中国融合降水产品在太行山区的质量评估

俞琳飞， 杨永辉， 周新尧， 马乐新， 李会龙， 孔凡超

(1.中国科学院 遗传与发育生物学研究所农业资源研究中心，河北 石家庄 050022； 2.中国科学院大学中丹学院，北京101400； 3.中国科学院 农业水资源重点实验室，河北 石家庄 050022； 4.河北省节水农业重点实验室，河北 石家庄 050022； 5. 河北省气象台，河北 石家庄 050022)

1 研究背景

降水是水循环过程中重要的组成环节[1]，能够为陆地水文过程、气象研究和水资源管理提供重要的信息[2-3]。因此，降水的精确测量对自然科学的研究和可能的地质灾害预警具有重要的意义[4-5]。目前，最为传统的降水测量手段是通过地面气象观测站进行直接测量，这也是降水测量在“点尺度”上最为精确的方法[6-7]。受自然和人为等因素的影响，地面气象站难以覆盖海洋、地形复杂的山区和高原等地区，导致难以获取准确的降水数据[8]。近10年来，卫星遥感技术和地理信息技术的迅速发展，在全球范围内提供了基于遥感的高时空分辨率的卫星降水产品，并被广泛地应用于环境、水文和气象等领域，例如降水特征分析、水文过程模拟和干旱监测等[2,9-10]。卫星降水产品具有高时空分辨率，覆盖范围广和连续观测的优点，能够较为准确地反映区域乃至全球的降水时空分布特征[11]。然而，卫星遥感技术仍是间接观测手段，通过不同的数学方法将卫星降水产品数据和高密度的地面降水监测网数据进行融合，形成新的降水产品成为国际未来降水产品的发展新趋势。目前，国际上已经出现了多个融合地面降水观测数据而形成的新产品，例如：全球降水气候计划(Global Precipitation Climatology Project，GPCP)数据集通过地面站点数据得出的数据方差和误差作为权重进行最大似然合成形成了GPCP日产品和月产品[12]。TRMM 3B42利用全球降水气候中心的数据订正得到了新的月尺度卫星产品[7,13]。

中国地面降水监测网的发展使得中国在多源融合降水产品上也逐步发展起来，国家气象信息中心将美国大气海洋和管理局气候预测中心的卫星反演降水产品(CMORPH)和全国3～4万个自动气象站观测的1 h降水量数据融合形成了中国区域1 h、0.1°×0.1° 分辨率的融合降水产品(以下简称“CMORPH融合产品”)。沈艳等[7]对CMORPH融合产品在中国区域进行了质量评估，结果表明，融合降水产品在区域降水范围和空间分布上更为合理，并且在强降水的捕捉性能上有明显的提高，但所选取的研究时段仅在每年的降水丰沛的时期(5-9月)，融合降水产品在全年，特别是冬季的表现尚不清晰。与此同时，高密度的地面气象站点主要是分布在长江流域和华南地区，融合降水产品在站点密度较稀疏的华北地区需进一步验证。

地形是导致山区降水分布存在时空变异性的重要因素，加之高海拔地区地面降水观测站点少等原因，降水估测难以达到较高的准确性，使得不同的卫星降水产品在不同地区的准确性和降水捕捉表现存在着较大的差异[8-9,14-16]。因此，在对卫星降水产品应用之前，需要对产品进行区域质量评估。近3年来，关于CMORPH各类产品的研究主要是集中在流域尺度上，且时空分辨率较低。中国山区面积广阔，其面积达到了国土总面积的68.2%[17]。山区地形复杂，相对起伏较大，且在高海拔地区气象站点分布少且不均匀，为山区降水空间分布的研究带来了一定的困难[18]。因此，高精度的降水产品在山区的应用显得尤为重要。

为了评估融合降水产品在中国北部山区的质量，本文基于太行山区113个国家级气象站点2016年1月至2017年7月的地面降水观测数据，采用目前时空分辨率最高的CMORPH反演降水产品(以下简称“CMORPH”)和新一代融合产品在研究区内对精度和降水探测能力进行质量对比评估，分别从时间尺度和空间尺度上对融合前后产品进行对比，提取数字高程模型(DEM)中的地形信息，分析卫星降水产品的准确性和探测能力与地形的关系。以此为该区域降水产品的选择以及降水空间分布特征的研究提供理论依据和数据支持，为降水产品质量进一步提升提供科学参考。

