IMERG卫星降水产品在中国的干旱监测效用评估

卫林勇，江善虎※，任立良，张林齐，王孟浩

（1. 河海大学水文水资源与水利工程科学国家重点实验室，南京 210098；2. 河海大学水文水资源学院，南京 210098）

0 引言

干旱是一种历时长、范围大、影响广的全球性（含湿润区）灾害之一，具有降水量减少和/或蒸散量增加的主要特征，其可能造成严重的生态、农业和社会损失[1-4]。为了有效地识别和及时地预警干旱，需要满足2个关键的先决条件，即，建立或选用区域适应性强的干旱指数和获取高精度的自然变量数据。目前，多尺度的标准化降水指数（Standardized Precipitation Index，SPI）[5]和标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index，SPEI）[6]是在众多的气象干旱指数中应用范围最广的2种干旱指数[7-8]。另外，综合气象干旱指数（Composite Index of meteorological drought，CI）是一种同时考虑降水和蒸散发要素的综合性干旱指数，近年来被应用于干旱监测和分析[9]。基于一种气象变量数据集，利用不同干旱指数在不同地域量化干旱的准确性是有差异的[4]。传统监测干旱的方案是基于气象站观测的气象数据和干旱指数量化干旱特征。由于气象站所在的地理位置分布稀疏和不均以及部分站点存在数据缺失，甚至在偏远地区不能提供可靠的数据[10]，导致传统的方案难以较好地表征空间上的干旱状况。

近年来，随着卫星遥感技术的不断完善与成熟和基于遥感信息的降水反演算法的持续改进，涌现了一系列时空分辨率高、覆盖范围广、时空资料连续的卫星降水产品，有助于气象站具有局限性的区域估算降水量，为大规模的干旱监测提供了新的降水资料[11-13]。在2014年3月，卫星降水产品的研发已经进入全球降水观测计划GPM（Global Precipitation Measurement）时代，卫星降水产品驱动干旱指数监测干旱的方案可行性也逐渐成为众多学者的研究重点[14-16]。Sahoo等在全球尺度上评价了TMPA（Tropical Rainfall Measurement Mission Multi-satellite Precipitation Analysis）产品监测大尺度的气象干旱效用[11]；陈少丹等在中国区域尺度上分析了TMPA产品刻画干旱演变规律的适用性[7]；Zhong等评估与比较了TMPA和两个长时期的卫星降水产品在中国的干旱监测性能[4]。为减少干旱过程监测中的降水误差的传递，需要参考现有的多源卫星降水产品性能评估结果，从中选取时空分辨率最高、可靠性最好的卫星降水产品。目前，Tang等已经在中国内综合性评估与比较了9个卫星和再分析数据集，研究结果表明IMERG（Integrated Multi-satellitE Retrievals for GPM）产品的质量优于其他常用的卫星降水产品[17]。作为TMPA[18]的后续产品，GPM的多卫星综合反演IMERG降水产品具有更宽的覆盖范围、更高的时空分辨率等优势。2019年5月，最新版本IMERG V06产品在其官网发布。相对于前面的版本，IMERG V06主要变化之一是对数据进行了回顾性处理，从而创建了与TMPA时代的同质记录（从2000年6月开始）[17,19]。回顾性IMERG产品为水文气象研究与应用提供更宽广的范围[17,20]，拓展回顾性IMERG降水产品在干旱监测评估中的应用研究具有重要的实际价值。

鉴于上述回顾性IMERG的特点，本文以地面网格数据作为基准数据，首先利用常规的统计指标评估IMERG在中国的误差特性；其次以SPI、SPEI和CI干旱指数为例，从区域和空间分布格局的角度展示IMERG产品计算的各干旱指数的性能；最后在西南地区选取一次典型干旱过程为案例，验证IMERG产品应用于区域干旱监测方面的效果，以期为中国的气象干旱的防抗工作提供有价值的参考依据。

