基于多套衛(wèi)星資料的ERA5全球小時(shí)降水頻率評(píng)估

李蓬生 李曉峰 楊崧

摘要 最近發(fā)布的新一代全球再分析資料集ERA5，提供了全球小時(shí)降水再分析值，為全球小時(shí)降水研究提供又一個(gè)數(shù)據(jù)參考。然而，目前針對(duì)ERA5小時(shí)降水頻率的評(píng)估工作還較為有限。本研究采用多套全球衛(wèi)星觀測(cè)小時(shí)降水對(duì)ERA5小時(shí)降水的頻率進(jìn)行了評(píng)估。對(duì)比分析發(fā)現(xiàn)：盡管ERA5總降水量與衛(wèi)星資料出現(xiàn)較好的一致性，但ERA5的小時(shí)降水頻率約為衛(wèi)星資料的2～3倍，呈現(xiàn)系統(tǒng)性偏高。進(jìn)一步分析表明，這主要是由于ERA5大大高估了中、低強(qiáng)度降水事件的數(shù)量。其中，ERA5對(duì)弱降水頻率的高估尤為明顯，平均可達(dá)衛(wèi)星降水頻率的6倍;此外，ERA5對(duì)海洋降水頻率的高估程度也大于陸地。ERA5小時(shí)降水頻率的系統(tǒng)性高估問題對(duì)相關(guān)研究的潛在影響，尚在進(jìn)一步評(píng)估中。

關(guān)鍵詞小時(shí)降水;降水頻率;衛(wèi)星降水;ERA5;極端降水

歐洲中期天氣預(yù)報(bào)中心發(fā)布的新一代全球再分析資料集ERA5（Hersbach et al.，2020）提供了全球小時(shí)降水再分析值，為全球小時(shí)降水研究提供了寶貴的數(shù)據(jù)參考。與上一代ERA-Interim相比，ERA5具有重要的變化，包括更先進(jìn)的數(shù)值模型和數(shù)據(jù)同化方案，更高的空間和時(shí)間分辨率，更多觀測(cè)同化以及輸入觀測(cè)和強(qiáng)制數(shù)據(jù)集的改進(jìn)版本（Hersbach et al.，2020）。相較于溫度、壓力、風(fēng)速等連續(xù)變量，降水量的再分析值往往存在更大的誤差（Kanamitsu et al.，2002;Uppala et al.，2005;吳晶璐等，2019）。這主要是由于降水量是不連續(xù)變量（Trenberth et al.，2017），在數(shù)值模擬中需要通過參數(shù)化過程進(jìn)行估算導(dǎo)致（Nie et al.，2015）。因此，降水再分析資料在使用前往往需要仔細(xì)評(píng)估（支星和徐海明，2013）。

已有許多關(guān)于ERA5的評(píng)估工作，Nogueira（2020）等通過分析全球ERA5逐月尺度的降水場(chǎng)，發(fā)現(xiàn)在熱帶地區(qū)，ERA5的系統(tǒng)誤差和隨機(jī)誤差普遍低于ERA-Interim，并且能較好地模擬對(duì)流降水和水汽輻合。除此之外，相較于ERA-Interim，ERA5對(duì)于降水的模擬在美國（Beck et al.，2019）、中國（Jiang et al.，2021;呂潤清和李響，2021）、北極（Wang et al.，2019）等多個(gè)地區(qū)有了很大改善。然而，現(xiàn)有關(guān)于ERA5降水的評(píng)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區(qū)域內(nèi)，在全球尺度上針對(duì)小時(shí)降水頻率的評(píng)估工作還較為稀少。

