TRMM降水產品在喀斯特地區的空間降尺度研究
——以貴州省為例

吳 健，周秋文，韋小茶，羅旭玲，龍小梅，梁建方

(貴州師范大學地理與環境科學學院，貴州 貴陽 500025)

降水是全球水循環的基礎組成部分，是在水文、氣候等研究中必要的輸入參數[1]。因此，在分析該區域降水的時空分布時高分辨的降水數據起著重要意義。傳統區域降水資料是根據地面氣象站點直接觀測到的數據，采用一定的插值方法來獲取該區域的空間降水資料。但在喀斯特地區，由于地面氣象站點稀疏，觀測站數據只能反映以觀測點為中心的一定半徑范圍內的降水量，受地形因子和地理位置的影響，很難得到高分辨率的降水資料[2-4]。

近些年，國內外有許多學者對再分析降水數據集和衛星降水數據集在中國各區域的適用性進行研究，如Meng Xianyong等[5]研究指出CMADS(China Meteorological Assimilation Driving Datasets)可以較好的為SWAT(Soil and Water Assessment Tool)模型的水文模擬分析提供必要的氣象數據分析，在農業、水文和氣象耦合建模以及氣象分析中具有重要的應用;Gao Xiaochao等[6-7]以中國湘江流域為研究區，通過對比再分析降水數據集(CMADS，NCEP-CFSR(National Centers for Environment Prediction Climate Forecast System Reanalysis)和2個衛星數據集(the Tropical Rainfall Measuring Mission 3B42 Version 7 (3B42V7)and the Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR))，指出TRMM衛星降水數據在日尺度及月尺度上與實測降水數據的偏差較小，對降水的反演效果優于CMADS、NCEP-CFSR再分析數據及PERSIANN-CDR衛星數據。TRMM降水雷達是目前唯一攜帶監測設備的遙感衛星，其空間分辨率很高(0.25°×0.25°)。

因此，為了在水文分析中獲取較為精準的降水數據，需要對 TRMM降水資料進行空間降尺度分析。張曉等[8]以TRMM降水數據和NDVI、DEM、坡向及經緯度等相關因子構建TRMM降水數據的降尺度回歸模型，得到天山中段地區250 m高分辨率的降水數據，降尺度后的降水數據能詳細反映天山中段降水的空間分布特征。蔡明勇等[9]基于TRMM降水數據構建了降水時空降尺度模型，得到雅魯藏布江流域的高空分辨率降水數據，結果表明：1—5月及9—10月的模擬效果較好，6—8月的模擬精度較低，11—12月的模擬效果較差。劉小嬋等[10-11]在對比了國內外TRMM降水數據研究的基礎上，利用TRMM降水數據與植被因子之間的相關關系建立GWR回歸模型，將大興安嶺的TRMM降水數據的空間分辨率從0.25°提高到1 km。馬金輝等[12]基于石羊河流域上游的TRMM3B43降水數據和空間分辨率為1 km的DEM數據，采用回歸方程+殘差法的差值方法，將原來空間分辨率為0.25°×0.25°的TRMM3B43降水數據提高到1 km×1 km。

國內現有研究大多數在中國北方河流流域及中高緯度等局部地區，對于多山地覆蓋、地勢復雜的喀斯特地區降尺度相關方面的研究較少[13-16]。其中，周秋文等[13]對TRMM3B43降雨數據在喀斯特地區的適用性進行分析，結果表明TRMM3B43降水數據基本能反映降水的空間分布及演變過程，在年尺度和月尺度上TRMM3B43降水數據略高于站點實測降水量，在降水量少或地形起伏大的地區對降水的反演精度相對較低。李威等[14]研究也指出TRMM3B43降水數據在貴州地區具有較好的適用性。吳建峰等[15]研究指出TRMM3B42衛星降水數據在貴州高原地帶的年尺度的月尺度降水量反演精度較高，在日尺度上TRMM3B42降水數據與實際降水偏差大，對降水強度過大或過小的降水情況均不能準確地探測，對于單個站點而言，海拔較低的站點TRMM衛星探測出的降水與實測降水偏差小。在中大尺度的水文分析研究中往往需要獲取較為精準的降水數據，然而，前人少有對TRMM在喀斯特地貌典型發育的貴州省進行降尺度分析研究。因此，本文通過構建TRMM3B43月降水數據與DEM、坡度、坡向、經緯度等地形因子的多元線性回歸模型，對貴州省1998—2015年TRMM數據進行空間降尺度研究，以期為喀斯特地區獲取高分辨率降水數據提供一定的思路和研究參考。

