GPM卫星降水产品在中国大陆的精度评估

张茹 雍斌 曾岁康

摘要：为评估全球降水计划（GPM）主流卫星降水产品IMERG和GSMaP在中国大陆的适用性，基于中国气象局提供的地面降水数据集，选用6种统计指标及误差分解方法对其反演精度进行多时空尺度评估，并分析其误差组分特征。结果表明：① IMERG系列产品的统计指标整体表现较好，IMERG_Final虽改善了IMERG_Late在部分地区对降水的低估，但扩大了高估降水的范围，且校正算法对整体精度（CC、RMSE）的提高并不明显;GSMaP系列产品均高估了地面降水，GSMaP_Gauge的评估结果较纯卫星产品GSMaP_MVK均有较大提高。② IMERG系列产品对降水事件的探测能力较好，GSMaP_Gauge对降水有着高命中率（POD）的同时，误报率（FAR）最高。各产品在强降水区域均表现出较高的命中率和较低的误报率，表明卫星产品对强降水的探测能力较优。③ IMERG和GSMaP的误差成分主要来源于误报误差，且具有极为明显的季节性差异，卫星降水产品对暖季降水探测精度更高。总体上，IMERG和GSMaP在湿润区的反演精度优于其他区域，站点校正数据优于纯卫星数据，能较为准确地反映中国大陆的降水特征。

关 键 词：

卫星降水产品; 精度评估; 误差特性; IMERG; GSMaP; 中国大陆

中图法分类号： P426.6

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.05.009

降水是全球水通量循环的重要组成部分，其时空分布影响着全球大气循环、气候变化以及水文平衡等过程[1-2]，因此准确获取降水信息是理解全球水循环及能量平衡的基础和支撑，同时对各类相关科学研究具有重要意义[3]。

随着一系列高分辨率遥感卫星的出现，全球及区域降水研究有了新的数据支撑[4]。作为获取高时空分辨率地面降水信息高效且可靠的手段，遥感卫星降水既弥补了地面雨量站分布不均、难以维护的缺点，也避免了地基雷达信号易受干扰的问题，是当下最广为使用的降水资料获取方法[5-6]，其中最具代表性的降水卫星是TRMM（Tropical Rainfall Measurement Mission）和GPM（Global Precipitation Measurement）。TRMM作为开启卫星联合反演降水的热带降水观测计划，自成功发射以来就被广泛应用于气象水文等领域[7]。全球降水计划GPM是TRMM卫星降水计划的后续之作，它不仅继承了TRMM对热带、亚热带大中型降水的探测能力，还因搭载了更为先进的双频测雨雷达（Dual-frequency Precipitation Radar，DPR）和被动微波传感器 （GPM Microwave Imager，GMI），能够更为精准地对固态降水和微量降水（<0.5 mm/h）进行探测[2]。相比TRMM时代的降水产品TMPA（TRMM Merged Precipitation Analysis，TMPA）[7]，GPM时代两种主流的卫星降水产品IMERG （Integrated Multi-satellite Retrievals for GPM，IMERG）[8]和GSMaP（Global Satellite Mapping of Precipitation，IMERG）[9]具有更广的覆盖范围和更高的时空分辨率。