2 数据来源和研究方法

2.1 研究区概况

太行山区是我国北方重要的山脉带之一，地理位置介于34°34′N～ 40°43′N、110°14′E～114°33′E，是黄土高原和华北平原重要的自然地理分界线[19-20]。太行山区气候类型为典型的温带季风气候，区域内地形复杂，相对起伏较大，高海拔和低海拔地区主要集中在山区西北部和东部地区，高、低海拔之间形成了明显的降水梯度[21]。

2.2 数据来源

研究所使用的地面气象资料来源于河北省气象局，包括113个气象站点逐日的地面实测数据集。所有站点均为国家级自动站，气象站点观测数据经过一系列质量控制包括台站极值检查，气候界限值检查和时空一致性检查等。站点分布如图1所示，观测精度为0.1 mm/d。DEM数据来自于地理空间数据云(http://www.gscloud.cn/)，空间分辨率为30 m×30 m。

本文采用CMORPH和CMORPH融合产品两种卫星降水数据，CMORPH来自于NOAA(ftp://ftp.cpc.ncep.noaa.gov)，是全球范围内基于多种微波降水数据和红外辐射数据的的基础上形成的高时空分辨率卫星降水产品[22]，本研究所使用的是时空分辨率为30 min/ 8 km版本的卫星降水数据。CMORPH融合产品数据来源于中国气象数据网(http://data.cma.cn)的CMORPH产品与中国自动站融合形成的逐小时降水量网格数据集(1.0版)。国家气象信息中心的研究人员将降水CMORPH卫星降水产品的数据与地面气象站监测到的小时降水数据进行融合，采用概率密度匹配(Probability Density Function, PDF)和最优插值(Optimal Interpolation, OI)的方法，对该技术在1 h、0.1°分辨下的核心参数进行调整和改造生成了逐小时的降水融合产品[7,23]，空间范围是70～140°E、15～60°N。研究时间段范围是2016年1月1日至2017年7月31日。将CMORPH和CMORPH融合产品的数据按照对应时段累加成日降水数据。

2.3 研究方法

本文利用地面气象站点坐标提取对应卫星降水栅格图像上的对应点数据，在站点尺度上进行产品质量的评价。基于日降水数据进行季节尺度上的质量评价，不同季节的时间范围分别为春季(3-5月)，夏季(6-8月)，秋季(9-11月)和冬季(12-翌年2月)。采用皮尔逊相关系数(Correlation Coefficient,R)，均方根误差(Root Mean Square Error,RMSE)和相对偏差(Relative Bias,RB)来评价降水产品的精度[24]。各评价指标的公式如下：

(1)

(2)

(3)

根据气象学上雨量划分的原则，选取0.1 mm/d作为是否发生降水事件的阀值，采用探测率(Probability of Detection,POD)，误报率(False Alarm Ratio,FAR)和临界成功指数(Critical Success Index,CSI)来评价降水产品的对于降水事件的探测能力[5]，POD越高表示降水事件被漏报的概率越小，FAR越低表示降水事件被错误预报的概率越小，CSI越大表示降水产品对降水时间的综合探测能力越强，各评价指标公式如下：

(4)

(5)

(6)

式中：H(Hits)为降水产品和地面气象站同时有雨的频数；F(False Alarm)为降水产品有雨而地面气象站无雨的频数；M(Misses)为降水产品无雨而地面气象站有雨的频数。POD、FAR和CSI的最优值分别为1、0和1。

3 结果分析与讨论

降水具有明显的时空变异性的特征，卫星降水产品的精度是由降水时空差异捕捉的准确性所反映[3]。因此，研究从时间和空间两个角度，将两种降水产品和地面气象站的实测数据进行对比，评估二者在太行山区的质量。在时间尺度上，分别从年、季、月和日对降水产品进行精度评价；在空间尺度上，主要分析降水产品精度在区域内以及不同站点的空间分布特征。

