中国北方冬季降水的多源资料产品评估和融合优化*

潘 旸 谷军霞 师春香 王 正

1 引 言

多源降水融合分析一直是高分辨率高质量网格化降水产品研发的主流趋势，在中国气象局实况业务中应用广泛。以往对高分辨率降水产品的研制、评估及检验等多集中在夏季引发灾害的强降水、特别是极端降水，对冬季产品的质量关注比较少。冬季降水作为陆面气象产品研制的驱动数据等应用，对冬季土壤湿度、积雪等要素的模拟与预测至关重要。中国气象局多源融合实况分析产品（ART）的中国区域5和1 km分辨率多源降水分析产品应用了雷达、风云（FY）气象卫星产品和地面观测资料（潘旸等，2018），但这些降水数据源在中国北方冬季却各有缺陷。一般来说，受遥感探测能力和反演算法的限制，卫星产品对固态降水反演的能力有限（Cao，et al，2018；Yong，et al，2012）。对中国北方、西部及青藏高原地区，由于自然条件和地形复杂等原因，探测及观测仪器设备维护困难，雷达的覆盖严重不足，且受地形遮挡严重。而地面自动站观测多采用的翻斗式雨量计冬季停测，剩下的称重式雨量计数量不足，研究（Ghajarnia，et al，2015；Derin，et al，2016）表明地面观测站稀疏时难以为卫星降水的偏差订正和融合提供足够的观测信息，反而会使融合产品精度降低。数据源产品冬季的质量水平整体下降，造成现有多源融合降水产品在中国北方冬季较夏季精度亦明显下降，特别是从累积降水上看，北方及中高纬度地区的降水量值明显偏小，这会严重影响如积雪模拟等降水产品应用的效果，因此需要引入对冬季特别是固态降水更有效的估计信息来改善融合的效果。

一方面，数值预报模式对中高纬度天气系统有一定把握能力，模式降水产品对中高纬度地区的系统性降水过程，特别是固态降水的描述具有优势（Lundquist，et al，2019；Beck，et al，2019），在区域降水融合分析中引入模式或再分析降水产品，对高纬度和复杂地形区降水的精度有一定程度的改进（Tang，et al，2021；Bhuiyan，et al，2019）。另一方面，随着卫星探测手段的不断进步，2014年GPM（Global Precipitation Measurement）计划采用双频测雨雷达（DPR）新一代卫星遥感探测仪器，能够反演固态降水（Houze，et al，2015）。美国全球多卫星集成降水产品（Integrated Multi-satellitE Retrievals for GPM，IMERG）（Huffman，et al，2015）和日本全球卫星降水制图产品（Global Satellite Mapping of Precipitation，GSMaP）（Ushio，et al，2009；Otsuka，et al，2016）等应用了GPM信息的多卫星集成降水产品有望对冬季降水质量有一定程度的改进。以往关于IMERG等卫星反演降水产品的评估分析以及对模式降水预报的检验相关研究对夏季暴雨频发的情况比较多，但对冬季的关注较少，对不同源降水产品对冬季降水特别是固态降水的评估分析不多。此外，近年来在降水的偏差订正和融合方面尝试在日尺度引入更多模式、卫星资料也取得一些效果（Bhuiyan，et al，2019；Yin，et al，2021），但对逐小时高分辨率的产品应用鲜少涉及。

本研究针对中国北方地区详细分析了不同源高时、空分辨率的格点降水资料在冬季特别是固态降水的误差精度，评估了冬季卫星、雷达和模式降水的可用性，并基于评估结果在多源降水分析中引入优质数据源以改善冬季降水融合分析的效果。

2 不同来源降水产品及处理

参与评估的降水产品包括中国的地面观测网格分析产品、雷达定量降水估计（Quanity Precipitation Estimate，QPE）产品、模式预报降水数据以及国际主流的多卫星集成反演降水产品等，表1给出了具体产品的来源机构、时空属性、数据源及时效信息。

表1 降水产品列表Table 1 List of precipitation products

（1）地面分析降水资料

采用基于气候背景场比值最优插值（OI）的地面降水网格化分析技术（沈艳等，2012），根据中国北方站网密度优化分析半径，利用区域自动气象站和国家级一般站、天气骨干站（冬季约4万个）自动观测的逐小时降水量数据，分析形成0.05°×0.05°等经纬度网格的地面观测降水分析产品（以下简称“GGA”产品）。