雖然站點(diǎn)觀測(cè)資料精度較高，但是站點(diǎn)觀測(cè)主要分布在陸地及零星海島上，難以覆蓋范圍廣闊的海洋上空（Kidd et al.，2017）。而基于衛(wèi)星遙感觀測(cè)方式的衛(wèi)星降水資料，則可以提供覆蓋全球（極地除外）范圍的雨量估計(jì)，并具有高度的空間和時(shí)間連續(xù)性（陳渭民等，1995;Wang et al.，2020，2023）。因此，可采用衛(wèi)星資料來評(píng)估模式降水或再分析降水資料（Trenberth et al.，2018;Nogueira，2020）。而隨著衛(wèi)星遙感技術(shù)和數(shù)據(jù)反演算法的發(fā)展（Sun et al.，2018;趙平偉等，2021），世界各地已經(jīng)記錄了數(shù)套高精度的衛(wèi)星觀測(cè)數(shù)據(jù)（Smith et al.，2011;Lewis et al.，2019），目前廣泛使用的全球小時(shí)衛(wèi)星觀測(cè)數(shù)據(jù)產(chǎn)品主要包括由美國國家宇航局（NASA）開展的全球降水測(cè)量GPM（Hou et al.，2014），NOAA氣候預(yù)測(cè)中心（Climate Prediction Center，CPC）開發(fā)的實(shí)時(shí)衛(wèi)星反演降水產(chǎn)品CMORPH（Joyce et al.，2004）以及日本宇航局（JAXA）負(fù)責(zé)研發(fā)的高分辨率的全球降水產(chǎn)品GSMaP（Kubota et al.，2007）。

由此，本研究利用GPM、GSMaP-M、GSMaP-G、CMORPH共4套衛(wèi)星觀測(cè)資料，對(duì)ERA5降水再分析資料的小時(shí)降水頻率進(jìn)行評(píng)估，以探究其表征全球小時(shí)降水頻率的適用性，為使用ERA5小時(shí)再分析資料進(jìn)行天氣／氣候研究及預(yù)報(bào)的科研人員提供一定參考。

1 資料和方法

1.1 小時(shí)降水?dāng)?shù)據(jù)

本研究使用的小時(shí)降水?dāng)?shù)據(jù)主要包括：1）歐洲中期天氣預(yù)報(bào)中心（ECMWF）發(fā)布的ERA5再分析資料集;2）美國國家宇航局（NASA）開發(fā)的全球衛(wèi)星降水計(jì)劃（GPM）數(shù)據(jù)集，三級(jí)（Level-3）終期（Final）多衛(wèi)星產(chǎn)品，該產(chǎn)品已經(jīng)過觀測(cè)資料校正;3）JAXA開發(fā)的全球降水衛(wèi)星測(cè)繪（GSMaP）產(chǎn)品，包括未經(jīng)站點(diǎn)觀測(cè)數(shù)據(jù)校準(zhǔn)的標(biāo)準(zhǔn)產(chǎn)品GSMaP-MVK（GSMaP-M）和經(jīng)過站點(diǎn)觀測(cè)數(shù)據(jù)校準(zhǔn)的標(biāo)準(zhǔn)產(chǎn)品GSMaP-Gauge （GSMaP-G）;4）NOAA氣候預(yù)測(cè)中心開發(fā)的實(shí)時(shí)衛(wèi)星反演降水產(chǎn)品（CMORPH），本研究使用的是其衛(wèi)星初始版本CMORPH-RAW v1.0。表1展示了以上降水?dāng)?shù)據(jù)產(chǎn)品的主要特征參數(shù)。

為了方便比較，本文所使用衛(wèi)星降水?dāng)?shù)據(jù)已通過插值方法轉(zhuǎn)換為與ERA5相同的時(shí)空分辨率。受限于資料覆蓋范圍，文中提及的全球平均均指南北緯60°之間的平均，并不涵蓋極地地區(qū);而熱帶地區(qū)則特指南北緯20°之間的區(qū)域;熱帶外地區(qū)則是指南北緯20°以外、60°以內(nèi)的區(qū)域。

1.2 定義與方法

本文中的有降水小時(shí)被定義為降水量大于0.1 mm的小時(shí)。設(shè)定0.1 mm的閾值，是為了與雨量計(jì)的最大精度保持一致。同時(shí)也嘗試采用其他常用的閾值，如0.01 mm等，來定義有降水小時(shí)，但經(jīng)過對(duì)比分析發(fā)現(xiàn)，不同閾值的選取并未對(duì)文中的主要結(jié)論產(chǎn)生顯著影響。