3.1 时间尺度特征

3.1.1 年降水分析 在研究时段内，选择2016年全年的数据进行年尺度的精度评价。表1为年尺度上对卫星观测降水和地面实测降水的精度统计结果。CMORPH融合产品在经过地面数据校正之后，产品数据与气象站数据呈现良好的相关性(R=0.87)，要高于CMORPH。为了明确卫星降水产品数据与气象站数据之间降水量数值的差异程度，需要考虑二者之间的均方根误差和相对偏差，从表1中可见，CMORPH融合产品的均方根误差(RMSE=780.62 mm/a)和相对偏差(RB=-12.29 %)要高于CMORPH。

表1 太行山区年尺度卫星观测降水与地面观测降水的精度比较

3.1.2 季节降水分析 太行山区是典型的温带季风气候区，降水季节差异大且分配不均，需进一步分析融合产品在不同季节的产品精度和降水探测能力(表2)，本文所分析的是逐日数据在不同季节上的表现，分别从春季、夏季、秋季和冬季对两种降水产品进行比较，并对R、RMSE和RB3个连续统计指标在不同季节尺度上进行分析。

图2为不同季节观测降水量和卫星产品降水量的散点图。由图2可知，CMORPH融合产品在各个季节的拟合优度都高于CMORPH，特别是在夏季拟合优度最高(R2=0.5)，冬季的拟合优度最低(R2=0.09)；CMORPH产品在春季的拟合优度最高(R2=0.24)，冬季的拟合优度最低(R2=0.006)。由表2也得出相同的结论，CMORPH融合产品夏季相关系数最高，为0.7, 而CMORPH的相关系数仅为0.41。除冬季以外，CMORPH融合产品的均方根误差和相对偏差均小于CMORPH，融合前后卫星降水产品在冬季的表现均较差，可能由于太行山区冬季多为弱降水或是固态降水，地面资料的局限性限制了融合产品的优化[25]。有研究表明不同卫星降水产品在中国大陆湿季的表现要优于干季[26]，与本研究结果相同。以0.1 mm/d作为降水阀值，CMORPH融合产品和CMORPH在夏季的降水探测率最高，分别为0.76和0.69。CMORPH融合产品各个季节的POD和CSI均高于CMORPH，可见融合优化之后的产品在探测能力上有显著提升。

图3为CMORPH和CMORPH融合产品在不同季节的相关系数、均方根误差和相对偏差3种连续统计量值的箱形图。它们均表现出冬季相关系数较低、春季和冬季相对偏差较大的特点，从表2中也可以看出，夏季的RMSE较大，而冬季的RB最大，说明夏季两种降水产品与地面实测数据偏差较大，而冬季最为稳定，其原因在于夏季是降水事件高发期，且容易发生短时强降水，从而导致区域年均降水量分布不均匀[26-27]。

3.1.3 月降水和日降水分析 从CMORPH、CMORPH融合产品与地面气象站在月降水上的精度评价可见(表3)，两种降水产品数据和地面实测数据均呈现良好的相关性(R>0.75)，其中CMORPH融合产品的相关系数达到了0.97。融合产品的均方根误差(RMSE=225.72 mm/month)要高于原始产品(RMSE=54.51mm/month)。与此同时，CMORPH融合产品的降水量观测值存在低估于实际观察值的现象，RB为-11.36%，而CMORPH产品则是略高估于实际观测值，RB为2.46%。图4为CMORPH、CMORPH融合产品与地面气象站在月降水量的时间序列对比。总体上，CMORPH和CMORPH融合产品的降水量与实测降水量呈现较好的一致性，也表现出了良好的时间模式，从3月份开始出现了明显的降水梯度，8月开始降水量回落，11月份之后降水量降到了较低的水平，这种降水的时间变化特征与温带季风气候特征的年降水量规律相符合。同时，CMORPH融合产品相比于CMORPH与实测数据有着更好的吻合性，在雨季期间，CMORPH在降水量观测上存在较为严重的低估的现象，可能由于太行山区水汽的抬升，气温下降使得夏季雨水充沛，未经地面融合的CMORPH反演降水受多层云系的作用，卫星传感器在探测亮温上受到了一定的影响[28]，同时，CMORPH产品在5-6月和10月出现较大的偏差，可能是由于季节交替的过程中受季风活动和热带气旋的影响，从而导致了降水量的变化较大[27]。

