EN中文

Acta Geographica Sinica >

2019 , Vol. 74 >Issue 7: 1305 - 1318

DOI: https://doi.org/10.11821/dlxb201907003

Climate Change and Surface Processes

Evaluation of the GPM-based IMERG and GSMaP precipitation estimates over the Sichuan region

  • ZENG Suikang 1, 2 ,
  • YONG Bin , 1, 2
Expand
  • 1.State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China
  • 2.School of Earth Sciences and Engineering, Hohai University, Nanjing 211100, China

Received date: 2018-12-03

  Request revised date: 2019-04-23

  Online published: 2019-07-23

Supported by

National Key R&D Program of China(2018YFA0605402)

Copyright

Copyright reserved © 2019
Fold

Abstract

The Integrated Multi-satellitE Retrievals for GPM (IMERG) and Global Satellite Mapping of Precipitation (GSMaP) are two high precisely multi-satellite precipitation estimates in the GPM era. In order to evaluate the applicability of both IMERG and GSMaP series products (IMERG_Uncal and IMERG_Cal, GSMaP_MVK and GSMaP_Gauge) over the Sichuan region in China, six statistical indices are used to systematically analyze the error characteristics of these products, benchmarked by a set of ground-based dataset from China Meterological Administration (CMA). Results show that: (1) All products show the dramatic regional difference over Sichuan at both daily and hourly scales. The GSMaP series products overestimate precipitation and the most overestimations occur over the high altitude areas located in the Western Sichuan. GSMaP_Gauge shows relatively higher correlation coefficient and lower relative bias and root mean square error due to the employment of gauge-based adjustments. On the contrary, IMERG_Uncal shows underestimation over the mountainous areas, while the relatively slight overestimation appears in the basin area with lower elevation at both daily and hourly time scales, suggesting that gauge-calibrated dataset IMERG_Cal has effectively improved the relative bias in the mountainous areas but not in the flat basin area. (2) By synthesizing the three classified statistical indices, IMERG series products exhibit better potentials in detecting precipitation events. Although GSMaP_Gauge shows a higher hit rate of precipitation, it has more false alarm ratios of precipitation. All products show better hit rate and lower false alarm rate over basin area and southern Sichuan. Furthermore, it is found that the ground-based dataset has some errors in those areas without meteorological stations, which leads to the apparent uncertainty in assessing the accuracy of satellite precipitation products over the Northwest Sichuan Plateau. (3) IMERG_Cal performs better in capturing the rainfall amounts and events compared with other products, especially for the lowest and highest rainfall intensity ranges, demonstrating its application potential for monitoring the extreme weather events. Overall, both IMERG and GSMaP estimates have relatively high uncertainties over the mountainous areas than ones over the flat basin areas. Additionally, the gauge-calibrated products obviously outperform the uncalibrated datasets. On the basis of the findings, future efforts focus on reducing and correcting the errors and biases of satellite precipitation estimates by considering both spatio-temporal characteristics and the topographical information.

Key words： IMERG; GSMaP; satellite precipitation products; Sichuan; error characteristics; terrain

Cite this article

ZENG Suikang , YONG Bin . Evaluation of the GPM-based IMERG and GSMaP precipitation estimates over the Sichuan region[J]. Acta Geographica Sinica, 2019 , 74(7) : 1305 -1318 . DOI: 10.11821/dlxb201907003

