GPM降水產品在中國大陸地區傳感器誤差分析

梁娟

【摘 ? 要】 本研究以2016.3-2019.3月中國氣象局提供的自動氣象站融合降水數據為參考，利用4種評估指標分析了不同氣候區視角下傳感器反演降水誤差特征。

【關鍵詞】 GPM;誤差特征;衛星降水產品;小時降水

中圖分類號：TP212.1 ? ? ? ? 文獻識別碼：A ? ? ? ? ? ? ? 文章編號：2096-1073（2020）10-0053-54

[Abstract] This study takes the automatic weather station fusion precipitation data provided by China Meteorological Administration in March 2016.3-2019.3 as a reference， and analyzes the error characteristics of sensor inversion precipitation from the perspective of different climatic regions by using four evaluation indexes.

[Key words] GPM; error characteristics; satellite precipitation products; hourly precipitation

1 ?國內外研究現狀

日前，獲取高精度的降水產品是衛星降水領域研究的前沿和熱點問題。雖然前人在衛星降水產品評估，傳感器誤差溯源和誤差訂正上做了大量的工作，但具體的研究中仍存在諸多理論和方法問題亟待完善。下面將從衛星降水評估，誤差溯源等角度詳細闡述相關的研究進展，存在的問題以及需要解決的潛在問題。衛星降水的傳感器誤差溯源

由于傳統衛星降水在產品層面的評估研究大大限制了誤差訂正的有效性，國內外研究學者開始把目光聚焦在從傳感器層面上評估分析衛星降水反演的誤差特性。Tan et al （2016） ?提出了一種識別IMERG降水產品在傳感器層面上的誤差構成方法。該方法根據反演系統中的衛星標識符信息，以格網為單位按系統在不同時間使用不同的傳感器進行IMERG數據的劃分。然后利用地面站點觀測資料對來源不同傳感器的數據進行評估研究，分離出不同傳感器的誤差。研究肯定了被動微波傳感器在降水反演中的可靠性，且morph算法也具有良好的一致性，但IR數據的誤差較大，相關的研究表明，通過對衛星降水的傳感器誤差溯源，可以為衛星降水反演誤差訂正提供最基礎的一手資料（Chen et al.， 2019） 。

2 ?論文的主要研究內容

2.1 ?中國大陸氣候區的劃分

根據中國大陸1961-2010年的降水數據，按年平均降水將中國大陸劃分為四個氣候區，即濕潤區，半濕潤區，半干旱區和干旱區。

2.2 ?衛星降水反演在不同氣候區的誤差特征

在不同氣候區中分別用4種指標評價11種傳感器的誤差，分析傳感器誤差特征。

3 ?數據與方法

3.1 ?數據

3.1.1 地面參考降水數據 ?本論文選擇中國氣象局研發的中國地面與CMORPH融合逐小時降水產品（1.0版）作為地面參考數據（時間跨度為：2016.3-2019.3），數據覆蓋中國大陸地區，分辨率達到逐小時0.1°×0.1°，數據誤差低，是國內乃至國際上最好的高分辨率降水觀測資料。

3.1.2 衛星降水數據 ?GSMap是由日本航宇局負責研發的高分辨率全球降水產品，該系列產品包括近實時產品GSMap_NRT;微博紅外融合產品GSMap_MVK以及采用CPC全球雨量站點、地形和氣候等信息校正后的GSMap_MVK產品，其主要特征參數如下：

GPM-GSMap的微波數據來源于GPM星座中11顆衛星上搭載的被動微波傳感器，類型包括：GMI、TMI（2015年后已停止工作）、AMSR2、SSMIS、AMSU-/MHS。

3.2 ?衛星降水傳感器數據源識別方法

本文借鑒Tan等（2016）針對IMERG提出的衛星降水誤差源識別方法，在此基礎上，將同種微波傳感器的誤差進一步按其來源的衛星不同進行分類，實現所有單個傳感器的誤差溯源[1]。

具體方法如下，GPM星座群所有衛星的掃描信息被存儲在“衛星掃描信息標識符”文件中，與其降水數據一樣，可從其網站上下載獲取。在標識符文件中，利用變量標識了GPM-GSMap小時尺度網格降水數據值的衛星和傳感器來源，據此可以實現傳感器誤差源識別的目的。

3.3 ?誤差分析方法

本文借鑒Zhu et al （2018） ?提出的降雨事件劃分方法，以0.1mm/h降雨強度作為劃分降雨和非降雨時間的閾值，將降雨事件劃分為以下4種：命中（Hit）事件表示衛星和地面都觀測到了降雨;漏報（Miss）事件表示地面觀測到了降雨而衛星沒有;誤報（False）事件表示衛星觀測到了降雨而地面沒有觀測到;零（Nonevent）事件表示地面和衛星都沒有檢測到降雨。

