基于多源數據的鄭州市降水時空演變規律

摘 要：降水數據產品的興起為水文氣象領域研究提供了新思路，為缺資料地區水文預報、水資源管控提供有力數據支撐。作為站點數據的重要補充，其準確性對徑流模擬、水文測報等至關重要。鄭州市近些年暴雨事件頻發，地面雨量站數量較少，不足以支撐水文氣象工作者制定決策，通過定量指標與分類指標評估中國區域地面氣象要素驅動數據集（CMFD）、Integrated Multi-satellitE Retrievals for GPM final run（GPM IMERG）、歐洲中期天氣預報中心第5代再分析數據（ERA5）及Global Satellite Mapping of Precipitation（GSMaP）4套降水數據產品，篩選出適用于鄭州市的降水數據，并采用Slope分析法及MK檢驗法揭示鄭州市降水時空演變規律。結果表明：4種衛星降水產品在鄭州市均取得較好適用性，其中CMFD在總體上表現最優；4套降水數據均表現出高估小雨，低估中雨和大雨的現象；在空間上，4套降水數據在鄭州市西南區域總體表現優于東北區域；鄭州市降水在時間上呈現不顯著下降趨勢，下降率約為0. 2 mm/a，在空間上，呈現出自西南向東北遞減的趨勢。

關鍵詞：CMFD；GPM IMERG；ERA5；GSMaP；適用性分析；降水時空演變；鄭州市

中圖分類號：TV11 文獻標識碼：A 文章編號：1001-9235（2024）10-0033-11

Spatiotemporal Evolution Law of Precipitation in Zhengzhou City Based onMulti-Source Data

JIANG Xi

（Liaoning River Reservoir Management Service Center （Liaoning Provincial Department of Water Resources）， Shenyang 110003， China）

Abstract： The rise of precipitation data products provides new ideas for research in the field of hydrology and meteorology， as well as a strong data basis for hydrological forecasting and water resource management in areas lacking data. As an important supplement to station data， the accuracy of precipitation data products is crucial for runoff simulation， hydrological measurement and calculation， etc. In recent years， rainstorm events have occurred frequently in Zhengzhou City， and the number of ground rainfall stations is few， which fails to help hydrometeorologists make decisions. In this study， four sets of precipitation data products， namely， China Meteorological Forcing Dataset （CMFD）， Integrated Multi-satellitE Retrievals for GPM Final Run （GPM IMERG）， ECMWF Reanalysis V5 （ERA5）， and Global Satellite Mapping of Precipitation （GSMaP）， were evaluated through quantitative indicators and classification indicators， and the precipitation data suitable for Zhengzhou City was screened out. The slope analysis method and MK test method were used to reveal the spatiotemporal evolution law of precipitation in Zhengzhou City. The results show that four types of satellite precipitation products have achieved good application effects in Zhengzhou City， with CMFD performing the best overall. All four sets of precipitation data show an overestimation of light rain and an underestimation of moderate and heavy rain. In terms of space， the overall performance of the four sets of precipitation data in the southwest region of Zhengzhou City is better than that in the northeast region. The precipitation in Zhengzhou City shows a non-significant decrease in terms of time， with a decreasing rate of about 0. 2 mm/a. In terms of space， it shows a decreasing trend from southwest to northeast.

Keywords： CMFD; GPM IMERG; ERA5; GSMaP; applicability analysis; spatiotemporal evolution of precipitation; Zhengzhou City

降水是水文過程的重要輸入項，是水文氣象研究不可避免的重要因素，對水資源開發治理，水旱災害防治、水資源循環再生等具有重要意義，是關系人民生命財產安全的重要要素［1］。鄭州市位于中國中部，是中國重要的交通樞紐，具有頻繁的人類經濟活動，同時，鄭州市是一個典型的缺水城市，全市人均占水量僅達到全國人均占水量的1/10［2］。在氣候變化與人類活動共同影響下，鄭州市水旱災害頻繁發生，暴雨、洪水、城市內澇等災害對鄭州市民生產生活造成了嚴重影響，僅2021年“7·20”暴水事件造成200余人傷亡，直接經濟損失500余億元［3］。由于鄭州市特殊的地理屬性與氣候屬性，厘清降水時空演變規律對鄭州市意義重大。

