GPM衛星降水產品在長江流域應用的精度估算

(南京林業大學 江蘇省南方現代林業協同創新中心,江蘇 南京 210037)

大氣降水是自然界水循環過程中的重要一環，在氣候變化、農業生產、洪澇災害預報等領域中扮演著重要的角色[1]。氣象臺站的直接觀測和和雷達測量作為傳統的測雨方式，易受到自然環境、經濟條件、電子信號等條件的制約，難以實現對降水的準確觀測[2]，而衛星反演作為近年來一種新興手段，能夠提供高分辨率、高連續性、高精度的降水觀測資料，是當前使用最廣泛的一種降水資料獲取方法[3-4]。

目前，已有多種衛星產品被廣泛應用于降水遙感反演，如TRMM(tropical rainfall measuring mission)產品，CMORPH(Climate Prediction Center morphing technique)產品，PERSIANN(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks)產品等[5-7]，且已有大量學者分析了不同衛星數據的適用性。如黃萍等[8]應用TRMM3B42數據評價了湘江流域的估測精度，發現TRMM數據在月尺度上與實測降水量的相關度要優于日尺度；楊秀芹等分析比較了TRMM產品中3B42V7和3B42RTV7在淮河流域的適用性，發現3B42RTV7在確報率、臨界成功率和錯報率等方面的性能要優于3B42V7產品[9]；李瑞澤等分別比較了TRMM3B42、CMORPH和PERSIANN三種產品在環渤海地區精度，發現TRMM3B42精度最高，但同時略高估了日降水量[10]。

2014年2月27日，新一代全球降水觀測計劃(Global Precipitation Measurement, GPM)衛星由美日在種子島共同發射。它繼承并改進了老一代TRMM衛星的算法和探測技術，并搭載了由Ku和Ka波段組成的雙頻段降水觀測雷達(Dual-frequency Precipitation Rader, DPR)和多波段微波成像儀(GPM Microwave Imager, GMI)不僅提高了衛星的空間分辨率(0.1°×0.1°)和時間分辨率(30min)，還可以獲取更大空間范圍(60°N～60°S)的降水資料。但是，目前國內學者對于GPM IMEG數據產品的適用性評價仍然比較缺乏，僅有的研究工作僅限于海河流域[11]、黃河流域[12]、天山地區[13]。長江流域是我國第一大流域和世界第三大流域，橫跨我國三大經濟快速增長區[14]，全流域地形和氣候復雜、人口眾多、自然災害頻發，衛星空間化降水產品的準確度對本區具有重要意義[15]。目前，雖然有關于GPM IMERG衛星降水產品在中國大陸精度評價的研究[16]，但對長江流域的研究較少，因此有必要對GPM衛星數據產品在長江流域的適用性作進一步研究。

1 數據和方法

1.1 研究區域和數據

長江流域位于東經90°33′～122°25′，北緯24°30′～35°45′之間，流域面積180萬km2，約占我國總面積的19%[17]。為研究方便，本文以湖北宜昌站以上區域為長江上游地區，以江西湖口為長江中游和下游的分界線。其中上游地區面積約為100萬km2，中游地區面積約為68萬km2，下游地區面積約為12萬km2。

本文使用的地面實測數據資料來源于國家氣象信息中心中國氣象數據網(http://data.cma.cn)中國地面累年值日值數據集，時間序列長度為2014年4月1日到2017年12月31日，全流域內共計224個基準、基本氣象站，站點的空間分布如圖1所示。所有的氣象臺站在觀測期內的降水資料準確度經過嚴格的質量控制且無缺測。所用GPM數據從NASA降水測量計劃測量網站(http://www.pmm.nasa.gov)下載獲得，為最新的三級融合降水產品，空間分辨率為0.1°×0.1°，時間分辨率為日，時間范圍為2014年4月1日到2017年12月31日。由于站點數據為點源數據，而GPM衛星數據為柵格數據，因此在研究時利用最鄰近插值法(Nearest Neighbor Interpolation)，即通過氣象臺站經緯度選擇最接近該經緯度的柵格數據。若有兩個或者兩個以上的格點與臺站距離相同，則取這些衛星在這些格點的降水平均值作為該站點衛星反演的觀測值，因此本文的研究都是在站點尺度上進行的。需要指出的是，受GPM發射時間限制，無法獲取2014年4月之前的月遙感降水數據，因而本文在進行年際尺度評價時，對2014年的GPM數據進行了舍棄處理，只利用2015～2017共3 a的衛星數據進行分析評價。