1 研究區概況

貴州省(東經103°36′～109°35′，北緯24°37′～29°13′)位于中國西南部，地處云貴高原的東部，地形東低西高，從中部向東、南、北三面傾斜，平均高程為1 100 m左右。全省地勢可分為丘陵、盆地和高原山地3種基本類型，其中山地和丘陵的面積占92.5%。境內山脈眾多，山高谷深，綿延縱橫，重巒疊峰，喀斯特(出露)面積占全省土地總面積的61.9%，境內巖溶分布廣泛，喀斯特形態類型齊全，地域分化明顯[17]。貴州氣候為亞熱帶濕潤季風氣候。氣候涼爽宜人，年均氣溫為15℃左右。受大氣環流及地形的影響，貴州的氣候呈現多樣化。研究區內的雨量觀測站分布見圖1。

圖1 貴州省地形和雨量站點分布

2 數據來源與研究方法

2.1 TRMM數據

由日本和美國聯合開發的TRMM衛星于1997年11月28日成功發射，這是一顆近赤道非太陽同步軌道的衛星。其覆蓋范圍為：以赤道為中心的南北緯38°之間。它35°的軌道傾斜角相對其他極地軌道衛星要小得多，這就使得TRMM衛星具有很高的時空分辨率。根據從低到高的緯度，TRMM衛星可以每天覆蓋全球1～3次，它配備了包括降雨雷達(PR)、微波成像儀(TMI)、云和地球輻射能量測量系統(VIRS，CERES)和閃電成像感應器(KIS)在內的傳感器。

本文所采用的是第7版本3級產品(V7-3B43)的TRMM降水數據。該數據是由TRMM3B42的數據產品、全球降水氣候中心(Global Precipitation Climatology Center，GPCC)的全球降水資料和NOAA氣候預測中心氣候異常監測系統(Climate Assessment and Monitoring System，CAMS)的全球格點雨量測量器資料共同合成的，覆蓋了南北緯50°之間的區域[18]，合成該數據的3B43算法是為了產生最佳的降水率(mm/hr)和降水誤差均方根。這些數據與一些檢測到的數據相結合，為每個標準觀測時次每個網格降水提供了最佳估值。TRMM降水數據來自NASA(http://mairador.gsfc.nasa.gov/)，空間分辨率為0.25°×0.25°，時間范圍為1998—2015年。數據以HDF的文件格式存儲，因此，需借助ENVI軟件對其進行投影和格式的轉換等預處理。所下載的數據是逐月的每小時平均降水量，需要利用式(1)進行轉換生成每月的降水量。并以研究區域邊界向外增加一個TRMM像元的范圍為緩沖區，以緩沖區為邊界對數據進行裁剪。

Pi=TRMMi·di·24

(1)

式中Pi——第i月的降水量；TRMMi——第i月每小時降水數據；di——第i月的天數。

2.2 DEM數據

本文所使用的DEM數據來源于地理空間數據云平臺(http://www.gscloud.cn/)，空間分辨率為90 m×90 m。將覆蓋研究區的多幅圖像進行拼接、投影轉換，得到研究區的地形數據。

2.3 氣象資料

地面氣象站點觀測數據是來自中國氣象科學數據共享服務網(http://data.cma.cn/)，時間范圍為1998年1月至2015年12月，選用的是貴州省地面氣象資料的月值數據集，共19個站點(表1)。

表1 貴州省氣象站點數據

2.4 統計降尺度方法

統計降尺度也被稱為經驗降尺度，是在大尺度、低分辨率的氣候信息中來獲取小尺度、高分辨率的氣候信息的有力工具。它已經成為一個重要的研究方向。降尺度常用到的氣象因素主要有降水、氣壓、氣溫、風速、濕度、蒸散發量等。因為降水在時空上是不連續的，是最難模擬的氣候變量，同時也是洪澇模擬中最敏銳的參數，從而成為降尺度研究的主要氣象因素。

