三種多衛星降水產品在中國大陸地區的性能評估

陳漢清

(1.東華理工大學 江西省數字國土重點實驗室，南昌 330013；2.廣州大學 地理科學與遙感學院，廣州 510006)

降水是全球水循環和能量循環的關鍵環節，精確觀測降水對全球水循環的研究至關重要[1-4]。目前主要采用雨量計、地基雷達觀測網和衛星傳感器反演等方法實現降水觀測[5-6]。雨量計觀測網和地基雷達可獲取高精度的地面降水，但無法提供準實時和大范圍的降水觀測[4, 7-8]。采用多衛星遙感降水反演技術彌補了雨量計和地基雷達時效性差及觀測范圍不足的問題，可準實時為用戶提供大范圍連續的空間降水信息。多衛星遙感降水產品的出現為實時監控自然災害事件、大尺度水文模擬和全球氣候變化的研究提供了機會[2, 9]。

盡管多衛星遙感降水產品克服了雨量計和地基雷達觀測網在時效性和降水空間連續性上的局限，但也存在自身降水觀測精度不足的問題，制約了多衛星遙感降水產品在水文氣象領域中的應用[9-10]。鑒于多衛星遙感降水產品精度不足的問題，許多文獻研究了各種各樣的方法降低多衛星遙感降水產品的誤差[13-22]，發展了數種高精度的全球降水數據集，如多源加權融合降水產品(Multi-Source Weighted-Ensemble Precipitation, MSWEP)[11-12]，基于全球降水觀測計劃的多衛星降水反演產品(Integrated Multi-satellitE Retrievals for GPM, IMERG)[13]，全球降水衛星制圖產品(Global Satellite Mapping of Precipitation, GSMaP)[14]，氣候預報中心變形技術產品(Climate Prediction Center(CPC)MORPHing technique, CMORPH)[15]，基于人工神經網絡的遙感降水量估算產品(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks, PERSIANN)[16-18]，氣候災害組站點校正紅外降水估計產品(Climate Hazards Group Infrared Precipitation with station, CHIRPS)[19]，以及一些區域性的高精度降水數據集，如覆蓋金沙江流域的武漢大學衛星與地面降水協同校正產品(Wuhan University Satellite and Gauge precipitation Collaborated Correction, WHU-SGCC)[20]，覆蓋東亞地區的AIMERG降水產品[21]，覆蓋雅魯藏布江流域的精細分辨率降水產品[22]。這些經地面觀測資料校正的多衛星遙感降水產品的精度相比純衛星遙感降水產品有了較明顯的提升，提高了多衛星遙感降水產品的應用潛力[2]。因此，理解這些經地面資料校正的多衛星遙感降水產品的誤差和性能，對于它們的應用和進一步的質量改進至關重要。

目前，大量的研究文獻在全球尺度[9,23-24]和特定的地區[25-27]研究了多衛星遙感降水產品的性能。這些性能評估結果表明，目前的多衛星遙感降水產品的性能和誤差表現出明顯的季節性[28]和區域性[29]特征。同時，它們的誤差也受到地形[30]和降水強度[31]的顯著影響。但大部分誤差解譯研究采用平均誤差分析多衛星遙感降水產品的性能。平均誤差來源于多種不同的誤差組分平均，因正負誤差組分相互抵消，可能出現平均誤差相對較小，但獨立誤差組分絕對值相對較大的情況，從而采用平均誤差的結果描述多衛星遙感降水產品的性能可能會發生一定程度的誤導[10]。Tian等[28]提出將總偏差分解為命中偏差、漏報偏差和誤報偏差的誤差分解方案分析多衛星遙感降水產品的性能，在一定程度上避免了采用平均誤差描述降水產品性能所引起的問題。一些研究文獻采用Tian等[28]提出的誤差分解方法在美國[28]、中國大陸[9]、東亞[31]等地區分析了多種主流的多衛星遙感降水產品的誤差。然而，目前大部分的誤差解譯研究以純衛星降水產品作為研究對象，缺乏對誤差校正后的多衛星遙感降水產品的性能評估，特別是由多源降水數據融合算法生產的MSWEP降水產品。重要的是，目前的研究缺乏對MSWEP降水產品與經地面降水資料校正的IMERG和GSMaP在性能上的相互比較，缺乏對這些產品校正算法不足的研究，制約后續誤差校正算法的改進。

