TRMM数据在京津冀地区干旱监测适用性研究

赵安周，王冬利，范倩倩，王金杰

(1.河北工程大学 矿业与测绘工程学院，河北 邯郸 056038；2.资源与环境信息系统国家重点实验室，北京 100101)

1 研究背景

干旱是影响全球农业生产和经济社会发展最为严重的气象灾害之一[1]。随着全球气候变暖，干旱事件发生的频率和强度均有增加的趋势，对生态系统和农业生产的影响越来越严重[2]。据统计，自1950年以来中国平均每年因干旱导致的粮食损失达到1.58×1010kg[3]。地球系统模式预测表明，全球干旱发生的风险与损失在21世纪将进一步增加，会严重影响农业生产和生态系统的健康发展[4]。因此，在全球气候变暖背景下精确监测与合理评估干旱的发生及其演变过程对地区农业生产具有重要的意义[4]。

目前对干旱的监测评估多采用各种干旱指数，其中标准化降水指数(standardized precipitation index，SPI)的计算因其仅需降水数据且可以进行多时间尺度干旱监测而被世界气象组织(World Meteorological Organization,WMO)推荐，被广泛应用于干旱研究中[5]。然而计算该指数所采用的降水数据主要来源于国家标准气象台站或雨量站的观测，易受到站点稀少、分布空间不均以及站点迁移等因素的影响，容易造成观测数据缺失、历史观测数据和现有观测数据衔接困难等问题，进而使得计算得到的干旱指数在分析大面积干旱事件的时候会存在较大误差[4]。虽然已有空间插值方法可以将站点数据转为大范围连续曲面，但是其精度会受到站点密度、参数设置等因素的影响[6]。

随着遥感技术的发展，基于卫星遥感的反演降水产品成为监测全球及区域降水变化、旱涝监测的重要数据来源[7]。卫星遥感反演降水产品可以有效弥补国家标准气象台站或雨量站空间分布不均及时间序列缺失等不足[5]。目前已有包括MSWEP (multi-source weighted-ensemble precipitation)、PERSIANN(precipitation estimation from remote sensing information using artificial neural network)、TMPA(tropical rainfall measurement mission(TRMM)multi-satellite precipitation analysis)等10多种卫星遥感降水反演数据被用于全球和区域降水、旱涝灾害监测等领域[8]。其中由美国国家宇航局(National Aeronautics and Space Adminstration，NASA)和日本宇宙开发事业团(NASDA)共同发布的热带降雨卫星(TRMM)数据产品是目前应用最广泛的降水产品[9-10]。国内外众多学者采用雨量站等实测站点数据对不同气候带、不同地形的TRMM数据精度进行了验证，认为该数据可替代站点实测数据应用在水文模型模拟、洪涝灾害监测等领域中[11-12]。如陈少丹等[5]、Yan等[10]基于TRMM数据评估了中国河南省以及西南地区的干旱事件，认为基于TRMM数据构建的干旱指数与基于站点计算的SPI指数具有较好的一致性；Sahoo 等[13]在全球尺度评估了准实时数据3B42RTV7、再分析数据3B42V6和3B42V7在干旱监测中的精度，认为3B42V6 和 3B42V7 降水产品可以有效识别干旱事件，而准实时3B42RTV7 降水产品则表现较差；王兆礼等[14]利用站点实测数据评估了3B42V7在中国大陆的监测效果，认为该数据产品可以有效识别近些年来中国的干旱事件。

京津冀地区地处海河流域中心地带，干旱频发，严重制约着当地的农业生产和生态环境，虽然已有研究对该地的干旱事件时空演变进行了分析，但是多是基于站点的观测降水数据[15-16]，将基于TRMM 3B43产品和站点的观测降水数据计算的多时间尺度SPI干旱指数进行时空对比，系统分析TRMM数据在该地区干旱监测中应用效果的研究较少。鉴于此，以京津冀地区为例，对比分析利用TRMM 3B43产品和站点的观测降水数据计算的SPI干旱指数，评估TRMM 3B43数据在该地区干旱监测的效果，以期为京津冀地区的农业生产、干旱监测与评估提供科学参考依据。

2 数据来源和研究方法

2.1 研究区概况

京津冀地区位于36.1°～42.7°N，113.5°～119.8°E之间，包括北京、天津两个直辖市以及河北省的13个地市，总面积达21.7×104km2。地势由西北向东南倾斜，北部为燕山、太行山脉，东部为华北平原北端，平均海拔500 m以上[17]。降水波动较大，70%以上的降水集中在6-9月，冬季受西伯利亚高压控制，寒冷干燥少降水，春季多大风，气温升温快，蒸发量较大，易发生干旱事件[17]。自20世纪80年代以来，该地区呈现暖干化的趋势，使得干旱等气象灾害频发，对地区农业生产及生态环境造成重大影响。京津冀地区TRMM 3B43数据格网点及其气象站点空间分布见图1。

