基于多套卫星资料的ERA5全球小时降水频率评估

李蓬生 李晓峰 杨崧

摘要 最近发布的新一代全球再分析资料集ERA5，提供了全球小时降水再分析值，为全球小时降水研究提供又一个数据参考。然而，目前针对ERA5小时降水频率的评估工作还较为有限。本研究采用多套全球卫星观测小时降水对ERA5小时降水的频率进行了评估。对比分析发现：尽管ERA5总降水量与卫星资料出现较好的一致性，但ERA5的小时降水频率约为卫星资料的2～3倍，呈现系统性偏高。进一步分析表明，这主要是由于ERA5大大高估了中、低强度降水事件的数量。其中，ERA5对弱降水频率的高估尤为明显，平均可达卫星降水频率的6倍;此外，ERA5对海洋降水频率的高估程度也大于陆地。ERA5小时降水频率的系统性高估问题对相关研究的潜在影响，尚在进一步评估中。

关键词小时降水;降水频率;卫星降水;ERA5;极端降水

欧洲中期天气预报中心发布的新一代全球再分析资料集ERA5（Hersbach et al.，2020）提供了全球小时降水再分析值，为全球小时降水研究提供了宝贵的数据参考。与上一代ERA-Interim相比，ERA5具有重要的变化，包括更先进的数值模型和数据同化方案，更高的空间和时间分辨率，更多观测同化以及输入观测和强制数据集的改进版本（Hersbach et al.，2020）。相较于温度、压力、风速等连续变量，降水量的再分析值往往存在更大的误差（Kanamitsu et al.，2002;Uppala et al.，2005;吴晶璐等，2019）。这主要是由于降水量是不连续变量（Trenberth et al.，2017），在数值模拟中需要通过参数化过程进行估算导致（Nie et al.，2015）。因此，降水再分析资料在使用前往往需要仔细评估（支星和徐海明，2013）。

已有许多关于ERA5的评估工作，Nogueira（2020）等通过分析全球ERA5逐月尺度的降水场，发现在热带地区，ERA5的系统误差和随机误差普遍低于ERA-Interim，并且能较好地模拟对流降水和水汽辐合。除此之外，相较于ERA-Interim，ERA5对于降水的模拟在美国（Beck et al.，2019）、中国（Jiang et al.，2021;吕润清和李响，2021）、北极（Wang et al.，2019）等多个地区有了很大改善。然而，现有关于ERA5降水的评估工作多集中在年、月和日尺度上，并且多局限于在特定有限区域内，在全球尺度上针对小时降水频率的评估工作还较为稀少。

虽然站点观测资料精度较高，但是站点观测主要分布在陆地及零星海岛上，难以覆盖范围广阔的海洋上空（Kidd et al.，2017）。而基于卫星遥感观测方式的卫星降水资料，则可以提供覆盖全球（极地除外）范围的雨量估计，并具有高度的空间和时间连续性（陈渭民等，1995;Wang et al.，2020，2023）。因此，可采用卫星资料来评估模式降水或再分析降水资料（Trenberth et al.，2018;Nogueira，2020）。而随着卫星遥感技术和数据反演算法的发展（Sun et al.，2018;赵平伟等，2021），世界各地已经记录了数套高精度的卫星观测数据（Smith et al.，2011;Lewis et al.，2019），目前广泛使用的全球小时卫星观测数据产品主要包括由美国国家宇航局（NASA）开展的全球降水测量GPM（Hou et al.，2014），NOAA气候预测中心（Climate Prediction Center，CPC）开发的实时卫星反演降水产品CMORPH（Joyce et al.，2004）以及日本宇航局（JAXA）负责研发的高分辨率的全球降水产品GSMaP（Kubota et al.，2007）。

由此，本研究利用GPM、GSMaP-M、GSMaP-G、CMORPH共4套卫星观测资料，对ERA5降水再分析资料的小时降水频率进行评估，以探究其表征全球小时降水频率的适用性，为使用ERA5小时再分析资料进行天气／气候研究及预报的科研人员提供一定参考。