（2）卫星降水产品

评估采用的卫星降水资料主要有美国CMORPH、IMERGE和日本GSMaP等国际主流的多卫星集成降水产品，这些产品质量总体上较单一基于静止气象卫星红外亮温估测的降水产品精度更高（Sun，et al，2018）。IMERG是美国国家航空航天局（NationalAeronautics and Space Administration，NASA）采用卡尔曼滤波平滑（Kalman Filter Smooth）技术（Joyce，et al，2011）研制的全球多卫星集成降水产品，应用了GPM的双频测雨雷达（DPR）数据，增强了对固态降水的探测能力，评估采用的是滞后14.5 h的lately产品。CMORPH卫星反演降水资料是美国国家环境预报中心（National Centers for Environmental Prediction，NCEP）下属气候预测中心（Climate Prediction Center，CPC）研发的实时卫星 反 演 降 水 系 统CMORPH（CPC MORPHing technique）降水产品（Joyce，et al，2004，2011），采用morphing技术，基于红外亮温计算冷云矢量，再采用拉格朗日法向前向后外推微波降水得到30 min/8 km分辨率的降水分析，评估采用的是滞后20 h的raw产品。GSMaP是日本宇宙航空开发机构（JAXA）研发的基于GPM时代的全球卫星降水制图产品（Ushio，et al，2009）。其近实时（NRT）和MVK产品采用美国CPC研制的逐日/0.5°×0.5°地面格点降水分析产品（CPCU）进行偏差订正，CPCU在中国区域大约用到400个国际交换站的日值降水观测数据进行分析（Mega，et al，2019）。评估所用的是滞后4.5 h的NRT产品。

（3）雷达降水产品

研究采用的雷达数据是中国气象局气象探测中心研制的中国区域雷达降水数据产品（简称MOC-QPE），该产品是根据不同雷达通过实时统计雷达反射率因子-雨强（Z-R）关系的方法估测降水，并利用2400个国家级自动气象站地面降水采用卡尔曼滤波、平均校准等方法进行了校正。该产品的时、空分辨率为逐时、0.01°经纬度，将数据每5×5个格点逐个累加平均成0.05°经纬度的数据参与评估。

（4）模式降水产品

采用了中国气象局CMA-MESO模式3 km高分辨率的每日00/06/12/18时（世界时，下同）起报18—24 h预报累计总降水量数据（简称CMAMESO），时段选取参考了关于GRAPES-MESO 3 km模式日循环逐时降水相关预报检验研究（谢漪云等，2021），采取的是基于6—30 h的预报数据。用目标时刻的预报累计降水量减去前一时刻的累计降水量得到目标时刻过去1 h的降水量，依次将18—24 h逐时的累计降水处理成6个时次的逐时降水量数据。

将上述不同空间分辨率的降水产品采用邻近插值方法重采样至0.05°×0.05°，同时将部分时间分辨率为30 min的小时平均降水率累计平均成1 h降水量，统一在1 h/0.05°×0.05°时、空分辨率上进行对比评估。

3 融合背景场优化试验

3.1 背景场优化的融合试验

设计逐步引入不同类型降水数据源的融合试验，考察中国北方冬季不同源的降水产品对融合产品精度的影响。参与融合试验的数据源包括基于4万多个自动气象站观测的网格分析产品、雷达QPE、IMERG卫星和CMA-MESO模式产品。具体如表2所示，试验1采用雷达估测降水和地面观测融合分析形成二源融合降水；试验2在试验1基础上增加IMERG卫星产品，形成卫星、雷达和地面观测融合降水，对比分析引入卫星产品对融合降水的影响；试验3进一步引入模式数据，考察多源融合优化背景场对融合产品质量的提升效果。

表2 数据源优化融合试验方案Table 2 Optimized merged schemes of different precipitation sources