2.2 数据来源

目前最新的TRMM多卫星降水分析包括3B42RT(3-hour)、3B42(daily)和3B43(monthly)3种不同时间尺度的产品数据，其中TRMM 3B42和TRMM 3B43数据的精度相较于准实时TRMM 3B42RT产品与站点观测数据更加接近[9]。所选用的TRMM 3B43V7月降水数据空间分辨率为0.25°×0.25°(约25 km ×25 km)，其覆盖范围为全球南北纬50°、东西经180°之间，时间长度为1998-2017年，数据格式为HDF。利用遥感软件将TRMM 3B43 降水速率层从 HDF 文件中提取出来，然后与各月的总时间相乘得到月降水数据，利用京津冀矢量数据对其进行裁剪最终得到研究区的TRMM 3B43数据。1998-2017年京津冀地区25个气象站点的逐月降水数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)。

图1 京津冀地区TRMM 3B43数据格网点及其气象站点空间分布

2.3 研究方法

SPI具有多时间尺度特征，选取京津冀地区 1、3、6 和12个月尺度的SPI值进行分析，其具体计算公式和干旱等级表可参考文献[5,10]。

为验证TRMM 3B43数据在京津冀地区的应用效果，采用皮尔逊相关系数(Pearson correlation coefficient,CC)、均方差误差(root mean square error,RMSE)以及相对偏差(relative mean bias,RB)3个指标对其进行评价，具体公式可参考文献[9-10]。

此外，采用CC、探测率(probability of detection,POD)、空报率(false alarm ratio,FAR)以及预报偏差(frequency bias index,FBI)来表示基于TRMM 3B43数据计算的SPI对干旱事件的探测能力，其具体计算公式如下[18-19]：

(1)

(2)

(3)

式中：a为TRMM 3B43数据和站点观测降水数据计算的SPI干旱事件出现的个数；b为TRMM 3B43计算的SPI出现干旱而站点观测数据计算的SPI无干旱的次数；c为站点观测降水数据计算的SPI出现干旱而TRMM 3B43计算的SPI无干旱的次数。POD和FAR的取值范围均为[0-1]，POD值越接近1，FAR的值越接近0，表明基于TRMM 3B43数据计算的SPI对干旱事件的探测精度越高；FBI的最优值为1，大于1，表示基于TRMM 3B43计算的SPI值偏大，低估了干旱事件，反之表明计算的SPI值偏小，高估了干旱事件。

3 结果分析

3.1 1998-2017年TRMM 3B43 降水数据评价分析

3.1.1 总体评估 1998-2017年基于站点观测数据和TRMM 3B43数据的京津冀地区年降水量、月平均降水量以及散点图见图2。分析图2(a)可知，基于站点观测数据和TRMM 3B43数据的年降水量均值分别为506.64 mm和539.64 mm，且近20年以来该地区降水量呈现增加的趋势，增加幅度分别为5.49 mm/a和5.61 mm/a，二者变化趋势相似，但均未通过95%显著性水平检验；由图2(b)可看出，站点观测数据与TRMM 3B43数据具有相似的变化趋势，70%以上的降水量集中在6-9月，降水量峰值出现在7月份，TRMM 3B43数据对降水量较多的月份(5-8月)较站点观测数据均存在一定的高估现象，7月份的误差最大(9.68 mm)，11月份误差最小(0.88 mm)；由图2(c)可看出，站点观测数据与TRMM 3B43数据的月降水量存在高度的一致性，TRMM 3B43和站点观测数据均分布在1∶1线附近，其CC=0.9904，RMSE=7.31 mm，RB=6.46% (图2)。总体来看，TRMM 3B43产品数据与站点观测数据在年和月变化上均具有很高的一致性。

