基于多套衛星資料的ERA5全球小時降水頻率評估

李蓬生 李曉峰 楊崧

摘要 最近發布的新一代全球再分析資料集ERA5，提供了全球小時降水再分析值，為全球小時降水研究提供又一個數據參考。然而，目前針對ERA5小時降水頻率的評估工作還較為有限。本研究采用多套全球衛星觀測小時降水對ERA5小時降水的頻率進行了評估。對比分析發現：盡管ERA5總降水量與衛星資料出現較好的一致性，但ERA5的小時降水頻率約為衛星資料的2～3倍，呈現系統性偏高。進一步分析表明，這主要是由于ERA5大大高估了中、低強度降水事件的數量。其中，ERA5對弱降水頻率的高估尤為明顯，平均可達衛星降水頻率的6倍;此外，ERA5對海洋降水頻率的高估程度也大于陸地。ERA5小時降水頻率的系統性高估問題對相關研究的潛在影響，尚在進一步評估中。

關鍵詞小時降水;降水頻率;衛星降水;ERA5;極端降水

歐洲中期天氣預報中心發布的新一代全球再分析資料集ERA5（Hersbach et al.，2020）提供了全球小時降水再分析值，為全球小時降水研究提供了寶貴的數據參考。與上一代ERA-Interim相比，ERA5具有重要的變化，包括更先進的數值模型和數據同化方案，更高的空間和時間分辨率，更多觀測同化以及輸入觀測和強制數據集的改進版本（Hersbach et al.，2020）。相較于溫度、壓力、風速等連續變量，降水量的再分析值往往存在更大的誤差（Kanamitsu et al.，2002;Uppala et al.，2005;吳晶璐等，2019）。這主要是由于降水量是不連續變量（Trenberth et al.，2017），在數值模擬中需要通過參數化過程進行估算導致（Nie et al.，2015）。因此，降水再分析資料在使用前往往需要仔細評估（支星和徐海明，2013）。

已有許多關于ERA5的評估工作，Nogueira（2020）等通過分析全球ERA5逐月尺度的降水場，發現在熱帶地區，ERA5的系統誤差和隨機誤差普遍低于ERA-Interim，并且能較好地模擬對流降水和水汽輻合。除此之外，相較于ERA-Interim，ERA5對于降水的模擬在美國（Beck et al.，2019）、中國（Jiang et al.，2021;呂潤清和李響，2021）、北極（Wang et al.，2019）等多個地區有了很大改善。然而，現有關于ERA5降水的評估工作多集中在年、月和日尺度上，并且多局限于在特定有限區域內，在全球尺度上針對小時降水頻率的評估工作還較為稀少。

雖然站點觀測資料精度較高，但是站點觀測主要分布在陸地及零星海島上，難以覆蓋范圍廣闊的海洋上空（Kidd et al.，2017）。而基于衛星遙感觀測方式的衛星降水資料，則可以提供覆蓋全球（極地除外）范圍的雨量估計，并具有高度的空間和時間連續性（陳渭民等，1995;Wang et al.，2020，2023）。因此，可采用衛星資料來評估模式降水或再分析降水資料（Trenberth et al.，2018;Nogueira，2020）。而隨著衛星遙感技術和數據反演算法的發展（Sun et al.，2018;趙平偉等，2021），世界各地已經記錄了數套高精度的衛星觀測數據（Smith et al.，2011;Lewis et al.，2019），目前廣泛使用的全球小時衛星觀測數據產品主要包括由美國國家宇航局（NASA）開展的全球降水測量GPM（Hou et al.，2014），NOAA氣候預測中心（Climate Prediction Center，CPC）開發的實時衛星反演降水產品CMORPH（Joyce et al.，2004）以及日本宇航局（JAXA）負責研發的高分辨率的全球降水產品GSMaP（Kubota et al.，2007）。

由此，本研究利用GPM、GSMaP-M、GSMaP-G、CMORPH共4套衛星觀測資料，對ERA5降水再分析資料的小時降水頻率進行評估，以探究其表征全球小時降水頻率的適用性，為使用ERA5小時再分析資料進行天氣／氣候研究及預報的科研人員提供一定參考。

