党皓飞 毛 颖 张春桂 吴作航

(1.福建省气象科学研究所，福建 福州 350008;2.福建省灾害天气重点实验室，福建 福州 350008;3.福建省气象灾害防御技术中心，福建 福州 350008)

1 概述

暖区暴雨是指发生在地面锋面南侧暖区或华南地区无冷空气影响时产生的暴雨[1-2]。暖区暴雨对流活动显著，短时雨强大、突发性强，易引发灾害，给群众生命财产安全与经济建设带来极大威胁[3-4]。由于暖区暴雨机理复杂且具有上述几类特点，导致对暖区暴雨的预报与研究成为气象工作中的一个重点及难点[5]。吴亚丽[6]基于再分析资料、雷达、地面降水资料进行了华南前汛期暖区暴雨的发展过程分析；肖红茹等[7]将四川盆地暖区暴雨分为四类，并选取了典型个例，利用地面降水数据分析了暴雨成因与中尺度特征。在对暖区暴雨的研究中，及时了解其降水量的空间分布情况尤为重要[8]。传统的地基雷达与地面雨量观测站虽然是目前运用最普遍的观测方法，但雷达的降水反演精度相对较低、观测站分布不均、地形地势影响等一些问题依旧存在[9]。

随着遥感技术的发展，使得大范围暖区暴雨降水观测成为了可能[10]。气象卫星不受自然条件与地理条件限制，可实现高时空分辨率、大范围的暖区暴雨监测，与地面观测数据实现互补[11]。目前常见的卫星遥感反演降水的方法主要有可见光与红外[12]、微波[13]、多传感器组合[14]等。夏双等[15]使用FY-2C红外波段与人工神经网络方法进行了藏北高原典型区降水模拟，效果较优；李万彪等[16]利用阜阳天气雷达雨量资料与微波成像资料，对TRMM/TMI的微波通道及其组合进行了动态聚类，构建了降水反演算法，并与日本NASDA降水产品进行了对比，证明了其反演方法的可靠性；张春桂等[17]结合风云二号、风云三号卫星数据、天气雷达与降水数据，运用逐步线性回归方法进行了云团降水的模拟与预报。国内外也通过卫星数据制作了多种降水反演产品，如国外的TRMM、GPM、CMOPRH以及我国的FY卫星系列降水反演产品[18]。随着风云三号C星与风云三号D星(FY-3C/D)的升空并实现组网运行，大气探测精度大大提高，也为暖区暴雨监测提供了切实可靠的数据产品。

从目前相关研究文献看，利用卫星微波观测资料开展暖区降水监测的研究少有报道。本研究将利用我国自主发射的风云卫星微波观测资料，针对福建暖区暴雨的遥感监测开展探索研究，以期得到相关初步结论，同时由于卫星数据、降水反演过程与地理位置不同，不可避免与实际情况产生误差[19]，故需要对FY-3C/D降水反演产品进行星地校验评估，探寻FY-3C/D降水反演产品在福建暖区降水监测中的实际应用效果。一些模式的模拟研究指出，不同模式对云宏、微观物理特性的描述差异会直接导致模拟结果存在很大差异，从而使得云成为影响气候变化预测准确性的重要因子。现有大量研究根据云的宏、微观物理特性对云进行了分类。中国云图分类标准和国际卫星云气候计划(ISCCP)将云划分为卷云、高层云、高积云等类型。研究结果表明，不同类型的云受其宏观和微观物理特性差异的影响，在辐射效应和降水类型等方面存在明显差异。因此，研究不同云类型对于准确理解地气系统辐射能量收支、降雨的分布，以及全球气候变暖等问题都具有重要意义。

2 数据和研究方法

2.1 研究区域概况

福建省地处中国东南沿海，全省面积约12.4万km2，包含9个设区市与1个综合实验区。省内地势从西北向东南降低，丘陵延绵，山地耸峙，有着“八山一水一分田”之称。福建省东面沿海，海岸线绵长，为亚热带季风气候，光照充足、雨量充沛，气候湿润，且处在热带东风带与中纬度西风带交替影响的过渡地带，因此是中国暴雨高频区之一。不仅如此，近些年通过观测发现，暖区暴雨是福建省暴雨的重要组成部分，而暖区暴雨降水强度大、集中，无疑会造成滑坡、山洪、泥石流等重大灾害，给人民的生命安全和财产安全产生巨大威胁。