小時(shí)降水頻率采用統(tǒng)計(jì)時(shí)段內(nèi)有降水小時(shí)的數(shù)量來衡量，也稱為降水時(shí)數(shù)或者小時(shí)降水頻數(shù)。實(shí)際計(jì)算中，小時(shí)降水頻率首先計(jì)算到月，然后估算季節(jié)和年平均的小時(shí)降水頻率。

為了深入研究不同降水強(qiáng)度下的小時(shí)降水頻率分布情況，本文還計(jì)算了GPM資料小時(shí)降水強(qiáng)度的百分位數(shù)。具體而言，小時(shí)降水強(qiáng)度的第90（或10）個(gè)百分位數(shù)表示在降水強(qiáng)度集合中，有90％（或10％）的數(shù)據(jù)小于該數(shù)。首先計(jì)算了2004—2015年全球（60°S～60°N）范圍內(nèi)GPM資料所有有降水小時(shí)的強(qiáng)度百分位數(shù)。隨后，以這些GPM百分位數(shù)為統(tǒng)一基準(zhǔn)，將降水強(qiáng)度從最小的10％到最大的10％均勻劃分為十個(gè)強(qiáng)度區(qū)間，并根據(jù)所劃分區(qū)間做了四個(gè)粗略的降水分級(jí)，其中第1～30個(gè)百分位數(shù)強(qiáng)度的降水定義為低強(qiáng)度降水（或小雨），第31～60個(gè)百分位數(shù)強(qiáng)度為中強(qiáng)度降水（或中雨），第61～90個(gè)百分位數(shù)為高強(qiáng)度降水（或大雨），而第91～100個(gè)百分位數(shù)則被視為極端降水（或暴雨）。基于此，進(jìn)一步統(tǒng)計(jì)了ERA5及4套衛(wèi)星降水資料在不同強(qiáng)度區(qū)間內(nèi)的降水頻率。

2 ERA5小時(shí)降水頻率及誤差空間分布

2.1 總降水量的空間分布

通過對(duì)比分析ERA5與4套衛(wèi)星資料，觀察到這5套資料在氣候總降水量的量值以及空間分布上都呈現(xiàn)出較為相似的特征。圖1為多年氣候平均的總降水量空間分布場(chǎng)，從圖中可以發(fā)現(xiàn)全球總降水量大值中心主要集中在熱帶輻合帶（ITCZ）和南太平洋輻合帶（SPCZ）上，這里的總降水在多數(shù)資料中可以達(dá)到3 500 mm／a以上。雖然，不同資料之間也存在差異，例如GSMaP-M（圖1c）和GSMaP-G（圖1d）總降水量相較于其他資料整體偏弱，CMORPH資料（圖1e）在非洲中部的降水量中相對(duì)更大。但總體而言，5套資料的空間分布和量級(jí)大小都較為接近。可見，ERA5資料對(duì)總降水量的表征與衛(wèi)星觀測(cè)較為接近。

2.2 ERA5小時(shí)降水頻率呈現(xiàn)系統(tǒng)高估

4套衛(wèi)星觀測(cè)資料之間的降水時(shí)數(shù)空間分布較為一致。如圖2a、c、d、e所示，衛(wèi)星觀測(cè)降水時(shí)數(shù)大值區(qū)主要分布在ITCZ和SPCZ和季風(fēng)影響區(qū)，表明這些區(qū)域的小時(shí)降水最頻繁。此外，該4套衛(wèi)星小時(shí)降水頻率與其總降水量（圖1、2）的空間分布場(chǎng)特征也十分相近。以往研究早已指出，降水總量主要是由頻率決定（Dai，2001），因此降水頻率的空間分布通常與降水總量相互匹配（Trenberth and Zhang，2018;Li et al.，2020）。

然而，ERA5對(duì)小時(shí)降水頻率的表征，卻與4套衛(wèi)星資料之間存在很大的差異。如圖2b所示，在熱帶及中高緯度海洋大范圍區(qū)域，ERA5的降水時(shí)數(shù)已達(dá)2 500 h／a，這遠(yuǎn)高于其余4套衛(wèi)星觀測(cè)資料的小時(shí)降水頻率。圖3給出了ERA5與4套衛(wèi)星資料降水時(shí)數(shù)的比值分布。對(duì)比圖3a、b、c、d，發(fā)現(xiàn)一個(gè)共同的特征是：在多數(shù)地區(qū)，ERA5與衛(wèi)星資料的比值超過100％;個(gè)別地區(qū)，比值甚至超過300％。這表明，相對(duì)衛(wèi)星觀測(cè)資料而言，ERA5對(duì)降水時(shí)數(shù)存在普遍性的高估。

