TRMM衛星降水產品在尼洋河流域的適用性定量分析

孟慶博， 劉艷麗， 劉 冀， 陳 敏， 鞠 琴， 王國慶， 金君良， 劉翠善

(1.南京水利科學研究院 水文水資源與水利工程科學國家重點實驗室， 江蘇 南京 210029； 2.水利部應對氣候變化研究中心，江蘇 南京 210029； 3.河海大學 水文水資源學院，江蘇 南京 210098；4.三峽大學 水利與環境學院， 湖北 宜昌 443000)

1 研究背景

降水是水文模擬和水循環的關鍵過程之一[1]，在全球能量和水循環中起重要作用[2]。獲取準確降水相關信息對研究不同時間與空間尺度下的水文循環有著至關重要的意義，且精確掌握降水的時空分布對于水文、氣象及生態等領域都具有重要的理論和實際意義。

目前，我國大部分地區主要利用雨量計、地面雷達等獲取降水數據[3]。盡管降水觀測站點提供的降水數據非常精確，但是無法對區域內降水的實際情況進行全方位描述[4]。對于缺資料地區的降水資料，數據往往代表性不足，無法真實反映降水的時空分布規律，這對水文預報及水資源開發利用產生極大的影響[5-6]。近年來，遙感及衛星技術不斷地發展，衛星遙感降水產品的應用更加廣泛，它具有覆蓋范圍廣、時空連續性高等特點[7]，可以彌補地面雨量計和地基雷達的不足，已成為降水觀測的重要手段，是無資料或缺資料地區降水數據的重要補充[8-9]。

全球主要的降水數據產品有來自TRMM(Tropical Rainfall Measuring Mission)的3B42和3B42 RT(TRMM 3B42 Real Time)產品、Cmorph(Climate Predication Centre Morphing Technique)的降水反演產品、PERSIANN(Precipitation Estimatation from Remote Sensing Information using Artificial Neural Network)及GsMaP MVK+(GsMaP Moving Vector with Kalman Filter plus AMSU-B)降水產品等[10-12]。

國內外學者的相關研究表明TRMM降水產品與站點觀測數據存在很好的一致性，精度較高。Semire等[13]利用TRMM 3B42-V6數據對熱帶馬來西亞降水估值的精度進行評定，結果顯示其與實測降水之間存在良好的一致性(R>0.78)，表明在熱帶海岸地區TRMM 3B42數據具有較高的精度和適用性。Franchito等[14]利用ANEEL(Age^ncia Nacional de Energia Ele′trica)雨量站1997-2000年的降水數據對TRMM降水雷達(TRMM PR)數據的精度進行了驗證，結果表明研究區內大多地區TRMM PR數據雖然具有較高的精度，但也發現存在系統誤差，且對季節和地形的變化較為敏感。呂洋等[15]分別在月、日尺度上驗證了TRMM衛星降水數據在雅魯藏布江的精度，發現在月尺度上，TRMM衛星降水數據與臺站數據的一致性較好(R≥0.90),但日尺度數據精度較低(R=0.47)。

衛星遙感降水是一種使用間接手段測量的降水，其本身的精度具有不確定性，因此進行數據的精度評價是該數據能否適用的前提條件，目前對于衛星遙感降水產品主要的精度檢驗方法有：(1)在不同的時間尺度(月尺度、日尺度、季節等)下對單一站點的降雨量進行相關系數、相對誤差等各種指標的分析研究[16-17]；(2)對研究區域不同降水量級(小雨、中雨、大雨、暴雨等)的頻數進行分析研究[18]；(3)在流域尺度上，將研究區內衛星遙感網格降水與單一站點降雨類似的精度分析并對研究區進行空間精度評定。

位于我國高寒山區的尼洋河流域屬于典型的資料短缺地區，流域內只有1個雨量觀測站，流域附近有4個雨量觀測站點，站點降水觀測資料匱乏，TRMM降水數據在眾多衛星降水產品中具有較高的精度，研究其在尼洋河流域的適用性具有重要意義。本研究基于5個雨量觀測站點和中國地面降水日值0.5°×0.5°格點數據集(V2.0)的降水數據在月、日尺度上對尼洋河TRMM降水數據進行精度評定，并探討尼洋河流域降水時空分布特征。