圖1 研究區位置及氣象臺站分布Fig.1 Topographic map and the distribution of meteorological stations in the Yangtze River Basin

1.2 研究方法

本文使用皮爾遜相關系數R、均方根誤差RMSE、平均絕對誤差MAE、相對誤差RB四種評價指標分析GPM降水產品在長江流域的觀測精度，其計算公式如表1所示[18-21]。其中，相關系數R值反映了實測值與衛星觀測值的一致性程度；均方根誤差RMSE體現了降水序列整體誤差水平和波動狀況；平均絕對誤差MAE表示了衛星數據和站點實測數據的平均絕對偏差程度；相對誤差RB衡量了衛星與實測結果之間的偏離程度和誤差水平。

表1 用于評價GPM衛星降水產品精度的指標值Tab.1 Statistical metrics employed to quantify the performance of GPM

為了評價GPM在日尺度上對降水的捕捉能力，本文選取0.1，1，5，10，25,50 mm/d共6種降水閾值和探測率POD、誤報率FAR、偏差率BIAS、公正先兆評分ETS四個評價指標來評判衛星對降水是否發生的識別能力以及對不同強度降水事件的捕捉能力。其中，0.1，10，25,50 mm/d分別作為“產生降水”和發生“小雨”、“中雨”、“大雨”的標準[22]；探測率POD表示了實際降水被衛星正確探測到的概率；誤報率FAR表示衛星探測出現錯誤的概率；偏差率BIAS反映了衛星是否高估或低估降水的能力；公正先兆評分ETS反映了在考慮降水隨機狀態的情況下，在不同時空上衛星對實測降水綜合探測的準確性。對于每一閾值，本文先根據衛星觀測和實測降水序列求得表2中的各種參數值，然后再根據表1中公式計算得到相應評價指標值。

表2 GPM衛星數據與實測數據關系Tab.2 Contingency table between GPM data and observed data

2 結果分析

2.1 年際尺度數據精度分析

2.1.1逐年精度檢驗

圖2是基于年降水數據所做的GPM觀測降水和臺站實測降水之間的一元線性回歸分析。可以看出，GPM數據與實測降水在整個長江流域范圍內有著較高的相關系數，R值為0.92，顯示出衛星數據與實測結果的較好一致性。但同時應注意到，在長江流域的不同地區GPM衛星對實測降水有著不同的探測精度。在長江上游和長江下游地區，GPM衛星反演值與實測值的相關系數最低，R值為0.86；長江中游最高，R值為0.89。出現差異的原因可能是長江上游地區地形地貌十分復雜，冬季地表積雪覆蓋，影響衛星對降水的探測和捕捉，同時由于本區雨量站稀少，容易使衛星觀測結果出現較大偏差[22-26]。而在長江下游地區，強降水事件發生概率相對較高，GPM衛星上所搭載的雙頻測雨雷達DPR中Ku波段雖然加強了對強降水的探測能力，但受到GPM發射時間較近的影響，其對強降水探測性能可能還不穩定[20，27]，因而造成相關系數偏低。

圖2 年尺度上GPM衛星與實測數據散點Fig.2 Scatterplots of annual precipitation of rain gauge stations and GPM product during 2015～2017

從誤差值的角度來看，MAE和RMSE均在長江上游最小，下游最大，其可能原因是在長江下游降水總體強度偏大，導致降水量總體波動幅度較大，而降水量較少的上游地區正好與下游地區相反，MAE和RMSE最小。整體上，GPM衛星數據在長江流域及各子區間均表現一定的高估，其中在長江上游地區GPM衛星的高估程度最低，RB值為3.23%，而在長江下游地區GPM高估卻比較明顯，RB達到10.13%，這可能由于GPM對下游地區強度較大的降水探測不夠準確有關。