3.2 融合分析技术

降水数据源在应用于融合背景场之前，首先以地面站点观测为基准，采用概率密度函数（PDF）匹配方法对雷达、卫星、模式降水资料进行偏差订正，该方法在高分辨率雷达和卫星降水的偏差订正上取得了较好的应用效果（潘旸等，2018；宇婧婧等，2013；Shen，et al，2014），而在针对模式降水预报的偏差订正中也有类似的方法应用（李俊等，2014；孙靖等，2015）。应用概率密度函数方法的关键在于获取相对稳定的地面基准样本和待订正样本的累积概率密度（CDF）曲线，因此要根据不同源降水产品的特征调整匹配样本选取的时空窗口和合适的订正空间范围。与雷达、卫星产品相比，模式降水也基本呈现弱降水高估强降水低估，只是系统性偏差更大。本方案特别针对CMA-MESO系统性整体偏强的特征，设置了0降水样本匹配的阈值（取值0.1），减小了匹配非0样本数总量，有效提高了概率密度函数订正的计算效率。图1给出地面观测基准数据和雷达、卫星、模式等不同数据源及偏差订正的结果。空间形态上，中国南方地区雷达产品与地面分析产品更加接近，但是在北方地区降水范围却大幅缩小。北方地区卫星和模式产品偏差订正的效果相对比较明显。

图1 不同降水产品2021年1月累计降水的空间分布 （a. GGA，b. MOC-QPE，c. IMERG，d. CMA-MESO，e—g. 对应数据源（b—d）的偏差订正结果）Fig. 1 Distribution of accumulated rainfall in January 2021 （a. GGA，b. MOC-QPE，c. IMERG，d. CMA-MESO，e—g. the biascorrected product of multi-source preducts （b—d））

其次，采用贝叶斯模型平均（BMA）方法将多种降水资料融合形成最优背景场。该方法最初多应用于数值模式的集合预报（Raftery，et al，2005），其基本原理是期望的贝叶斯模型平均预报相当于各模型经过观测订正后的似然估计加权平均。该方法在降水融合领域也有较多的应用（潘旸等，2018；Ma，et al，2018；Tang，et al，2021），针对雷达、卫星等不同数据源降水数据，以地面观测为基准，在一定时空范围内匹配样本训练来计算它们的权重和误差，从而形成最接近地面观测的融合背景场。本试验方案除了卫星和雷达数据源，还增加了对模式资料的融合应用。图2给出中国北方地区3种资料平均的贝叶斯模型融合权重系数的时间序列变化，MOC-QPE、IMERG卫星和CMA-MESO模式降水产品总体平均的权重系数分别为0.21、0.22和0.57，时间序列上有明显规律性波动，这与北方部分省份雷达业务冬季的开机时间设置有关。就权重系数而言，三源降水产品在进行贝叶斯模型平均融合时，CMA-MESO模式产品对背景场的作用要大于MOC-QPE和IMERG卫星产品。

图2 不同数据源中国北方地区平均的贝叶斯模型融合权重百分比的时间序列Fig. 2 Time series of averaged BMA merged weight percentage of different sources of precipitation in northern China

4 评估结果分析

4.1 评估方法和指标

评估采用独立检验的方式，使用国家级基准气候站和基本气象站为检验站，以其自动观测的逐时降水数据为“真值”，将待检验的各类降水产品格点上降水值通过最邻近插值方法插值到检验站上，与“真值”进行差异比较。评估指标包括相关系数、均方根误差（RMSE）、相对偏差（Rbias）以及KGE（Kling-Gupta Efficiency）评分（Gupta，et al，2009；Kling，et al，2012）等统计误差，以及命中率（POD）、虚警率（FAR）和临界成功指数（CSI）评分（或TS评分）等评估降水事件描述准确率指标。其中，相关系数、均方根误差、相对偏差以及命中率、虚警率和TS评分的计算公式可参考Pang等（2021）。

KGE评分的计算如式（1）所示，其中，r为相关系数，β 和γ分别表征偏差和方差相关的指标，其中，µ和 σ为均值和标准差，下标s和o分别表示被检验降水产品和观测降水。KGE评分越接近1，说明精度水平越高。

统计评估的时间段为2019年12月1日00时—2020年2月29日23时，共2184个时次。评估关注北方16个省级行政区（约458个检验站），具体包括：黑龙江、吉林、辽宁、内蒙古、甘肃、宁夏、青海、西藏、新疆、陕西、山西、北京、天津、河北、山东、河南。其中，由于西藏地区雷达覆盖较少，样本数量不足，且青藏高原地形条件复杂，需要针对性的开展研究，这里暂不针对青藏高原的情况进行特别讨论。

