2 个代表性的国外卫星遥感降水观测系统

洪 敏 ，安 晶 ，马 龙

（1. 河海大学水文水资源学院，江苏 南京 210098；2. 河海大学计算机与信息学院，江苏 南京 211100）

0 引言

降水是水循环的重要环节。降水数据是降雨径流模型的重要输入，降水时空数据的获取，尤其是面雨量估计，是水文研究与生产应用中的一个无法回避的难题。将多个雨量站的点雨量通过泰森多边形等方法“计算”出面平均雨量，是经典的水文方法。实际观测和实验研究已经证实，近地表空间雨量场并不连续，点雨量很难代表该点邻域的降水时空变化特征。另一方面，雨量站的布设受自然条件和经济社会活动的影响严重，特别是在高原寒区、海洋等人迹罕至的地区，无法设站并进行长期观测。近年来，地面降水观测雷达的应用，一定程度上对地面降水观测站网形成了有效补充，但雷达造价和运行维护成本相对较高，用雷达回波估算的降水量及其空间分布的精度也有待提高[1]。遥感卫星是指用作外层空间遥感平台的人造卫星，能在规定的时间内覆盖整个地球或指定的任何区域，当卫星沿地球同步轨道运行时，能连续对地球表面某指定地域进行遥感监测。因此，在遥感卫星上搭载相应的降水传感器，可进行全球范围或指定区域的降水量遥感观测，所获取的降水时空信息具有周期性、时效性及可比性等特点。TRMM（Tropical Rainfall Measuring Mission，热带降雨观测行动）和 GPM（Global Precipitation Measurement，全球降水观测系统）是国外 2 个代表性的卫星遥感降水观测系统。

1 TRMM 及其主要应用成果

TRMM 是全球第 1 个用于雨量观测的卫星系统，由美国国家航空航天局（NASA）和日本宇宙航空研究开发机构（JAXA）合作开发，主要用于降雨和气候变化研究。TRMM 的卫星于 1997 年 11 月发射，设计寿命为 3 a，实际在轨运行了 17 a，提供了宝贵的科学数据。2015 年 4 月 15 日，TRMM 正式结束。

TRMM 主要用于热带和亚热带地区的雨量观测，搭载了 5 种设备，其中有 3 种是雨量传感器，即星载主动式测雨雷达 PR（Precipitation Radar）、测量地表和大气福射的微波成像仪 TMI（TRMM Microwave Imager）、用于测量云顶/地表辐射强度的可见光红外扫描仪 VIRS（Visible Infrared Scanner）；另 2 种是其它相关设备，即测量闪电的闪电成像传感器 LIS（Lightning Imaging Sensor）和获取宽谱带辐射收支资料的云与地球能量测量仪 CERES（Clouds and Earth’s Radiant Energy System）。TRMM卫星及其搭载的传感器示意图如图 1 所示[2]。

图 1 TRMM 卫星及其搭载的传感器

国外利用 TRMM 在热带及副热带云与降水等研究领域取得了丰硕成果，主要成果如下：

1）云与降雨等统计规律。Nesbitt 等[3]基于TRMM 卫星上 2 个仪器数据（近地面 PR 反射率和TMI 85.5 GHz 偏振校正温度），采用降雨尺度特征分类法识别 1998 年 8，9 和 10 月期间 2 个陆地和海洋地区（空间尺度＞ 75 km）的降水特征，实验结果表明产生大部分降雨的大陆系统可能有更高的闪电频率，这与雷达和冰的散射强度有关。Liu 等[4]分析了 TRMM 卫星上雷达的垂直降水剖面，并对给定的降雨类型，在 2 km 高度类似降雨量的所有剖面进行主成分分析，研究发现第 1 个主成分可以表征超过80% 的剖面变化，重建的第 1 主成分与整体均值非常相似。Shin 等[5]利用 1998 年 1 月至 1999 年 2 月的数据描述了 TRMM 第 1 颗星载 PR 得到的反射率特征，重点研究了融解层（亮带）的层状降水，最后选定 8 个区域的详细气候资料，针对区域季节性变化讨论了层间高度和反射率剖面的均值和变化，并依据融解层高度和二次产物的昼夜周期（如沿卫星轨迹的空间相关性），说明了融解层高度的不规则特征。Schumacher 等[6]对 TRMM 降水雷达观测热带地区的地层降雨情况的研究结果表明，在热带地区（20°N～20°S），反射率 ≥17 dBZ 的 PR，层状降水占降水覆盖面积的 73%，且在海洋上更加明显。

