GPM衛星降水產品在中國大陸的精度評估

張茹 雍斌 曾歲康

摘要：為評估全球降水計劃（GPM）主流衛星降水產品IMERG和GSMaP在中國大陸的適用性，基于中國氣象局提供的地面降水數據集，選用6種統計指標及誤差分解方法對其反演精度進行多時空尺度評估，并分析其誤差組分特征。結果表明：① IMERG系列產品的統計指標整體表現較好，IMERG_Final雖改善了IMERG_Late在部分地區對降水的低估，但擴大了高估降水的范圍，且校正算法對整體精度（CC、RMSE）的提高并不明顯;GSMaP系列產品均高估了地面降水，GSMaP_Gauge的評估結果較純衛星產品GSMaP_MVK均有較大提高。② IMERG系列產品對降水事件的探測能力較好，GSMaP_Gauge對降水有著高命中率（POD）的同時，誤報率（FAR）最高。各產品在強降水區域均表現出較高的命中率和較低的誤報率，表明衛星產品對強降水的探測能力較優。③ IMERG和GSMaP的誤差成分主要來源于誤報誤差，且具有極為明顯的季節性差異，衛星降水產品對暖季降水探測精度更高。總體上，IMERG和GSMaP在濕潤區的反演精度優于其他區域，站點校正數據優于純衛星數據，能較為準確地反映中國大陸的降水特征。

關 鍵 詞：

衛星降水產品; 精度評估; 誤差特性; IMERG; GSMaP; 中國大陸

中圖法分類號： P426.6

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2021.05.009

降水是全球水通量循環的重要組成部分，其時空分布影響著全球大氣循環、氣候變化以及水文平衡等過程[1-2]，因此準確獲取降水信息是理解全球水循環及能量平衡的基礎和支撐，同時對各類相關科學研究具有重要意義[3]。

隨著一系列高分辨率遙感衛星的出現，全球及區域降水研究有了新的數據支撐[4]。作為獲取高時空分辨率地面降水信息高效且可靠的手段，遙感衛星降水既彌補了地面雨量站分布不均、難以維護的缺點，也避免了地基雷達信號易受干擾的問題，是當下最廣為使用的降水資料獲取方法[5-6]，其中最具代表性的降水衛星是TRMM（Tropical Rainfall Measurement Mission）和GPM（Global Precipitation Measurement）。TRMM作為開啟衛星聯合反演降水的熱帶降水觀測計劃，自成功發射以來就被廣泛應用于氣象水文等領域[7]。全球降水計劃GPM是TRMM衛星降水計劃的后續之作，它不僅繼承了TRMM對熱帶、亞熱帶大中型降水的探測能力，還因搭載了更為先進的雙頻測雨雷達（Dual-frequency Precipitation Radar，DPR）和被動微波傳感器 （GPM Microwave Imager，GMI），能夠更為精準地對固態降水和微量降水（<0.5 mm/h）進行探測[2]。相比TRMM時代的降水產品TMPA（TRMM Merged Precipitation Analysis，TMPA）[7]，GPM時代兩種主流的衛星降水產品IMERG （Integrated Multi-satellite Retrievals for GPM，IMERG）[8]和GSMaP（Global Satellite Mapping of Precipitation，IMERG）[9]具有更廣的覆蓋范圍和更高的時空分辨率。