針對目前多衛星遙感降水產品性能評估研究中的不足，文中通過采用相關的誤差解譯指標在中國大陸地區定量描述3種地面校正產品MSWEP，IMERG和GSMaP的性能，并作進一步的分析和比較，重點分析不同校正算法存在的問題，為這些研究級的多衛星遙感降水產品在中國大陸地區的使用提供指導，也為這些產品的誤差校正算法改進提供建議和思路。

1 數據與方法

1.1 數 據

研究選取經地面校正的3種研究級全球降水產品作為評估和對比的對象，分別為地面校正產品IMERG，GSMaP和MSWEP。IMERG和GSMaP通過分別采用月時間尺度的GPCC(Global Precipitation Climatology Centre)和日時間尺度的CPCU(Climate Precipitation Center unified)地面降水產品校正相應的純衛星降水產品IMERG-Late和GSMaP-MVK研制而成。而MSWEP則通過融合IMERG-Late、再分析降水數據產品ERA5和來自世界各自的地面降水資料發展而來[11-12]?？紤]到這3種被評估的全球降水產品在時空分辨率不一致的問題，在計算各項誤差解譯指標前，需要對IMERG，GSMaP和MSWEP進行分辨率的統一。文中的性能評估在時空分辨率為3 h，0.25°下執行。

為了定量描述這3種高精度全球降水產品在中國大陸的誤差，采用中國國家氣象局研發的逐小時格網降水數據集CMPA(China Hourly Merged Precipitation Analysis)[32]作為地面降水參考基準。該降水數據集融合了來自中國大陸30 000余個地面站點的降水觀測結果和多衛星遙感降水產品CMORPH。為了避免評估結果的不確定性，僅采用CMPA中的地面站點觀測結果作為參考。CMPA站點分布圖詳見Chen等[9]的研究。

文中采用2015年和2016年的數據作為研究期，對MSWEP，IMERG和GSMaP 3種全球降水產品在中國大陸展開性能評估和相互比較。

1.2 性能評估方法

文中采用探測率POD(Probability of detection)、誤報率FAR(False Alarm Ratio)描述降水產品的降水探測能力。利用相關系數CC(Correlation Coefficient)、均方根誤差RMSE(Root Mean Square Error)、總偏差及其3種獨立誤差組分分析降水產品的精度。這些性能評估指標被廣泛應用在多衛星遙感降水產品的研究工作中[30]。具體的表達式為：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中:H為衛星和地面同時觀測到的降水事件總數；M為衛星未探測到，而地面觀測到降水發生的總數；F為衛星探測到降水事件發生，但地面未觀測到降水事件發生的總數；S和G分別表示衛星和地面觀測到的降水量，n為樣本量；SH和GH分別為衛星和地面在命中降水事件上觀測到的降水量；GM表示衛星在漏報降水事件上地面觀測到的降水量；SF為衛星在誤報降水事件上觀測到的降水量。值得注意的是，判斷降水事件是否發生的閾值設定為0.2 mm/3 h。

2 結果分析

2.1 整體性能比較

圖1為3種高精度全球降水產品MSWEP,IMERG和GSMaP的探測率POD和誤報率FAR的箱形圖。從圖1中的結果可以發現，探測率POD的值越大，對應的誤報率FAR值也越大。整體上，GSMaP在中國大陸的POD值大部分集中在0.75以上，高于MSWEP的0.70和IMERG的0.68。相應地，GSMaP的FAR同樣高于其他兩種全球降水產品，大部分的FAR值分布在0.53以上，而MSWEP和IMERG的FAR值大部分分布在0.45以上。這說明目前的地面校正算法在提高降水探測能力的同時，也誤報了更多的降水事件。值得注意的是，MSWEP融合了更多的降水數據，但該產品在3種降水產品中表現出最差的降水探測能力，盡管它含有相對較低的誤報率FAR。值得注意的是，由于部分POD值和FAR值較大或較小，在圖中沒有展示。

