梁娟

【摘   要】 本研究以2016.3-2019.3月中国气象局提供的自动气象站融合降水数据为参考，利用4种评估指标分析了不同气候区视角下传感器反演降水误差特征。

【关键词】 GPM;误差特征;卫星降水产品;小时降水

中图分类号：TP212.1         文献识别码：A               文章编号：2096-1073（2020）10-0053-54

[Abstract] This study takes the automatic weather station fusion precipitation data provided by China Meteorological Administration in March 2016.3-2019.3 as a reference， and analyzes the error characteristics of sensor inversion precipitation from the perspective of different climatic regions by using four evaluation indexes.

[Key words] GPM; error characteristics; satellite precipitation products; hourly precipitation

1  国内外研究现状

日前，获取高精度的降水产品是卫星降水领域研究的前沿和热点问题。虽然前人在卫星降水产品评估，传感器误差溯源和误差订正上做了大量的工作，但具体的研究中仍存在诸多理论和方法问题亟待完善。下面将从卫星降水评估，误差溯源等角度详细阐述相关的研究进展，存在的问题以及需要解决的潜在问题。卫星降水的传感器误差溯源

由于传统卫星降水在产品层面的评估研究大大限制了误差订正的有效性，国内外研究学者开始把目光聚焦在从传感器层面上评估分析卫星降水反演的误差特性。Tan et al （2016）  提出了一种识别IMERG降水产品在传感器层面上的误差构成方法。该方法根据反演系统中的卫星标识符信息，以格网为单位按系统在不同时间使用不同的传感器进行IMERG数据的划分。然后利用地面站点观测资料对来源不同传感器的数据进行评估研究，分离出不同传感器的误差。研究肯定了被动微波传感器在降水反演中的可靠性，且morph算法也具有良好的一致性，但IR数据的误差较大，相关的研究表明，通过对卫星降水的传感器误差溯源，可以为卫星降水反演误差订正提供最基础的一手资料（Chen et al.， 2019） 。

2  论文的主要研究内容

2.1  中国大陆气候区的划分

根据中国大陆1961-2010年的降水数据，按年平均降水将中国大陆划分为四个气候区，即湿润区，半湿润区，半干旱区和干旱区。

2.2  卫星降水反演在不同气候区的误差特征

在不同气候区中分别用4种指标评价11种传感器的误差，分析传感器误差特征。

3  数据与方法

3.1  数据

3.1.1 地面参考降水数据  本论文选择中国气象局研发的中国地面与CMORPH融合逐小时降水产品（1.0版）作为地面参考数据（时间跨度为：2016.3-2019.3），数据覆盖中国大陆地区，分辨率达到逐小时0.1°×0.1°，数据误差低，是国内乃至国际上最好的高分辨率降水观测资料。

3.1.2 卫星降水数据  GSMap是由日本航宇局负责研发的高分辨率全球降水产品，该系列产品包括近实时产品GSMap_NRT;微博红外融合产品GSMap_MVK以及采用CPC全球雨量站点、地形和气候等信息校正后的GSMap_MVK产品，其主要特征参数如下：

GPM-GSMap的微波数据来源于GPM星座中11颗卫星上搭载的被动微波传感器，类型包括：GMI、TMI（2015年后已停止工作）、AMSR2、SSMIS、AMSU-/MHS。

3.2  卫星降水传感器数据源识别方法

本文借鉴Tan等（2016）针对IMERG提出的卫星降水误差源识别方法，在此基础上，将同种微波传感器的误差进一步按其来源的卫星不同进行分类，实现所有单个传感器的误差溯源[1]。

具体方法如下，GPM星座群所有卫星的扫描信息被存储在“卫星扫描信息标识符”文件中，与其降水数据一样，可从其网站上下载获取。在标识符文件中，利用变量标识了GPM-GSMap小时尺度网格降水数据值的卫星和传感器来源，据此可以实现传感器误差源识别的目的。

3.3  误差分析方法

本文借鉴Zhu et al （2018）  提出的降雨事件划分方法，以0.1mm/h降雨强度作为划分降雨和非降雨时间的阈值，将降雨事件划分为以下4种：命中（Hit）事件表示卫星和地面都觀测到了降雨;漏报（Miss）事件表示地面观测到了降雨而卫星没有;误报（False）事件表示卫星观测到了降雨而地面没有观测到;零（Nonevent）事件表示地面和卫星都没有检测到降雨。