需要指出的是，本次研究認為GPM衛星在處于我國地勢第一級階梯、整體海拔較高的長江上游地區表現為輕微的高估，這與金曉龍等[13]、李麒崙等[16]認為GPM衛星低估了高海拔地區的降水不一致。其可能原因是，本文所指的長江上游地區為長江源頭至宜昌這一區域，該區域除青藏高原、橫斷山脈等高海拔地區之外，還包括了四川盆地等在內的低海拔地區，很可能是GPM衛星在這些不同海拔地區反演的綜合作用導致其在長江上游表現為一定的高估。

此外，金秋等[28]曾利用TRMM衛星數據對其在長江流域反演的降水進行精度評價。通過與金秋等的研究對比，GPM衛星比TRMM衛星在長江流域表現出有更高的相關系數，更低的偏差率值和誤差值，顯示出GPM衛星有著更高的探測精度。

2.1.2年均精度檢驗

根據研究時間段內長江流域實測年均降水量空間分布圖，見圖3(a)，可以發現長江流域年均降水量呈現由東南向西北遞減的特點，其中長江流域東南部年降水量一般大于1 600 mm，局地大于2 000 mm，而長江源頭高海拔山區的降水量普遍少于400 mm，空間差異極大。GPM降水衛星很好地捕捉到了這個趨勢特點，見圖3(b)，且400，800，1 200 mm和2 000 mm 這4條等降水量線在空間分布上與實測降水較為吻合，顯示出GPM對實測降水空間分布探測的準確性。但應當注意到，GPM降水衛星對四川盆地西部與橫斷山脈交界處的降水產生低估，而對四川盆地及長江下游東南部地區的降水量存在著明顯高估。

2.2 月尺度數據精度分析

2.2.1逐月精度檢驗

圖4顯示了各研究區在研究時間段內共45個月份的降水實測值與GPM衛星觀測值的一元線性回歸分析結果。可以發現，在月尺度上，GPM衛星在各研究區與實測值的相關系數R值均在0.9左右，且地區差異很小，顯示出較高的一致性；GPM衛星均高估了各研究區的實際降水，在長江下游地區高估最多(RB=9.49%)，上游地區高估最少(RB=3.51%)，這與年尺度上研究結論一致，但具體數值存在一定的差異。其可能原因是受GPM發射時間限制在年尺度上本文只選取了2015～2017年3個整年數據，而月尺度上的研究數據則覆蓋了從2014年4月開始的所有時段。與年尺度類似，MAE和RMSE值均在下游地區表現最高，上游地區最低，但各研究區均大于年際尺度值，說明GPM衛星對月尺度上降水序列探測的誤差比年尺度更大。

圖3 實測年均降水量Fig.3 Spatial distribution of annual average precipitation of rain gauge stations

2.2.2月均精度檢驗

長江流域大部分地區處于我國季風區，降水量在不同月份的差異十分顯著，因此有必要對GPM衛星降水產品在長江流域的適用性評價進行逐月研究。本文以3～5月為春季月份，6～8月為夏季月份，9～11月為冬季月份，12月至翌年2月為冬季月份，并通過計算流域內224個氣象臺站的月均降水值和各種評價指標，得出如圖5所示的條形圖和折線圖。可以發現，長江流域的降水呈現夏季較多，冬季較少的特點，主要降雨月份為每年的6～9月。GPM測雨衛星很好地捕捉到了這個特點，但在不同月份與實測降水的偏差并不相同。總體上看，GPM對長江流域冬季降水表現出低估，但地區差異十分顯著。在長江上游地區2014年12月和2016年12月，GPM對實測降水出現明顯的低估，RB值為-50%左右；而在長江下游地區，GPM對冬季降水的低估則不明顯。其可能原因是，長江上游地區的冬季較為寒冷，多冰雪覆蓋的地面容易使衛星發射的探測信號發生較強的分散效果，而基于微波算法的GPM衛星對這種分散信號的捕捉能力較弱，因而導致了較大的誤差值[29-31]。與長江上游地區相比，長江中下游地區冬季比較溫和，地面少有冰雪覆蓋，因此GPM在冬季的RB值要優于上游地區。就相關系數(圖5(e)～(h))而言，GPM在冬季和夏季月份與實測值的R值較低，其原因可能是冬季降水多以雪或霰等固態形式出現，容易造成地面的冰雪覆蓋，而夏季降水多以短時強降水的形式發生，二者均容易給衛星的精確探測造成困難。就不同地區而言，長江下游在夏季和初秋時節強降水更為普遍，因而表現出比中上游地區更低的相關系數(如2015年8月)；而長江上游地區冬季地表多積雪覆蓋，夏季則處于西南季風的迎風坡多地形雨，因此影響衛星的準確觀測，從而導致較低的相關系數。