2.3 ERA5總降水量和小時(shí)降水頻率的相對(duì)誤差定量分析

為了定量比較ERA5資料與衛(wèi)星資料之間的全球平均總降水量和降水時(shí)數(shù)，計(jì)算并對(duì)比了全球及區(qū)域平均情況。可以發(fā)現(xiàn)，ERA5與四套衛(wèi)星資料的全球年平均降水量較為接近（圖4a），GPM、ERA5、GSMaP-M、GSMaP-G和CMORPH分別為1 057.02、965.56、729.42、740.18和848.18 mm。全球平均的ERA5總降水量與四套衛(wèi)星數(shù)據(jù)的比值在0.9～1.35的區(qū)間內(nèi)，即比值在1附近較小范圍內(nèi)浮動(dòng)（圖4c），說明ERA5與衛(wèi)星觀測(cè)全球平均總降水量值接近;相似地，ERA5與衛(wèi)星觀測(cè)的熱帶和熱帶外平均總降水量值也非常接近（圖4c）。總之，ERA5在表征總降水方面與衛(wèi)星觀測(cè)之間的誤差相對(duì)較小。

相反地，ERA5降水頻率與衛(wèi)星資料偏差較大。如圖4b所示，ERA5全球平均降水時(shí)數(shù)可以超過1 300 h以上，而衛(wèi)星資料多在800 h以內(nèi)。如圖4d所示，全球平均的ERA5降水時(shí)數(shù)與4套衛(wèi)星數(shù)據(jù)的比值分布在1.7～2.8區(qū)間，熱帶和熱帶外地區(qū)平均降水時(shí)數(shù)的比值分布也相類似。這說明ERA5表征的小時(shí)降水頻率平均為衛(wèi)星觀測(cè)的約2～3倍，存在系統(tǒng)性的高估。

3 ERA5小時(shí)降水頻率誤差對(duì)降水強(qiáng)度的依賴性

為進(jìn)一步了解ERA5小時(shí)降水頻率的誤差來源，比較了ERA5再分析資料和衛(wèi)星資料在不同強(qiáng)度級(jí)別的降水頻率差異。圖5—8分別為ERA5在低強(qiáng)度、中強(qiáng)度、高強(qiáng)度降水和極端降水中的小時(shí)降水頻率與衛(wèi)星降水之間的差異。

從ERA5低強(qiáng)度降水的相較于GPM資料的分布狀況（圖5）可以發(fā)現(xiàn)，雖然ERA5與不同衛(wèi)星資料存在差異，但是ERA5存在普遍高估低強(qiáng)度小時(shí)降水頻率現(xiàn)象。如圖5a所示，ERA5弱降水頻率在全球大部分地區(qū)達(dá)到GPM降水資料的兩倍，在西太平洋地區(qū)甚至可以達(dá)到4倍以上;但是，在澳大利亞、非洲北部、中東地區(qū)等少數(shù)地區(qū)，ERA5對(duì)降水頻率存在略微低估，這似乎與這些地區(qū)較為干旱、原本就少雨有關(guān)。相類似地，ERA5與GSMaP-M（圖5b）、 GSMaP-G（圖5c）和CMORPH（圖5d）相比，也存在較大降水頻率高估。值得注意的是，ERA5與CMORPH（圖5d）的偏差幅度最大，但分布較為均勻無明顯的海陸差異，而ERA5與GPM（圖5a）、GSMaP-M（圖5b）、GSMaP-G（圖5c）的偏差似乎在海洋上更大。

與低強(qiáng)度降水（圖5）相似，ERA5對(duì)中（圖6）、高（圖7）強(qiáng)度降水的頻率仍然存在系統(tǒng)性的高估，但是高估的幅度相對(duì)減小。例如，在南半球高緯度地區(qū)以及副熱帶大洋東側(cè)，ERA5降水頻率與衛(wèi)星觀測(cè)頻率的比值大幅減弱。