3.1.2 空间评估 站点观测的月降水量数据与其对应的格网TRMM 3B43数据的CC、RMSE和RB的空间分布如图3所示。

从图3整体上看，所有站点的月降水量观测数据与对应格网的TRMM 3B43数据均具有很高的相关性(P<0.01)，平均相关系数为 0.94 (0.88～0.97)，最大值出现在保定站，最小值出现在秦皇岛站(图3(a))。二者的RMSE均值为20 mm (11.88 ～33.79 mm)，呈由东向西递减的态势，最大值出现在东北部的秦皇岛站，最小值出现在西北部的张家口站，进一步证实了TRMM 3B43数据产品对于降水量强度较大的站点探测能力有限(图3(b))。RB的均值为8.93% (-1.18%～19.88%)，除黄骅站外，其他所有格网的TRMM 3B43数据均存在高估实测降水量数据的现象(图3(c))。以上分析结果表明TRMM 3B43降水量数据产品与站点观测降水量数据具有良好的空间匹配性。

图2 1998-2017年京津冀地区站点观测数据和TRMM 3B43数据的年降水量、月平均降水量及相关性图

图3 1998-2017年京津冀地区站点实测月降水量数据与TRMM 3B43数据的CC、RMSE及RB的空间分布

3.2 基于TRMM 3B43 产品的SPI多时间尺度评估

3.2.1 多时间尺度SPI的时间变化 为进一步评估TRMM 3B43降水量产品在京津冀地区干旱监测中的应用，分别依据站点观测降水量数据和TRMM 3B43数据计算了1998-2017年该地区不同时间尺度(1、3、6 和12个月)的SPI值(分别表示为SPI-1、SPI-3、SPI-6和SPI-12)的时间变化，计算结果如图4所示。从图4中可以看出，基于TRMM 3B43降水量数据和站点实测降水量数据计算的SPI具有高度的一致性，两种数据计算的多时间尺度的SPI的相关系数CC值均高于0.95，表明TRMM 3B43产品可以很好地监测京津冀地区干湿变化。同时采用POD、FAR和FBI3个指标进一步评价TRMM 3B43数据对干旱事件的探测能力，不同时间尺度的POD值在0.9142～0.9583之间，表明90%以上由站点观测数据监测到的干旱事件均可以由TRMM 3B43数据探测到。FAR的值随时间尺度的增大呈变小的趋势，SPI-1、SPI-3、SPI-6和SPI-12的FAR值分别为0.1000、0.1266、0.0990和0.0588。FBI的值在1.0143～1.0972之间，表明TRMM 3B43数据对SPI-1、SPI-3、SPI-6和SPI-12的值均存在高估的现象。

3.2.2 多时间尺度SPI的空间变化 同时为评价TRMM 3B43 降水量数据计算的不同时间尺度SPI值的空间适用性，根据25个站点观测数据和对应格网的TRMM 3B43数据计算得到SPI-1、SPI-3、SPI-6和SPI-12的值，并进一步计算得到二者的CC、POD、FAR和FBI的空间分布，计算结果如图5所示。通过对图5的分析比较可知，SPI-1、SPI-3、SPI-6和SPI-12相关系数CC的均值分别为0.867(0.788～0.921)、0.872(0.766～0.944)、0.851(0.724～0.932)和0.839(0.694～0.960)，所有站点均通过了0.01显著性水平检验。相关系数较高的站点主要分布在京津冀地区的中部，较低的站点主要分布在东部和西部地区，表明TRMM 3B43数据在估算沿海和海拔较高地区的干旱事件存在较大的不确定性。同时随着时间尺度的增大，其CC小于0.8的站点数目开始增多，表明TRMM 3B43数据对于短时间尺度的干旱的探测能力更强。不同时间尺度POD的均值分别为0.820(0.711～0.909)、0.802(0.722～0.90)、0.778(0.667～0.957)和0.775(0.609～0.948)，POD值随着时间尺度的增大而减小。对于京津冀地区的25个气象站点来说，基于TRMM 3B43数据计算的SPI可以正确探测60%以上的干旱事件。FAR在SPI-1、SPI-3、SPI-6和SPI-12的均值分别为0.264(0.133～0.417)、0.221(0.130～0.329)、0.247(0.133～0.40)和0.262(0.044～0.536)，80%以上站点的FAR值小于0.30。不同时间尺度FBI的均值分别为1.096(0.949～1.371)、1.031(0.922～1.188)、1.035(0.885～1.25)和1.063(0.804～1.38)，表明基于TRMM 3B43数据计算的SPI值略高 (图5)。总体来看，基于两种数据计算的25个站点多时间尺度SPI的相关系数均大于0.7，POD值大于0.6，80%以上的FAR值小于0.3，70%以上站点的FBI值在0.9～1.1之间，进一步表明TRMM 3B43产品可以替代站点观测降水量数据用于对区域干旱事件的监测和研究。