1 資料和方法

1.1 小時降水數據

本研究使用的小時降水數據主要包括：1）歐洲中期天氣預報中心（ECMWF）發布的ERA5再分析資料集;2）美國國家宇航局（NASA）開發的全球衛星降水計劃（GPM）數據集，三級（Level-3）終期（Final）多衛星產品，該產品已經過觀測資料校正;3）JAXA開發的全球降水衛星測繪（GSMaP）產品，包括未經站點觀測數據校準的標準產品GSMaP-MVK（GSMaP-M）和經過站點觀測數據校準的標準產品GSMaP-Gauge （GSMaP-G）;4）NOAA氣候預測中心開發的實時衛星反演降水產品（CMORPH），本研究使用的是其衛星初始版本CMORPH-RAW v1.0。表1展示了以上降水數據產品的主要特征參數。

為了方便比較，本文所使用衛星降水數據已通過插值方法轉換為與ERA5相同的時空分辨率。受限于資料覆蓋范圍，文中提及的全球平均均指南北緯60°之間的平均，并不涵蓋極地地區;而熱帶地區則特指南北緯20°之間的區域;熱帶外地區則是指南北緯20°以外、60°以內的區域。

1.2 定義與方法

本文中的有降水小時被定義為降水量大于0.1 mm的小時。設定0.1 mm的閾值，是為了與雨量計的最大精度保持一致。同時也嘗試采用其他常用的閾值，如0.01 mm等，來定義有降水小時，但經過對比分析發現，不同閾值的選取并未對文中的主要結論產生顯著影響。

小時降水頻率采用統計時段內有降水小時的數量來衡量，也稱為降水時數或者小時降水頻數。實際計算中，小時降水頻率首先計算到月，然后估算季節和年平均的小時降水頻率。

為了深入研究不同降水強度下的小時降水頻率分布情況，本文還計算了GPM資料小時降水強度的百分位數。具體而言，小時降水強度的第90（或10）個百分位數表示在降水強度集合中，有90％（或10％）的數據小于該數。首先計算了2004—2015年全球（60°S～60°N）范圍內GPM資料所有有降水小時的強度百分位數。隨后，以這些GPM百分位數為統一基準，將降水強度從最小的10％到最大的10％均勻劃分為十個強度區間，并根據所劃分區間做了四個粗略的降水分級，其中第1～30個百分位數強度的降水定義為低強度降水（或小雨），第31～60個百分位數強度為中強度降水（或中雨），第61～90個百分位數為高強度降水（或大雨），而第91～100個百分位數則被視為極端降水（或暴雨）。基于此，進一步統計了ERA5及4套衛星降水資料在不同強度區間內的降水頻率。

2 ERA5小時降水頻率及誤差空間分布

2.1 總降水量的空間分布

通過對比分析ERA5與4套衛星資料，觀察到這5套資料在氣候總降水量的量值以及空間分布上都呈現出較為相似的特征。圖1為多年氣候平均的總降水量空間分布場，從圖中可以發現全球總降水量大值中心主要集中在熱帶輻合帶（ITCZ）和南太平洋輻合帶（SPCZ）上，這里的總降水在多數資料中可以達到3 500 mm／a以上。雖然，不同資料之間也存在差異，例如GSMaP-M（圖1c）和GSMaP-G（圖1d）總降水量相較于其他資料整體偏弱，CMORPH資料（圖1e）在非洲中部的降水量中相對更大。但總體而言，5套資料的空間分布和量級大小都較為接近。可見，ERA5資料對總降水量的表征與衛星觀測較為接近。

2.2 ERA5小時降水頻率呈現系統高估

4套衛星觀測資料之間的降水時數空間分布較為一致。如圖2a、c、d、e所示，衛星觀測降水時數大值區主要分布在ITCZ和SPCZ和季風影響區，表明這些區域的小時降水最頻繁。此外，該4套衛星小時降水頻率與其總降水量（圖1、2）的空間分布場特征也十分相近。以往研究早已指出，降水總量主要是由頻率決定（Dai，2001），因此降水頻率的空間分布通常與降水總量相互匹配（Trenberth and Zhang，2018;Li et al.，2020）。

