GPM卫星降水产品在长江流域应用的精度估算

2019-10-14

人民长江 2019年9期

(南京林业大学江苏省南方现代林业协同创新中心,江苏南京 210037)

大气降水是自然界水循环过程中的重要一环，在气候变化、农业生产、洪涝灾害预报等领域中扮演着重要的角色[1]。气象台站的直接观测和和雷达测量作为传统的测雨方式，易受到自然环境、经济条件、电子信号等条件的制约，难以实现对降水的准确观测[2]，而卫星反演作为近年来一种新兴手段，能够提供高分辨率、高连续性、高精度的降水观测资料，是当前使用最广泛的一种降水资料获取方法[3-4]。

目前，已有多种卫星产品被广泛应用于降水遥感反演，如TRMM(tropical rainfall measuring mission)产品，CMORPH(Climate Prediction Center morphing technique)产品，PERSIANN(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks)产品等[5-7]，且已有大量学者分析了不同卫星数据的适用性。如黄萍等[8]应用TRMM3B42数据评价了湘江流域的估测精度，发现TRMM数据在月尺度上与实测降水量的相关度要优于日尺度；杨秀芹等分析比较了TRMM产品中3B42V7和3B42RTV7在淮河流域的适用性，发现3B42RTV7在确报率、临界成功率和错报率等方面的性能要优于3B42V7产品[9]；李瑞泽等分别比较了TRMM3B42、CMORPH和PERSIANN三种产品在环渤海地区精度，发现TRMM3B42精度最高，但同时略高估了日降水量[10]。

2014年2月27日，新一代全球降水观测计划(Global Precipitation Measurement, GPM)卫星由美日在种子岛共同发射。它继承并改进了老一代TRMM卫星的算法和探测技术，并搭载了由Ku和Ka波段组成的双频段降水观测雷达(Dual-frequency Precipitation Rader, DPR)和多波段微波成像仪(GPM Microwave Imager, GMI)不仅提高了卫星的空间分辨率(0.1°×0.1°)和时间分辨率(30min)，还可以获取更大空间范围(60°N～60°S)的降水资料。但是，目前国内学者对于GPM IMEG数据产品的适用性评价仍然比较缺乏，仅有的研究工作仅限于海河流域[11]、黄河流域[12]、天山地区[13]。长江流域是我国第一大流域和世界第三大流域，横跨我国三大经济快速增长区[14]，全流域地形和气候复杂、人口众多、自然灾害频发，卫星空间化降水产品的准确度对本区具有重要意义[15]。目前，虽然有关于GPM IMERG卫星降水产品在中国大陆精度评价的研究[16]，但对长江流域的研究较少，因此有必要对GPM卫星数据产品在长江流域的适用性作进一步研究。

1 数据和方法

1.1 研究区域和数据

长江流域位于东经90°33′～122°25′，北纬24°30′～35°45′之间，流域面积180万km2，约占我国总面积的19%[17]。为研究方便，本文以湖北宜昌站以上区域为长江上游地区，以江西湖口为长江中游和下游的分界线。其中上游地区面积约为100万km2，中游地区面积约为68万km2，下游地区面积约为12万km2。

本文使用的地面实测数据资料来源于国家气象信息中心中国气象数据网(http://data.cma.cn)中国地面累年值日值数据集，时间序列长度为2014年4月1日到2017年12月31日，全流域内共计224个基准、基本气象站，站点的空间分布如图1所示。所有的气象台站在观测期内的降水资料准确度经过严格的质量控制且无缺测。所用GPM数据从NASA降水测量计划测量网站(http://www.pmm.nasa.gov)下载获得，为最新的三级融合降水产品，空间分辨率为0.1°×0.1°，时间分辨率为日，时间范围为2014年4月1日到2017年12月31日。由于站点数据为点源数据，而GPM卫星数据为栅格数据，因此在研究时利用最邻近插值法(Nearest Neighbor Interpolation)，即通过气象台站经纬度选择最接近该经纬度的栅格数据。若有两个或者两个以上的格点与台站距离相同，则取这些卫星在这些格点的降水平均值作为该站点卫星反演的观测值，因此本文的研究都是在站点尺度上进行的。需要指出的是，受GPM发射时间限制，无法获取2014年4月之前的月遥感降水数据，因而本文在进行年际尺度评价时，对2014年的GPM数据进行了舍弃处理，只利用2015～2017共3 a的卫星数据进行分析评价。

图1 研究区位置及气象台站分布Fig.1 Topographic map and the distribution of meteorological stations in the Yangtze River Basin