2 研究區概況

尼洋河發源于念青唐古拉山南麓工布江達縣西部的錯木果拉冰川湖，位于西藏東南林芝地區雅魯藏布江中下游左岸，北緯29°28'～30°38′，東經92°10′～94°35′之間。東部是色季拉山和南迦巴瓦峰，西部鄰近米拉山，南部以雅魯藏布江河谷南側分水嶺為界限，北部以尼洋河北側分水嶺為邊界，流域面積約17 900 km2，尼洋河流域的位置圖如圖1所示。尼洋河流域的氣候較溫潤，年均氣溫在7℃左右，年降水量一般在500～900 mm。尼洋河流域的主汛期為6～9月，且徑流量年內分布不均勻，其汛期徑流量可達年徑流量的90%左右，多年期間的豐水期和枯水期為3～5月。尼洋河流域是一個典型的缺資料地區，流域內的雨量觀測站只有一個林芝站，由于站點降水觀測資料較為匱乏，對尼洋河流域的氣候及水文等研究都產生了極大的影響。

圖1 尼洋河流域位置圖

3 數據與精度檢驗方法

3.1 數據及處理方法

本研究采用來自NASA的熱帶降雨測量計劃衛星(Tropical Rainfall Measuring Mission，TRMM)的遙感降水數據，包括TRMM 3B43的月降水數據和TRMM 3B42的日降水數據，空間覆蓋范圍均為50°N～50°S、180°W～180°E，空間分辨率均為0.25°×0.25°。TRMM 3B42日數據是根據紅外亮溫資料采用3B42算法，得到的準全球降水量估計數據。TRMM 3B43降水數據產品是由TRMM 3B42降水數據產品與全球降水氣候中心(GPCC)的全球降水資料等數據來源共同合成的全球網格月降水數據。

采用的基準數據包括5個氣象站點(嘉黎站、墨竹貢卡站、林芝站、加查站、米林站)2001-2016年的月降水數據和來自中國氣象數據網的中國地面降水日值0.5°×0.5°格點數據集(V2.0)2001-2013年的日降水數據。為了在流域尺度上對TRMM降水數據進行精度評定，不僅需要將臺站降水數據和TRMM降水數據的分辨率進行統一，還需要獲取流域的面平均雨量數據。通過反距離權重法將5個雨量站的逐月降水資料插值轉化為空間分辨率為0.25°×0.25°的網格數據，使臺站插值網格與TRMM降水網格相對應。同樣，利用反距離權重法將空間分辨率為0.5°×0.5°的網格日降水數據插值為與TRMM網格單元相對應(空間分辨率為0.25°×0.25°)的網格日降水數據。反距離權重法插值計算及面平均雨量計算的相關公式如下所示：

(1)

(2)

式中：pi為待求的第i個網格降雨量；pj為第j個測站或者降水日值數據集第j個網格的實測降雨量；dji為第i個網格中心至第j個測站或者降水日值數據集第j個網格的距離；m為測站個數或者降水日值數據集的網格個數；n為流域內的網格個數。

3.2 精度檢驗方法

3.2.1 時間尺度 本研究分別在月尺度和日尺度上對尼洋河流域整體和單一站點的降水數據進行精度評價。

在流域整體上，本文從總體數據和流域面平均雨量這兩個角度進行精度檢驗。根據插值得到的0.25°×0.25°網格逐月及逐日降水數據，統計分析月、日尺度TRMM降水數據與實測降水量之間的相關系數R和相對誤差BIAS。

在單一站點上，本研究分別在月、日尺度上利用氣象觀測站點坐標提取對應TRMM網格的降水數據，在站點尺度上檢驗TRMM降水數據的精度。相關系數R和相對誤差BIAS這兩個精度評價指標的計算公式如下：

(3)

(4)

式中：n為數據的總數量；xi為TRMM數據的降水量；yi為地面氣象觀測站點的實測降水量。R反映TRMM降水數據與實測降水數據的相關程度，數值與1越接近則說明時序變化的一致性越好。BIAS反映TRMM降水數據與實測降水數據的偏離程度，BIAS愈小，兩者差異愈小，數據精度愈高。