1 引言

降水是地球水循环的关键要素,也是流域水文过程模拟最重要的输入,降水的时程分配及空间分布的变异性很强,准确快速获取地面降水信息是缺资料地区径流模拟与预报的瓶颈[1,2]。传统的降水观测手段例如雨量筒和地基雷达,虽然能够获取点和面尺度上的精确降水,但雨量筒存在分布不均,难以维护等缺点,而地基雷达也易受外部环境干扰的影响,两者均难以获取大范围高时空分辨率的降水信息。
利用卫星遥感技术反演降水具有覆盖范围广、时空分辨率高的特点,能够弥补传统观测在时空上的局限性[3]。1997年,热带降雨观测卫星（Tropical Rainfall Measurement Mission, TRMM）[4]的成功发射首次实现了准全球降雨观测,截至目前,TRMM的融合降水产品TMPA（TRMM Merged Precipitation Analysis）已在气候变化和水文模拟等研究中得到广泛应用[5,6]。继TRMM之后,NASA（National Aeronautics and Space Administration）和JAXA（Japan Aerospace Exploration Agency）于2014年联合实施了新一代全球降水测量计划（Global Precipitation Measurement, GPM）[7],卫星降水进入GPM时代。GPM不仅继承了TRMM卫星在探测热带地区降水的优势,其载荷的双频测雨雷达（Dual-frequency Precipitation Radar, DPR）和被动微波传感器（GPM Microwave Imager, GMI）极大提高了对固态和微量降水的探测[8]。IMERG（Integrated Multi-satellite Retrievals for GPM）[9]和GSMaP（Global Satellite Mapping of Precipitation）[10]作为GPM时代的两种主流卫星降水产品,相比于TRMM,其时空分辨率更高（IMERG: 30 min, 0.1°×0.1°;GSMaP: 1 hour, 0.1°×0.1°）,覆盖范围更广（扩展至全球）。
近年来,国内外学者针对GPM时代降水产品已经展开了初步的研究。Tan等[11]和Sharifi等[12]分别在新加坡和印度对比分析了IMERG与TRMM的反演精度,结果显示IMERG具有更优的降水量值和空间分布,各项评估指数均优于TRMM。Tian等[13]评估GSMaP在美国的适用性发现GSMaP存在季节性偏差,表现出高估夏季降水,低估冬季降水的趋势。在国内,Tang等[14]分析了IMERG和TRMM在中国大陆6个典型地区的反演误差,发现IMERG在中国中高纬度地区以及相对干旱地区的降水反演精度有所提升,能更好的重现降水的概率密度函数（尤其在低雨强范围上）。此外,学者在中国南方[15]、天山[16]、青藏高原[17,18]等地区对GPM产品的研究均表明,IMERG和GSMaP相比于TRMM产品在反演精度和水文模拟效用上均有不同程度提高,具有更好的推广前景。截至目前,针对IMERG和GSMaP的研究多是与上一代TRMM产品的对比验证,而针对两者之间的对比分析仍比较缺乏。
四川横跨中国第一二级阶梯,地形气候复杂,降水充沛也极易造成洪涝、泥石流等自然灾害,卫星降水高分辨率、高时效性和全覆盖的优势能够为该地区的极端天气研究提供更优的资料参考。邵远坤等[19]根据实测气象站数据分析了1958-2000年四川降水的变化特征,发现四川降水呈现出“增—减—增”（由西向东）的区域变化趋势,降水空间分布差异明显。杨云川等[20]和嵇涛等[21]的研究发现TRMM能一定程度上呈现四川降水的年、月和季节变化和空间分布特征,在四川具有一定的应用前景,但由于地形、气候等因素的影响,东西部降水差异明显。截至目前,卫星降水在四川的评估和应用研究仍比较缺乏,而针对GPM时代降水产品的研究工作尚未展开,这将不利于水文气象研究者对该地区降水资料的选择和使用。
因此,本文以中国气象局提供的小时地面降水资料作为参考,并根据高程信息将四川划分为3个地形区,从日、小时尺度以及不同降雨强度上分析IMERG和GSMaP系列产品在四川2015-2017年夏季降水的误差特征,研究结果可为GPM时代降水产品在四川的相关应用提供参考,并为产品在不同地形条件下的误差订正提供建议。

2 研究区与数据

2.1 研究区

四川省地处中国西南腹地,经纬跨度97°E~108°E、26°N~34°N,气候类型复杂,四川盆地属于典型的亚热带湿润气候,川西高原呈现出明显的高原垂直性气候带[22]。受地形、气候等因素的影响,四川降水时空差异明显,降水夏季多,冬季少,东部和南部多,西北部少,独特的地形使得来自太平洋和印度洋季风携带的水汽受周围高山的阻截,在盆地周围形成充沛的降雨[23]。为分析卫星降水在不同地形上的误差特性,按高程信息将四川划分为3个地形区：① 海拔1000 m以下的四川盆地（I区）;② 海拔2000~3000 m左右的中部和南部低山丘陵带（II区）;③ 川西高原地区,海拔在3000 m以上（III区）,区域划分如图1a所示。
图1 四川省地形(a)及自动气象站点分布(b)

Fig. 1 Geographic map showing the topography (a) and the distribution of automatic meteorological stations (b) over Sichuan region

2.2 降水数据

2.2.1 地面参考降水数据 本文选择中国气象局提供的中国自动站与CPC MORPHing Technique （CMORPH）融合逐小时降水量网格数据集（V1.0）作为地面参考数据（时间跨度：2015-2017年的夏季6-8月）。该数据以美国气候预测中心（Climate Prediction Center, CPC）研发的全球30 min、8 km分辨率CMORPH降水数据为插值背景,利用全国约3万个自动气象站观测的逐小时降水量作为观测数据（图1b）,采用概率密度匹配度和最优插值将两套数据融合而成[24]。数据覆盖中国大陆,分辨率达到逐小时0.1°×0.1°。该数据的降水量值在空间分布上更为合理,总体误差控制在10%以内,优于国际上的同类产品,同时站点密度越大,累积时间越长,数据质量越好,是目前中国大陆范围内精度最好的高分辨率降水观测资料[25,26]。
此外,为了保证所使用到的数据均包含地面自动站观测数据,本文只选取至少包含一个地面站点观测的格网进行统计指数的计算和定量比较。
2.2.2 卫星降水数据 IMERG是GPM计划发布的新一代多卫星联合反演降水数据,其融合了多种微波、红外和雷达数据,充分实现多源传感器的优势互补。根据源数据处理过程不同,IMERG提供了3种产品,包括近实时Early、Late和滞时的Final产品。Final产品经过月尺度气候资料校正,数据精度要优于Early和Late产品[27]。本文使用了Final产品中的纯卫星融合数据集（IMERG_Uncal）以及经过全球降水气候中心（the Global Precipitation Climatology Centre, GPCC）站点校正后的数据集（IMERG_Cal）。GSMaP是由日本宇航局负责研发的高分辨率的全球降水产品,该系列产品包括近实时产品GSMaP_NRT;微波红外融合产品GSMaP_MVK以及采用CPC全球雨量站点、地形和气候等信息校正后的GSMaP_Gauge产品[28]。本文评估产品包括GSMaP_MVK和GSMaP_Gauge。本文所使用的卫星产品主要特征参数如表1所示。
表1 卫星降水产品主要特征参数

