多種衛(wèi)星降水產(chǎn)品在長江流域的數(shù)據(jù)質(zhì)量評價

摘要：準確的降水資料對防汛抗洪、水文預報以及災害監(jiān)測等至關重要。為系統(tǒng)分析衛(wèi)星降水產(chǎn)品在長江流域的適用性，從降水精度特征、降水探測能力和極端降水捕捉能力3個方面對GSMaP、PERSIANN、CMORPH、TRMM、IMERG和CHIRPS共6種衛(wèi)星降水產(chǎn)品進行綜合評價，并對比分析了其在非汛期和汛期中的表現(xiàn)。結(jié)果表明：① 在降水精度特征方面，GSMaP在非汛期和汛期均展現(xiàn)出最高的精度，與地面數(shù)據(jù)的一致性顯著優(yōu)于其他產(chǎn)品，其他衛(wèi)星數(shù)據(jù)在長江上游區(qū)域表現(xiàn)不佳，與地面數(shù)據(jù)的相關性較弱；進入汛期后，盡管其他5種衛(wèi)星產(chǎn)品在長江中下游精度有所提升，但整體相關性仍然不強，且誤差顯著增大。② 在降水探測能力方面，GSMaP的命中率（POD值）普遍較高，尤其在洞庭湖流域表現(xiàn)突出，且誤報率最低；IMERG和PERSIANN在特定區(qū)域表現(xiàn)相近，CHIRPS和TRMM的整體探測能力較弱。③ 在極端降水捕捉能力方面，CHIRPS、CMORPH、IMERG和TRMM普遍高估降水量，而GSMaP與地面數(shù)據(jù)更吻合；在汛期，極端降水事件顯著增加，部分地區(qū)強降水總量超過2 000 mm，所有衛(wèi)星產(chǎn)品均能捕捉這些變化，但CHIRPS、CMORPH、IMERG、PERSIANN和TRMM普遍在金沙江和岷江流域的西北部低估強降水、在東南部高估強降水。研究成果可為長江流域洪水預警和水資源管理提供支撐。

關 鍵 詞：衛(wèi)星降水產(chǎn)品； 精度評估； 多尺度評價； 極端降水； 長江流域

中圖法分類號： TP79；P332.1

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2025.02.009

0 引 言

降水是地球水循環(huán)的重要組成部分，連接著大氣過程與地表過程，具有重要的氣象學、氣候?qū)W和水文學意義。地面雨量站作為最直接的觀測手段，容易受到地形和環(huán)境因素的影響，且站點空間分布不均，密度較低，難以精確反映降水的時空分布^［1］。衛(wèi)星遙感技術(shù)的快速發(fā)展使得獲取大范圍、高時空分辨率的降水信息成為可能，能有效彌補地面雨量站點數(shù)據(jù)的不足。然而，作為一種間接測雨方法，受傳感器性能、反演算法等限制，難免會產(chǎn)生誤差，因此在應用衛(wèi)星降水產(chǎn)品前需要進行精度評估和適用性評價。

目前，國內(nèi)外學者在全球范圍內(nèi)對多種衛(wèi)星降水數(shù)據(jù)的精度特征和區(qū)域適用性評估進行了大量研究，已取得了一些有價值的成果和發(fā)現(xiàn)。Islam等^［2］在日、季節(jié)和年尺度上綜合評估了5種衛(wèi)星降水產(chǎn)品在澳大利亞的性能，研究發(fā)現(xiàn)IMERG和TMPA的總體性能優(yōu)于CMORPH、PERSIANNN和PERSIANN-CDR；Hussian等^［3］發(fā)現(xiàn)在巴基斯坦地區(qū)CMORPH和TMPA數(shù)據(jù)與氣象站實測降水數(shù)據(jù)一致性最高，但在冰川地區(qū)表現(xiàn)出高估季節(jié)和月降水量；在中國，趙珊珊等^［4］評估了中國大陸區(qū)域3種降水產(chǎn)品（MSWEP、TRMM、CMFD）在小時、日、旬、月尺度的精度及空間分布特征，發(fā)現(xiàn)MSWEP在各尺度的擊中率和相對誤差中位數(shù)均明顯優(yōu)于CMFD和TRMM；慎璐璐^［5］從日、月、年尺度綜合評估CHIRPS、CPC、GPCP 1DD、GPM、PERSIANN、MERRA和ITPCAS共7種衛(wèi)星降水產(chǎn)品在黃河流域的精度特征，發(fā)現(xiàn)ITPCAS的精度最高，CPC和GPM次之，PERSIANN最差。

