董国涛, 樊 东,, 杨胜天, 薛华柱, 周俊利， 党素珍，程春晓

(1.黄河水利委员会 黄河水利科学研究院 水利部 黄土高原水土流失过程与控制重点实验室,郑州 450003; 2.河南理工大学 测绘与国土信息工程学院, 河南 焦作 454000;3.北京师范大学 遥感科学国家重点实验室 环境遥感与数字城市 北京市重点实验室, 北京 100875)

降水是全球水热循环中最为重要和活跃的过程之一，同时也是水文过程模拟、水循环和水量平衡分析的重要参数。受地理位置、地形及下垫面因素影响，降水呈现出复杂的时空异质性。获取准确的大范围高时空分辨率连续降水资料，对气象预报、水文模拟、灾害监测、农业生产等具有重要意义[1-3]。

目前降水测量手段主要有站点雨量计观测、地面雷达观测与卫星遥感降水反演。雨量计测量方式能够提供高精度的地面“点”降水资料，但受到站点密度及其空间分布的影响，难以准确地反映降水的时空分布；雷达观测降水受电子信号强度以及运行环境等多因素的影响，在地形复杂地区具有较大的不确定性。基于卫星遥感的降水观测方式具有覆盖范围广、时空连续性高等特点，已成为降水观测的重要手段，特别是对于地面气象站点相对匮乏的地区[2,4]尤为重要。早期，作为卫星遥感监测降水的TRMM(Tropical Rainfall Measuring Mission)卫星提供了准全球范围内的3 h网格化降水产品，已在各领域得到广泛的应用[5-7]。作为TRMM卫星的继承与发展，GPM(Global Precipitation Measurement)提供了更大范围和更高时空分辨率的降水产品，提供更强大的降水数据支撑。

遥感反演作为一种间接的降水测量手段，进行数据质量评价是数据应用的前提条件。已有众多研究分析了TRMM数据在中国大陆[8-10]、天山山区[4,11]、黑河流域[12-14]、澜沧江流域[2]、雅鲁藏布江流域[15]、伊洛瓦底江流域[16]、横断山区[6,17]、金沙江流域[7]、鄱阳湖流域[18]、洣水流域[3]、赣江流域[19-20]、川渝地区[21]、黄河源区[22-23]、东北地区[24]、青藏高原[1,25]、西北内陆[5,26-27]、喀斯特山区[28]的适用性，结果表明TRMM降水产品整体精度较高，在气象、水文等领域均具有广阔的应用前景。自2014年GPM核心平台发射以来，对GPM卫星降水数据产品的适用性评价工作陆续展开。作为TRMM卫星的继承与改进，GPM IMEGR(Integrated Multi-statelitE Retrievals for GPM)算法将TRMM卫星降水数据的空间分辨率由0.25°×0.25°提升到0.1°×0.1°，时间分辨率由3 h提高到30 min，在地表径流过程模拟中表现出了巨大潜力[29]。但是在干旱少雨区[30]、高纬度地区[31]、大气强对流区[32]、山地雨影区[33]及海陆交汇带[34]等地区对短时降水以及冬季微量降水的探测仍具有较大的不确定性。评估GPM IMEGR降水数据的有效性，有利于推进GPM卫星降水数据在中国气象、水文、生态等行业的研究与应用。

黄河流域作为我国水旱灾害频发的地区之一，降水时间变率大、空间分布不均[35]。空间化降水资料的准确与否，将在较大程度上影响水文模拟预报、旱涝灾害防治和水资源规划管理等方案实施效果。因此，本文以黄河流域为研究区，选择TRMM和GPM重合时期(2014年3月—2015年4月)降水数据为研究对象，利用流域内气象站点的降水实测数据，分析TRMM和GPM两种卫星降水产品在黄河流域的适用性。