2.2 实测样本采集与预处理

实测样本基于全国综合气象信息共享平台(CIMISS)，并通过气象数据统一服务接口(MUSIC)获取。实测数据包括：2016—2019年间，福建省18场暖区暴雨过程中各测站点的名称、站号、经纬度、具体观测时间，以及每小时观测1次的过去1小时的累计雨量等。实测样本使用前，将缺测以及不在合理范围内的降水数据予以剔除。

2.3 卫星数据采集与预处理

风云三号(FY-3)气象卫星是我国第二代极轨气象卫星，相较于风云一号气象卫星，其功能与技术上皆有很大的提升。FY-3气象卫星不仅大幅提高了全球资料的获取能力，同时也提升了地表和云区特征的遥感能力等。本研究采集的卫星数据包括风云三号C星(FY-3C)大气垂直探测系统(VASS)中大气温湿廓线(AVP)产品(分辨率星下点约17 km)、风云三号D星(FY-3D)MWTS/MWHS融合(TSHS)中的大气温湿廓线(AVP)产品(分辨率星下点约33 km)。具体提取的产品参数为：经纬度以及微波湿度计中的亮温资料。相关数据可从国家卫星气象中心下载(http://satellite.nsmc.org.cn/PortalSite/Data/Satellite.aspx)。注意到，微波湿度计中的亮温资料共有15个通道，其中心频率分别为89.0GHz、118.75±0.08GHz、118.75±0.2GHz、118.75±0.3GHz、118.75±0.8GHz、118.75±1.1GHz、118.75±2.5GHz、118.75±3.0GHz、118.75±5.0GHz、150.0GHz、183.31±1GHz、183.31±1.8GHz、183.31±3GHz、183.31±4.5GHz与183.31±7GHz，除89.0GHz与150.0GHz为V极化外，其余的波段皆为H极化。基于微波湿度计多通道亮温信息遥感反演，可在一定程度上提高暴雨、台风等灾害性强对流天气的监测和预警能力。本研究中，卫星数据应用前，将经纬度异常以及亮温不在合理范围内的数据剔除。

2.4 卫星数据与实测样本的匹配

由于在数据的时空采样方面，地面实测降水资料与卫星遥感影像间存在一定差异，且为了探索FY-3C/D卫星对暖区暴雨提前1小时的预报预测可行性，本研究在对FY-3C VASS与FY-3D TSHS亮温数据与实测降水样本间开展的星地匹配过程中进行了时空上的约束。具体做法为：卫星影像的获取时间比降水实测数据提早1个小时(如：过去1小时累计降水实测数据记录的时间为2016年4月11日15时，则卫星观测的时间需为2016年4月11日14时)。为避免星地匹配数据点存在较大的地理位置差异，因此卫星数据与地面实测降水站点的经纬度差的平方和需满足≤0.002的条件。基于以上方法，最终共获取1851组星地匹配数据。

2.5 降水反演算法

本研究采用多元线性回归方法进行FY-3C/D的降水遥感反演。多元线性回归是用线性拟合的方法把多个自变量x1，x2，...，xi和因变量y之间存在的线性关系表达出来，这种线性关系可表示为：

y=b0+b1x1+b2x2+...+bixi

(1)

式(1)中，b0为截距，b1、b2、...bi为回归系数。本研究中，多元线性回归算法反演暖区暴雨降水时，自变量设定为15个，分别对应着FY-3C VASS与FY-3D TSHS中微波湿度计15个通道的亮温数据减去一个基数(本研究设为160)以后的数值，因变量则为实测降水数据。最后通过公式(1)拟合亮温数据与实测降水数据间的关系，从而确定公式(1)中的回归系数，用作之后的暖区暴雨降水值反演。在反演算法建立之前，本研究从1851组星地匹配数据抽取70%的数据(1296组)进行FY-3C/D遥感卫星建模，剩余30%的数据(555组)开展所建立模型的精度验证，以确保建模与验证数据集中降水资料的数值范围是均匀分布的。

2.6 模型精度评价

本研究采用的模型精度评价指标包括相关系数R，均方根误差RMSE，以及平均相对误差的绝对值MAPE。具体计算公式如下：

(2)

(3)

