多卫星遥感降水产品寒区误差时空特征分析

徐淑琴，丁星臣，王 斌,2

多卫星遥感降水产品寒区误差时空特征分析

徐淑琴1，丁星臣1，王 斌1,2

（1.东北农业大学水利与土木工程学院，哈尔滨 150030；2.农业部农业水资源高效利用重点实验室，哈尔滨 150030）

选取北方寒区呼兰河流域作为典型研究区，以地面雨量站及采用IDW插值方法获得的IDWP降水数据作为基准，采用多种统计学指标评估多卫星遥感降水产品在日、月、季度时间及0.05°×0.05°像元空间尺度对寒区地面降水探测精度，以SWAT模型研究其径流模拟适用性，比较TRMM最新一代3B42V7降水产品相对于3B42V6改进程度。结果表明，TRMM 3B42V7与TRMM 3B42V6相比，对流域平均及总体降水量探测均有改进，日时间尺度上，V6过低估计地面降水0.89%，而V7过高估计5.43%，月及季度时间尺度上，两者与雨量站降水量较为接近，降水强度探测方面，两者对不同降水强度区间降水发生频率均有不同程度估计，V6和V7均过高估计高强度大雨和暴雨量，分别高出21.98%、17.03%。V7对空间降水探测精度优于V6。日径流模拟方面，V7与V6相比，在寒区对径流模拟改进效果不显著，验证期二者模拟结果接近，均可应用于寒区径流模拟。CMORPH_CRT、CMORPH_RAW、PERSIANN_CDR数据在寒区评估效果较差，不宜在北方寒区推广。

寒区；卫星遥感降水产品；时间尺度；空间尺度；SWAT模型；日径流模拟

降水作为淡水主要来源，与水和能量循环密切相关。了解降水发生时间、地点及强度对气象部门准确预报降水，预防干旱、暴雨、洪水、泥石流、暴风雪等灾害发生具有重要作用[1]。与气温、相对湿度等气象要素相比，降水在时间和空间上变化差异显著[2]。世界各地分布大量以地面雨量站和天气雷达为主要观测方式的降水观测系统，但在海洋、沙漠、人口稀少地区和部分发展中国家缺少足够地面降水观测系统[3]。地面雨量站是最直接、最准确降水观测方式，但各站之间距离较远，站网布设密度较低，无法准确合理反映降水空间分布[4]。雨量站降水观测频率较低，只能提供逐日降水量，存在缺测和误测，无法为水文过程模拟提供连续时间序列准确降水数据[5]。近年来，采用IR/MW（Infrared/microwave）传感器获取红外降水估值及被动微波数据联合反演降水量并与地面雨量站降水数据融合，研制基于栅格形式高时空分辨率卫星遥感降水产品[6-7]，其中代表性卫星遥感降水产品主要有TRMM（Tropical Rainfall Measuring Mission）—3B42V6 和 3B42V7、CMORPH（the Climate Prediction Center MORPHing technique）—CRT和 RAW、 PERSIANN（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks）—CDR、 PGF（Princeton Global Forcings product）等[8]。热带降雨测量卫星TRMM携带PR（Precipitation Radar）传感器是全球唯一星载测雨雷达[9]，具有观测三维降水信息能力，在各种星载传感器中成为获取降水资料首选[10]。2011年7月，美国航天局Gorddard中心（Gorddard Space Flight Center，GSFC）对TRMM V6版本数据升级，发布V7版本TRMM数据（包括3B42、 3B43和3B42RT），替换原有V6数据集[11]。与V6相比，V7版本除再加工V6使用原有数据集外，引入SSMIS、MHS、GridSat-B1数据，在地面雨量校正方面，完全采用全球降水气候计划GPCC（Global Precipitation Climatology Center）数据，观测卫星采用纬度带校准方案。因此，TRMM V7数据对卫星降水产品在气候分析、水资源管理、洪水预报等具有重要作用，对V7数据误差定量化评估，并与V6数据比较，可为未来V7数据TMPA算法修正提供技术支持。国内外学者针对区域及全球尺度卫星降水评估及应用开展系列研究，杨云川等以长江上游金沙江流域典型高山峡谷地区为研究区，评估TRMM PR 3B42 V6产品3h、日、月3种时间尺度精度[11]；胡庆芳等对比TRMM 3B42V6、TRMM 3B42RTV6和CMORPH精度特征，阐明TRMM 3B42V6误差特征及成因[12]；Mantas等在地形复杂的秘鲁安第斯山脉评估不同时间尺度下TRMM 3B42V7和3B42RT精度[13]；Sun等在淮河流域评估CGDPA、TRMM3B42V7、CMORPH_CRT、CMORPH_BLD、CMORPH_CMA数据精度，并采用大尺度VIC水文模型研究其水文模拟适用性[14]。Chen等在东江河流域评估TRMM准实时3B42RT降水数据精度，采用新安江模型研究在径流模拟及洪水预报适用性[15]。Xue等在不丹多山覆盖流域评估TRMM 3B42V6、TRMM 3B42V7精度，并研究遥感降水数据输入CREST最新V2.0版本分布式水文模型对径流模拟适用性[16]。

