GPM IMERGE衛星遙感降水數據在巢湖流域的精度評價

程 揚,郭 燕,齊鵬云,萬能勝,賴錫軍

(1.中國科學院 南京地理與湖泊研究所 中國科學院 流域地理學重點實驗室,南京 210008;2.中國科學院大學,北京 100049;3.安徽省巢湖管理局湖泊生態環境研究院,合肥 230000)

降水是水循環過程的重要環節之一，在時空分布上具有顯著的變異特征[1]。同時，降水也是水文模型不可缺少的輸入變量，在流域尺度水文學研究中，準確獲取高時間、空間分辨率的降水信息是流域水文模型精度的重要保證[2]。

傳統的降水觀測主要通過雨量計和雷達兩種方式進行，但兩種方法在應用時均存在不足。雨量計能夠準確的觀測到地面點的降水情況，但雨量站的布設密度和位置等條件會對數據的精度造成一定的限制和影響[3]，而目前國內建立的遙測雨量站和氣象站密度并不能滿足現實的需求[4]；雷達降水在地形復雜地區由于信號遮擋、回波不確定性等問題的存在，探測精度也不能得到有效保證[5]。近年來，隨著航空航天技術、遙感技術以及數據反演算法的發展，衛星降水觀測以其高時空分辨率的降水觀測產品逐漸成為了新的降水數據來源[6]，如CMORPH(Climate Prediction Center Morphing Technique)[7]、GSMaP(Global Satellite Maping of Precipitation)[8]、TRMM(Tropical Rainfall Measuring Mission)[9]等衛星降水產品已廣泛被用于水文水資源以及氣候變化等領域的研究和應用中。

GPM降水計劃是繼TRMM之后新一代全球衛星降水產品，根據其數據反演算法提供了4種級別的產品，其中三級產品IMERGE (Integrated Multi-satellite Retrievals for GPM)提供了高時空分辨率的全球降水數據。作為TRMM衛星的繼承和發展，GPM對降水的探測在時間、空間分辨率上均有所提升[10]。但由于GPM衛星產品面世時間較短，國內對GPM降水數據在各流域的探測精度及適用情況研究尚不足夠[11-12]。

本文將具有代表性的GPM 三級產品IMERGE v05 B選為研究對象，該產品提供給3種不同時效性、不同精度的數據：early-run(下文以GPM-E表示)發布于觀測后4 h，late-run(下文以GPM-L表示)發布于觀測后12 h，final-run(下文以GPM-F表示)發布于觀測后兩個月，三組產品校準次數依次增加，且GPM-F經過了地面雨量站觀測數據的校準，理論上具有更高的精度[10]。本文以巢湖流域為研究區域，以地面站點降水數據為對照，分別對GPM的三組產品在濕潤區的應用精度進行評估。

1 研究區域、資料與方法

1.1 研究區域

巢湖流域(116°26′00″—118°29′52″E，30°56′21″—32°16′00″N)位于安徽省中部，長江淮河之間，總面積1.35萬km2，地跨合肥、蕪湖、六安、馬鞍山、安慶等五市16縣市區，是安徽省會經濟圈主體。巢湖流域氣候類型為亞熱帶濕潤性季風氣候，四季分明，流域年平均溫度為16～16.5℃。降水量適中，年均降水量1 100 mm左右，主要集中在夏季，梅雨顯著。巢湖流域連接著江淮丘陵地帶以及沿江平原區，流域內地形以丘陵、平原為主。巢湖是區域內最大的湖泊，位于流域中部，是我國第五大淡水湖。巢湖流域內河網密布，主要分屬于杭埠—豐樂河、南淝河、派河、柘皋河、兆河、白石天河、裕溪河等7大水系，其中杭埠河和裕溪河分別為入湖和出湖水量最大的河流。

1.2 數據來源及預處理

本研究使用的降水數據時段從2016年1月1日至2017年2月28日。其中，GPM產品數據下載自美國國家宇航局(https:∥pmm.nasa.gov/)，數據格式為netCDF，數據的時間分辨率為0.5 h；空間分辨率為0.1°×0.1°，覆蓋范圍60°S～60°N；而作為評估的對比參考數據，本文使用的地面站點降水數據來源于安徽省氣象局，包括巢湖流域廬江、無為、舒城、巢湖閘下、肥西、合肥、肥東等120個站點的逐日的降水數據，站點空間分布如圖1所示。