近年来，国内外已有众多学者对卫星降水产品进行了评估分析[10-13]，无论是在全球、区域和流域尺度上，对卫星探测降水的能力和精度都给予了肯定的态度，并通过对比分析TRMM时代与GPM时代的卫星降水产品，表明GPM时代的系列产品在各个方面较TRMM时代有显著的改进与提升，可以在水文模拟、气候变化等研究中发挥重要作用[14-18]。对于中国大陆地区，已有研究主要集中在對TRMM时代卫星降水产品进行评估与验证[19-20]，或是TRMM时代与GPM时代卫星降水产品的对比验证，缺乏针对GPM时代主流降水产品之间的对比分析，且研究数据多集中在前期版本，如唐国强[21]等结合雨量站网，在赣江流域内评估了两套TMPA降水数据的精度，证明了遥感降水数据在赣江流域具有替代地面观测降水的潜力;金晓龙[22]等分析对比了TRMM时代和GPM时代的降水产品，评估了GPM IMERG数据在天山山区的适用性，证明IMERG能够很好地估测天山地区的降水情况;李麒崙[23]等评估了TRMM 3B42和GPM IMERG卫星降水产品的反演精度，结果显示GPM降水产品在中国各大流域精度较好且优于TRMM。因此，本文选取了GPM时代最具代表性的两种卫星产品IMERG和GSMaP的最新版本数据，以中国气象局提供的逐小时数据为参考，分别从日尺度以及小时尺度对中国大陆地区的降水特性进行分析，并研究了两套卫星数据的误差成分，旨在为后续从事以GPM降水产品为基础的气候、水文等的相关研究者提供参考信息。

1 研究数据与方法

1.1 研究区概况

中国大陆地处亚欧大陆东部，太平洋西岸。领土南北跨度近50°，距海远近差距较大，地势西高东低且地形复杂，导致气温及降水情况组合多样，形成了多种多样的气候。具体来说，由于地势及地形的复杂多样，中国大陆地区降水的空间分布极为不均，年平均降水量呈现由东南沿海向西北内陆递减的趋势;同时由于对季风活动响应较强，使得中国大陆地区的降水季节性变化显著，呈现冬季降水少，夏季降水多的情况。种种因素共同作用导致中国大陆气候复杂多样，时空分布差异性明显[24-26]。按年平均降水量将中国大陆地区分为4个气候区：年平均降水量大于800 mm为湿润区;400～800 mm为半湿润区;200～400 mm为半干旱区;小于200 mm为干旱区。受东亚季风的影响，湿润区多为亚热带季风气候，降水充沛，主要包括秦岭淮河线以南的广大地区;半湿润区以温带季风气候为主，主要包括东北平原中北部、华北平原及横断山北部等地;半干旱区主要处于中纬度，包括内蒙古高原、大兴安岭南部及陕北的黄土高原等地;而干旱区地形复杂，主要包括新疆南部等[27]，气候区及气象站点分布如图1所示。

1.2 研究数据

1.2.1 卫星降水数据

本文选择了GPM时代最具代表性的两种卫星降水产品IMERG和GSMaP对中国大陆降水情况进行分析研究。

全球降水计划多卫星联合反演IMERG（Integrated Multi-Satelite Retrievals for GPM）是GPM计划推出的新一代多卫星联合反演降水产品。由于融合了星载微波、红外、降雨雷达等传感器，IMERG实现了多种数据源的优势互补。在IMERG生成系统数据处理的过程中，共会产生三大类不同的数据集以供有不同需求的科研人员自由选择，包括Early、Late、Final。Final因经过CPC站点校正，相较于Early和Late精度有较为明显的提升。每个数据集又包括两个子数据集，分别是经过月尺度气候校正的数据Cal和未经月尺度气候校正的数据Uncal[8]。全球卫星降水制图GSMaP（Global Satellite Mapping of Precipitation）是日本宇航局研发的一款卫星降水产品，作为横跨TRMM时代和GPM时代的降水数据，研究人员经过一代又一代的算法改进，目前GSMaP共有3种类型的数据集，分别是近实时产品NRT、纯卫星产品MVK以及经CPC站点校正的产品Gauge[9]。为了使两种不同的GPM降水数据形成对照，故本文选择了IMERG V06的Late、Final两个数据集中的经月尺度气候校正的数据Cal，GSMaP V07的MVK和Gauge，所使用的降水数据主要参数列于表1。

1.2.2 地面参考数据

本文选定的地面参考数据是由中国气象局提供的中国自动站与CMORPH融合的逐小时降水量0.1°网格数据集（Vision 1.0）。该数据集以全国近3万个自动气象站所得的逐小时降水量数据作为观测数据（站点密度见图1），采用概率密度匹配与最优插值将观测数据与CMORPH卫星降水数据进行融合处理[28]，生成的降水数据覆盖了整个中国大陆地区，数据质量高，具有较高的时空分辨率（0.1°×0.1°/1 h），选择此数据集作为卫星产品评估的地面参考数据极为合适[29]。