国内卫星遥感降水水文应用研究基础薄弱，存在以下不足：①多数研究选择大尺度流域或全国，空间尺度越大，卫星遥感降水探测精度高，掩盖小尺度流域误差分布；②多选择南方湿润地区流域，对北方寒区研究不足；③季尺度及日以下尺度评估较少。为此，本文以北方寒区之一呼兰河流域为典型研究区，将雨量站降水观测值作为基准数据，在日、月、季度时间尺度对比分析TRMM 3B43V7精度相对3B42V6改进程度，同时引入CMORPH_CRT、 CMORPH_RAW、 PERSIANN_CDR、采用IDW插值获得的0.05°×0.05°IDWP降水数据，评估以上多卫星遥感降水产品时间及空间尺度探测精度，验证其降水数据可靠性和代表性，利用以上数据驱动SWAT模型，采用SUFI-2算法考虑模型参数不确定性，通过日流量过程模拟，评估其流域水文过程模拟和预报性能，为寒区实现实时区域水文预报及灾害监测等提供可靠降水数据。

1 研究区概况

呼兰河为松花江支流，流域范围东经125.90°~128.80°和北纬46.18°~48.13°。全长 523 km，流域面积35 683 km2。研究区高程范围7~1 427 m，东北高，西南低。流域内大部分地区无霜期较长，积温较高，土层深厚，黑土广泛分布。统计流域内四个气象站1980~2010年日气象数据，计算流域多年年平均降水量为549.4 mm，多年日平均降水量为1.5 mm，多年日平均气温为2.9℃，多年日最高气温为39.4℃，多年日最低气温为-42.4℃，多年日平均日照时数为7 h。由于降水地区分布极不均匀，上游山地森林区降水大，水量丰富。下游平原区降水少，蒸发强烈。流域内降水时间分布不均，6~9月集中全年降水量65%，径流量约占全年径流量70%以上。本文选择兰西水文站（东经126°20′、北纬46°15′）控制断面以上27 430 km2集水面积作为研究区（见图1）。

图1 研究区分布图Fig.1 Distribution map of study area

2 数据来源

本文研究所需数据来源及精度见表1。DEM数据用于获取流域河网、划分子流域及计算地形参数。研究区域提取出10种土地覆被类型，分别为水域、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、稀树草原、多树草原、草原、耕地、城市和建成区。土壤类型包含17种，分别为简育高活性淋溶土、简育黑土、潜育黑土、滞水黑土、简育黑钙土、粘化栗钙土、钙积黑钙土、潜育黑钙土、钙积潜育土、石灰性黑土、松软潜育土、有机土、人为堆积土、漂白高活性淋溶土、潜育高活性淋溶土、饱和雏形土、沙丘流沙。以上栅格数据统一投影至WGS_1984_UTM_Zone_52N坐标系。TRMM日降水数据由3h数据累加合成获得。IDW插值方法简单、可靠，应用广泛[17]。

本文采用IDW方法对地面雨量站数据插值获得精度为0.05°空间栅格降水数据，作为空间精度评估基准降水数据。气象及降水数据研究起止时间均为2001年1月1日~2006年12月31日，其中TRMM 3B42V6、TRMM3B42V7、CMORPH_CRT、CMORPH_RAW、PERSIANN_CDR、基于IDW插值降水数据在后文中分别简称为V6、V7、CRT、RAW、CDR、IDWP。