長江流域地形復雜，年降雨量時空分布很不均勻。在當前全球氣候變化加劇的背景下，長江流域水資源脆弱性增強，水文極端事件頻發(fā)^［6］，給流域安全帶來挑戰(zhàn)。以往對長江流域的研究為單一降水產(chǎn)品（或單一降水產(chǎn)品的不同版本）的精度特征研究和多種衛(wèi)星降水產(chǎn)品在長江流域的精度差異和適用性對比研究。然而，從空間尺度上看，現(xiàn)有研究大多基于整個長江流域進行分析，或僅關注流域內(nèi)不同海拔、不同氣候類型下的區(qū)域降水能力，較少研究降水產(chǎn)品在不同子流域間的精度特征差異和適用性。如吳一凡等^［7］以逐日實測降水數(shù)據(jù)為參考，對GPM衛(wèi)星降水產(chǎn)品在長江流域上游、中游和下游區(qū)域的探測精度進行了評價；馬秋梅^［8］對比了TRMM和GPM降水產(chǎn)品在整個長江流域的適用性；郭家力等^［9］根據(jù)地形氣候差異將長江流域劃分為4個區(qū)域，綜合評估了TRMM、CMORPH、CHIRPS和PERSIANN-CDR 4種衛(wèi)星降水產(chǎn)品的數(shù)據(jù)質(zhì)量。從時間尺度上看，研究多集中于全年尺度的降水產(chǎn)品評估，較少區(qū)分汛期與非汛期這一關鍵時期并進行細化分析。考慮到長江流域受季風氣候顯著影響，汛期（通常指夏季多雨季節(jié)）的降水量可占全年總降水量的70%～80%，因此，單獨評估汛期與非汛期的衛(wèi)星降水產(chǎn)品精度對于理解降水動態(tài)、提高洪水預警和水資源管理效率具有重要意義。此外，將衛(wèi)星降水產(chǎn)品應用到長江流域極端降水事件的研究相對較少，且相互之間的對比分析仍不夠充分。

因此，本文在現(xiàn)有研究基礎上，進一步細化分析維度，以中國地面降水日值格點數(shù)據(jù)集作為參考數(shù)據(jù)，將長江流域劃分為汛期與非汛期兩個關鍵時段，選取長江流域9個子流域作為研究區(qū)，在日尺度上從精度特征、降水探測能力和極端降水捕捉能力3個角度對目前國內(nèi)外較常用的6種衛(wèi)星降水產(chǎn)品的數(shù)據(jù)質(zhì)量進行評價，以期為長江流域衛(wèi)星降水產(chǎn)品在降水數(shù)據(jù)融合、水文模擬與預報、防汛抗旱以及對該地區(qū)的社會經(jīng)濟發(fā)展的影響等方面提供參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)

長江是中國第一大河，發(fā)源于青海省唐古拉山，流經(jīng)19個省級行政區(qū)，最終在上海市崇明島附近匯入東海。長江全長約6 300 km，流域面積約180萬km2，約占中國國土面積的18.8%。長江流域多年平均降水量約為1 100 mm，地形復雜，季風氣候十分典型，年降水量和暴雨的時空分布很不均勻。6～7月，長江中下游降水量達200 mm以上，8月主要雨區(qū)推移至長江上游，長江下游受副熱帶高壓控制，雨量較少。如圖1所示，本研究對長江流域9個子流域分別開展分析，這9個子流域為：金沙江流域（JSR）、嘉陵江流域（JLR）、漢江流域（HR）、岷江流域（MR）、長江干流流域（MS）、太湖流域（TL）、洞庭湖流域（DL）、鄱陽湖流域（PL）、烏江流域（WR）。

1.2 降水數(shù)據(jù)

1.2.1 降水參考數(shù)據(jù)

本研究使用國家氣象信息中心提供的中國地面降水日值0.5°×0.5°格點數(shù)據(jù)集（V2.0）作為降水參考數(shù)據(jù)（http//data.cma.cn/），該數(shù)據(jù)集基于全國2 474個國家級氣象臺站1961年以來逐月、逐日降水量資料，并結(jié)合GTOP030數(shù)據(jù)重采樣生成的數(shù)字高程模型數(shù)據(jù)研制而成。通過引入數(shù)字高程模型資料，利用薄盤樣條法進行空間插值處理，從而消除中國地形對降水分布的影響，并經(jīng)過國家氣象信息中心基礎資料專項嚴格的檢查和審核。該套數(shù)據(jù)精度很高，并已應用到此類研究中^［10-11］。本研究采用最鄰近插值法（NNI）將地面降水數(shù)據(jù)插值至0.1°×0.1°，基于地面數(shù)據(jù)的網(wǎng)格中心對衛(wèi)星降水產(chǎn)品進行質(zhì)量評價。

1.2.2 衛(wèi)星降水產(chǎn)品

本研究對目前國內(nèi)外較常用的6種衛(wèi)星降水產(chǎn)品進行質(zhì)量評價，分別是GSMaP、PERSIANN、CMORPH、TRMM、IMERG和CHIRPS。所選用的降水數(shù)據(jù)均是各衛(wèi)星降水數(shù)據(jù)系列中精度最高的產(chǎn)品，其中GSMaP_Guage是在GSMaP_MVK基礎上經(jīng)全球30 000多個CPC雨量站點數(shù)據(jù)校正后的版本；PERSIANN-CDR利用GridSat-B1紅外衛(wèi)星數(shù)據(jù)和PERSIANN算法進行降水估算，然后采用全球降水氣候項目GPCP降水產(chǎn)品進行校正；CMORPH產(chǎn)品是由美國大氣海洋管理局氣候中心（CPC）在多種微波降水數(shù)據(jù)和紅外數(shù)據(jù)的基礎上研制的全球高時空分辨率降水數(shù)據(jù)；TRMM 3B42產(chǎn)品是由TRMM 3B42RT和地面站點數(shù)據(jù)聯(lián)合得到；IMERG Final產(chǎn)品使用月尺度全球降水氣候中心（GPCC）的站點資料做深度校正；CHIRPS產(chǎn)品是由美國地質(zhì)調(diào)查局和加利福尼亞大學氣候危害小組聯(lián)合研制的，結(jié)合0.05°分辨率的衛(wèi)星圖像和觀測數(shù)據(jù)，創(chuàng)建網(wǎng)格化降雨時間序列。衛(wèi)星降水產(chǎn)品的基本信息如表1所列，研究數(shù)據(jù)選取的時間序列為2017年1月至2020年12月，其中汛期為5月1日至10月15日。為了確保衛(wèi)星降水產(chǎn)品與地面降水參考數(shù)據(jù)的空間分辨率一致性，本研究對PERSIANN、CMORPH、TRMM和CHIRPS產(chǎn)品進行了重采樣處理，將其原始分辨率0.25°×0.25°提升至0.1°×0.1°。