然而，ERA5資料對(duì)極端降水頻率的估測(cè)卻存在完全反向的偏差，即ERA5對(duì)極端小時(shí)降水頻率存在普遍的低估（圖8）。如圖8a所示，以GPM資料為參照，ERA5幾乎在全球范圍上低估了極端降水頻率，這與非極端降水完全相反。若以GSMaP-M、GSMaP-G和CMORPH這3套數(shù)據(jù)為參照，ERA5仍然在全球大部分區(qū)域低估了小時(shí)極端降水的頻率，但在東南太平洋、北太平洋、南大西洋、非洲南部、亞洲中部及北部和澳大利亞等地區(qū)高估了極端降水頻率。

4 ERA5小時(shí)降水頻率誤差來源定量分析

為了定量分析ERA5小時(shí)降水頻率誤差來源，定量對(duì)比ERA5降水頻率的偏差隨不同降水強(qiáng)度和地區(qū)的變化。如圖9a、10a所示，為全球區(qū)域平均的ERA5降水頻率相對(duì)于衛(wèi)星資料的誤差及比率。可以發(fā)現(xiàn)，ERA5小時(shí)降水頻數(shù)誤差在強(qiáng)度較低的小雨區(qū)間最大，隨著降水強(qiáng)度增加逐漸減少，并在極端降水區(qū)間誤差反向，由高估變?yōu)榈凸馈＠纾c4套衛(wèi)星資料的誤差在第1到10個(gè)百分位數(shù)強(qiáng)度的弱降水區(qū)間最大，為180～240 h／a（圖9a），可以達(dá)到衛(wèi)星資料的約6倍（圖10a）;隨著降水強(qiáng)度區(qū)間的提升，ERA5降水頻率誤差降低，在第91～100個(gè)百分位數(shù)強(qiáng)度的極端降水區(qū)間誤差反向，為-30 ～-80 h／a（圖9a），降水頻率也縮小為僅有衛(wèi)星資料的約一半（圖10a）。可見，ERA5對(duì)小時(shí)降水頻率整體高估，主要來源于對(duì)弱降水的高估。

此外，對(duì)比了ERA5小時(shí)降水頻率誤差的海-陸差異和熱帶-熱帶外差異（圖9、10）。發(fā)現(xiàn)陸地上弱降水誤差最大約為80～140 h／a，而海上弱降水誤差最大約為220～300 h／a，海陸弱降水誤差相差可達(dá)約1倍。熱帶弱降水誤差最大約為260～320 h／a，而熱帶外弱降水誤差最大約為140～220 h／a，熱帶與熱帶外地區(qū)之前誤差的差異不如海陸差異顯著。可見，ERA5小時(shí)降水頻率誤差在海上強(qiáng)于陸地、熱帶地區(qū)稍強(qiáng)于熱帶外地區(qū)。

5 討論和結(jié)論

本研究基于GPM、GSMaP-M、GSMaP-G、CMORPH這4套衛(wèi)星降水觀測(cè)數(shù)據(jù)集和ERA5再分析數(shù)據(jù)集，對(duì)比分析了2004—2015年準(zhǔn)全球范圍內(nèi)小時(shí)降水頻率的分布情況，評(píng)估了ERA5降水再分析產(chǎn)品在不同降水強(qiáng)度下對(duì)小時(shí)降水頻率的表征能力，主要得到以下結(jié)論：

1）ERA5降水總量與4套衛(wèi)星資料十分接近，但ERA5的有降水時(shí)數(shù)比衛(wèi)星資料顯著偏高。定量分析顯示，ERA5表征的小時(shí)降水頻率平均為衛(wèi)星資料的約2～3倍。這說明ERA5資料對(duì)小時(shí)降水頻率存在系統(tǒng)性的高估。