表1 研究数据及来源Table 1 Research data and source

3 研究方法

在时空尺度定量评估中，参照已有研究成果选定如下指标：相关系数（CC）、平均绝对误差（MAE）、均方根误差（RMSE）、相对偏差（BIAS，B）、探测率（POD，P）、空报率（FAR，F）、成功系数（CSI）、纳什效率系数（NSCE，N）[17-18]。其中CC反映卫星遥感降水产品同地面雨量站降水线性相关程度；MAE和RMSE反映卫星遥感降水产品同地面雨量站降水平均误差；B反映卫星遥感降水产品系统偏差程度；P反映卫星遥感降水产品对降水事件漏报程度；F反映卫星遥感降水产品对降水事件错报程度；CSI反映卫星遥感降水产品成功观测降水事件比例。同时采用B和N定量比较不同降水数据对径流模拟效果。MAE、RMSE、B、F越趋近于0越好，CC、P、CSI、N越趋近于1越好。本文采用概率密度函数PDF（probability density function）及累积分布函数CDF（cumulative distribution function）比较卫星降水产品在不同日降水强度范围发生频率，日降水强度范围采用世界气象组织WMO（the World Meteorological Organization）分类标准[9,20]：（1）0≤p＜1 mm（微量降水）；（2）1 mm≤p＜2 mm（小雨）；（3）2 mm≤p＜5 mm（低强度中雨）；（4）5 mm≤p＜10 mm（高强度中雨）；（5）10 mm≤p＜20 mm（低强度大雨）；（6）20 mm≤p＜50 mm（高强度大雨）；（7）P≥50 mm（暴雨）。

4 时空特征分析

采用matlab编程提取0.25°×0.25°栅格多种卫星遥感降水量，当栅格形心点在流域分水线以外时，认为该降水量不在流域内部，呼兰河流域共提取54个栅格降水量。卫星遥感降水量与雨量站日与月时间尺度流域平均降水量对比统计指标计算结果见表2。日时间尺度上，V6、V7与雨量站相关性较好，CDR最差为-0.03。V6过低估计地面降水0.89%，而V7过高估计5.43%，V7与V6相比，探测降水量总体变大。日降水事件探测能力方面，V6降水漏报程度最高，V7优于V6，而其他三种数据降水事件漏报程度均较低，CDR最低为0.9，以上数据成功观测到降水事件比例CSI较为接近，为0.5左右。月时间尺度上，V6、V7与雨量站CC相同为0.98，两种数据与雨量站一致性较好，优于日降水数据。由于V7在2005年12月和2006年1、2月份出现缺测，本文以0替代缺测时间段，导致P值不为1。CRT、RAW、CDR在日与月时间尺度上与雨量站降水一致性均较差。

表2 日与月时间尺度流域平均降水量统计指标计算结果Table 2 Calculated results of watershed average precipitation statistical indicators in day and month time scale

当流域排水系统不通畅时，极端降水事件常引发洪水、财产损失和人员伤亡等灾害。为评估卫星遥感降水产品对极端日降水量探测能力，本文将2001~2006年各月日最大降水量绘制于图2。V6和V7与雨量站相关性较好，CC为0.84、0.85，BIAS为43.63%、28.60%，V6与V7相比过高估计日最大降水量。CDR与雨量站CC值最低为-0.15。CRT整体过高估计日最大降水量。可考虑采用V7数据预报极端降水事件。

6种降水产品各年对无降水事件发生探测率见图3。V6＞雨量站＞V7＞CRT＞RAW＞CDR，V7与雨量站一致性较好，V6与V7相比，过高估计无降水事件发生，而CDR严重低估无降水事件发生。

为评估卫星遥感降水产品对各月多年平均降水量探测能力，同时比较预报降水量，本文计算2001~2006年各月多年平均降水量见图4，从百分比堆叠柱状图中可比较各月降水量，CDR在1~5月和9~12月寒区温度较低月份降水量均大于其他五种数据。V6和V7探测降水量与雨量站较为接近。

季度时间尺度上，各季度多年平均降水量见表3，V6和V7数据与雨量站降水量接近，CRT、RAW、CDR过高估计秋季与冬季降水量，过低估计夏季降水量。CRT、CDR过高估计春季降水量。

不同空间位置降水强度变化对地表径流和洪水模拟影响显著。比较时间尺度上不同卫星遥感降水产品日降水强度差异见图5，与地面雨量站观测相比，V6和CDR过低估计微量降水事件发生，低估44.94%、59.13%，而V7和RAW过高估计10.18%、66.64%。在[2，inf）降水强度范围，V6均大于雨量站，整体高估23.43%，V7和CRT与雨量站一致性较好。在暴雨探测能力上，CRT最接近雨量站，仅低估7.9%。各降水强度范围降水总量占总降水量百分比即雨量贡献率（见图6），V6和V7均过高估计高强度大雨和暴雨，分别过高估计21.98%、17.03%。RAW整体过高估计（0，10]降水强度范围降水量，低估[10，inf）降水量。

