基于MSWEP的祁连山地区降水空间分布特性解析

黄 琦，覃光华，2，王瑞敏，向俊燕，胡庆芳，李伶杰

（1.四川大学 水利水电学院，四川 成都 610065；2.四川大学 水力学与山区河流开发保护国家重点实验室，四川 成都 610065；3.南京水利科学研究院 水文水资源与水利工程科学国家重点实验室，江苏 南京 210029）

1 研究背景

降水是最基本的气象水文要素之一，也是最重要的生态环境因子之一。我国具有三级阶梯的地形特征，高大山系众多，独特的地形与大气运动相互作用，形成特殊的山区降水分布，进而孕育出复杂多样的景观地貌。长期以来，定量估计和解析山区降水的空间分布是气候、水文、生态和环境等研究领域共同关注的重要问题之一。祁连山是甘肃省西部和青海省东北部一系列山脉的总称，地处我国第一、二阶梯的过渡带，系黑河、石羊河和疏勒河三大内陆河以及青海湖等的主要水源涵养地和集水区，也是我国干旱区和半干旱区的重要分界线，是中国生物多样性保护优先区域。解析祁连山区域降水时空分布特征，研究适用于这一地区的降水数据集，对于掌握该地区的水循环演化特征，促进水资源可持续利用和有效应对自然灾害具有重要意义。

早期文献利用地表雨量站点资料从不同角度研究了祁连山地区降水的分布规律［1-3］，但其研究结论受这一地区雨量站点稀疏性和空间分布不均的限制，特别是高海拔地带更是如此。因此，提高高海拔山区降水估计精度成为稀缺资料流域遥感降水反演研究的重点［4］，近年若干文献采用更具空间代表性的栅格降水数据对祁连山区降水变化及分布规律加以解析。如刘俊峰等［5］采用空间分辨率为0.25°×0.25°的TRMM（Tropical Rainfall Measurement Mission）3B42数据解析了祁连山区降水的垂直分布特征，指出祁连山东、中、西段降水随海拔均有增加趋势，东段降水的梯度效应明显高于中西段，其最大降水高度带主要分布在东段4000～4500 m 的高山带。孙美平等［6］等基于地表站点订正后的TRMM 3B43降水数据，发现祁连山地表年均降水量自东向西呈减少趋势，东、中、西三段最大降水高度带分别为4100、4500和4700 m。Liu等［7］则基于由空间分辨率0.1°×0.1°的CMORPH（Climate Prediction Center Morphing Technique）与自动气象观测站结合的融合资料，发现2008—2014年祁连山中部和东部地区降水明显高于西部，山区高于平原，且有明显夜雨现象。

多源加权集合降水（Multi-Source Weighted-Ensemble Precipitation，MSWEP）是由Beck［5］等研制的一套全球性降水数据集，融合了地表雨量计和多种卫星、再分析降水信息，并结合了部分径流和潜在蒸散发资料加以订正。MSWEP具有空间分辨率相对较高（0.1°×0.1°）、时间序列长、数据完整性强等优点，自发布以来引起了国际上的广泛关注。若干研究已表明MSWEP对地表“真实”降水的表征能力往往要优于TRMM、CMORPH和GPM IMERG（Integrated Multi-satellitE Retrievals for GPM）等其它全球性降水数据［8-9］。在中国大陆地区，MSWEP的精度也得到了初步评估［10］，有文献指出其在黄河源、新疆等西部内陆地区的表现优于CMORPH等其它数据［10-11］。因此，MSWEP在缺资料或无资料地区气象水文研究和应用中具有较大潜力。但总的来说，目前国内外关于MSWEP在地表降水资料较为匮乏区域的适用性评价以及基于该资料的气象水文研究与应用工作尚未充分开展。因此，本文基于地表雨量站点资料评价MSWEP在祁连山区的适用性，全面解析其在不同时间尺度上的误差特征以及对不同量级降水的辨识能力；采用地表降水资料对MSWEP数据加以订正，再采用订正后的降水资料解析祁连山地区降水时空分布特征。