近年來，國內外已有眾多學者對衛星降水產品進行了評估分析[10-13]，無論是在全球、區域和流域尺度上，對衛星探測降水的能力和精度都給予了肯定的態度，并通過對比分析TRMM時代與GPM時代的衛星降水產品，表明GPM時代的系列產品在各個方面較TRMM時代有顯著的改進與提升，可以在水文模擬、氣候變化等研究中發揮重要作用[14-18]。對于中國大陸地區，已有研究主要集中在對TRMM時代衛星降水產品進行評估與驗證[19-20]，或是TRMM時代與GPM時代衛星降水產品的對比驗證，缺乏針對GPM時代主流降水產品之間的對比分析，且研究數據多集中在前期版本，如唐國強[21]等結合雨量站網，在贛江流域內評估了兩套TMPA降水數據的精度，證明了遙感降水數據在贛江流域具有替代地面觀測降水的潛力;金曉龍[22]等分析對比了TRMM時代和GPM時代的降水產品，評估了GPM IMERG數據在天山山區的適用性，證明IMERG能夠很好地估測天山地區的降水情況;李麒崙[23]等評估了TRMM 3B42和GPM IMERG衛星降水產品的反演精度，結果顯示GPM降水產品在中國各大流域精度較好且優于TRMM。因此，本文選取了GPM時代最具代表性的兩種衛星產品IMERG和GSMaP的最新版本數據，以中國氣象局提供的逐小時數據為參考，分別從日尺度以及小時尺度對中國大陸地區的降水特性進行分析，并研究了兩套衛星數據的誤差成分，旨在為后續從事以GPM降水產品為基礎的氣候、水文等的相關研究者提供參考信息。

1 研究數據與方法

1.1 研究區概況

中國大陸地處亞歐大陸東部，太平洋西岸。領土南北跨度近50°，距海遠近差距較大，地勢西高東低且地形復雜，導致氣溫及降水情況組合多樣，形成了多種多樣的氣候。具體來說，由于地勢及地形的復雜多樣，中國大陸地區降水的空間分布極為不均，年平均降水量呈現由東南沿海向西北內陸遞減的趨勢;同時由于對季風活動響應較強，使得中國大陸地區的降水季節性變化顯著，呈現冬季降水少，夏季降水多的情況。種種因素共同作用導致中國大陸氣候復雜多樣，時空分布差異性明顯[24-26]。按年平均降水量將中國大陸地區分為4個氣候區：年平均降水量大于800 mm為濕潤區;400～800 mm為半濕潤區;200～400 mm為半干旱區;小于200 mm為干旱區。受東亞季風的影響，濕潤區多為亞熱帶季風氣候，降水充沛，主要包括秦嶺淮河線以南的廣大地區;半濕潤區以溫帶季風氣候為主，主要包括東北平原中北部、華北平原及橫斷山北部等地;半干旱區主要處于中緯度，包括內蒙古高原、大興安嶺南部及陜北的黃土高原等地;而干旱區地形復雜，主要包括新疆南部等[27]，氣候區及氣象站點分布如圖1所示。

1.2 研究數據

1.2.1 衛星降水數據

本文選擇了GPM時代最具代表性的兩種衛星降水產品IMERG和GSMaP對中國大陸降水情況進行分析研究。

全球降水計劃多衛星聯合反演IMERG（Integrated Multi-Satelite Retrievals for GPM）是GPM計劃推出的新一代多衛星聯合反演降水產品。由于融合了星載微波、紅外、降雨雷達等傳感器，IMERG實現了多種數據源的優勢互補。在IMERG生成系統數據處理的過程中，共會產生三大類不同的數據集以供有不同需求的科研人員自由選擇，包括Early、Late、Final。Final因經過CPC站點校正，相較于Early和Late精度有較為明顯的提升。每個數據集又包括兩個子數據集，分別是經過月尺度氣候校正的數據Cal和未經月尺度氣候校正的數據Uncal[8]。全球衛星降水制圖GSMaP（Global Satellite Mapping of Precipitation）是日本宇航局研發的一款衛星降水產品，作為橫跨TRMM時代和GPM時代的降水數據，研究人員經過一代又一代的算法改進，目前GSMaP共有3種類型的數據集，分別是近實時產品NRT、純衛星產品MVK以及經CPC站點校正的產品Gauge[9]。為了使兩種不同的GPM降水數據形成對照，故本文選擇了IMERG V06的Late、Final兩個數據集中的經月尺度氣候校正的數據Cal，GSMaP V07的MVK和Gauge，所使用的降水數據主要參數列于表1。