2 研究方法

2.1 降水統(tǒng)計指標

降水統(tǒng)計指標反映衛(wèi)星降水數(shù)據(jù)與地面降水數(shù)據(jù)的吻合程度和誤差特征。選取的統(tǒng)計指標包括相關系數(shù)（R）、均方根誤差（RMSE）、平均絕對誤差（MAE）。相關系數(shù)（R）用于量化衛(wèi)星降水觀測值與地面降水監(jiān)測值之間的線性相關程度，相關系數(shù)越接近1，則相關性越強。均方根誤差（RMSE）用于量化衛(wèi)星降水觀測值和地面降水監(jiān)測值之間的離散程度，相較于MAE給予了誤差更高的權(quán)重。平均絕對誤差（MAE）用于量化衛(wèi)星降水觀測值與地面降水平均誤差的大小。各指標計算方式與最優(yōu)值見表2。

2.2 降水分類指標

降水分類指標反映衛(wèi)星降水產(chǎn)品的降雨探測能力。選取的分類指標包括命中率（POD）、誤報率（FAR）、關鍵成功指數(shù)（CSI）。命中率代表在降雨事件中，衛(wèi)星降水產(chǎn)品能夠正確觀測到降雨的概率；誤報率代表衛(wèi)星降水產(chǎn)品錯誤觀測的概率；關鍵成功指數(shù)則代表在衛(wèi)星降水產(chǎn)品和地面站點監(jiān)測到的降雨事件中，衛(wèi)星成功觀測的概率。各指標計算方式與最優(yōu)值見表2。

2.3 極端降水指標

本研究選用世界氣象組織氣象委員會（https：//www.cma.gov.cn/）推薦的極端降水指標^［12］來描述衛(wèi)星降水產(chǎn)品對極端降水事件的監(jiān)測能力，各極端降水指標的定義見表3。

3 結(jié)果與討論

3.1 降水精度評價

圖2給出了6種衛(wèi)星降水數(shù)據(jù)在長江流域9個子流域的R指標空間分布情況，并區(qū)分非汛期和汛期兩個不同的時間段。從圖2可以看出，無論是在非汛期還是汛期，GSMaP在長江流域各子流域，均展現(xiàn)出顯著高于其他衛(wèi)星降水數(shù)據(jù)的R值，表明其與地面降水數(shù)據(jù)的一致性最高，R值最大在0.8以上。嘉陵江流域以東的長江上游尾部、長江中下游各子流域的R值高于其他上游流域，在大部分區(qū)域的R值均在0.55以上，而在其他上游地區(qū)的各子流域R值普遍較低，多數(shù)在0.55以下。在非汛期，長江中下游地區(qū)IMERG、CMORPH與地面觀測數(shù)據(jù)的相關性較高，其R值高于CHIRPS、PERSIANN及TRMM數(shù)據(jù)。然而，在長江上游，其他5種衛(wèi)星降水數(shù)據(jù)（除GsMaP外）在金沙江流域、岷江流域、嘉陵江流域、烏江流域、長江干流流域西部在內(nèi)的大部分地區(qū)表現(xiàn)不佳，R值普遍低于0.4，部分區(qū)域甚至低于0.1，顯示出較低的相關性。

但在金沙江流域東南部，IMERG與CMORPH數(shù)據(jù)表現(xiàn)出相對較好的相關性，而在西北部，CMORPH與TRMM的相關性則顯著較差，R值多數(shù)在0.1以下。

在汛期，CHIRPS、CMORPH、IMERG、PERSIANN和TRMM 5種衛(wèi)星降水數(shù)據(jù)的相關性整體上較差，主要集中在0.5以下，且空間分布具有相似的特征，均表現(xiàn)為長江中下游地區(qū)的精度優(yōu)于長江上游地區(qū)，這與金秋等^［13］的研究結(jié)果一致。對比汛期和非汛期時，長江中下游的洞庭湖、鄱陽湖、太湖流域及長江干流中下游段的衛(wèi)星降水數(shù)據(jù)（除GSMaP外）呈現(xiàn)出以下趨勢：汛期的R值精度較非汛期略有提升，表明在雨季期間，這些衛(wèi)星降水數(shù)據(jù)對降水量的監(jiān)測效果相對更精確;然而，長江上游地區(qū)岷江流域的衛(wèi)星降水數(shù)據(jù)在非汛期表現(xiàn)更佳，嘉陵江流域則在汛期展現(xiàn)出更高的R值。