圖1 研究區域及地面降水站點分布

1.3 評估指標

本文采用定量分析方法和分類統計指標兩種評價方式對GPM產品的數據精度進行評價。

(1) 定量分析方法。定量指標反映GPM衛星降水數據與地面站點數據在數量上的一致性，包括以下幾個指標：

相關系數R：用于衡量衛星降水數據和地面觀測數據之間的線性相關程度；取值范圍[-1,1]，絕對值越大，相關性越強。

(1)

均方根誤差RMSE：用于衡量衛星降水數據的絕對誤差，對特大特小誤差反映敏感；取值范圍[0,+∞]，值越小，誤差越小。

(2)

相對誤差BIAS：用于衡量衛星降水數據的相對誤差，能夠表現數據的偏離的方向；取值范圍[-1,1]，絕對值越小，誤差越小，大于0表示高估降水量，小于0表示低估降水量。

(3)

(2) 分類評分指標。分類評分指標反映GPM衛星降水產品對不同降水事件的檢測能力，包括以下幾個指標：

2.1.1 課外活動參與度不均衡，組織活動質量有待提升 問卷表明，工程學院學生的課外活動平均時間不算多，相對而言，大二、大四學生平均課外活動時間更少些。絕大多數在校生都參加了校內的各種社團，并且參與目的明確，態度積極端正。其中，大三學生參團的平均個數最多，大四學生參團人均數最低。大一至大三學生對社團活動的滿意度約為60%，高于大四學生。在各類型課外活動的偏好方面，學生最喜歡參加的是“體育類”和“文藝類”，最不感興趣的是“學術講座類”，大部分學生對真人秀娛樂節目更感興趣。

探測率POD：用于衡量對降水事件的探測能力；取值范圍為[0,1]，值越大，說明GPM產品對降水事件的成功探測的程度越高。

(4)

空報率FAR：用于衡量降水事件被錯誤預測的概率;取值范圍為[0,1]，值越小，說明GPM產品對降水的誤報程度越小。

(5)

頻率偏差B：用于衡量降水事件是否被高估或低估；取值范圍為[0,+∞]，B>1說明GPM產品高估了降水事件；B<1說明GPM產品低估了降水事件。

(6)

公正先兆評分ETS：用于衡量對降水的綜合探測能力。取值范圍為[-1/3,1]，值越大，說明GPM產品對降水的綜合探測能力越強。

(7)

(8)

式中：H為衛星產品準確探測到的降水事件數；F為誤報的降水事件數；M為漏報的降水事件數；Z為衛星降水和地面觀測數據均未發生該強度降水事件數。

2 結果與分析

2.1 不同時間尺度精度評價

2.1.1 日尺度 繪制流域內120個站點2016年1月至2017年2月的GPM數據和地面站點數據的散點圖并進行相關分析(圖2)。結果顯示，GPM-E產品的相關系數R=0.79，斜率K=0.70；GPM-L產品的相關系數R=0.63，斜率K=0.72；GPM-F產品的決定系數R2=0.66，斜率K=0.84，三組數據的決定系數均通過p<0.01的顯著性檢驗，表明3種GPM IMERGE降水產品與地面降水數據在整體上均具有較高的一致性。比較3種產品的決定系數可以發現，隨著校準次數的增加，GPM產品精度也略有遞增。

相關系數只能表示衛星降水數據與地面站點數據整體的一致性，而不能有效反映差異量的大小，因此，計算各GPM產品的精度評價指標，結果見表1。3種產品的均方根誤差RMSE相差不大，分別為8.59 mm，8.44 mm和8.62 mm。而相對誤差BIAS指標顯示，GPM產品對降水均存在一定程度的高估，其中GPM-E和GPM-F產品對降水相對高估了9.52%和9.75%，而GPM-F產品對降水的觀測相對偏高23.15%。

表1 GPM日降水序列總體精度評價指標

2.1.2 季節尺度 巢湖流域降水年內分布不均，夏季降水最多，梅雨顯著，冬季降水最少，因此有必要對GPM數據進行季節尺度上的精度評價。將巢湖流域2016年3月至2017年2月的降水數據按3—5月、6—8月、9—11月和12月—次年2月依次劃分為春季、夏季、秋季和冬季進行分析。由于2016年巢湖流域地面站點降水數據缺失值集中在秋季，因此在進行季節降水量精度評估時僅選取廬江、無為、舒城、巢湖閘下、肥西、合肥、肥東等無數據缺失的7個站點以季節內各站點降水總量的平均值代表整個流域的季節總降水量，并計算GPM各降水產品在各季節內的精度評價指標(圖3)。