1.2.2 地面參考數據

本文選定的地面參考數據是由中國氣象局提供的中國自動站與CMORPH融合的逐小時降水量0.1°網格數據集（Vision 1.0）。該數據集以全國近3萬個自動氣象站所得的逐小時降水量數據作為觀測數據（站點密度見圖1），采用概率密度匹配與最優插值將觀測數據與CMORPH衛星降水數據進行融合處理[28]，生成的降水數據覆蓋了整個中國大陸地區，數據質量高，具有較高的時空分辨率（0.1°×0.1°/1 h），選擇此數據集作為衛星產品評估的地面參考數據極為合適[29]。

因數據融合過程中地面站點的分布具有不確定性，此數據集存在數據部分缺失的現象。為了保證使用的衛星數據均包含地面自動站的參考數據，本文只選取至少包含1個地面站點的格網進行誤差的定性與定量分析。

1.3 研究方法

在評價衛星降水產品的優劣性時，本文選用了當前衛星降水研究領域常用的指標對這些降水產品進行精度與誤差的綜合評估[30-31]。評估指標如下：相關系數CC（correction coefficient）用于評估衛星降水數據與地面站點觀測數據之間的線性相關程度，指標最優值為1;均方根誤差RMSE（root mean squared error）用于表現衛星降水數據與地面站點觀測數據之間的離散程度，指標最優值為0;相對偏差BIAS（relative bias）用于衡量衛星降水數據的系統偏差程度，指標最優值為0;命中率POD（probability of detection）用于表現衛星降水數據準確捕捉實際降水事件的能力，指標最優值為1;誤報率FAR（false alarm ratio）用于反映衛星降水數據的降水事件誤報情況，指標最優值為0;關鍵成功率CSI（critical success index）綜合考慮衛星降水數據的命中與誤報情況，反映衛星降水數據監測實際降水事件的真實能力，指標最優值為1。上述評估指標公式見表2。

此外，可使用Tian[32]建立的誤差分解模型來評估衛星降水數據的誤差組分。此模型將降水事件分成命中降水事件、漏報降水事件和誤報降水事件。命中降水事件表示衛星與地面站點同時檢測到降水事件;漏報降水事件表示衛星沒有檢測到降水事件但地面站點有降水的有效記錄;誤報降水事件表示衛星檢測到了而沒有被地面站點降水資料記錄的降水事件。因這3種類型的降水事件相互獨立，可將衛星降水數據的總誤差T分解為3種誤差組分：命中誤差H，漏報誤差M和誤報誤差F。3種獨立的誤差組分與降水總誤差之間的關系可以表示為T=H-M+F。

2 結果分析

2.1 日尺度的誤差特征

圖2展示了地面觀測和衛星數據在中國大陸的降水空間分布，由圖2（e）可知，中國大陸的日降水量呈現由東南向西北逐漸減少的趨勢，降水主要集中在濕潤區。IMERG和GSMaP系列產品與地面觀測站點的日降水量空間分布存在一定的差異，經過站點校正后的IMERG_Final和GSMaP_Gauge呈現出較好的降水空間分布，空間分布模式優于對應的純衛星產品。在濕潤區和半濕潤區，4種降水產品均存在不同程度高估地面降水分布的現象，其中GSMaP_MVK高估降水最嚴重（見圖2（c）），GSMaP_MVK在中國東部沿海和西南地區存在較大的高估降水，GSMaP_Gauge產品的校正算法有效地削弱了MVK產品高估降水的區域，空間分布改善顯著，IMERG系列產品之間的降水空間分布模式較為相似，IMERG_Final在IMERG_Late的基礎上整體提升了降水量級，導致部分地區存在輕微高估降水現象。

為了進一步刻畫日尺度下中國大陸地區的降水情況，圖3給出了4套產品在整個研究時段的時序變化。為了平滑時間序列并減少視覺干擾，采用了10 d滑動平均的方法對時間序列進行處理[33]。與日降水量空間分布類似（見圖2），IMERG_Late與地面站點的時序變化最為接近，IMERG_Final和GSMaP_Gauge的時間序列變化趨勢較為一致，兩者與IMERG_Late的變化趨勢也有一定的重合度。同空間分布一樣，GSMaP_MVK在時間序列上的整體表現依舊最差，幾乎在整個研究時段內高估降水，并且在某些月份（如1，3，4月等）嚴重高估降水。對比純衛星產品和站點校正產品，IMERG_Final的地面校正算法從整體上抬升了中國大陸地區的降水量，呼應于圖2空間分布中IMERG_Final加重IMERG_Late在濕潤區對降水高估的情況。而同圖2一樣，GSMaP_Gauge的站點校正算法對GSMaP_MVK高估降水的改善極為明顯，使得GSMaP_Gauge時間序列的走勢與地面觀測數據更為貼合。從季節上看，夏秋季節4套衛星產品降水量的走勢與地面站點實測降水數據較為接近，但冬春季節變化較大，GSMaP_MVK的波動尤為明顯。