高準確性、高精度的降水數據對鄭州市降水時空演變規律研究必不可少，傳統的雨量計監測降水在呈現降水空間分布信息時具有一定不足，衛星降水數據可以作為實測數據補充［4］，較好地監測降水的空間變化情況，然而，不同降水數據產品在不同區域的適用性存在一定差異，故降水數據產品評估及選取是必要的［5-8］。國內外已有眾多學者針對衛星降水產品適用性展開了評估，陳昊杰等［9］分析了TRMM 3B42 V7在河南省干旱區域的精度，認為其與實測數據間相關性較高，偏差較低；馮克鵬等［10］

評估PERSIANN、PERSIANN-CDR、TRMM 3B42V7、GPM IMERG、StageIV及ERA5，認為Stage IV雷達降水在各小流域水文模擬中適用性最高；繆清華等［11］評估了GPM IMERG衛星降水在湘江流域的適用性，認為湘江流域GPM IMERG eraly run、late run及final run 3套數據與實測數據相比均具有較高的相關性，final run存在高估實測降水現象而其它兩種產品均存在低估實測降水的現象；孟慶博等［12］認為TRMM、CHIRPS、CMORPH V1. 0、PERSIANN CDR及GLDAS noah五套降水數據日值產品在尼洋河流域表現均無法滿足實際工作需要；Franchtio等［13］認為在奧地利東南部GPM IMERG final在眾多衛星降水數據中表現最佳；Alijanian等［14］認為MSWEP在伊朗地區適用性最高。綜上，已有大量學者在不同區域開展了多源降水數據的評估工作，這是提升數據精度不可避免的步驟［8］，然而針對鄭州市多源降水數據評估的工作開展較少，現有關于鄭州市降水時空分布規律的研究多基于站點數據，空間代表性差。

綜上，本文主要目的有兩方面，一是通過統計學分析方法，在國內外主流衛星降水產品中，篩選出在鄭州市具有較強適用性的降水數據產品；二是通過篩選得到的降水數據產品，采用趨勢分析、突變分析等方式揭示鄭州市降水時空演變規律。

1 研究區概況

鄭州市地處河南省北部，是全省政治、經濟、文化的中心，經度為112°42'～114°14' E，緯度為 34°16'～34°58'N，與許昌、洛陽、新鄉及開封等多座城市接壤。鄭州市地形走向為西南高東北低，全市總面積0. 74萬km2，市區面積0. 10萬km2，建成區面積0. 04萬km2。鄭州市多年平均降水量約為639. 6 mm，降水的年內分布存在一定程度差異，主要發生在7—9月，降水量超鄭州市年降水量50%，而其他月份降水量較低［15］。境內大小河流35條，分屬于黃河和淮河兩大水系，其中流經鄭州段的黃河河長為150. 4 km［16］。

2 數據與方法

2. 1 數據

本研究降水數據包括地面實測數據及降水產品數據，地面實測數據通過中國氣象數據網下載（https ：// www. cma. cn /），該數據集包含全國地面站點建站至今的逐日觀測資料，監測要素包含降水、氣溫、氣壓及風速等，全部要素均通過國家氣象局嚴格地質量控制，具有較高精度，在眾多研究中被視為降水真實值［5，9，11］。出于數據一致性的考慮，本研究選取1980—2019年鄭州市全部氣象站點數據為標準值，開展降水數據產品評估工作。

降水數據產品選擇4套國內外多次被驗證，具有較高精度的數據產品（表1），包括青藏高原研究所發布的CMFD、美國宇航局（NASA）提出的GPM IMERG、歐洲中期天氣預報中心（ECMWF）研發的ERA5、NASA與日本宇航局（JAXA）聯合發布的GSMaP。