表2 太行山区季节尺度下两种降水产品统计指标对比

图2 太行山区不同季节观测降水量和卫星产品降水量散点图

图3 两种卫星降水产品在不同季节的精度评价指标的箱形图

通过将研究区范围内不同站点位置的逐日降水数据纳入同一序列，得到太行山区两种降水产品逐日降水数据的质量评价结果，如表4所示。由表4可见，CMORPH融合产品的R值为0.72，明显高于CMORPH产品的0.39，表明优化校正之后的产品在降水时空变化上具有更强的捕捉能力；融合产品RMSE值为42.58 mm/d，高于原始产品的9.94 mm/d，表明融合产品在对降水探测的整体精度上仍有待提高；融合产品的相对偏差为-11.36 %，原始产品的相对偏差为2.47，表明融合产品在研究区具有较为明显低估现象，融合产品的质量在不同区域的表现差异与不同地区地面降水监测网站点数的疏密有着密切的关系[7,29]，太行山区高海拔地区站点缺失是影响融合产品表现的重要原因之一。从分类指标上看，CMORPH融合产品有更高的POD值和CSI值，表明融合之后的产品在对降水强度大于等于0.1 mm/d的降水事件有较好的探测能力。

表3 太行山区月尺度卫星观测与地面观测降水的精度比较

表4 太行山区两种降水产品日降水统计指标对比

图4 2016-2017年两种降水产品与气象站点月降水量对比

3.2 空间尺度特征

3.2.1 区域精度对比 为了分析研究区内卫星降水产品观测值与气象站观测值在空间上的误差分布特征，采用克里金插值法在对地面年降水量在空间上进行插值，得到了实测年降水量的空间分布图。图5为2016年两种卫星产品和气象站年降水量的空间分布。由图5可见，在太行山区的北部和西南部是降水较少的区域，而降水较多的区域主要分布在东部平原地区。以地面观测数据作为质量检测标准，两种降水产品在东部低海拔地区的降水捕捉表现较好。总的来说，在研究区内CMORPH降水观测值要高于地面气象站观测值，而CMORPH融合产品观测值除了东南部小部分区域以外均低于地面气象站观测值。

将卫星产品的观测降水数据与气象站点实测降水数据进行叠置分析，得到了两种降水产品和实测年降水量的空间差值分布图，见图6。由图6可看出，CMORPH融合产品在北部和中部高海拔地区严重偏低，在东部平原区偏高，仅有小范围区域与实测数据空间分布吻合。原始产品则表现相反，在区域降水量差值上，在东部低海拔地区估测偏低，反而在北部高海拔地区估测差值更小。可见，融合产品的质量是由地面站点密度直接决定的，CMORPH卫星降水产品在高海拔地区具有较好的表现。

3.2.2 站点精度对比 图7为CMORPH和CMORPH融合产品降水量观测值与气象站观测值之间在空间上的相关系数和相对偏差的分布图。从图7(a)、7(b)可得，在研究区内不同站点相关系数的跨度非常大，R值分布于0.1～1范围内，CMORPH融合产品降水观测值与气象站观测值呈现良好的线性相关性，R大致在0.5～1的范围内，而CMORPH在全区内，R范围在0.1～0.6左右。融合产品在东北部低海拔地区相关性更好，而原始产品表现较差，可见卫星降水产品的表现具有区域性差异。在相对偏差的空间分布上，CMORPH融合产品并没有表现出较大的优势，总体低估了实际降水量观测值，特别是在高海拔地区尤为明显。对于CMORPH的产品精度表现，在太行山高海拔地区(北部)出现了明显的高估情况。可见，地形是影响卫星降水产品表现的重要因素之一，Xu Ran等[16]在青藏高原南部进行卫星产品的精度评估表明：海拔是影响卫星产品表现的重要因素，随着海拔升高，产品表现越差。

在探测率和误报率的空间分布上(图8)，CMORPH融合产品在全区内都有明显的提升，探测率基本高于0.55，误报率低于0.4。在海拔较低的区域(东部和中部)，产品在探测降水上更为准确且误报率相比于高海拔地区(北部和南部)更低。值得关注的是，原始产品在东部和西部的低海拔地区的误报率比高海拔地区更高，可能是由于更为频繁的降水事件的发生导致了错误探测率随之上升。