由此可見，日尺度IMERG和GSMaP系列降水產品在中國大陸存在一定的精度差異，校正產品的時空反演精度明顯優于純衛星產品，其中GSMaP_MVK呈現出最差的時空分布特征，主要表現為對降水量的高估，而 GSMaP_Gauge的站點校正算法極大改善了這一現象，IMERG（Late、Final）產品的時空特征呈現出一定的相似性，且與地面觀測較為吻合。

2.2 小時尺度的誤差特征

日尺度降水產品能夠一定程度反映區域降水變化特征，但時間分辨率仍然無法滿足對短歷時強降水過程的監測需求，因此探究小時尺度衛星降水產品的精度具有更重要的應用價值。圖4及圖5展示了小時尺度下衛星降水產品誤差統計指標的空間分布情況，表3給出了4個氣候區各衛星降水產品的誤差評估指標。

圖4（a）～（d）顯示：IMERG系列產品CC的空間分布較為相似，并且優于GSMaP系列產品。與IMERG_Late相比，IMERG_Final與地面觀測數據的相關性沒有得到明顯的提升，表明GPCC的站點校正沒有有效提升純衛星數據IMERG_Late的線性特征。GSMaP_Gauge相較于IMERG兩套產品，在濕潤區南部以及半濕潤區中部相關系數明顯偏低，GSMaP_MVK偏低的情況更為嚴重，4個氣候區的CC值均在0.4以下（見表3），表明GSMaP_MVK對地面降水數據的重現度低，衛星數據質量較差。對比GSMaP_Gauge和GSMaP_MVK可以看出：CPC站點的引入有效地提高了衛星數據與地面觀測數據的相關性，減少了降水估計的發散性。

相對偏差BIAS可以反映出衛星降水產品高估（BIAS>0）和低估（BIAS<0）降水的情況，如圖4（c）～（d）所示。由圖可知：IMERG 和GSMaP系列產品在中國大陸大部分地區總體上都存在不同程度的高估現象，而兩套經站點校正的降水產品明顯優于兩套純衛星產品。縱向比較，對比兩套純衛星產品，IMERG_Late總體表現優于GSMaP_MVK。IMERG_Late在濕潤區中部大部分地區存在高估降水的情況，但在同一地區GSMaP_MVK卻低估了降水，兩套產品均在濕潤區南部低估降水，表明純衛星產品對于中高雨強的降水有低估的趨勢。GSMaP_MVK在濕潤區北部、東南沿海地區以及半濕潤地區嚴重高估降水，尤其在半濕潤區，BIAS高達79.7%，是其他3套產品在此氣候區的兩倍多（見表3）。對比兩套經站點校正的產品，IMERG_Final的總體表現略優于GSMaP_Gauge，兩者均在半濕潤區中部和東北部以及濕潤區中東部部分地區處于高估降水的狀態，且GSMaP_Gauge高估的情況較IMERG_Final略為嚴重。橫向比較，對比IMERG兩套產品，IMERG_Final一定程度上改善了IMERG_Late在濕潤區西南部及東部低估降水的情況，但擴大了濕潤區高估降水的范圍;對比GSMaP兩套產品，GSMaP_MVK經過CPC站點校正后，濕潤區南部低估降水以及半濕潤區高估降水的情況均被明顯修正，使GSMaP_Gauge呈現出與IMERG_Final相似的空間分布特征。