3.2.2 空間尺度 為了判斷TRMM降水數據在尼洋河流域中不同區域的適用性，分析TRMM降水數據精度在流域的空間分布至關重要。為了滿足空間分析需求，本研究根據尼洋河流域內TRMM數據的網格，分別在月、日尺度上利用空間插值法將流域內網格的精度評定結果(相關系數R、相對誤差BIAS)插值到整個流域面上。本研究基于Arcgis軟件平臺采用克里金(Kriging)空間插值法。

克里金(Kriging)插值方法，又稱空間自協方差最佳插值法，是一種網格化統計方法。其實質是利用區域內樣本數據的特征，對未知數據點進行無偏、最優估計。計算公式可表示為：

(5)

式中：Z(si)為第i個數據點的值；λi為第i個數據點的權重；s0為所求的數據點；N為數據總數。

4 結果與討論

4.1 流域整體精度評定

4.1.1 流域總體數據精度評價 網格實測月降水量和日降水量與TRMM網格降水數據的線性回歸分析結果如圖2所示。由圖2可知，TRMM衛星月、日尺度的降水數據與網格化實測月、日尺度降水量的R分別為0.903和0.293，線性方程的斜率K分別為1.35和0.47，顯示了月尺度的TRMM降水數據與站點插值網格降水量在整體上有很好的一致性，但在日尺度上TRMM降水數據與網格降水量之間一致性較差，精度較差，且在月、日尺度上TRMM降水數據分別存在偏大和偏小的情況。TRMM日降水數據精度較差可能與該降水日值數據集本身的精度有關，還與對數據集進行反距離權重法插值有關，根據尼洋河流域地理位置的特殊性和地形的復雜性，地形和氣候這兩種要素也可能影響到TRMM日降水數據的精度。

4.1.2 流域面雨量精度評價 根據網格實測逐月降水量和日尺度網格降水量，統一按照式(2)計算流域面平均雨量作為基準數據，同理計算出TRMM月、日尺度降水的流域面平均雨量。分別以求出的月、日尺度的面平均雨量為自變量，對應時間尺度的TRMM面平均雨量為因變量做線性回歸分析，分析結果如圖3所示。由圖3可知，TRMM衛星月、日尺度的流域面雨量與統一網格單位求出的月、日尺度實測流域面雨量的R分別為0.955和0.392，線性方程的斜率K分別為1.366和0.499，表明月尺度的TRMM流域面雨量與站點插值計算得到的流域面雨量之間一致性良好，可以簡單認為TRMM的月降水數據能夠反映尼洋河流域的水資源或者水文特征，但在日尺度上TRMM流域面雨量與降水日值數據集插值計算得到的流域面雨量之間存在較差的一致性，可認為TRMM的日降水數據不太適用于尼洋河流域日及以下時間尺度降雨的水文預報。與總體數據的精度分析結果類似，月、日尺度的TRMM流域面雨量數據分別存在偏大和偏小的情況。日尺度上數據精度相對不高除了與降水日值數據集本身的精度和反距離權重插值的特性有關外，最重要的是與TRMM日降水數據本身的遙感獲取方法及校正方式有關。

4.1.3 空間精度評價 基于Arcgis軟件平臺空間分析工具(Spatial Analyst Tools)的Kriging功能對流域內TRMM網格點的月、日尺度相關系數值和相對誤差值進行空間插值，插值后的結果分別如圖4和5所示。由圖4和5可以看出：(1)在尼洋河流域整體上，月尺度TRMM降水數據與實測降水網格數據的相關系數R≥0.85，西北部和南部的R最大，且由西向東逐漸減小，表明尼洋河流域西北部和南部的TRMM月降水數據與流域月降水數據的一致性最好，精度最高，并且由西向東一致性逐漸減小；(2)日尺度TRMM降水數據與降水日值數據集的網格數據的相關系數R<0.5，東部的相關系數最大，且由西向東逐漸增大，表明尼洋河流域東部的TRMM日降水數據與流域日降水數據的一致性相對于尼洋河流域其他區域較好，并且由西向東一致性逐漸緩慢提升。(3)整體來看，TRMM月降水數據關于站點實測月降水網格數據的BIAS較高，都在10%以上，東南部和中部的BIAS最大，且由西北向東南逐漸增大，說明TRMM月降水數據相對于流域月降水數據存在較大的偏差，并且數值差異由西北向東南逐漸增大。