1　研究区概况与数据源

1.1　研究区概况

黄河流域位于东经95°53′—119°14′，北纬32°9′—41°51′，西起巴颜喀拉山，东至渤海，南临秦岭，北抵阴山，流域面积75.2万km2，地势西高东低，地貌特征复杂。黄河流域属典型的温带季风气候，夏季受副热带高气压带及西太平洋暖湿气流影响，湿润多雨；冬季受蒙古西伯利亚高压控制，寒冷干燥。降水主要集中在夏秋季节，6—9月降水量占全年降水量由南部的60%逐渐增加到北部的80%以上[36-37]。流域降水空间分布由东南向西北递减，多年平均降水量为466 mm，年均降水资源量约为3 510亿m3[37]。由于地域广阔，距海洋距离远近的不同及地形的影响，使得流域内降水不仅年内、年际变化大，且空间异质性强烈。同时，黄河流域也是我国水土流失最为严重的区域，干旱和洪涝灾害频发，降水是造成此类灾害最主要的因素，因此对黄河流域降水进行准确观测与模拟并研究其时空分布规律显得十分必要[38-40]。

1.2　数据与处理

TRMM卫星是由美国NASA和日本JAXA共同研制的降水试验卫星，于1997年11月27日在日本发射成功，它搭载了首台星载降水雷达，能够有效地探测降水三维空间信息。最初TRMM设计用于对热带地区降水量及地球辐射能量进行测量来了解全球气候变化及其机理，在2001年卫星轨道由250 km提升至402.5 km，观测范围扩展到50°S—50°N。观测范围的扩展使得TRMM数据应用更为广泛，其降水产品被广泛应用于气象、水文、生态等领域，对研究全球气候系统、水热循环和能量的收支状况及其变化发挥了重要作用。由于燃料耗尽，TRMM卫星已于2015年4月停止运行。

GPM作为TRMM的后续降水测量计划，包含了法国CNES(Centre National D′Etudies Spatiales)、印度ISRO(Indian Space Research Organization)、欧洲EUMETSAT(European Organization for the Exploitation of Meteorological Satellites)、美国NOAA(National Oceanic and Atmospheric Administration)以及DOD(Department of Defense)的一系列卫星，其核心观测平台GPMCO(GPM Core Observatory)已于2014年2月28日成功发射[41]。在TRMM卫星的基础上，GPM核心观测平台搭载了以Ku和Ka波段组成的双频段降雨雷达DPI(Dual-frequency Precipitation Rader)和多波段微波成像仪GMI(GPM Microwave Imager)，由于技术上的改进使得GPM在精度和敏感性上有较大的提升，能够提供时空分辨率更高的降水产品[41]。此外，相比于TRMM卫星，GPM核心观测平台具有更大的轨道倾角，使其有更广阔的观测范围，达到60°S—60°N。

本研究所用TRMM与GPM数据均从NASA降水测量计划网站(www.pmm.nasa.gov)获得。其中，TRMM数据为第7版本3B43降水数据(TRMM 3B43 V7)，数据空间分辨率为0.25°×0.25°，时间分辨率为月(图1D)。GPM数据为最新的3级融合降水产品IMERG(Integrated Multi-satellitE Retrievals for GPM)，其空间分辨率为0.1°×0.1°，时间分辨率为月(图1C)。本文选取TRMM与GPM重合期(2014年3月—2015年4月)降水产品及同时期地面雨量站实测数据进行对比分析。其中，实测降水数据来源于气象数据共享服务网，包含流域内76个国家级气象站的月实测降水量(图1A)。

2　方 法

本研究采用相关系数(R)、相对误差(BIAS)和均方根误差(RMSE)来评价卫星降水数据准确性。计算方法为：

(1)

(2)

(3)

3　结果与分析

3.1　年尺度数据精度

根据气象站点经纬度获取TRMM及GPM对应像元年降水量，以站点实测降水量为自变量遥感像元值为因变量进行一元线性回归分析，结果见图2。GPM，TRMM卫星降水数据与实测降水量的决定系数分别为0.78，0.86，线性方程斜率分别为0.74，0.85，显示了卫星降水数据与实测降水在整体上较高的一致性，但存在不同程度的偏差。从散点的分布可以看出，GPM与TRMM卫星降水数据在降水量小于400 mm时对降水存在一定程度的高估，在年降水量超过800 mm时则低估了降水量。与GPM降水数据相比，TRMM降水数据与实测值散点图更接近于1∶1线，在年尺度上的精度更高。相关系数只能表示卫星降水数据与实测降水量整体的一致性，不能有效反映差异量的大小，因此，计算两种卫星降水产品与实测降水量的相对误差与均方根误差，结果见表1。GPM与TRMM数据的BIAS均大于0，表示两者对于降水存在一定的高估，RMSE分别为82.18 mm和65.50 mm。总体上，TRMM年降水数据准确性高于GPM降水数据。