2 研究区域与数据

2.1 研究区域祁连山地处甘肃、青海两省交界处（其地理位置和范围见图1），由多条西北-东南走向的平行山脉和宽谷组成。西端在当金山口与阿尔金山脉相接，东端至黄河谷地，与秦岭、六盘山相连，北临河西走廊，南靠柴达木盆地。地理位置介于35.83°N—39.97°N 和93.56°E—103.89°E，东西长约1000 km，南北宽约300 km，面积约19.3万km2。

研究区域高程介于1988～5767 m，平均3660 m，其中山峰海拔多在4000～6000 m、山间谷地海拔多在3000～5000 m。党河、疏勒河、石羊河等河流发源于该区域，还分布着青海湖、哈拉湖等重要湖泊。祁连山区高海拔地带分布着大量冰川（2683条，约1597.81km2）［12］，是河西走廊等地区水资源的重要补给来源。气候类型为大陆性高寒气候。冬季漫长、寒冷干燥，夏季短而温凉，全年降水量主要集中在5—9月（约占全年总量的90%）。祁连山是我国青藏高原和西北干旱半干旱区的分界线，也是内流区与外流区的分界线。

图1 研究区及站点分布

2.2 降水资料

（1）MSWEP 资料。2018年3月全球水文模拟组织发布了MSWEP 的2.2 版本，该数据可从互联网下载（网址：http：//www.gloh2o.org/）。MSWEP 的时间跨度为1979年1月—2017年10月，空间分辨率为0.1°×0.1°，时间分辨率为3 h（0∶00—24∶00，逐3 h）。本文根据祁连山区的空间范围，提取了相应网格单元的降水量，并将降水量在时间尺度上累加，分别得到日、月等尺度的MSWEP降水量。

（2）地表降水资料。本文所采用的地表降水资料来自于美国国家海洋大气管理局的全球地表日平均地表资料GSOD（Global Surface Summary of the Day）第7版中的降水资料，由全球地表逐小时气象数据集（Integrated Surface Hourly dataset）计算而来，通常滞后1～2 d。GSOD下载网址为：https：//catalog.data.gov/dataset/global-surface-summary-of-the-day-gsod。祁连山区及周边有20个地面雨量站（如图1所示），其基本情况见表1。GSOD 计算时间为每日0∶00—24∶00；本文筛选了重叠日期的MSWEP 和GSOD降水数据进行分析计算。从图1和表1可知，祁连山地区地表降水站点比较稀疏，且空间分布不均，高海拔地带地表雨量观测资料尤其稀少。表1中的雨量站点主要分布在研究区域边缘或周边，高程均在3500 m 以下。为研究需要，本文将该表中20个站点按海拔从低到高分为6 级，分别为0～1500 m（1 级，5个站点）、1500～2000 m（2 级，2个站点）、2000～2500 m（3 级，2个站点）、2500～3000 m（4级，3个站点）、3000～3200 m（5级，4个站点）和3200～3400 m（6级，4个站点）。

表1 研究区域及邻近地区地表雨量站点基本情况

3 研究方法

3.1 MSWEP精度评价方法本文以GSOD资料为基准，采用分类指标和定量指标对MSWEP的精度进行综合评价。分类指标反映了MSWEP 对降水事件发生可能性的辨识能力，定量指标则反映了MSWEP 与GSOD 在数量上的一致性。分类指标中，探测率POD、击中率FOH和Heidk 技巧指数HSS（Heidke’s Skill Score）分别反映了MSWEP 对降水事件的捕捉能力、击中能力和综合辩识能力；定量指标中，平均误差ME、偏差BIAS分别反映了MSWEP的系统误差大小及相对程度；相关系数CC和相似性指数SI分别反映了MSWEP与地表降水变化的同步性及相似程度；效率系数NS则反映了MSWEP对地表降水方差的解释能力，表征了MSWEP描述降水过程的确定性程度。各指标的计算公式及最优值见表2。