2）ERA5對(duì)小時(shí)降水頻率整體高估，主要來源于對(duì)弱降水的異常高估。ERA5大大高估了中低降水強(qiáng)度事件的數(shù)量。特別地，ERA5資料中全球平均的最輕微小時(shí)降水（0～10％）的頻率是衛(wèi)星觀測(cè)到的約6倍，誤差幅度遠(yuǎn)高于其他強(qiáng)度降水。此外，ERA5小時(shí)降水頻率在海洋上的高估程度也大于陸地，而在熱帶地區(qū)的高估稍強(qiáng)于熱帶外地區(qū)。

3）ERA5資料對(duì)極端小時(shí)強(qiáng)降水頻率存在普遍低估，但這一低估的幅度難以抵消ERA5對(duì)中低強(qiáng)度降水頻度的高估幅度。衛(wèi)星資料通常比由模式參數(shù)化過程生成的再分析產(chǎn)品更為準(zhǔn)確（Amjad et al.，2020;趙平偉等，2021），這是本文采用衛(wèi)星資料評(píng)估ERA5小時(shí)資料的重要依據(jù)。然而，不同的衛(wèi)星數(shù)據(jù)之間也存在顯著的偏差。特別地，GSMaP-M和GSMaP-G實(shí)際上為GSMaP衛(wèi)星資料經(jīng)過站點(diǎn)觀測(cè)校正前后的兩個(gè)版本，小時(shí)降水頻率與ERA5資料之間的偏差，在陸地上呈現(xiàn)了較大差異，在海洋上卻幾乎沒有改變。由于站點(diǎn)觀測(cè)均在陸地上，這可能造成校準(zhǔn)后的衛(wèi)星資料在海洋與陸地之間出現(xiàn)不平衡，進(jìn)而影響對(duì)再分析資料的評(píng)估結(jié)果。此外，已有研究早已發(fā)現(xiàn)ERA5降水資料在逐日、逐月尺度上，存在降水頻率高估問題（Nogueira，2020;Jiang et al.，2021;趙平偉等，2021），這支持了本文中的部分結(jié)論。相類似地，Trenberth et al.（2017）也曾采用CMORPH資料評(píng)估了CESM模式的小時(shí)降水資料，并指出CESM模式資料嚴(yán)重高估了弱降水頻率，并且低估了強(qiáng)降水強(qiáng)度，這與本文的結(jié)論也是相一致的。最后，雖然本文發(fā)現(xiàn)ERA5對(duì)小時(shí)降水頻率存在系統(tǒng)性高估問題，這并非意味著ERA5的小時(shí)降水頻率毫無參考價(jià)值。相反地，這種大范圍的偏差經(jīng)過校正后，可能對(duì)小時(shí)降水頻率的大尺度空間分布型等影響有限。目前，關(guān)于ERA5小時(shí)降水頻率系統(tǒng)性高估的潛在影響，還在進(jìn)一步地評(píng)估中。

致謝：感謝審稿人和編輯為稿件提出的寶貴意見和建議，感謝中山大學(xué)胡曉明教授在稿件籌備過程中的幫助。NASA、ECMWF、JAXA和NOAA提供了GPM、ERA5、GSMaP和CMORPH資料的在線下載服務(wù)。

參考文獻(xiàn)（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.

陳渭民，劉雅芳，郁凡，1995.利用靜止氣象衛(wèi)星資料估算青藏高原降水的初步探討［J］.南京氣象學(xué)院學(xué)報(bào)，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，F(xiàn)an 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，F(xiàn)owler 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.

呂潤清，李響，2021.ERA-Interim和ERA5再分析數(shù)據(jù)在江蘇區(qū)域的適用性對(duì)比研究［J］.海洋預(yù)報(bào)，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.

吳晶璐，惠品宏，劉建勇，等，2019.江淮流域極端降水時(shí)空變化特征：站點(diǎn)觀測(cè)和再分析的對(duì)比［J］.大氣科學(xué)學(xué)報(bào)，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）.

趙平偉，李斌，王佳妮，等，2021.GPM IMERG和ERA5降水?dāng)?shù)據(jù)精度在云南復(fù)雜地形區(qū)域的評(píng)估檢驗(yàn)［J］.氣象科技，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種再分析資料的高空溫度與中國探空溫度資料的對(duì)比：年平均特征［J］.大氣科學(xué)學(xué)報(bào)，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）.