王 靜，高 博,5*，宮輝力,5*，蘇德斌，陳蓓蓓,5，崔要奎

(1.首都師范大學 地面沉降機理與防控教育部重點實驗室，北京 100048；2.成都信息工程大學 中國氣象局大氣探測重點開放實驗室，四川 成都 610225；3.首都師范大學 水資源安全北京實驗室，北京 100048；4.首都師范大學 資源環(huán)境與旅游學院，北京 100048；5.河北滄州平原區(qū)地下水與地面沉降國家野外科學觀測研究站，河北 滄州 061000；6.北京大學 遙感與地理信息系統(tǒng)研究所，北京 100871)

0 引言

降水(Precipitation)在全球地表能量交換和物質(zhì)循環(huán)中起著至關(guān)重要的作用[1-3]。通過地面雨量計、衛(wèi)星和雷達測量獲取的降水信息已被構(gòu)建成許多高質(zhì)量、高時空分辨率的數(shù)據(jù)集[4-8]。

眾多學者已對全球降水計劃多衛(wèi)星降水聯(lián)合反演數(shù)據(jù)集的各時空尺度[9-13]進行分析，發(fā)現(xiàn)其優(yōu)于其他衛(wèi)星產(chǎn)品。但其時間尺度較短，在海拔高、地勢地貌復雜以及干旱氣候地區(qū)[14-17]存在問題。中國逐日網(wǎng)格降水量實時分析系統(tǒng)(CGDPA)數(shù)據(jù)集通過最佳插值方法將約2 400個氣象數(shù)據(jù)生成了長時間尺度、高時間分辨率(1 d)的數(shù)據(jù)集[18]，然而其準確性取決于站點采樣誤差、密度和空間代表性[19-20]。中國1 km分辨率逐月降水量(TP1 km)數(shù)據(jù)集加入了氣溫和降水變量，生產(chǎn)了長時間尺度、高空間分辨率(1 km)的數(shù)據(jù)集。這3個數(shù)據(jù)集各有優(yōu)劣并相互補充。

為了能夠高效、精確地應(yīng)用多源降水產(chǎn)品，本文首先分析了3個數(shù)據(jù)集在中國大陸2008—2017年不同時空尺度的適用性；進而選擇精度較高的2個降水數(shù)據(jù)集通過加權(quán)最小二乘法作為數(shù)據(jù)篩選器構(gòu)建數(shù)據(jù)集；最后對構(gòu)建的降水數(shù)據(jù)集進行適用性評價，以確定本研究中的構(gòu)建方案及結(jié)果的可靠性。

1 研究區(qū)域與研究數(shù)據(jù)

1.1 研究區(qū)域

中國位于歐亞大陸的東南部，國土總面積約960萬km2。復雜的地形與氣候?qū)е铝藦碗s的氣候環(huán)境，使得中國大陸成為系統(tǒng)評價衛(wèi)星降水數(shù)據(jù)的良好試驗平臺。本文根據(jù)海拔高度、年降水量以及山脈分布將中國大陸地區(qū)劃分為8個區(qū)域[21]：① 東北地區(qū)、② 華北地區(qū)、③ 長江中下游地區(qū)、④ 華南地區(qū)、⑤ 西北地區(qū)、⑥ 云貴地區(qū)、⑦ 新疆地區(qū)和⑧ 青藏地區(qū)。新疆地區(qū)屬于干旱半干旱氣候，全年降水量少；青藏地區(qū)地形復雜，海拔高，受高原山地氣候影響；西北地區(qū)主要受溫帶大陸性氣候影響；東北和華北地區(qū)主要受中緯度季風氣候控制；云貴、長江中下游和華南地區(qū)以亞熱帶季風氣候為主。

中國大陸的地面氣象站主要分布在東部低海拔地區(qū)；西部地區(qū)地形復雜、無人區(qū)較多、氣候惡劣，導致西部地區(qū)難以架設(shè)更多氣象站點。所以氣象站點在中國大陸分布十分不均：東部較為密集，西部較為稀疏。

1.2 研究數(shù)據(jù)

1.2.1 中國地面氣候資料日值數(shù)據(jù)集(V3.0)

中國地面氣候資料日值數(shù)據(jù)集(3.0版)經(jīng)過氣候極限值和站極值檢驗并使用Kendall自相關(guān)檢驗和Mann-Whitney同質(zhì)性檢驗進行質(zhì)量控制[22]。每天的降水數(shù)據(jù)記錄時間為北京時間8:00—次日8:00(比協(xié)調(diào)世界時(UTC)時間提前8 h)，因此UTC時間為00:00—24:00，與衛(wèi)星數(shù)據(jù)同步。