據圖4（i～l）給出的均方根誤差（RMSE）分布可以發現：IMERG系列產品和GSMaP_Gauge的空間分布呈現出一定的相似性，GSMaP_Gauge的表現相對更優。從圖4（i），（j），（l）中可以明顯看出相似的3套產品的RMSE均有從東南向西北遞減的趨勢，這與降水量的變化規律相吻合，說明RMSE的值會伴隨降水量的下降而逐漸減小。與這3套產品相比，GSMaP_MVK的整體表現最差，在各個氣候區均方根誤差均大于2.4 mm（見表3），且空間分布也表現出極大的不同，如在3套產品的RMSE值均較小的半濕潤區中部，GSMaP_MVK反而很大。對比純衛星產品和經站點校正的產品，IMERG_Final對IMERG_Late的改善并不明顯，但在東部沿海地區有一定的校正效果;而GSMaP_Gauge對GSMaP_MVK的校正極為明顯，顯著降低了純衛星產品在濕潤區及半濕潤區的RMSE，結合表3，站點校正算法在濕潤區使RMSE從4.03 mm降為2.97 mm，在半濕潤區使RMSE從4.93 mm降為2.09 mm。

為了進一步對比IMERG和 GSMaP產品對降水事件的探測精度，圖5展示了0.2mm/h降水閾值下4套產品的命中率（POD）、誤報率（FAR）和關鍵成功指數（CSI）空間分布。總體上看，4套衛星數據都表現出以下特征：在中國大陸的東部及東北部地區具有較高的命中率，在中部地區具有較高的誤報率，在沿海地區具有較高的關鍵成功指數。IMERG兩套產品的POD、FAR以及CSI的空間分布都極為相似，表明經站點校正后，IMERG_Final對降水事件探測能力的提高并不明顯。而對比GSMaP兩套產品，GSMaP_MVK與GSMaP_Gauge的POD和FAR的空間分布特征大為不同，且與IMERG系列產品的相似程度也不高。GSMaP_MVK的POD僅在半濕潤區東部部分地區表現良好，濕潤區大部分地區的POD大都在0.55以下。反觀GSMaP_Gauge，其在濕潤區和半濕潤區的POD均大于0.55，在4套衛星降水產品中表現最優。但有著高命中率的同時，GSMaP_Gauge的誤報率也是4套產品中最高的。然而，在命中率方面表現不佳的GSMaP_MVK卻在誤報率方面表現最優，尤其在濕潤區，其誤報率大都在0.55以下，這說明高命中率一般會伴隨著高誤報率同時出現。4套衛星產品CSI的空間分布特征具有一定的相似度，GSMaP_MVK在濕潤區較其他3套產品CSI值稍稍偏低，并且4套產品在強降水區域均表現出較高的命中率和較低的誤報率，說明衛星降水產品對強降水有較優的探測能力。

2.3 衛星數據的誤差成分分析

為進一步探究衛星降水產品總體誤差的成分，將總誤差分解為3個部分，分別為命中偏差（Hit bias）、漏報偏差（Miss bias）和誤報偏差（False bias），各個誤差成分的空間分布如圖6所示。

由圖6可知：IMERG系列產品的總誤差和各誤差成分的空間分布特征具有明顯相似性。相較于其他兩種誤差成分，誤報偏差在總偏差中所占的比重較大，處于主導地位，左右著總誤差的空間分布。IMERG在半濕潤區和濕潤區中部及北部高估降水的情況主要由誤報偏差引起，對比兩套產品，IMERG_Final一定程度上改善了IMERG_Late在濕潤區西南部對降水的低估;而在此區域，兩套數據的命中偏差及漏報偏差并無太大變化，這主要是IMERG_Final從整體上提升了濕潤區誤報降水的情況所導致。GSMaP兩套產品的總誤差和各誤差成分的空間分布呈現出一定的差異性。與IMERG系列產品類似，誤報偏差在這3種誤差成分中占較大的比重，但漏報偏差和命中偏差也不容忽視。GSMaP_MVK在半濕潤區嚴重高估降水主要是由誤報偏差引起的，命中偏差也有部分貢獻，但其在濕潤區南部低估降水主要由于漏報偏差導致。而GSMaP_Gauge的總誤差之所以能夠與IMERG系列產品具有一定的相似度，是由3種誤差成分共同作用形成的。GSMaP_Gauge的誤報偏差在濕潤區和半濕潤區都很高，但其命中偏差整體上小于0，漏報偏差的分布相對均勻，值的跨度較小，三者相互抵消使得GSMaP_Gauge總誤差的表現優于GSMaP_MVK。對比兩套產品，可以發現站點校正算法“平滑”了純衛星產品3種誤差的空間分布，MVK在半濕潤區較高的命中偏差被很好地修正了，且站點校正算法補償了漏測事件中的漏測降水。值得注意的是，對于誤報偏差，站點校正算法雖然降低了半濕潤區的誤差，但抬升了整個濕潤區的誤報偏差值，這與濕潤區IMERG_Final誤報偏差的情況類似。

