卫星降水产品在川渝地区的精度验证和误差分解

李新换 孙阳

摘要：为了分析GSMaP和IMERG卫星降水产品在川渝地区的降水精度和误差成分，以气象局发布的自动气象站融合降水数据作为降水参考，采用多种评价指标和误差分解方法对GSMaP和IMERG进行对比分析，并进一步讨论了高程对卫星降水误差的影响程度。结果表明：① 川渝地区的降水存在明显的时空差异，四川盆地周边、重庆地区和川西南山地的降水偏多，IMREG产品呈现出更好的降水空间分布。② 降水产品在四川盆地和重庆地区的降水精度最高，川西南山地次之，川西北高原最差。GSMaP在川西北高原高估了近56.5%的降水量，而IMERG低估37.8%，且偏差程度随着高程的增加而增大。IMERG在四川盆地和重庆地区精度较好（R=0.68，RMSE=7.57 mm），GSMaP精度较差（R=0.53，RMSE=9.30 mm）。③ IMERG和GSMaP的降水误差主要来源于对降水量级估算的偏差，此外，GSMaP还存在较大的误报偏差，且GSMaP的误报偏差和命中偏差随着高程的增加而增大。总体上，IMERG在川渝地区具有更优的降水反演精度，地形和高程对两种卫星降水产品的精度影响较大，特别是在盆地和高海拔山区的降水精度仍有待进一步提高。

关 键 词：卫星降水; GSMaP; IMERG; 高程; 误差成分分解; 川渝地区

中图法分类号： P412.27   文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2022.01.015

0 引 言

降水是水文模拟和气象预报的关键，区别于蒸散发、水汽等水循环要素，降水具有较强的时空变异性，气象雷达和雨量计观测虽然精准，但无法达到大尺度区域降水观测[1]。星载传感器实时全天候对地观测的特点恰好补足了常规测雨技术的不足，利用卫星遥感反演地面降水已经成为降水监测研究的热点。

21世纪以来，各国均在大力发展气象卫星来观测地面降水，美国NASA（National Aeronautics and Space Administration）先后发射了TRMM（Tropical Rainfall Measuring Mission）和GPM（Global Precipitation Measurement）卫星[2]。GPM计划是继TRMM之后NASA和日本航空局JAXA（Japan Aerospace Exploration Agency）共同发展的新一代全球降水观测任务，GPM充分借鉴了TRMM卫星的经验，搭载了更为先进的双频段测雨雷达和微波传感器，经过不断改善和反演算法，产品的时空分辨率进一步提升[3]。IMERG（The Integrated Multi-satelliE Retrievals for GPM）是NASA在GPM计划中发布的3级产品，最高时空分辨率可达到0.5 h/0.1°，JAXA利用GPM观测平台的卫星传感器数据研发了GSMaP（Global Satellite Mapping of Precipitation）全球降水数据集，最高分辨率达到1 h/0.1°。GSMaP和IMERG均为GPM计划衍生的新一代高时空分辨率全球降水数据集，具有较广的应用和研究前景。

目前，GPM降水产品在各个地区已有大量的精度分析和应用。Tian[4]、Deng[5]、杨震宇[6]等分别在美国大陆、印度、汉江流域、长江流域分析了GSMaP数据的精度，发现GSMaP均可应用于该地区的降水时空分析。Aslami[7]、Zhou[8]等在伊朗和中国大陆对比了GSMaP和IMERG的降水精度差异，发现IMERG估算的降水量值相对更接近于气象站记录，可以在缺少气象站的研究地区替代观测站。此外，还有学者在青藏高原[9-10]、黑河流域[11]、黄河流域[12]等地区对GPM卫星降水产品进行了多尺度的区域评价和应用，均表明IMERG和GSMaP相对于TRMM卫星降水产品具有较高的降水精度和水文效用。

川渝地区的地形和地质构造复杂，其西部位于青藏高原和龙门山地震区，降雨极易引发洪涝和泥石流等灾害，卫星降水数据能够给川渝地区降水监测提供极大的便利。成璐[13]、闫燕[14]、嵇涛[15]等在川渝的各个地区对TRMM降水的精度进行了分析，发现TRMM的精度存在明显的季节差异和东西区域差异。吴建峰[16]、臧文斌[17]等在干旱監测研究中应用了TRMM降水，发现TRMM在反映川渝局部典型地区干旱特征时分辨率仍显粗糙。曾岁康[18]、Tang[19]等率先在四川省开展GPM数据精度验证，得到了较好的研究结果。截至目前，卫星降水在川渝地区的研究大多停留在对TRMM阶段，而对GPM数据的研究和应用相对较少。

