风云四号卫星定量降水估计产品的检验评估

钟宇璐

摘要 通过2018年5月14日—2019年12月31日2 167个站点的地面气象站逐小时降水资料对风云四号A星（FY-4A）的先进静止轨道辐射成像仪（Advanced Geosynchronous Radiation Imager，AGRI）的业务降水估计产品进行评估检验。以地面气象站逐小时降水资料作为真值，AGRI业务降水产品的空报率为0.69、漏报率为0.60、命中率为0.40，平均偏差为-1.013 1 mm，平均绝对误差为2.362 2 mm，均方根误差为5.023 5 mm。降水产品对小雨的降水量估计偏高，对中雨、大雨、暴雨的估计偏低。随着雨量等级的增大，产品对降水量的估计误差越来越大，因此所有雨量等级的样本整体的负偏差主要来自实况雨量较大时对降水量的低估。

关键词 风云四号;降水;检验评估

中图分类号：P405 文献标识码：B 文章编号：2095–3305（2021）03–0096–03

降水是水循环中的关键环节，对生态系统的能量物质交换、水资源利用、洪涝灾害有着重要影响。中国位于东亚季风区，天气多变，国土面积广，地形复杂多样，降水的时空分布差异大。气象卫星可获取降水在较大空间范围内的高分辨率分布状况。风云四号卫星是我国最新一代静止轨道气象卫星，2016年发射的风云四号A星（FY-4A）上搭载了先进静止轨道辐射成像仪（Advanced Geosynchronous Radiation Imager，AGRI）。AGRI的Level 2中国区域业务降水产品，空间分辨率达到4 km，可监测中国区域内降水的强度、范围、趋势走向等，可为天气分析预报、洪涝监测预警提供服务。因此，对FY-4A/AGRI降水估计产品进行检验评估，对其在天气预报、灾害预警等方面的应用提供参考。

1 资料与预处理

1.1 使用资料

以2018年5月14日—2019年12月31日2 167个站点的Micaps地面观测逐小时降水资料为真值，对FY-4A静止轨道辐射成像仪AGRI的业务降水产品进行检验评估。AGRI的Level 2中国区域降水估计实时产品从国家气象卫星中心的官方网站上获取，空间分辨率均为4 km，数据文件中存储的是定量估计的像元瞬时降水率。定量估计的像元瞬时降水率是指通过AGRI的降水反演算法，将AGRI在红外通道观测的瞬时亮温数据，反演生成的小时降水量[1]。根据AGRI观测任务的安排，在每天的1：00、4：00、7：00、10：00、13：00、16：00、19：00、22：00（UTC）每小时内的中国区域降水产品文件数量最多，有9个，因此，选取这些时次的资料进行检验[2]。

1.2 数据预处理

数据预处理是将卫星产品与地面资料进行时空匹配，即1 h内9个时次的小时降水量估计产品与地面逐小时降水资料的匹配。

时间匹配的方法是先将卫星资料的世界时转换为北京时，再将各小时内9个时次的降水产品对时间做平均处理，得到“小时平均降水量”，将其与同时次的地面站点观测的小时降水量相匹配。处理方法为：将9个时次的小时降水量累加到各个像元上，再用累加后的降水量的总和除以在该9个时次内对应像元上发生降水的次数，得到各像元在本小时的平均降水量。例如，在某像元上，某小时内9个时次的产品数据中，若有4个时次降水量大于0，则累加该4个时次的降水量再除以4，作为该像元在本小时内的小时降水量;若只有1個时次的降水量大于0，则将该降水量作为小时降水量;若所有时次的产品数据均为0，则该像元的小时降水量为0。这样处理后得到的“小时平均降水量”最接近地面小时降水量的定义，即1 h内降落到水平面上，假定未经渗漏、流失、蒸发，累积起来的水层深度。

空间匹配方法是以2 167个地面站点为基准，将最近的卫星像元匹配到地面站点上。先根据国家卫星气象中心官方网站提供的FY-4A数据行列号与经纬度的转换方法，将AGRI降水产品数据中各个像素点的行列号转换为星下点的经纬度，再比较星下点与地面站点的距离，选择距离最近的卫星像素点与地面站点相匹配。

2018年5月14日—2019年12月31日的卫星产品和地面资料经时空匹配后，共匹配上3 971个时次，2 167个站点，8605 157个样本。图1是以2018年5月22日4：00为例，展示时空匹配的结果，其中，图1a是按地面站点经纬度显示的地面台站观测的小时降水量，图1b是按卫星行列号换算的经纬度显示的AGRI level 2业务降水估计产品经上述处理后的“小时平均降水量”。图1a中，在西南地区有较集中的降水区域，图1b显示卫星产品对该区域的降水落区的估计基本正确，但周围有部分空报区域，且卫星估计的降水量值偏大。图1a中，在东部有大片的降水区域，但图1b卫星未正确估计出这部分的降水落区，存在漏报情况。

2 检验方法

2.1 检验AGRI降水产品对降水事件的预测效果

检验AGRI降水产品对是否发生降水事件的预测效果时，使用降水检验分类表来描述预测与观测事件之间的关系（表1）。NA定义为预测正确的站数，即卫星预测和站点观测均有降水的站数，NB为空报站数，即预测有降水但观测无降水的站数，NC为漏报站数，即预测无降水但观测有降水的站数，ND表示预测和观测均无降水的站数。