從圖3A可見，巢湖流域2016年夏季降水最多，其次為秋季和春季，冬季降水最少。對于2016年各季節降水量，GPM產品在降水較少的春季和冬季高于地面站點實測降水，而在夏、秋兩季，準實時產品GPM-E和GPM-L低于地面降水，校正后的非實時GPM-F產品高于地面站點降水。圖3B顯示，各產品各季節的相關性都較高(R>0.7)，其中，在降水最多的夏季，3種GPM降水產品與地面降水數據之間的線性相關程度也最高(R>0.8)。值得注意的是，秋、冬兩季GPM-E，GPM-L，GPM-F3種產品的相關系數依次遞增，可能的原因是GPM衛星產品對微量降水及以冰雪形態出現的固態降水探測存在較大誤差，而GPM-F產品經地面站點校正，有效彌補了該方面不足。圖3C顯示，3種GPM IMERGE產品的均方根誤差RMSE均與降水量大小表現出一致的趨勢，夏季最高，春冬兩季較低，可能是由于巢湖流域夏季降水多且多以強降水形式出現，給衛星精確地觀測降水帶來極大地挑戰，而春冬兩季降水較少且強度較低，降水量總體變化不大，RMSE的值就相對較低。圖3D顯示，GPM-E，GPM-L兩種準實時產品的相對誤差BIAS趨勢一致，在降水較少的春冬兩季表現為高估，而在降水較多的夏秋兩季表現為高估，其中在夏季誤差最小(<2%)。而GPM-F產品對4個季節的降水量估計均偏高，具體表現為春季相對誤差最大，冬季相對誤差最小。3種產品相比，經地面站點校正后的GPM-F產品相對與準實時的GPM-E和GPM-F產品，其探測精度在冬季表現出絕對的優勢。

圖3 季節降水量及評價指標

2.2 不同強度降水精度評估

從上文的分析結果來看，降水強度對GPM產品的精度有一定程度的影響，因此引入分級評價指標探測率POD、空報率FAR、頻率偏差B和公正先兆評分ETS等指標定量地對降水強度的影響進行評價。

根據天氣學對降水量等級的劃分規定和巢湖流域的降水強度情況，選取0.1 mm/d，10 mm/d，25 mm/d，50 mm/d4個閾值將降水劃分為無雨、小雨、中雨、大雨、暴雨級以上幾個等級，分別計算各等級降雨的分級評價指標(表2)。

表2 GPM產品對不同強度降水觀測精度分級評價指標

總體來看，降水強度對GPM產品對降水探測的能力有一定影響。對于探測率POD，GPM產品對是否降雨(0.1 mm/d)的探測率最高，達0.79，而隨著降雨強度的增大，GPM產品對相應強度降水的探測率逐漸降低。空報率FAR顯示，GPM產品對50 mm/d的降水存在最多的誤報可能。從頻率偏差指標B可以看出，GPM產品對10 mm/d以下的小雨表現為高估，且對0.1 mm/d的少量降水高估最嚴重；而對50 mm/d的強降水表現為低估。綜合以上3個指標并結合ETS指標可以發現，GPM產品對0.1 mm/d和50 mm/d的降水探測精度低于10 mm/d和25 mm/d強度的降水，說明降水強度過低或過高對GPM產品的探測精度均有一定程度的影響。

3種不同時效性產品相比，總體上，隨著校正次數的增加，GPM產品的精度越高。特別是對于50 mm/d的高強度降水，GPM-F產品經地面站點數據校正后，相比GPM-E和GPM-L產品探測精度提升明顯。

2.3 不同站點數據精度

降水受不同氣象要素和地理要素的影響，在空間上表現出較強的空間異質性，有必要對巢湖流域內各站點的數據精度分別進行分析[13]。因此，基于研究區內120個地面氣象站點的日降水量分別計算3種GPM產品的精度評價指標，結果如圖4所示。