然而，ERA5對小時降水頻率的表征，卻與4套衛星資料之間存在很大的差異。如圖2b所示，在熱帶及中高緯度海洋大范圍區域，ERA5的降水時數已達2 500 h／a，這遠高于其余4套衛星觀測資料的小時降水頻率。圖3給出了ERA5與4套衛星資料降水時數的比值分布。對比圖3a、b、c、d，發現一個共同的特征是：在多數地區，ERA5與衛星資料的比值超過100％;個別地區，比值甚至超過300％。這表明，相對衛星觀測資料而言，ERA5對降水時數存在普遍性的高估。

2.3 ERA5總降水量和小時降水頻率的相對誤差定量分析

為了定量比較ERA5資料與衛星資料之間的全球平均總降水量和降水時數，計算并對比了全球及區域平均情況。可以發現，ERA5與四套衛星資料的全球年平均降水量較為接近（圖4a），GPM、ERA5、GSMaP-M、GSMaP-G和CMORPH分別為1 057.02、965.56、729.42、740.18和848.18 mm。全球平均的ERA5總降水量與四套衛星數據的比值在0.9～1.35的區間內，即比值在1附近較小范圍內浮動（圖4c），說明ERA5與衛星觀測全球平均總降水量值接近;相似地，ERA5與衛星觀測的熱帶和熱帶外平均總降水量值也非常接近（圖4c）。總之，ERA5在表征總降水方面與衛星觀測之間的誤差相對較小。

相反地，ERA5降水頻率與衛星資料偏差較大。如圖4b所示，ERA5全球平均降水時數可以超過1 300 h以上，而衛星資料多在800 h以內。如圖4d所示，全球平均的ERA5降水時數與4套衛星數據的比值分布在1.7～2.8區間，熱帶和熱帶外地區平均降水時數的比值分布也相類似。這說明ERA5表征的小時降水頻率平均為衛星觀測的約2～3倍，存在系統性的高估。

3 ERA5小時降水頻率誤差對降水強度的依賴性

為進一步了解ERA5小時降水頻率的誤差來源，比較了ERA5再分析資料和衛星資料在不同強度級別的降水頻率差異。圖5—8分別為ERA5在低強度、中強度、高強度降水和極端降水中的小時降水頻率與衛星降水之間的差異。

從ERA5低強度降水的相較于GPM資料的分布狀況（圖5）可以發現，雖然ERA5與不同衛星資料存在差異，但是ERA5存在普遍高估低強度小時降水頻率現象。如圖5a所示，ERA5弱降水頻率在全球大部分地區達到GPM降水資料的兩倍，在西太平洋地區甚至可以達到4倍以上;但是，在澳大利亞、非洲北部、中東地區等少數地區，ERA5對降水頻率存在略微低估，這似乎與這些地區較為干旱、原本就少雨有關。相類似地，ERA5與GSMaP-M（圖5b）、 GSMaP-G（圖5c）和CMORPH（圖5d）相比，也存在較大降水頻率高估。值得注意的是，ERA5與CMORPH（圖5d）的偏差幅度最大，但分布較為均勻無明顯的海陸差異，而ERA5與GPM（圖5a）、GSMaP-M（圖5b）、GSMaP-G（圖5c）的偏差似乎在海洋上更大。

與低強度降水（圖5）相似，ERA5對中（圖6）、高（圖7）強度降水的頻率仍然存在系統性的高估，但是高估的幅度相對減小。例如，在南半球高緯度地區以及副熱帶大洋東側，ERA5降水頻率與衛星觀測頻率的比值大幅減弱。

然而，ERA5資料對極端降水頻率的估測卻存在完全反向的偏差，即ERA5對極端小時降水頻率存在普遍的低估（圖8）。如圖8a所示，以GPM資料為參照，ERA5幾乎在全球范圍上低估了極端降水頻率，這與非極端降水完全相反。若以GSMaP-M、GSMaP-G和CMORPH這3套數據為參照，ERA5仍然在全球大部分區域低估了小時極端降水的頻率，但在東南太平洋、北太平洋、南大西洋、非洲南部、亞洲中部及北部和澳大利亞等地區高估了極端降水頻率。