Tab. 1 Main characteristics of four satellite precipitation products

降水产品 时空分辨率 覆盖范围 融合数据源 是否有站点校正
GSMaP_MVK 0.1º×0.1º; 1 h 准全球60ºN~60ºS IR, PMW, DPR/GMI 否
GSMaP_Gauge 0.1º×0.1º; 1 h 准全球60ºN~60ºS IR, PMW, DPR/GMI CPC站点校正
IMERG_Uncal 0.1º×0.1º; 0.5 h 全球90ºS~90ºN IR, PMW, DPR/GMI 否
IMERG_Cal 0.1º×0.1º; 0.5 h 全球90ºS~90ºN IR, PMW, DPR/GMI GPCC站点校正

注：① IR: Infrared Radiation data;② PMW: Passive Microwave;③ DPR/GMI: Dual-frequency Precipitation Radar/GPM Microwave Imager。

3 精度评估方法

本文采用多种评估指数来综合评价卫星降水数据在四川地区的反演精度,主要包括：① 相关系数（Correlation Coefficient, CC）用于量化卫星降水与站点降水的线性相关程度;② 均方根误差（Root Mean Square Error, RMSE）量化了卫星降水与实测降水之间的离散程度,可以反映了卫星降水产品整体误差水平和精度;③ 相对偏差（Relative Bias, BIAS）可以衡量卫星降水对于实测降水误差的平均趋势,量化了产品高低估降水的现象[29]。已有研究结果表明,当卫星降水呈现出低BIAS和RMSE及较高的CC时,其反演精度较好[30]。各项指标计算公式如下：
CC = ∑ i = 1 n ( G i - G ̅ ) ( S i - S ̅ ) ∑ i = 1 n ( G i - G ̅ ) 2 × ∑ i = 1 n ( S i - S ̅ ) 2
RMSE = 1 n ∑ i = 1 n ( S i - G i ) 2
BIAS = ∑ i = 1 n ( S i - G i ) ∑ i = 1 n G i × 100 %
式中：n为样本数量;Si为卫星降水; S ̅ 为卫星降水平均值;Gi为站点观测降水; G ̅ 为站点观测降水平均值。
分类统计指数可以评价卫星数据对真实降水事件的辨识能力,包括：降水命中率（Probability of Detection, POD）、误报率（False Alarm Ratio, FAR）以及关键成功指数（Critical Success Index, CSI）[31]。POD越高表示卫星降水数据对降水事件的漏测率越低,最优值为1;FAR越低表示降水事件被错误估计的概率越小,最优值为0;CSI指数综合反映了卫星降水数据探测实际降水事件的能力,最优值为1。本文以0.1 mm/h作为是否发生降水事件的阈值[32],分别统计了表2中的各个参数,再根据公式（4）~（6）计算分类统计指数。
POD = H H + M
FAR = F H + F
CSI = H H + M + F
表2 卫星降水与地面观测降水列联表

Tab. 2 Contingency table between gauge observation and satellite precipitation estimates

卫星降水
≥ 阈值 <阈值
地面观测 地面降水≥ 阈值 H M
地面降水<阈值 F /

注：① H（Hit）：降水事件被卫星正确观测到的次数;② M（Miss）：卫星未观测到降水而实际发生降水的次数;③ F（False）：卫星观测到降水而实际未发生降水的次数。

4 结果分析与讨论

4.1 日尺度卫星降水误差特性

图2给出了四川夏季平均日降水空间分布。通过分析发现,降水主要集中在四川南部和四川盆地周边地区,盆地中心以及四川西北部山区降水偏少,在区域II上形成了一条南北向的强降水带。四川降水特征与其特殊地形和气候相关：四川盆地属于亚热带湿润季风气候,四面环山,夏季来自中国东部的暖湿气流不易在盆地中心形成降雨,西北部山区位于青藏高原东南边缘,属于典型高原大陆性气候,常年降水相对偏少,而四川南部以及盆地与川西高原的接壤地带,地势落差大,降雨充沛,有“华西雨屏”之称[33]。由图2b~2e可知,IMERG和GSMaP系列产品的降水空间分布与地面数据差异明显,特别是纯卫星产品,相比而言,校正产品空间分布明显优于纯卫星产品。其中GSMaP_Gauge空间分布表现最好,GSMaP_MVK最差,特别是在川西高原以及四川南部存在明显高估降水,有趣的是,IMERG_Uncal则在对应地区存在明显的低估降水。整体上,GSMaP和IMERG系列产品对四川盆地的降水估计优于西部山区,GSMaP_Gauge和IMERG_Cal针对四川南部和西部山区降水的校正效果明显,但仍存在对局部强降水带（如雅安、西昌等地区）刻画不明显的现象。
图2 2015-2017年夏季四川平均日降水量空间分布