基于此，本文选择川渝地区来分析IMERG和GSMaP卫星降水数据的精度及误差组分特征，并进一步讨论卫星数据的误差与高程的关系，以揭示GSMaP和IMERG降水产品在川渝不同地形区和高程上的误差差异，为GPM在川渝地区的水文气象研究提供参考。

1 研究数据和方法

1.1 研究区

川渝地区包括中国四川省和重庆市，地处中国西南腹地，总面积达到57万km2，北接秦岭，南邻云贵高原，西部位于青藏高原东南边缘，地势西高东低，地形复杂多样，高原山地地形居多，约占50%，丘陵次之，平原仅占3%左右。受盆地地形和季风影响，该地区的气候类型复杂多样，降水集中在夏季，水热同期，且降水的时空差异明显。为了分析卫星降水产品误差的时空和高程差异，本文将川渝地区划分为3个子研究区：① 四川盆地和重庆地区，② 川西南山地，③ 川西北高原，如图1所示。

1.2 降水数据

本文分析的卫星降水产品包括GSMaP和IMERG，产品的主要特征参数如表1所列。GSMaP由日本的降水测量团队（JAXA-PMM）专项研发，共发布了3个系列的全球降水产品（GSMaP_NRT，GSMaP_MVK，GSMaP_Gauge）。GSMaP_NRT属于近实时卫星降水估算，实效性最高，但融合数据源少，仅采用了前向云移动矢量算法反映降水率;在NRT的基础上利用卡尔曼滤波和双向云移动矢量传播等算法改进了红外雨量估测方法得到GSMaP_MVK产品;而GSMaP_Gauge是经过地面站点数据校正后的版本，滞后时间较长[20]。因此，本文采用了融合数据源较多的纯卫星产品GSMaP_MVK（以后简称GSMaP）进行分析，数据可通过网站（https：∥sharaku.eorc.jaxa.jp/）获取。

IMERG是美国NASA发布的新一代多源卫星融合反演降水数据，共发布了Early、Late和Final 3个版本。Early产品的时效性高，但融合数据源较少，Late产品在Early的基础上引进了更多的传感器数据源，并且采用了气候校正算法，而Final采用了GPCC地面站数据进行了校正[21]。本文同时考虑了时效性和融合传感器数据源问题，使用的IMERG纯卫星版本的IMERG-Late产品（以后简称：IMERG），时间分辨率为1 d，空间分辨率为0.1°×0.1°，数据可在NASA网站（https：∥storm-pps.gsfc.nasa.gov/storm/）获取。

本文采用中国自动站与CMORPH融合的逐时降水量网格数据集（以后简称：CMA）作为地面参考降水，数据可在中国气象数据网站获取（http：∥data.cma.cn/）。CMA采用概率密度匹配和最优插值算法融合了CMORPH卫星和自动气象站观测数据，形成的覆盖中国区域的网格降水产品（15°～59°N，70°～140°E），时空分辨率为1 h、0.1°×0.1°[22]，其中自动气象站在川渝地区的分布密度如图1（b）所示。气象局发布的产品质量报告显示，CMA在中国区域的降水量值和分布合理，总体误差低于10%，在中国西部地区的误差可控制在20%以内，能够准确抓住典型区域的强降水过程。众多学者在中国大陆[23]、青藏高原[24]、四川[18]等地的应用表明CMA可以较好地反映出复杂地形下的短历时强降雨特征，是目前中国范围精度最优的网格化地面降水。

GPM核心卫星传感器于2014年3月发射，由于CMA在2017年之后存在较多的小时尺度缺测，为了保证地面参考数据的连续性和准确性，本文选择了2014年3月至2016年12月作为降水的研究时段。此外，卫星数据的时间分辨率为日尺度，因此本文将CMA数据由小时尺度累计到日尺度，由于卫星数据和CMA数据的空间分辨率均为0.1°，因此本文以CMA数据的网格范围为基准（15°～59°N，70°～140°E），将全球范围的卫星数据统一裁剪到CMA数据范围，最后利用川渝地区的矢量边界进行掩模处理。