因数据融合过程中地面站点的分布具有不确定性，此数据集存在数据部分缺失的现象。为了保证使用的卫星数据均包含地面自动站的参考数据，本文只选取至少包含1个地面站点的格网进行误差的定性与定量分析。

1.3 研究方法

在评价卫星降水产品的优劣性时，本文选用了当前卫星降水研究领域常用的指标对这些降水产品进行精度与误差的综合评估[30-31]。评估指标如下：相关系数CC（correction coefficient）用于评估卫星降水数据与地面站点观测数据之间的线性相关程度，指标最优值为1;均方根误差RMSE（root mean squared error）用于表现卫星降水数据与地面站点观测数据之间的离散程度，指标最优值为0;相对偏差BIAS（relative bias）用于衡量卫星降水数据的系统偏差程度，指标最优值为0;命中率POD（probability of detection）用于表现卫星降水数据准确捕捉实际降水事件的能力，指标最优值为1;误报率FAR（false alarm ratio）用于反映卫星降水数据的降水事件误报情况，指标最优值为0;关键成功率CSI（critical success index）综合考虑卫星降水数据的命中与误报情况，反映卫星降水数据监测实际降水事件的真实能力，指标最优值为1。上述评估指标公式见表2。

此外，可使用Tian[32]建立的误差分解模型来评估卫星降水数据的误差组分。此模型将降水事件分成命中降水事件、漏报降水事件和误报降水事件。命中降水事件表示卫星与地面站点同时检测到降水事件;漏报降水事件表示卫星没有检测到降水事件但地面站点有降水的有效记录;误报降水事件表示卫星检测到了而没有被地面站点降水资料记录的降水事件。因这3种类型的降水事件相互独立，可将卫星降水数据的总误差T分解为3种误差组分：命中误差H，漏报误差M和误报误差F。3种独立的误差组分与降水总误差之间的关系可以表示为T=H-M+F。

2 结果分析

2.1 日尺度的误差特征

图2展示了地面观测和卫星数据在中国大陆的降水空间分布，由图2（e）可知，中国大陆的日降水量呈现由东南向西北逐渐减少的趋势，降水主要集中在湿润区。IMERG和GSMaP系列产品与地面观测站点的日降水量空间分布存在一定的差异，经过站点校正后的IMERG_Final和GSMaP_Gauge呈现出较好的降水空间分布，空间分布模式优于对应的纯卫星产品。在湿润区和半湿润区，4种降水产品均存在不同程度高估地面降水分布的现象，其中GSMaP_MVK高估降水最严重（见图2（c）），GSMaP_MVK在中国东部沿海和西南地区存在较大的高估降水，GSMaP_Gauge产品的校正算法有效地削弱了MVK产品高估降水的区域，空间分布改善显著，IMERG系列产品之间的降水空间分布模式较为相似，IMERG_Final在IMERG_Late的基础上整体提升了降水量级，导致部分地区存在轻微高估降水现象。

为了进一步刻画日尺度下中国大陆地区的降水情况，图3给出了4套产品在整个研究时段的时序变化。为了平滑时间序列并减少视觉干扰，采用了10 d滑动平均的方法对时间序列进行处理[33]。与日降水量空间分布类似（见图2），IMERG_Late与地面站点的时序变化最为接近，IMERG_Final和GSMaP_Gauge的时间序列变化趋势较为一致，两者与IMERG_Late的变化趋势也有一定的重合度。同空间分布一样，GSMaP_MVK在时间序列上的整体表现依旧最差，几乎在整个研究时段内高估降水，并且在某些月份（如1，3，4月等）严重高估降水。对比纯卫星产品和站点校正产品，IMERG_Final的地面校正算法从整体上抬升了中国大陆地区的降水量，呼应于图2空间分布中IMERG_Final加重IMERG_Late在湿润区对降水高估的情况。而同图2一样，GSMaP_Gauge的站点校正算法对GSMaP_MVK高估降水的改善极为明显，使得GSMaP_Gauge时间序列的走势与地面观测数据更为贴合。从季节上看，夏秋季节4套卫星产品降水量的走势与地面站点实测降水數据较为接近，但冬春季节变化较大，GSMaP_MVK的波动尤为明显。