Fig. 2 Spatial distributions of mean June-August daily rainfall over Sichuan region from (a) Gauge observations, (b) GSMaP_MVK, (c) GSMaP_Gauge, (d) IMERG_Uncal, (e) IMERG_Cal for the period 2015-2017

为量化日尺度下卫星降水在四川不同地形条件下的降水误差,图3给出了日尺度卫星降水与地面降水在3个子区的对比散点图。由图3a~3f知,同一子区上GSMaP_Gauge的CC、RMSE和BIAS均优于MVK,GSMaP_Gauge消除了MVK产品的很多强降雨事件（> 100 mm/day）,从而改善了降水精度。GSMaP系列数据在3个子区上的BIAS均大于0,表明GSMaP对四川地区的降水存在不同程度的高估,其中MVK对III区降水高估最严重（BIAS = 63.4%）,其次是II区,GSMaP_Gauge对各子区的降水高估现象改善明显,BIAS集中在4%~12%。图3g~3l所示,IMERG_Uncal与IMERG_Cal的散点图较为相似,其CC和RMSE差别不大,表明IMERG_Cal的地面校正并没有显著提升数据精度,IMERG系列产品表现出低估II和III地区的降水（BIAS < 0）,而对I地区存在轻微高估,其中IMERG_Uncal低估最显著（II：BIAS = -18.3%,III：BIAS = -3.47%）。IMERG_Cal一定程度校正了对II和III区降水的低估现象（图3k、3l）,但同时加重了对I区降水的高估（图3j）,原因可能与IMERG_Cal的地面校正整体上抬升了四川地区的降雨量相关,这从图2的降水空间分布中可以看出。
图3 GSMaP和IMERG系列产品在四川不同地形区与地面观测降水之间对比散点图

Fig. 3 Scatterplots of grid-based daily precipitation between satellite products (GSMaP for top 2 rows, IMERG for bottom 2 rows) and gauge observation over different elevation areas. 1st, 2nd, and 3rd column for area I, II, and III respectively.

由此可见,在日降水尺度上,GSMaP系列产品整体表现出高估四川地区降水量,尤其在西部高原山区高估最显著,GSMaP_Gauge对MVK的精度校正极为明显,各项评估指数均优于MVK。IMERG系列产品存在轻微高估盆地降水,而低估山区降水的现象。IMERG_Cal虽然降低了对山区降雨的低估程度,但加剧了对盆地降水的高估现象,整体精度改善有限。

4.2 小时尺度卫星降水误差特性

日降水信息能够综合反映四川降水时空变异性,但不适用于暴雨、干旱等极端天气过程的研究[34]。四川作为中国地震、洪涝灾害的频发区,探究小时尺度卫星降水在该地区的误差特性能给相关研究提供重要参考。图4和5给出了小时尺度卫星降水相对于地面观测降水的各评估指数空间分布,并求得3个区域上的各卫星降水产品评估指标（表3）。
图4 GSMaP和IMERG小时降水误差统计指数空间分布(a~d: CC, e~h: BIAS, i~l: RMSE)

Fig. 4 Spatial distributions of statistical indices computed from GSMaP and IMERG hourly precipitation products at 0.1º×0.1º resolution over Sichuan region (a-d: CC, e-h: BIAS, i-l: RMSE)

图5 GSMaP和IMERG降水产品的各分类统计指数空间分布(a~d: POD, e~h: FAR, i~l: CSI)

Fig. 5 Spatial distributions of classified statistical indices computed from GSMaP and IMERG hourly precipitation products at 0.1º×0.1º resolution over Sichuan (a-d: POD, e-h: FAR, i-l: CSI)

表3 卫星降水产品在不同地形区上误差评估指数统计

Tab. 3 Summary of error statistical indices for satellite precipitation products in different elevation areas