CMFD由青藏高原研究所何杰博士通過Princeton、GLDAS及GEWEX-SRB等數據融合地面實測氣象數據得到，包含降水、氣壓、風速等7種氣象要素，其精度在中國區域被驗證優于全部再分析數據［17-18］。

GPM IMERG由GPM衛星監測數據反演得到，是GPM計劃主要降水產品之一，GPM作為TRMM的下一代衛星，優勢在于搭載了更高精度的傳感器（GMI及DPR）。此外，GPM IMERG數據反演算法融合多種常見的衛星降水反演算法（TRMM 3B42、PERSIANN及CMORPH等）。數據最小時間精度為30 min，空間精度為0. 1°，本文選擇的時間序列為2001—2019年［3，5，10］。

GSMaP是NASA及JAXA發布的MW-IR組合產品，2002—2007年在日本科學技術廳（JST）的資助下發布。自2007年以來，由JAXA的降水測量任務（PMM）推動，數據空間精度為0. 1°，最小時間精度為1 h，本研究所選時間序列為2001—2019年［19］。

ERA5是ECMWF發布的第五代再分析數據集，其通過模型數據與各地實測數據相結合的方式，形成了一套具有降水、氣溫、氣壓及風速等多要素氣象數據集，數據精度已被驗證適用于多個流域［2］。

2. 2 方法

選擇定量指標評估降水數據產品的一致性、準確性及誤差，定量指標分別是相關系數（CC）、偏差（Bias）、均方根誤差（RMSE）與平均絕對誤差（MAE）［20-22］。采用分類指標評估降水數據產品對降水事件的識別能力，分類指標選擇探照率（POD）、錯報率（FAR）與臨界成功指數（CSI）［23-24］。CC 代表數據產品與實測數據相關性強弱。Bias是偏差，用于描述數據產品高估或低估實際降水的程度。RMSE 與 MAE 代表數據產品與實測數據之間的誤差。POD代表降水數據產品準確識別降水事件發生的比率。FAR指降水數據產品錯誤判斷降水事件發生的比率。CSI 是評價降水事件是否發生的綜合性指標，為剔除數據產品與實測數據均判斷為未發生降水事件的樣本數量后，數據產品準確識別降水事件的比率。參考現有研究［1，25］，降水事件發生的閾值設置為 0. 1 mm/d，CC、POD、CSI 3個指標取值范圍為0～1，數值越大說明評估效果越好，Bias、RMSE、MAE與FAR的取值越接近0，評估效果越好。各指標計算公式如下：

式中：n為降水觀測的總數量；A為降水產品的雨量值；A為A的均值，mm；B為地面實測數據雨量值；B為B的均值，mm；T為降水數據產品正確判斷降水事件發生的次數；F為降水數據產品誤判為降水事件發生的次數；M為降水數據產品未檢測到降水事件發生的次數。

在數據評估過程中，計算了每套降水數據產品在鄭州市的降水日值、降水月值，分別與實測降水數據進行對比分析。從總體、不同季節、不同降雨量級及站點尺度4個維度進行數據評估。使用最鄰近邊界插值法提取降水數據產品中雨量站位置的降水數據，進而完成站點尺度降水產品適用性評估。所有數據均通過嚴格的質量控制，同時將以世界時（UTC）為標準的降水數據產品均轉換為當地標準時間（LST）以保證每日的時間界定相同。

降水數據趨勢分析選擇Slope趨勢分析法及MK突變檢驗法。Slope趨勢分析又被稱為一元線性回歸分析，優勢在于比較直觀地展示數據多年變化趨勢，Slope指數通常是使用最小二乘法計算的斜率，計算公式如下：