由此可见，日尺度IMERG和GSMaP系列降水产品在中国大陆存在一定的精度差异，校正产品的时空反演精度明显优于纯卫星产品，其中GSMaP_MVK呈现出最差的时空分布特征，主要表现为对降水量的高估，而 GSMaP_Gauge的站点校正算法极大改善了这一现象，IMERG（Late、Final）产品的时空特征呈现出一定的相似性，且与地面观测较为吻合。

2.2 小时尺度的误差特征

日尺度降水产品能够一定程度反映区域降水变化特征，但时间分辨率仍然无法满足对短历时强降水过程的监测需求，因此探究小时尺度卫星降水产品的精度具有更重要的应用价值。图4及图5展示了小时尺度下卫星降水产品误差统计指标的空间分布情况，表3给出了4个气候区各卫星降水产品的误差评估指标。

图4（a）～（d）显示：IMERG系列产品CC的空间分布较为相似，并且优于GSMaP系列产品。与IMERG_Late相比，IMERG_Final与地面观测数据的相关性没有得到明显的提升，表明GPCC的站点校正没有有效提升纯卫星数据IMERG_Late的线性特征。GSMaP_Gauge相较于IMERG两套产品，在湿润区南部以及半湿润区中部相关系数明显偏低，GSMaP_MVK偏低的情况更为严重，4个气候区的CC值均在0.4以下（见表3），表明GSMaP_MVK对地面降水数据的重现度低，卫星数据质量较差。对比GSMaP_Gauge和GSMaP_MVK可以看出：CPC站点的引入有效地提高了卫星数据与地面观测数据的相关性，减少了降水估计的发散性。

相对偏差BIAS可以反映出卫星降水产品高估（BIAS>0）和低估（BIAS<0）降水的情况，如图4（c）～（d）所示。由图可知：IMERG 和GSMaP系列产品在中国大陆大部分地区总体上都存在不同程度的高估现象，而两套经站点校正的降水产品明显优于两套纯卫星产品。纵向比较，对比两套纯卫星产品，IMERG_Late总体表现优于GSMaP_MVK。IMERG_Late在湿润区中部大部分地区存在高估降水的情况，但在同一地区GSMaP_MVK却低估了降水，两套产品均在湿润区南部低估降水，表明纯卫星产品对于中高雨强的降水有低估的趋势。GSMaP_MVK在湿润区北部、东南沿海地区以及半湿润地区严重高估降水，尤其在半湿润区，BIAS高达79.7%，是其他3套产品在此气候区的两倍多（见表3）。对比两套经站点校正的产品，IMERG_Final的总体表现略优于GSMaP_Gauge，两者均在半湿润区中部和东北部以及湿润区中东部部分地区处于高估降水的状态，且GSMaP_Gauge高估的情况较IMERG_Final略为严重。横向比较，对比IMERG两套产品，IMERG_Final一定程度上改善了IMERG_Late在湿润区西南部及东部低估降水的情况，但扩大了湿润区高估降水的范围;对比GSMaP两套产品，GSMaP_MVK经过CPC站点校正后，湿润区南部低估降水以及半湿润区高估降水的情况均被明显修正，使GSMaP_Gauge呈现出与IMERG_Final相似的空间分布特征。