4 ERA5小時降水頻率誤差來源定量分析

為了定量分析ERA5小時降水頻率誤差來源，定量對比ERA5降水頻率的偏差隨不同降水強度和地區的變化。如圖9a、10a所示，為全球區域平均的ERA5降水頻率相對于衛星資料的誤差及比率。可以發現，ERA5小時降水頻數誤差在強度較低的小雨區間最大，隨著降水強度增加逐漸減少，并在極端降水區間誤差反向，由高估變為低估。例如，與4套衛星資料的誤差在第1到10個百分位數強度的弱降水區間最大，為180～240 h／a（圖9a），可以達到衛星資料的約6倍（圖10a）;隨著降水強度區間的提升，ERA5降水頻率誤差降低，在第91～100個百分位數強度的極端降水區間誤差反向，為-30 ～-80 h／a（圖9a），降水頻率也縮小為僅有衛星資料的約一半（圖10a）。可見，ERA5對小時降水頻率整體高估，主要來源于對弱降水的高估。

此外，對比了ERA5小時降水頻率誤差的海-陸差異和熱帶-熱帶外差異（圖9、10）。發現陸地上弱降水誤差最大約為80～140 h／a，而海上弱降水誤差最大約為220～300 h／a，海陸弱降水誤差相差可達約1倍。熱帶弱降水誤差最大約為260～320 h／a，而熱帶外弱降水誤差最大約為140～220 h／a，熱帶與熱帶外地區之前誤差的差異不如海陸差異顯著。可見，ERA5小時降水頻率誤差在海上強于陸地、熱帶地區稍強于熱帶外地區。

5 討論和結論

本研究基于GPM、GSMaP-M、GSMaP-G、CMORPH這4套衛星降水觀測數據集和ERA5再分析數據集，對比分析了2004—2015年準全球范圍內小時降水頻率的分布情況，評估了ERA5降水再分析產品在不同降水強度下對小時降水頻率的表征能力，主要得到以下結論：

1）ERA5降水總量與4套衛星資料十分接近，但ERA5的有降水時數比衛星資料顯著偏高。定量分析顯示，ERA5表征的小時降水頻率平均為衛星資料的約2～3倍。這說明ERA5資料對小時降水頻率存在系統性的高估。

2）ERA5對小時降水頻率整體高估，主要來源于對弱降水的異常高估。ERA5大大高估了中低降水強度事件的數量。特別地，ERA5資料中全球平均的最輕微小時降水（0～10％）的頻率是衛星觀測到的約6倍，誤差幅度遠高于其他強度降水。此外，ERA5小時降水頻率在海洋上的高估程度也大于陸地，而在熱帶地區的高估稍強于熱帶外地區。

3）ERA5資料對極端小時強降水頻率存在普遍低估，但這一低估的幅度難以抵消ERA5對中低強度降水頻度的高估幅度。衛星資料通常比由模式參數化過程生成的再分析產品更為準確（Amjad et al.，2020;趙平偉等，2021），這是本文采用衛星資料評估ERA5小時資料的重要依據。然而，不同的衛星數據之間也存在顯著的偏差。特別地，GSMaP-M和GSMaP-G實際上為GSMaP衛星資料經過站點觀測校正前后的兩個版本，小時降水頻率與ERA5資料之間的偏差，在陸地上呈現了較大差異，在海洋上卻幾乎沒有改變。由于站點觀測均在陸地上，這可能造成校準后的衛星資料在海洋與陸地之間出現不平衡，進而影響對再分析資料的評估結果。此外，已有研究早已發現ERA5降水資料在逐日、逐月尺度上，存在降水頻率高估問題（Nogueira，2020;Jiang et al.，2021;趙平偉等，2021），這支持了本文中的部分結論。相類似地，Trenberth et al.（2017）也曾采用CMORPH資料評估了CESM模式的小時降水資料，并指出CESM模式資料嚴重高估了弱降水頻率，并且低估了強降水強度，這與本文的結論也是相一致的。最后，雖然本文發現ERA5對小時降水頻率存在系統性高估問題，這并非意味著ERA5的小時降水頻率毫無參考價值。相反地，這種大范圍的偏差經過校正后，可能對小時降水頻率的大尺度空間分布型等影響有限。目前，關于ERA5小時降水頻率系統性高估的潛在影響，還在進一步地評估中。