评估特别针对固态降水的情况做了近似考虑。在采样时利用同站点观测的逐时平均气温数据，取气温低于0℃的条件来匹配样本，以评估不同类型的产品对固态降水的展现能力。

4.2 降水误差统计指标水平分析

表3给出不同类型降水产品在北方冬季的误差统计值。在不同的单源产品中，精度最高的是地面站点观测插值分析降水（GGA），例如：KGE评分最高，相关系数超过0.6，均方根误差最低，只是存在较大的负偏差。其次是IMERG卫星产品，KGE综合指标接近0.3，明显优于其他卫星产品。MOCQPE和CMA-MESO模式预报产品因为都存在较严重的偏差，均方根误差也相对较大，KGE值均未超过0.0，但是这两类产品的相关系数都超过0.45，较IMERG的0.385更高，说明它们对描述北方降水的时空演变可能更有优势。融合优化的背景场与单源的雷达、卫星、模式降水场相比精度有明显提升，KGE增至0.4左右，对应相关系数的提高以及均方根误差和相对偏差的减小。背景场引入IMERG后精度提升明显，再引入CMA-MESO模式产品之后精度更进一步提升。背景场优化之后能有效提升北方地区融合降水精度，其融合试验产品（试验2和试验3）的KGE值分别为0.36和0.374，均优于单源表现最优的地面插值分析产品的0.319。

表3 2019年12月—2020年2月中国北方地区各类降水产品的误差统计Table 3 Statistical errors of different precipitation products over northern China from December 2019 to February 2020

检查不同单源降水产品的KGE、相关系数和相对偏差等误差统计指标的空间分布及不同情景下的样本分布比（图3—5和表4）。在中国北方地区，地面插值分析产品的整体质量最高，其KGE值在0.2—1.0的站数比例超过了50%，雷达和IMERG卫星的比例分别为28.4%和23.5%，CMA-MESO模式产品仅有9.8%，而GSMaP和CMORPH两个卫星产品鲜有检验站的KGE值超过0.2。从空间分布上看，地面观测站分布较密集的陕西南部、山西南部、山东、京津冀、吉林和黑龙江南部地面分析产品KGE值较高，这些地区也大致对应着较高的相关系数和较小的相对偏差。而在内蒙古、新疆、甘肃、青海等站点稀疏区，地面分析产品KGE值较低，相关系数较低且偏差较大的站点增多，而在这些地区其他单源降水产品也表现较差。雷达降水在北方大部分是偏低的，特别是高纬度的新疆、内蒙古、东北中北部地区程度严重，超过100%的站数明显增多，这些地方的KGE值都低于0，而在辽宁、华北、陕西中南部和山西等偏南部的地区偏差较小，相关也相对较高，KGE值增大，局部能达到0.4—0.5。卫星产品中，IMERG的KGE情况与雷达产品比较接近，但局部有差异，IMERG除了甘肃、青海、新疆、内蒙古地区偏低为主，在东北高纬度地区以及华北地区强度却偏强。GSMaP和CMORPH产品北方大部分地区KGE值都在0以下，对应着较大的偏差和较低的相关，特别是CMORPH，基本对42°N以北地区的降水没有反演能力，偏低程度都超过100%。CMORPH在西北地区东部则偏强，程度多超过100%。CMA-MESO模式产品则整体严重偏高（大于100%），因而KGE值较低，但值得注意的是CMA-MESO模式产品在北方地区相关系数较高，特别在40°N以北的地区，明显优于卫星产品，在华北地区35°—40°N水平与IMERG接近，但也明显优于CMORPH，说明模式对冬季北方系统性降水的时空演变模拟能力较卫星产品有更大的优势。

表4 不同降水产品在不同KGE值区间的检验站数与总检验站数的占比百分率 （单位：%）Table 4 KGE values sample percentages of different precipitation products （unit：%）

图3 不同来源降水产品检验站KGE值的空间分布 （a. GGA，b. MOC-QPE，c.IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO，g. 融合试验1，h. 融合试验2，i. 融合试验3）Fig. 3 Spatial distributions of KGE values from different precipitation products （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO，g. Merge_test 1，h. Merge_test 2，i. Merge_test 3）

