三种多卫星降水产品在中国大陆地区的性能评估

陈汉清

(1.东华理工大学 江西省数字国土重点实验室，南昌 330013；2.广州大学 地理科学与遥感学院，广州 510006)

降水是全球水循环和能量循环的关键环节，精确观测降水对全球水循环的研究至关重要[1-4]。目前主要采用雨量计、地基雷达观测网和卫星传感器反演等方法实现降水观测[5-6]。雨量计观测网和地基雷达可获取高精度的地面降水，但无法提供准实时和大范围的降水观测[4, 7-8]。采用多卫星遥感降水反演技术弥补了雨量计和地基雷达时效性差及观测范围不足的问题，可准实时为用户提供大范围连续的空间降水信息。多卫星遥感降水产品的出现为实时监控自然灾害事件、大尺度水文模拟和全球气候变化的研究提供了机会[2, 9]。

尽管多卫星遥感降水产品克服了雨量计和地基雷达观测网在时效性和降水空间连续性上的局限，但也存在自身降水观测精度不足的问题，制约了多卫星遥感降水产品在水文气象领域中的应用[9-10]。鉴于多卫星遥感降水产品精度不足的问题，许多文献研究了各种各样的方法降低多卫星遥感降水产品的误差[13-22]，发展了数种高精度的全球降水数据集，如多源加权融合降水产品(Multi-Source Weighted-Ensemble Precipitation, MSWEP)[11-12]，基于全球降水观测计划的多卫星降水反演产品(Integrated Multi-satellitE Retrievals for GPM, IMERG)[13]，全球降水卫星制图产品(Global Satellite Mapping of Precipitation, GSMaP)[14]，气候预报中心变形技术产品(Climate Prediction Center(CPC)MORPHing technique, CMORPH)[15]，基于人工神经网络的遥感降水量估算产品(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks, PERSIANN)[16-18]，气候灾害组站点校正红外降水估计产品(Climate Hazards Group Infrared Precipitation with station, CHIRPS)[19]，以及一些区域性的高精度降水数据集，如覆盖金沙江流域的武汉大学卫星与地面降水协同校正产品(Wuhan University Satellite and Gauge precipitation Collaborated Correction, WHU-SGCC)[20]，覆盖东亚地区的AIMERG降水产品[21]，覆盖雅鲁藏布江流域的精细分辨率降水产品[22]。这些经地面观测资料校正的多卫星遥感降水产品的精度相比纯卫星遥感降水产品有了较明显的提升，提高了多卫星遥感降水产品的应用潜力[2]。因此，理解这些经地面资料校正的多卫星遥感降水产品的误差和性能，对于它们的应用和进一步的质量改进至关重要。

目前，大量的研究文献在全球尺度[9,23-24]和特定的地区[25-27]研究了多卫星遥感降水产品的性能。这些性能评估结果表明，目前的多卫星遥感降水产品的性能和误差表现出明显的季节性[28]和区域性[29]特征。同时，它们的误差也受到地形[30]和降水强度[31]的显著影响。但大部分误差解译研究采用平均误差分析多卫星遥感降水产品的性能。平均误差来源于多种不同的误差组分平均，因正负误差组分相互抵消，可能出现平均误差相对较小，但独立误差组分绝对值相对较大的情况，从而采用平均误差的结果描述多卫星遥感降水产品的性能可能会发生一定程度的误导[10]。Tian等[28]提出将总偏差分解为命中偏差、漏报偏差和误报偏差的误差分解方案分析多卫星遥感降水产品的性能，在一定程度上避免了采用平均误差描述降水产品性能所引起的问题。一些研究文献采用Tian等[28]提出的误差分解方法在美国[28]、中国大陆[9]、东亚[31]等地区分析了多种主流的多卫星遥感降水产品的误差。然而，目前大部分的误差解译研究以纯卫星降水产品作为研究对象，缺乏对误差校正后的多卫星遥感降水产品的性能评估，特别是由多源降水数据融合算法生产的MSWEP降水产品。重要的是，目前的研究缺乏对MSWEP降水产品与经地面降水资料校正的IMERG和GSMaP在性能上的相互比较，缺乏对这些产品校正算法不足的研究，制约后续误差校正算法的改进。