圖4 月尺度上GPM衛星與實測數據散點Fig.4 Scatterplots of monthly precipitation of rain gauge stations and GPM product during 2014.4～2017.12

RMSE值在各研究區都表現為相近的變化趨勢，在夏季月份較高，冬季月份較低，見圖5(e)～(h)，這與實測降水序列的變化十分接近。原因是夏季的實際降水量較冬季更大，使得降水序列中容易產生較多的離群值，從而導致GPM衛星的觀測出現較高的誤差；同時，由于長江下游地區降水強度和個體序列波動值更大，因此該區域夏季RMSE值要明顯高于長江上游和中游[16]。

2.3 日尺度數據精度分析

2.3.1逐日精度檢驗

以各研究區氣象臺站研究時間段內共計1 371 d的逐日降水數據為自變量，以對應站點GPM衛星觀測的日降水數據為因變量進行一元線性回歸分析，其結果如圖 6 所示。經檢驗，在長江流域內日尺度上GPM衛星與實測降水量的相關系數明顯低于年月尺度，R值為0.44，其中長江中下游的相關系數相同(R=0.45)且高于長江上游(R=0.35)，說明在日尺度上GPM對長江上游降水的探測依然與實測值一致性很差，其原因可能與上游復雜的地形地貌條件有關。GPM衛星在各研究區的RB值和月尺度上十分接近，但小于年尺度，說明GPM在日尺度上仍然高估了長江流域的降水。和年月尺度類似，MAE和RMSE值同樣在下游地區最大，上游地區最小，但在各區間值明顯大于年月尺度，說明GPM衛星對日尺度上降水捕捉存在的誤差比年、月尺度更大。

2.3.2捕捉能力檢驗

圖7顯示了在不同降水量級下，基于站點數據和GPM衛星數據計算得到的各項統計指標的值。可以看出，各研究區的評價指標均表現出一致的變化趨勢，但具體值并不相同。隨著降水閾值的增加，各區間POD逐漸減小，FAR不斷增加，說明GPM衛星對弱降水探測能力較強而對強降水探測能力較弱；特別地，對于0.1 mm/d降水事件的估計GPM在各研究區都表現為最高的探測率，說明GPM對降水事件發生與否的識別有著很高的估計精度。這可能與GPM衛星上搭載的雙頻測雨雷達DPR和微波成像儀GMI加強了對弱降水以及固態降水的探測有關[32-33]。值得注意的是，在長江下游地區不同降水閾值下GPM衛星的POD和FAR值均優于其他研究區，說明GPM在長江下游地區的探測更為準確；而在上游地區兩種統計指標的表現則遜于其他區域，說明GPM在長江上游地區對降水的估計存在較大誤差。其原因可能是，長江上游地區復雜的地形地貌及云層與冰雪相混合的復雜氣象條件干擾了衛星對降水的準確估計，而在地勢平坦、海拔較低、氣候溫和的下游地區便于衛星對降水的探測。

圖5 各研究區GPM衛星降水指標的逐月統計結果Fig.5 Results of different accuracy estimators for GPM satellite product in different months

圖6 日尺度上GPM衛星與實測數據散點Fig.6 Scatterplots of daily precipitation of rain gauge stations and GPM product during 2014.4.1～2017.12.31