在空間分析的基礎上，進一步給出了4套衛星降水產品的誤差成分在整個研究時段的時序變化，并采用10 d滑動平均處理[33]，如圖7所示。總體上看，4套衛星降水產品的總誤差及其誤差成分的時序變化趨勢較為相似，且存在極為明顯的季節性差異，尤其在夏季與冬季，這種差異體現的更為顯著。相較于夏季，冬季的總誤差和各誤差成分的變化幅度更大，而夏季誤差成分的時間序列表現的極為平緩，說明衛星傳感器對暖季降水的響應度更高。

IMERG系列產品的時序變化相似度很高，兩套產品在冬季的時序變化基本相同，夏季IMERG_Final的變化趨勢較IMERG_Late稍平緩些。兩者總誤差的變化趨勢與其誤報偏差基本相同，命中偏差與漏報偏差幾乎處于相互抵消的狀態，決定了誤報偏差在3種誤差成分的絕對主導地位，說明IMERG系列產品的總誤差主要是由誤報偏差引起的。GSMaP兩套產品的時序變化表現出極大的不同，GSMaP_MVK總誤差及其誤差成分的時間序列變化十分劇烈，在其他3套產品誤差變化異常平緩的夏季也存在輕微的波動。相較之下，GSMaP_Gauge誤差的時序變化相對平穩，總體趨勢與IMERG系列產品類似。對比兩套產品，可以明顯看出GSMaP_Gauge校正了GSMaP_MVK的命中偏差和誤報偏差，但同IMERG一樣，誤報偏差依然在GSMaP兩套產品中對總誤差起著決定性作用。以上結果與空間分析結果較為吻合，表明衛星反演算法對誤報偏差的改進還需進一步的完善。

3 結 論

本文采用6種評價衛星降水數據的統計指標，結合誤差分解的方法，基于中國氣象局提供的逐小時地面站點融合數據，評估了GPM時代主流的兩套衛星降水產品的最新版本在中國大陸地區的降水反演精度以及誤差組分特征，結論如下。

（1） 總體上，參考地面實測站點數據，IMERG和GSMaP兩套產品都能較好地反映中國大陸地區的降水情況;站點校正的產品與純衛星產品相比，站點校正后的降水數據優于純衛星數據，特別是GSMaP的兩個數據集，地面參考數據對降水的改善尤為明顯;受地形、氣候、地面自動站密度等影響，相較于西部，東部地區由于地勢較平坦且易布設地面站點，因此衛星降水產品的反演精度較高。

（2） 日尺度IMERG和GSMaP系列產品在中國大陸存在一定的精度差異，校正產品的時空反演精度明顯優于純衛星產品，其中GSMaP_MVK呈現出最差的時空分布特征，主要表現為對降水量的高估，而 GSMaP_Gauge的站點校正算法極大改善了這一現象，IMERG（Late、Final）產品的時空特征呈現出一定的相似性，且與地面觀測較為吻合。