1 数据和方法

1.1 数据及来源

IMERG产品是基于新一代GPM卫星群获取的大量遥感信息（微波、红外和雷达数据）反演生成的降水数据集，其具有较高的空间分辨率（0.1°）、多时间分辨率（0.5 h的最高分辨率）、覆盖全球（full 60°N/S）等特点[21]。依据降水数据经过不同的校准处理过程，IMERG提供了近实时的Early-Run、Late-Run和滞时的Final-Run 3种不同降水产品[22]。其中，IMERG Final-Run产品借助于全球降水气候中心的月尺度气候资料进行校正，其精度相对于Early-Run和Late-Run产品最接近于实际降水[22]。本文通过美国国家宇航局NASA网站（https://pmm. nasa.gov/）下载中国区域2000年6月1日至2017年12月31日的回顾性IMERG Final Run日降水数据，并将其聚合成0.5°空间分辨率的资料和累计为月值。

中国地面降水月值0.5°×0.5°格点数据集V2.0（China Gauge-based Monthly Precipitation Analysis Product，CPAP）是在中国区域约2400个站点降水资料的基础上，使用基于中国地形的薄盘样条方法生成的网格化降水产品，其被公开在中国气象局网（http://data.cma.cn/）[23]。由于CPAP拥有密集空间分布的站点和严格的质量控制处理过程，包括交叉验证和误差分析，其质量总体上令人满意[23]。因此，CPAP往往作为参考数据用于中国地区的卫星降水产品验证，它在本文也被用于评价IMERG产品在干旱监测方面的应用潜力。潜在蒸散发是指下垫面水分受空气温度的影响由液态或固态变为气态的能力。为了反映全球气候变暖对干旱的响应，潜在蒸散发被作为输入变量之一计算SPEI和CI数值。结合传统的气象站和蒸散模型估算潜在蒸散发的数值，目前存在同时具有多气象变量数据并已经公开在中国气象局网的气象站在中国区域的数量较少和数据缺失、使用简单的克里格和反距离插值等方法由点到面生成栅格的潜在蒸散发数据可能有较大的不确定性[16]。鉴于以上两点，本文从网站（http://www.cru.uea.ac.uk/ data）收集了0.5°空间分辨率的最新版CRU（Climatic Research Unit）潜在蒸散发产品，其是在考虑多气象因素的条件下运用Penman-Monteith方程和修正插值法生产的栅格数据[24]。CRU潜在蒸散发产品的构造被详细地表述在Harris等的文章，并已经在全球范围内的水文气象领域得到了广泛的应用[25-27]。

中国幅员辽阔，局部地域之间具有差异性极大的气候特征。为了更好地评估IMERG降水产品在中国监测干旱的精度，选用Chen等研究得出的分区作为本文的子区域（图1）[28]。这些区域分别是以温带季风气候为主的东北（Northeastern China，NE）和华北（Northern China，NC），以亚热带季风气候为主的长江中下游（Middle and lower reaches of the Yangtze River，CJ）、东南（Southeastern China，SE）、西南（Southwestern China，SW），以干旱或半干旱气候为主的西北（Northwestern China，NW）和新疆（Xinjiang，XJ），以高原山地气候为主的青藏高原（Qinghai-Tibet Plateau，TP）。由于资料缺失，研究区域未包含台湾省。

1.2 SPI、SPEI和CI指数

SPI是由McKee等提出的一种无量纲气象干旱指数，其原理是在只考虑降水要素的基础上通过gamma分布等分布函数、频率计算和标准正态化的方式转变为干旱指数的干旱识别过程[3,29]。SPI指数不仅具有简单的计算过程和反映干旱敏感的特点，而且拥有较强的空间可比性和时间灵活性[3]。因此，SPI被广泛应用于世界不同地区的气象干旱特征分析，甚至流域的水文干旱量化和农业基地的农业干旱监测。

SPEI是被Vicente-Serrano等在SPI指数的基础上考虑全球变暖环境下潜在蒸散发对干旱的影响建立的一种气象干旱指数，其改善了计算SPI的气象变量单一性[29-30]。SPEI与SPI的不同之处在于，简单地将降水量和潜在蒸散发量之间的差值取代降水作为输入数据，以及采用三参数的log-logistic分布和标准化高斯分布[30]。然而，SPEI也具有SPI的一些特征，即对干旱敏感、在不同地区可比性、多时间尺度等。SPEI已被用于气候变化研究，并有结果表明其相对于SPI更能体现气温变化对干旱的响应[8,29]。在本文，计算了1个月、3个月、6个月和12个月尺度的SPI，分别简称SPI1、SPI3、SPI6、SPI12；以及与SPI同时间尺度的SPEI，分别简称SPEI1、SPEI3、SPEI6、SPEI12。