表2 祁连山地区MSWEP资料精度评价指标

3.2 MSWEP的订正方法尽管MSWEP相对于其它一些全球性降水数据具有更高质量，但由于源数据、降水反演算法和空间分辨率等方面的原因，仍不可避免地存在不确定性，特别是在地形条件复杂的祁连山地区更是如此。已有研究证实，即使采用较为稀疏的局地性地表资料对全球性降水数据加以订正，后者在当地的误差也可得到显著削减［13-14］。故本文考虑采用研究区域内及邻近位置的20个雨量站点资料对MSWEP作订正。具体方法是采用最小二乘估计方法，建立各雨量站点降水量与其所在网格MSWEP 降水量之间的线性回归关系，得到回归方程参数；采用反距离权重法［15］（Inverse Distance Weighted，IDW），将回归参数插值到研究区域内MSWEP对应的栅格单元；根据各栅格单元的回归参数，得到订正后的MSWEP资料。

4 结果分析与讨论

4.1 MSWEP的适用性分析

图2 不同时间尺度MSWEP与GSOD降水量散点图

4.1.1 总体精度 图2给出了5种时间尺度上，20个雨量站与其所在位置MSWEP栅格单元降水量的散点图（图2（a）—（e）分别代表日、月、年、雨季（5—9月）和旱季（10月—次年4月）的情况）。各图中的散点均具有十分明显的上偏（即散点大多位于1∶1线上方），这说明总体上MSWEP在祁连山地区对不同时间尺度上的地表降水均具有明显低估。在日尺度上，MSWEP对于地表降水变化的解释能力尚显不足，且具有较明显漏报；随着时间尺度的增加，MSWEP 对于地表降水变化的解释能力有所增强；月、年尺度上MSWEP与GSOD的一致性性明显强于日尺度。同时，对比图2（d）和图2（e）可知，MSWEP对祁连山地区雨季降水的解释能力总体上明显强于旱季。

表3 给出了各种时间尺度上基于所有雨量站点资料计算得到的各项精度指标。在日尺度上，MSWEP 的3 项分类指标POD、FOH、HSS分别达到了0.78、0.68、0.67，说明MSWEP 对研究区域降水事件辨识能力明显高于随机估计（HSS为0 时表示模型估计能力与随机估计相当），能够探测到1979—2017年间发生的大部分日降水事件，但也存在不小程度的漏报和误报。从定量指标来看，MSWEP与站点降水之间的线性相关系数CC约0.65，但对地表降水变化的解释能力仍然偏低（NS和R2值均只达到0.42），其系统误差在-29%左右，ABIAS则达到了0.65。在月尺度上，MSWEP与站点降水之间的一致性较日尺度显著增加，各项指标均明显改善，其中相关系数CC已达到0.9，R2接近0.80，NS达到0.72，SI达到了0.9，ABIAS大幅度降低至0.36。在年尺度上，MSWEP 与站点降水之间的相关性CC略高于月尺度、ABIAS也略低于月尺度，但R2、NS和SI均不及月尺度高，其主要原因是MSWEP资料在旱季的精度明显低于雨季。MSWEP在雨季的系统偏差在-26%左右，而旱季达到了-43%。祁连山区冬季（11月—次年2月）多年平均降雪日数约10.29d［16］，约占同期降水日数的49.5%。由于祁连山地区固态降水在旱季占较大比重，说明MSWEP 可能与其它全球性降水资料类似［4-5，17］，对固态性降水的估计能力仍有不足。

