較于觀測值，F(xiàn)RT和FAST產(chǎn)品都存在低估，且從平均誤差ME、平均絕對誤差MAE來看，F(xiàn)RT的誤差分布比FAST相對集中；從產(chǎn)品的誤差離散程度來看，夏季最為分散且誤差絕對值最大，其次是春秋季，最后是冬季，其中又以汛期（5?9月）相對更加分散且誤差相對更大。兩種產(chǎn)品與觀測值的相關(guān)系數(shù)均達到了90%以上，且FAST產(chǎn)品略優(yōu)于FRT；從平均誤差ME、平均絕對誤差MAE、均方根誤差RMSE來看，兩種產(chǎn)品在汛期的誤差最大，這與夏季多強降水天氣有一定聯(lián)系；兩種產(chǎn)品的偏差BIAS均小于0，說明產(chǎn)品存在低估；兩種產(chǎn)品的TS評分均達到了0.65以上，且FAST產(chǎn)品略優(yōu)于FRT。

圖6 平均誤差ME和平均絕對誤差MAE的Violin plot分布

2.3 不同強度多源降水融合數(shù)據(jù)精度分析

根據(jù)降水量大小，將小時降水量分為5個等級，即0.1～1.9mm、2～4.9mm、5～9.9mm、10～19.9mm、≥20mm。分析各降水等級下產(chǎn)品的精度指標(biāo)，由表2可見，隨著降水等級的增加，F(xiàn)AST和FRT產(chǎn)品的平均誤差ME、平均絕對誤差MAE、等級均方根誤差RMSEk、偏差BIAS的絕對值也逐漸增大，又以FAST產(chǎn)品的誤差略低于FRT產(chǎn)品；從平均誤差ME和偏差BIAS的正負號來看，產(chǎn)品值在降水等級的2～5級均存在低估的情況，且隨降水等級增大而低估的更多；從TS等級評分TSk來看，隨著降水等級的增大，降水區(qū)間內(nèi)正確的次數(shù)反而降低，而在降水等級1級區(qū)間的TS1更大，且FAST產(chǎn)品的TSk等級評分略高于FRT產(chǎn)品；從相關(guān)系數(shù)COR來看，隨著降水等級的增大，產(chǎn)品與觀測值的相關(guān)性逐漸降低然后再逐漸增大，而在降水等級1級和5級的相關(guān)性更好，且FAST產(chǎn)品的相關(guān)性略優(yōu)于FRT產(chǎn)品。

根據(jù)FAST和FRT等級均方根誤差和TS等級評分的分布，由圖7可知，隨著降水等級的增大，等級均方根誤差和TS等級評分的離散值也越離散，其中以前4個降水等級區(qū)間的分布相對集中，又以0.1～1.9mm·h?1區(qū)間的降水等級最為集中，其等級均方根誤差最小，F(xiàn)RT和FAST均為0.32；TS等級評分為FRT≥0.71，F(xiàn)AST≥0.76，≥20mm·h?1區(qū)間的降水等級分布很不均勻，存在較明顯的離散值。

對比分析FRT和FAST產(chǎn)品，對于等級均方根誤差，當(dāng)降水強度≤9.9mm·h?1時，F(xiàn)RT產(chǎn)品的誤差與FAST基本持平；當(dāng)降水強度≥10.0mm·h?1時，F(xiàn)RT產(chǎn)品的誤差高于FAST產(chǎn)品；當(dāng)降水強度≥20.0mm·h?1時二者的誤差相差最大。對于TS等級評分，當(dāng)降水強度≤19.9mm·h?1時，F(xiàn)RT產(chǎn)品的評分略低于FAST產(chǎn)品或基本持平；當(dāng)降水強度≥20.0mm·h?1時，F(xiàn)RT產(chǎn)品的評分高于FAST產(chǎn)品。統(tǒng)計分析發(fā)現(xiàn)（圖略），≥10.0mm·h?1的降水強度多發(fā)生在強對流天氣過程中，≥20.0mm·h?1的降水強度多發(fā)生在極端性強降水天氣過程中，且此強度已達到短時強降水標(biāo)準(zhǔn)；所以當(dāng)降水強度≥20.0mm·h?1時，F(xiàn)RT產(chǎn)品的TS等級評分明顯高于FAST，F(xiàn)RT產(chǎn)品在極端強降水天氣過程中的命中優(yōu)勢就明顯體現(xiàn)出來了。