圖1 3種高精度全球降水產品在中國大陸的探測率POD和誤報率FAR的箱形圖

圖2給出3種全球降水產品精度指標的箱形圖分布模式。在相關系數CC上，IMERG的降水估計與地面降水參考呈現出高度的一致性，大部分CC值分布在0.70以上。而多源降水數據融合研制的MSWEP則表現相對較差的CC性能，大部分的CC值集中在0.70以下。在均方根誤差RMSE的結果上，3種高精度全球降水產品具有較為相似的分布模式。整體上，GSMaP在中國大陸的RMSE相對較小，主要集中在1.2 mm以下。值得注意的是，由于部分CC值和RMSE值較大或較小，在圖中沒有展示。

圖2 3種高精度全球降水產品在中國大陸的相關系數CC和均方根誤差RMSE的箱形圖

Tian等[28]提出了一種誤差分解方案，將總偏差分解為命中誤差、漏報誤差和誤報誤差，該方法能夠揭示降水產品誤差的主要組分。圖3為3種全球降水產品的總偏差及其3種誤差組分在中國大陸的箱形圖。從圖3中的結果可以發現，3種全球降水產品在中國大陸的總偏差箱形圖模式基本一致，然而它們在3種獨立誤差組分箱形圖模式上呈現出明顯的差異性。在總偏差上，3種降水產品在中國大陸的總偏差主要集中在5%～30%，呈現出較好的精度，說明經地面降水資料校正后，3種全球降水產品的質量得到顯著的提高，有利于發揮它們在水文氣象應用中的潛力。MSWEP和GSMaP在中國大陸的命中誤差箱形圖模式幾乎一致(如圖3b所示)，它們的命中誤差主要集中在-10%～10%之間，而IMERG降水產品的命中誤差主要集中在2%～18%之間。在3種全球降水產品中，GSMaP降水產品明顯降低了漏報降水。盡管MSWEP融合了更多的降水數據，但該降水產品在漏報降水上的改善差于GSMaP降水產品。與誤報率FAR的結果一致(圖1b)，GSMaP和MSWEP均含有較大的誤報誤差，大部分誤報誤差集中在20%以上。相比GSMaP，MSWEP的總偏差箱形圖的下四分位線和中位數線均低于GSMaP，這主要是由于MSWEP含有相對較大的漏報偏差(值為負數)，抵消了部分的誤報誤差(值為正數)。因此，盡管MSWEP在中國大陸的總偏差整體上低于GSMaP，但在3種獨立誤差組分的分析結果中發現，MSWEP的性能略低于GSMaP。由于部分值較大，沒有在圖中展示。

圖3 3種高精度全球降水產品在中國大陸的總偏差及其獨立誤差組分的箱形圖

2.2 空間性能分析

圖4展示了3種被評估的全球降水產品和地面降水在中國大陸上3 h時間尺度的平均降水空間分布。從圖中的結果可以發現，在中國大陸大部分地區，3種全球降水產品的平均降水模式與地面觀測資料呈現出高度的一致性。較大的差異主要出現在降水豐富的東南部。3種被評估的全球降水產品均高估了東南部地區的降水量，相對而言，IMERG的平均降水分布模式與地面降水最為接近。而融合地面降水資料、IMERG-Late和再分析降水數據ERA5的MSWEP明顯高估東南部地區的降水量。盡管MSWEP融合多種降水數據，試圖融合不同降水產品的優勢，但得到的降水估計的質量可能傾向于受到不同降水產品缺陷的主導。

圖4 MSWEP,IMERG和GSMaP在中國大陸的3 h時間尺度平均降水空間分布圖

圖5給出3種全球降水產品的探測率POD和誤報率FAR在中國大陸的空間分布圖。在每個指標上，這些產品的空間模式展現出顯著的差異性。整體上，GSMaP在中國大陸大部分地區的探測率POD值達到0.7以上，明顯優于MSWEP(0.6)和IMERG(0.6)降水產品。Chen等[9]的研究結果表明，GSMaP的純衛星版本GSMaP-MVK的質量明顯低于IMERG的純衛星版本IMERG-Late，這樣的結果說明GSMaP的地面校正算法更為有效地改進了降水的探測性能。相比IMERG，MSWEP進一步融合了再分析降水數據ERA5，探測率POD的性能得到進一步提升。然而，在云南省地區，MSWEP的探測率POD分布在0.6～0.7區間，低于IMERG和GSMaP的0.7～0.8區間，這說明了融合更多的降水數據可能會對最終得到的產品質量產生負面影響。