統計降尺度方法的基本原則：采用統計經驗法來創建大尺度氣象變量與區域氣象變量間所存在的線性或者非線性關系，然后在不同尺度的影像間，根據某一特征量來建立函數關系，從而對柵格影像進行不同尺度的轉換分析。傳統降尺度法均基于以下3個假設：①大尺度氣候變量和區域氣象變量之間具有顯著的相關關系；②大尺度氣場可以被GCM模式模擬；③在氣候變化的場景下，創建的相關關系是有效的[19]。

2.5 地形因子的選擇

地理位置(經度、緯度)對研究區降水量均有一定的影響。通常而言，在中國大陸地區(除新疆、西藏地區外)，對于同一高度水平上降水量隨經緯度的變化在各個測量站點所呈現的格局不均勻，有較大的區域差異性。地形(DEM、坡度和坡向)對降水的影響也起著舉足輕重的作用，由于地形抬升對氣流的影響，降水與海拔和坡地呈負相關[20-21]。馬金輝等[12]在石羊河流域上游TRMM降水數據的降尺度研究中，使用坡度的正切值和坡向的余弦值計算降水量，取得了理想的效果。

由于貴州是典型的喀斯特地貌，石灰巖地區，地表水較為匱乏，且多為山地和丘陵。影響降水的因素除了地理位置和氣候外，地形也是影響降水的重要因素之一，迎風坡降水多于背風坡降水。所以，本文在研究區降水量的回歸預測中也采用了坡度的正切值和坡向的余弦值來創建模型。

2.6 降尺度分析

本文使用的降尺度方法就是在統計降尺度方法基礎上，利用DEM、坡度、坡向、經緯度構建適于該地區的TRMM3B43月降水量多元線性回歸模型，加上預測的殘差值，最后得到降尺度后的降水數據。主要步驟如下。

a)將DEM、坡度、坡向和經緯度重采樣至與 TRMM3B43數據相應分辨率(0.25°×0.25°)，其中0.25°所對應的分辨率為低分辨率(LR)，1 km為高分辨率(HR)。在0.25°分辨率(低分辨率)下創建多元線性回歸方程：

YLR=a+b·X1+c·X2+d·X3+e·X4+f·X5

(2)

b)在0.25°分辨率下，分析獲得3B43和預測降水的降水殘差ΔTRMMLR:

ΔTRMMLR=3B43-ΔYLR

(3)

c)把在0.25°分辨率下得到的回歸系數分別代入到重采樣為1 km分辨率的DEM、坡度、坡向等的影像中，獲得高分辨率模型的預估降水ΔYHR。

YHR=a+b·X1+c·X2+d·X3+e·X4+f·X5

(4)

d)將分辨率為0.25°的降水殘差ΔTRMMLR經插值處理得到高分辨率的降水殘差數據ΔTRMMHR。將高分辨率殘差數據和分辨率預估降水數據疊合得到高分辨率(降尺度)的降水數據Yds。

Yds=YHR+ΔTRMMLR

(5)

2.7 結果驗證方法

利用研究區內19個氣象站點對應時間的實測降水數據進行驗證，采用以下3個指標來衡量降尺度的結果。

a)決定系數(R2)。用以展現觀測站點的降水量(X)與TRMM3B43降尺度后降水量(Y)之間密切的程度，公式如下：

(6)

b)偏差 Bias(B)。用以表示TRMM降尺度結果與“實測值”間的偏離程度，計算公式如下:

(7)

式中Mi——TRMM3B43降尺度的降水量；Oi——氣象站點“實測值”；i——氣象站點。

c)均方根誤差(RMSE)。用來表示TRMM降尺度的結果與“實測值”間的偏差，其值越小，表示降尺度的結果與“實測值”間就越接近。計算公式如下：

(8)

3 結果與分析

3.1 TRMM降尺度分析

以貴州省為研究區，利用DEM、坡度、坡向、經緯度等數據，基于ArcGIS和SPSS軟件計算平臺，分別得到1998—2015年高分辨率降尺度數據。降尺度前后TRMM3B43數據差異見圖2a、2b，干燥年份和濕潤年份的TRMM數據見圖3a、3b。因為引入了具有更高空間分辨率的DEM、坡度等因子用來體現地形對降水所產生的影響，經過空間降尺度處理后研究區域內降水數據的馬賽克現象得到顯著的改善，降尺度后的TRMM3B43降水數據比原始降水數據具有更強的空間分布信息細節刻畫能力。這一結論與蔡明勇等[9]研究結果基本一致。

a)降尺度前

b)降尺度后圖2 2015年TRMM數據

a)干燥年份

b)濕潤年份圖3 貴州省TRMM數據

3.2 各站點精度驗證

在ArcGIS軟件中，利用研究區域內19個氣象觀測站實測月降水數據的shape文件來提取其對應地理位置的TRMM3B43降尺度降水數據，并在Excel中對實測數據與降尺度后降水數據的關系進行分析。從表2及圖4可知，在研究區內 TRMM3B43降水數據降尺度的結果和雨量站點實測數據間的決定系數0.742