1 资料和方法

1.1 小时降水数据

本研究使用的小时降水数据主要包括：1）欧洲中期天气预报中心（ECMWF）发布的ERA5再分析资料集;2）美国国家宇航局（NASA）开发的全球卫星降水计划（GPM）数据集，三级（Level-3）终期（Final）多卫星产品，该产品已经过观测资料校正;3）JAXA开发的全球降水卫星测绘（GSMaP）产品，包括未经站点观测数据校准的标准产品GSMaP-MVK（GSMaP-M）和经过站点观测数据校准的标准产品GSMaP-Gauge （GSMaP-G）;4）NOAA气候预测中心开发的实时卫星反演降水产品（CMORPH），本研究使用的是其卫星初始版本CMORPH-RAW v1.0。表1展示了以上降水数据产品的主要特征参数。

为了方便比较，本文所使用卫星降水数据已通过插值方法转换为与ERA5相同的时空分辨率。受限于资料覆盖范围，文中提及的全球平均均指南北纬60°之间的平均，并不涵盖极地地区;而热带地区则特指南北纬20°之间的区域;热带外地区则是指南北纬20°以外、60°以内的区域。

1.2 定义与方法

本文中的有降水小时被定义为降水量大于0.1 mm的小时。设定0.1 mm的阈值，是为了与雨量计的最大精度保持一致。同时也尝试采用其他常用的阈值，如0.01 mm等，来定义有降水小时，但经过对比分析发现，不同阈值的选取并未对文中的主要结论产生显著影响。

小时降水频率采用统计时段内有降水小时的数量来衡量，也称为降水时数或者小时降水频数。实际计算中，小时降水频率首先计算到月，然后估算季节和年平均的小时降水频率。

为了深入研究不同降水强度下的小时降水频率分布情况，本文还计算了GPM资料小时降水强度的百分位数。具体而言，小时降水强度的第90（或10）个百分位数表示在降水强度集合中，有90％（或10％）的数据小于该数。首先计算了2004—2015年全球（60°S～60°N）范围内GPM资料所有有降水小时的强度百分位数。随后，以这些GPM百分位数为统一基准，将降水强度从最小的10％到最大的10％均匀划分为十个强度区间，并根据所划分区间做了四个粗略的降水分级，其中第1～30个百分位数强度的降水定义为低强度降水（或小雨），第31～60个百分位数强度为中强度降水（或中雨），第61～90个百分位数为高强度降水（或大雨），而第91～100个百分位数则被视为极端降水（或暴雨）。基于此，进一步统计了ERA5及4套卫星降水资料在不同强度区间内的降水频率。

2 ERA5小时降水频率及误差空间分布

2.1 总降水量的空间分布

通过对比分析ERA5与4套卫星资料，观察到这5套资料在气候总降水量的量值以及空间分布上都呈现出较为相似的特征。图1为多年气候平均的总降水量空间分布场，从图中可以发现全球总降水量大值中心主要集中在热带辐合带（ITCZ）和南太平洋辐合带（SPCZ）上，这里的总降水在多数资料中可以达到3 500 mm／a以上。虽然，不同资料之间也存在差异，例如GSMaP-M（图1c）和GSMaP-G（图1d）总降水量相较于其他资料整体偏弱，CMORPH资料（图1e）在非洲中部的降水量中相对更大。但总体而言，5套资料的空间分布和量级大小都较为接近。可见，ERA5资料对总降水量的表征与卫星观测较为接近。

2.2 ERA5小时降水频率呈现系统高估

4套卫星观测资料之间的降水时数空间分布较为一致。如图2a、c、d、e所示，卫星观测降水时数大值区主要分布在ITCZ和SPCZ和季风影响区，表明这些区域的小时降水最频繁。此外，该4套卫星小时降水频率与其总降水量（图1、2）的空间分布场特征也十分相近。以往研究早已指出，降水总量主要是由频率决定（Dai，2001），因此降水频率的空间分布通常与降水总量相互匹配（Trenberth and Zhang，2018;Li et al.，2020）。