由圖4可以看出，絕大部分地面站點降水量和GPM產品降水量之間的相關系數較高，進一步驗證了在巢湖流域GPM衛星降水數據與地面站點數據存在明顯的一致性。流域中部站點相關系數較高而流域邊緣地區相對稍低，天蒼、瑤海磨店、張橋水庫、眾興水庫、眾興等個別站點相關系數低于0.6，說明這些站點GPM與地面站點數據之間的線性關系較弱。其中，除天蒼站位于流域西南的大別山區外，其他幾個站點均集中于流域北端長豐縣和肥東縣交界區域，其可能原因為該區域內成像雷達像元內的降水不均勻，導致遙感產品與地面站點實測降水在時空檢測尺度上不匹配[14]。另外，GPM-F產品相對于兩準實時產品來說，流域中部的相關系數明顯提升，表明經過地面站點的校正后，GPM-F產品在流域中部地區與實測降水數據有更高的一致性。

圖4 各站點評價指標

分析3種GPM產品在各站點的絕對誤差分布圖可以發現，GPM-L產品與GPM-E產品相比絕對誤差略有降低但不明顯，且兩準實時產品的絕對誤差均在流域東南部最大，近半數站點的絕對誤差都在10 mm以上。而GPM-F產品的絕對誤差在全流域沒有明顯的分布特征，其數據在流域東南部絕對誤差明顯低于兩準實時產品，但在其他站點也出現了絕對誤差過大的情況，考慮可能的原因為GPM-F產品相較GPM-E和GPM-L產品經歷了更多校正方案的處理，不同的校正算法導致了GPM-F產品在流域內誤差分布情況不同于準實時產品。

BIAS指標反映了GPM產品日降水數據偏離實測降水量的程度，對于GPM-E和GPM-L產品，有93個站點在流域內的BIAS值大于0，占總站點數的77.5%，說明該產品在巢湖流域大部分站點對降水的估計表現為高估。而GPM-F產品在120個站點中僅有8個站點的BIAS低于0，即經過更多校正處理后，GPM-F產品在巢湖流域對降水的估計偏高更加嚴重。

綜合以上分析，流域中部GPM數據和地面站點降水量的相關性較邊緣更高；準實時產品在流域西南部絕對誤差較大，但經地面站點校正后的GPM-F產品在流域內絕對誤差分布較平均；流域內多數站點的GPM數據高估了降水，且校正后的GPM-F產品在更多站點表現出高估。

3 結 論

(1) GPM IMERGE 產品對巢湖流域降水的估測能力總體較高，但在不同的時間尺度下的探測精度表現不一。日尺度方面，GPM IMERGE產品均表現出較高的線性相關性(R>0.78)和較低的均方根誤差(RMSE<8.6 mm)，而相對誤差檢驗則顯示了GPM產品對降水一定程度的高估，其中，兩準實時產品高估低于10%，而非實時GPM-F產品存在23.15%的高估。在季節尺度上，GPM數據與地面站點數據在夏季擁有最高的線性相關性(R>0.8)和最高的均方根誤差(RMSE>13.8 mm)，說明豐富的降水能夠帶來GPM數據精度的提高，但暴雨也導致了較大的絕對誤差。

(2) 降水強度對GPM IMERGE產品的探測精度存在一定程度的影響。隨著降雨強度的增大，GPM產品對相應強度降水的探測率逐漸降低，同時，GPM產品對50 mm/d的降水存在最多的誤報可能。GPM產品容易高估10 mm/d以下的小雨，而低估50 mm/d的強降水。總體來看，GPM產品對10 mm/d的降水綜合探測能力最強，降水強度過低或過高對GPM的探測精度均有一定程度的影響，但對50 mm/d的暴雨的探測能力最弱。

(3) 各站點驗證結果表明，流域中部GPM數據和地面站點降水量的相關性較邊緣更高；準實時產品在流域西南部絕對誤差較大，但經地面站點校正后的GPM-F產品在流域內絕對誤差分布較平均；流域內多數站點的GPM數據高估了降水。

(4) 經地面站點校正的GPM-F產品在秋冬季和高強度降水中的精度較準實時GPM-E和GPM-L產品均有提升，但導致了更高的高估。因此，在選擇GPM產品進行流域降水分析及水文模擬時，因結合時效性要求、研究的時間尺度和降水強度等條件綜合考量，并在研究流域做適當精度評估后選用。