式中：Slp為變化率；i與P分別為自變量與因變量i ，當Slp > 0時，可認為P呈上升趨勢，當Slp < 0時，可認為P呈下降趨勢。

MK 突變檢驗法被世界氣象組織推薦用于數據變化趨勢分析，優勢在于不受異常值影響，具有較強的客觀性，目前已廣泛用于水文氣象要素演變規律計算中［26］。

3 結果與討論

3. 1 總體評估

為保證評估數據時間序列的一致性，選取2001—2018年全時段數據進行分析，結果見圖2、3。實測數據通過泰森多邊形的方式，確定不同站點的權重值，從而計算降水日值與降水月值，從而實現站點數據與柵格數據的比較。鄭州市四套降水產品月尺度數據與實測數據具有很強的相關性（圖2），CMFD、GPM IMERG及ERA5 3套數據CC值均高于0. 9，GSMaP的CC值為0. 79。同時，4套降水數據月值與實測數據的偏離程度相差不大，Bias均在0. 1上下浮動，CMFD與ERA5低估實際降水，而GPM IMERG與GSMaP高估實際降水。誤差方面，CMFD誤差最小，RMSE=239. 50，MAE=8. 69，其余3套數據的RMSE均介于300 ～ 400 mm，MAE在10 mm上下波動。

鄭州市4套降水產品日尺度數據定量評估結果見圖3，發現4套降水數據與實測站點數據CC均大于0. 5，其中CMFD降水數據CC最高，為0. 74，這由于CMFD融合大量實測數據，很大程度提升了其準確性。CMFD、GPM IMERG及GSMaP 3套數據均表現為高估日降水量，而ERA5表現為低估日降水量，四套降水數據相較于實測數據偏離程度不大，其中GSMaP的Bias最小（Bias=0. 02），GPM IMERG的Bias最大（Bias=0. 11）。在誤差方面，CMFD降水數據與實測數據的誤差值最小，表現為RMSE=21. 02，MAE=1. 46，而GPM IMERG降水數據的誤差與實測數據誤差最大，表現為RMSE=30. 59，MAE=2. 03，4套降水數據誤差從小到大順序為CMFD、GSMaP、ERA5、GPM IMERG。

通過POD、FAR及CSI 3項分類指標評估降水數據對降水事件是否發生的識別能力（圖4），4套降水數據均能較為準確地判斷降水事件是否發生，表現為4套降水數據的POD均大于0. 7，CSI均大于0. 5，4套數據對降水事件識別能力表現為ERA5>CMFD>GSMaP>GPM IMERG。

綜上，在日尺度及月尺度降水數據的評估中，CMFD、GPM IMERG、ERA5及GSMaP均表現出較好的適用性，其中CMFD整體表現優于其他數據，這主要是由于CMFD數據融合多套衛星降水數據及地面實測數據，通過ANUSPLINE插值得到，GPM IMERG與GSMaP均為衛星數據，適用性受地形、氣候等外界條件影響較大［27］，故CMFD在準確性與一致性方面相較于GSMaP與GPM IMERG等衛星數據具有一定優勢。ERA5數據融合ECMWF收錄的實測數據，但僅為國際交換站數據，在中國區域的站點數量遠低于CMFD數據，故其在整體適用性方面略低于CMFD數據。

3. 2 不同降水量級評估

4套降水數據及實測數據計算得到鄭州市日降水量介于0～150 mm，本研究參照黃曉龍等［2］研究，將日降水強度按小于10 mm（小雨）、10～25 mm（中雨）、>25～50 mm（大雨）及大于50 mm（暴雨）劃分為4種量級，分別計算4種降水量級下數據產品表現情況，具體結果見圖5、6。

ERA5與CMFD數據在小雨時CC最高，中雨、大雨及暴雨時CC較低，而GPM IMERG及GSMaP在暴雨時CC最高（圖5）。CMFD、GPM IMERG與ERA5均表現出在小雨時高估降水量，而在中雨、大雨及暴雨時低估降水量，GSMaP表現為在高估小雨和暴雨降水量，低估中雨和大雨降水量（圖6）。此外，4套降水數據在雨量高于25 mm后均無錯報現象發生，表現為FAR均為0（圖5）。當降水量高于50 mm時，4套降水數據均能夠準確探測到降水事件的發生情況，表現為POD與CSI均為1（圖5）。這一結論與已有研究保持一致［2，28］。