1.2.2 GPM衛(wèi)星降水產(chǎn)品

GPM是熱帶降水測量任務(wù)(Tropical Rainfall Measuring Mission，TRMM)的繼任者，主要有3個方面的改進：① 軌道傾角從35°增加到65°，觀測范圍從南北緯50°延伸至南北極圈，覆蓋了部分溫帶大陸氣候區(qū)、溫帶海洋氣候區(qū)、溫帶季風氣候區(qū)以及全部的極地氣候區(qū)；② 為了加強對小雨的敏感性，將雷達升級到2個頻率；③ 無源微波傳感器成像儀添加了“高頻”通道(165.5 GHz和183.3 GHz)，有助于對微量降水的感知[23]。全球降水計劃多衛(wèi)星聯(lián)合反演(Integrated Multi-satellite Retrievals for GPM，IMERG)是將衛(wèi)星微波降水估算、微波校準的紅外衛(wèi)星估算、雨量計分析以及其他潛在的時間和空間降水估算通過校準、合并和插值等一系列步驟生成。NASA根據(jù)對數(shù)據(jù)不同的處理水平和應(yīng)用需求，提供了不同的降水產(chǎn)品，分別為Early Run,Late Run和Final Run。其中Final Run產(chǎn)品是使用GPCC地面氣象觀測數(shù)據(jù)，在Late Run的基礎(chǔ)上進行偏差校正生產(chǎn)的。本文只針對IMERG第6版本校正后的Final Run產(chǎn)品進行評估。

1.2.3 中國逐日網(wǎng)格降水量實時分析系統(tǒng)(V1.0)

中國逐日網(wǎng)格降水量實時分析系統(tǒng)(CGDPA)(1.0版)數(shù)據(jù)集根據(jù)中國大陸大約2 400個國家地面氣象站的日降水量數(shù)據(jù)生產(chǎn)。它是“基于氣候背景場”，采用最優(yōu)插值方法制作的空間分辨率約為25 km的日降水量柵格數(shù)據(jù)集[24-26]。

1.2.4 中國1 km分辨率逐月降水量數(shù)據(jù)集(1901—2017)

國家青藏高原科學數(shù)據(jù)中心提供的中國1 km分辨率逐月降水量(TP1 km)數(shù)據(jù)集的時間尺度是1901年1月—2017年12月。它根據(jù)CRU發(fā)布的全球0.5°氣候數(shù)據(jù)集和WorldClim發(fā)布的全球高分辨率氣候數(shù)據(jù)集，并利用Delta空間降尺度方案在中國進行了降尺度處理生產(chǎn)[27]。

2 評價指標

本文利用3個指標對降水數(shù)據(jù)進行適用性分析,所用到的評價指標的名稱、公式與最優(yōu)值如表1所示。

表1 評價指標及最優(yōu)值Tab.1 Evaluation specification and optimal value

3 降水產(chǎn)品與重建數(shù)據(jù)集的適用性分析

3.1 降水產(chǎn)品的適用性分析

3.1.1 月尺度分析

以氣象站觀測數(shù)據(jù)為參考，中國大陸8個研究區(qū)2008年4月—2017年12月IMERG,CGDPA以及TP1 km降水數(shù)據(jù)集的評價指標箱型圖如圖1所示。3列評價指標中,左列為相關(guān)系數(shù)(CC),中間列為相對均方根誤差(RRMSE),最右列為相對偏差(BIAS)。

圖1 中國大陸2008年4月—2017年12月的月尺度評價指標箱型圖Fig.1 Box diagram of monthly scale evaluation specifications in Chinese Mainland from April 2008 to December 2017