图4 1998-2017年京津冀地区站点实测降水量数据与TRMM 3B43数据的各时间尺度SPI值随时间变化曲线

图5 1998-2017年京津冀地区各时间尺度SPI值的CC、POD、FAR以及FBI值的空间分布

基于站点观测降水量数据和TRMM 3B43数据计算的1998-2017年京津冀地区不同时间尺度的极端干旱、严重干旱、中等干旱以及干旱的面积百分比及相关系数见图6和表1。由图6可看出，短时间尺度SPI(SPI-1和SPI-3)不能够清晰地描述连续干旱事件的发生，而长时间尺度的SPI(SPI-6和SPI-12)可以确定持续干旱的时间，如发生在1999-2004、2006、2010年等年份的中等、严重以及极端干旱事件在SPI-6和SPI-12中均可以较好地显示出来；由表1可看出，两种数据计算的干旱面积百分比基本一致，SPI-1、SPI-3、SPI-6和SPI-12的干旱面积相关系数分别为0.93、0.95、0.96和0.96。就不同干旱等级来看，两种数据计算的中等干旱、严重干旱及其极端干旱的相关系数在0.50以上，均通过了95%显著性水平检验。总体来看，京津冀地区发生轻微及其中等干旱的面积最大，发生极端干旱的面积最小。

图6 1998-2017年京津冀地区站点观测数据与TRMM 3B43数据的各时间尺度不同干旱等级面积百分比

表1 1998-2017年京津冀地区站点观测月降水量以及TRMM 3B43数据的不同等级干旱面积百分比均值及其相关系数

注：表中面积百分比表示站点观测数据计算值/TRMM 3B43数据计算值。

4 结论与讨论

4.1 结 论

基于TRMM 3B43产品和站点实测降水数据，计算了1998-2017年京津冀地区多时间尺度SPI(SPI-1、SPI-3、SPI-6和SPI-12)干旱指数，并对干旱时空演变进行了对比研究，研究结果表明：

(1)在年和月时间尺度上，TRMM 3B43产品与站点观测降水量数据存在高度的一致性，其CC=0.9904，RMSE=7.31 mm，RB=6.46%。

(2)在空间上，25个站点观测降水量数据与对应格网的TRMM 3B43数据的CC=0.94(0.88～0.97)、RMSE=20 mm(11.88 ～33.79 mm)、RB=8.93% (-1.18%～19.88%)。

(3)基于多时间尺度SPI变化，CC和POD均大于0.90，FAR均小于0.15，FBI均接近1，表明TRMM 3B43数据能够替代站点观测降水量数据进行京津冀地区干旱的监测与评估。

(4)基于多时间尺度SPI的空间变化，两种数据计算的25个站点及其对应格网的多时间尺度SPI的相关系数均大于0.7，POD值大于0.6，80%以上站点的FAR值小于0.3，70%以上站点的FBI值在0.9～1.1之间，表明基于TRMM 3B43数据计算的SPI值可以有效地弥补站点分布不均或插值带来的不确定性。

(5)两种数据计算的干旱面积百分比基本一致，计算的中等干旱、严重干旱和极端干旱的相关系数在0.5以上，均通过了0.05显著性水平检验。

4.2 讨 论

将TRMM 3B43降水量数据产品应用到京津冀地区不同时间尺度的干旱监测中，通过与站点观测降水量数据对比表明，基于TRMM 3B43数据构建的干旱指数SPI可以有效的监测不同时间尺度(SPI-1、SPI-3、SPI-6和SPI-12)干旱的时空演变，但是由于TRMM降水量数据的空间分辨率较低，对小范围地区发生的干旱事件监测能力有限[20]，虽然已有研究采用多种升尺度方法提高了其空间分辨率，但是对于高海拔等地形复杂地区的不确定性仍然较大[7,21]。同时应指出计算SPI干旱指数需要长时间尺度的降水量数据，利用短时间序列的降水量可能导致参数估计的不稳定[5]，但是由于TRMM降水量数据产品是1998年开始发布，因此选取了1998-2017年共计20a的数据，随着时间的推移，其数据时间序列将会进一步延长。此外，京津冀地区是我国水资源最为短缺以及干旱频发的地区，以往的研究多是基于气象站点观测数据计算干旱指数，然后利用反距离加权、克里金等插值方法得到干旱的空间分布[15-16]，气象站点的密度及其分布都会影响到插值的精度，而TRMM数据可以有效地弥补由于站点插值以及分布不均带来的计算误差[6]。因此，对于气象站点分布不均甚至无气象站点的地区，可以使用TRMM产品替代站点观测数据进行干旱监测和评估[5]。