表3 不同时间尺度MSWEP资料的精度指标

图3日尺度上MSWEP各项精度评价指标的年内分布

图4月尺度上MSWEP精度评价指标的年内分布

4.1.2 精度年内变化规律 图3给出了日尺度上MSWEP资料对应的主要精度评价指标在年内各月的分布（1979年1月—2017年10月的均值）。由图3 可知，在日尺度上，POD、FOH和HSS在年内大致呈倒“U”形分布，6—9月最高，这再一次说明MSWEP在年内对雨季降水事件的探测率最高。而定量指标方面，MSWEP在雨季也要明显优于年内其它时段。CC、SI、NS、BIAS均呈倒“U”形，而ABIAS则呈“U”形。其中，BIAS在年内各月均小于零（图3（g）），说明在多年平均意识上MSWEP均低估了各月降水。

图4 给出了月时间尺度上MSWEP 对应的CC等各项定量指标的年内变化情况。为便于ME与MAE、BIAS与ABIAS图型比较，图4（b）和图4（c）绘制对象为-ME、-BIAS同MAE和ABIAS（下同）。从中可知，与日尺度类似，月尺度上MSWEP在6—9月的精度总体上也要明显高于其它时段。

图5日降水评价指标随高程分布

4.1.3 精度空间分布特征 祁连山地区地势整体呈西高东低。本文将20个地表雨量站点按海拔从低到高分为6个高程带（见表1），评价了日尺度上MSWEP在不同高程带的精度。从图5可知，在3500 m以下，随着高程的增加，POD、FOH、HSS总体上均有所增加，MSWEP对降水的分类辨识能力与高程具有一定正相关性；与此同时，CC、NS、SI3项指标随高程也呈现整体增加趋势，而-BIAS更趋近于零，且ABIAS有所降低，这说明定量精度指标随高程增加也有所提高。但需特别指出的是，由于研究区域雨量站点数量总体有限，且均分布在3500 m以下，同时，具有空间分布不均的特点，因此根据现有雨量站点资料解析MSWEP精度指标随高程的变化规律具有明显局限性。

4.1.4 对不同量级降水的探测能力 基于1979—2017年20个雨量站点及其所在网格MSWEP日降水，分析了MSWEP对不同量级降水的探测能力。降水量级的划分按照国家气象局颁布的降水强度等级划分标准划分为无雨、小雨、中雨、大雨、暴雨和特大暴雨6个级别。图6给出了各雨量站点位置不同等级降水事件几率的箱线图（降水事件几率是指按雨量站或MSWEP资料统计的某一量级雨量的天数与1979—2017年总天数之比）。根据图6，GSOD和MSWEP两种资料无雨的平均几率为81.40%和77.32%，说明MSWEP 对降水事件较敏感。。对于GSOD，小雨、中雨、大雨、暴雨和特大暴雨5个量级的降水事件的平均几率分别为16.69%、1.70%、0.11%、0.09%、0.02%，而MSWEP 分别为21.68%、0.93%、0.07%、0.001%和0（见表4）。因此，MSWEP 对于小雨、中雨和大雨尚有一定探测能力，其中对小雨事件数量有所高估、对中雨和大雨事件数量明显低估；MSWEP很难准确描述暴雨及其以上等级的日降水事件数量。表5 计算了MSWEP 对于不同等级降水事件的分类指标，评估了MSWEP 对不同等级日降水事件的探测能力。结果表明，MSWEP 对小雨事件估计能力最高（HSS为0.67），探测率POD和击中率FOH分达到0.78 和0.68；MSWEP 对中雨、大雨的估计能力次之，综合辨识能力明显高于随机估计（HSS分别为0.52、0.35，显著大于0，同时POD和HSS也显著大于0）；而对于暴雨和大暴雨事件的估计能力几乎等同于随机估计（HSS接近于0）。这与邓越等［18］认为MSWEP对微量降水和强降水事件分别存在高估和低估现象的结论一致。