1.2 研究方法

本文使用皮尔逊相关系数R、均方根误差RMSE、平均绝对误差MAE、相对误差RB四种评价指标分析GPM降水产品在长江流域的观测精度，其计算公式如表1所示[18-21]。其中，相关系数R值反映了实测值与卫星观测值的一致性程度；均方根误差RMSE体现了降水序列整体误差水平和波动状况；平均绝对误差MAE表示了卫星数据和站点实测数据的平均绝对偏差程度；相对误差RB衡量了卫星与实测结果之间的偏离程度和误差水平。

表1 用于评价GPM卫星降水产品精度的指标值Tab.1 Statistical metrics employed to quantify the performance of GPM

为了评价GPM在日尺度上对降水的捕捉能力，本文选取0.1，1，5，10，25,50 mm/d共6种降水阈值和探测率POD、误报率FAR、偏差率BIAS、公正先兆评分ETS四个评价指标来评判卫星对降水是否发生的识别能力以及对不同强度降水事件的捕捉能力。其中，0.1，10，25,50 mm/d分别作为“产生降水”和发生“小雨”、“中雨”、“大雨”的标准[22]；探测率POD表示了实际降水被卫星正确探测到的概率；误报率FAR表示卫星探测出现错误的概率；偏差率BIAS反映了卫星是否高估或低估降水的能力；公正先兆评分ETS反映了在考虑降水随机状态的情况下，在不同时空上卫星对实测降水综合探测的准确性。对于每一阈值，本文先根据卫星观测和实测降水序列求得表2中的各种参数值，然后再根据表1中公式计算得到相应评价指标值。

表2 GPM卫星数据与实测数据关系Tab.2 Contingency table between GPM data and observed data

2 结果分析

2.1 年际尺度数据精度分析

2.1.1逐年精度检验

图2是基于年降水数据所做的GPM观测降水和台站实测降水之间的一元线性回归分析。可以看出，GPM数据与实测降水在整个长江流域范围内有着较高的相关系数，R值为0.92，显示出卫星数据与实测结果的较好一致性。但同时应注意到，在长江流域的不同地区GPM卫星对实测降水有着不同的探测精度。在长江上游和长江下游地区，GPM卫星反演值与实测值的相关系数最低，R值为0.86；长江中游最高，R值为0.89。出现差异的原因可能是长江上游地区地形地貌十分复杂，冬季地表积雪覆盖，影响卫星对降水的探测和捕捉，同时由于本区雨量站稀少，容易使卫星观测结果出现较大偏差[22-26]。而在长江下游地区，强降水事件发生概率相对较高，GPM卫星上所搭载的双频测雨雷达DPR中Ku波段虽然加强了对强降水的探测能力，但受到GPM发射时间较近的影响，其对强降水探测性能可能还不稳定[20，27]，因而造成相关系数偏低。

图2 年尺度上GPM卫星与实测数据散点Fig.2 Scatterplots of annual precipitation of rain gauge stations and GPM product during 2015～2017

从误差值的角度来看，MAE和RMSE均在长江上游最小，下游最大，其可能原因是在长江下游降水总体强度偏大，导致降水量总体波动幅度较大，而降水量较少的上游地区正好与下游地区相反，MAE和RMSE最小。整体上，GPM卫星数据在长江流域及各子区间均表现一定的高估，其中在长江上游地区GPM卫星的高估程度最低，RB值为3.23%，而在长江下游地区GPM高估却比较明显，RB达到10.13%，这可能由于GPM对下游地区强度较大的降水探测不够准确有关。

需要指出的是，本次研究认为GPM卫星在处于我国地势第一级阶梯、整体海拔较高的长江上游地区表现为轻微的高估，这与金晓龙等[13]、李麒崙等[16]认为GPM卫星低估了高海拔地区的降水不一致。其可能原因是，本文所指的长江上游地区为长江源头至宜昌这一区域，该区域除青藏高原、横断山脉等高海拔地区之外，还包括了四川盆地等在内的低海拔地区，很可能是GPM卫星在这些不同海拔地区反演的综合作用导致其在长江上游表现为一定的高估。

此外，金秋等[28]曾利用TRMM卫星数据对其在长江流域反演的降水进行精度评价。通过与金秋等的研究对比，GPM卫星比TRMM卫星在长江流域表现出有更高的相关系数，更低的偏差率值和误差值，显示出GPM卫星有着更高的探测精度。