然而，ERA5对小时降水频率的表征，却与4套卫星资料之间存在很大的差异。如图2b所示，在热带及中高纬度海洋大范围区域，ERA5的降水时数已达2 500 h／a，这远高于其余4套卫星观测资料的小时降水频率。图3给出了ERA5与4套卫星资料降水时数的比值分布。对比图3a、b、c、d，发现一个共同的特征是：在多数地区，ERA5与卫星资料的比值超过100％;个别地区，比值甚至超过300％。这表明，相对卫星观测资料而言，ERA5对降水时数存在普遍性的高估。

2.3 ERA5总降水量和小时降水频率的相对误差定量分析

为了定量比较ERA5资料与卫星资料之间的全球平均总降水量和降水时数，计算并对比了全球及区域平均情况。可以发现，ERA5与四套卫星资料的全球年平均降水量较为接近（图4a），GPM、ERA5、GSMaP-M、GSMaP-G和CMORPH分别为1 057.02、965.56、729.42、740.18和848.18 mm。全球平均的ERA5总降水量与四套卫星数据的比值在0.9～1.35的区间内，即比值在1附近较小范围内浮动（图4c），说明ERA5与卫星观测全球平均总降水量值接近;相似地，ERA5与卫星观测的热带和热带外平均总降水量值也非常接近（图4c）。总之，ERA5在表征总降水方面与卫星观测之间的误差相对较小。

相反地，ERA5降水频率与卫星资料偏差较大。如图4b所示，ERA5全球平均降水时数可以超过1 300 h以上，而卫星资料多在800 h以内。如图4d所示，全球平均的ERA5降水时数与4套卫星数据的比值分布在1.7～2.8区间，热带和热带外地区平均降水时数的比值分布也相类似。这说明ERA5表征的小时降水频率平均为卫星观测的约2～3倍，存在系统性的高估。

3 ERA5小时降水频率误差对降水强度的依赖性

为进一步了解ERA5小时降水频率的误差来源，比较了ERA5再分析资料和卫星资料在不同强度级别的降水频率差异。图5—8分别为ERA5在低强度、中强度、高强度降水和极端降水中的小时降水频率与卫星降水之间的差异。

从ERA5低强度降水的相较于GPM资料的分布状况（图5）可以发现，虽然ERA5与不同卫星资料存在差异，但是ERA5存在普遍高估低强度小时降水频率现象。如图5a所示，ERA5弱降水频率在全球大部分地区达到GPM降水资料的两倍，在西太平洋地区甚至可以达到4倍以上;但是，在澳大利亚、非洲北部、中东地区等少数地区，ERA5对降水频率存在略微低估，这似乎与这些地区较为干旱、原本就少雨有关。相类似地，ERA5与GSMaP-M（图5b）、 GSMaP-G（图5c）和CMORPH（图5d）相比，也存在较大降水频率高估。值得注意的是，ERA5与CMORPH（图5d）的偏差幅度最大，但分布较为均匀无明显的海陆差异，而ERA5与GPM（图5a）、GSMaP-M（图5b）、GSMaP-G（图5c）的偏差似乎在海洋上更大。

与低强度降水（图5）相似，ERA5对中（图6）、高（图7）强度降水的频率仍然存在系统性的高估，但是高估的幅度相对减小。例如，在南半球高纬度地区以及副热带大洋东侧，ERA5降水频率与卫星观测频率的比值大幅减弱。

然而，ERA5资料对极端降水频率的估测却存在完全反向的偏差，即ERA5对极端小时降水频率存在普遍的低估（图8）。如图8a所示，以GPM资料为参照，ERA5几乎在全球范围上低估了极端降水频率，这与非极端降水完全相反。若以GSMaP-M、GSMaP-G和CMORPH这3套数据为参照，ERA5仍然在全球大部分区域低估了小时极端降水的频率，但在东南太平洋、北太平洋、南大西洋、非洲南部、亚洲中部及北部和澳大利亚等地区高估了极端降水频率。

