谭显辉，王晶晶，刘 国，朱自伟

(1.河海大学 地球科学与工程学院，江苏 南京 211100；2.河海大学 水文水资源与水利工程科学国家重点实验室，江苏 南京 210098)

0 引 言

中国是世界上少数几个受台风影响最为严重的国家之一[1]，曾多次遭受严重的大风、暴雨和风暴潮等灾害，台风登陆后带来的风暴增水摧毁庄稼以及各种建筑设施，给我国人民的生命财产造成了巨大的损失。超强台风“灿鸿”，于2015年6月30号在西北太平洋洋面上生成，并于7月11日以强台风级别在浙江省登陆，给华东地区带来了大范围的强风暴雨，并造成浙江省71.7万人受灾，经济损失达到19.47亿元，如图1所示。

图1 超强台风灿鸿及其带来的灾害Fig.1 Super typhoon Can-hom brings disaster in Zhejiang Province

台风带来的短历时强降水是导致这些灾害的主要原因[2]，因此，科学认知台风降水的时空演变特征具有重要的实际意义。由于热带气旋降水产生的复杂物理过程及降水自身很强的小尺度空间变异特性，决定了其难以快速捕捉和精确测量。1997年TRMM[3]（Tropical Rainfall Measuring Mission satellite，热带测雨卫星）的发射揭开了多卫星遥感联合反演降水信息的序幕，为人们提供了追踪热带气旋降水演变的新途径。

随着卫星遥感技术的发展和卫星降水反演算法的持续改进，卫星降水产品已经从TRMM时代步入了GPM[4]（Global precipitation Measurement，全球降水计划）时代，GPM是TRMM的后续卫星降水计划，由美国航天航空局（NASA）和日本宇宙探索机构（JAXA）于2014年2月28日成功发射[5]，它提供了全球范围内基于微波的3小时以内以及基于微波红外的半小时雨雪数据产品，扩展了TRMM传感荷载，提升了降水观测能力[6]。GPM作为最新一代的全球卫星降水计划，与TRMM时代相比，提供了更高时空分辨率的卫星降水产品（0.1°/0.5h），这种更高时空分辨率的卫星降水在极端降水灾害的监测和预报中有着极大的应用潜力和价值。沈艳等[7]综合性地评估了6种TRMM时代常用的卫星降水产品在中国的表现，结果表明各类产品虽然都能够反映降水的时空分布，但是对于雪和暴雨的估计还存在着较大的局限性。GPM时代卫星降水引入了更多的传感器数据和更完善的反演算法，为极端降水事件监测提供了新的可能，但是目前国内外还很缺乏对GPM时代卫星降水产品在极端降水事件中表现的相关研究。

本文选取中国气象局提供的地面逐小时观测数据为参考数据，评估比较了TRMM时代主流的TMPA系列产品和GPM时代的IMERG系列产品在灿鸿台风事件中的表现，并进行了分析与讨论，旨在探讨GPM时代IMERG系列产品对极端降水事件的监测能力及其与TMPA系列产品的表现差异。

1 研究区域与数据

1.1 研究区域

本文的研究区域为受灿鸿台风影响较为严重的中国东南沿海和台湾东北部地区，范围是东经118°～123°，北纬24°～34°，包括江苏省、上海市、浙江省、福建省、台湾省等大部分地区，属于温暖湿润的亚热带海洋性季风气候和热带季风气候，平均年降水量为1400～2000 mm左右，每年平均台风数量为12～15个[8]，如图2所示。

1.2 研究数据

图2 研究区概况Fig.2 Study area

1.2.1 卫星降水数据

TMPA算法是由Huffman等提出的TRMM多卫星传感器降水分析算法[9]，该算法主要利用TRMM卫星和其他低轨道卫星上的微波数据集以及地球同步卫星上的可见光/红外数据集作为算法反演的数据源。它是TRMM时代国际降水工作组主推的一套卫星降水，为了综合反映TRMM时代典型卫星降水在极端降水事件中的表现，给GPM时代的IMERG卫星降水做比较，本文选取了TMPA 3B42V7(后简称V7)和TMPA 3B42RTV7(后简称RTV7)两套产品，其中，V7是经过地面站点数据校正的，属于滞时产品，而RTV7属于实时产品。