图6 GSOD和MSWEP对应不同等级的日降水事件几率分布

表4 1979—2017年祁连山区雨量站点和MSWEP资料对应的不同降水事件平均发生几率 （单位：%）

表5 MSWEP对不同量级日降水事件的分类指标

4.2 MSWEP的订正采用最小二乘估计得到了日尺度上各站点雨量计降水量和MSWEP降水量之间的线性回归关系（图7给出了各站点对应的线性回归方程的一次项系数及截距，分别用符号“A”和“B”表示）；然后采用反距离权重法将回归参数插值到整个研究区域，得到与MSWEP资料各栅格单元对应的回归参数（共计2203个栅格单元）；最后根据回归参数对日尺度上MSWEP 各栅格单元降水量进行订正，并通过时间累积，得到月、年等时间尺度上的降水订正值。

图7（a）和图7（b）分别为20个站点日尺度降水数据回归方程的参数A、B，两组回归参数均通过了置信水平为95%的假设检验。由于MSWEP在多数站点低估了日降水（图2（a）），故在回归方程中，有65%的站点参数A大于1且参数B大于0（在研究区域内部的各站点，A基本上大于1）；剩余的35%站点中，参数A小于1，同时参数B为不同程度正值。

图7日尺度站点降水与MSWEP回归方程参数分布

图8为各时间尺度上MSWEP 降水量订正前后与站点降水量之间的散点图，订正后的MSWEP 数据以COMSWEP表示（即Corrected MSWEP）。该图表明，在各种时间尺度上，COMSWEP均较MSWEP与站点降水量更为吻合。表6给出了MSWEP和COMSWEP对应的精度指标。从表中可知，MSWEP资料订正后，在各时间尺度上BIAS、CC、NS、SI四项指标均有不同程度改善，但不同尺度上的具体情况有所不同。其中日尺度上，COMSWEP的BIAS已趋近零，其它3项精度指标略有改善；月尺度上，除BIAS更趋近零外，NS明显改善、CC和SI略有改善；年尺度上，除BIAS更趋近零外，NS和SI均明显改善，CC略有改善。对于雨季而言，BIAS仍为负，但已较接近零，说明雨季降水低估现象得到改善，同时NS明显提高、CC和SI略有改善；而对于旱季而言，BIAS由负值变为正值，但其ABIAS大幅度削减，NS和SI均明显改善，CC变化不明显。因此，COMSWEP 较MSWEP 可以更合理地估算研究区域降水，尤其对雨季降水和年降水具有较好估计效果。但由于研究区域在旱季每日降水中存在较多的固态性降水事件以及小雨事件，同时由于采用回归方程作为订正方法的局限性，故COMSWEP在旱季仍存在较大的系统偏差，且BIAS由负值变为正值。

表6 校正前后降水数据集精度对比

4.3 祁连山区降水空间分布特性分析图9为MSWEP 和COMSWEP 对应的研究区域多年平均（1979—2017年）年、雨季、和旱季降水量空间分布（分辨率为0.1°×0.1°）。从图9 可知，MSWEP 和COMSWEP反映的祁连山地区降水空间分布格局总体上相似，即降水量由东部逐渐向西部递减，山脉北坡（内蒙古高原一侧）降水量略高于南坡（青藏高原一侧）降水量，这与Liu［7］、Fang［19］、李培都等［20］的研究结论一致。同时，MSWEP和COMSWEP均显示研究区域降水由雨季主导，两者雨季降水分别占全年降水量的82.6%和75.5%。但经过地表雨量站点订正后，研究区域降水量具有整体性的增加，MSWEP 低估降水的情况得到大幅度改善。在0.1°×0.1°的栅格单元尺度上，MSWEP 对应的多年平均降水量分布范围约为15.0～505.0 mm，而COMSWEP为35.8～715.8 mm；对于雨季和旱季降水量，也有类似情况。Wang等［21］基于区域气候模式的输出估计了日气候降水和高程的关系，并结合改进的ADW（Angular Distance Weighting）插值方法以及邻近地面日降水量观测资料，得到黑河流域格网化日降水量约250～550 mm（本研究区中段北部为黑河流域上游）。该研究考虑了山区降水纵向分布的因素，插值结果具有较强物理基础；研究结果经过台站交叉验证和水量平衡检验，具有较高精度和可靠性。COMSWEP 在研究区的中段北部与Wang等研究结论相近，说明即使采用简单校正方法对MSWEP进行校正，其可靠性也可以得到一定程度的保证。本文校正方法虽未充分考虑降水垂直分布变化，但源数据MSWEP融合了地面站点降水、卫星观测降水以及再分析资料等多源降水，对降水的描述比较全面；COMSWEP大幅削减了MSWEP在各气象站点的系统误差。在未来的研究中应当充分考虑地形等因素影响，进一步完善祁连山区降水的订正方案。