表2 1998—2015年降尺度模型模擬降水量與實測降水量關系

a)安順

b)貴陽

c)湄潭

3.3 典型干、濕年份精度檢驗

取1998—2015年間降水量少的年份(2006年，979.9 mm)作為干旱年份，降水最多的(2014年，1 551.6 mm)作為濕潤年份，將干、濕年份的19個氣象觀測站的月降水數據分別與降尺度后得到的降水數據和原始的TRMM3B43降水數據進行對比。結果由表3可知，干濕年份降尺度后數據的決定系數均大于 TRMM3B43原始數據，干旱年份降尺度后數據的偏差高于TRMM3B43原始數據，均方根誤差低于TRMM3B43原始數據，濕潤年份的TRMM3B43原始數據的均方根誤差和偏差均高于降尺度后數據，由此可見降尺度后的數據精度較高。濕潤年份的決定系數和偏差均低于干旱年份，說明濕潤年份降尺度后的數據精度稍高于干旱年份。此現象大致與鄭杰等[22]在川西高原研究中分析所得結果相似。

表3 干濕年份數據檢驗結果

3.4 整體精度驗證

將1998—2015年19個氣象觀測站所對應年份、月份和位置的降尺度后的降水數據和TRMM3B43原始數據的各月降水量值分別與雨量站點的實測值進行一元線性回歸分析，其誤差統計和散點分布見圖5。從圖5可看出，降尺度結果與氣象站點實測值的決定系數達0.864 8，兩者存在顯著的線性相關關系，偏差為0.046 3，說明降尺度結果整體稍偏高。經過降尺度后的月降水量與氣象站實測月降水量R2、BIAS、RMSE等值略高于TRMM3B43的原始數據。這表明所建立的TRMM3B43數據的降尺度模型是可行的，且降水數據的空間分辨率得到了一定程度的提高。

a)降尺度 b)TRMM3B43數 圖5 1998—2015年降尺度后降水數據與TRMM原始數據與實測值散點

4 結論

本文利用貴州省1998—2015年的時間序列TRMM3B43降水數據結合研究區1 km分辨率的DEM、坡度、坡向、經緯度等數據，創建多元線性回歸模型，對研究區域內的降水資料進行降尺度操作，從而得到分辨率為1 km的TRMM3B43降水量的空間分布數據，再利用研究區內19個氣象站點的觀測數據進行檢驗，驗證了降尺度結果的準確性，得出以下結論。

a)原始TRMM3B43的降水資料與實測降水數據的誤差大于經過降尺度處理后的降水資料與實測數據之間的誤差，即降尺度后降水資料的準確性要稍高于原始的TRMM3B43降水資料，降尺度的方法提高了原始TRMM3B43降水數據的精度。因此，本文所創建的降尺度模型可用于研究喀斯特地區降水的降尺度分析。

b)基于1998—2015年在貴州省的TRMM3B43降水資料的降尺度結果，盡管降水數據在空間分辨率和反演數據精度方面得到一定的提高，但在降尺度過程中所創建多線性回歸方程和TRMM3B43降水數據自身精度的影響下，TRMM3B43對降水的反演也存在一定的誤差。因此，在使用TRMM3B43降水資料時，需要利用氣象站點的實測降水量數據對其進行精度校正。

c)本文利用的TRMM3B43降水數據的空間分辨率較低，且氣象觀測站點較少，雖不能代表整個研究區內降水實際情況，但通過降尺度后也從一定程度上反映了TRMM3B43降水數據在山地高海拔區域具有較好的適用性。由于降水受海拔、地形和經緯度等因素的影響，在局部地區還是存在較大差異。在下一步構建喀斯特地區的降水資料降尺度模型時，應在現有數據資料的基礎上把海拔、坡度、坡向和經緯度等因素考慮在內進行精度訂正，使之與研究區實際情況更接近。