在均方根誤差（RMSE）方面（圖3），從非汛期來看，6種衛(wèi)星降水數(shù)據(jù)的RMSE值主要集中在12 mm以下，其指標的空間分布呈現(xiàn)相似的趨勢：在長江流域，RMSE值均表現(xiàn)為從西北向東南部逐漸升高，與地面降水的離散程度逐步加劇，這是因為RMSE值與降水量直接相關^［14］，隨著降水量的增加，誤差也相應增大。具體而言，在洞庭湖流域以西的長江上游地區(qū)RMSE值普遍較低，多數(shù)在5 mm以下，其中金沙江流域的RMSE值最低，而在洞庭湖流域及以東地區(qū)的RMSE值則相對較高，GSMaP在該區(qū)域的精度表現(xiàn)最高，CHIRPS表現(xiàn)最差。GSMaP在各子流域的RMSE值較其他衛(wèi)星降水數(shù)據(jù)更低，但優(yōu)勢不明顯。相比于非汛期，所有衛(wèi)星降水數(shù)據(jù)在汛期時的RMSE值均顯著增大，主要集中在10 mm以上，在金沙江流域和岷江流域的RMSE值表現(xiàn)為西北部比東南部更低，精度更高。這可能是因為長江上游東部地區(qū)比西部降水更加豐富，有研究^［15］顯示，TRMM降水產(chǎn)品在中國濕潤地區(qū)的估算精度優(yōu)于西北部降水偏少地區(qū)。在汛期，GSMaP在長江流域大部分地區(qū)整體優(yōu)于其他衛(wèi)星數(shù)據(jù)，且其優(yōu)勢相較于非汛期時段更為顯著。

在對長江流域9個子流域的6種衛(wèi)星降水數(shù)據(jù)進行R指標和RMSE指標分析后發(fā)現(xiàn)，在長江流域的某些區(qū)域，如金沙江流域和岷江流域，衛(wèi)星降水數(shù)據(jù)的R值普遍較低，表明其與地面觀測數(shù)據(jù)的相關性較弱。但這些區(qū)域的RMSE值也相對較低，意味著雖然相關性不強，但誤差的幅度并不大，這可能是由于數(shù)據(jù)中的隨機誤差導致的，而不是系統(tǒng)誤差。

在平均絕對誤差MAE方面（圖4），針對非汛期階段，6種衛(wèi)星降水數(shù)據(jù)的MAE指標與均方根誤差（RMSE）指標表現(xiàn)的誤差空間特征基本保持一致，MAE值更小，多數(shù)在4 mm以下。但在汛期MAE值多集中分布在4 mm以上，仍表現(xiàn)為各衛(wèi)星降水數(shù)據(jù)在汛期時段具有較低的精度和穩(wěn)定性。

3.2 降水探測能力評價

從命中率POD的空間分布來看（圖5），在汛期，衛(wèi)星降水數(shù)據(jù)在各個子流域的降水探測能力差異較大。GSMaP的POD值在長江流域整體上都是最高的，廣泛分布在0.7～1.0之間，尤其在洞庭湖流域東南部的降水探測能力最佳。然而，在金沙江流域的某些區(qū)域，GSMaP的POD值略低，介于0.30～0.86之間，這可能與該區(qū)域復雜的地形和氣候條件有關。其次是IMERG和PERSIANN，IMERG在長江中下游地區(qū)的適用性比上游地區(qū)更高，而PERSIANN降水數(shù)據(jù)POD值較高的地區(qū)主要分布在長江上游的金沙江、岷江、嘉陵江、漢江流域的西北部，表現(xiàn)出“西北高東南低”的特點，且正確探測降水事件的能力優(yōu)于GSMaP，這與衛(wèi)林勇等^［16］發(fā)現(xiàn)PERSIANN-CDR產(chǎn)品適用于降水偏少、降雪偏多地區(qū)的結(jié)論相似。CMORPH和CHIRPS稍遜，TRMM最差，POD值主要在0.4以下。

進一步探討汛期與非汛期衛(wèi)星降水數(shù)據(jù)性能的差異可以發(fā)現(xiàn)：在汛期，GSMaP仍表現(xiàn)最佳，POD值在0.64～0.97之間，整體高于其他產(chǎn)品，這可能因為GSMaP采用全球CPC雨量站點日降雨數(shù)據(jù)校正，能更加有效地改進衛(wèi)星降水產(chǎn)品的降水精度；IMERG和PERSIANN表現(xiàn)相近，且前者略高，其次是CMORPH，TRMM和CHIRPS最差；整體上汛期各衛(wèi)星降水產(chǎn)品對降水事件的探測能力顯著提升，而非汛期降水相對較少且分散，衛(wèi)星探測難度增加。