图9 MSWEP和COMSWEP不同时间尺度多年平均降水量分布

表7 不同分区MSWEP和COMSWEP多年平均降水量比较

由表7 知，就整个研究区而言，MSWEP 和COMSWEP 对应的年均降水量分别为264.22、365.46 mm，雨季分别为218.35、274.11 mm，旱季分别为36.95、81.94 mm。在年、雨季、旱季尺度上，COMSWEP 较MSWEP 分别增加了38%、25%和122%。从空间区域来看，COMSWEP 相对MSWEP 的降水量增幅从东至西递增。以年降水量为例，在祁连山东段、中段和西段，COMSWEP相对MSWEP分别增加26.83%、34.90%和59.52%。对于雨季和旱季降水量也有类似规律，只是具体程度有所不同，旱季降水量的相对增加程度较雨季更显著。

降水的垂直分布规律是地形降水气候学中一个重要问题。以往多有涉及，但多基于雨量站点观测资料或空间分辨率较低的卫星降水资料开展研究。本文结合雨量站点和0.1°×0.1°的栅格降水数据，对研究区域降水垂直变化规律作了更细致深入的解析。图10 点绘了研究区域东、中、西段各0.1°×0.1°栅格中心高程与相应的MSWEP和COMSWEP多年平均降水量散点图，还给出了20个雨量站点多年平均降水量和相应高程的散点图。从站点资料来看（图10（a）（b）中的蓝、红色三角形），研究区域降水极大值分布在海拔3000 m左右，这与张杰等［22］基于站点模拟得到的降水分布规律一致，但该结论显然受到站点降水资料稀疏和空间分布不均的局限。通过MSWEP和COMSWEP两种栅格性降水资料，可以更全面的解析祁连山区域降水的垂直分布特征。基于图10 中的散点图，分析东、中、西三个地区降水随海拔高度变化的趋势，确定使年降水量先增后减的最大降水高度带，并对海拔小于和大于最大降水高度带的网格作降水量同海拔的回归分析，得出年降水量随高程平均变化速率。祁连山区东部地区MSWEP和COMSWEP年降水量均与高程成正比，CC分别为0.59和0.54，最大降水高度带均在3000 m左右。在东部地区，当高程小于3000 m时，MSWEP和COMSWEP随高程增大的平均增加速率分别为7.19 mm/100 m和9.53 mm/100 m，超过该最大降水高度带，年均降水量基本保持平稳。而在祁连山区中部地区，MSWEP 和COMSWEP 多年平均降水量则呈现出先增加（平均增加速率分别约1.34 mm/100 m和3.31 mm/100 m）后降低（平均降低速度率分别约-4.92 mm/100 m和-4.22 mm/100 m）的总体特征，其对应的最大降水高度带约4100 m；西部地区MSWEP和COMSWEP降水量随海拔增加呈先增加（平均增加速率约9.25 mm/100 m和12.04 mm/100 m）、后减少（平均降低速率约-0.91 mm/100 m和-1.46 mm/100 m）的趋势，最大降水高度带在4500 m左右。

