多源融合降水產品在陜西的適用性評估

黃 勤，龍亞星，李亞麗

(1.秦嶺和黃土高原生態環境氣象重點實驗室，西安 710014；2.陜西省氣象信息中心，西安 710014；3.陜西省大氣探測技術保障中心，西安 710014)

0 引言

降水作為重要的氣象要素，其時空分布和變化對氣象、氣候、水文和農業等方面都有重要意義[1，2]。隨著觀測技術的不斷發展，利用地面雨量計、雷達和衛星遙感等設備都可以監測降水信息。地面雨量計觀測的降水資料相對準確，但雨量計空間分布不均，很難獲得大范圍精細化降水信息；雷達觀測降水時空分辨率高，但雷達估測降水受Z-R關系、資料質量、探測范圍和探測高度等因素影響，存在系統偏差；衛星可實現大范圍、全天候連續觀測，能反映降水的空間結構特征，但由于降水的復雜性和反演算法的局限性，使得衛星反演的降水精度較低。可見，單一來源的降水資料各有優勢和缺陷[3]，有效結合不同來源降水資料的優勢，發展高質量降水融合產品很有必要。

隨著國內外多源降水融合技術發展，先后出現了CMAP、GPCP、TRMM[4]和CMORPH Blended[5]等融合降水產品。分辨率從逐月(候)/2.5°到逐小時/0.01°，多源融合降水產品與單一降水資料相比，其精度有很大提升。但仍存在融合資料的時空分辨率和時間覆蓋難以兼得、固態降水和復雜地形情況下降水反演有難度的問題。2010年，國家氣象信息中心引進美國CPC研制的“PDF+OI”兩步融合技術，研發了中國區域地面和衛星二源融合降水產品[6-8]。在不影響降水精度的前提下，為進一步提高融合降水產品的分辨率，引入氣象探測中心1 km雷達降水，研發了地面—衛星—雷達三源融合降水產品[9]。經過長期檢驗表明，三源融合降水的空間分布和量值精度均優于任何單一來源的降水產品，也優于地面-衛星二源融合降水產品，且廣泛應用于各種降水監測。蘇傳程[10]等將三源融合降水產品應用于“蘇迪羅”臺風，發現融合降水產品對臺風的監測效果較好，且在降水關鍵區內較多衛星集成降水產品更準確。但融合降水產品在不同區域對降水捕捉性能有明顯不同[11-13]；張狄[14]等評估融合降水在太行山區的質量后，得出融合降水在夏季質量較好，且與地形存在密切關系；吳薇[15]等發現，在四川區域融合降水產品存在低估，且隨降水量增大誤差也越大；許冠宇[16]等將融合降水產品應用在長江流域中發現，在金沙江流域降水產品質量較低。可見，融合降水產品質量與降水時間、降水發生地的地形相關。地形和站網密度是提高融合降水產品準確性的難點，因此融合降水產品在不同地區的準確性有很大差別。

陜西地域狹長，地勢南北高、中間低，有高原、山地、平原和盆地等多種地形，海拔落差較大，且秦巴山區站網稀疏。因此評估三源融合降水產品在陜西區域的適用性，為降水產品在陜西區域使用和質量進一步提升提供科學參考。

1 數據來源

文章評估使用的資料包括：多源融合降水產品和地面逐小時降水數據。多源融合降水產品為2018年國家氣象信息中心采用“PDF+BMA+OI”融合方法研發的地面—衛星—雷達三源逐小時融合降水產品。空間覆蓋區域為：0°N～60°N、70°E～140°E，空間分辨率為0.05°×0.05°，GRIB2格式。參與檢驗數據資料為2018年陜西省99個國家級自動氣象站質控后1 h累計降水數據[17，18]。

2 評估方法

陜西區域年降水量具有南多北少，由南向北遞減的特征。夏季降水最多，以陜南地區最為集中，冬季降水稀少。降水具有明顯的時空變異性，不同地形對降水的發生有影響，因此文章從時間、空間和地形3個方面對多源融合降水產品進行檢驗評估。時間尺度上，分別按年、季節和月對降水進行評估。在利用逐小時降水數據進行季節方面的質量評估時，將不同季節的時間范圍劃分為冬季(12月至次年2月)、春季(3—5月)、夏季(6—8月)、秋季(9—11月)。空間尺度上，分析降水在陜西區域內以及不同站點降水的空間分布特征。地形上，主要分析海拔、坡度和坡向對降水產品的影響。具體檢驗步驟：先采用自然鄰點插值方法將多源融合降水產品插值到99個國家級自動氣象站點，然后將質控后國家級自動氣象站1 h累計降水數據作為參考值與站點的多源融合降水產品值進行評價指標計算，最后按時間、空間和地形進行檢驗評估。檢驗評估的指標包括相關系數(COR)、均方根誤差(RMSE/mm)、平均誤差(ME/mm)、偏差(BIAS/mm)、漏判率、誤判率和命中率。各評估指標公式如下：

(1)

(2)

(3)

(4)

(5)

(6)

命中率=100%-誤判率-漏判率

(7)

式中，Oi為站點觀測值；Gi為實況分析產品插值到觀測站點的數值；Na為Oi有降水時Gi無降水的樣本數；Nu為Oi無降水時Gi有降水的樣本數；N為參與檢驗的總樣本數。