2.1.2年均精度检验

根据研究时间段内长江流域实测年均降水量空间分布图，见图3(a)，可以发现长江流域年均降水量呈现由东南向西北递减的特点，其中长江流域东南部年降水量一般大于1 600 mm，局地大于2 000 mm，而长江源头高海拔山区的降水量普遍少于400 mm，空间差异极大。GPM降水卫星很好地捕捉到了这个趋势特点，见图3(b)，且400，800，1 200 mm和2 000 mm 这4条等降水量线在空间分布上与实测降水较为吻合，显示出GPM对实测降水空间分布探测的准确性。但应当注意到，GPM降水卫星对四川盆地西部与横断山脉交界处的降水产生低估，而对四川盆地及长江下游东南部地区的降水量存在着明显高估。

2.2 月尺度数据精度分析

2.2.1逐月精度检验

图4显示了各研究区在研究时间段内共45个月份的降水实测值与GPM卫星观测值的一元线性回归分析结果。可以发现，在月尺度上，GPM卫星在各研究区与实测值的相关系数R值均在0.9左右，且地区差异很小，显示出较高的一致性；GPM卫星均高估了各研究区的实际降水，在长江下游地区高估最多(RB=9.49%)，上游地区高估最少(RB=3.51%)，这与年尺度上研究结论一致，但具体数值存在一定的差异。其可能原因是受GPM发射时间限制在年尺度上本文只选取了2015～2017年3个整年数据，而月尺度上的研究数据则覆盖了从2014年4月开始的所有时段。与年尺度类似，MAE和RMSE值均在下游地区表现最高，上游地区最低，但各研究区均大于年际尺度值，说明GPM卫星对月尺度上降水序列探测的误差比年尺度更大。

图3 实测年均降水量Fig.3 Spatial distribution of annual average precipitation of rain gauge stations

2.2.2月均精度检验

长江流域大部分地区处于我国季风区，降水量在不同月份的差异十分显著，因此有必要对GPM卫星降水产品在长江流域的适用性评价进行逐月研究。本文以3～5月为春季月份，6～8月为夏季月份，9～11月为冬季月份，12月至翌年2月为冬季月份，并通过计算流域内224个气象台站的月均降水值和各种评价指标，得出如图5所示的条形图和折线图。可以发现，长江流域的降水呈现夏季较多，冬季较少的特点，主要降雨月份为每年的6～9月。GPM测雨卫星很好地捕捉到了这个特点，但在不同月份与实测降水的偏差并不相同。总体上看，GPM对长江流域冬季降水表现出低估，但地区差异十分显著。在长江上游地区2014年12月和2016年12月，GPM对实测降水出现明显的低估，RB值为-50%左右；而在长江下游地区，GPM对冬季降水的低估则不明显。其可能原因是，长江上游地区的冬季较为寒冷，多冰雪覆盖的地面容易使卫星发射的探测信号发生较强的分散效果，而基于微波算法的GPM卫星对这种分散信号的捕捉能力较弱，因而导致了较大的误差值[29-31]。与长江上游地区相比，长江中下游地区冬季比较温和，地面少有冰雪覆盖，因此GPM在冬季的RB值要优于上游地区。就相关系数(图5(e)～(h))而言，GPM在冬季和夏季月份与实测值的R值较低，其原因可能是冬季降水多以雪或霰等固态形式出现，容易造成地面的冰雪覆盖，而夏季降水多以短时强降水的形式发生，二者均容易给卫星的精确探测造成困难。就不同地区而言，长江下游在夏季和初秋时节强降水更为普遍，因而表现出比中上游地区更低的相关系数(如2015年8月)；而长江上游地区冬季地表多积雪覆盖，夏季则处于西南季风的迎风坡多地形雨，因此影响卫星的准确观测，从而导致较低的相关系数。

图4 月尺度上GPM卫星与实测数据散点Fig.4 Scatterplots of monthly precipitation of rain gauge stations and GPM product during 2014.4～2017.12

RMSE值在各研究区都表现为相近的变化趋势，在夏季月份较高，冬季月份较低，见图5(e)～(h)，这与实测降水序列的变化十分接近。原因是夏季的实际降水量较冬季更大，使得降水序列中容易产生较多的离群值，从而导致GPM卫星的观测出现较高的误差；同时，由于长江下游地区降水强度和个体序列波动值更大，因此该区域夏季RMSE值要明显高于长江上游和中游[16]。