4 ERA5小时降水频率误差来源定量分析

为了定量分析ERA5小时降水频率误差来源，定量对比ERA5降水频率的偏差随不同降水强度和地区的变化。如图9a、10a所示，为全球区域平均的ERA5降水频率相对于卫星资料的误差及比率。可以发现，ERA5小时降水频数误差在强度较低的小雨区间最大，随着降水强度增加逐渐减少，并在极端降水区间误差反向，由高估变为低估。例如，与4套卫星资料的误差在第1到10个百分位数强度的弱降水区间最大，为180～240 h／a（图9a），可以达到卫星资料的约6倍（图10a）;随着降水强度区间的提升，ERA5降水频率误差降低，在第91～100个百分位数强度的极端降水区间误差反向，为-30 ～-80 h／a（图9a），降水频率也缩小为仅有卫星资料的约一半（图10a）。可见，ERA5对小时降水频率整体高估，主要来源于对弱降水的高估。

此外，对比了ERA5小时降水频率误差的海-陆差异和热带-热带外差异（图9、10）。发现陆地上弱降水误差最大约为80～140 h／a，而海上弱降水误差最大约为220～300 h／a，海陆弱降水误差相差可达约1倍。热带弱降水误差最大约为260～320 h／a，而热带外弱降水误差最大约为140～220 h／a，热带与热带外地区之前误差的差异不如海陆差异显著。可见，ERA5小时降水频率误差在海上强于陆地、热带地区稍强于热带外地区。

5 讨论和结论

本研究基于GPM、GSMaP-M、GSMaP-G、CMORPH这4套卫星降水观测数据集和ERA5再分析数据集，对比分析了2004—2015年准全球范围内小时降水频率的分布情况，评估了ERA5降水再分析产品在不同降水强度下对小时降水频率的表征能力，主要得到以下结论：

1）ERA5降水总量与4套卫星资料十分接近，但ERA5的有降水时数比卫星资料显著偏高。定量分析显示，ERA5表征的小时降水频率平均为卫星资料的约2～3倍。这说明ERA5资料对小时降水频率存在系统性的高估。

2）ERA5对小时降水频率整体高估，主要来源于对弱降水的异常高估。ERA5大大高估了中低降水强度事件的数量。特别地，ERA5资料中全球平均的最轻微小时降水（0～10％）的频率是卫星观测到的约6倍，误差幅度远高于其他强度降水。此外，ERA5小时降水频率在海洋上的高估程度也大于陆地，而在热带地区的高估稍强于热带外地区。

3）ERA5资料对极端小时强降水频率存在普遍低估，但这一低估的幅度难以抵消ERA5对中低强度降水频度的高估幅度。卫星资料通常比由模式参数化过程生成的再分析产品更为准确（Amjad et al.，2020;赵平伟等，2021），这是本文采用卫星资料评估ERA5小时资料的重要依据。然而，不同的卫星数据之间也存在显著的偏差。特别地，GSMaP-M和GSMaP-G实际上为GSMaP卫星资料经过站点观测校正前后的两个版本，小时降水频率与ERA5资料之间的偏差，在陆地上呈现了较大差异，在海洋上却几乎没有改变。由于站点观测均在陆地上，这可能造成校准后的卫星资料在海洋与陆地之间出现不平衡，进而影响对再分析资料的评估结果。此外，已有研究早已发现ERA5降水资料在逐日、逐月尺度上，存在降水频率高估问题（Nogueira，2020;Jiang et al.，2021;赵平伟等，2021），这支持了本文中的部分结论。相类似地，Trenberth et al.（2017）也曾采用CMORPH资料评估了CESM模式的小时降水资料，并指出CESM模式资料严重高估了弱降水频率，并且低估了强降水强度，这与本文的结论也是相一致的。最后，虽然本文发现ERA5对小时降水频率存在系统性高估问题，这并非意味着ERA5的小时降水频率毫无参考价值。相反地，这种大范围的偏差经过校正后，可能对小时降水频率的大尺度空间分布型等影响有限。目前，关于ERA5小时降水频率系统性高估的潜在影响，还在进一步地评估中。