据图4（i～l）给出的均方根误差（RMSE）分布可以发现：IMERG系列产品和GSMaP_Gauge的空间分布呈现出一定的相似性，GSMaP_Gauge的表现相对更优。从图4（i），（j），（l）中可以明显看出相似的3套产品的RMSE均有从东南向西北递减的趋势，这与降水量的变化规律相吻合，说明RMSE的值会伴随降水量的下降而逐渐减小。与这3套产品相比，GSMaP_MVK的整体表现最差，在各个气候区均方根误差均大于2.4 mm（见表3），且空间分布也表现出极大的不同，如在3套产品的RMSE值均较小的半湿润区中部，GSMaP_MVK反而很大。对比纯卫星产品和经站点校正的产品，IMERG_Final对IMERG_Late的改善并不明显，但在东部沿海地区有一定的校正效果;而GSMaP_Gauge对GSMaP_MVK的校正极为明显，显著降低了纯卫星产品在湿润区及半湿润区的RMSE，结合表3，站点校正算法在湿润区使RMSE从4.03 mm降为2.97 mm，在半湿润区使RMSE从4.93 mm降为2.09 mm。

为了进一步对比IMERG和 GSMaP产品对降水事件的探测精度，图5展示了0.2mm/h降水阈值下4套产品的命中率（POD）、误报率（FAR）和关键成功指数（CSI）空间分布。总体上看，4套卫星数据都表现出以下特征：在中国大陆的东部及东北部地区具有较高的命中率，在中部地区具有较高的误报率，在沿海地区具有较高的关键成功指数。IMERG两套产品的POD、FAR以及CSI的空间分布都极为相似，表明经站点校正后，IMERG_Final对降水事件探测能力的提高并不明显。而对比GSMaP两套产品，GSMaP_MVK与GSMaP_Gauge的POD和FAR的空间分布特征大为不同，且与IMERG系列产品的相似程度也不高。GSMaP_MVK的POD仅在半湿润区东部部分地区表现良好，湿润区大部分地区的POD大都在0.55以下。反观GSMaP_Gauge，其在湿润区和半湿润区的POD均大于0.55，在4套卫星降水产品中表现最优。但有着高命中率的同时，GSMaP_Gauge的误报率也是4套产品中最高的。然而，在命中率方面表现不佳的GSMaP_MVK却在误报率方面表现最优，尤其在湿润区，其误报率大都在0.55以下，这说明高命中率一般会伴随着高误报率同时出现。4套卫星产品CSI的空间分布特征具有一定的相似度，GSMaP_MVK在湿润区较其他3套产品CSI值稍稍偏低，并且4套产品在强降水区域均表现出较高的命中率和较低的误报率，说明卫星降水产品对强降水有较优的探测能力。

2.3 卫星数据的误差成分分析

为进一步探究卫星降水产品总体误差的成分，将总误差分解为3个部分，分别为命中偏差（Hit bias）、漏报偏差（Miss bias）和误报偏差（False bias），各個误差成分的空间分布如图6所示。

由图6可知：IMERG系列产品的总误差和各误差成分的空间分布特征具有明显相似性。相较于其他两种误差成分，误报偏差在总偏差中所占的比重较大，处于主导地位，左右着总误差的空间分布。IMERG在半湿润区和湿润区中部及北部高估降水的情况主要由误报偏差引起，对比两套产品，IMERG_Final一定程度上改善了IMERG_Late在湿润区西南部对降水的低估;而在此区域，两套数据的命中偏差及漏报偏差并无太大变化，这主要是IMERG_Final从整体上提升了湿润区误报降水的情况所导致。GSMaP两套产品的总误差和各误差成分的空间分布呈现出一定的差异性。与IMERG系列产品类似，误报偏差在这3种误差成分中占较大的比重，但漏报偏差和命中偏差也不容忽视。GSMaP_MVK在半湿润区严重高估降水主要是由误报偏差引起的，命中偏差也有部分贡献，但其在湿润区南部低估降水主要由于漏报偏差导致。而GSMaP_Gauge的总误差之所以能够与IMERG系列产品具有一定的相似度，是由3种误差成分共同作用形成的。GSMaP_Gauge的误报偏差在湿润区和半湿润区都很高，但其命中偏差整体上小于0，漏报偏差的分布相对均匀，值的跨度较小，三者相互抵消使得GSMaP_Gauge总误差的表现优于GSMaP_MVK。对比两套产品，可以发现站点校正算法“平滑”了纯卫星产品3种误差的空间分布，MVK在半湿润区较高的命中偏差被很好地修正了，且站点校正算法补偿了漏测事件中的漏测降水。值得注意的是，对于误报偏差，站点校正算法虽然降低了半湿润区的误差，但抬升了整个湿润区的误报偏差值，这与湿润区IMERG_Final误报偏差的情况类似。