2）气候诊断分析。Anyamba 等[7]基于 2 个独立的全球闪电观测计划，分析全球平均对流指数（深对流指数），结果表明，在热带地区，深对流季节内的波浪具有 wavenumber-1 结构，其中 120°W到 60°E 的区域具有 1 个相位，而另一个半球具有相反的相位。当南半球和非洲的主要闪电产区组成的前半球存在深对流最大值时，舒曼共振增强；相反，当对流向东传播到印度洋和西太平洋时，舒曼共振被抑制。Cecil 等[8]基于 TRMM 卫星在 3 a 里观测到近 600 万个降水特征，并对其按照闪电率、最低亮度温度、最大雷达反射率、面积范围和体积降雨量进行排序，着重分析了雷达，辐射和闪电特性。Masunaga 等[9]基于 TRMM 的 PR 和 VIRS 的测量数据重点分析季节内振荡（MJO）与赤道罗斯贝波（ER）和开尔文波（Kelvin）的关系，结果表明ER 波导致 MJO 与 ER 波之间的关系不明显。此外，证实了与 MJO 周期有关的参数包括海面温度、水汽、低云、浅对流和近地面风等。

3）云和降水日变化规律。Imaoka 等[10]首次使用 TRMM TMI 成像仪数据，采用 1998 年的降水数据，研究了热带海洋降水量的日变化过程，结果表明在热带海洋地区降水逐日变化的幅度为 14%。Nesbitt 等[11]通过 TRMM 降水雷达和微波成像仪，采用全球热带地区 3 a 的降水数据（-36°～36°），综合分析了降水特征及频率、降雨强度、对流分层降水的孔隙度和遥感对流强度等。Ichikawa 等[12]利用 5 a的 TRMM 降水雷达数据，研究了婆罗洲岛降雨昼夜循环的时空特征，结果显示其与大气环流模式的季内变化及岛上的底层东西风带有关。Sanderson 等[13]通过反演主动和被动微波数据，研究了基于时空尺度算法对日降雨量监测的影响。结果表明，不同的算法对全球和区域尺度时均降雨率均有显著影响。Yang 等[14]基于 1998 年的 TRMM 数据，使用 3 种算法研究了热带、亚热带地区逐日降水的现象。结果表明，降水特征在各个算法上的表现一致，证实了从 TRMM 数据反演降水的可能性。

4）降水、潜热和水汽等参数的反演。Aonashi等[15]提出一种利用 TRMM 数据估算降水的算法，结果表明，通过计算辐射传输模型（RTM）和亮温（TBs）可以得到最佳降雨估算模式。Kummerow等[16]讨论了 TRMM 降雨卫星在轨道上运行 2 a 后的状态，着重阐述了 TRMM 降雨卫星中传感器的校准、降雨算法的改进及数据的应用。Meneghini 等[17]改进 SRT 算法，提出一种混合 SRT 算法，该算法可以消除雷达辐射不连续的影响。Tao 等[18]总结了通过 TRMM 数据反演潜热的算法、产品，以及相关模型和应用情况。

此外，TRMM 提供了 17 a 的全球热带降雨和雷电数据集，该数据集已经成为业内公认的权威基准数据，在推进气象气旋结构演化、对流层系统属性、闪电和风暴的相关性、气候和气象模型，以及人类活动对降雨影响等方面的研究发挥了不可替代的重要作用，并为防汛防台风减灾、干旱监测及天气预报应用研究提供强有力的数据支持。

2 GPM 及其主要应用

GPM 以 JAXA 和 NASA 为首发起，联合美国国家海洋和大气管理局（NOAA）、法国国家太空研究中心（CNES）、印度空间研究组织（ISRO）、欧洲气象卫星开发组织（EUMETSAT）等国际组织机构合作开发，GPM 主卫星于 2014 年 2 月发射升空。GPM 卫星及其搭载传感器示意图如图 2 所示[19]。

图 2 GPM 卫星及其搭载传感器

GPM 旨在提升全球性的降水预测正确性、气象预报及气候变动预测能力，构筑洪水警报和水资源管理系统等。GPM 继承了 TRMM 的观测成果，并实现对 TRMM 的观测精准度的提升、范围的扩大和频率的增加。主要携带微波成像仪 GMI（GPM Microwave Imager）和双频测雨雷达 DPR（Dual-Frequency Precipitation Radar）[19]。相对于 TRMM，GPM 观测范围覆盖了高纬度的地区，提供了覆盖全球的雨量观测，并且可对微量、固态降水，以及降水颗粒的微观物理属性进行观测[20]。