1.3 分析方法

2 结果分析

2.1 降水时空特征

图2给出了卫星和CMA数据反映的川渝地区降水时空分布特征。由图2（a）可以看出：川渝地区的降水空间差异异常明显，总体呈现东部和南部多、川西北高原少的趋势，日平均降水量普遍在5 mm以下，降水较为充沛的地区为川西南山地、四川盆地以东和重庆地区等地，川西北高原的西部和北部以及四川盆地中部降水偏少，日平均降水量在2.3 mm以下。川西北高原多高海拔山地，而四川盆地中心由于四周高原和山地地形阻挡，使得水汽难以汇聚并形成降雨，降雨反而多集中发生在盆地的周边地区。从GSMaP和IMERG的降水空间分布来看，IMERG更为准确地反映了川渝地区的降水分布，但仍存在对局部强降水特征反映不明显的现象;GSMaP整体高估了川渝地区的降水水平，其呈现的强降水区发生在川西北高原区域，存在极大的空间误差，算法有待改善。从图2（b）降水时间序列曲线可以发现：川渝地区降水呈现明显的夏多冬少现象，在夏季存在一个降水明显下降的月份，整体上两种卫星产品均反映了川渝地区的月尺度降水特征，GSMaP整体上偏高，IMERG與CMA降水曲线拟合最好。

2.2 总体误差特征

图3展示了GSMaP和IMERG产品的误差统计指数空间分布，并按照不同地形区统计了各个指标的表现情况（见表2）。由图3和表2分析可知：整体上，卫星数据与CMA在川渝地区表现出较好的相关性，GSMaP在四川盆地（除重庆地区外）和川西北高原北部边缘的相关系数最低，在四川盆地的相关系数仅为0.53，在川西南山地最佳（R=0.67）。IMERG的相关系数空间分布整体高于GSMaP，在四川盆地和重庆地区达到0.68，川西南山地次之，川西高原最低（R=0.59）。由图3（c）的相对偏差分布可以看出，GSMaP对川渝大部分地区的降水呈现整体高估现象，特别是川西高原地区相对偏差达到56.5%，仅在四川盆地南部和重庆地区存在局部低估降水（RB<0）。反之，IMERG的相对偏差空间差异异常明显，IMERG在四川盆地表现出一定的高估降水特征，特别是在重庆地区和靠近成都平原等地区（RB=6.1%），在川西南山地和川西北高原的相对偏差分别为-8.2%，-37.8%，可见IMERG对地形越复杂的山区降水表现出较为严重的低估现象。从均方根误差的分布可知，GSMaP在四川盆地大部分地区表现出较大的均方根误差（RMSE>10 mm），在重庆地区表现最好。此外，川西高原的中部和川西南山地也存在局部的RMSE指数偏高区域。整体上，IMERG的RMSE较小，特别是在川西北高原地区（RMSE=4.98 mm），其主要原因是川西高原地区的降水量整体偏少所导致。

为了分析卫星产品误差与高程之间的关系，进一步计算了GSMaP和IMERG在川渝地区不同高程上的误差分布（见图4）。由图4（a）可知，随着海拔的上升IMERG的相关系数呈现下降趋势，低海拔地区相关系数较高，海拔2 000 m以下地区相关系数曲线趋于平稳（R>0.65），海拔3 000 m以上地区相关系数急剧下降。GSMaP在中海拔地区的相关系数最高（2 000～3 000 m），高海拔和低海拔地区相关系数偏低。如图4（b）所示，随着海拔的上升，GSMaP与IMERG表现出两种完全相反的变化趋势：GSMaP的相对偏差曲线显著上升，在海拔3 500 m以上地区相对偏差达到80%，存在明显高估高海拔山区降水的现象;而IMERG则表现为海拔越高，相对偏差越低，在海拔1 000 m以上就存在不同程度的低估降水量现象。图4（c）可知，GSMaP较IMERG表现出更大的均方根误差，随着海拔的上升，均方根误差呈现下降趋势，海拔4 000～5 000 m的均方根误差最低，海拔5 000 m以上突增。其原因可能是海拔5 000 m以上的地区属于常年积雪的雪山和冰川，下垫面复杂，降水极少，固态降雨、冰川和积雪等容易对卫星传感器信号造成干扰。在海拔4 000 m以下地区，随着海拔上升，川渝地区的降雨逐渐下降，均方根误差也在逐渐下降。