3. 3 季節尺度評估

本研究討論春（3—5月）、夏（6—8月）、秋（9—11月）、冬（12月至次年2月）4個季節降水產品在鄭州市的適用性（圖7），不難看出，4套降水在四季的一致性表現存在一定程度差異（圖7a），Bias均表現出夏季偏離程度小而冬季偏離程度大（圖7b），RMSE與MAE的表現與Bias相反，夏季誤差大，而冬季誤差小（圖7c、7d），這主要是由于夏季降水總量大，冬季降水總量小，從而造成了誤差上的差異［22］。除GSMaP外，其他數據產品均表現為夏季POD高，冬季POD低（圖7e），4套數據的FAR表現為冬季高、夏季低（圖7f），CSI均表現為夏季高，冬季低（圖7g）。由3. 2部分結論可知，降水事件發生頻率高、降雨量級大的情況下，降水數據產品對降水事件是否發生的識別能力更強，夏季雨量充沛，故降水數據識別降水事件發生能力優于其他季節。不同降水數據在不同季節表現各異，選取降水數據產品參與水文分析計算等研究需充分考慮其季節性誤差，從而得到合理的結論。

3. 4 站點尺度評估

分別計算鄭州市內8個雨量站實測數據與降水數據產品的CC、Bias、RMSE、MAE、POD、FAR及CSI，計算結果見圖8，4套數據在空間上適用性存在較大差異，4套降水數據在各站點處的CC介于0. 2～0. 6，整體上呈現西南區域相關性高于東北區域的趨勢，Bias介于-0. 4 ～ 0. 5，南部區域偏離程度小于北部區域的偏離程度，RMSE、MAE與FAR在空間上的差異性不明顯，CMFD與ERA5在各個站點處的POD及CSI評估結果均優于GPM IMERG及GSMaP。造成上述現象的主要原因與地理條件及氣候條件具有一定關系，一方面鄭州市地處黃淮平原區，鄭州市西南區域雨量充沛，降水密度大，更有利于空基監測。另一方面數據產品是融合站點數據得到，鄭州市西南區域站點數量略高于東北區域，故生產數據過程中不同區域存在一定程度的誤差。

3. 5 降水時空演變規律

選取1980—2019年降水數據進行鄭州市降水時空演變規律分析，通過對比4套降水數據在面尺度、站點尺度、季節尺度及降雨量級的評估結果，總體上認為CMFD數據適用性最好，ERA5次之。由于CMFD降水數據時間序列僅到2018年，故降水時空演變規律研究中2019年數據使用ERA5數據，上述時間序列融合的數據在鄭州市已被評估具有較強的適用性，CC=0. 94，Bias=-0. 10。采用Slope趨勢分析法及MK突變檢驗法分析鄭州市40 a降水時空演變規律（圖9）。1980—2019年鄭州市降水在不同年份上存在較強的震蕩（圖9a），整體上呈現不顯著下降趨勢。鄭州市降水序列在1980—2019年存在2個突變點（圖9b），分別是1982年與1986年，1982年前后，鄭州市降水顯著上升，而1986年顯著下降。圖10展示了1980—2019年鄭州市降水空間分布圖，數據是通過多年柵格數據進行求和取平均后得到，出圖時在不改變數據的變化趨勢與數據范圍的前提下，對所有柵格數據進行了最鄰近邊界插值處理，鄭州市多年平均降水量介于586. 94～677. 12 mm，與中國西南地區、東北地區相比，其降水量空間差異性較小，但仍呈現出自西南向東北遞減的趨勢。