利用命中率（HR）、誤報率（FR）、漏報率（MR）、零事件率（NR）等4項指標評價傳感器對降雨事件的探測能力，公式如下：

HR=H/（H+M+F+N）×100% ? ? ? ?（1）

FR=F/（H+M+F+N）×100% ? ? ? ? （2）

MR=M/（H+M+F+N）×100% ? ? ? （3）

3.4 ?研究區

中國大陸地區幅員遼闊，地形復雜，氣候類型多樣。本文根據中國大陸的1961-2010年的年平均降水計算，通過年平均降水量將中國大陸劃分為四個氣候區，分別是濕潤區（年平均降水量大于800mm/yr），半濕潤區（年平均降水量介于400-800mm/yr），半干旱區（年平均降水量介于200-400mm/yr）和干旱區（年平均降水量小于200mm/yr）。

4 ?結果分析

圖所示為11種傳感器在中國大陸4個氣候區（濕潤區Humid、半濕潤區Semi-humid、半干旱區Semi-arid、干旱區Arid）對四種事件（命中、漏報、誤報、零事件）的探測能力。顯然，各種傳感器在濕潤區的命中率比其它三個氣候區高得多，與此同時，誤報率和漏報率也非常高。所有傳感器在濕潤區、半濕潤區的誤報率相近，但命中率和漏報率卻相差很大。從濕潤區、半濕潤區、半干旱區到干旱區，各種傳感器的命中率明顯大幅降低，DMSP-F19搭載的SSMIS傳感器在除濕潤區之外的其它三個氣候區則幾乎沒有命中率。在半干旱區和半濕潤區中，其它10種傳感器的漏報率在兩個氣候區表現一致，除DMSP-F19攜帶的SSMIS傳感器外（0.3%、0.4%），在兩個氣候區均維持在2.2±0.2%范圍內。

在濕潤區，NOAA-18攜帶的AMSU-/MHS命中率達到最高（5.9%），DMSP-F19搭載的SSMIS傳感器則達到最低（3%），而與其搭載同種傳感器的DMSP-F16、DMSP-F18卻達到了5.2%、5.3%的較高命中率，不過誤報率高于DMSP-F19的1.6%-2.0%，較之與其命中率相近的IR、MetOp-A和MetOp-B 上搭載的AMSU-/MHS傳感器，在誤報事件上表現更好。在漏報事件中，DMSP-F19攜帶的SSMIS傳感器占最高（6.4%），MetOp-B攜帶的AMSU-/MHS傳感器最低，為5.1%。

在半濕潤區，各種傳感器的命中率都在2.5±0.2%范圍內，其中NOAA-18攜帶的AMSU-/MHS同樣為最高（3.0%），各種傳感器保持近似的漏報率，均在2.2±0.2%范圍內，其中DMSP-F17攜帶的SSMIS為 最低命中率（2.3%）和誤報率（2.7%），總體上，DMSP-F18攜帶的SSMIS傳感器、GPM的主觀測衛星上的GMI、FCOM-W1上的AMSR2傳感器表現最好，在保持最高命中率的同時，保持較低的誤報率。

在半干旱區，注意到DMSP-F18上攜帶的SSMIS傳感器的命中率幾乎落到最低（在濕潤區和半濕潤區其命中率均在前列），且NOAA-18上攜帶的AMSU-/MHS在命中捕捉上仍表現最佳。

在干旱區，所有傳感器的命中率都比較低（<1%），其中MetOp-A上攜帶的AMSU-/MHS傳感器的命中率最高，但其誤報率也最高（2.9%），而NOAA-19攜帶的AMSU-/MHS及GPM主觀測衛星上的GMI則能在保持相對較高命中率（0.5%）的同時保持較低的誤報率（2.2%左右）。

5 ?總結

在濕潤區中，4個不同衛星上的AMSU-/MHS傳感器均擁有較高的命中能力，但在誤報事件中同樣都擁有很高的占比，漏報率整體偏低，且隨命中率降低而降低，綜合來看，傳感器AMSU-/MHS性能較穩定;從濕潤區到半濕潤區，隨著降雨量的減少，SSMIS傳感器對降水的命中率發生不同程度的降低，且4個不同衛星上的SSMIS傳感器命中率差異較大，但其在誤報事件中表現普遍較好;GPM主觀測衛星上的GMI在干旱區誤報率低，但命中率有待進一步提高;IR在四個氣候區都表現出較好的探測能力，但其受誤報和漏報影響，導致整體優勢不明顯。

參考文獻：

[1] 張寶貴，杜建雙，李衛敏，包玉龍，孫麗華.秦皇島降水酸堿性 ? ? ? 及其對環境的影響[J].中國環境管理干部學院學報 2019，29 ? ? ? ? （06），73-77.

（編輯：赫亮）