表2 不同強度多源降水融合數(shù)據(jù)的精度評價指標(biāo)

圖7 TSk等級評分和RMSEk等級均方根誤差Violin plot分布

2.4 不同地形條件多源降水融合數(shù)據(jù)精度分析

有研究認為由于地形的云物理作用和地形的動力抬升作用，氣流常常順著斜坡爬升，水汽向上不斷凝結(jié)而形成降水，山地地形中的降水一般是隨著海拔的增加而增大。實際上，不同的地形結(jié)構(gòu)往往會產(chǎn)生不同的降水量，為深入探討多源降水融合分析產(chǎn)品在不同地形結(jié)構(gòu)上的表現(xiàn)能力，需要從坡向、坡度、起伏度和高程4個方面分別進行精度評價。其中，坡向是指坡度所面對的方向，以度（°）為單位，按順時針方向旋轉(zhuǎn)測量，角度范圍為0～360°，0±22.5°為北向、45±22.5°為東北向，90±22.5°為東向、135±22.5°為東南向、180±22.5°為南向、225±22.5°為西南向、270±22.5°為西向、315±22.5°為西北向；坡度是指地表單元陡緩的程度，即坡面的垂直高度與水平距離的比值，平坡為坡度≤5°，緩坡為5°～15°，斜坡為15°～25°，陡坡以上為>25°。海拔是指地面某點高出海平面的垂直距離，根據(jù)重慶氣象站點的海拔分布，將海拔劃分為6個區(qū)間，即海拔≤300m、300～400m、400～500m、500～600m、600～700m、≥700m。地形起伏度是指在特定區(qū)域內(nèi)，最高點與最低點的海拔高度差值，常作為描述特定區(qū)域地形特征的一個宏觀性指標(biāo)，根據(jù)站點實際情況，將起伏度分為6個區(qū)間，即起伏度>30m、30～40m、40～50m、50～60m、60～70m、>70m。

將相關(guān)系數(shù)COR、平均誤差ME、平均絕對誤差MAE、均方根誤差RMSE、偏差BIAS、TS評分6個指標(biāo)作為因變量，坡度、坡向、起伏度、高程分別作為自變量，進行回歸分析。結(jié)果表明，91.43%的國家級氣象觀測站集中在平坡和緩坡，斜坡及以上主要是城口、巫溪和奉節(jié)站；80%的站點集中在起伏度70m以下，起伏度在70m以上的主要是巫山、萬州、巫溪和奉節(jié)站；91.43%的站點集中在海拔700m以下，海拔700m以上的站點主要是黔江、城口和酉陽站。從圖8可以發(fā)現(xiàn)，斜坡上產(chǎn)品的相關(guān)性和TS評分最好且誤差最小，其次是平坡和陡坡以上，緩坡最差；當(dāng)起伏度大于30m時，TS評分隨著起伏度增大而逐漸提高，起伏度大于70m的產(chǎn)品的相關(guān)性和TS評分相對更好且誤差相對更小；隨著海拔的增加TS評分逐漸下降同時誤差也逐漸增大，當(dāng)海拔大于700m時相關(guān)性和TS評分又再次提高且誤差也減??；坡向為西南、東的相關(guān)性和TS評分相對更好且誤差相對更小，其中西南坡向在相關(guān)性和TS評分上均達到了最好且誤差最小。

3 結(jié)論與討論

3.1 結(jié)論

（1）FAST、FRT產(chǎn)品與觀測值的相關(guān)性較好，呈正相關(guān)，誤差較小，產(chǎn)品整體比觀測值偏低，兩者略有差別。

（2）在月、季時間尺度上，春季的精度最好，汛期5?9月（特別是夏季）的誤差和離散程度最大。

（3）隨著降水等級增大，產(chǎn)品的誤差、相關(guān)性以及TS等級評分的分布越離散，誤差絕對值逐漸增大，TS等級評分逐漸降低，相關(guān)性則先降低后增大，其中降水等級0.1～1.9mm、≥20mm的相關(guān)性更好。

（4）在地形因子上，產(chǎn)品精度略有差別，其中斜坡上產(chǎn)品的精度最優(yōu)，其次依次是平坡、陡坡以上、緩坡；起伏度大于70m產(chǎn)品的精度最優(yōu)；隨著海拔增加，產(chǎn)品精度先降低，當(dāng)海拔大于700m時，產(chǎn)品精度提升；坡向為西南、東的產(chǎn)品精度更優(yōu)，其中西南坡向最優(yōu)。