（3） 小時尺度衛星降水的評估指標顯示IMERG系列產品的各項統計指標都處于良好的狀態，且對降水事件的探測能力也較好，其中IMERG_Final是綜合表現最優的降水產品;GSMaP系列產品中GSMaP_MVK的各項評估指標在4套降水產品中均表現最差，尤其在半濕潤區，對地面數據的重現度低且嚴重高估降水，而GSMaP_Gauge的各項評估指標均有不俗的表現，體現了GSMaP地面站點校正算法的有效性。但在對降水數據的探測能力方面，GSMaP_Gauge對降水有著高命中率（POD）的同時，也存在較多的誤報降水。4套產品在強降水區域均表現出較高的命中率和較低的誤報率，說明衛星降水產品對強降水有較優的探測能力。

（4） 純衛星產品對中高雨強的降水有低估的趨勢，具體表現為兩套純衛星產品在濕潤區南部低估了降水，而兩套站點校正產品從整體上抬升了濕潤區的降水量級，雖然改善了此地區的低估趨勢，卻使得濕潤區整體的降水量處于被高估的狀態。

（5） IMERG和GSMaP的誤差成分主要來源于誤報誤差，特別是GSMaP系列產品，在濕潤區和半濕潤區北部呈現出較大的誤報偏差，其次是漏報偏差。此外，衛星降水的誤差成分存在極為明顯的季節性差異，春冬兩季表現出較大的總誤差和誤報誤差，表明衛星產品對暖季降水探測精度更高。

參考文獻：

[1] BLACUTT L A，HERDIES D L，DE GONCALVES L G G，et al.Precipitation comparison for the CFSR，MERRA，TRMM3B42 and Combined Scheme datasets in Bolivia[J].Atmospheric Research，2015，163（9）：117-131.

[2] HOU A Y，KAKAR R K，NEECK S，et al.The global precipitation measurement mission [J].Bulletin of the American Meteorological Society，2013，95（5）：701-722.

[3] 劉元波，傅巧妮，宋平，等.衛星遙感反演降水研究綜述[J].地球科學進展，2011，26（11）：1162-1172.

[4] 郭瑞芳，劉元波.多傳感器聯合反演高分辨率降水方法綜述[J].地球科學進展，2015，30 （8）：891903.

[5] 唐國強，萬瑋，曾子悅，等.全球降水測量（GPM）計劃及其最新進展綜述[J].遙感技術與應用，2015（4）：3-11.

[6] HUFFMAN G J，ADLER R F，MORRISSEY M M，et al.Global precipitation at one-degree daily resolution from multi-satellite observations[J].Journal of Hydrometeorology，2000，2（1）：36-50.

[7] HUFFMAN G J，BOLVIN D T，NELKIN E J，et al.The TRMM Multisatellite Precipitation Analysis （TMPA）：Quasi-Global，Multiyear，Combined-Sensor Precipitation Estimates at Fine Scales[J].Journal of Hydrometeorology，2007，8（1）：38-55.

[8] HUFFMAN G J，BOLVIN D T，BRAITHWAITE D，et al.Developing the integrated multi-satellite retrievals for GPM （IMERG）[J].Acta Paulista de Enfermagem，2012，25（1）：146-150.

[9] SHIGE S，YAMAMOTO T，TSUKIYAMA T，et al.The GSMaP precipitation retrieval algorithm for microwave sounders—Part I：Over-Ocean Algorithm[J].IEEE Transactions on Geoscience & Remote Sensing，2009，47（9）：3084-3097.

[10] YONG B，LIU D，GOURLEY J J，et al.Global view of real-time trmm multisatellite precipitation analysis：implications for Its successor global precipitation measurement mission[J].Bulletin of the American Meteorological Society，2015，96（1）：140730113306003.

[11] TAN M，DUAN Z.Assessment of GPM and TRMM precipitation products over Singapore[J].Remote Sensing，2017，9（7）：720.

[12] SHARIFI E，STEINACKER R，SAGHAFIAN B.Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran：Preliminary results[J].Remote Sensing，2016，8（2）：135.

[13] 江善虎，任立良，雍斌，等. TRMM 衛星降水數據在洣水流域徑流模擬中的應用[J]. 水科學進展，2014，25（5）：641-649.

[14] TIAN Y D，PETERS-LIDARD C D，ADLER R F，et al.Evaluation of GSMaP precipitation estimates over the contiguous United States[J].Journal of Hydrometeorology，2010，11（2）：566-574.