注：阴影部分代表各指数的最优统计值。

从图4a~4d可以发现,4套卫星产品的CC空间分布较为相似。IMERG比GSMaP系列产品表现出更好的CC,GSMaP_MVK表现最差,3个地区上CC均小于0.45（表3）。GSMaP_Gauge有效的提高了MVK在I区东部、II区南部以及III大部分区域的相关性,但仍存在局部低相关性区域（如II区北部和成都平原地区）。IMERG站点校正前后版本之间的CC空间分布模式相当,IMERG_Cal在3个子区上的CC均没有显著提高,表明IMERG_Cal的地面校正没有有效提高数据的线性特征。从图4e~4h可以发现,GSMaP_MVK对四川大部分地区降水存在高估现象（III：BIAS = 63.48%,II：BIAS = 21.36%）,而IMERG_Uncal对该区域降水存在显著性低估,BIAS分别达到-18.69%、-35.14%。在区域I上,IMERG_Uncal表现最好,GSMaP_MVK和IMERG_Cal对这一地区仍存在高估,BIAS分别为20.28%、19.37%。校正产品（图2f、2h）均一定程度上校正了数据在四川高原山区的相对偏差,GSMaP_Gauge和IMERG_Cal在III区上的BIAS分别下降到4.64%和-2.69%,而IMERG_Cal在I区的BIAS比未校正前更差,表明IMERG的地面校正在四川盆地仍存在一定的不足,这点与日尺度降水分析结果较吻合。图4i~4l显示,GSMaP_MVK在整个四川地区均存在较大的RMSE（> 1.46 mm/h）,GSMaP_Gauge的地面校正显著降低了MVK的RMSE,尤其对III区校正最明显（RMSE = 0.719 mm/h）,各降水产品在I、II地区的RMSE高于III地区,其原因可能是III区属于高原山区,降水相对于四川盆地和南部偏少,导致该区域的RMSE整体偏小。
图5给出了0.1 mm/h降水阈值下4套卫星降水产品的分类统计指数空间分布。结合表3分析发现,各产品对四川盆地降水事件的探测能力优于西部和南部山区,在III地区均表现出较低的POD和较高的FAR。GSMaP_Gauge在3个地区均表现出较好的命中率（POD > 0.68）,但在一定程度增加了误报降水（图5f）,CSI指数也比MVK数据表现更差。IMERG系列产品的POD、FAR和CSI极为相似,表明IMERG_Cal对降水事件的探测精度提高并不明显。从分区来看,4套降水数据在I区上均保持着较高的POD（0.6~0.8）和较低的FAR（0.4~0.6）,IMERG系列产品在II区上存在一条明显的低命中率带。从图2a可以发现,II区上存在明显的南北向的强降水带,又称“华西雨屏”,而IMERG并没有探测到该地区的强降水特征,从而出现较低POD,表明IMERG在探测复杂地形区的局部强降水特征仍存在不足。在III区,IMERG和GSMaP的POD、FAR和CSI均表现较差。其原因可能是III地区地形复杂,局部山区常年积雪覆盖,降水受下垫面和地形地貌的影响,卫星传感器在该地区的探测精度受到较大的干扰,而盆地地区地势平坦,GPM卫星对该类地形地区的探测精度较高[35]。此外,从分类统计指数空间分布中发现在四川西北部有若干圆圈状分布,对比自动气象站分布情况（图1b）发现每个圆圈区域中心均存在地面站点,在圆圈范围内（约50 km）的卫星降水表现出较好的FAR和CSI,范围外表现较差。究其原因,四川西北部位于青藏高原边缘,自动站分布稀疏,而地面数据采用的插值算法融合了CMORPH与自动站观测数据,在站点密集的区域精度明显,而没有自动站分布的区域（如青藏高原地区）则可能引起卫星降水产品不确定性问题[25]。这一现象表明在气象站约50 km范围内地面观测降水与实际降水呈现良好一致性,而在没自动气象站分布的地区会给卫星降水产品评估带来不确定性问题,说明了在计算评估指数时只选择有气象站点分布的网格参与计算的必要性。
总体而言,小时尺度卫星降水在盆地的反演精度优于西部和南部山区。虽然各卫星降水产品在小时尺度上并未表现出一致的降水误差,但整体趋势为：GSMaP高估降水,且对山区降水高估明显;IMERG低估高海拔山区降水而轻微高估盆地降水。

4.3 降水误差随雨强分布特征

卫星降水产品的精度表现出与降雨强度的强依赖性,了解不同降雨强度上卫星反演降水的误差特征可为极端天气的研究提供参考。图6给出了小时尺度卫星降水在研究时段内的总降水量和降水事件在不同雨强区间上的贡献分布（平均到单格网）。从降水量随雨强分布来看,在0.1~2 mm/h区间上,除GSMaP_Gauge外,其余降水产品与地面降水拟合较好,GSMaP_Gauge较其他产品高估该区间上降雨量。随着雨强区间增大（> 2 mm/h）,卫星数据与地面数据拟合较差,其中GSMaP_MVK对II和III区降水量的高估最严重（尤其在4~16 mm/h区间上）,GSMaP_Gauge和IMERG_Uncal对该区间降雨量存在不同程度的低估现象,而IMERG_Cal与地面数据拟合最好,表现出较好的监测山区降水的潜力。从降雨事件随雨强分布来看,GSMaP系列产品对降雨事件的探测能力较差,尤其在0.1~2 mm/h区间上存在较多的误报降雨事件。IMERG系列产品对降水事件的探测能力明显优于GSMaP,虽然对I区上（< 4 mm/h）降水事件存在轻微高估,但整体趋势与地面数据较为吻合,IMERG_Uncal对弱降水事件（< 0.5 mm/h）的估计存在波动性,而IMERG_Cal拟合最好。以上结果表明,IMERG系列产品捕捉降水量及降水事件的能力更好,尤其是IMERG_Cal产品,具有较好的监测干旱、暴雨等强天气过程的潜力。
图6 GSMaP和IMERG在四川不同区域的小时降水量和降水事件随雨强变化

Fig. 6 Hourly precipitation amount and number of hourly precipitation events as a function of precipitation rate for four satellite precipitation products in different elevation areas of Sichuan region