CI是由中国国家气候中心以多尺度的SPI和相对湿润度指数（M）为基础提出的一种干旱指数，能够反映月和季节尺度的降水量变化状况[9]。相对于SPEI指数来说，CI指数除了考虑气温对干旱的影响外，还考虑了降水的累积效应。已有结果显示CI指数的表现相对优于单纯基于降水量的其他干旱指数[9]，但它具有时间尺度单一性的缺陷。CI指数计算式如下：

式中P表示降水量，mm；PE表示潜在蒸散发量，mm；参数a、b、c分别取0.4、0.4、0.8。表1列出了SPI、SPEI和CI的各值对应的干旱等级，它们的数值范围一般为-3～3。

尾矿库是通过筑坝拦截谷口或围地构成的用以储存金属非金属矿山进行矿石选别后排除尾矿的场所，是维持矿山生产的必要设施。尾矿堆积坝是尾矿库中最重要的构筑物，筑坝方式的选择对尾矿库的安全稳定、矿山的正常生产都具有重要的意义。

表1 依据SPI、SPEI和CI值的干旱分级 Table 1 Drought categories in accordance with the SPI, SPEI and CI values

1.3 评估方法

首先采用常规的相关系数（Correlation Coefficient，CC）、相对偏差（Relative Bias，BIAS）2种统计指标对IMERG降水产品的误差特性进行了定量评价，它们的最优值分别为1和0。其中，相关系数刻画了评估对象（IMERG或基于其计算的干旱指数）与参考数据（CPAP或基于其计算的干旱指数）的线性拟合程度；相对偏差描述了IMERG降水产品与CPAP降水数据的系统偏差[10]。为了评价IMERG对干旱事件发生的探测能力，本文还使用了命中率（Probability of Detection，POD）和虚警率（False Alarm Rate，FAR），它们的取值区间均为[0,1]，最优值分别为1和0。命中率表示IMERG正确探测到的干旱事件与CPAP观测到干旱事件的比率，虚警率表征IMERG探测到总干旱事件中被错误预测的干旱事件的比值[16]。这些评价指标的计算公式如下：

式中n为数据时间序列的长度；Gi和Si分别为参考数据及评估对象在i时刻的数值，和为它们在时间序列上的平均值；H为CPAP和IMERG同时监测到干旱事件的月数；M为CPAP观测有干旱而IMERG未监测到干旱的月数；F为CPAP未观测有干旱而IMERG监测到干旱的月数。

2 结果与分析

2.1 IMERG卫星产品精度评价

IMERG与CPAP月均降水量的空间分布模式如图2a、2b。月降水量在东南沿海地区大于125 mm，新疆大部分地区小于17 mm。虽然IMERG与CPAP在中国上的月均降水量分界线以及在局部地区（如喜马拉雅山东部）的数值有一些偏差，但其较好地捕捉了平均月降水量的空间分布格局（空间相关系数为0.96、相对偏差为0.02）。这可能与它们在平均月数值计算过程中抵消了时间上的部分异质性有关。

图2c、2d分别展示了IMERG与CPAP月降水量的相关系数和相对偏差。IMERG与CPAP数据的一致性较高，大部分地区的相关系数超过0.9（占大陆面积的73.7%），平均相关系数为0.920。IMERG产品在华北地区的性能最好（平均相关系数为0.974），其次是东北和长江中下游地区，在新疆地区表现最差（平均相关系数为0.812）。另外，IMERG产品在降水量偏少的新疆和海拔高的青藏高原地区容易高估或低估基准数据。这些可能与该地域的复杂气候和地形导致卫星降水产品质量降低有关[4,16]。整体上，IMERG产品在中国的质量较好，尤其是在东北、华北、长江中下游、东南和西南地区。