致谢：感谢审稿人和编辑为稿件提出的宝贵意见和建议，感谢中山大学胡晓明教授在稿件筹备过程中的帮助。NASA、ECMWF、JAXA和NOAA提供了GPM、ERA5、GSMaP和CMORPH资料的在线下载服务。

参考文献（References）

Amjad M，Yilmaz M T，Yucel I，et al.，2020.Performance evaluation of satellite-and model-based precipitation products over varying climate and complex topography［J］.J Hydrol，584：124707.doi：10.1016／j.jhydrol.2020.124707.

Beck H E，Pan M，Roy T，et al.，2019.Daily evaluation of 26 precipitation datasets using Stage-IV gauge-radar data for the CONUS［J］.Hydrol Earth Syst Sci，23（1）：207-224.doi：10.5194／hess-23-207-2019.

陈渭民，刘雅芳，郁凡，1995.利用静止气象卫星资料估算青藏高原降水的初步探讨［J］.南京气象学院学报，18（3）：433-438. Chen W M，Liu Y F，Yu F，1995.Preliminary discussion on estimating precipitation in Qinghai-Tibet Plateau using geostationary meteorological satellite data［J］.J Nanjing Inst Meteor，18（3）：433-438.（in Chinese）.

Dai A G，2001.Global precipitation and thunderstorm frequencies.part II：diurnal variations［J］.J Climate，14（6）：1112-1128.doi：10.1175／1520-0442（2001）014<1112：gpatfp>2.0.co;2.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc，146（730）：1999-2049.doi：10.1002／qj.3803.

Hou A Y，Kakar R K，Neeck S，et al.，2014.The global precipitation measurement mission［J］.Bull Amer Meteor Soc，95（5）：701-722.doi：10.1175／bams-d-13-00164.1.

Jiang Q，Li W Y，Fan Z D，et al.，2021.Evaluation of the ERA5 reanalysis precipitation dataset over Chinese Mainland［J］.J Hydrol，595：125660.doi：10.1016／j.jhydrol.2020.125660.

Joyce R J，Janowiak J E，Arkin P A，et al.，2004.CMORPH：a method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution［J］.J Hydrometeor，5（3）：487-503.doi：10.1175／1525-7541（2004）005<0487：camtpg>2.0.co;2.

Kanamitsu M，Ebisuzaki W，Woollen J，et al.，2002.NCEP-DOE AMIP-Ⅱ reanalysis （R-2）［J］.Bull Amer Meteor Soc，83（11）：1631-1644.doi：10.1175／bams-83-11-1631.

Kidd C，Becker A，Huffman G J，et al.，2017.So，how much of the Earths surface is covered by rain gauges？［J］.Bull Amer Meteor Soc，98（1）：69-78.doi：10.1175／BAMS-D-14-00283.1.

Kubota T，Shige S，Hashizume H，et al.，2007.Global precipitation map using satellite-borne microwave radiometers by the GSMaP project：production and validation［J］.IEEE Trans Geosci Remote Sens，45（7）：2259-2275.doi：10.1109／TGRS.2007.895337.

Lewis E，Fowler H，Alexander L，et al.，2019.GSDR：a global sub-daily rainfall dataset［J］.J Climate，32（15）：4715-4729.doi：10.1175／jcli-d-18-0143.1.

Li X F，Blenkinsop S，Barbero R，et al.，2020.Global distribution of the intensity and frequency of hourly precipitation and their responses to ENSO［J］.Climate Dyn，54（11）：4823-4839.doi：10.1007／s00382-020-05258-7.

吕润清，李响，2021.ERA-Interim和ERA5再分析数据在江苏区域的适用性对比研究［J］.海洋预报，38（4）：27-37. Lü R Q，Li X，2021.Comparison between the applicability of ERA-Interim and ERA5 reanalysis in Jiangsu Province［J］.Mar Forecasts，38（4）：27-37.doi：10.11737／j.issn.1003-0239.2021.04.004.（in Chinese）.