其中，N为样本数，i为第i个样本，x与y分别代表降雨实测值与模型反演值。

3 结果与分析

3.1 基于FY-3C/D遥感卫星资料的暖区降水模型

通过多次试验发现，将建模的降水数据按照一定的数值范围进行分组，并分别对不同组别的数据进行多元线性回归拟合，即依据降水数值的大小进行分段建模时，可以得到较好的卫星反演结果。本研究中，建模降水数据从小到大分成3组，分别是0mm<降雨量≤10mm，10mm<降雨量≤25mm以及降雨量>25mm，得到的分段模型为：当0mm<降雨量≤10mm时，多元线性回归拟合结果如公式(4)所示；当10mm<降雨量≤25mm时，多元线性回归拟合结果如公式(5)所示；当降雨量>25mm时，多元线性回归拟合结果如公式(6)所示。

y=2.9463+0.0527x1+0.083x2+0.1589x3-0.2332x4+0.1161x5-0.0123x6-0.1939x7+0.1601x8-0.1568x9-0.0636x10+0.0939x11-0.0208x12-0.0925x13-0.0212x14+0.2047x15

(4)

y=32.818-0.1451x1-0.5968x2+0.4669x3-0.0069x4-1.5924x5+1.8999x6-0.9451x7-1.0072x8+1.4428x9+0.024x10+1.4318x11-2.13x12+1.4182x13-0.5374x14+0.0029x15

(5)

y=2.0279x1-1.0359x2+2.2855x3+0.6423x5-3.3112x9-0.6189x10+0.9371x11-4.6602x14+5.3032x15

(6)

为定量计算所建立卫星模型的反演精度，本研究基于2.6节计算出相应的模型精度评价指标，如表1所示。为了更加直观地表示模型反演质量，给出了如图1所示的基于建模数据的算法反演结果与实测降水数据对比散点图。从表1可知，降雨量>25mm这一量级内，星地匹配的数据量最少，但反演精度最好；10mm<降水量≤25mm这一量级内，星地匹配数据量与反演精度次之；而0mm<降水量≤10mm这一量级内，星地匹配数据量最多，反演精度却最差，MAPE值甚至高达330.06%。这说明在FY-3C/D卫星建模中，其对于较小量级降水的反演结果较差，而对于较大量级降水的反演结果较好。从图1也可看出，0mm<降水量≤10mm的反演结果与实测数据对比散点图中出现了明显的离散现象，而降雨量>25mm的反演结果与实测数据散点则较好地分布在1∶1线附近，这进一步表明在建模数据中，FY-3C/D对于较大量级的降水遥感反演要优于较小量级的降水遥感反演。

表1 基于建模数据的多元线性回归拟合降水精度

(a)实测降水量级为：0mm<降雨量≤10mm (b)实测降水量级为：10mm<降雨量≤25mm

3.2 暖区降水模型的精度验证

将除去建模外的剩余数据(555组)对反演算法进行验证。表2为基于误差验证数据的多元线性回归拟合降水精度结果，可见验证数据的反演精度结果较差于建模数据的反演结果，但也出现了较大量级降水星地匹配组数小于较小量级降水，而较大量级降水反演精度质量要优于较小量级降水的情况。图2 为基于验证数据的算法反演结果与实测降水数据对比散点图，可见0mm<降水量≤10mm量级的反演结果出现的离散现象比10mm<降水量≤25mm量级反演结果的离散情况明显，而降雨量>25mm量级出现了一定的低估。

表2 基于误差验证数据的多元线性回归拟合降水精度

(a)实测降水量级为：0mm<降雨量≤10mm (b)实测降水量级为：10mm<降雨量≤25mm

4 结论与展望

在本次模型的建立与精度验证中，FY-3C/D卫星对于较小量级降水(0mm<降水量≤10mm)的反演结果较差，离散现象明显。对于较大量级降水(降雨量>25mm)，尽管在验证结果中出现了一定的低估现象，但总体反演结果较好。因此，基于FY-3C/D微波观测资料的福建暖区降水遥感监测模型对于较大量级的降水反演具有一定的指示意义。由于本文中采用的是多元线性回归模型，因此模型的精度可能随着时间与地域的变化发生较大改变。在未来研究中建议收集更多数据，并尝试以物理模型等方法解决这一问题。