從誤報率FAR的空間分布來看（圖6），在非汛期，GSMaP在大部分子流域的FAR值最低，誤報率在0.10～0.55之間，尤其在金沙江流域比其他衛(wèi)星產(chǎn)品的優(yōu)勢更大。命中率較低的TRMM誤報率也比較低，僅次于GSMaP，在烏江、洞庭湖及鄱陽湖流域表現(xiàn)出較低的FAR值，但在金沙江流域?qū)θ战邓录恼`報比例相對較高。CMORPH與TRMM表現(xiàn)接近，但CMORPH在金沙江流域西北部的誤報率更高，最高達0.9以上，這與金沙江流域復雜的地形地貌和顯著的高程差異相關，金沙江流域的最大海拔差異高達5 142 m^［17］，降水分布受地形影響較大，降水量整體上呈自西北向東南逐漸增加的趨勢。6種衛(wèi)星產(chǎn)品的誤報率在空間分布上都表現(xiàn)出東南低西北高的特征，這也與長江流域的降水量空間分布直接相關。進入汛期后，這種空間特征發(fā)生了變化，衛(wèi)星數(shù)據(jù)在長江流域的誤報率轉(zhuǎn)而呈現(xiàn)出東北高西南低的態(tài)勢，特別是在漢江、太湖流域和長江干流中下游，對日降水事件的誤測比例偏高，主要集中在0.2～0.3之間。但與非汛期相比，各衛(wèi)星降水產(chǎn)品隨著降水強度的增加誤報率顯著降低，均在0.5以下，最低達到0.01，精度顯著提升。

從關鍵成功指數(shù)CSI的空間分布來看（圖7），在非汛期，GSMaP降水數(shù)據(jù)在長江流域各子流域的CSI值最高，平均值在0.57左右，日降水事件的探測能力較低，但相比其他衛(wèi)星降水數(shù)據(jù)優(yōu)勢明顯。這與目前一些研究成果^［18-19］中GSMaP明顯優(yōu)于IMERG、TRMM、PERSIANN降水產(chǎn)品的結(jié)論一致。其次是IMERG、CMORPH和PERSIANN，整體上水平相近，但在長江中下游地區(qū)IMERG和CMORPH表現(xiàn)更好，在金沙江和岷江流域PERSIANN表現(xiàn)更好，在金沙江流域西北部CMORPH的CSI值普遍在0.15以下，表現(xiàn)較差。CHIRPS的CSI值在0.10～0.45之間，TRMM的CSI值在0.05～0.38之間，綜合探測能力均較差。與命中率表現(xiàn)出的特征一致，與非汛期相比，各衛(wèi)星降水數(shù)據(jù)在汛期對降水事件的綜合探測能力有所改善，且CSI值隨著降水量的增加呈現(xiàn)出從長江上游向中下游遞減的趨勢，這與孫桂凱等^［20］在廣西地區(qū)的研究結(jié)果是相近的，衛(wèi)星產(chǎn)品在雨季的降水探測能力較好，但降水強度增大會使正確探測降水事件的能力下降。在汛期，GSMaP的CSI值均在0.59以上，其在金沙江流域和岷江流域適用性最高，CMORPH、IMERG和PERSIANN降水數(shù)據(jù)在CSI指標下的分布相似，而CHIRPS整體上表現(xiàn)較差，CSI值不超過0.6。

3.3 極端降水捕捉能力評價

本文采用4種極端降水指標：最大1 d降水量（Rx1day）、最大5 d降水量（Rx5day）、強降水總量（R95pTOT）、極端強降水總量（R99pTOT）對長江9個子流域在2017～2020年的極端降水事件進行評估。為更細致地揭示極端降水事件在不同季節(jié)的特征，同樣將評估時段細分為汛期和非汛期兩個時段，進行對比分析。各指標空間圖中的GPD表示Ground Precipitation Data，即地面降水數(shù)據(jù)（圖8～11）。

（1） 圖8為研究時段內(nèi)Rx1day指標在非汛期和汛期兩個時段的空間分布圖。在非汛期，長江流域的Rx1day指標呈現(xiàn)出自西北向東南逐漸增高的趨勢，在金沙江流域、岷江流域和嘉陵江流域西北部最大1 d降水量主要在20 mm以下，嘉陵江流域的東南部、烏江流域以及長江干流上游地區(qū)，降水量逐漸增多，最大1 d降水量多落在30～50 mm的區(qū)間內(nèi)，在洞庭湖流域東南部、鄱陽湖流域和長江干流中下游，最大1 d降水量主要集中在50～100 mm之間。不同衛(wèi)星降水數(shù)據(jù)在不同子流域的精度有所差異，存在高估或低估最大1 d降水量的情況。具體而言，CHIRPS、CMORPH、IMERG和TRMM降水數(shù)據(jù)在長江流域多數(shù)地區(qū)均普遍高估了日降水量，尤其是CHIPRS在洞庭湖和鄱陽湖流域的高估現(xiàn)象最為顯著，但在金沙江流域西北部CHIRPS卻表現(xiàn)出對最大1 d 降水量的低估，尤其是對微量降水的捕捉能力不足。相對而言，PERSIANN的地域性差異比較大，其在金沙江流域西北部及漢江流域傾向于低估降水量，而轉(zhuǎn)至岷江、洞庭湖、鄱陽湖及太湖流域時則轉(zhuǎn)為高估最大1 d降水量，這種地域性的精度波動反映了PERSIANN數(shù)據(jù)在不同地理環(huán)境下的適應性差異。GSMaP降水數(shù)據(jù)最接近地面降水參考數(shù)據(jù)，在長江流域多數(shù)地區(qū)具有相似的特征，能較好地捕捉降水事件。