GPM 产品对水文气象和水利及防汛减灾领域的研究与应用具有重要意义。例如，GPM 能够观测热带风暴及强对流降水系统整个生命周期的运动、演变过程，可大大增强对极端天气事件（如台风暴雨）的预报能力，为防汛防台风服务。GPM 能够提供对降水微观物理特性的观测成果，有利于分析地球大气和地表过程及其建模，从而提高气象、气候和水文预报能力。GPM 还能够提供 3 h 以内的全球降水量估算产品，可满足水文气象应用要求的时间间隔，在提升洪水、干旱和泥石流等灾害的预报能力方面作用显著[20]。

3 卫星遥感降水观测技术的应用

卫星遥感降水观测技术已经在多个领域得到广泛应用。Yang 等[21]基于卫星遥感降水数据及其他遥感数据，提供了一种近似的全球径流模拟方法。利用前期降水指数（API）作为前期条件，估算时变的 NRCS-CN（Natural Resources Conservation Service Curve number）值，并通过 1998—2006 年的TRMM 卫星降雨数据进行模拟分析，为快速分析全球和中大流域的卫星降雨径流提供参考。Behrangi等[22]验证了卫星降水产品在集水区模拟的有效性。在 2003—2008 年期间，使用 5 个基于卫星的降水产品（tmpa-rt，tmpa-v6，CMORPH，PERSIANN和 PERSIANN-UNK）在 6 h 和每月的时间尺度上进行模拟分析，并取得较好的结果。Wu 等[23]基于实时卫星降水遥感数据反演洪水模拟参数，进行全球洪水预报，并将该方法应用于 GFMS（Global Flood Monitoring System）系统中，对洪水事件预测具有一定的作用。Sapiano 等[24]实现了高分辨率卫星降雨估算（每 3 h 测量数据），并在 5 个高分辨率数据集上完成了比较与验证。Maggioni 等[25]对 TRMM（1998—2015 年期间）的高分辨率卫星降雨产品进行了综述，并对多个产品的精度进行了比较分析。Alexakis 等[26]基于 MODIS 数据，采用多线性回归和人工神经网络模型进行 TRMM 降雨产品的降尺度比较，并对这 2 种方法的实验结果进行了分析。

卫星遥感降水观测技术的应用，为大时空尺度降水过程的有效监测提供了可能。TRMM 和 GPM的产品数据，已经在洪水预报、径流模拟、水资源监测等领域中得到研究与应用。Sen 等[27]对应用 9 a的 TRMM 降水雷达数据进行了研究，结果表明，在大多数地区和季节，层状云的云量与对流云的流出和残余有关，冬季北印度次大陆上的层状云覆盖区域和任何对流云的最大区域并没有太多关系。Rasmussen 等[28]研究了 4 种类型的层状区域，以及相关的极端雷达回波暴雨偏差范围，实验结果表明，TRMM 降水雷达算法低估了地表深度对流对地表降水的影响，证实了亚热带和热带地区风暴类型与雨偏之间具有很大关系。Prakash 等[29]验证了TRMM 卫星降水分析与利用国家海洋和大气管理局/太平洋海洋环境实验室提供的面雨量数据进行季风分析和预报的结果一致。Hou 等[30]介绍了一些常用的卫星降雨系统，并对其在全球降雨中的应用进行了详细阐述，对未来降水卫星观测任务进行了展望。Huffman 等[31]研究了 GPM 集成多卫星检索的算法和处理流程，算法可以对“所有”卫星微波降水进行估计，并可以对以 TRMM 和 GPM 为基础的降水产品进行校正。Le 等[32]研究了不同降雨测量的双频比 DFRm 特征，并定义 2 个频率通道（Ku- 和Ka-）测量反射率的差异，研究表明，DFRm 可用于分层和对流雨的分离，并据此开发了一种用于DPR 轮廓分类的降水类型分类模型，取得很好的应用效果。