Nie S P，Luo Y，Wu T W，et al.，2015.A merging scheme for constructing daily precipitation analyses based on objective bias-correction and error estimation techniques［J］.J Geophys Res Atmos，120（17）：8671-8692.doi：10.1002／2015JD023347.

Nogueira M，2020.Inter-comparison of ERA-5，ERA-interim and GPCP rainfall over the last 40 years：process-based analysis of systematic and random differences［J］.J Hydrol，583：124632.doi：10.1016／j.jhydrol.2020.124632.

Smith A，Lott N，Vose R，2011.The integrated surface database：recent developments and partnerships［J］.Bull Amer Meteor Soc，92（6）：704-708.doi：10.1175／2011bams3015.1.

Sun Q H，Miao C Y，Duan Q Y，et al.，2018.A review of global precipitation data sets：data sources，estimation，and intercomparisons［J］.Rev Geophys，56（1）：79-107.doi：10.1002／2017RG000574.

Trenberth K E，Zhang Y X，Gehne M，2017.Intermittency in precipitation：duration，frequency，intensity，and amounts using hourly data［J］.J Hydrometeorol，18（5）：1393-1412.doi：10.1175／JHM-D-16-0263.1.

Trenberth K E，Zhang Y X，2018.How often does it really rain？［J］.Bull Amer Meteor Soc，99（2）：289-298.doi：10.1175／bams-d-17-0107.1.

Uppala S M，Kllberg P W，Simmons A J，et al.，2005.The ERA-40 re-analysis［J］.Quart J Roy Meteor Soc，131（612）：2961-3012.doi：10.1256／qj.04.176.

Wang C X，Graham R M，Wang K G，et al.，2019.Comparison of ERA5 and ERA-Interim near-surface air temperature，snowfall and precipitation over Arctic Sea ice：effects on sea ice thermodynamics and evolution［J］.Cryosphere，13（6）：1661-1679.doi：10.5194／tc-13-1661-2019.

Wang H，Wang L，He J，et al.，2020.Can the GPM IMERG hourly products replicate the variation in precipitation during the wet season over the Sichuan Basin，China？［J］.Earth Space Sci，7（5）：e01090.doi：10.1029／2020EA001090.

Wang Y Y，Miao C Y，Zhao X，et al.，2023.Evaluation of the GPM IMERG product at the hourly timescale over China［J］.Atmos Res，285：106656.doi：10.1016／j.atmosres.2023.106656.

吴晶璐，惠品宏，刘建勇，等，2019.江淮流域极端降水时空变化特征：站点观测和再分析的对比［J］.大气科学学报，42（2）：207-220. Wu J L，Hui P H，Liu J Y，et al.，2019.The spatio-temporal features of precipitation extremes in the Yangtze-Huaihe River Basin：a comparison between observation and reanalysis［J］.Trans Atmos Sci，42（2）：207-220.doi：10.13878／j.cnki.dqkxxb.20171013001.（in Chinese）.

赵平伟，李斌，王佳妮，等，2021.GPM IMERG和ERA5降水数据精度在云南复杂地形区域的评估检验［J］.气象科技，49（1）：114-123. Zhao P W，Li B，Wang J N，et al.，2021.Accuracy evaluation and comparison of GPM IMERG and ERA5 precipitation products over complex terrain of Yunnan［J］.Meteor Sci Technol，49（1）：114-123.doi：10.19517／j.1671-6345.20190514.（in Chinese）.

支星，徐海明，2013.3种再分析资料的高空温度与中国探空温度资料的对比：年平均特征［J］.大气科学学报，36（1）：77-87. Zhi X，Xu H M，2013.Comparative analysis of free atmospheric temperature between three reanalysis datasets and radiosonde dataset in China：annual mean characteristic［J］.Trans Atmos Sci，36（1）：77-87.doi：10.13878／j.cnki.dqkxxb.2013.01.009.（in Chinese）.