空间分析可直观了解流域不同位置卫星遥感降水产品对雨量探测精度，本文将卫星遥感降水栅格数据重采样并采用IDW方法对雨量站降水量插值最终获得6种0.05°×0.05°像元栅格降水数据。以IDWP降水作为基准数据，分析其他5种降水产品在流域不同位置相关性、系统误差、成功系数（见图7）。与V6相比，V7空间相关性较好，流域大部分面积具有较好CC值，而V6仅流域东北方向CC较好，V7CCmax小于V6。CRT、RAW在流域西北方向CC值相对较好，但与V6和V7相比，流域整体相关性均较差。CDRCC值表现最差。空间系统误差方面，与V7相比，V6在流域东北方向探测精度较差，过高估计降水量。CRT和CDRBIASmax较大，CDR过高估计流域西南方向降水量。降水探测方面，V6和V7在东侧流域高程较大位置CSI分布较好，CRT和RAWCSI值在北侧分布较好，CDR探测精度分布最好。

图2 2001～2006年各月日最大降水量Fig.2 The maximum daily precipitation of each month in 2001-2006

图3 无雨频率Fig.3 Frequency of no rain

5 日径流模拟适用性评价

本文采用美国农业部（United States Department of Agriculture，USDA）农业研究中心（Agricultural Research Service，ARS）JEFF Arnold等开发 SWAT（Soil and water assessment tool）模型研究卫星遥感降水产品径流模拟适用性[19]。

在处理空间数据及计算属性数据构建SWAT模型数据库过程中，按照子流域实际分布情况，将最小汇水面积阈值设为500 km2，研究区共划分37个子流域。流域坡度划分为5类。划分水文响应单元（Hydrological response units，HRU）需设定土地利用、土壤类型和坡度阈值分别为15%、20%、15%，即通过设定该阈值，清除各子流域内次要土地利用类型，清除流域面积百分数小于阈值土地利用、土壤和坡度类型，重新分配其余土地利用类型面积百分数，流域中100%土地面积可被模拟，有助于提高径流模拟精度，最终将流域划分为248个水文响应单元。SWAT模型以HRU作为基本单元计算产汇流量。选择2001~2003年为率定期，2004~2006年为验证期，模型率定采用SUFI-2算法，NSCE和BIAS作为评价指标，模型计算1 500次，以V7数据为例，选取对径流影响较大20个参数敏感性分析结果（见图7），SCS径流曲线数CN2、河岸调蓄基流α因子ALPHA_BNK、最大冠层截留量CANMX、SMTMP融雪积温等参数对径流模拟影响较大。当|B|＜10%时，模拟结果良好；当N＞0.75或10%＜|B|＜15%时，模拟结果较好；当0.36＜N＜0.75或15%＜|B|＜25%时，模拟结果最优；当N＜0.36或|B|≥25%时，模拟结果较差[20]。

图4 各月多年平均降水量百分比堆叠柱状图Fig.4 Everage annual precipitation stacked histograms percentage of percentage in each month

表3 季度多年平均降水量Table 3 Average annual precipitation in quarter (mm)

图5 多年日降水强度概率分布Fig.5 Probability distribution of annual daily precipitation intensity

图6 多年日降水量贡献率Fig.6 Contribution rate of annual daily precipitation

图7 V6、V7、CRT、RAW、CDR各统计指标空间分布图Fig.7 Spatial distribution of statistical indicators from V6,V7,CRT,RAW,CDR

表4 TRMM 3B42V7参数敏感性分析结果Table 4 Sensitivity analysis results of TRMM 3B42V7 parameters

模型率定1 500次日径流模拟结果见图8，率定期N值分别为0.84、0.86、0.75、0.07、0.18、-0.05，雨量站、V6、V7模拟效果较好，V6模拟效果最好，N值大于雨量站。验证期N值分别为0.68、0.57、0.63、0.35、0.31、0.05，CDR 模拟效果较差，V7N值大于V6，但均小于雨量站。系统误差方面，率定期V6|B|值最小，为0.01%，验证期RAW|B|值最小为1.5%。总体来看，V7与V6相比，在寒区对径流模拟效果改进不大，验证期两者模拟结果接近。

图8 率定期与验证期日径流模拟结果Fig.8 Results of daily runoff simulation in calibration and validation period