結(jié)果表明，3個降水數(shù)據(jù)的指標統(tǒng)計結(jié)果在不同區(qū)域上存在很大差異。首先，相關(guān)系數(shù)(CC)在CGDPA與IMERG大部分區(qū)域在0.80以上，在TP1 km基本大于0.70，在所有地區(qū)均表現(xiàn)出CGDPA>IMERG>TP1 km。相關(guān)性最高的地區(qū)在華南地區(qū)，CGDPA與IMERG的CC基本達到0.9以上，這與華南地區(qū)地勢起伏小、降水量大有一定關(guān)系[31]。而在新疆地區(qū)3種數(shù)據(jù)的相關(guān)性同時降低，且TP1 km數(shù)據(jù)下降的最為明顯，基本在0.70以下。其次，相對均方根誤差(RRMSE)在GGDPA大部分地區(qū)都小于IMERG與TP1 km，表現(xiàn)最好。根據(jù)RRMSE的閾值(50%)發(fā)現(xiàn)，TP1 km數(shù)據(jù)僅在長江中下游和華南的部分地區(qū)被認為是可靠的,其他2種數(shù)據(jù)的RRMSE同樣在華南地區(qū)表現(xiàn)最好，基本小于40%。表現(xiàn)最差的是新疆地區(qū)，其次是青藏地區(qū)。這是由于新疆和青藏地區(qū)地形地勢較為復雜，地面站點比較稀疏，從而影響了數(shù)據(jù)的生產(chǎn)以及衛(wèi)星數(shù)據(jù)的校正[32]。此外，有研究發(fā)現(xiàn)隨著雨量計數(shù)量的增加，誤差呈下降趨勢[33]。最后，相對偏差(BIAS)在IMREG與CGDPA各地區(qū)大于TP1 km，前二者基本呈現(xiàn)出正偏差，而TP1 km在部分地區(qū)呈現(xiàn)負偏差。BIAS在空間分布上與CC和RRMSE的表現(xiàn)基本相同，中國大陸東部地區(qū)的BIAS顯示出比西部穩(wěn)定(-30%～30%)，極值集中在西部的新疆和青藏地區(qū)，尤其是IMERG表現(xiàn)出顯著高估。這是由于新疆地區(qū)的降水量小、蒸發(fā)強，傳感器能夠檢測到部分被蒸發(fā)還沒有落到地面的降水[34-35]，而且由于衛(wèi)星反演算法問題會將部分沙漠地區(qū)識別為下雨的土地[36]。

基于RRMSE，BIAS與CC在不同區(qū)域月尺度上的統(tǒng)計結(jié)果發(fā)現(xiàn)：① 3個數(shù)據(jù)在中國大陸東部的華南地區(qū)表現(xiàn)最好，而在新疆和青藏對降水信息的估計仍然存在問題；② CGDPA均表現(xiàn)出較高的精度(CC>0.90，RRMSE<50%，BIAS介于0～15%)，IMERG次之(CC>0.85，RRMSE<60%,BIAS介于0～25%)。

3.1.2 月尺度時間序列分析

2008年4月—2017年12月IMERG，CGDPA以及TP1 km數(shù)據(jù)集與氣象站觀測數(shù)據(jù)在中國大陸地區(qū)的時間序列降水量變化趨勢如圖2所示。

圖2 中國大陸2008年4月—2017年12月降水量時間序列Fig.2 Time series of precipitation in Chinese Mainland from April 2008 to December 2017

從3個數(shù)據(jù)集中能直觀地觀察到規(guī)律的周期性變化，并且在不同子區(qū)域都顯示出非常相似的波動模式，即由每年的1月份降水量逐漸上升，到7月份降水量達到最高值，隨后逐漸下降。將3個數(shù)據(jù)集逐月降水量值的時間變化在不同區(qū)域的觀測值進行比較，可以清楚地顯示出差異。CGDPA與IMERG均能捕捉到降水時空變化模式，在東北、華北、長江中下游、華南和云貴地區(qū)十分相近。而TP1 km幾乎在所有區(qū)域都偏離了氣象站點觀測數(shù)據(jù)，降水量偏低或偏高，不能十分準確地獲取降水量信息。但TP1 km,IMERG和CGDPA三個數(shù)據(jù)似乎都不能準確地反映青藏地區(qū)的降水量及變化趨勢。在青藏地區(qū)，3個數(shù)據(jù)集的降水量都與氣象觀測數(shù)據(jù)存在較大差異。近十年氣象站觀測數(shù)據(jù)在青藏地區(qū)的降水量呈現(xiàn)輕微上升趨勢，而其他3個數(shù)據(jù)集與其相反，呈現(xiàn)遞減趨勢。如果以站點數(shù)據(jù)為準，則3個數(shù)據(jù)集在該地區(qū)的降水獲取精度均不可靠。

3.1.3 季節(jié)尺度分析

受亞洲季風和青藏高原的影響，中國大陸降水的區(qū)域和季節(jié)分布差異很大，所以本節(jié)在對月尺度分析的基礎(chǔ)上，對季節(jié)尺度做進一步的分析。在氣象學上，通常以一年的3月—次年的2月作為一個季節(jié)周期，即3—5月為春季，6—8月為夏季，9—11月為秋季，12—次年2月為冬季。以氣象站觀測數(shù)據(jù)為參考，IMERG，CGDPA和TP1 km降水數(shù)據(jù)集在中國大陸的8個研究區(qū)評價指標箱型圖如圖3所示。最左列為CC，中間列為RRMSE，最右列為BIAS。