在空间分析的基础上，进一步给出了4套卫星降水产品的误差成分在整个研究时段的时序变化，并采用10 d滑动平均处理[33]，如图7所示。总体上看，4套卫星降水产品的总误差及其误差成分的时序变化趋势较为相似，且存在极为明显的季节性差异，尤其在夏季与冬季，这种差异体现的更为显著。相较于夏季，冬季的总误差和各误差成分的变化幅度更大，而夏季误差成分的时间序列表现的极为平缓，说明卫星传感器对暖季降水的响应度更高。

IMERG系列产品的时序变化相似度很高，两套产品在冬季的时序变化基本相同，夏季IMERG_Final的变化趋势较IMERG_Late稍平缓些。两者总误差的变化趋势与其误报偏差基本相同，命中偏差与漏报偏差几乎处于相互抵消的状态，决定了误报偏差在3种误差成分的绝对主导地位，说明IMERG系列产品的总误差主要是由误报偏差引起的。GSMaP两套产品的时序变化表现出极大的不同，GSMaP_MVK总误差及其误差成分的时间序列变化十分剧烈，在其他3套产品误差变化异常平缓的夏季也存在轻微的波动。相较之下，GSMaP_Gauge误差的时序变化相对平稳，总体趋势与IMERG系列产品类似。对比两套产品，可以明显看出GSMaP_Gauge校正了GSMaP_MVK的命中偏差和误报偏差，但同IMERG一样，误报偏差依然在GSMaP两套产品中对总误差起着决定性作用。以上结果与空间分析结果较为吻合，表明卫星反演算法对误报偏差的改进还需进一步的完善。

3 结 论

本文采用6种评价卫星降水数据的统计指标，结合误差分解的方法，基于中国气象局提供的逐小时地面站点融合数据，评估了GPM时代主流的两套卫星降水产品的最新版本在中国大陆地区的降水反演精度以及误差组分特征，结论如下。

（1） 总体上，参考地面实测站点数据，IMERG和GSMaP两套产品都能较好地反映中国大陆地区的降水情况;站点校正的产品与纯卫星产品相比，站点校正后的降水数据优于纯卫星数据，特别是GSMaP的两个数据集，地面参考数据对降水的改善尤为明显;受地形、气候、地面自动站密度等影响，相较于西部，东部地区由于地势较平坦且易布设地面站点，因此卫星降水产品的反演精度较高。

（2） 日尺度IMERG和GSMaP系列产品在中国大陆存在一定的精度差异，校正产品的时空反演精度明显优于纯卫星产品，其中GSMaP_MVK呈现出最差的时空分布特征，主要表现为对降水量的高估，而 GSMaP_Gauge的站点校正算法极大改善了这一现象，IMERG（Late、Final）产品的时空特征呈现出一定的相似性，且与地面观测较为吻合。

（3） 小时尺度卫星降水的评估指标显示IMERG系列产品的各项统计指标都处于良好的状态，且对降水事件的探测能力也较好，其中IMERG_Final是综合表现最优的降水产品;GSMaP系列产品中GSMaP_MVK的各项评估指标在4套降水产品中均表现最差，尤其在半湿润区，对地面数据的重现度低且严重高估降水，而GSMaP_Gauge的各项评估指标均有不俗的表现，体现了GSMaP地面站点校正算法的有效性。但在对降水数据的探测能力方面，GSMaP_Gauge对降水有着高命中率（POD）的同时，也存在较多的误报降水。4套产品在强降水区域均表现出较高的命中率和较低的误报率，说明卫星降水产品对强降水有较优的探测能力。