针对目前多卫星遥感降水产品性能评估研究中的不足，文中通过采用相关的误差解译指标在中国大陆地区定量描述3种地面校正产品MSWEP，IMERG和GSMaP的性能，并作进一步的分析和比较，重点分析不同校正算法存在的问题，为这些研究级的多卫星遥感降水产品在中国大陆地区的使用提供指导，也为这些产品的误差校正算法改进提供建议和思路。

1 数据与方法

1.1 数 据

研究选取经地面校正的3种研究级全球降水产品作为评估和对比的对象，分别为地面校正产品IMERG，GSMaP和MSWEP。IMERG和GSMaP通过分别采用月时间尺度的GPCC(Global Precipitation Climatology Centre)和日时间尺度的CPCU(Climate Precipitation Center unified)地面降水产品校正相应的纯卫星降水产品IMERG-Late和GSMaP-MVK研制而成。而MSWEP则通过融合IMERG-Late、再分析降水数据产品ERA5和来自世界各自的地面降水资料发展而来[11-12]。考虑到这3种被评估的全球降水产品在时空分辨率不一致的问题，在计算各项误差解译指标前，需要对IMERG，GSMaP和MSWEP进行分辨率的统一。文中的性能评估在时空分辨率为3 h，0.25°下执行。

为了定量描述这3种高精度全球降水产品在中国大陆的误差，采用中国国家气象局研发的逐小时格网降水数据集CMPA(China Hourly Merged Precipitation Analysis)[32]作为地面降水参考基准。该降水数据集融合了来自中国大陆30 000余个地面站点的降水观测结果和多卫星遥感降水产品CMORPH。为了避免评估结果的不确定性，仅采用CMPA中的地面站点观测结果作为参考。CMPA站点分布图详见Chen等[9]的研究。

文中采用2015年和2016年的数据作为研究期，对MSWEP，IMERG和GSMaP 3种全球降水产品在中国大陆展开性能评估和相互比较。

1.2 性能评估方法

文中采用探测率POD(Probability of detection)、误报率FAR(False Alarm Ratio)描述降水产品的降水探测能力。利用相关系数CC(Correlation Coefficient)、均方根误差RMSE(Root Mean Square Error)、总偏差及其3种独立误差组分分析降水产品的精度。这些性能评估指标被广泛应用在多卫星遥感降水产品的研究工作中[30]。具体的表达式为：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中:H为卫星和地面同时观测到的降水事件总数；M为卫星未探测到，而地面观测到降水发生的总数；F为卫星探测到降水事件发生，但地面未观测到降水事件发生的总数；S和G分别表示卫星和地面观测到的降水量，n为样本量；SH和GH分别为卫星和地面在命中降水事件上观测到的降水量；GM表示卫星在漏报降水事件上地面观测到的降水量；SF为卫星在误报降水事件上观测到的降水量。值得注意的是，判断降水事件是否发生的阈值设定为0.2 mm/3 h。

2 结果分析

2.1 整体性能比较

图1为3种高精度全球降水产品MSWEP,IMERG和GSMaP的探测率POD和误报率FAR的箱形图。从图1中的结果可以发现，探测率POD的值越大，对应的误报率FAR值也越大。整体上，GSMaP在中国大陆的POD值大部分集中在0.75以上，高于MSWEP的0.70和IMERG的0.68。相应地，GSMaP的FAR同样高于其他两种全球降水产品，大部分的FAR值分布在0.53以上，而MSWEP和IMERG的FAR值大部分分布在0.45以上。这说明目前的地面校正算法在提高降水探测能力的同时，也误报了更多的降水事件。值得注意的是，MSWEP融合了更多的降水数据，但该产品在3种降水产品中表现出最差的降水探测能力，尽管它含有相对较低的误报率FAR。值得注意的是，由于部分POD值和FAR值较大或较小，在图中没有展示。