图1黄河流域气象站点及2014年降水量空间分布

图2　黄河流域2014年GPM，TRMM卫星降水数据与实测降水量散点图表1　GPM与TRMM卫星年降水数据精度

3.2　季尺度数据精度

黄河流域是典型的季风气候区，降水量年内分布不均，各季节降水量差异极为明显，仅仅分析两种卫星降水产品在整年的适用性是不够的。本研究以3—5月为春季、6—8月为夏季、9—11月为秋季、12月—翌年2月为冬季，计算各季节卫星降水数据与站点实测值的R，BIAS，RMSE(图3)。各季节卫星降水产品与实测降水量的相关系数在0.76～0.91，表现出很好的一致性。其中春、秋两季相关系数较高，而冬、夏两季相关性略低，原因在于冬季降水主要以降雪的形式出现，夏季降水多呈现历时短、雨量大的强对流天气，卫星对固态降水及短时降水探测能力有限导致相关系数偏低。从BIAS来看，冬季相对误差明显大于其他季节，原因是冬季降水相对较少(全流域冬季平均降水仅为11.1 mm)，较小的总降水量使得误差所占比重较其他季节更为明显。黄河流域卫星降水与实测值在各季节的RMSE都在50 mm以下，夏季最大而冬季最小。这与绝对降水量存在相似的分布特征，流域内气象站点所监测的夏季降水均值为227.2 mm，且多以强降雨形式出现，给卫星精确地观测降水带来极大地挑战，同时RMSE对离群值反映较为敏感，因此RMSE在绝对误差较大的雨季大于绝对误差较小的旱季。对比两种卫星降水产品，TRMM数据与实测值有更高的相关系数，更小的相对误差和均方根误差，表现出与实测值更好的一致性。

图3GPM，TRMM降水数据在各季节的相关系数、相对误差与均方根误差

3.3　月尺度数据精度

图4为流域内各月实测降水均值与该月卫星降水产品像元值对比图。两种卫星降水产品在7月、8月存在对降水的低估，GPM与TRMM在8月对各站点实测降水平均低估2.3 mm和5.5 mm，占月降水量的2.5%和6.1%。在其他月份卫星降水数据均大于实测降水量，其中12月相对误差最大，GPM与TRMM降水产品在每个站点比实测降水量平均高出29.15%和30.79%；最大的绝对误差出现在9月，分别为7.1 mm和6.0 mm。

图4黄河流域月GPM，TRMM与实测月降水量对比

3.4　单站点数据精度

从年、季、月尺度检验的结果来看，TRMM与GPM数据在大部分时间段均具有较好的精度，但整体精度检验不能反映出单个站点上卫星降水数据与实测降水量之间的差异。

降水是所有气象要素中影响因子最多的变量之一，其受地形地势、经纬度、海拔、大气环流等因素影响具有较大的时间变率和空间异质性，仅对数据整体进行评估不能全面客观地反映出数据精度在空间上的不均一性。因此，本文计算了每个站点实测降水量与对应卫星数据像元值的相关系数，同时以泰森多边形法根据各站点的空间位置对整个研究区进行划分，使多边形中任意点到多边形内气象站点的距离最小，借此对离散的相关系数进行区域化，并以K均值聚类方式对各多边形进行空间聚类，研究流域内卫星降水数据精度的空间分布规律(图5)。流域内大部分气象站点与卫星降水数据相关性较高，相关系数都在0.8以上，这与全局检验的结果一致，进一步表明了GPM与TRMM卫星降水数据在黄河流域具有较强的适用性。流域内各站点R值大小空间差异明显，流域南部R值普遍较大而北部略小。鄂尔多斯高原及其以北地区的陶乐、惠农、临河等站点附近卫星所测得降水量与实测值的相关性最低，可能的原因在于这些站点处降水稀少(年降水量不足200 mm)且降水变率较大，造成卫星降水反演在这些区域不够准确。

