丁蕾錠，盧涵宇*，盧天健，何勤業(yè)

(1.貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院， 貴州貴陽550025；2.中南大學(xué)資源與安全工程學(xué)院， 湖南長(zhǎng)沙410083)

0 引言

高質(zhì)量的降水?dāng)?shù)據(jù)在許多領(lǐng)域都發(fā)揮著重要作用。然而傳統(tǒng)降水觀測(cè)方法存在許多不足，地面站觀測(cè)在空間上具有局限性，易受復(fù)雜地形和人為因素的影響。天氣雷達(dá)觀測(cè)易受電子信號(hào)和地形等因素的干擾。

近年來，遙感衛(wèi)星技術(shù)發(fā)展迅速，衛(wèi)星觀測(cè)降水具有覆蓋范圍大，時(shí)效性強(qiáng)，分辨率高等優(yōu)點(diǎn)，越來越受到科研的重視[1-2]。例如用于全球降水測(cè)量的綜合多衛(wèi)星檢索(integrated multi-satellite retrievals for global precipitation measurement, IMERG)[1]，使用人工神經(jīng)網(wǎng)絡(luò)的遙感信息降水估算(precipitation estimation from remotely sensed information using artificial neural networks, PERSIANN)，熱帶降雨測(cè)量(tropical rainfall measurement mission, TRMM)[2-3],多衛(wèi)星降水分析(TRMM multisatellite precipitation analysis, TMPA)以及中國風(fēng)云系列氣象衛(wèi)星(FY)降水產(chǎn)品[4-6]。所有的觀測(cè)方法或算法都有其優(yōu)缺點(diǎn)，因此評(píng)估衛(wèi)星降水產(chǎn)品在不同時(shí)空下的適用性尤為重要。張保林等[7]實(shí)現(xiàn)了降水系統(tǒng)對(duì)FY-2F降水臨近預(yù)報(bào)可預(yù)報(bào)性影響分析。王鐵巖等[8]實(shí)現(xiàn)了FY-2G 衛(wèi)星資料在白城2016年短時(shí)強(qiáng)降水預(yù)報(bào)中的應(yīng)用。TANG等[9-10]在中國華南地區(qū)對(duì)衛(wèi)星合并產(chǎn)品IMERG，GSMaP NRT和PERSIANN進(jìn)行了評(píng)估，報(bào)告稱IMERG和GSMaP NRT與地面雨量計(jì)數(shù)據(jù)有更高的相關(guān)性。

云貴高原地處中國西南地區(qū)，具有獨(dú)特的喀斯特地貌和復(fù)雜的氣候。本文旨在評(píng)估FY2G降水產(chǎn)品在云貴高原地區(qū)的準(zhǔn)確性和適用性，為云貴高原地區(qū)的氣候研究提供幫助。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

云貴高原大致位于東經(jīng)100°～111°，北緯22°～30°，處在中國南北走向和東北—西南走向兩組山脈的交匯處，西鄰青藏高原，北接四川盆地，東毗鄂湘兩省，南連中南半島，東西長(zhǎng)約1 000 km，南北寬400～800 km，地勢(shì)西北高，東南低，總面積約5×107hm2，海拔為400～3 500 m。

圖1 云貴高原及雨量計(jì)站點(diǎn)示意圖Fig.1 Yunnan-Kweichow plateau and rain gauge site map

云貴高原屬亞熱帶濕潤(rùn)區(qū)，為亞熱帶季風(fēng)氣候，由于海拔高度、大氣環(huán)流等條件不同，在云貴高原不同地區(qū)氣候差別明顯。受西南季風(fēng)的影響，形成了冬干夏濕、干濕季節(jié)分明的水資源特征。年降水量一般在600～2 000 mm，降水在時(shí)間及空間上分布不平衡，東部、西部及南部降水量大，可達(dá)1 500～2 000 mm，中部及北部約為500～600 mm。雨季出現(xiàn)在5～10月，其降水量占全年的80 %左右，易出現(xiàn)山洪泥石流暴等災(zāi)害，嚴(yán)重危害了當(dāng)?shù)厝嗣竦纳?cái)產(chǎn)安全，制約了社會(huì)經(jīng)濟(jì)發(fā)展。

1.2 雨量計(jì)數(shù)據(jù)