致謝：感謝審稿人和編輯為稿件提出的寶貴意見和建議，感謝中山大學胡曉明教授在稿件籌備過程中的幫助。NASA、ECMWF、JAXA和NOAA提供了GPM、ERA5、GSMaP和CMORPH資料的在線下載服務。

參考文獻（References）

Amjad M，Yilmaz M T，Yucel I，et al.，2020.Performance evaluation of satellite-and model-based precipitation products over varying climate and complex topography［J］.J Hydrol，584：124707.doi：10.1016／j.jhydrol.2020.124707.

Beck H E，Pan M，Roy T，et al.，2019.Daily evaluation of 26 precipitation datasets using Stage-IV gauge-radar data for the CONUS［J］.Hydrol Earth Syst Sci，23（1）：207-224.doi：10.5194／hess-23-207-2019.

陳渭民，劉雅芳，郁凡，1995.利用靜止氣象衛星資料估算青藏高原降水的初步探討［J］.南京氣象學院學報，18（3）：433-438. Chen W M，Liu Y F，Yu F，1995.Preliminary discussion on estimating precipitation in Qinghai-Tibet Plateau using geostationary meteorological satellite data［J］.J Nanjing Inst Meteor，18（3）：433-438.（in Chinese）.

Dai A G，2001.Global precipitation and thunderstorm frequencies.part II：diurnal variations［J］.J Climate，14（6）：1112-1128.doi：10.1175／1520-0442（2001）014<1112：gpatfp>2.0.co;2.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc，146（730）：1999-2049.doi：10.1002／qj.3803.

Hou A Y，Kakar R K，Neeck S，et al.，2014.The global precipitation measurement mission［J］.Bull Amer Meteor Soc，95（5）：701-722.doi：10.1175／bams-d-13-00164.1.

Jiang Q，Li W Y，Fan Z D，et al.，2021.Evaluation of the ERA5 reanalysis precipitation dataset over Chinese Mainland［J］.J Hydrol，595：125660.doi：10.1016／j.jhydrol.2020.125660.

Joyce R J，Janowiak J E，Arkin P A，et al.，2004.CMORPH：a method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution［J］.J Hydrometeor，5（3）：487-503.doi：10.1175／1525-7541（2004）005<0487：camtpg>2.0.co;2.

Kanamitsu M，Ebisuzaki W，Woollen J，et al.，2002.NCEP-DOE AMIP-Ⅱ reanalysis （R-2）［J］.Bull Amer Meteor Soc，83（11）：1631-1644.doi：10.1175／bams-83-11-1631.

Kidd C，Becker A，Huffman G J，et al.，2017.So，how much of the Earths surface is covered by rain gauges？［J］.Bull Amer Meteor Soc，98（1）：69-78.doi：10.1175／BAMS-D-14-00283.1.

Kubota T，Shige S，Hashizume H，et al.，2007.Global precipitation map using satellite-borne microwave radiometers by the GSMaP project：production and validation［J］.IEEE Trans Geosci Remote Sens，45（7）：2259-2275.doi：10.1109／TGRS.2007.895337.

Lewis E，Fowler H，Alexander L，et al.，2019.GSDR：a global sub-daily rainfall dataset［J］.J Climate，32（15）：4715-4729.doi：10.1175／jcli-d-18-0143.1.

Li X F，Blenkinsop S，Barbero R，et al.，2020.Global distribution of the intensity and frequency of hourly precipitation and their responses to ENSO［J］.Climate Dyn，54（11）：4823-4839.doi：10.1007／s00382-020-05258-7.

呂潤清，李響，2021.ERA-Interim和ERA5再分析數據在江蘇區域的適用性對比研究［J］.海洋預報，38（4）：27-37. Lü R Q，Li X，2021.Comparison between the applicability of ERA-Interim and ERA5 reanalysis in Jiangsu Province［J］.Mar Forecasts，38（4）：27-37.doi：10.11737／j.issn.1003-0239.2021.04.004.（in Chinese）.