图5黄河流域GPM(A)与TRMM(B)数据与实测降水量R值空间分布及K均值聚类

4　结 论

(1) 黄河流域内GPM与TRMM卫星降水数据与实测年降水量之间存在良好的线性关系。整体而言，卫星数据降水值比实测降水量偏大，GPM与TRMM分别高估2.46%和2.19%。

(2) GPM与TRMM数据在各季节与实测降水量的相关系数在0.76～0.91，不同季节数据质量差异明显，秋季相关性最高而冬季相关性最低。以固态降水为主的形式和较少的绝对降水量导致冬季相对误差较大；夏季多暴雨，卫星数据与站点实测降水量在绝对值上差异较为明显。

(3) GPM与TRMM数据在7月、8月份比站点实测降水量略微偏小，8月对降水量低估最大，占月降水量的2.54%和6.05%；其余月份对降水量存在不同程度的高估，其中12月相对误差最大，GPM与TRMM降水产品平均每个站点比实测降水量高出29.15%和30.79%；最大绝对偏差出现在9月，分别为7.10 mm和6.00 mm。

(4) 各站点验证结果表明，流域中南部区域GPM与TRMM数据和实测降水量的相关系数较高，而鄂尔多斯高原及其以北地区卫星所测降水量与实测值的相关性相对较低，与该区域内总降水量偏小且降水历时短、强度大等降水特征有关。

参考文献:

[1]齐文文,张百平,庞宇,等.基于TRMM数据的青藏高原降水的空间和季节分布特征[J].地理科学,2013,33(8):999-1005.

[2]曾红伟,李丽娟.澜沧江及周边流域TRMM3B43数据精度检验[J].地理学报,2011,66(7):994-1004.

[3]江善虎,任立良,雍斌,等. TRMM卫星降水数据在洣水流域径流模拟中的应用[J].水科学进展,2014,25(5):641-649.

[4]刘俊峰,陈仁升,卿文武,等.基于TRMM降水数据的山区降水垂直分布特征[J].水科学进展,2011,22(4):447-454.

[5]卢新玉,魏鸣,王秀琴,等. TRMM 3B43降水产品在新疆地区的适用性研究[J].国土资源遥感,2016,28(3):166-173.

[6]朱国锋,蒲焘,张涛,等. TRMM降水数据在横断山区的精度[J].地理科学,2013,33(9):1125-1131.

[7]杨云川,程根伟,范继辉,等.卫星降雨数据在高山峡谷地区的代表性与可靠性[J].水科学进展,2013,24(1):24-33.

[8]黄勇,陈生,冯妍,等.中国大陆TMPA降水产品气候态的评估[J].气象,2015,41(3):353-363.

[9]刘少华,严登华,王浩,等.中国大陆流域分区TRMM降水质量评价[J].水科学进展,2016,27(5):639-651.

[10]骆三,苗峻峰,牛涛,等. TRMM测雨产品3B42与台站资料在中国区域的对比分析[J].气象,2011,37(9):1081-1090.

[11]赵传成,丁永建,叶柏生,等.天山山区降水量的空间分布及其估算方法[J].水科学进展,2011,22(3):315-322.

[12]赵军,刘原峰,朱国锋,等.热带测雨卫星数据在黑河流域的精度及应用[J].水土保持通报,2016,36(3):309-315.

[13]王超,赵传燕. TRMM多卫星资料在黑河上游降水时空特征研究中的应用[J].自然资源学报,2013,28(5):862-872.

[14]吴雪娇,杨梅学,吴洪波,等. TRMM多卫星降水数据在黑河流域的验证与应用[J].冰川冻土,2013,35(2):310-319.

[15]吕洋,杨胜天,蔡明勇,等. TRMM卫星降水数据在雅鲁藏布江流域的适用性分析[J].自然资源学报,2013,28(8):1414-1425.

[16]曲伟,路京选,宋文龙,等. TRMM遥感降水数据在伊洛瓦底江流域的精度检验和校正方法研究[J].地球科学进展,2014,29(11):1262-1270.

[17]张涛,李宝林,何元庆,等.基于TRMM订正数据的横断山区降水时空分布特征[J].自然资源学报,2015,30(2):260-270.

[18]李相虎,张奇,邵敏.基于TRMM数据的鄱阳湖流域降雨时空分布特征及其精度评价[J].地理科学进展,2012,31(9):1164-1170.