4 結論

以鄭州市內8個國家基本站降水資料為參照，通過CC、Bias、RMSE、MAE、POD、FAR及CSI 7個指標，考慮區域總體、季節性、降水量級及站點尺度4個方面，全面系統地評估了CMFD、GPM IMERG、ERA5及GSMaP 4套常見降水產品在鄭州市適用性，篩選出適用性較高的數據產品用以揭示1980—2019年鄭州市降水時空演變規律，主要結論如下。

a））4套降水產品在鄭州市均表現6b+V79Q1VnPL3UBn+UTLrw0UbrbQH5HkYECYKDX+pVw=出良好的適用性，具體表現在4套降水數據月尺度產品與實測數據CC均高于0. 7，日尺度產品與實測數據CC均高于0. 5，日尺度降水產品相較于實測數據偏離程度及誤差均較低，體現在Bias均在±0. 1上下浮動、RMSE最大值為30. 59、MAE最大值為2. 03，此外通過POD、FAR及CSI的數值可以判斷4套降水產品均能較為準確地判斷是否發生降水。4套降水產品中，CMFD整體表現優于其他3套數據，表現在其具有最高的CC及最低的RMSE與MAE。

b））4套降水數據在不同季節表現出不同適用性，CMFD、GPM IMERG、ERA5及GSMaP 4套數據Bias均表現出夏季偏離程度小而冬季偏離程度大，RMSE與MAE的表現與Bias相反，夏季誤差大，而冬季誤差小。關于降雨量級的評估可以看出，降水數據產品往往在小雨時高估降水，而在中雨、大雨或暴雨時低估降水。關于站點尺度的評估可以看出，4套降水產品在鄭州市內不同位置的適用性存在一定差異性，鄭州市西南區域總體表現優于東北區域。

c））在1980—2019年，鄭州市降水在時間上呈現波動下降的現象，下降趨勢約為0. 2 mm/a，1982及1986年為鄭州市降水突變點，在1982及1986年前后，鄭州市降水均發生了較為顯著地變化。在空間上，呈現出明顯的自西南向東北遞減的趨勢。

綜上，CMFD、GPM IMERG、ERA5及GSMaP在鄭州市均表現出較強的適用性，可以作為實測數據的有效補充，可為鄭州市水文、氣象領域相關分析提供充足數據支撐，也是鄭州市多源異構降水數據融合的科學依據。本研究選取鄭州市內全部氣象站點數據，但總數量僅有8處，不足以滿足不同高程區間的降水數據適用性評估，后續可考慮擴大研究范圍，探索高程對降水數據適用性的影響，從而建立地形與降水數據適用性的關系，通過人工智能模型開展多源異構數據同化融合研究，這對補充鄭州市實測數據短缺具有重要意義。

參考文獻：

［1］胡慶芳. 基于多源信息的降水空間估計及其水文應用研究［D］. 北京：清華大學， 2013.

［2］黃曉龍，吳薇，許劍輝，等. ERA5-Land降水再分析資料在中國西南地區的適用性評估［J］.高原氣象，2023，42（6）：1562-1575.

［3］郭換換，王坤.基于雙偏振雷達和降水現象儀的鄭州“7·20”極端強降水微物理特征分析［J］.大氣科學學報，2023，46（5）：713-724.

［4］徐志，翟然，譚偉麗，等. 長江流域再分析降水數據的精度評估［C］//2023（第十一屆）中國水生態大會論文集. 2023.

［5］ TIAN F Q， HOU S Y， YANG L， et al. How Does the Evaluation of the GPM IMERG Rainfall Product Depend on Gauge Density and Rainfall Intensity？［J］. Journal of Hydrometeorology， 2018，19（2）： 339-349.

［6］權晨，趙彤，何杰，等.青海省長序列高分辨率氣象要素柵格數據集構建與評估［J］.氣象科技進展，2023，13（4）：29-33.

［7］馬茜. 不同類型降水產品在中國不同分區的精度評價及干旱監測適用性研究［D］.咸陽：西北農林科技大學，2022.