雨量計(jì)數(shù)據(jù)集來自中國氣象局(china meterological administration, CMA)國家氣象信息中心。本研究使用323個(gè)雨量計(jì)的2017年小時(shí)降水?dāng)?shù)據(jù)，嚴(yán)格執(zhí)行氣象數(shù)據(jù)質(zhì)量控制(quality control,QC)步驟以避免錯(cuò)誤減少誤差[8-9]。圖1展示了本研究中使用的站點(diǎn)位置，可以看出323個(gè)站點(diǎn)在整個(gè)云貴高原區(qū)域的分布相對(duì)均勻。在評(píng)估FY2G降水產(chǎn)品時(shí)，這些雨量計(jì)觀測(cè)結(jié)果被用作地面真實(shí)值。

1.3 FY2G

風(fēng)云二號(hào)氣象衛(wèi)星(FY-2)是我國自行研制的第一代地球靜止軌道氣象衛(wèi)星，與極地軌道氣象衛(wèi)星相輔相成，構(gòu)成了我國氣象衛(wèi)星應(yīng)用體系.FY2G衛(wèi)星是風(fēng)云二號(hào)系列衛(wèi)星的第八顆衛(wèi)星，搭載的掃描輻射計(jì)共有紅外長(zhǎng)波2個(gè)、紅外中波1個(gè)、可見光1個(gè)及水汽1個(gè)共5個(gè)通道以獲取白天可見光云圖、晝夜紅外云圖和水氣分布圖，在提高天氣預(yù)報(bào)準(zhǔn)確率和氣象災(zāi)害防御能力方面發(fā)揮了不可替代的作用[11]。本研究使用的FY2G 2017年小時(shí)降水?dāng)?shù)據(jù)可在中國氣象臺(tái)(http://www.nmc.cn/)下載。

2 研究方法

2.1 定量誤差指標(biāo)

為評(píng)估FY2G有關(guān)降水量精度[12]，本研究采用了四項(xiàng)指標(biāo):相關(guān)系數(shù)(R2)、偏差(bias)、均方根誤差(RMSE)和平均絕對(duì)誤差(MAE)。其定義如下：

(1)

(2)

(3)

(4)

2.2 降水事件檢測(cè)指標(biāo)

為反映FY2G對(duì)降雨/無雨事件的區(qū)分能力[15-16]，采用了四項(xiàng)指標(biāo): 檢測(cè)概率(probability of detection, POD) 、誤報(bào)率(false alarm ratio, FAR) 、臨界成功指數(shù)(critical success index, CSI)、頻率偏差指數(shù)(FBI)，其定義如下：

(5)

(6)

(7)

(8)

其中，h表示雨量計(jì)站點(diǎn)觀測(cè)到降水且FY2G正確檢測(cè)到降水的個(gè)數(shù)，m表示FY2G未檢測(cè)到降水但站點(diǎn)觀測(cè)到降水的個(gè)數(shù)，f表示FY2G預(yù)估有降水但站點(diǎn)未觀測(cè)到降水的個(gè)數(shù)。POD是正確判斷的比率，F(xiàn)AR是模型對(duì)降水事件的誤判率。最佳可能值POD=1，F(xiàn)AR=0，CSI=1和FBI=1。

3 結(jié)果分析

圖2 基于FY2G產(chǎn)品2017年降水量空間分布Fig.2 Spatial distribution of precipitation in 2017 based on FY2G products

圖2顯示了基于FY2G衛(wèi)星產(chǎn)品在云貴高原2017年度降水量空間分布。年降水量總體呈現(xiàn)由西北向東南增加的趨勢(shì)，在云貴高原的西北角即四川境內(nèi)降水量較小(<500 mm)，在云南北部，貴州省，重慶市，年降雨量在1 000 mm左右，在云南南部，湖南西部，廣西省年降雨量可達(dá)1 500 mm以上?？梢钥闯鲈瀑F高原地區(qū)的降水量層次分明。

3.1 月數(shù)據(jù)下的對(duì)比分析

圖3展現(xiàn)了FY2G在云貴高原每月降水量的空間分布，第一季度作為云貴高原的少雨季節(jié)，加上高海拔地區(qū)缺少雨量計(jì)和依賴于仰角的插值算法的原因，在西北角出現(xiàn)了部分無數(shù)據(jù)像素點(diǎn)[圖3(a)];4月的降雨相對(duì)均勻，從5月開始，云貴高原進(jìn)入雨季，但東西部降雨量差距明顯，在6月，廣西，貴州，湖南等地降雨充沛[圖3(b)];進(jìn)入第三季度，降雨量由東西差異轉(zhuǎn)變成南北差異，云南南部，廣西南部降雨明顯多于其他區(qū)域[圖3(c)];第四季度，云貴高原再次進(jìn)入旱季，大部分地區(qū)的降雨量下降到300 mm以下，伴隨大片無數(shù)據(jù)像素點(diǎn)的出現(xiàn)[圖3(d)]。