2.2 IMERG计算的不同干旱指数验证分析

图3展示了IMERG与CPAP数据在多时间尺度下计算的SPI间、SPEI间和CI间的区域平均相关系数。由图 3a可以看出，基于IMERG产品计算的SPI与CPAP结果吻合度较高，具有较高的相关系数，其值在各区域均大于0.8，除了新疆和青藏高原地区（相关系数介于0.5～0.8）。这可能原因有：新疆和青藏高原区域气候和地形复杂、IMERG偏差校正的气象站网在新疆和青藏高原地区分布稀疏，致使该地区的IMERG产品具有相对较大的误差并传递在干旱指数计算过程中[31]。此外，随着时间尺度增加，其相关性在大部分区域增高。由图3b可知，IMERG与CPAP数据计算的SPEI指数在中国的一致性较高，除了青藏高原地区，相关系数大于0.8。虽然时间尺度的变化对SPEI的性能提高较小，但基于IMERG产品的SPEI整体上比SPI的适用性更好。可能原因是IMERG和CPAP结合了同一套的潜在蒸散发数据计算SPEI干旱指数，在一定程度上避免了不同数据源的不确定性对结果的影响[16]。从图3 c可知，CI间的平均相关系数在整个大陆超过0.700，与SPI间在1和3个月尺度的相关系数较为接近，且空间分布相似。这与在SPI1和SPI3基础上计算CI指数密切相关。相对于SPEI，IMERG产品计算的CI在华北、长江中下游和东南地区的相关性略高，在西北、新疆和青藏高原地区显著较低。同样地，IMERG产品计算的SPEI整体上比CI的可靠性更高。

为进一步验证IMERG产品计算的SPI、SPEI和CI的空间可靠性，对2种数据源的干旱指数间进行了统计分析。由于基于IMERG的SPI和SPEI指数在12个月尺度的性能最好，图4仅显示了基于SPI12、SPEI12和CI的相关系数、命中率和虚警率统计指标的空间分布。其中，命中率和虚警率是以SPI ≤-0.5或SPEI ≤-0.5或CI≤-0.6作为干旱条件进行计算。

2.3 IMERG产品对区域的干旱事件识别能力评估

本文选取西南地区作为重点的研究区域，以2009年10月至2010年6月的西南地区严重干旱灾害作为典型干旱事件（见图5的阴影面积），探索IMERG产品计算的SPI、SPEI和CI对区域范围内干旱时空变化的反映能力。本文仅选择SPI12、SPEI12和CI进行详细评估与比较。图5展示了西南地区的3种区域平均干旱指数以及相应干旱面积比的时间序列。其中，干旱面积比是指经历干旱条件的栅格数量与该区域的总栅格数的比值。由图5 a、5 c、5 e可知，基于IMERG产品的干旱指数的精度被空间均化后得到了提高，特别是对于SPEI（时间相关系数为0.968，优于SPI和CI）。可能因为IMERG与CPAP数据间的差异性很小（图2）和基于两者计算的干旱指数的空间异质性经过空间聚合到区域尺度后降低。说明了IMERG产品能够很好地反映SPI12和SPEI12干旱指数在时间上的变异，并能精准地识别干旱事件的起始时间和强度，包括典型干旱事件。由图5 b、5 d、5 f的结果表明，IMERG与CPAP数据计算的SPI12、SPEI12和CI间的干旱面积比过程曲线具有很高的匹配度，同样是SPEI（时间相关系数为0.978）优于SPI和CI。即使基于IMERG产品的SPI和CI存在相对较大的空间异质性（图 4），但它对捕捉干旱面积的能力影响较小（时间相关系数大于0.940）。总之，在西南地区使用IMERG产品计算的SPEI的性能优于SPI和CI，但它们在刻画干旱指数和干旱特征的演变过程具有较好的相似性，且可靠性相差不大。依据王兆礼等研究得出的结论，短时期的卫星降水产品（TMPA）或足以达到监测与评估干旱的条件[29]。以及Tang等研究表明IMERG产品的适用性优于TMPA产品[17]。可以体现在不考虑其他气象变量对干旱的响应下，只利用IMERG降水产品计算的SPI指数或可以直接应用于中国的干旱监测与验证。

表2展示了西南地区的典型干旱事件在每个月份的强度和干旱面积比。IMERG计算的SPI和SPEI高估了干旱的强度和面积，但它们能够准确地捕捉干旱的起止时间，这与图5的结果相一致。然而，IMERG计算的CI刻画的典型干旱事件是一个间断过程，其低估了2010年1月和2月的干旱强度，高估了2009年10月和11月的干旱强度。这与计算CI指数用的SPI1和SPI3有关，它们均对长时期的干旱反映不敏感。