（4） 純卫星产品对中高雨强的降水有低估的趋势，具体表现为两套纯卫星产品在湿润区南部低估了降水，而两套站点校正产品从整体上抬升了湿润区的降水量级，虽然改善了此地区的低估趋势，却使得湿润区整体的降水量处于被高估的状态。

（5） IMERG和GSMaP的误差成分主要来源于误报误差，特别是GSMaP系列产品，在湿润区和半湿润区北部呈现出较大的误报偏差，其次是漏报偏差。此外，卫星降水的误差成分存在极为明显的季节性差异，春冬两季表现出较大的总误差和误报误差，表明卫星产品对暖季降水探测精度更高。

参考文献：

[1] BLACUTT L A，HERDIES D L，DE GONCALVES L G G，et al.Precipitation comparison for the CFSR，MERRA，TRMM3B42 and Combined Scheme datasets in Bolivia[J].Atmospheric Research，2015，163（9）：117-131.

[2] HOU A Y，KAKAR R K，NEECK S，et al.The global precipitation measurement mission [J].Bulletin of the American Meteorological Society，2013，95（5）：701-722.

[3] 劉元波，傅巧妮，宋平，等.卫星遥感反演降水研究综述[J].地球科学进展，2011，26（11）：1162-1172.

[4] 郭瑞芳，刘元波.多传感器联合反演高分辨率降水方法综述[J].地球科学进展，2015，30 （8）：891903.

[5] 唐国强，万玮，曾子悦，等.全球降水测量（GPM）计划及其最新进展综述[J].遥感技术与应用，2015（4）：3-11.

[6] HUFFMAN G J，ADLER R F，MORRISSEY M M，et al.Global precipitation at one-degree daily resolution from multi-satellite observations[J].Journal of Hydrometeorology，2000，2（1）：36-50.

[7] HUFFMAN G J，BOLVIN D T，NELKIN E J，et al.The TRMM Multisatellite Precipitation Analysis （TMPA）：Quasi-Global，Multiyear，Combined-Sensor Precipitation Estimates at Fine Scales[J].Journal of Hydrometeorology，2007，8（1）：38-55.

[8] HUFFMAN G J，BOLVIN D T，BRAITHWAITE D，et al.Developing the integrated multi-satellite retrievals for GPM （IMERG）[J].Acta Paulista de Enfermagem，2012，25（1）：146-150.

[9] SHIGE S，YAMAMOTO T，TSUKIYAMA T，et al.The GSMaP precipitation retrieval algorithm for microwave sounders—Part I：Over-Ocean Algorithm[J].IEEE Transactions on Geoscience & Remote Sensing，2009，47（9）：3084-3097.

[10] YONG B，LIU D，GOURLEY J J，et al.Global view of real-time trmm multisatellite precipitation analysis：implications for Its successor global precipitation measurement mission[J].Bulletin of the American Meteorological Society，2015，96（1）：140730113306003.

[11] TAN M，DUAN Z.Assessment of GPM and TRMM precipitation products over Singapore[J].Remote Sensing，2017，9（7）：720.

[12] SHARIFI E，STEINACKER R，SAGHAFIAN B.Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran：Preliminary results[J].Remote Sensing，2016，8（2）：135.

[13] 江善虎，任立良，雍斌，等. TRMM 卫星降水数据在洣水流域径流模拟中的应用[J]. 水科学进展，2014，25（5）：641-649.

[14] TIAN Y D，PETERS-LIDARD C D，ADLER R F，et al.Evaluation of GSMaP precipitation estimates over the contiguous United States[J].Journal of Hydrometeorology，2010，11（2）：566-574.