为直观比较不同降水数据建立的SWAT模型对流域各年日径流模拟效果，流域各年日径流模拟结果NSCE和BIAS值见图9。

由图9可知，雨量站、V6、V7对2003和2006年径流模拟结果较好，NSCE均大于0.75，BIAS值较低；CRT和RAW对2006年径流模拟效果最优，NSCE分别为0.41、0.53，而CDR模拟效果均较差。通过选择非稳定变化流量时段可更好检验输入数据对径流模拟效果影响程度，由于2003年流量峰值较大，模型过度拟合峰值对其他年份模拟产生较大影响，从V6和V7数据模拟结果看，可应用于寒区径流模拟。

图9 流域各年日径流模拟NSCE和BIAS值Fig.9 NSCE and BIAS values of the basin daily runoff simulation in each year

6 结论

对于流域平均降水量，日时间尺度上，V6过低估计地面降水0.89%，V7过高估计5.43%，V7与V6相比，探测降水量总体变大。月时间尺度上，V6、V7与雨量站一致性较好，优于日降水数据。降水强度探测方面，CDR对降水事件漏报程度最低。V6与V7相比过高估计日最大降水量。对无降水事件发生探测率方面，V7与雨量站一致性较好，V6过高估计无降水事件发生，而CDR严重低估无降水事件发生。季度时间尺度上，V6和V7数据与雨量站降水量接近。统计流域所有卫星遥感及雨量站降水量，日降水强度探测方面，对于微量降水，V6过低估计44.94%，V7过高估计10.18%。雨量探测率方面，V6和V7均过高估计高强度大雨和暴雨。日径流模拟方面，V6与V7在验证期模拟效果接近。而CMORPH_CRT、CMORPH_RAW、PERSIANN_CDR三种降水产品评估效果均较差，但CDR数据对降水强度漏报程度最低，POD为0.9。

[1] Becker A,Finger P,Meyerchristoffer A,et al.A description of the global land-surface precipitation data products of the Global Precipitation Climatology Centre with sample applications including centennial(trend)analysis from 1901-present[J].Earth System Science Data,2012,5(2):921-998.

[2] Nastos P T,Kapsomenakis J,Philandras K M.Evaluation of the TRMM 3B43 gridded precipitation estimates over Greece[J].Atmospheric Research,2016,169:497-514.

[3] Kidd C,Huffman G,Kirschbaum D,et al.So,how much of the Earth's surface is covered by rain gauges?[C]//Geophysical Research Abstracts,EGU General Assembly,2014.

[4] Javanmard S,Yatagai A,Nodzu M I,et al.Comparing high-resolution gridded precipitation data with satellite precipitation estimates of TRMM_3B42 over Iran[J].Advances in Geosciences,2010,25(25):119-125.

[5] Bull M.Temperature and precipitation variability in Italy in the last two centuries from homogenised instrumental time series,Int[J].International Journal of Climatology,2006,26(3):345-381.

[6] Awange J L,Forootan E.An evaluation of high-resolution gridded precipitation products over Bhutan(1998-2012)[J].International Journal of Climatology,2015,36(3):21.

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

[8] Duan Z,Liu J,Tuo Y,et al.Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin(Italy)at multiple temporal and spatial scales.[J].Science of the Total Environment,2016.

[9] Immerzeel W W,Rutten M M,Droogers P.Spatial downscaling of TRMM precipitation using vegetative response on the Iberian Peninsula[J].Remote Sensing of Environment,2009,113(2):362-370.

[10] 田苗,李卫国.基于TRMM遥感数据的旱涝时空特征分析[J].农业机械学报,2015,46(5):252-257.

[11] 杨云川,程根伟,范继辉,等.卫星降雨数据在高山峡谷地区的代表性与可靠性[J].水科学进展,2013,24(1):24-33.

[12] 胡庆芳,杨大文,王银堂,等.赣江流域TRMM降水数据的误差特征与成因[J].水科学进展,2013,24(6):794-800.

[13] Mantas V M,Liu Z,Caro C,et al.Validation of TRMM multisatellite precipitation analysis(TMPA)products in the Peruvian Andes[J].Atmospheric Research,2015,163:132-145.

[14] Sun R,Yuan H,Liu X,et al.Evaluation of the latest satellitegauge precipitation products and their hydrologic applications over the Huaihe River basin[J].Journal of Hydrology,2016,536:302-319.