[19]胡庆芳,杨大文,王银堂,等.赣江流域TRMM降水数据的误差特征与成因[J].水科学进展,2013,24(6):794-800.

[20]唐国强,李哲,薛显武,等.赣江流域TRMM遥感降水对地面站点观测的可替代性[J].水科学进展,2015,26(3):340-346.

[21]嵇涛,杨华,刘睿,等. TRMM卫星降水数据在川渝地区的适用性分析[J].地理科学进展,2014,33(10):1375-1386.

[22]孙乐强,郝振纯,王加虎,等. TMPA卫星降水数据的评估与校正[J].水利学报,2014,46(10):1135-1146.

[23]李琼,杨梅学,万国宁,等. TRMM 3B43降水数据在黄河源区的适用性评价[J].冰川冻土,2016,38(3):620-633.

[24]刘小婵,赵建军,张洪岩,等. TRMM降水数据在东北地区的精度验证与应用[J].自然资源学报,2015,30(6):1047-1056.

[25]罗布坚参,翟盘茂,假拉,等.西藏高原测站降水与TRMM估测降水一致性评估[J].气象,2015,41(9):1119-1125.

[26]沈彬,李新功.塔里木河流域TRMM降水数据精度评估[J].干旱区地理,2015,38(4):703-712.

[27]蔡晓慧,邹松兵,陆志翔,等. TRMM月降水产品在西北内陆河流域的适应性定量分析[J].兰州大学学报:自然科学版,2013,49(3):291-298.

[28]李威,蒋平,赵卫权,等. TRMM卫星降水数据在喀斯特山区的适用性分析:以贵州省为例[J].水土保持研究,2016,23(1):97-102.

[29]Li N, Tang G, Zhao P, et al. Statistical assessment and hydrological utility of the latest multi-satellite precipitation analysis IMERG in Ganjiang River basin[J]. Atmospheric Research, 2017,183(25):212-223.

[30]Tang G, Ma Y, Long D, et al. Evaluation of GPM day-1 IMERG and TMPA version-7 legacy products over Mainland China at multiple spatiotemporal scales[J]. Journal of Hydrology, 2016,533(21):152-167.

[31]Guo H, Chen S, Bao A, et al. Early assessment of integrated multi-satellite retrievals for global precipitation measurement over China[J]. Atmospheric Research, 2016,52(12):121-133.

[32]Siuki S K, Saghafiana B, Moazami S. Comprehensive evaluation of 3-hourly TRMM and half-hourly GPM-IMERG satellite precipitation products[J]. International Journal of Remote Sensing, 2017,38(2):558-571.

[33]Prakash S, Mitra A K, Aghakouchak A, et al. A preliminary assessment of GPM-based multi-satellite precipitation estimates over a monsoon dominated region[J]. Journal of Hydrology, 2016,221(13):116-132.

[34]Kim K, Park J, Baik J, et al. Evaluation of topographical and seasonal feature using GPM IMERG and TRMM3B42 over Far-East Asia[J]. Atmospheric Research, 2017,187(5):95-105.

[35]周丹,张勃,安美玲,等.黄河流域不同时间尺度干旱对ENSO事件的响应[J].中国沙漠,2015,35(3):753-762.

[36]徐宗学,张楠.黄河流域近50年降水变化趋势分析[J].地理研究,2006,23(1):27-34.

[37]刘昌明,曾燕,邱新法.黄河流域气象水文学要素图集[M].郑州:黄河水利出版社,2004.

[38]宋文龙,杨胜天,路京选,等.黄河中游大尺度植被冠层截留降水模拟与分析[J].地理学报,2014,69(1):80-89.

[39]罗娅,杨胜天,刘晓燕,等.黄河河口镇—潼关区间1998—2010年土地利用变化特征[J].地理学报,2014,69(1):42-53.

[40]王楠,李栋梁,张杰.黄河中上游季节内强降水的时间非均匀性特征及其对大气环流的响应[J].中国沙漠,2013,33(1):239-248.

[41]唐国强,万玮,曾子悦,等.全球降水测量(GPM)计划及其最新进展综述[J].遥感技术与应用,2015,30(4):607-615.