圖8 不同地形逐小時數(shù)據(jù)平均值的精度評價指標(biāo)

注：坡向中，N代表北坡，N-E代表東北坡，E代表東坡，S-E代表東南坡，S代表南坡，S-W代表西南坡，W代表西坡，N-W代表西北坡。坡度中，F(xiàn)-S代表平坡（≤5°），G-S代表緩坡（5～15°），S-H代表斜坡（15～25°），S-S代表陡坡以上（>25°）。

Note: In slope aspect，N represents the north slope, N-E represents the northeast slope, E represents the east slope, S-E represents the southeast slope, S represents the south slope, S-W represents the southwest slope, W represents the west slope, N-W represents the northwest slope. In slope gradient, F-S stands for flat slope(≤5°), G-S for gentle slope(5?15°), S-H for Steephill(15?25°), S-S for above steep slope(>25°).

3.2 討論

基于國家高時空分辨率的多源降水融合分析產(chǎn)品與站點觀測值具有較好的相關(guān)性，能較好地反映降水的時空分布，可以為自動站點稀少地區(qū)的降水?dāng)?shù)據(jù)提供有效補充，這與史嵐等[13]對CMPAS產(chǎn)品的精度評價結(jié)果基本一致。本研究在對兩種產(chǎn)品數(shù)據(jù)進行精度評價時發(fā)現(xiàn)，降水等級和地形因子對產(chǎn)品精度有一定影響，特別是降水等級較大時，CMPAS存在降水低估現(xiàn)象；在不同的地形因子區(qū)間，產(chǎn)品精度略有差別。而本研究僅選取2020?2021年重慶區(qū)域35個國家氣象站逐小時降水資料開展精度評價，站點觀測密度不夠、時間序列也較短，由于影響降水的因素復(fù)雜，特別是降水量受地形因子影響較大，需要進一步驗證重慶不同地形條件下高密度區(qū)域站的降水對產(chǎn)品精度的影響。

[1] 竇世卿,張寒博,徐勇,等.TRMM降水?dāng)?shù)據(jù)在長江流域的降尺度分析與校正[J].中國農(nóng)業(yè)氣象,2021,42(5):377-389.

Dou S Q,Zhang H B,Xu Y,et al.Research on downscaling and correction of TRMM data in the Yangtze River Basin[J]. Chinese Journal of Agrometeorology,2021,42(5): 377-389.( in Chinese)

[2] 玉院和,王金亮.TRMM3B43降水?dāng)?shù)據(jù)在云南地區(qū)的降尺度適用性評價[J].中國農(nóng)業(yè)氣象,2020,41(9):575-586.

Yu Y H,Wang J L.Applicability evaluation of TRMM 3B43 precipitation data for downscaling in Yunnan Province[J]. Chinese Journal of Agrometeorology,2020, 41(9):575- 586.( in Chinese)

[3] 李豪,雷苑.復(fù)雜地形下TRMM降水?dāng)?shù)據(jù)的降尺度研究:以四川省為例[J].中國農(nóng)業(yè)氣象,2019,40(10):607-619.

Li H,Lei Y.Spatial downscaling of TRMM precipitation data in areas of complex terrain:a case study in Sichuan Province[J].Chinese Journal of Agrometeorology,2019,40 (10):607-619.( in Chinese)

[4] 劉少華,嚴登華,王浩,等.中國大陸流域分區(qū)TRMM降水質(zhì)量評價[J].水科學(xué)進展,2016,27(5):639-651.

Liu S H,Yan D H,Wang H,et al.Evaluation of TRMM 3B42V7 at the basin scale over mainland China[J]. Advances in Water Science,2016,27(5):639-651.(in Chinese)

[5] 李威,蔣平,趙衛(wèi)權(quán),等.TRMM衛(wèi)星降水?dāng)?shù)據(jù)在喀斯特山區(qū).的適用性分析:以貴州省為例[J].水土保持研究,2016, 23(1):97-102.