IMERG算法源于三套主流的TRMM 卫星降水反演融合算法（TMPA[9]、GSMaP[10]、PERSIANN[11]），是GPM时代主推的算法。它与TMPA算法的主要区别在于它使用的传感器数据源包括了GPM卫星上的GMI和DPR传感器以及在反演算法中引入了GSMaP算法中的云移动矢量传播算法和卡尔曼滤波[10]。目前IMERG有三大类不同的产品：Early、Late和Final。IMERG生成系统在实时阶段运行一次后得到Early产品，再运行一次后得到Late产品，在这过程中，最主要的不同在于Early中只采用了云移动矢量传播算法中的前向传播算法，而Late在此基础上还加用了后向传播算法。在滞时产品Final的处理中，在Late的基础上引进了更多的传感器数据源。详细区别请见表1。本文选取了三个阶段所有的产品，包括校正的和未校正的，拟更全面地分析出IMERG中不同的反演算法和校正算法对其监测极端降水的影响。我们选择了精度相对差一些但是实时性强的Early和Late产品做分析，主要是考虑到极端降水监测对卫星降水实时性的要求，这样的话，综合性的分析结果可为其在将来的实际应用中提供科学依据参考。本文所使用的所有卫星降水数据的详细情况见表1。

表1 卫星降水数据预览Tab.1 Preview of satellite precipitation products

1.2.2 基准降水数据

采用的基准降水数据是中国地面自动站与CMORPH降水产品融合的逐小时降水量网格数据集[12]（1.0版），该数据集以CMORPH卫星反演降水为背景，以基于3万个自动气象站观测的逐时降水量分析的中国降水格点分析产品（Chinese Precipitation Analyses，CPA）作为地面观测场，采用最优插值方法进行融合[13]，精度很高，可作为中国地面逐小时观测降水参考数据。

2 研究方法

本研究采用相关系数(CC)、均方根误差(RMSE)、平均误差(ME)、相对偏差(BIAS)、平均绝对误差(MAE）、命中率(POD)、误报率(FAR)、关键成功率(CSI)这8个评价指标来评价各种卫星降水在极端降水事件中的表现，具体计算公式和描述见表2。

表中CC表示卫星降水数据和地面观测数据之间的线性相关程度；ME表示卫星反演估计值与地面观测值之间的差值，MAE反映的是差值的绝对值大小，RMSE表示均方根误差，BIAS描述卫星降水的偏差百分比。命中率（POD）表示卫星降水预计命中降水事件的情况，误报率（FAR）表示卫星降水错误估计降水事件的情况，关键成功率（CSI）综合表示卫星降水在评估降水事件方面的情况。

表2 统计指数Tab.2 Statistic indices

3 结果分析与讨论

3.1 总降水量

图3 2015年7月10日至12日累积降水值Fig.3 Accumulated rainfall on July 10-12,2015

图3 给出了2015年7月10日至7月12日间，各类降水产品累积降水量在空间上的分布，可以看出，①总体上来说，各套卫星降水产品均捕捉到了此次极端降水事件的空间分布特征，即强降水中心集中在上海和浙江宁波，降水强度向西逐渐减弱。②与地面站点数据相比，各套卫星数据在降水密集地区均存在着较为明显的低估，Final-C表现最好，低估程度最轻。

图4 0.25°×0.25°尺度上卫星逐日降水量与地面站点散点图Fig.4 Scatter plots of three days rainfall accumulation from various sources versus gauge measurements

为了更为直观地了解各套卫星降水数据的精度，图4给出了逐日卫星降水量与地面观测降水量之间的散点图。为了更深入地理解卫星降水数据之间精度的分布，将研究区分为海洋和陆地进行研究，其中蓝色代表海洋，黑色代表陆地，可以看出，在海洋上由于没有地面实测数据，地面站点主要是CMORPH卫星数据，所以表现出了较高的相关性和较小的误差，这也说明了各类卫星降水在海洋上的高度相关性。在陆地上，我们可以看出，①不管是TMPA还是IMERG，同一系列下的各产品经过校正的表现都要好于未经过校正的，而且可以看出使用月气候校正算法的改善程度要小于使用地面台站校正算法的改善程度（如Final-C相比Final-UC在偏差上提升了差不多30%，而Late-C相比Late-UC在偏差上只提升了差不多8%；②IMERG三个阶段经过校正的产品在CC上的表现均要好于TMPA下经过校正的V7，但是在偏差上的表现，只有Final-C好于V7，这说明IMERG算法中的气候校正算法能有效地改善相关性，但是在改善偏差方面hais存在着一定的局限性；③IMERG的实时产品Late-C的表现不管是CC还是BIAS都要好于TMPA的RTV7。在海洋上，各套卫星数据表现效果比较一致，这是由于海洋上没有实测站点，主要还是在卫星数据之间的比较。