［8］胡文韜，余鐘波，陳松峰，等.長江上游衛星反演與再分析降水數據的適用性評估［J］.河海大學學報（自然科學版），2024，52（3）：15-24.

［9］陳昊杰，馬明衛，林遠. TRMM衛星降水產品和SPDI在河南省干旱監測中的適用性［J］.水資源開發與管理，2022，8（3）：6-15.

［10］馮克鵬，田軍倉，洪陽，等. TRMM/GPM和StageⅣ降水產品在小流域水文模擬效用評估［J］.排灌機械工程學報，2021，39（4）：397-403.

［11］繆清華.基于分布式模型和多源降水的中小河流洪水預警預報方法［D］.北京：清華大學，2019.

［12］孟慶博，劉艷麗，劉冀，等. TRMM衛星降水產品在尼洋河流域的適用性定量分析［J］.水資源與水工程學報，2019，30（1）：89-96.

［13］FRANCHITO S H， RAO V B， VASQUES A C， et al. Validation of TRMM precipitation radar monthly rainfall estimates over Brazil［J］. Journal of Geophysical Research， 2009，114（2）：102-113.

［14］ALIJANIAN M， RAKHSHANDEHROO G R， MISHRA A K， et al. Evaluation of satellite rainfall climatology using CMORPH， PERSIANN-CDR， PERSIANN， TRMM， MSWEP over Iran［J］. International Journal of Climatology， 2017，37（14）： 4896-4914.

［15］張金萍，曾苜翔，郭元.基于WRF的鄭州市暴雨中心最大時降雨過程模擬分析［J］.水資源與水工程學報，2022，33（3）：1-11.

［16］王振亞，姚成，董俊玲，等.鄭州“7·20”特大暴雨降水特征及其內澇影響［J］.河海大學學報（自然科學版），2022，50（3）：17-22.

［17］徐志，翟然，譚偉麗，等.長江流域再分析降水數據的精度評估［C］//2023（第十一屆）中國水生態大會論文集，2023.

［18］高金蘭，溫華洋，鄭小藝，等.三套再分析降水資料在安徽省的適用性評估［J］.氣象與環境學報，2023，39（4）：47-56.

［19］尚明，任陽陽，宋宏利，等. IMERG和GSMaP對中國極端降水監測能力評估［J］.地球信息科學學報，2023，25（9）：1813-1826.

［20］吳薇，黃曉龍，徐曉莉，等.四川省降水實況分析產品影響因素綜合評估［J］.干旱氣象，2023，41（1）：143-151.

［21］周思儒，信忠保.基于多源數據的近40年青藏高原降水量時空變化［J］.長江科學院院報，2023，40（10）：186-194.

［22］BHARTI V， SINGH C. Evaluation of error in TRMM 3B42V7 precipitation estimates over the Himalayan region［J］. Journal of Geophysical Research： Atmospheres， 2015，120（24）： 12458-12473.

［23］TAN M L， SANTO H. Comparison of GPM IMERG， TMPA 3B42and PERSIANN-CDR satellite precipitation products over Malaysia［J］. Atmospheric Research， 2018，202： 63-76.

［24］董永超，甘富萬，高揚，等. IMERG衛星降水數據在嘉陵江流域的干旱監測效用評估［J］.水文，2023，43（4）：88-95.

［25］孫樂強，郝振純，王加虎，等. TMPA衛星降水數據的評估與校正［J］.水利學報，2014，45（10）：1135-1146.

［26］夏哲兵，黃英梅.漢江流域中上游日降雨集中度時空格局研究［J］.人民長江，2020，51（S1）：76-79.

［27］邱輝，范維，王樂.漢江流域多模式面雨量預報效果評估及集成應用［J］.人民長江，2023，54（11）：51-59.

［28］覃曉東，朱仟，周東旸，等.基于深度學習的多源降水數據融合方法及其應用［J］.人民長江，2023，54（11）：68-75.