Li W,Jiang P,Zhao W Q,et al.Analysis on applicability of TRMM precipitation data in Karst areas:a case study in Guizhou Province[J].Research of Soiland Water Conservation, 2016,23(1): 97-102.( in Chinese)

[6] 鄭杰,閭利,馮文蘭,等.基于TRMM3B43數(shù)據(jù)的川西高原月降水量空間降尺度模擬[J].中國農(nóng)業(yè)氣象,2016,37(2): 245-254.

Zheng J,Lv L,Feng W L,et al.Spatial down scaling simulation of monthly precipitation based on TRMM 3B43 data in the Western Sichuan Plateau[J].Chinese Journal ofAgrometeorology,2016,37(2):245-254.( in Chinese)

[7] 江志紅,盧堯,丁裕國.基于時空結(jié)構(gòu)指標(biāo)的中國融合降水資料質(zhì)量評估[J].氣象學(xué)報,2013,71(5):891-900.

Jiang Z H,Lu Y,Ding Y G.Analysis of the high-resolution merged precipitation products over China based on the temporal and spatial structure score indices[J].Acta Meteorologica Sinica,2013,71(5):891-900.( in Chinese)

[8] 張蒙蒙,江志紅.我國高分辨率降水融合資料的適用性評估[J].氣候與環(huán)境研究,2013,18(4):461-471.

Zhang M M,Jiang Z H.Analyses of high-resolution merged precipitation products over China[J].Climatic and Envirorrnental Research,2013,18(4): 461-471.(in Chinese)

[9] 季漩,羅毅.TRMM降水?dāng)?shù)據(jù)在中天山區(qū)域的精度評估分析[J].干旱區(qū)地理,2013,36(2):253-262.

Ji X,Luo Y.Qualily assxessnenl of the TRMM precipitation data in mid‘Tianshan mounlains[J].Arid Land Geography, 2013,36( 2):253-262.( in Chinese)

[10] 潘旸,谷軍霞,宇婧婧,等.中國區(qū)域高分辨率多源降水觀測產(chǎn)品的融合方法試驗[J].氣象學(xué)報,2018,76(5):755-766.

Pan Y,Gu J X,Yu J J,et al.Test of merging methods for multi source observed precipitation products al high resolution over China[J].Acta Meteorologica Sinica,2018, 76(5):755-766.( in Chinese)

[11] 宇婧婧,沈艷,潘旸,等.中國區(qū)域逐日融合降水?dāng)?shù)據(jù)集與國際降水產(chǎn)品的對比評估[J].氣象學(xué)報,2015,73(2): 394-410.

Yu J J,Shen Y,Pan Y,et al.Comparative assessment between the daily merged precipitation dataset over China and the worlds popular counterparts[J].Acta Meteorologica Sinica, 2015,73(2):394-410.( in Chinese)

[12] 潘旸,沈艷,宇婧婧,等.基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達三源降水融合試驗[J].氣象學(xué)報, 2015,73(1):177-186.

Pan Y,Shen Y,Yu J J,et al.An experiment of high resolution gange radar satellite combined precipitation retrieval based on the Bayesian merging method[J].Acta Meteorologica Sinica,2015,73(1):177-186.( in Chinese)

[13] 史嵐,萬逸波,張狄,等.CMPA降水資料在中國地區(qū)不同地形下的精度評價研究[J].氣象科學(xué),2018,38(5):616-624.

Si L,Wan Y B,Zhang D,et al.Precision evaluation of CMPA remote sensing precipitation data in different terrains of China[J].Journal of the Meteorological Sciences,2018, 38(5):616-624.( in Chinese)

[14] 許冠宇,李琳琳,田剛,等.國家級降水融合產(chǎn)品在長江流域的適用性評估[J].暴雨災(zāi)害,2020,39(4):400-408.

Xu G Y,Li L L,Tian G,et al.Assessing the applicability of national precipitation merged products in the Yangtze River Basin[[J].Torrential Rain and Disasters,2020,39(4):400- 408.( in Chinese)

[15] 鞏杰,高秉麗,李焱,等.1960-2020年黃河流域氣候干濕狀況時空分異及變化趨勢[J].中國農(nóng)業(yè)氣象,2022,43(3): 165-176.

Gong J,Gao B L,Li Y,et al.Spatiotemporal variation of climate dry-wet condition and its potential trend in the Yellow River basin from 1960 to 2020[J].Chinese Journal of Agrometeorology,2022,43(3):165-176.( in Chinese)

[16] 王卓穎,劉楊曉月,楊驥,等.風(fēng)云衛(wèi)星系列及CLDAS土壤水分產(chǎn)品多尺度精度驗證與評價:以青藏高原那曲地區(qū)為例[J].中國農(nóng)業(yè)氣象,2021,42(9):788-804.