3 結果分析

3.1 時間尺度

3.1.1 年降水

表1為2018年全年利用觀測站點實測降水與多源融合降水產品進行檢驗評估的結果。實測降水數據與多源融合降水產品數據有較好的相關性(COR=0.85)，均方根誤差和平均誤差均較小。平均誤差值大于0，偏差大于1，多源融合降水產品值低于實測降水值，呈低估態。命中率較高，為96.31%，漏判率略高于誤判率，總體上多源融合降水產品捕捉降水能力較好。

表1 多源融合降水產品的年降水評估

3.1.2 季節降水

將逐小時降水資料按季節劃分后，表2為不同季節的多源融合降水產品與實測降水檢驗評估結果。在不同季節，兩種降水數據具有較好的相關性，最高為0.92，冬季最低，秋季最高。均方根誤差夏季最大，為0.36 mm。平均誤差和偏差均表明多源融合降水產品存在低估，其中冬季低估最嚴重。從誤報率、漏判率和命中率可見，夏季誤報最多，冬季漏報最多且命中率僅為42%，秋季命中率最高。在2018年冬季1月和2月，陜北地區固態稱重降水設備尚未建成，固態降水量處于缺測狀態。同時，冬季降水量少，且相態復雜，衛星對固態降水的識別能力和反演精度還存在缺陷[19]，影響融合降水產品質量。綜合所有評估指標，多源融合降水產品在秋季質量較好。

3.1.3 月降水

通過分析，利用逐小時數據按月對多源融合降水產品的評估結果可知，從相關性上，每個月的相關性均較好，相關系數均在0.8以上。全年9月相關性最好，8月最低。均方根誤差8月最大，且從4月逐漸增大，至9月又減小。每月偏差均大于1 mm，8月偏差最小，與實測降水對比，多源融合降水產品處于低估。6—8月誤報率較高，7月最高，為22%。相比誤報率，漏報率每月均在15%以上，12月、1月、2月較高，1月最高，為36%，7月最小，為14%。衛星對降水的識別能力和雷達受波束遮擋均會造成融合降水產品漏報。命中率除1月為58%以外，其余均在60%以上，最高為4月和9月，為70%。綜合上述評價指標，9月多源融合降水產品質量較好。

表2 多源融合降水產品的季節降水評估

3.2 地形對降水產品影響

以相關系數、均方根誤差、偏差、誤報率、漏報率和命中率6個評價指標作為因變量，站點海拔和坡度分別作為自變量，進行回歸分析。分析發現，在國家級自動氣象站的海拔和坡度數據中，高海拔站點主要集中在陜北和陜南地區，氣候差異大，相同海拔上，影響陜南站點質量的因素增加了秦巴山區復雜下墊面； 85%的站點坡度為平坦、平坡和緩坡，坡度數據分級不明顯。此種條件下，多源融合降水產品插值到觀測站點的6個指標與海拔、坡度無顯著關系。

根據國家級自動氣象站的坡向數據，從337.5°開始，按順時針以每45°為間隔，將坡向分為北坡、東北坡、東坡、東南坡、南坡、西南坡、西坡和西北坡8個大方向，分別對應N(337.5°～360°，0°～22.5°)、NE(22.5°～67.5°)、E(67.6°～112.5°)、SE(112.5°～157.5°)、S(157.5°～202.5°)、SW(202.5°～247.5°)、W(247.5°～292.5°)、NW(292.5°～337.5°)[20]。將同一區間坡向的站點歸到一類計算相關評價指標。相關系數在南坡最低，SW、W、NW 3個坡向的相關系數略低于其他坡向。多源融合降水產品與實測降水在偏東和偏北坡向上相關性較好，偏南和偏西坡向上稍差。均方根誤差在南坡最高，西北坡次之。偏差在北坡最高，北坡的多源融合降水產品比其他坡向的低估程度更大。漏報率在西坡最高，西北坡最低；誤報率在西南坡最高，北坡最低；命中率在西坡最低，在東南坡最高。綜合以上6個指標，多源融合降水產品在東南坡質量最好。

3.3 空間尺度

統計并分析2018年國家級自動氣象站實測年總降水量、多源融合降水產品插值到國家站站點上年總降水量和兩者總降水量的差值可得，秦嶺以南降水較多，年降水量在800 mm以上主要集中在漢中和安康地區，關中北部及陜北高原降水較少。多源融合降水產品年降水量總體小于國家站實測降水，800 mm以上降水量范圍明顯減少，榆林北部、關中和陜南部分區域600～800 mm的降水范圍減少，關中小于400 mm范圍較國家站實測增大，僅在延安北部和榆林中東部區域與觀測值較吻合。在咸陽南部、銅川北部和榆林東北部小范圍區域，多源融合降水產品年降水量存在高估，高估值最大在300 mm以上。多源融合降水產品與實測降水的年降水量差值在秦嶺山區較大，該區域范圍，站點稀疏且地形復雜。寶雞太白山地區和西安與商洛相鄰區域，差值較大，均在150 mm以上。從融合資料來源方面分析差值較大可能有兩方面原因：一方面，西安和商洛雷達波束遮擋嚴重，雷達資料質量較差。另一方面，秦嶺山區地形復雜，起伏較大，衛星反演的降水準確性與其他地區存在差異。延安北部和榆林東南部地勢較平坦區域范圍，差值小于100 mm，多源融合降水產品的質量表現較好。

4 結束語

總體上，多源融合降水產品在陜西區域降水捕捉能力較好，但仍存在因季節、地形和資料質量等因素導致降水產品質量問題，仍需進一步提升改進。