(a) 第一季度

(b) 第二季度

(c) 第三季度

(d) 第四季度

由圖4網(wǎng)格化衛(wèi)星降水產(chǎn)品同雨量計(jì)數(shù)據(jù)散點(diǎn)圖表明，不同月份的衛(wèi)星產(chǎn)品性能不一，總體而言，其散布量接近1∶1。其中1,5,6,7,8,11,12月與雨量計(jì)數(shù)據(jù)之間的偏差在可接受的范圍內(nèi)(-5.346 %～2.548 %)，2,3,9,10月的負(fù)偏差較為明顯(bias<-15 %)，3月的負(fù)偏差最大，達(dá)到-26 %,9月緊隨其后，達(dá)到-24 %。不妨大膽猜測(cè)：在雨旱交替季節(jié)，F(xiàn)Y2G產(chǎn)品表現(xiàn)不穩(wěn)定。從圖4中還能直觀地看出降雨量的變化，1月～4月集中在200 mm/月以內(nèi)，從5月開始，逐步擴(kuò)散，從9月開始，逐步收縮，12月下降到100 mm/月的水平。

(a) 第一季度

(b) 第二季度

(c) 第三季度

(d) 第四季度

由圖5可知，除了7月，F(xiàn)Y2G產(chǎn)品數(shù)據(jù)均低于雨量計(jì)實(shí)測(cè)數(shù)據(jù)。圖5中折線圖分別反映基于月數(shù)據(jù)的R2，bias，RMSE和MAE。R2在4月和9月形成谷值，在11月最高，達(dá)到0.9，符合上文提出關(guān)于雨旱交替季節(jié)，F(xiàn)Y2G產(chǎn)品表現(xiàn)不穩(wěn)定的猜想。RMSE和MAE在折線走勢(shì)上接近，隨著降雨量的增加而變大，在6～9月居高不下，從10月開始急速回落。對(duì)比bias和RMSE在6,7,8月的圖形，不難發(fā)現(xiàn)，在高降雨量的情況下，降雨產(chǎn)品出現(xiàn)了近似規(guī)模的低估和高估，導(dǎo)致在計(jì)算偏差時(shí)，正負(fù)誤差被抵消，使得偏差很小，在計(jì)算RMSE時(shí)，正負(fù)誤差不再能被抵消，所以RMSE的值很大。整體而言，F(xiàn)Y2G在多降雨季節(jié)和雨旱交替季節(jié)仍有改善的空間。

(a) 相關(guān)系數(shù)

(b) 偏差

(c) 均方根誤差

(d) 平均絕對(duì)誤差

圖5 FY2G衛(wèi)星產(chǎn)品各指標(biāo)及降水量
Fig.5 FY2G satellite products indicators and precipitation

3.2 日數(shù)據(jù)下的空間分布

圖6顯示了基于FY2G產(chǎn)品日降水量數(shù)據(jù)在各季度的R2，bias，RMSE和MAE的空間分布。

整體而言，R2和bias沒有隨季度的變化出現(xiàn)大范圍變動(dòng)，基本保持了R2在云貴高原東部高于西部，bias在云貴高原的東北部高于其他地區(qū)的特點(diǎn)。其中，R2在第一四季度高于第二三季度，可以從圖6(c)中看出在第三季度多處地區(qū)達(dá)到最低，其相關(guān)性在0.5以下。

基于FY2G產(chǎn)品同數(shù)據(jù)各季度bias見圖7。bias在第一季度相對(duì)高于其他季度，僅在云貴高原東北部的bias會(huì)隨季度變化出現(xiàn)調(diào)整，其他地區(qū)幾乎沒有變化。在幾乎都是低估降雨量的情況下，出現(xiàn)高估的地區(qū)并不固定，可見對(duì)部分地區(qū)的估算既存在低估也存在高估。

(a) 第一季度

(b) 第二季度

(c) 第三季度

(d) 第四季度

圖6 基于日數(shù)據(jù)各季度相關(guān)系數(shù)
Fig.6 Quarterly correlation coefficient based on daily data