在汛期，長江流域各子流域的Rx1day指標值從西北向東南逐漸增高的趨勢不變，但數(shù)值顯著增加，如長江上游的金沙江、岷江流域的Rx1day增加至20～50 mm之間，轉(zhuǎn)至下游，長江干流以及鄱陽湖、太湖等流域最大1 d降水量增加至100 mm以上，最高超過了200 mm。在此復雜的降水格局下，GSMaP與地面降水數(shù)據(jù)的一致性仍最高，在大部分流域基本能夠展現(xiàn)出與地面降水數(shù)據(jù)相似的空間模式。而其他5種衛(wèi)星產(chǎn)品普遍傾向于高估最大1 d降水量，其中IMERG產(chǎn)品的高估現(xiàn)象尤為突出。但在長江中下游地區(qū)包括鄱陽湖和太湖流域，CHIRPS、GSMaP和PERSIANN都在不同程度上低估了強降水區(qū)域的降水量。

（2） 研究時段內(nèi)地面降水數(shù)據(jù)和6種衛(wèi)星降水數(shù)據(jù)Rx5day指標的空間分布如圖9所示。整體來看，在非汛期期間，長江上游區(qū)域展現(xiàn)出相對較低的Rx5day值域，特別是在金沙江、岷江及嘉陵江流域，這些區(qū)域的指標值普遍集中在50 mm以下，反映出較為溫和的降水強度。隨著地理位置向東推移，漢江、烏江流域以及長江干流上游的Rx5day值逐漸增加，主要分布區(qū)間增加至50～100 mm，顯示出降水強度的增強趨勢。在長江中下游地區(qū)的洞庭湖、鄱陽湖流域降水量繼續(xù)增加，多數(shù)在100～200 mm之間，說明在非汛期時段，長江流域整體表現(xiàn)出較低的連續(xù)極端降水事件發(fā)生概率。而在汛期，長江流域各子流域的Rx5day值均呈現(xiàn)出顯著的上升趨勢，特別是在長江干流中游區(qū)域，其Rx5day值更是達到了400 mm以上，成為全流域降水強度的峰值所在。無論是在非汛期還是汛期，CHIRPS、CMORPH、IMERG、PERSIANN、TRMM在不同程度上均高估了長江流域各子流域的極端降水強度，尤其是在汛期，CMORPH與IMERG的高估現(xiàn)象尤為顯著。相比之下，GSMaP產(chǎn)品的Rx5day空間分布與地面實測數(shù)據(jù)之間的吻合度最高，盡管其表現(xiàn)也存在一定的地域差異，如在非汛期長江中下游區(qū)域傾向于高估降水量，而在烏江流域的某些地區(qū)則出現(xiàn)了低估現(xiàn)象。此外，PERSIANN在漢江流域的汛期降水估算中則呈現(xiàn)出明顯的低估傾向，這進一步強調(diào)了在使用衛(wèi)星降水產(chǎn)品時需充分考慮其地域適用性與局限性。

（3） 圖10給出了各衛(wèi)星降水數(shù)據(jù)95%分位數(shù)上的降水量總和R95pTOT指標的空間分布情況。根據(jù)地面降水參考數(shù)據(jù)（GPD），長江流域的極端降水指標R95pTOT在非汛期和汛期均表現(xiàn)出明顯的空間差異。非汛期時，極端降水量呈現(xiàn)出上游高、中游次之、下游低的趨勢，這與Zhang等^［21］對長江流域極端降水特征的分析結(jié)論一致。汛期時，極端降水量顯著增加，尤其是在上游區(qū)域，部分地區(qū)R95pTOT值超過2 000 mm，表明降水事件的頻率和強度大幅上升。相比非汛期，汛期的降水集中性更強，極端天氣影響范圍擴大，上游區(qū)域的降水威脅尤為顯著。在非汛期，金沙江和岷江流域西北部的R95pTOT值最低，表明在此期間發(fā)生極端降水事件的頻率較低。6種衛(wèi)星降水產(chǎn)品均能夠捕捉這一特征，但CHIRPS、CMORPH、IMERG、PERSIANN和TRMM在這兩個流域的西北部傾向于低估強降水量，而在東南部則傾向于高估。此外，這些衛(wèi)星產(chǎn)品在其他子流域中的強降水量預測值也普遍偏高，特別是在長江中下游地區(qū)，這與徐凡等^［22］在長江中下游地區(qū)的研究結(jié)論相似，研究顯示在強降水區(qū)域，日降水累積量容易呈現(xiàn)高估的趨勢。而在汛期，隨著降水強度的增大，高估趨勢更加明顯。總體來看，GSMaP的降水數(shù)據(jù)在長江流域多數(shù)地區(qū)與地面參考數(shù)據(jù)最為接近，能夠有效捕捉降水事件。

（4） 圖11為研究時段內(nèi)地面降水數(shù)據(jù)和6種衛(wèi)星降水數(shù)據(jù)的R99pTOT指標空間分布圖，在非汛期和汛期兩個時段內(nèi)的R99pTOT指標值均呈現(xiàn)出由西向東逐漸增加的趨勢。與R95pTOT指標相似，CHIRPS、CMORPH、PERSIANN、IMERG和TRMM降水數(shù)據(jù)與地面降水數(shù)據(jù)的空間分布存在較大差異，在長江流域各個子流域都以不同的程度高估了極端降水強度。GSMaP降水數(shù)據(jù)R99pTOT指標的空間分布與實際累計降水的一致性最好，反映了其在長江流域具有良好的適用性。