2.3 日尺度数据精度分析

2.3.1逐日精度检验

以各研究区气象台站研究时间段内共计1 371 d的逐日降水数据为自变量，以对应站点GPM卫星观测的日降水数据为因变量进行一元线性回归分析，其结果如图 6 所示。经检验，在长江流域内日尺度上GPM卫星与实测降水量的相关系数明显低于年月尺度，R值为0.44，其中长江中下游的相关系数相同(R=0.45)且高于长江上游(R=0.35)，说明在日尺度上GPM对长江上游降水的探测依然与实测值一致性很差，其原因可能与上游复杂的地形地貌条件有关。GPM卫星在各研究区的RB值和月尺度上十分接近，但小于年尺度，说明GPM在日尺度上仍然高估了长江流域的降水。和年月尺度类似，MAE和RMSE值同样在下游地区最大，上游地区最小，但在各区间值明显大于年月尺度，说明GPM卫星对日尺度上降水捕捉存在的误差比年、月尺度更大。

2.3.2捕捉能力检验

图7显示了在不同降水量级下，基于站点数据和GPM卫星数据计算得到的各项统计指标的值。可以看出，各研究区的评价指标均表现出一致的变化趋势，但具体值并不相同。随着降水阈值的增加，各区间POD逐渐减小，FAR不断增加，说明GPM卫星对弱降水探测能力较强而对强降水探测能力较弱；特别地，对于0.1 mm/d降水事件的估计GPM在各研究区都表现为最高的探测率，说明GPM对降水事件发生与否的识别有着很高的估计精度。这可能与GPM卫星上搭载的双频测雨雷达DPR和微波成像仪GMI加强了对弱降水以及固态降水的探测有关[32-33]。值得注意的是，在长江下游地区不同降水阈值下GPM卫星的POD和FAR值均优于其他研究区，说明GPM在长江下游地区的探测更为准确；而在上游地区两种统计指标的表现则逊于其他区域，说明GPM在长江上游地区对降水的估计存在较大误差。其原因可能是，长江上游地区复杂的地形地貌及云层与冰雪相混合的复杂气象条件干扰了卫星对降水的准确估计，而在地势平坦、海拔较低、气候温和的下游地区便于卫星对降水的探测。

图5 各研究区GPM卫星降水指标的逐月统计结果Fig.5 Results of different accuracy estimators for GPM satellite product in different months

图6 日尺度上GPM卫星与实测数据散点Fig.6 Scatterplots of daily precipitation of rain gauge stations and GPM product during 2014.4.1～2017.12.31

从BIAS指数来看，GPM卫星对长江流域对发生5 mm/d的降水事件的判断最为准确，各子区间其值均接近于1，但此后随着降水量级的增加，BIAS值总体上呈现上升的趋势，且对发生25 mm/d以上的大雨事件偏差值最高，表明GPM普遍高估了强降水事件的发生，见图7(c)。同时还可以发现，GPM在各研究区均高估了不同强度降水事件的发生，且在长江下游地区高估更为显著，在长江上游地区高估最不明显，这与本文之前的研究结论一致。

就ETS指标而言，在“小雨”时(<10 mm/d)时评分较高，而在“中到大雨”时(>25 mm/d)时评分较低，见图7(d)，说明GPM卫星对中强降水事件的把握还不够精确。另外，ETS指数在长江上游不同降水阈值下均要小于其他研究区，原因可能是在气候寒冷、地形复杂的上游地区GPM对降水的探测还存在困难。

综合4种评价指标，在日尺度上，GPM卫星通过对弱降水拥有较高的探测率和较低的误报率而表现出对小雨雪较强的捕捉能力，其中在长江下游对降水捕捉能力最强，但同时也出现了一定的高估。

2.4 时间尺度对GPM精度影响原因分析

卫星对降水探测的精度受时间尺度影响极大。目前国内外已有许多学者认为不同时间尺度上卫星的探测结果存在着较大差异[8，9，31，34]。本文比较了GPM卫星在各研究区不同时间尺度上的探测精度，其结果如表3所示。可以发现GPM卫星在各研究区年月尺度上的相关系数较高，R值均在0.9左右，表现出与实测值很好的一致性，但在日尺度上各研究区相关度普遍较低，R值均小于0.5。同时，MAE和RMSE在各研究区均呈现日尺度>月尺度>年尺度的特点，其中日尺度要远大于月尺度。其可能原因是，各研究区日尺度上的降水序列值要远远小于年月尺度，GPM卫星对日降水观测的微小偏差就会导致降水序列中出现较大的偏离值，而年月尺度上降水强度相对较高，即使GPM卫星出现较小的观测误差，其偏离值也不会十分巨大；同时由于年月降水数据是通过日数据累加获得，GPM对日尺度上观测的正负误差在累加时可能相互抵消，因而导致年月尺度上的降水序列相对整齐，从而出现较高的相关系数和较低的误差值。各研究区相对偏差RB的值在日、月尺度上十分接近，但略小于年尺度，这可能与所选取的时间序列长度不一致有关。