法線貼圖技術(shù)在普通紋理貼圖技術(shù)的基礎(chǔ)上，增加了對法線向量信息的利用。通過物體表面因朝向不同而產(chǎn)生的明暗變化來表現(xiàn)凹凸不平的效果。圖12展示了矩形平面在一點光源照射下，利用法線貼圖技術(shù)實現(xiàn)的效果。

圖3 中國大陸2008年4月—2017年12月季節(jié)尺度評價指標箱型圖Fig.3 Box diagram of seasonal scale evaluation specifications in Chinese Mainland from April 2008 to December 2017

結(jié)果表明，IMERG，CGDPA和TP1 km降水數(shù)據(jù)集的評價指標在8個區(qū)域表現(xiàn)基本一致，但在季節(jié)上變化明顯。8個區(qū)域的相關(guān)性基本是夏季表現(xiàn)較差，其余3季相對較好，且CGDPA>IMERG>TP1 km。在新疆地區(qū)3個數(shù)據(jù)集的相關(guān)性同時降低，特別是TP1 km數(shù)據(jù)集在夏季CC<0.50。TP1 km數(shù)據(jù)集在大部分地區(qū)顯示RRMSE>50%，所以季節(jié)尺度上TP1 km在中國大陸的可靠性不穩(wěn)定。在新疆地區(qū)和青藏地區(qū)的冬季，IMERG與CGDPA的可靠性也較低，這可能是由于青藏高原冬季較為寒冷，降水相態(tài)發(fā)生變化，并且地表結(jié)冰，從而影響降水獲取能力。CGDPA與IMERG在8個區(qū)域的BIAS都表現(xiàn)為高估，其中IMERG在新疆地區(qū)的BIAS顯著升高，這是IMERG衛(wèi)星反演降水數(shù)據(jù)需要解決的主要問題之一。

3.2 基于適用性分析結(jié)果的高精度降水數(shù)據(jù)集構(gòu)建

基于對IMERG，CGDPA以及TP1 km數(shù)據(jù)集在中國大陸地區(qū)的適用性分析發(fā)現(xiàn)，CGDPA和IMERG降水數(shù)據(jù)在大部分地區(qū)表現(xiàn)出較好的性能，能夠反映出真實的降水信息，而TP1 km降水數(shù)據(jù)集與氣象站數(shù)據(jù)的一致性較低。因此本文采用一個高效的數(shù)據(jù)篩選器對CGDPA和IMERG降水數(shù)據(jù)集進行篩選，進而構(gòu)建一個新的高精度的降水數(shù)據(jù)集。其中地面氣象觀測數(shù)據(jù)為真值，IMERG與CGDPA為參考數(shù)據(jù)集，并統(tǒng)一為相同的時間分辨率(1月/25千米)，在此基礎(chǔ)上進行適用性分析。

3.2.1 構(gòu)建方法

(1)

用矩陣可表示為：

(2)

假定2個降水產(chǎn)品與地面觀測數(shù)據(jù)之間的誤差均為0均值且相互獨立，這時降水產(chǎn)品誤差的協(xié)方差矩陣如下：

(3)

(4)

3.2.2 構(gòu)建結(jié)果分析

以氣象觀測數(shù)據(jù)為準，2008年4月—2016年12月重建數(shù)據(jù)集在中國大陸8個地區(qū)的月平均降水量評價指標箱型圖如圖4所示，從左至右分別為相關(guān)系數(shù)(CC)、相對均方根誤差(RRMSE)和相對偏差(BIAS)。結(jié)果顯示，重建與IMERG和CGDPA降水量數(shù)據(jù)集相比，相關(guān)性在各地區(qū)都有明顯提升，尤其是新疆地區(qū)，除云貴地區(qū)外CC均在0.90以上。云貴地區(qū)相關(guān)性略低可能由于該地區(qū)不僅降水來源復雜(南亞季風、東亞季風、青藏高原季風和西風)[38-39]，而且還受到復雜地形控制的小氣候的影響，降水具有較高的時空變異性[40]。重建數(shù)據(jù)集的RRMSE在各地區(qū)都有所下降，尤其在新疆地區(qū)，RRMSE從50%以上下降到40%以下，同時在青藏地區(qū)也有所下降，改善了在新疆和青藏部分地區(qū)不可靠的問題。根據(jù)BIAS的比較結(jié)果來看，通過加權(quán)最小二乘法重建的數(shù)據(jù)集降低了各地區(qū)的過度偏差，包括正偏差和負偏差。特別是新疆和青藏地區(qū)BIAS基本集中在-30%～20%的合理范圍內(nèi)，證明該數(shù)據(jù)集重建方法的可靠性。但根據(jù)這3個評價指標在月尺度上的空間分布來看，重建后的數(shù)據(jù)集在新疆地區(qū)以及青藏西部地區(qū)仍然存在問題。