[15] OMRANIAN E，SHARIF H O.Evaluation of the Global Precipitation Measurement （GPM）satellite rainfall products over the lower Colorado River Basin，Texas[J].Jawra Journal of the American Water Resources Association.2018（D2）：882-898.

[16] LIU Z.Comparison of Integrated Multisatellite Retrievals for GPM （IMERG）and TRMM Multisatellite Precipitation Analysis （TMPA）monthly precipitation products：Initial Results[J].Journal of Hydrometeorology，2015，17（3）：151216150524009.

[17] TANG G Q，MA Y Z，LONG D，et al.Evaluation of GPM Day- 1 IMERG and TMPA Version- 7 legacy products over Mainland China at multiple spatiotemporal scales[J].Journal of Hydrology，2016（533）：152-167.

[18] 胡慶芳，楊大文，王銀堂，等.贛江流域TRMM降水數據的誤差特征與成因[J].水科學進展，2013，24（6）：794-800.

[19] YONG B，CHEN B，TIAN Y，et al.Error-component analysis of TRMM-based multi-satellite precipitation estimates over Mainland China[J].Remote Sensing，2016，8（5）：440.

[20] 任英杰，雍斌，鹿德凱，等.全球降水計劃多衛星降水聯合反演IMERG衛星降水產品在中國大陸地區的多尺度精度評估[J].湖泊科學，2019，31（2）：560-572.

[21] 唐國強，李哲，薛顯武，等.贛江流域TRMM遙感降水對地面站點觀測的可替代性[J].水科學進展，2015，26（3）：340-346.

[22] 金曉龍，邵華，張弛，等.GPM衛星降水數據在天山山區的適用性分析[J].自然資源學報，2016，31（12）：2074-2085.

[23] 李麒崙，張萬昌，易路，等.GPM與TRMM降水數據在中國大陸的精度評估與對比[J].水科學進展，2018，29（3）：303-313.

[24] 許鳳林，郭斌，葉貝，等.GPM IMERG衛星降水產品在黃淮海平原的適用性研究[J].南水北調與水利科技，2019（4）：79-86.

[25] 吳一凡，張增信，金秋，等.GPM衛星降水產品在長江流域應用的精度估算[J].人民長江，2019，50（9）：77-85，152.

[26] ZHANG Z，CHEN X，XU C Y，et al. Evaluating the non-stationary relationship between precipitation and streamflow in nine major basins of China during the past 50 years[J]. Journal of Hydrology，2011，409（1）：81-93.

[27] CHEN H Q，YONG B，SHEN Y，et al.Comparison analysis of six purely satellite-derived global precipitation estimates[J].Journal of Hydrology，2019（11）：581.

[28] 沈艷，馮明農，張洪政，等.我國逐日降水量格點化方法[J].應用氣象學報，2010，21（3）：279-286.

[29] 沈艷，潘旸，宇婧婧，等.中國區域小時降水量融合產品的質量評估[J].大氣科學學報，2013，36（1）：37-46.

[30] YONG B，CHEN B，GOURLEY J J，et al.Intercomparison of the Version-6 and Version-7 TMPA precipitation products over high and low latitudes basins with independent gauge networks：is the newer version better in both real-time and post-real-time analysis for water resources and hydrologic extr[J]. Journal of Hydrology，2014，508（2）：77-87.

[31] YONG B，REN L L，HONG Y，et al.Hydrologic evaluation of multisatellite precipitation analysis standard precipitation products in basins beyond its inclined latitude band：a case study in Laohahe basin，China[J].Water Resources Research，2010，46（7）：W07542.

[32] TIAN Y D，PETERS-LIDARD C D，EYLANDER J B，et al.Component analysis of errors in satellite-based precipitation estimates[J].Journal of Geophysical Research.Atmospheres，2009，114（24）：D24101.

[33] EBERT E E，JANOWIAK J E，KIDD C.Comparison of near-real-time precipitation estimates from satellite observations[J].Bulletin of the American Meteorological Society，2007，88（1）：1-19.

（編輯：江 文）