由此可见，使用卫星遥感降水数据将成为解决水文研究及应用问题的一种重要途径，特别是在无资料地区，显得尤为重要。以数据化理论与方法为基础，将卫星遥感、地面天气雷达、X 波段面雨量观测、气象探空、GIS 和 GPS、地面水位流量、降水蒸发和区域下垫面等数据，按时间同步及空间协同模式建立水文气象信息场景，即可通过场景推演等方法，对指定区域或全球水文气象实时动态演化趋势、历史过程重现及气候变化与水文响应等进行分析研究，也可以基于水文气象信息场景数据集合，应用大数据分析技术，发现新的气象、气候要素与水文要素间的非因果关联关系，为建立水文学的新理论、新方法和开拓新应用领域服务[33–34]。

4 结语

TRMM 和 GPM 数据产品在洪水、干旱等方面的研究与应用实践表明，应用卫星遥感降水数据解决点降水观测数据区域代表性不强、无降水资料地区及大时空尺度降水量估计等难题方面，可以发挥不可替代的作用。但国内外的相关研究还不够深入，国内目前也没有形成基于卫星遥感降水数据的实时水文预报、水资源评价、水工程设计、流域规划管理等方面的实用化方法和模型或产品，相关研究仍需进一步加强。今后一条可行的研究途径，就是建立水文气象信息场景，为大数据分析技术的应用创造条件，从而支撑水文学科新理论、新方法和新技术的研究与应用，为增强水利防汛等事务处理的能力服务。

[1] GERMANN U, GALLI G, BOSCACCI M, et al. Radar precipitation measurement in a mountainous region[J].Quarterly Journal of the Royal Meteorological Society,2006, 132 (618): 1669-1692.

[2] 李南，卢美圻. 星载测雨雷达简介[J]. 科教文汇（下旬刊），2015 (9): 175-177.

[3] NESBITT S W, ZIPSER E J, CECIL D J. A census of precipitation features in the tropics using TRMM: Radar, ice scattering, and lightning observations[J]. Journal of Climate,2000, 13 (23): 4087-4106.

[4] LIU G S, FU Y F. The Characteristics of Tropical Precipitation Pro files As Inferred From Satellite Radar Measurements[J].Journal of the Meteorological Society of Japan, 2001, 79 (1):131-143.

[5] SHIN D B, NORTH G R, BOWMAN K P. A summary of reflectivity pro files from the first year of TRMM radar data[J].Journal of Climate, 2000, 13 (23): 4072-4086.

[6] SCHUMACHER C, HOUZE R A J. Stratiform rain in the tropics as seen by the TRMM precipitation radar[J]. Journal of Climate, 2003, 16 (11): 1739-1756.

[7] ANYAMBA E, WILLIAMS E, SUSSKIND J, et al. The manifestation of the Madden-Julian oscillation in global deep convection and in the Schumann resonance intensity[J].Journal of the Atmospheric Sciences, 2000, 57 (8): 1029-1044.

[8] CECIL D J, GOODMAN S J, BOCCIPPIO D J, et al. Three years of TRMM precipitation features. Part I: Radar,radiometric, and lightning characteristics[J]. Monthly Weather Review, 2005, 133 (3): 543-566.

[9] MASUNAGA H, L'ECUYER T S, KUMMEROW C D. The Madden-Julian oscillation recorded in early observations from the Tropical Rainfall Measuring Mission (TRMM)[J]. Journal of the Atmospheric Sciences, 2006, 63 (11): 2777-2794.

[10] IMAOKA K, SPENCER R W. Diurnal variation of precipitation over the tropical oceans observed by TRMM/TMI combined with SSM/I[J]. Journal of Climate, 2000,13 (23): 4149-4158.

[11] NESBITT S W, ZIPSER E J. The diurnal cycle of rainfall and convective intensity according to three years of TRMM measurements[J]. Journal of Climate, 2003, 16 (10):1456-1475.

[12] ICHIKAWA H, YASUNARI T. Time-space characteristics of diurnal rainfall over Borneo and surrounding oceans as observed by TRMM-PR[J]. Journal of Climate, 2006, 19 (7):1238-1260.

[13] SANDERSON V L, KIDD C, MCGREGOR G R. A comparison of TRMM microwave techniques for detecting the diurnal rainfall cycle[J]. Journal of Hydrometeorology,2006, 7 (4): 687-704.

[14] YANG S, SMITH E A. Mechanisms for diurnal variability of global tropical rainfall observed from TRMM[J]. Journal of Climate, 2006, 19 (20): 5190-5226.

[15] AONASHI K, LIU G. Passive microwave precipitation retrievals using TMI during the Baiu period of 1998[J].Journal of Applied Meteorology, 2000, 39 (12): 2024-2037.