图1 3种高精度全球降水产品在中国大陆的探测率POD和误报率FAR的箱形图

图2给出3种全球降水产品精度指标的箱形图分布模式。在相关系数CC上，IMERG的降水估计与地面降水参考呈现出高度的一致性，大部分CC值分布在0.70以上。而多源降水数据融合研制的MSWEP则表现相对较差的CC性能，大部分的CC值集中在0.70以下。在均方根误差RMSE的结果上，3种高精度全球降水产品具有较为相似的分布模式。整体上，GSMaP在中国大陆的RMSE相对较小，主要集中在1.2 mm以下。值得注意的是，由于部分CC值和RMSE值较大或较小，在图中没有展示。

图2 3种高精度全球降水产品在中国大陆的相关系数CC和均方根误差RMSE的箱形图

Tian等[28]提出了一种误差分解方案，将总偏差分解为命中误差、漏报误差和误报误差，该方法能够揭示降水产品误差的主要组分。图3为3种全球降水产品的总偏差及其3种误差组分在中国大陆的箱形图。从图3中的结果可以发现，3种全球降水产品在中国大陆的总偏差箱形图模式基本一致，然而它们在3种独立误差组分箱形图模式上呈现出明显的差异性。在总偏差上，3种降水产品在中国大陆的总偏差主要集中在5%～30%，呈现出较好的精度，说明经地面降水资料校正后，3种全球降水产品的质量得到显著的提高，有利于发挥它们在水文气象应用中的潜力。MSWEP和GSMaP在中国大陆的命中误差箱形图模式几乎一致(如图3b所示)，它们的命中误差主要集中在-10%～10%之间，而IMERG降水产品的命中误差主要集中在2%～18%之间。在3种全球降水产品中，GSMaP降水产品明显降低了漏报降水。尽管MSWEP融合了更多的降水数据，但该降水产品在漏报降水上的改善差于GSMaP降水产品。与误报率FAR的结果一致(图1b)，GSMaP和MSWEP均含有较大的误报误差，大部分误报误差集中在20%以上。相比GSMaP，MSWEP的总偏差箱形图的下四分位线和中位数线均低于GSMaP，这主要是由于MSWEP含有相对较大的漏报偏差(值为负数)，抵消了部分的误报误差(值为正数)。因此，尽管MSWEP在中国大陆的总偏差整体上低于GSMaP，但在3种独立误差组分的分析结果中发现，MSWEP的性能略低于GSMaP。由于部分值较大，没有在图中展示。

图3 3种高精度全球降水产品在中国大陆的总偏差及其独立误差组分的箱形图

2.2 空间性能分析

图4展示了3种被评估的全球降水产品和地面降水在中国大陆上3 h时间尺度的平均降水空间分布。从图中的结果可以发现，在中国大陆大部分地区，3种全球降水产品的平均降水模式与地面观测资料呈现出高度的一致性。较大的差异主要出现在降水丰富的东南部。3种被评估的全球降水产品均高估了东南部地区的降水量，相对而言，IMERG的平均降水分布模式与地面降水最为接近。而融合地面降水资料、IMERG-Late和再分析降水数据ERA5的MSWEP明显高估东南部地区的降水量。尽管MSWEP融合多种降水数据，试图融合不同降水产品的优势，但得到的降水估计的质量可能倾向于受到不同降水产品缺陷的主导。

图4 MSWEP,IMERG和GSMaP在中国大陆的3 h时间尺度平均降水空间分布图

图5给出3种全球降水产品的探测率POD和误报率FAR在中国大陆的空间分布图。在每个指标上，这些产品的空间模式展现出显著的差异性。整体上，GSMaP在中国大陆大部分地区的探测率POD值达到0.7以上，明显优于MSWEP(0.6)和IMERG(0.6)降水产品。Chen等[9]的研究结果表明，GSMaP的纯卫星版本GSMaP-MVK的质量明显低于IMERG的纯卫星版本IMERG-Late，这样的结果说明GSMaP的地面校正算法更为有效地改进了降水的探测性能。相比IMERG，MSWEP进一步融合了再分析降水数据ERA5，探测率POD的性能得到进一步提升。然而，在云南省地区，MSWEP的探测率POD分布在0.6～0.7区间，低于IMERG和GSMaP的0.7～0.8区间，这说明了融合更多的降水数据可能会对最终得到的产品质量产生负面影响。