(a) 第一季度

(b) 第二季度

(c) 第三季度

圖7 基于日數(shù)據(jù)各季度偏差
Fig.7 Quarterly bias based on daily data

(a) 第一季度

(b) 第二季度

(c) 第三季度

(d) 第四季度

圖8 基于日數(shù)據(jù)各季度RMSE
Fig.8 QuarterlyRMSEbased on daily data

(a) 第一季度

(b) 第二季度

(c) 第三季度

圖9 基于日數(shù)據(jù)各季度MAE
Fig.9 QuarterlyMAEbased on daily data

圖7和圖8直觀反映了在不同季度的RMSE和MAE的空間分布，因?yàn)?RMSE和MAE更易受到降雨量大小的影響，所以在第一四季度和第二三季度有明顯的差異。可由第二三季度的RMSE[圖8(c)]看出，云貴高原的東部遠(yuǎn)遠(yuǎn)高于西部，同樣的結(jié)論也適用于第二季度的MAE[圖9(b)]。

縱觀各季度的各項(xiàng)指標(biāo)，在云貴高原的西南角，海拔在1 500 m左右的地區(qū)，雖然其相關(guān)性較低，但是其偏差和各項(xiàng)誤差也都處在相對(duì)較低的水平。在云貴高原的東部，海拔多在500 m左右的地區(qū)，雖然相關(guān)系數(shù)不低，偏差較小，但是其RMSE,MAE處在明顯較高的水平，說明了在云貴高原的東部不僅存在低估，同樣存在大量的高估降水量。

3.3 降水事件檢測(cè)

圖10(a)是基于日數(shù)據(jù)下的檢測(cè)結(jié)果，其POD的中值在0.9以上，表明了在時(shí)間跨度上FY2G能夠較好地檢測(cè)出日降水事件。其FAR的中值在0.2左右，CSI在0.7至0.8之間。圖10(b)是基于小時(shí)數(shù)據(jù)下的檢測(cè)結(jié)果，其POD達(dá)到0.8，但是其FAR的中值高達(dá)0.4，以致CSI的中值也不高。說明了在小時(shí)規(guī)模下出現(xiàn)了較多的誤判，雖然檢測(cè)概率與日規(guī)模下的指標(biāo)差距不大，但是過多的誤報(bào)，使得臨界成功指數(shù)僅在0.5左右。在判斷是否發(fā)生降水事件的能力上FY2G仍有提高的空間。

(a) 日尺度

(b) 小時(shí)尺度

圖10 基于日數(shù)據(jù)和小時(shí)數(shù)據(jù)的統(tǒng)計(jì)結(jié)果
Fig.10 Statistical results based on daily data and hourly data

4 結(jié)論

降水信息在氣候研究，災(zāi)害預(yù)警等方面發(fā)揮著不可替代的作用，得到精確有效的高質(zhì)量降水?dāng)?shù)據(jù)對(duì)相關(guān)研究尤為重要。本研究基于FY2G衛(wèi)星產(chǎn)品2017年小時(shí)降水?dāng)?shù)據(jù)，對(duì)其在云貴高原地區(qū)進(jìn)行了評(píng)估，主要以小時(shí)數(shù)據(jù)合成的月數(shù)據(jù)集和日數(shù)據(jù)集，同地面雨量計(jì)數(shù)據(jù)集在不同的時(shí)空模式下對(duì)比分析，主要結(jié)論可歸納如下：

① FY2G在云貴高原地區(qū)適用性較好，其相關(guān)系數(shù)整體較高；

② 基于日數(shù)據(jù)的降水事件檢測(cè)能力較高，POD>0.9；

③ FY2G存在低估降水量的情況，在多雨季節(jié)表現(xiàn)的尤為明顯；

④ 在少雨季節(jié)，F(xiàn)Y2G的各項(xiàng)指標(biāo)都表現(xiàn)更好，在雨旱交替季節(jié)表現(xiàn)不穩(wěn)定。

筆者仍需要更多精準(zhǔn)的觀測(cè)方法，優(yōu)質(zhì)的預(yù)估算法，以滿足當(dāng)下對(duì)高質(zhì)量降水產(chǎn)品的需求，為使FY2G降水產(chǎn)品在云貴高原地區(qū)發(fā)揮最大效用，還需進(jìn)一步探索挖掘。