4.4 讨论

卫星降水产品的精度受传感器、地形、气候及降雨强度等因素的影响,在不同地区表现出明显的精度差异[36]。本文研究结果显示,GSMaP和IMERG在四川盆地的降水反演精度明显优于川西高原山区,纯卫星产品GSMaP_MVK和IMERG_Uncal对四川高海拔山区的降水表现出显著的高估和低估现象,校正产品GSMaP_Gauge和IMERG_Cal对高海拔山区降水的偏差校正较为明显,但对四川盆地的降水反演精度提高不明显。金晓龙等[16]、王思梦等[37]在天山和黑河流域的研究均发现IMERG存在低估高海拔地区降水的问题,与本文部分研究结果相符。卫星降水产品在四川不同地区的精度差异明显与其特殊的地理位置以及卫星传感器自身的局限有关。① 首先,四川地处青藏高原东侧,同时受印度和东亚季风以及高原大气环流系统的影响,地形和气候类型极其复杂,特别是在西部局部地区容易形成地形雨和对流雨,一定程度干扰了卫星传感器的探测,而四川盆地地势相对平坦,影响卫星传感器探测精度的因素较少。② 四川是中国夏季极端降水的频发区,微波和红外传感器对微量和强降水的探测能力较差,使得卫星降水产品对不同量级降水的探测能力存在差异[38]。③ GPM核心观测平台载荷的降雨雷达DPR虽然增强了对固态和微量降水的探测,但对大中型降水的探测精度没有进一步提升。
IMERG和GSMaP作为GPM时代的高分辨率降水产品,在四川均表现出一定的应用潜力,可为四川地区局部、短历时暴雨洪涝等强天气过程的预报和成因分析提供更佳的资料参考。由于本文评估的时间尺度较短,难以评价产品的季节性误差和水文效用,GPM在四川其他时间段的适用性以及如何应用于干旱、洪涝等灾害的监测还有待进一步研究。卫星降水产品在不同地形条件下的降水精度差异明显,可考虑引入地形、气候等因素对产品进行算法改进和误差订正。

5 结论

以2015-2017年的6-8月中国气象局提供的自动气象站融合降水数据为参考基准,利用6种评估指数系统分析了IMERG和GSMaP系列产品在四川夏季的降水反演误差,结论为：
（1）IMERG和GSMaP系列产品均能一定程度上捕捉到四川夏季降水空间分布模式,其中站点校正产品的空间分布优于纯卫星产品,由于地形、气候以及地面自动站点分布不均等因素的影响,IMERG和GSMaP在四川盆地的反演精度明显优于西部山区。
（2）在日尺度上,GSMaP系列产品对四川夏季降水存在高估现象,且在地形复杂的高原山区高估最明显,校正产品GSMaP_Gauge的各项评估指数（CC、BIAS、RMSE）均优于MVK,尤其对川西高原山区降雨误差校正明显。相反,IMERG系列产品轻微高估盆地降水,而明显低估川西高原降水,IMERG_Cal极大降低了IMERG_Uncal对高原降水的低估现象,但对四川盆地的误差校正较差,表明IMERG_Cal在地形复杂的山区降水误差校正明显,而对地势平坦的盆地校正效果较差。
（3）IMERG和GSMaP的小时降水误差特征（CC、BIAS、RMSE）与日尺度上的特征基本一致。各分类统计指数结果显示,IMERG系列产品对降水事件探测能力更好,GSMaP_Gauge虽呈现出较高的POD,但其存在较多的误报降水。4套降水产品在四川盆地和四川南部均表现出较高的POD和低FAR,探测能力明显优于川西高原。四川西北部地区由于自动站稀疏,地面参考数据精度较东部站点密集地区差,有自动站布设地区可以正确评估卫星降水产品的实际性能,而局部无自动站分布区域会给产品的评估带来不确定性。
（4）IMERG系列产品表现出较好的捕捉降雨量和降水事件的能力,其中IMERG_Cal表现最好,具有一定的监测干旱和暴雨事件的潜力,GSMaP_MVK对2 mm/h以上的降水捕捉能力较差,GSMaP_Gauge虽然极大校正了这一缺陷,但其对微量降水事件存在较多的误报,将不利于极端降水的研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Tang Guoqing, Long Di, Wan Wei , et al. An overview and outlook of global water remote sensing technology and applications. Scientia Sinica Technologica, 2015,45(10):1013-1023.

[ 唐国强, 龙笛, 万玮 , 等. 全球水遥感技术及其应用研究的综述与展望. 中国科学: 技术科学, 2015,45(10):1013-1023.]

[2]
Tong K, Su F G, Yang D Q , et al. Evaluation of satellite precipitation retrievals and their potential utilities in hydrologic modeling over the Tibetan Plateau. Journal of Hydrology, 2014,519:423-437.

DOI

[3]
Guo Ruifang, Liu Yuanbo . Multi-satellite retrieval of high resolution precipitation: An overview. Advances in Earth Science, 2015,30(8):891-903.

[ 郭瑞芳, 刘元波 . 多传感器联合反演高分辨率降水方法综述. 地球科学进展, 2015,30(8):891-903.]