圖5 MSWEP,IMERG和GSMaP在中國大陸的探測率POD和誤報率FAR的空間分布圖

在誤報率FAR的結果上，GSMaP則表現出最差的性能，在中國大陸的大部分地區誤報了較多的降水事件，FAR值達到0.4以上。這說明GSMaP的地面校正算法在提高降水探測率的同時，也誤報了更多的降水事件。IMERG和MSWEP的誤報率在中國大陸大部分地區則低于GSMaP，特別在中國大陸的濕潤區。相比IMERG，MSWEP的誤報率FAR在濕潤區的大部分地區高于IMERG，說明MSWEP算法降低MSWEP誤報率FAR的性能。

圖6給出3種全球降水產品在精度指標方面的空間分布圖。從結果上看，3種全球降水產品的性能呈現出較大的差異性。IMERG和GSMaP的相關系數CC在中國大部分地區展現出高度的一致性，而MSWEP在CC上則表現出略差的性能。相關的文獻表明，ERA5降水產品在高緯度地區(緯度在40°以上)表現出出色的性能[33]。然而，融合了ERA5降水數據的MSWEP在中國大陸緯度40°以上的地區在3種全球降水產品中表現最差，說明MSWEP融合算法沒有發揮ERA5降水產品在高緯度地區改進降水質量的潛力。在均方根誤差RMSE上，這3種全球降水產品的差異主要體現在東南部地區。相對而言，GSMaP在東南部含有較低的RMSE，GSMaP的地面校正算法明顯提高了GSMaP的降水精度。而MSWEP由于集合了不同降水產品的優勢，在東南部地區的精度略優于IMERG。

圖6 MSWEP，IMERG和GSMaP在中國大陸的相關系數CC和均方根誤差RMSE的空間分布圖

誤差組分分析可以更直觀地展現降水產品誤差的主要組分，圖7展示了3種全球降水產品在中國大陸的總偏差及其3種獨立誤差組分的空間分布圖。整體上，3種全球降水產品在總偏差和漏報偏差的空間分布圖上呈現出高度的一致性，特別是漏報誤差，介于-20%～0%之間。另一方面，MSWEP和GSMaP的4種偏差空間分布圖表現出高度的一致性。這兩種全球降水產品輕微低估了中國大陸大部分地區的命中降水事件的降水量，命中誤差介于-20%～0%之間，而它們的誤報誤差則在大部分地區高于20%。綜合3種獨立誤差組分的量級，MSWEP和GSMaP在中國大陸大部分地區的誤差主要來源于誤報誤差。

圖7 MSWEP，IMERG和GSMaP在中國大陸的總偏差及其獨立誤差組分的空間分布圖

3 結 論

文中針對目前主流的3種經地面校正的高精度全球降水產品MSWEP，IMERG和GSMaP在中國大陸從整體和空間角度開展了詳細的性能評估與比較。獲得以下結論：

1)綜合所有的指標結果，相比IMERG降水產品，GSMaP降水產品在中國大陸大部分地區展示了出色的性能。相比IMERG的月時間尺度校正算法，采用日時間尺度校正的GSMaP算法更為有效地改進降水探測能力和降水精度。建議后續的多衛星遙感降水產品誤差校正在精細時空分辨率下執行。

2)融合了IMERG-Late、再分析降水數據ERA5和地面降水觀測資料的MSWEP的性能整體上明顯差于經地面資料校正IMERG-Late研制而成的IMERG。這說明雖然多源降水數據融合算法能夠集合不同降水產品的優勢，但也不可避免集合了不同降水產品的缺陷。當集合降水產品的缺陷對質量的影響大于優勢的影響時，最終得到的融合降水產品質量不夠完善，仍有較大的改進空間。

3)再分析降水產品ERA5在高緯度地區(緯度40°以上的地區)展示了較好的性能。然而，融合了ERA5的MSWEP在中國大陸高緯度地區表現最差，這說明MSWEP算法沒有充分發揮ERA5降水數據改進高緯度地區降水反演的潛力。

4)MSWEP和GSMaP的4種偏差空間分布圖表現出高度的一致性，總偏差主要來源于誤報誤差。