图10 祁连山区多年平均年降水量与高程的散点

刘俊峰等［5］基于未订正的TRMM降水数据，得出祁连山地区降水随海拔升高增加（东、中、西三段增加速率分别为11.9 mm/100 m、4.6 mm/100 m和0.187 mm/100 m），最大降水高度带主要分布在东段4000～4500 m的高山带；孙美平等［6］基于订正的TRMM，指出连山地区东、中、西三段最大降水高度带分别为4100 m、4500 m和4700 m，在最大降水高度带出现前，降水量随高程增加速率分别为16.6 mm/100 m、10.7 mm/100 m 和9.8 mm/100 m；出现后降水减少速率分别为-8.2 mm/100 m、-12.3 mm/100 m 和-20.3 mm/100 m。因此，本文研究结论不仅与采用地表降水资料的解析结果不同，与采用其它降水栅格数据所得研究结论也有所不同。在空间上，相比地表雨量站点和TRMM 资料，MSWEP 和COMSWEP获取了更加丰富的降水信息，因此可以更加细致的解析降水垂直变化规律。同时，MSWEP和COMSWEP资料还表明在同一高程带，不同栅格单元的年降水量相差较大，这说明影响降水空间分布的机制较为复杂，除高程外还存在其它多种因素。

5 结论与展望

本文基于祁连山区地表雨量站点资料综合解析了MSWEP资料的精度，评价了其对不同量级降水的辨识能力；采用线性回归方法，结合IDW插值对MSWEP资料加以订正，对比了MSWEP在订正前后的精度差异；最后综合订正前后的MSWEP资料重点解析了祁连山区降水的垂直分布规律。主要研究结论包括：（1）MSWEP 在祁连山地区总体上对不同时间尺度上的地表降水均具有明显低估。MSWEP 对于大雨及其以下日降水事件的综合辨识能力尚可，但对暴雨和大暴雨事件的估计能力较差。同时，MSWEP资料在雨季的精度明显高于旱季，可能是由于其对固态性降水的估计能力有较大不足。随着时间尺度的增加，MSWEP 对于地表降水变化的解释能力有所增强。（2）采用线性回归方法订正后的MSWEP资料—COMSWEP在各种时间尺度上，较订正前的精度具有明显改善，但在不同时间尺度上的具体情况有所不同。COMSWEP对雨季降水和年降水具有较好估计效果，但在旱季仍存在较明显的系统偏差。（3）MSWEP 和COMSWEP 均表明祁连山区多年平均降水在空间上由东至西递减、北坡略高于南坡，同时雨季降水量主导了全年降水量。但在各分区和时间尺度上，COMSWEP降水量均明显高于MSWEP。从空间区域来看，COMSWEP相对MSWEP降水量的增幅由东至西递增，而旱季降水量的相对增加程度又较雨季更为显著。（4）MSWEP 和COMSWEP 均反映祁连山地区东段最大降水高度带在3000 m左右，超过此高度带多年平均降水量变化甚小，而祁连山地区中部和西部多年平均降水量随海拔呈现先增加后降低的趋势，最大降水高度带分别位于4100 m和4500 m左右。这一结论不同于采用地表雨量站点资料的分析结果，也不同于以往采用TRMM资料的诊断结果。

总的来说，采用COMSWEP 数据可以更科学解析包括祁连山在内的缺资料地区降水的时空变化规律，不仅在一定程度上克服了地表雨量站点稀疏和空间分布不均的局限性，而且较TRMM等以往的全球性降水资料所得结论也更为合理可靠。同时，需要指出的是尽管采用较简单校正方法，COMSWEP仍有效降低了MSWEP的系统误差，但另一方面，雨量数据的随机误差仍有待削减。在后续研究中，将考虑增加地面雨量信息和站点径流资料，进一步完善祁连山区降水的误差解析和订正方法，建立合理考虑地形因素影响的雨量站和MSWEP降水融合模型，并深化降水融合资料在气象水文和生态环境研究中的应用。