4.2 單一站點數據精度評定

尼洋河流域屬于氣象資料缺測流域，僅僅對流域內的站點進行精度評定還不能代表整個尼洋河流域的精度檢驗情況，因此需額外引入距離尼洋河流域較近且分布相對于流域較均勻的氣象站點進行精度檢驗，最終本文選取了流域內的林芝站和附近的4個氣象站點(見圖1)作精度評定。對氣象觀測站點的實測月降雨數據和降水日值數據集的站點日降水網格數據與站點所在TRMM網格的月、日降雨數據進行線性回歸分析及誤差分析，得到尼洋河流域TRMM降水數據與各個站點網格降水數據的散點圖、相關系數及相對誤差統計表(見表1～2)。

圖2 尼洋河多年月、日尺度TRMM降水量與網格插值降水量散點圖

圖3 尼洋河多年月、日尺度TRMM面平均雨量與網格插值面平均雨量散點圖

圖4 尼洋河流域Kriging空間插值月、日尺度相關系數空間分布圖

圖5 尼洋河流域Kriging空間插值月相對誤差空間分布圖

表1 2001-2016年月尺度TRMM降水量相關系數及相對誤差統計表

表2 2001-2013年日尺度TRMM降水量相關系數統計表

由表1可知，5個臺站的實測月降水數據與TRMM月降水數據的相關系數R>0.9，說明兩者具有很好的一致性，TRMM月降水數據與各個站點實測的月降水數據之間具有比較顯著的線性關系(見圖6)；由表2可知，日尺度降水網格數據與TRMM降水網格數據之間的相關系數R<0.5，表明TRMM日降水數據與日降水網格數據之間一致性較差，且TRMM日降水網格數據與各個實測站點的日降水網格數據之間的線性關系不顯著(見圖7)；日尺度的線性方程斜率K大部分小于1，只有米林站的散點圖趨勢線的斜率在1以上，說明在數值上TRMM日降水數據在單一站點水平上較實測站點日降水網格數據偏小，表明TRMM的日降水數據存在低估的情況，而TRMM的月降水數據存在高估的情況，兩種尺度的TRMM降水數據的檢驗結果正好相反。

關于TRMM日尺度與月尺度的降水數據精度檢驗結果相差大的原因可能為：(1)降水實測數據并不是來自于實測站點的觀測數據，而是通過對多個氣象觀測站的降水數據進行空間插值得到的格點數據，其數據本身精度的不確定性與所使用的插值方法都會對精度產生影響。(2)TRMM降水網格單元的水平分辨率為0.25°×0.25°，該降水日值數據集的水平分辨率本身就較TRMM網格單元的分辨率低，對兩種不同分辨率的降水數據同時進行評價分析的時候會產生誤差。(3)TRMM 3B43的月尺度降水數據是通過TRMM 3B42日尺度降水數據、NOAA氣候預測中心氣候異常監測系統(CAMS)的全球格點雨量測量器資料和全球降水氣候中心(GPCC)的全球降水資料合成得到的，是間接對日尺度降水數據進行校正的降水數據，因此其數據精度比日尺度的TRMM數據精度要高。

5個臺站的TRMM月降水數據關于站點實測月降水數據的BIAS均為正值，說明在這5個氣象站點上，TRMM月降水數據對于實測站點月降水數據具有一定程度的高估；降水數據的BIAS均在15%以上，表明TRMM月降水數據跟站點實測降水量在數值上差異較大；在這5個氣象站點中，林芝、加查、米林這3個實測站點整體的BIAS分別為54.91%、43.55%和56.00%，說明這3個臺站的TRMM月降水數據有較明顯的偏差。但是嘉黎站和墨竹貢卡站整體的BIAS僅有17.89%和20.01%，說明這兩個臺站的TRMM月降水數據精度較好，同時也說明各個臺站整體月降水數據的BIAS的差異較為明顯。