利用命中率（HR）、误报率（FR）、漏报率（MR）、零事件率（NR）等4项指标评价传感器对降雨事件的探测能力，公式如下：

HR=H/（H+M+F+N）×100%        （1）

FR=F/（H+M+F+N）×100%         （2）

MR=M/（H+M+F+N）×100%       （3）

3.4  研究区

中国大陆地区幅员辽阔，地形复杂，气候类型多样。本文根据中国大陆的1961-2010年的年平均降水计算，通过年平均降水量将中国大陆划分为四个气候区，分别是湿润区（年平均降水量大于800mm/yr），半湿润区（年平均降水量介于400-800mm/yr），半干旱区（年平均降水量介于200-400mm/yr）和干旱区（年平均降水量小于200mm/yr）。

4  结果分析

图所示为11种传感器在中国大陆4个气候区（湿润区Humid、半湿润区Semi-humid、半干旱区Semi-arid、干旱区Arid）对四种事件（命中、漏报、误报、零事件）的探测能力。显然，各种传感器在湿润区的命中率比其它三个气候区高得多，与此同时，误报率和漏报率也非常高。所有传感器在湿润区、半湿润区的误报率相近，但命中率和漏报率却相差很大。从湿润区、半湿润区、半干旱区到干旱区，各种传感器的命中率明显大幅降低，DMSP-F19搭载的SSMIS传感器在除湿润区之外的其它三个气候区则几乎没有命中率。在半干旱区和半湿润区中，其它10种传感器的漏报率在两个气候区表现一致，除DMSP-F19携带的SSMIS传感器外（0.3%、0.4%），在两个气候区均维持在2.2±0.2%范围内。

在湿润区，NOAA-18携带的AMSU-/MHS命中率达到最高（5.9%），DMSP-F19搭载的SSMIS传感器则达到最低（3%），而与其搭载同种传感器的DMSP-F16、DMSP-F18却达到了5.2%、5.3%的较高命中率，不过误报率高于DMSP-F19的1.6%-2.0%，较之与其命中率相近的IR、MetOp-A和MetOp-B 上搭载的AMSU-/MHS传感器，在误报事件上表现更好。在漏报事件中，DMSP-F19携带的SSMIS传感器占最高（6.4%），MetOp-B携带的AMSU-/MHS传感器最低，为5.1%。

在半湿润区，各种传感器的命中率都在2.5±0.2%范围内，其中NOAA-18携带的AMSU-/MHS同样为最高（3.0%），各种传感器保持近似的漏报率，均在2.2±0.2%范围内，其中DMSP-F17携带的SSMIS为 最低命中率（2.3%）和误报率（2.7%），总体上，DMSP-F18携带的SSMIS传感器、GPM的主观测卫星上的GMI、FCOM-W1上的AMSR2传感器表现最好，在保持最高命中率的同时，保持较低的误报率。

在半干旱区，注意到DMSP-F18上携带的SSMIS传感器的命中率几乎落到最低（在湿润区和半湿润区其命中率均在前列），且NOAA-18上携带的AMSU-/MHS在命中捕捉上仍表现最佳。

在干旱区，所有传感器的命中率都比较低（<1%），其中MetOp-A上携带的AMSU-/MHS传感器的命中率最高，但其误报率也最高（2.9%），而NOAA-19携带的AMSU-/MHS及GPM主观测卫星上的GMI则能在保持相对较高命中率（0.5%）的同时保持较低的误报率（2.2%左右）。

5  总结

在湿润区中，4个不同卫星上的AMSU-/MHS传感器均拥有较高的命中能力，但在误报事件中同样都拥有很高的占比，漏报率整体偏低，且随命中率降低而降低，综合来看，传感器AMSU-/MHS性能较稳定;从湿润区到半湿润区，随着降雨量的减少，SSMIS传感器对降水的命中率发生不同程度的降低，且4个不同卫星上的SSMIS传感器命中率差异较大，但其在误报事件中表现普遍较好;GPM主观测卫星上的GMI在干旱区误报率低，但命中率有待进一步提高;IR在四个气候区都表现出较好的探测能力，但其受误报和漏报影响，导致整体优势不明显。

参考文献：

[1] 张宝贵，杜建双，李卫敏，包玉龙，孙丽华.秦皇岛降水酸碱性       及其对环境的影响[J].中国环境管理干部学院学报 2019，29         （06），73-77.

（编輯：赫亮）