[16] KUMMEROW C, SIMPSON J, THIELE O, et al. The status of the Tropical Rainfall Measuring Mission (TRMM) after two years in orbit[J]. Journal of Applied Meteorology,2000, 39 (12): 1965-1982.

[17] MENEGHINI R, JONES J A, IGUCHI T, et al. A hybrid surface reference technique and its application to the TRMM precipitation radar[J]. Journal of Atmospheric and Oceanic Technology, 2004, 21 (11): 1645-1658.

[18] TAO W K, SMITH E A, ADLER R F, et al. Retrieval of latent heating from TRMM measurements[J]. Bulletin of the American Meteorological Society, 2006, 87 (11):1555-1572.

[19] KIDD C, HUFFMAN G. Global precipitation measurement[J]. Meteorological Applications, 2011, 18 (3): 334-353.

[20] SMITH E A, ASRAR G, FURUHAMA Y, et al. International Global Precipitation Measurement (GPM) program and mission:An overview[M]//Measuring precipitation from space.Berlin: Springer Netherlands, 2007: 611-653.

[21] HONG Y, ADLER R F, H0SSAIN F, et al. A first approach to global runoff simulation using satellite rainfall estimation[J]. Water Resources Research, 2007, 43 (8): 625-628.

[22] BEHRANGI A, KHAKBAZ B, JAW T C, et al. Behrangi hydrologic evaluation of satellite precipitation products over a mid-size basin[J]. Journal of Hydrology, 2011, 397 (3–4):225-237.

[23] WU H, ADLER R F,TIAN Y D, et al. Real-time global flood estimation using satellite‐based precipitation and a coupled land surface and routing model[J]. Water Resources Research, 2014, 50 (3): 2693-2717.

[24] SAPIANO M R P, ARKIN P A. An intercomparison and validation of high-resolution satellite precipitation estimates with 3-hourly gauge data[J]. Journal of Hydrometeorology,2009, 10 (1): 149-166.

[25] MAGGIONI V, MEYERS P C, ROBINSON M D. A review of merged high-resolution satellite precipitation product accuracy during the Tropical Rainfall Measuring Mission(TRMM) era[J]. Journal of Hydrometeorology, 2016, 17 (4):1101-1117.

[26] ALEXAKIS D D, TSANIS I K. Comparison of multiple linear regression and artificial neural network models for downscaling TRMM precipitation products using MODIS data[J]. Environmental Earth Sciences, 2016, 75 (14): 1-13.

[27] SEN R S, SAHA S B, ROY BHOWMIK S K, et al. Analysis of monthly cloud climatology of the Indian subcontinent as observed by TRMM precipitation radar[J]. International Journal of Climatology, 2015, 35 (8): 2080-2091.

[28] RASMUSSEN K L, CHOI S L, ZULUAGAM D, et al.TRMM precipitation bias in extreme storms in South America[J]. Geophysical Research Letters, 2013, 40 (13): 3457-3461.

[29] PRAKASH S, GAIROLA R M. Validation of TRMM-3B42 precipitation product over the tropical Indian Ocean using rain gauge data from the RAMA buoy array[J]. Theoretical and Applied Climatology, 2014, 115 (3-4): 451-460.

[30] SCHONHUBER M, LAMMER G, RANDEU W L, et al.Precipitation: Advances in Measurement, Estimation and Prediction[M]. Berlin:Springer, 2008: 131-170.

[31] HUFFMAN G J, BOLVIN D T, BRAITHWAITE D, et al. NASA Global Precipitation Measurement (GPM) Integrated Multi-Satellite Retrievals for GPM (IMERG) Algorithm Theoretical Basis Document (ATBD) version 4.4[J]. National Aeronautics and Space Administration, 2014, 26 (4): 1-30.

[32] LE M, CHANDRASEKAR V. Precipitation type classification method for Dual-frequency Precipitation Radar (DPR)onboard the GPM[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51 (3): 1784-1790.

[33] AI P, XIONG C S, LIAO H L, et al. A method for water resources object identification and encoding based on EPC[C]//Distributed Computing and Applications for Business Engineering and Science (DCABES), 2015 14th International Symposium on. Guiyang: IEEE, 2015: 264-267.

[34] AI P, YUE Z X, YUAN D B, et al. A scene analysis model for water resources Big Data[C]//Distributed Computing and Applications for Business Engineering and Science(DCABES), 2015 14th International Symposium on. Guiyang:IEEE, 2015: 280-283.