DOI

[4]
Liu Z, Ostrenga D, Teng W , et al. Tropical Rainfall Measuring Mission (TRMM) precipitation data and services for research and applications. Bulletin of the American Meteorological Society, 2012,93(9):1317.

DOI

[5]
Pombo S, Oliveira Rodrigo Proença De . Evaluation of extreme precipitation estimates from TRMM in Angola. Journal of Hydrology, 2015,523:663-679.

DOI

[6]
Jiang Shanhu, Ren Liliang, Yong Bin , et al. Hydrological evaluation of the TRMM multi-satellite precipitation estimates over the Mishui basin. Advances in Water Science, 2014,25(5):641-649.

[ 江善虎, 任立良, 雍斌 , 等. TRMM卫星降水数据在洣水流域径流模拟中的应用. 水科学进展, 2014,25(5):641-649.]

[7]
Hou A Y, Kakar R K, Neeck S , et al. The global precipitation measurement mission. Bulletin of the American Meteorological Society, 2014,95(5):701-722.

DOI

[8]
Draper D W, Newell D A, Wentz F J , et al. The Global Precipitation Measurement (GPM) Microwave Imager (GMI): Instrument overview and early on-orbit performance. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015,8(7):3452-3462.

[9]
Tang Guoqiang, Wan Wei, Zeng Ziyue , et al. An overview of the Global Precipitation Measurement (GPM) mission and its latest development. Remote Sensing Technology and Application, 2015,30(4):607-615.

[ 唐国强, 万玮, 曾子悦 , 等. 全球降水测量(GPM)计划及其最新进展综述. 遥感技术与应用, 2015,30(4):607-615.]

DOI

[10]
Shige S, Yamamoto T, Tsukiyama T , et al. The GSMaP precipitation retrieval algorithm for microwave sounders: Over-ocean algorithm. IEEE Transactions on Geoscience & Remote Sensing, 2009,47(9):3084-3097.

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

DOI

[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. Remote Sensing, 2016,8(2):135.

DOI

[13]
Tian Y D, Peters-Lidard C D, Adler R F , et al. Evaluation of GSMaP precipitation estimates over the contiguous United States. Journal of Hydrometeorology, 2010,11(2):566-574.

DOI

[14]
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. Journal of Hydrology, 2016,533:152-167.

DOI

[15]
Chen Xiaohong, Zhong Ruida, Wang Zhaoli , et al. Accuracy and hydrological utility evaluation of new generation GPM IMERG remote sensing precipitation data in southern China. Journal of Hydraulic Engineering, 2017,48(10):1147-1156.

[ 陈晓宏, 钟睿达, 王兆礼 , 等. 新一代GPM IMERG卫星遥感降水数据在中国南方地区的精度及水文效用评估. 水利学报, 2017,48(10):1147-1156.]

[16]
Jin Xiaolong, Shao Hua, Zhang Chi , et al. The applicability evaluation of three satellite products in Tianshan Mountains. Journal of Natural Resources, 2016,31(12):2074-2085.

[ 金晓龙, 邵华, 张弛 , 等. GPM卫星降水数据在天山山区的适用性分析. 自然资源学报, 2016,31(12):2074-2085.]

[17]
Lu D K, Yong B . Evaluation and hydrological utility of the latest GPM IMERG V5 and GSMaP V7 precipitation products over the Tibetan Plateau. Remote Sensing, 2018,10(12):2022.

DOI

[18]
Zhang S J, Wang D H, Qin Z K , et al. Assessment of the GPM and TRMM precipitation products using the rain gauge network over the Tibetan Plateau. Journal of Meteorological Research, 2018,32(2):324-336.

DOI

[19]
Shao Yuankun, Shen Tongli, You Yong , et al. Precipitation features of Sichuan basin in the recent 40 decades. Journal of Southwest Agricultural University (Natural Science), 2005(6):749-752.

[ 邵远坤, 沈桐立, 游泳 , 等. 四川盆地近40年来的降水特征分析. 西南农业大学学报(自然科学版), 2005(6):749-752.]

[20]
Yang Yunchuan, Cheng Genwei, Fan Jihui , et al. Accuracy validation of TRMM 3B42 data in Sichuan basin and the surrounding areas. Journal of the Meteorological Sciences, 2013,33(5):526-535.

[ 杨云川, 程根伟, 范继辉 , 等. 四川盆地及周边地区TRMM 3B42数据精度检验. 气象科学, 2013,33(5):526-535.]

[21]
Ji Tao, Yang Hua, Liu Rui , et al. Applicability analysis of the TRMM precipitation data in the Sichuan-Chongqing region. Progress in Geography, 2014,33(10):1375-1386.

[ 嵇涛, 杨华, 刘睿 , 等. TRMM卫星降水数据在川渝地区的适用性分析. 地理科学进展, 2014,33(10):1375-1386.]

DOI

[22]
Sun Chen, Cheng Zhigang, Mao Xiaoliang , et al. Extreme climatic change trend and features in Sichuan for latest 44 years. Journal of Lanzhou University (Natural Science), 2017(1):119-126.