图4 不同来源降水产品相对偏差 （单位：%）的空间分布 （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMAMESO）Fig. 4 Spatial distributions of relative bias （unit：%） from different precipitation products （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO）

总体上，地面分析产品的各种误差指标水平最优，质量水平主要受站网密度的影响。其次是雷达和IMERG卫星产品，虽然它们对北方高纬度地区的降水反映能力较低，但能够较好地描述北方偏南部一些地区的降水，与IMERG相比雷达产品在黑龙江南部、辽宁、吉林、内蒙古以及甘肃、宁夏地区的相关系数要略高。模式产品虽然受到严重的正偏差影响，整体KGE值不高，但是在高纬度地区的相关系数却较雷达和IMERG产品更有优势，可提供较连续的能反映系统时、空演变的背景场。此外，在局部地形影响的地区如河南中北部等，地面分析产品和雷达产品的KGE值相对较低，IMERG却有一定的优势，在分析时考虑多种产品更有利于获得局部和全局最优的融合效果。

图5 不同来源降水产品相关系数的空间分布 （a. GGA， b. MOC-QPE， c. IMERG， d. GSMaP， e. CMORPH， f. CMA-MESO）Fig. 5 Spatial distributions of correlation coefficients from different precipitation products （a. GGA， b. MOC-QPE，c. IMERG， d. GSMaP， e. CMORPH， f. CMA-MESO）

不同融合试验产品的KGE值空间分布比较一致，与地面分析的情况也比较接近，但是从统计站数样本的分布（表4）上看，所有产品中地面分析产品KGE值在0.6—1.0所占比率是最高的，融合之后KGE小于0的比例则有所降低，主要提升了KGE值0.2—0.6的比例。3种融合试验中同时引入雷达、IMERG、CMA-MESO做背景场的融合降水评估结果最好，其次是雷达和IMERG做背景的融合，都要优于仅采用雷达单源的背景场，说明逐步引入IMERG和CMA-MESO模式降水产品优化背景场能有效提升融合产品冬季降水的质量。

4.3 固态降水情况的误差分析

为了考察不同降水产品对中国北方固态降水的反映能力，对检验站地面2 m气温低于0°C时的小时降水量样本（约占总降水样本量的43%）进行了误差统计分析（表5）。单源降水产品中，插值分析产品的精度水平比较稳定，其KGE评分和相关系数只有微弱降低，其他单源产品的KGE值均下降明显。雷达和卫星产品的系统性偏低更加严重。卫星产品中IMERG仍是相对最好的，CMORPH最差。除了CMA-MESO模式产品，其他产品的相关系数都有不同程度的降低。模式降水产品的相关系数提升，且与地面插值产品水平更加接近，说明模式降水产品在对固态降水时空演变的反映能力上要优于雷达和卫星，可以提供更好的背景场空间和时空演变信息。

表5 不同来源降水产品对固态降水误差统计Table 5 Statistical errors of solid precipitation from different products over northern China

进一步检查不同产品对固态降水KGE评分的空间分布和样本的区间分布（图6），单源地面插值分析产品的KGE值在北方要明显高于其他类型的降水产品，尽管如此在黑龙江北部、内蒙古北部、陕西中部、甘肃以及新疆局部地区KGE值相对较低，对应着较大的偏差和较低的相关系数，这与总的冬季降水的评估结果基本一致。雷达、卫星、模式等降水产品在经过偏差订正之后（图7），KGE值都有不同程度的提高。最显著的是CMA-MESO模式产品，除了青海—甘肃、新疆西部及内蒙古中北部局部地区KGE指标都提升超过0.0，主要是正偏差的改进较为显著。其次雷达产品在河南、吉林、辽宁地区有提升，对应的相关系数略有提高，但偏差订正对高纬度地区雷达固态降水的提升并不明显。IMERG的改进主要在内蒙古南部，相关系数和偏差的提升程度都比较微弱。

图6 不同来源降水产品对固态降水的KGE评分的空间分布 （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO）Fig. 6 Spatial distributions of KGE values of solid precipitation from different products （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO）