整体上，IMERG比GSMaP表现出较低的误差指数，特别是在四川盆地和重庆地区，GSMaP在盆地中部呈现出较低的相关系数和极大的均方根误差。卫星产品在川西南山地和川西北高原均存在不同程度的降水估算偏差，IMERG低估山地地形降水，反之GSMaP则高估，并且海拔越高，偏差越严重。

2.3 误差成分分解分析

图5展示了GSMaP和IMERG产品在川渝地区的总平均误差（ME）和各个误差组分空间分布。对比可知，GSMaP的ME较大，在高原山地地形的ME误差最大，川西北高原的ME误差均在2 mm以上。IMERG在川西北高原总体表现为负向ME误差，而在四川盆地和重庆地区则为正向ME误差。GSMaP的总平均误差主要来源于误报偏差False和命中偏差Hit，漏测偏差Miss较小，GSMaP在川西北高原以及盆地中部呈现出了较大的误报偏差，表明GSMaP对这些区域的降水事件存在较多的错误预测。相比之下，IMERG在川渝地区的误报偏差较小，命中误差对总误差的贡献最大，川西北高原地区的负向ME主要来源于对命中降水的低估，表明IMERG虽然可以较好地探测到发生的降水事件，但是对于降水量级的探测准确性仍有很大的改善空间。值得注意的是，在盆地和高原山地的接壤地区，IMERG呈现出较大的ME误差，且这种ME主要来源于漏测误差，其原因可能是这一地区地形起伏较大，海拔急剧上升，地形复杂度较高，卫星传感器难以准确探测到过渡地形区的降水事件。

图6为卫星产品的总误差及其组分随高程变化的分布曲线图。由图6可知：GSMaP的ME均大于0，并且随着海拔的上升，ME值越大，其命中偏差和误报偏差也呈现相同的上升趋势，漏测偏差则趋于稳定，表明GSMaP在川渝地区的漏测降水与海拔和地形没有较大的关系，海拔的升高和地形的愈加复杂导致了更多的错估降水事件和对降水量级的探测差异。由图6（b）可知，IMERG产品的误报降水总平均误差和漏测降水总平均误差随高程变化不大，总误差ME在1 000 m以上地区均小于0，并且随着海拔上升，总误差ME和命中降水总平均误差减小，可见，IMERG的总误差ME主要来源于对命中降水事件的降水量级探测误差，并且这种偏差主要是低估降水量级。

由此可见，卫星产品在川渝地区的降水误差主要来源于对降水量级的探测偏差，GSMaP呈现出对川渝地区降水量级的高估，而IMERG则是低估降水量级。GSMaP存在较大的误报降水现象。

3 结 论

本文讨论了GSMaP和IMERG降水产品在川渝地区的精度和误差成分特征，重点分析了卫星产品在不同高程带上的误差组分特征，得到如下结论：

（1） 川渝地區的降水存在显著的时空差异，降水集中在四川盆地周边、川西南山地和重庆地区。IMREG能够较准确地探测川渝地区的降水时空分布，GSMaP在时空上均高估了川渝地区的降水。

（2） 卫星产品在四川盆地和重庆地区的精度明显高于高原山地地形区。IMERG较GSMaP的降水反演误差较小，GSMaP在盆地中部和川西北高原的精度较差，在川西北高原高估了56.5%的降水量，IMERG低估了37.8%的降水量。卫星产品对中海拔地区的降水精度最佳，随着海拔的上升，GSMaP和IMERG的降水偏差均在不同程度增大，IMERG呈现为负向偏差，GSMaP为正向偏差。

（3） 卫星产品降水误差主要来源于对降水量级的探测偏差，其次是误报降水偏差，GSMaP存在较严重的误报降水，GSMaP的误报偏差和命中偏差随着海拔的上升而增加，IMERG的误报偏差和漏测偏差与高程无明显依赖关系。

总体上，IMERG的降水反演精度最好，其误报和漏测降水事件较少，能够更好地应用于川渝地区的水文气象研究，但地形和海拔对卫星降水产品的精度影响较大，特别是在独特的盆地地形和高海拔山区的反演精度仍有待进一步提高。

参考文献：

[1] 刘元波，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.