圖6 2001-2016年TRMM月降水與氣象站點月降水量散點圖

圖7 2001-2013年TRMM日降水與氣象站點日降水量散點圖

4.3 基于TRMM數據的尼洋河降水時空分布特征分析

由于現有測站不足以分析尼洋河流域的時空分布，考慮到月尺度TRMM網格降水數據精度相對高，因而應用TRMM網格月降水數據分析尼洋河降水的時空分布特征，但是得出的結論并不是絕對的，只是基于TRMM衛星降水數據得到的相對結論。

4.3.1 尼洋河流域降水的空間分布特性 對2001-2016年尼洋河流域TRMM網格月降水數據進行處理得到尼洋河流域網格化多年平均降水量，采取克里金(Kriging)空間插值方法，將網格降雨插值到整個尼洋河流域面上，并生成對應多年平均降水量的等值線圖，多年平均的相對降水量及雨量等值線如圖8所示。由圖8可知，年降雨量整體呈現由西北向東部逐漸遞增的趨勢，不同區域降水量差異較大。流域內年均降雨量最高的位于東部，雨量高達1 300 mm，而流域內年均降水量最低的位于西北部邊界，雨量值約740 mm。流域內降雨量最大的區域位于尼洋河流域東部的干流出口附近，由于該區域位于印度洋暖濕氣流上升的入口位置，受地形抬升的影響，該區域附近計算得到的相對年均降水量較高。

圖8 基于TRMM月尺度數據的尼洋河流域的年均降水量分布圖

4.3.2 尼洋河流域降水的時間分布特性 為了直觀地反映降水的時間分布特征，本文根據月尺度TRMM降水數據得到的2001-2016年的年降雨量變化過程圖與多年平均月降雨量年內分布圖如圖9和圖10所示。

由圖9可知，年降雨量存在逐年減少的趨勢，但趨勢并不明顯，年降雨量大致處在800～1 200 mm之間，且只有2003、2004和2008年3年的年降雨量值達到了1 100 mm。在降雨量的年內分配上(見圖10)，12月份的降水最少，6、7月份的降水量最大，可達200 mm。降水在各月的分布不均勻，大部分降水集中在每年5-9月，而11-次年2月，尼洋河流域的降水很少。

圖9 尼洋河流域年降雨量變化過程圖

圖10 尼洋河流域多年平均月降雨量年內分布圖

5 結 論

基于尼洋河流域內及流域外共五個氣象觀測站點2001-2016年的實測月降水數據和中國地面降水日值格點數據集2001-2013年的日降水數據，分別在月尺度和日尺度上對TRMM網格降水數據進行精度評價，并利用TRMM月降水數據對尼洋河降水的時空分布特征進行了統計分析，得出以下主要結論：

(1)整體來看，尼洋河流域TRMM月尺度降水數據與通過站點插值的網格月降水數據擁有良好的一致性，TRMM降水量在數據整體上比站點實測降水量略微偏大?？臻g上，相關系數的空間分布反映出，尼洋河流域西北部和南部的TRMM月尺度降水數據的一致性最好，精度最高，并且由西向東逐漸減?。坏荰RMM的降水數據相對于流域降水數據存在較大的偏差，并且數值差異由西北向東南逐漸增大；在日尺度上，TRMM的降水數據與網格化實測降水數據之間的精度較差，且TRMM日尺度降水數據在總體上較網格化實測降水數據大幅偏小。在空間上，尼洋河東部的TRMM日降水數據與流域日降水數據的相關性和一致性相對于流域其他區域較好，并且由西向東精度逐漸緩慢提升。

(2)在單一站點上，月尺度TRMM降水數據與實測降水數據之間具有很好的一致性，但在日尺度上TRMM降水數據與日降水網格數據之間一致性較差，精度較差。且TRMM日降水數據在單一站點水平上較實測站點數據偏小，這與TRMM月降水數據的檢驗結果相反。

(5)在尼洋河流域降水時空分布特征的相對結論上，流域內年降雨量整體呈現由西北向東部逐漸遞增的趨勢，且不同區域降水量差異較大。從流域降水的年內分配上看，12月的降水量最少，6、7月的降水量最多。降水在各月的分布不均勻，大部分降水集中在每年5月至9月，而11月至次年2月的降水很少，可以忽略不計。