[15] Chen C,Yu Z,Li L,et al.Adaptability evaluation of TRMM satellite precipitation and its application in the Dongjiang River basin[J].Procedia Environmental Sciences,2011,10(1):396-402.

[16] Xue X,Hong Y,Limaye A S,et al.Statistical and hydrological evaluation of TRMM-based Multi-satellite Precipitation Analysis over the Wangchu Basin of Bhutan:Are the latest satellite precipitation products 3B42V7 ready for use in ungauged basins?[J].Journal of Hydrology,2013,499(13-14):91-99.

[17] Tuo Y,Duan Z,Disse M,et al.Evaluation of precipitation input for SWAT modeling in Alpine catchment:A case study in the Adige river basin(Italy).[J].Science of the Total Environment,2016,573:66-82.

[18] Yong B,Ren L,Hong Y,et al.Hydrologic evaluation of Multisatellite Precipitation Analysis standard precipitation products in basins beyond its inclined latitude band:A case study in Laohahe basin,China[J].Water Resources Research,2010,46(7):759-768.

[19] Arnold J G,Srinivasan R,Muttiah R S,et al.Large area hydrologic modeling and assessment part I:model development[J].Journal of American Water Resources Association,1998,34(1):73-89.

[20] Pereira D D R,Martinez M A,Pruski F F,et al.Hydrological simulation in a basin of typical tropical climate and soil using the SWAT model part I:Calibration and validation tests[J].Journal of Hydrology Regional Studies,2016,7(C):14-37.

Alternative observation of ground stations by multiple satellite remote sensing precipitation in alpine region/

XU Shuqin1,DING Xingchen1,WANG Bin1,2
(1.School of Water Conservancy and Civil Engineering,Northeast Agricultural University,Harbin 150030,China;2.Key Laboratory of Efficient Utilization of Agricultural Water Resources,Ministry of Agriculture,Harbin 150030,China)

The Hulan River basin in the north cold region was chosen as a typical research area,precipitation stations of the ground and IDWP precipitation data obtained by IDW interpolation method were taken as the benchmark data,the detecting precision of the cold region precipitationin the daily,monthly and quarterly time and spatial scales of 0.05°×0.05°pixels of the multi-satellite remote sensing precipitation products were evaluated by a variety of statistical indexes,SWAT model was used to research its applicability in runoff simulation.Compared the improvement of TRMMla test generation 3B42V7 precipitation product with 3B42V6.The results showed that compared with TRMM 3B42V6,TRMM 3B42V7had been improved in the detection of average and total precipitation in the basin.Onthe daily time scale,V6 underestimated surficial precipitationby 0.89%and V7 overestimated by 5.43%.On the monthly and quarterly time scales,V6 and V7 were relatively close to the precipitation of station.In terms of precipitation intensity detection,V6 and V7 had estimation of different degrees on precipitation occurring frequency of different precipitation intensity ranges,V6 and V7 had overestimated the amount of high intensity heavy rain and rainstormby 21.98%and 17.03%respectively.V7 was better than V6 in the detection of the space precipitation.In terms of daily runoff simulation,compared V7 with V6,the simulated effect of runoff in cold region was not improved greatly,simulation results of V6 and V7 were relatively close in the verification period,which could be both applied to the runoff simulation in cold region.The evaluated results of CMORPH_CRT,CMORPH_RAW and PERSIANN_CDR were poor in cold region,all of them should not be widely used in cold region.

cold region;satellite precipitation;SWAT model;temporal scale;spatial scale;daily runoff simulation

P333.9

A

1005-9369（2017）11-0063-11

时间2017-12-7 12:36:58 [URL]http://kns.cnki.net/kcms/detail/23.1391.S.20171207.1236.014.html

徐淑琴,丁星臣,王斌.多卫星遥感降水产品寒区误差时空特征分析[J].东北农业大学学报,2017,48(11):63-73.

Xu Shuqin,Ding Xingchen,Wang Bin.Alternative observation of ground stations by multiple satellite remote sensing precipitation in alpine region[J].Journal of Northeast Agricultural University,2017,48(11):63-73.(in Chinese with English abstract)

2017-06-21

国家重点研发计划项目（2016YFC0400101）；国家自然科学基金资助项目（51009026）；黑龙江省教育厅科学技术研究项目（12531024）；农业部农业水资源高效利用重点实验室开放课题资助项目（2015002）；东北农业大学农业水土工程创新团队项目

徐淑琴（1964-），女，教授，博士生导师，研究方向为流域数字水文模型、水库优化调度。E-mail:1210569246@qq.com