4 結(jié) 論

本研究針對目前常用的6種衛(wèi)星降水數(shù)據(jù)CHIRPS、CMORPH、IMERG、GSMaP、PERSIANN和TRMM在長江流域各子流域的性能開展了較全面的評估與對比，從精度特征、降水探測能力和極端降水捕捉能力3個方面進行研究，得到以下結(jié)論：

（1） GSMaP衛(wèi)星降水數(shù)據(jù)在非汛期和汛期均展現(xiàn)出最高的精度，與地面降水數(shù)據(jù)的一致性顯著優(yōu)于其他衛(wèi)星降水產(chǎn)品。其他衛(wèi)星數(shù)據(jù)在長江上游普遍表現(xiàn)不佳，R值多低于0.4。在汛期，盡管長江中下游的衛(wèi)星數(shù)據(jù)有所提升，但整體相關性仍低于0.5，且均方根誤差（RMSE）和平均絕對誤差（MAE）顯著增大，顯示出降水監(jiān)測的精度和穩(wěn)定性有所下降。長江上游地區(qū)的RMSE通常較低（大多數(shù)在5 mm以下），但在汛期，RMSE顯著增加，尤其是在降水量較豐富的東部地區(qū)。這表明，衛(wèi)星降水數(shù)據(jù)在雨季的監(jiān)測效果在上下游均存在不足。

（2） 在日降水事件探測能力方面，GSMaP展現(xiàn)出了卓越的性能，其POD值普遍較高，尤其在洞庭湖流域表現(xiàn)突出，但在金沙江流域略低。IMERG和PERSIANN的性能相近，其中IMERG在長江中下游地區(qū)表現(xiàn)更佳，PERSIANN在上游某些流域有一定優(yōu)勢。汛期，GSMaP的POD值依然領先，顯示出良好的降水探測能力。FAR分析顯示，GSMaP在非汛期的誤報率最低，而在汛期，誤報率在空間上呈現(xiàn)東北高西南低的趨勢。CSI分析進一步證實了GSMaP在降水事件探測上的優(yōu)勢，IMERG、CMORPH和PERSIANN在特定區(qū)域表現(xiàn)相近，但CHIRPS和TRMM的整體探測能力相對較弱。

（3） 在極端降水事件捕捉能力方面，非汛期，Rx1day指標自西北向東南逐漸增高，而Rx5day值域相對較低，表明極端降水事件的頻率較低。汛期，Rx1day和Rx5day值顯著增加，尤其是在長江干流中游區(qū)域，極端降水強度顯著增強。GSMaP降水數(shù)據(jù)在多數(shù)地區(qū)與地面降水參考數(shù)據(jù)的一致性最高，尤其在汛期表現(xiàn)尤為突出。相比之下，CHIRPS、CMORPH、IMERG和TRMM普遍高估了日降水量，尤其是在長江中下游地區(qū)。PERSIANN在某些地區(qū)表現(xiàn)出低估傾向，特別是在漢江流域的汛期。R95pTOT和R99pTOT指標在非汛期呈現(xiàn)上游高于中下游的趨勢，而汛期極端降水顯著增加，部分地區(qū)值超過2 000 mm，表明降水頻率和強度有所提升。雖然所有衛(wèi)星降水產(chǎn)品均能捕捉這些變化，但CHIRPS、CMORPH、IMERG、PERSIANN和TRMM在西北部地區(qū)傾向于低估強降水，而在東南部則高估。

參考文獻：

［1］ JIANG S，REN L，HONG Y，et al.Comprehensive evaluation of multi-satellite precipitation products with a dense rain gauge network and optimally merging their simulated hydrological flows using the Bayesian model averaging method［J］.Journal of Hydrology，2012，452/453：213-225.

［2］ ISLAM M A，YU B，CARTWRIGHT N.Assessment and comparison of five satellite precipitation products in Australia［J］.Journal of Hydrology，2020，590（3）：125474.

［3］ HUSSIAN Y，SATGE F，HUSSIAN M B，et al.Performance of CMORPH，TMPA and PERSIANN rainfall datasets over plain，mountainous and glacial regions of Pakistan［J］.Theoretical and Applied Climatology，2018，131：1119-1132.

［4］ 趙珊珊，周向陽，童錦施.中國典型降水產(chǎn)品精度多時間尺度變化及空間分布［J］.人民長江，2024，55（4）：103-117.

［5］ 慎璐璐.黃河流域多源衛(wèi)星降水產(chǎn)品精度評估［D］.楊凌：西北農(nóng)林科技大學，2022.

［6］ 孫鳳云.長江流域旱澇災害預估［D］.上海：華東師范大學，2018.

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

［8］ 馬秋梅.多源衛(wèi)星降水產(chǎn)品在長江流域徑流模擬中的適用性研究［D］.武漢：武漢大學，2019.

［9］ 郭家力，丁光旭，楊旭，等.多源衛(wèi)星降水產(chǎn)品在長江流域的時空精度對比［J］.南水北調(diào)與水利科技（中英文），2022，20（2）：230-242，252.