式中，FAR为空报率，表示空报站数占所有预测有降水站数的比值;MAR为漏报率，表示漏报站数占所有观测有降水站数的比值;POD为命中率，是预测正确站数占所有观测有降水站数的比值，反应准确预测降水事件的概率。空报率、漏报率、命中率的取值区间都是0～1。命中率的值越大、漏报率的值越小，说明漏报降水事件的程度越小，卫星产品预测是否降水的效果越好;空报率值越大，说明卫星产品误报降水事件的程度越高。

2.2 检验AGRI降水产品对对降水量的估计效果

评估降水产品对降水量值的估计效果时，对预测和观测均有降水的情况即命中的样本，统计两种资料的平均偏差MB、平均绝对误差MAE、均方根误差RMSE，计算公式如下：

式中，Prei为卫星产品经处理后的小时平均降水量，Obsi为地面站点观测的小时降水量，n为命中的样本总数。平均偏差MB有正负号，其值越接近0，说明产品估计的降水量越接近真值即站点观测值，对降水量的估计效果越好;平均绝对误差MAE无正负，MAE越小表示产品数据和观测数据之间相差越小;均方根误差RMSE越小，说明产品数据和观测数据之间的离散程度越小，降水估计效果越好。

2.3 对AGRI降水产品进行分级检验

以地面观测的降水量为基准，将小时降水量分为4个等级：小雨（0.1～2.4 mm）、中雨（2.5～7.9 mm）、大雨（8～15.9 mm）、暴雨（≥16 mm）。分别统计4个降水等级的平均偏差MB、平均绝对误差MAE、均方根误差RMSE，评估降水产品在每个雨量等级的对降水量值的估计效果，及其对总体降水量估计的影响。

3 结果与分析

3.1 降水事件预测的检验结果及原因分析

经过对2018年5月14日—2019年12月31日两种资料匹配成功的8 605 157个样本的降水事件统计，得到AGRI业务降水产品对降水事件的空报率、漏报率、命中率（表2）。由此看出，AGRI降水产品对小时降水量最容易空报，在所有估计有降水的情况中，有69%的情况地面并未观测到降水。其次，AGRI降水产品容易漏报，在所有观测有降水的情况中，有60%的情况卫星并未反演出降水，有40%的情况卫星反演出降水即命中。

空报率和漏报率较高的原因，可能是AGRI降水估计算法反演降水率时，只使用了红外通道的亮温数据，没有加入可见光通道的反照率信息。云对于降水十分关键，有云才可能发生降水。而AGRI的亮温和反照率观测数据共同反应了云的特性和状态，反照率能反应出云的厚度，反照率越高，云越厚，对流发展越旺盛，越可能产生降水;亮温能反应出云高，亮温越低，云顶高度越高，可能为不产生降水的卷云，也可能是发展到高层的可降水的积雨云。因此，仅用亮温数据可能会造成降水事件的预测误差。

3.2 降水量估计的检验结果

表3为270 581个命中样本的正负偏差样本数量、偏差最大值、最小值、平均偏差、平均绝对误差和均方根误差。平均偏差MB<0反应出估计值整体上比真值偏低，而负偏差的样本数量比正偏差样本量更大，说明AGRI产品估计的降水量比观测真值偏小的情况更多。平均绝对误差MAE为2.362 2 mm，平均绝对误差排除了偏差正负的影响，反应的是估计值整体上偏离真值的程度。均方根误差RMSE为5.023 5 mm，能评价降水产品对降水量估计的稳定性，值越大即离散程度越大，降水估计的效果越不稳定，越可能出现较大的误差。

3.3 分级检验结果

小雨、中雨、大雨、暴雨4个降水等级的平均偏差MB、平均绝对误差MAE、均方根误差RMSE及样本数量见表4。从结果看出，除了小雨的平均偏差为正值，其他3个等级都是负值，说明AGRI降水产品在实况为小雨的情况，容易高估降水量，而在雨量更大的3个等级，对降水量估计偏低。小雨样本最多，但所有樣本整体的偏差为负，是由于中雨、大雨和暴雨的低估程度，比小雨等级高估降水的程度更大。随雨量等级的增大，平均绝对误差增大，说明雨量越大，产品对降水量的估计误差越大。随雨量等级的增大，均方根误差也增大，说明雨量越大，越容易出现与真值误差较大的估计值。

4 结论

以地面站点观测资料为真值，对AGRI level 2业务降水估计产品进行检验，评估其对降水事件和降水量的估计效果。对降水事件的检验结果显示，AGRI降水产品对降水事件的空报率为0.69，漏报率为0.60，命中率为0.40，说明AGRI降水产品对降水事件容易空报和漏报，可能是因为AGRI降水估计算法反演降水率时，只使用了红外通道的亮温数据，忽略了可见光通道的反照率信息对降水的影响。对降水量的检验结果显示，AGRI降水产品整体的平均偏差为 -1.013 1 mm，平均绝对误差为2.362 2 mm，均方根误差为5.0235 mm，说明降水量低估比高估的情况多、程度大。对AGRI降水产品的分级检验结果显示，在小雨等级，常高估降水量;在雨量更大的3个等级，常低估降水量，且低估程度比小雨等级高估降水的程度更大;随雨量等级增大，产品对降水量的估计误差越大，说明产品整体的误差主要来自雨量等级较大时对降水的低估。

参考文献

[1] 张志清，陆风，方翔，等. FY-4卫星应用和发展[J].上海航天， 2017，34（4）：8-19.

[2] 何兴伟，冯小虎，韩琦，等.新一代静止气象卫星成像仪特性研究[J].软件导刊， 2019，18（10）：140-143.

责任编辑：黄艳飞