Nie S P，Luo Y，Wu T W，et al.，2015.A merging scheme for constructing daily precipitation analyses based on objective bias-correction and error estimation techniques［J］.J Geophys Res Atmos，120（17）：8671-8692.doi：10.1002／2015JD023347.

Nogueira M，2020.Inter-comparison of ERA-5，ERA-interim and GPCP rainfall over the last 40 years：process-based analysis of systematic and random differences［J］.J Hydrol，583：124632.doi：10.1016／j.jhydrol.2020.124632.

Smith A，Lott N，Vose R，2011.The integrated surface database：recent developments and partnerships［J］.Bull Amer Meteor Soc，92（6）：704-708.doi：10.1175／2011bams3015.1.

Sun Q H，Miao C Y，Duan Q Y，et al.，2018.A review of global precipitation data sets：data sources，estimation，and intercomparisons［J］.Rev Geophys，56（1）：79-107.doi：10.1002／2017RG000574.

Trenberth K E，Zhang Y X，Gehne M，2017.Intermittency in precipitation：duration，frequency，intensity，and amounts using hourly data［J］.J Hydrometeorol，18（5）：1393-1412.doi：10.1175／JHM-D-16-0263.1.

Trenberth K E，Zhang Y X，2018.How often does it really rain？［J］.Bull Amer Meteor Soc，99（2）：289-298.doi：10.1175／bams-d-17-0107.1.

Uppala S M，Kllberg P W，Simmons A J，et al.，2005.The ERA-40 re-analysis［J］.Quart J Roy Meteor Soc，131（612）：2961-3012.doi：10.1256／qj.04.176.

Wang C X，Graham R M，Wang K G，et al.，2019.Comparison of ERA5 and ERA-Interim near-surface air temperature，snowfall and precipitation over Arctic Sea ice：effects on sea ice thermodynamics and evolution［J］.Cryosphere，13（6）：1661-1679.doi：10.5194／tc-13-1661-2019.

Wang H，Wang L，He J，et al.，2020.Can the GPM IMERG hourly products replicate the variation in precipitation during the wet season over the Sichuan Basin，China？［J］.Earth Space Sci，7（5）：e01090.doi：10.1029／2020EA001090.

Wang Y Y，Miao C Y，Zhao X，et al.，2023.Evaluation of the GPM IMERG product at the hourly timescale over China［J］.Atmos Res，285：106656.doi：10.1016／j.atmosres.2023.106656.

吳晶璐，惠品宏，劉建勇，等，2019.江淮流域極端降水時空變化特征：站點觀測和再分析的對比［J］.大氣科學學報，42（2）：207-220. Wu J L，Hui P H，Liu J Y，et al.，2019.The spatio-temporal features of precipitation extremes in the Yangtze-Huaihe River Basin：a comparison between observation and reanalysis［J］.Trans Atmos Sci，42（2）：207-220.doi：10.13878／j.cnki.dqkxxb.20171013001.（in Chinese）.

趙平偉，李斌，王佳妮，等，2021.GPM IMERG和ERA5降水數據精度在云南復雜地形區域的評估檢驗［J］.氣象科技，49（1）：114-123. Zhao P W，Li B，Wang J N，et al.，2021.Accuracy evaluation and comparison of GPM IMERG and ERA5 precipitation products over complex terrain of Yunnan［J］.Meteor Sci Technol，49（1）：114-123.doi：10.19517／j.1671-6345.20190514.（in Chinese）.

支星，徐海明，2013.3種再分析資料的高空溫度與中國探空溫度資料的對比：年平均特征［J］.大氣科學學報，36（1）：77-87. Zhi X，Xu H M，2013.Comparative analysis of free atmospheric temperature between three reanalysis datasets and radiosonde dataset in China：annual mean characteristic［J］.Trans Atmos Sci，36（1）：77-87.doi：10.13878／j.cnki.dqkxxb.2013.01.009.（in Chinese）.