[15] OMRANIAN E，SHARIF H O.Evaluation of the Global Precipitation Measurement （GPM）satellite rainfall products over the lower Colorado River Basin，Texas[J].Jawra Journal of the American Water Resources Association.2018（D2）：882-898.

[16] LIU Z.Comparison of Integrated Multisatellite Retrievals for GPM （IMERG）and TRMM Multisatellite Precipitation Analysis （TMPA）monthly precipitation products：Initial Results[J].Journal of Hydrometeorology，2015，17（3）：151216150524009.

[17] TANG G Q，MA Y Z，LONG D，et al.Evaluation of GPM Day- 1 IMERG and TMPA Version- 7 legacy products over Mainland China at multiple spatiotemporal scales[J].Journal of Hydrology，2016（533）：152-167.

[18] 胡庆芳，杨大文，王银堂，等.赣江流域TRMM降水数据的误差特征与成因[J].水科学进展，2013，24（6）：794-800.

[19] YONG B，CHEN B，TIAN Y，et al.Error-component analysis of TRMM-based multi-satellite precipitation estimates over Mainland China[J].Remote Sensing，2016，8（5）：440.

[20] 任英杰，雍斌，鹿德凱，等.全球降水计划多卫星降水联合反演IMERG卫星降水产品在中国大陆地区的多尺度精度评估[J].湖泊科学，2019，31（2）：560-572.

[21] 唐国强，李哲，薛显武，等.赣江流域TRMM遥感降水对地面站点观测的可替代性[J].水科学进展，2015，26（3）：340-346.

[22] 金晓龙，邵华，张弛，等.GPM卫星降水数据在天山山区的适用性分析[J].自然资源学报，2016，31（12）：2074-2085.

[23] 李麒崙，张万昌，易路，等.GPM与TRMM降水数据在中国大陆的精度评估与对比[J].水科学进展，2018，29（3）：303-313.

[24] 许凤林，郭斌，叶贝，等.GPM IMERG卫星降水产品在黄淮海平原的适用性研究[J].南水北调与水利科技，2019（4）：79-86.

[25] 吴一凡，张增信，金秋，等.GPM卫星降水产品在长江流域应用的精度估算[J].人民长江，2019，50（9）：77-85，152.

[26] ZHANG Z，CHEN X，XU C Y，et al. Evaluating the non-stationary relationship between precipitation and streamflow in nine major basins of China during the past 50 years[J]. Journal of Hydrology，2011，409（1）：81-93.

[27] CHEN H Q，YONG B，SHEN Y，et al.Comparison analysis of six purely satellite-derived global precipitation estimates[J].Journal of Hydrology，2019（11）：581.

[28] 沈艳，冯明农，张洪政，等.我国逐日降水量格点化方法[J].应用气象学报，2010，21（3）：279-286.

[29] 沈艳，潘旸，宇婧婧，等.中国区域小时降水量融合产品的质量评估[J].大气科学学报，2013，36（1）：37-46.

[30] YONG B，CHEN B，GOURLEY J J，et al.Intercomparison of the Version-6 and Version-7 TMPA precipitation products over high and low latitudes basins with independent gauge networks：is the newer version better in both real-time and post-real-time analysis for water resources and hydrologic extr[J]. Journal of Hydrology，2014，508（2）：77-87.

[31] YONG B，REN L L，HONG Y，et al.Hydrologic evaluation of multisatellite precipitation analysis standard precipitation products in basins beyond its inclined latitude band：a case study in Laohahe basin，China[J].Water Resources Research，2010，46（7）：W07542.

[32] TIAN Y D，PETERS-LIDARD C D，EYLANDER J B，et al.Component analysis of errors in satellite-based precipitation estimates[J].Journal of Geophysical Research.Atmospheres，2009，114（24）：D24101.

[33] EBERT E E，JANOWIAK J E，KIDD C.Comparison of near-real-time precipitation estimates from satellite observations[J].Bulletin of the American Meteorological Society，2007，88（1）：1-19.

（编辑：江 文）