圖4 中國大陸地區(qū)重建數(shù)據(jù)集2008年4月—2016年12月月尺度評價指標箱型圖Fig.4 Box diagram of monthly scale evaluation specifications for the reconstruction dataset of Chinese Mainland from April 2008 to December 2016

重建后數(shù)據(jù)集在季節(jié)尺度上的箱型圖如圖6所示。重建后的數(shù)據(jù)集在季節(jié)尺度上提升了各地區(qū)的相關(guān)性，尤其是夏季。幾乎各地區(qū)各季節(jié)的CC均在0.80以上，其中新疆和青藏地區(qū)偏低，但也提升至0.6以上。RRMSE在各地區(qū)各季節(jié)也有明顯降低(RRMSE<50%)，屬于可靠范圍。但是，新疆地區(qū)除夏季外以及青藏地區(qū)的冬季還是不可靠。BIAS除新疆和青藏的冬季外都在合理范圍。

4 結(jié)束語

本文以地面氣象站觀測數(shù)據(jù)為參考，對2008—2017年中國大陸地區(qū)IMERG，CGDPA和TP1 km降水數(shù)據(jù)集進行了適用性分析，在此基礎(chǔ)上利用加權(quán)最小二乘法作為數(shù)據(jù)篩選器構(gòu)建了一個新的高精度的降水數(shù)據(jù)集并進行系統(tǒng)的精度評價，結(jié)論如下：

① 在月尺度評價指標的箱型圖上，CGDPA降水數(shù)據(jù)精度更好，IMERG次之。相同的是三者都在東南地區(qū)表現(xiàn)較好，新疆和青藏地區(qū)可靠性較差。

② 月尺度降水量時間序列變化趨勢表現(xiàn)出IMERG與CGDPA能夠較好地反映出氣象觀測數(shù)據(jù)集的降水量并且變化趨勢比較一致。而3種數(shù)據(jù)集在青藏地區(qū)均表現(xiàn)出與真實值降水量相差較大甚至趨勢相反。

③ 對季節(jié)尺度進行分析發(fā)現(xiàn)，IMERG,CGDPA和TP1 km數(shù)據(jù)集對降水的獲取能力在4個季節(jié)具有顯著差異，春季、秋季和冬季效果較好。3個數(shù)據(jù)集在新疆地區(qū)都表現(xiàn)出相關(guān)性顯著降低，RRMSE超過50%，BIAS過高。

④ 利用加權(quán)最小二乘法作為數(shù)據(jù)篩選器對IMERG,CGDPA降水數(shù)據(jù)進行重新構(gòu)建以形成新的數(shù)據(jù)集，通過評價結(jié)果發(fā)現(xiàn)其在中國大陸各地區(qū)、各時間尺度的相關(guān)性都得到明顯提高(CC>0.9),RRMSE降低至50%以下的可靠范圍，BIAS也得到控制。雖然在新疆和青藏西部地區(qū)的適用性也有提升，但總體精度仍不是十分可靠。

綜上所述，地面觀測降水數(shù)據(jù)在一定程度上能夠代表真實準確的降水量，但在站點稀疏甚至無站點的地區(qū)缺乏代表性。所以在這些地區(qū)可以參考適用性較高的地面模擬數(shù)據(jù)、衛(wèi)星反演降水數(shù)據(jù)以及通過加權(quán)最小二乘法構(gòu)建的降水數(shù)據(jù)集。但本研究構(gòu)建的降水數(shù)據(jù)集在時空分辨率上不夠高(1月/25千米)，時間尺度不長(2008—2017年)，并且在高海拔、地形復雜以及干旱半干旱的青藏、新疆地區(qū)仍存在降水估計不準確的問題。因此，在未來研究中需引入更多的參考數(shù)據(jù)以建立高質(zhì)量、長時間尺度、高時空分辨率的降水數(shù)據(jù)集。