3.3 地形对卫星降水产品的影响

太行山区位于我国华北地区，地势西北高、东南低，境内地形复杂，高程落差较大，降水在一定程度上会受到地形的影响，以下将对比分析高程、坡度和坡向对CMORPH融合前后卫星产品表现的影响。

3.3.1 海拔对卫星产品评价指标的影响 以气象站点的高程作为自变量，分别以各个站点的6种评价指标结果作为因变量，进行回归分析，发现线性回归的拟合效果最佳，回归结果如图9所示。由图9可看出，随着各站点高程的增加，CMORPH对应站点的相关系数、POD和CSI呈现显著上升(p<0.01)的趋势；而两种产品对应站点的误报率和CMORPH融合产品对应站点的相对偏差呈现显著下降(p<0.01)的趋势。随着高程的增加，融合产品的相对偏差和误报率减小，可见融合产品在高海拔地区质量较好。对比回归分析的p值可以得出，融合后的产品削弱了地形对产品表现的影响。

图5 2016年太行山区卫星产品和地面气象站年降水量的空间分布

图6 两种卫星产品年降水量与雨量站点年降水量的差值空间分布

图7 两种卫星降水产品的R和RB值空间分布

图8 两种卫星降水产品的POD和FAR值空间分布

3.3.2 坡度对卫星产品评价指标的影响 以气象站点坡度为自变量，分别以两种卫星产品的表现的评价指标作为因变量，进行多项式回归分析，回归结果如图10所示。由图10可知，坡度与CMORPH产品的FAR和CSI的相关性在0.05水平上显著，随着坡度的逐渐增大，分别表现为先减小后增加和先增加后减小的趋势，坡度与两种降水产品在其他的评价指标的拟合结果未出现显著的相关性。除CMORPH融合产品的POD和CMORPH的FAR以外，其余评价指标的拟合结果在坡度20°～30°的范围内均存在极值上的转变，可见随着坡度的增加，产品表现存在拐点。

3.3.3 坡向对卫星产品评价指标的影响 根据气象站点坡向的度数范围，从0°开始，每45°为间隔，将坡向分为8个大方向，分别为北坡(N)、东北坡(NE)、东坡(E)、东南坡(SE)、南坡(S)、西南坡(SW)、西坡(W)和西北坡(NW)。同一坡向的站点归为一类，计算评价指标的平均值和标准差，结果如图11所示。由图11可见，R、POD和CSI值在南坡最低，即误报率在南坡最大，各坡向上RMSE值在5 mm/d上下波动，相对偏差的绝对值在10%～20%上下波动。

图9 CMORPH融合产品和CMOPRH产品各评价指标值与高程的关系

图10 CMORPH融合产品和CMOPRH产品各评价指标值与坡度的关系

图11 CMORPH融合产品和CMOPRH产品各评价指标值随坡向的变化

4 结 论

(1) 在年降水量方面，融合产品更接近地面气象站实际观测值，但存在着一定程度的低估；在月降水上，两种降水产品均表现出了良好的时间模式，具有相似的降水梯度的变化特征，融合产品更接近实际降水的月度变化；在日降水量上，融合产品的相关性更好；在季节尺度上，卫星降水产品表现具有季节性的特征，融合前后产品均在夏季表现较好。

(2) 融合产品相比于原始反演产品在降水事件命中率上有明显提升，误报率明显降低。在空间特征上，地形是影响产品表现的重要因素之一，降水产品往往在地势较低的平原区表现更好，在高海拔地区表现较差。因此，在未来卫星降水产品的质量优化提升上，需要更多地考虑地形因素，才能提供更为准确的降水信息。

(3) 海拔对融合产品的RMSE、RB和FAR有显著影响，对原始反演产品的R、POD、FAR和CSI有显著影响，回归分析结果显示，在20°～30°的坡度范围内融合前、后的产品表现存在拐点，融合前、后降水产品均在南坡表现较差。

致谢：感谢中国科学院地理科学与资源研究所李发东老师在论文写作和修改上的指导，感谢中国国家气象信息中心和美国大气和海洋管理局提供的卫星降水产品数据。