图5 MSWEP,IMERG和GSMaP在中国大陆的探测率POD和误报率FAR的空间分布图

在误报率FAR的结果上，GSMaP则表现出最差的性能，在中国大陆的大部分地区误报了较多的降水事件，FAR值达到0.4以上。这说明GSMaP的地面校正算法在提高降水探测率的同时，也误报了更多的降水事件。IMERG和MSWEP的误报率在中国大陆大部分地区则低于GSMaP，特别在中国大陆的湿润区。相比IMERG，MSWEP的误报率FAR在湿润区的大部分地区高于IMERG，说明MSWEP算法降低MSWEP误报率FAR的性能。

图6给出3种全球降水产品在精度指标方面的空间分布图。从结果上看，3种全球降水产品的性能呈现出较大的差异性。IMERG和GSMaP的相关系数CC在中国大部分地区展现出高度的一致性，而MSWEP在CC上则表现出略差的性能。相关的文献表明，ERA5降水产品在高纬度地区(纬度在40°以上)表现出出色的性能[33]。然而，融合了ERA5降水数据的MSWEP在中国大陆纬度40°以上的地区在3种全球降水产品中表现最差，说明MSWEP融合算法没有发挥ERA5降水产品在高纬度地区改进降水质量的潜力。在均方根误差RMSE上，这3种全球降水产品的差异主要体现在东南部地区。相对而言，GSMaP在东南部含有较低的RMSE，GSMaP的地面校正算法明显提高了GSMaP的降水精度。而MSWEP由于集合了不同降水产品的优势，在东南部地区的精度略优于IMERG。

图6 MSWEP，IMERG和GSMaP在中国大陆的相关系数CC和均方根误差RMSE的空间分布图

误差组分分析可以更直观地展现降水产品误差的主要组分，图7展示了3种全球降水产品在中国大陆的总偏差及其3种独立误差组分的空间分布图。整体上，3种全球降水产品在总偏差和漏报偏差的空间分布图上呈现出高度的一致性，特别是漏报误差，介于-20%～0%之间。另一方面，MSWEP和GSMaP的4种偏差空间分布图表现出高度的一致性。这两种全球降水产品轻微低估了中国大陆大部分地区的命中降水事件的降水量，命中误差介于-20%～0%之间，而它们的误报误差则在大部分地区高于20%。综合3种独立误差组分的量级，MSWEP和GSMaP在中国大陆大部分地区的误差主要来源于误报误差。

图7 MSWEP，IMERG和GSMaP在中国大陆的总偏差及其独立误差组分的空间分布图

3 结 论

文中针对目前主流的3种经地面校正的高精度全球降水产品MSWEP，IMERG和GSMaP在中国大陆从整体和空间角度开展了详细的性能评估与比较。获得以下结论：

1)综合所有的指标结果，相比IMERG降水产品，GSMaP降水产品在中国大陆大部分地区展示了出色的性能。相比IMERG的月时间尺度校正算法，采用日时间尺度校正的GSMaP算法更为有效地改进降水探测能力和降水精度。建议后续的多卫星遥感降水产品误差校正在精细时空分辨率下执行。

2)融合了IMERG-Late、再分析降水数据ERA5和地面降水观测资料的MSWEP的性能整体上明显差于经地面资料校正IMERG-Late研制而成的IMERG。这说明虽然多源降水数据融合算法能够集合不同降水产品的优势，但也不可避免集合了不同降水产品的缺陷。当集合降水产品的缺陷对质量的影响大于优势的影响时，最终得到的融合降水产品质量不够完善，仍有较大的改进空间。

3)再分析降水产品ERA5在高纬度地区(纬度40°以上的地区)展示了较好的性能。然而，融合了ERA5的MSWEP在中国大陆高纬度地区表现最差，这说明MSWEP算法没有充分发挥ERA5降水数据改进高纬度地区降水反演的潜力。

4)MSWEP和GSMaP的4种偏差空间分布图表现出高度的一致性，总偏差主要来源于误报误差。