Wang Z Y,Liu Y X Y,Yang J,et al.Multi-scale evaluation and validation of soil moisture products of FY-3B/3C and CLDAS:a case study in Naqu Region of the Qinghai-Tibet Plateau[J].Chinese Journal of Agrometeorology,2021,42 (9):788-804.( in Chinese)

[17] 王智慧,師春香,沈潤平,等.CLDAS驅(qū)動陸面模式模擬中國區(qū)域潛熱通量的精度評價[J].中國農(nóng)業(yè)氣象,2020,41 (12):761-773.

Wang Z H,Shi C X,Shen R P,et al.CLDAS drive land surface model to simulate latent heat flux in China[J]. Chinese Journal of Agrometeorology,2020,41 (12):761- 773.( in Chinese)

[18] 姜少杰,宋海清,李云鵬,等.內(nèi)蒙古地區(qū)FY-3B/3C微波遙感土壤水分數(shù)據(jù)產(chǎn)品的融合與評估[J].中國農(nóng)業(yè)氣象, 2020,41(8):529-538.

Jiang S J,Song H Q,Li Y P,et al.Data fusion and evaluation of soil moisture products from FY-3B/3C microwave remote sensing in Inner Mongolia[J].Chinese Journal of Agrometeorology,2020,41(8):529-538.( in Chinese)

Study on Accuracy Evaluation of Multi-Source Precipitation Fusion Analysis Products under Complex Terrain in Chongqing

KUANG Lan1, TIAN Mao-ju1, LI Qiang2, LI Qi-lin3, LIU Feng-xia4

(1. Chongqing Qijiang District Meteorological Bureau, Qijiang 401420, China; 2. Chongqing Meteorological Observatory, Chongqing 401147; 3. Chongqing Meteorological Information and Technology Support Center, Chongqing 401147; 4. Chongqing Wansheng Economic Development Zone Meteorological Bureau, Chongqing 400800)

Two sets of multi-source precipitation fusion analysis products FAST and FRT products from 2020 to 2021, and the hourly precipitation data of 35 national meteorological stations in Chongqing after quality control were used to test the correlation and error of the two sets of products in combination with the topographic factors of each station, so as to provide data support for hydrometeorological research under complex terrain. Some results in this study showed that: (1) FAST and FRT products had good correlation with the observed value, positive correlation and small error. The overall product was lower than the observed value, and there was a slight difference between them. (2) On monthly and seasonal time scales, the accuracy of spring was the best, and the error and dispersion degree of flood season from May to September were the largest. (3) With the increase of precipitation grade, the distribution of product error, correlation and TS grade score became more discrete, the absolute value of error gradually increased, the TS grade score gradually decreased, and the correlation first decreased and then increased, among which the correlation of precipitation grade 0.1-1.9mm and ≥ 20mm was better. (4) In terms of terrain factors, the accuracy of products was slightly different, among which the accuracy of products on the slope was the best, followed by the flat slope, above the steep slope and gentle slope. The accuracy of products with undulation greater than 70m was the best; With the increase of altitude, the product accuracy decreased first. When the altitude was greater than 700m, the product accuracy increased. The accuracy of products with the Southwest and East slope directions was better, and the Southwest slope direction was the best. FAST and FRT precipitation products had high accuracy in Chongqing, which could effectively supplement the precipitation data in areas with few automatic stations.

Multi-source precipitation data; CMPAS; Accuracy evaluation; Terrain factor; Nearest neighbor interpolation

10.3969/j.issn.1000-6362.2023.01.007

曠蘭,田茂舉,李強,等.多源降水融合分析產(chǎn)品在重慶復(fù)雜地形下的精度評價[J].中國農(nóng)業(yè)氣象,2023,44(1):71-81

2022?02?21

重慶市自然基金面上項目（cstc2021jcyj-msxmX0057）；重慶市氣象部門業(yè)務(wù)技術(shù)攻關(guān)項目（YWJSGG?202128）

田茂舉，高級工程師，主要從事GIS和天氣預(yù)報研究，E-mail:147758044@qq.com

曠蘭，E-mail:616032331@qq.com