從BIAS指數來看，GPM衛星對長江流域對發生5 mm/d的降水事件的判斷最為準確，各子區間其值均接近于1，但此后隨著降水量級的增加，BIAS值總體上呈現上升的趨勢，且對發生25 mm/d以上的大雨事件偏差值最高，表明GPM普遍高估了強降水事件的發生，見圖7(c)。同時還可以發現，GPM在各研究區均高估了不同強度降水事件的發生，且在長江下游地區高估更為顯著，在長江上游地區高估最不明顯，這與本文之前的研究結論一致。

就ETS指標而言，在“小雨”時(<10 mm/d)時評分較高，而在“中到大雨”時(>25 mm/d)時評分較低，見圖7(d)，說明GPM衛星對中強降水事件的把握還不夠精確。另外，ETS指數在長江上游不同降水閾值下均要小于其他研究區，原因可能是在氣候寒冷、地形復雜的上游地區GPM對降水的探測還存在困難。

綜合4種評價指標，在日尺度上，GPM衛星通過對弱降水擁有較高的探測率和較低的誤報率而表現出對小雨雪較強的捕捉能力，其中在長江下游對降水捕捉能力最強，但同時也出現了一定的高估。

2.4 時間尺度對GPM精度影響原因分析

衛星對降水探測的精度受時間尺度影響極大。目前國內外已有許多學者認為不同時間尺度上衛星的探測結果存在著較大差異[8，9，31，34]。本文比較了GPM衛星在各研究區不同時間尺度上的探測精度，其結果如表3所示。可以發現GPM衛星在各研究區年月尺度上的相關系數較高，R值均在0.9左右，表現出與實測值很好的一致性，但在日尺度上各研究區相關度普遍較低，R值均小于0.5。同時，MAE和RMSE在各研究區均呈現日尺度>月尺度>年尺度的特點，其中日尺度要遠大于月尺度。其可能原因是，各研究區日尺度上的降水序列值要遠遠小于年月尺度，GPM衛星對日降水觀測的微小偏差就會導致降水序列中出現較大的偏離值，而年月尺度上降水強度相對較高，即使GPM衛星出現較小的觀測誤差，其偏離值也不會十分巨大；同時由于年月降水數據是通過日數據累加獲得，GPM對日尺度上觀測的正負誤差在累加時可能相互抵消，因而導致年月尺度上的降水序列相對整齊，從而出現較高的相關系數和較低的誤差值。各研究區相對偏差RB的值在日、月尺度上十分接近，但略小于年尺度，這可能與所選取的時間序列長度不一致有關。

圖7 各研究區的POD、FAR、BIAS和ETS值Fig.7 Contingency metrics of POD，FAR，ETS and BIAS in the Yangtze River Basin

表3 GPM衛星在各研究區不同時間尺度上的探測精度Tab.3 The detection accuracy of GPM in different study areas at different time scales

注：MAE和RMSE的單位均為mm/d。

3 結 論

本文利用2014年4月1日～2017年12月31日長江流域224個站點的實測降水數據和GPM衛星遙感降水數據，研究了GPM衛星在不同時間尺度上的探測精度，得到以下結論。

(1) 年際尺度上，GPM衛星降水數據與實測降水數據有較好的相關性(R=0.92)，并通過了95%的顯著性檢驗，其中在長江中游的相關度最高，上游和下游地區較低；GPM衛星略微高估了長江流域的實際降水，其中在長江上游高估程度最小，下游高估程度較大。

(2) 月份尺度上，GPM衛星與實測降水的相關性仍然較高(R=0.91)，但同樣高估了實際降水(RB=5.39%)；GPM衛星在冬夏兩季與實測值的一致性較差；GPM衛星明顯低估了冬季月份的降水，且對夏季降水的估計存在較高的誤差；GPM衛星在長江流域的春秋季月份的評價精度較好。

(3) 日尺度上，GPM衛星與實測降水的相關性較差(R=0.44)，且出現了比較大的誤差值；GPM衛星對弱降水的捕捉能力較強，對強降水探測能力較差；GPM衛星在長江下游地區對不同量級的降水捕捉能力最好。

(4) 對GPM衛星在不同時間尺度上探測精度的比較結果顯示，GPM在日尺度上的相關系數明顯小于年月尺度，且對實際降水的估計出現明顯的誤差。