［10］李艷忠，星寅聰，莊稼成，等.典型遙感降水產(chǎn)品的水文模擬性能評估［J］.遙感學報，2024，28（2）：398-413.

［11］王書霞，張利平，喻笑勇，等.遙感降水產(chǎn)品在瀾滄江流域徑流模擬中的適用性研究［J］.長江流域資源與環(huán)境，2019，28（6）：1365-1374.

［12］楊曉瑞，曾歲康，林志鵬.GPM衛(wèi)星降水數(shù)據(jù)對四川極端降水的監(jiān)測能力評估［J］.遙感技術(shù)與應用，2023，38（6）：1496-1508.

［13］金秋，張增信，黃鈺瀚，等.基于TRMM衛(wèi)星產(chǎn)品的長江流域降水精度評估［J］.人民長江，2017，48（19）：48-52.

［14］李新?lián)Q，孫陽.衛(wèi)星降水產(chǎn)品在川渝地區(qū)的精度驗證和誤差分解［J］.人民長江，2022，53（1）：97-103.

［15］黃鈺瀚.基于VIC水文模型的TRMM降水產(chǎn)品在長江上游徑流模擬中的應用［D］.南京：南京林業(yè)大學，2017.

［16］衛(wèi)林勇，江善虎，任立良，等.多源衛(wèi)星降水產(chǎn)品在不同省份的精度評估與比較分析［J］.中國農(nóng)村水利水電，2019（11）：38-44.

［17］劉曉婉，許繼軍，韓志明.金沙江流域降水空間分布特征及變化趨勢分析［J］.人民長江，2016，47（15）：36-44.

［18］楊震宇，寧少尉，金菊良.最新GSMap-gauged與GPM-IMERG衛(wèi)星降水產(chǎn)品性能評估及其在長江流域中的應用［J］.水電能源科學，2018，36（11）：5-8，13.

［19］丁光旭，郭家力，湯正陽，等.多種降水再分析數(shù)據(jù)在長江流域的適用性對比［J］.人民長江，2022，53（9）：72-79.

［20］孫桂凱，魏義熊，王國帥，等.GPM IMERG衛(wèi)星降水數(shù)據(jù)在廣西地區(qū)適用性分析［J］.人民長江，2022，53（7）：98-106.

［21］ZHANG Q，XU C Y，ZHANG Z，et al.Spatial and temporal variability of precipitation maxima during 1960-2005 in the Yangtze River basin and possible association with large-scale circulation［J］.Journal of Hydrology，2008，353（3/4）：215-227.

［22］徐凡，王瑩.IMERG衛(wèi)星降水產(chǎn)品在我國梅雨極端降水期的適用性評估［J］.氣象與減災研究，2021，44（4）：280-289.

（編輯：謝玲嫻）

Evaluation of data quality for multiple satellite precipitation products in Changjiang River Basin

YU Fei^1，2，SHEN Dingtao^1，2，TAN Debao³，GU Hongji^1，2，XIAO Shuting^1，2

（1.KeyLaboratory for Geographical Process Analysis amp; Simulation of Hubei Province，Central China Normal University，Wuhan 430079，China； 2.College of Urban and Environmental Sciences，Central China Normal University，Wuhan 430079，China； 3.Changjiang River Scientific Research Institute，Changjiang Water Resources Commission，Wuhan 430010，China）

Abstract： Accurate precipitation data are crucial for flood control，hydrological forecasting，and disaster monitoring.To systematically assess the applicability of satellite precipitation products in the Changjiang River basin，six satellite precipitation products，namely GSMaP，PERSIANN，CMORPH，TRMM，IMERG，and CHIRPS，were comprehensively evaluated from three aspects of precipitation accuracy，precipitation detection capability，and extreme precipitation capture ability，with comparison made between their performance in non-flood season and flood season.The results show that：① In terms of precipitation accuracy，GSMaP exhibits the highest accuracy in both the non-flood and flood seasons，with significantly better consistency with ground data than the other products.Other satellite data perform poorly in the upper reaches of the Changjiang River，with a weak correlation to ground data.Although the accuracy of the satellite products （except GSMaP） are improved in the middle and lower reaches of the Changjiang River during the flood season，the overall correlation remains weak，and the errors significantly increase.② In terms of precipitation detection capability，GSMaP generally has a higher detection rate （POD value），especially in Dongting Lake Basin，with the lowest 1 alarm rate.IMERG and PERSIANN show similar performance in specific regions，while CHIRPS and TRMM have worse overall detection capabilities.③ In terms of extreme precipitation capture ability，CHIRPS，CMORPH，IMERG，and TRMM generally overestimate precipitation amounts，while GSMaP shows better agreement with ground data.During the flood season，extreme precipitation events multiply significantly，with some areas experiencing total precipitation exceeding 2 000 mm.All satellite products capture these changes，but CHIRPS，CMORPH，IMERG，PERSIANN，and TRMM tend to underestimate extreme precipitation in the northwest of the Jinsha River and Minjiang River basins while overestimating it in the southeast.The findings provide valuable data support for flood early warning and water resource management in the Changjiang River Basin.

Key words： satellite precipitation products； accuracy evaluation； multi-scale assessment； extreme precipitation； Changjiang River Basin