[ 孙晨, 程志刚, 毛晓亮 , 等. 近44a四川地区极端气候变化趋势及特征分析. 兰州大学学报(自然科学版), 2017(1):119-126.]

[23]
Bai Yingying, Zhang Yi, Gao Yanghua , et al. Spatial differences of precipitation over Sichuan Basin. Scientia Geographica Sinica, 2011,31(4):478-484.

[ 白莹莹, 张焱, 高阳华 , 等. 四川盆地降水变化的区域差异. 地理科学, 2011,31(4):478-484.]

[24]
Xie P P, Xiong A Y . A conceptual model for constructing high-resolution gauge-satellite merged precipitation analyses. Journal of Geophysical Research Atmospheres, 2011,116(D21):21106.

[25]
Shen Y, Zhao P, Pan Y , et al. A high spatiotemporal gauge-satellite merged precipitation analysis over China. Journal of Geophysical Research Atmospheres, 2014,119(6):3063-3075.

DOI

[26]
Shen Yan, Pan Yang, Yu Jingjing , et al. Quality assessment of hourly merged precipitation product over China. Transactions of Atmospheric Sciences, 2013,36(1):37-46.

[ 沈艳, 潘旸, 宇婧婧 , 等. 中国区域小时降水量融合产品的质量评估. 大气科学学报, 2013,36(1):37-46.]

[27]
Huffman G, Bolvin D, Nelkin E , et al. Improving user access to the Integrated Multi-Satellite Retrievals for GPM (IMERG) products. Egu General Assembly Conference. EGU General Assembly Conference Abstracts, 2016.

[28]
Kachi M, Kubota T, Aonashi K , et al. Recent improvements in the global satellite mapping of precipitation (GSMaP). Geoscience & Remote Sensing Symposium, IEEE, 2014: 3762-3765.

[29]
Yong B, Ren L L, Hong Y , et al. First evaluation of the climatological calibration algorithm in the real-time TMPA precipitation estimates over two basins at high and low latitudes. Water Resources Research, 2013,49(5):2461-2472.

DOI

[30]
Li Qilun, Zhang Wanchang, Yi Lu , et al. Accuracy evaluation and comparison of GPM and TRMM precipitation product over Mainland China. Advances in Water Science, 2018,29(3):303-313.

[ 李麒崙, 张万昌, 易路 , 等. GPM与TRMM降水数据在中国大陆的精度评估与对比. 水科学进展, 2018,29(3):303-313.]

[31]
Hu Qingfang, Yang Dawen, Wang Yintang , et al. Accuracy and spatio-temporal variation of high resolution satellite rainfall estimate over the Ganjiang river basin. Scientia Sinica Technologica, 2013,56(4):853-865.

[ 胡庆芳, 杨大文, 王银堂 , 等. 赣江流域高分辨率卫星降水数据的精度特征与时空变化规律. 中国科学: 技术科学, 2013,56(4):447-459.]

[32]
Tian Y D, Peters-Lidard C D, Eylander J B , et al. Component analysis of errors in satellite-based precipitation estimates. Journal of Geophysical Research, 2009,114(D24):D24101.

DOI

[33]
Zhou Changyan, Cen Sixian, Li Yueqing , et al. Precipitation variation and its impacts in Sichuan in the last 50 years. Acta Geographica Sinica, 2011,66(5):619-630.

[ 周长艳, 岑思弦, 李跃清 , 等. 四川省近50年降水的变化特征及影响. 地理学报, 2011,66(5):619-630.]

[34]
Liu Kejin, Wang Wen, Zhu Ye , et al. Trend of drought and its relationship with extreme precipitation in Huaihe river basin over the last 60 years. Journal of Hydraulic Engineering, 2012(10):1179-1187.

[ 刘可晶, 王文, 朱烨 , 等. 淮河流域过去60年干旱趋势特征及其与极端降水的联系. 水利学报, 2012(10):1179-1187.]

[35]
Kim K, Park J, Baik J , et al. Evaluation of topographical and seasonal feature using GPM IMERG and TRMM 3B42 over Far-East Asia. Atmospheric Research, 2017,187:95-105.

DOI

[36]
Ran X, Tian F Q, Long Y , et al. Ground validation of GPM IMERG and TRMM 3B42V7 rainfall products over southern Tibetan Plateau based on a high-density rain-gauge network: Validation of GPM and TRMM over TP. Journal of Geophysical Research Atmospheres, 2017,122(2):910-924.

DOI

[37]
Wang Simeng, Wang Dazhao, Huang Chang . Evaluating the applicability of GPM satellite precipitation data in Heihe river basin. Journal of Natural Resources, 2018,33(10):1847-1860.

[ 王思梦, 王大钊, 黄昌 . GPM卫星降水数据在黑河流域的适用性评价. 自然资源学报, 2018,33(10):1847-1860.]

[38]
Prakash S, Mitra A K, Rajagopal E N , et al. Assessment of TRMM-based TMPA and GSMaP precipitation products over India for the peak southwest monsoon season. International Journal of Climatology, 2016,36(4):1614-1631.

DOI

Options
Outlines

/

〈 〉