表2 西南地区的SPI、SPEI和CI的典型干旱（2009-10—2010-06） Table 2 Typical drought based on the SPI, SPEI and CI for southwestern China (October 2009 to June 2010)

图6显示了CPAP和IMERG产品计算的SPI12、SPEI12和CI的空间分布，展示了西南地区的典型干旱事件在典型月份的干旱状况。依据王兆礼等和Bai等选择干旱指数的2010年3月作为本文的典型月份[29,31]。结果表明，基于IMERG产品的SPI12和SPEI12均能较好地探测到这场干旱灾害的空间特征（SPI间的空间相关系数为0.816，SPEI间的为0.798），如干旱中心和干旱范围。这2种干旱指数对局部地区干旱强度的估计有些偏差，如喜马拉雅山区域以及西南地区与东南地区交界处，但它们大致上表现出相似的干旱模式。因此，当SPI和SPEI均用于量化干旱事件时，IMERG产品的性能通常具有很好的可靠性。然而，IMERG产品计算的CI识别的干旱空间特征有相对较大的偏差，如IMERG量化的干旱强度为−0.23而CPAP量化的干旱强度为−0.42。因此，在全球气候变暖的背景下，借鉴Bai等得到了SPEI指数的性能优于自适应帕尔默干旱指数的结论[31]，以及本文得出的SPEI指数优于CI指数的结果，或应优先选择基于降水和其他气象数据计算的SPEI指数监测干旱。

3 讨论

尽管IMERG卫星降水产品计算的SPI、SPEI和CI指数均在中国干旱监测中表现出很好的应用潜力，但它们的结果具有差异性，基于IMERG的SPEI在大部分地区比SPI和CI的性能更好。许多研究基于一种干旱指数评估卫星降水产品在区域干旱监测中的适用性[3,7,16]，然而不同干旱指数的特性是有区别的，选用的干旱指数会影响评价卫星降水产品应用于干旱监测的精度，如本文的图3和图4。目前，IMERG卫星降水产品的时间序列相对较短（约20 a），但Sahoo等研究表明时间长度对短时期卫星降水产品监测干旱的结果影响很小[11]。随着GPM IMERG的持续更新与发展，可以获得更长时间序列的IMERG降水产品。

4 结论

本文以地面网格CPAP（China Gauge-based Monthly Pprecipitation Analysis Product）数据作为基准数据，评估了回顾性IMERG（Integrated Multi-satellitE Retrievals for GPM）降水产品在中国干旱监测的适用性。选用单因素的SPI（Standardized Precipitation Index）和考虑全球变暖的 SPEI（Standardized Precipitation Evapotranspiration Index）和CI（Composite Index of Meteorological Drought）干旱指数，从IMERG产品的误差特性、干旱指数的时空格局、区域典型干旱事件的验证，分析了IMERG产品在干旱监测方面的潜在性能。主要的结论如下：

1）针对降水量，IMERG与CPAP数据在中国的部分地区有一些差别，但其较好地捕获了月均降水量的空间格局。在精度上，IMERG与CPAP数据的一致性较高，相关系数高于0.9的区域占大陆面积的73.7%，而在新疆和青藏高原地区具有较高的空间异质性。

2）多时间尺度上，基于IMERG产品的SPI、SPEI和CI指数与CPAP结果的可靠性较高，除新疆和青藏高原之外地区的相关系数均高于0.8。空间上，IMERG与CPAP数据计算的干旱指数间在中国大部分地区的一致性较高。整体上，基于IMERG产品的SPEI较SPI和CI的适用性更好。

3）IMERG与CPAP数据计算的区域平均干旱指数和干旱面积比的过程曲线具有很高的匹配度。另外，基于IMERG产品的SPI和SPEI指数均能较好地模拟到典型干旱灾害在具体月份的空间特征，而CI指数的偏差相对较大。IMERG产品计算的不同干旱指数在西南地区能够很好地反映干旱事件的发展过程，SPEI效果更佳。

总体而言，基于IMERG产品的SPI、SPEI和CI干旱指数在中国大部分地区具有较高的可靠性。仅考虑降水因素，基于IMERG产品的SPI指数可以用于监测与评估干旱；在全球变暖的条件下，相比CI指数建议优先考虑应用SPEI指数，尤其在半干旱和干旱地区；CI指数较适用于沿海地区，如，华北和长江中下游地区。