图5比较了在不同阈值下，各种卫星降水产品在POD、FAR、CSI上的表现。阈值根据：小雨（日降水量小于10mm），中雨（日降水量大于等于10mm，小于25mm），大雨（日降水量大于等于25mm，小于50mm）以及暴雨（日降水量大于等于50mm）来确定。从图中我们可以发现：①随着阈值的增大，各种卫星产品的命中率整体上呈下降趋势，当阈值大于25mm后，下降较为明显，几套卫星降水表现较为一致，其中,Final_C表现最好，表明其在暴雨的探测上低估程度是最轻的，且要明显好于V7。另外，还可以发现IMERG的实时产品Early在暴雨探测上的低估要好于TMPA的RTV7；②从CSI看来，随着阈值的增大，各种卫星降水产品的成功率整体上呈下降趋势，与POD表现一致。

图5 不同阈值下卫星降水指数：(a)POD、(b)FAR、(c)CSIFig.5 Comparison of statistic: (a) POD,(b) FAR,(c) CSI based on diあerent rainfall thresholds

3.2 小时降水量

极端降水事件的监测对时空分辨率提出了更高的要求。为了更深入细致地研究IMERG产品对极端降水事件的监测能力，在0.1°、1小时尺度上对IMERG系列产品进行了研究。图6表示的是从2015年7月10日0时至7月12日24时IMERG系列产品和地面参考数据的逐小时降水量。地面参考数据表明，逐小时降水量从开始逐渐升高，到第20小时到达峰值并一直持续到第36小时（正好对应灿鸿7月10日后半夜至11日登陆浙江舟山朱家尖），之后呈下降趋势。卫星降水产品中，IMERG的Late-C表现最好，而Final_C在16～20小时出现了严重的高估，且在第27～32小时变化幅度很大，未能准确探测到降水事件在小时尺度上的变化规律。但是，经过地面校正的Final数据的RMSE和NB均有明显改善，相关性也有一定的提高，说明地面站点数据校正对卫星数据偏差有很好的控制[14]。

图6 逐小时降水量Fig.6 Temporal variation of mean hourly rainfall

3.3 累积降水量

图7 给出了2015年7月10日0时至7月12日24时累积降水随时间变化的情况，可以看出，Final_C与实际累积降水量的趋势最为吻合，这是因为它是滞时数据，经过地面月数据校正，修正了实时数据对极端降水的低估现象[16]，从RMSE（3.1952 mm）和NB（0.0268）也可以看出Final_C数据离散程度最小，偏差最小，表现最好。由于暴雨事件的瞬时性，实时降水产品在极端降水事件的监测中也非常重要，从IMERG的实时降水产品可以看出，Early和Late对实际降水累积量的变化趋势的捕捉程度也比较好，尤其是经过CCA校正的Early_C数据在实时数据中具有最小的RMSE（10.8653）和NB（-0.1381）。

4 结束语

本文主要研究了TMPA系列数据和IMERG系列数据在极端降水事件（灿鸿台风）中的表现以及IMERG在小时尺度上对极端降水事件的捕捉能力，得出以下结论：

1）在极端降水事件中，本文中所有卫星降水产品对实际降水都存在着低估：TMPA-V7（-58%）、TMPARTV7（-70%）、IMERG_Early_C（-60%）、IMERG_Early_UC（-68%）、IMERG_Late_C（-58%）、IMERG_Late_UC（-67%）、IMERG_Final_C（-42%）以及IMERG_Final_UC（-73%）。当降水达到暴雨级别时，所有的卫星降水产品对降水强度都呈现出明显的低估，说明当下的卫星降水处理算法在对热带气候变暖云降水系统监测方面还存在着很大的改善空间。

2）滞时产品中，IMERG的Final-C在极端降水中的表现要好于TMPA的V7；而在实时产品中，IMERG的Early和Late两套实时产品表现也都要好于TMPA的RTV7，可以看出，GPM时代的IMERG产品在极端降水事件中的表现要全面好于TRMM时代的TMPA系列产品。

3）在IMERG系列产品对极端降水事件小时尺度上变化特征监测方面，未经地面台站数据校正的Late-C表现得比Final-C好，这说明虽然Final-C经过地面台站月数据校正后明显改善了整体的雨量估计，但是却破坏了原始监测数据在小时尺度上的变化特征。IMERG的实时产品Late-C整体上各方面表现都尚可，尤其是在捕捉极端降水事件的小时分布特征上面表现很好，这说明它一定程度上可以满足实时监测的要求，具有较大的应用前景。

总之，与TRMM时代的TMPA相比，GPM时代的IMERG系列产品提升了对极端降水的监测能力，而其高时空分辨率的特性也将使卫星降水产品在极端降水事件监测中更为广泛地应用。但是，目前卫星降水对极强的降水还存在着较大的局限，在今后的研究中应着重于改善其低估缺陷。