[2] KIDD C，TAKAYABU Y N，SKOFRONICK-JACKSON G M，et al.The Global Precipitation Measurement（GPM）Mission[M].Washington：NASA，2020.

[3] 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）：607-615.

[4] TIAN Y，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.

[5] DENG P，ZHANG M，BING J，et al.Evaluation of the GSMaP_Gauge products using rain gauge observations and SWAT model in the Upper Hanjiang River Basin[J].Atmospheric Research，2019，219：153-165.

[6] 杨震宇，宁少尉，金菊良.最新GSMap-gauged与GPM-IMERG卫星降水产品性能评估及其在长江流域中的应用[J].水电能源科学，2018，36（11）：5-8.

[7] ASLAMI F，GHORBANI A，SOBHANI B，et al.Comprehensive comparison of daily IMERG and GSMaP satellite precipitation products in Ardabil Province，Iran[J].International Journal of Remote Sensing，2018，40（8）：3139-3153.

[8] ZHOU Z，GUO B，XING W，et al.Comprehensive evaluation of latest GPM era IMERG and GSMaP precipitation products over mainland China[J].Atmospheric Research，2020，246：105132.

[9] WANG X，DING Y，ZHAO C，et al.Similarities and improvements of GPM IMERG upon TRMM 3B42 precipitation product under complex topographic and climatic conditions over Hexi region，Northeastern Tibetan Plateau[J].Atmospheric Research，2019，218：347-363.

[10] 余坤倫，张寅生，马宁，等.GPM和TRMM遥感降水产品在青藏高原中部的适用性评估[J].干旱区研究，2018，35（6）：1373-1381.

[11] 王思梦，王大钊，黄昌.GPM卫星降水数据在黑河流域的适用性评价[J].自然资源学报，2018，33（10）：1847-1860.

[12] 李媛媛，宁少尉，丁伟，等.最新GPM降水数据在黄河流域的精度评估[J].国土资源遥感，2019，31（1）：164-170.

[13] 成璐，沈润平，师春香，等.CMORPH和TRMM 3B42降水估计产品的评估检验[J].气象，2014（11）：1372-1379.

[14] 闫燕，刘罡，何军，等.重庆地区卫星及再分析降水资料评估[J].高原气象，2020，39（3）：594-608.

[15] 嵇涛，杨华，刘睿，等.TRMM卫星降水数据在川渝地区的适用性分析[J].地理科学进展，2014，33（10）：1375-1386.

[16] 吴建峰，陈阿林，嵇涛，等.基于卫星降水的重庆市旱涝监测及其可靠性分析[J].中国农学通报，2014，30（23）：296-302.

[17] 臧文斌，阮本清，李景刚，等.基于TRMM降雨数据的西南地区特大气象干旱分析[J].中国水利水电科学研究院学报，2010，8（2）：97-106.

[18] 曾岁康，雍斌.全球降水计划IMERG和GSMaP反演降水在四川地区的精度评估[J].地理学报，2019，74（7）：1305-1318.

[19] TANG S，LI R，HE J，et al.Comparative evaluation of the GPM IMERG early，late，and final hourly precipitation products using the CMPA data over Sichuan Basin of China[J].Water，2020，12（2）：554.

[20] USHIO T，KACHI M.Kalman filtering applications for global satellite mapping of precipitation（GSMaP）[M].Berlin：Springer Netherlands，2010.

[21] TAPIADOR F J，TURK F J，PETERSEN W，et al.Global precipitation measurement：methods，datasets and applications[J].Atmospheric Research，2012，104-105：70-97.

[22] 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.

[23] 廖荣伟，张冬斌，沈艳.6种卫星降水产品在中国区域的精度特征评估[J].气象，2015，41（8）：970-979.

[24] LU D，YONG B.Evaluation and hydrological utility of the latest GPM IMERG V5 and GSMaP V7 precipitation products over the Tibetan Plateau[J].Remote Sensing，2018，10（12）：2022.

[25] XU S，SHEN Y，ZHE D.Tracing the source of the errors in hourly IMERG using a decomposition evaluation scheme.[J].Atmosphere，2016，7（12）：161.

[26] 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.

（编辑：谢玲娴）