逐步引入雷达、卫星和模式降水产品之后，与单源的插值产品相比，雷达-地面二源融合以及雷达-卫星-地面三源融合对固态降水的反映并未得到有效提升，新疆、东北、内蒙古中部等地区的KGE值反而降低了。但是进一步引入模式之后的多源融合降水KGE值与单源插值产品比较相近，这与总的冬季降水的评估结果类似，试验3的融合效果是最优的。统计上看，融合试验3的KGE值大于0.0的站数比例较单源最优的插值产品整体都略有提高（图8a），主要在于较大偏差的站点样本数减少，如相对偏差小于-75%和大于25%的样本数减少（图8c），相关系数较低的（低于0.2）站数比例明显减少（图8b）。融合试验2和3虽然也主要针对相关较低、偏差较大的样本有改进，但提升幅度不大，从均方根误差上看，小于0.1 mm/h的站点数比例与地面插值分析和融合试验3的结果还有一定差距（图8d），说明引入模式产品对融合产品固态降水质量提升作用较雷达和IMERG卫星更加显著。

4.4 降雪事件准确率评估分析

针对单源降水精度和多源融合效果，对于降雪事件分别按逐时降水量和12 h累计降水量两个时间尺度来评估。图9给出单源降水产品和各融合试验在小时尺度上，对不同强度降雪事件的反映。插值产品（GGA）有相对较高的命中率和较低的虚警率，TS评分在降水强度低于1.0 mm/h的单源降水产品中都是最高的，降水强度增强TS评分降低。雷达（MOC-QPE）和卫星（IMERG）产品在各个强度上命中率和虚警率变化比较稳定，而雷达对强度超过2 mm/h的降水事件TS评分优势明显。CMAMESO模式产品有着较高的虚警率和命中率，与整体呈现较大的正偏差对应，TS评分在小量值上优于雷达。卫星产品基本上对各种强度的降水事件都没有很好的描述能力。3种融合试验产品中，引入IMERG卫星和CMA-MESO模式两种数据源的融合降水产品总体上呈现了较单一来源降水产品更高的TS评分，特别是强度低于2 mm/h的降雪事件，对于强度超过2 mm/h的降雪，也要优于地面和模式降水产品。

图9 不同源降水产品和融合试验产品不同小时强度降水的 （a） 命中率、（b） 虚警率和 （c） TS评分Fig. 9 （a） POD，（b） FAR and （c） TS scores of different products for different hourly precipitation intensity

对于12 h累计降水量，按照降雪标准划分了小雪（＜1.0 mm）、中雪（1.0—3.0 mm）、大雪（3.0—6.0 mm）以及大雪以上（≥6.0 mm）量级， 图10给出不同产品对不同降雪事件的描述能力。在单源降水产品中，插值分析产品（GGA）仍有相对较高的命中率和较低的虚警率，TS评分相对较优，随降雪强度增加TS评分减小。其次是IMERG卫星产品和CMA-MESO模式产品。与小时尺度不同，累计12 h的雷达降水产品（MOC-QPE）在各种资料中的TS评分最低，体现在较低的命中率和较高的虚警率，雷达产品在北方地区与地面观测整体呈现较大的负偏差，12 h累计效应使误差增大。IMERG卫星产品对各种强度的降雪事件较小时尺度有一定提升，但仍处于较低水平。CMA-MESO模式有着较高的虚警率和命中率，与北方地区呈现较大的正偏差表现一致，整体上介于雷达和卫星产品之间，且随降雪强度增加TS评分略有降低。融合产品特别是多源融合的试验3产品，精度较地面插值分析产品在各强度下都有不同程度提升。

图10 不同源降水产品和融合试验产品不同强度降雪事件 （12 h累计降水量） 的 （a） 命中率、（b） 虚警率和 （c） TS评分Fig. 10 （a） POD，（b） FAR，and （c） TS scores of different products for different 12 h-accumulated precipitation intensity grades

从不同时间尺度上看，3种融合试验产品中最优的都是采用了雷达、卫星和模式三源优化背景场的融合产品，说明引入模式产品对冬季固态降水的提升稳定有效，是冬季降水融合分析中非常重要的数据源。就改进幅度来说，引入雷达、卫星和模式等高分辨降水数据做背景场对提升小时尺度的降水精度更有优势，12 h累计降水尺度下融合产品相对于单源降水产品的精度优势没有那么明显，这可能与误差的累积增长有关。

5 总结及讨论

本研究关注不同类型降水产品以及多源融合降水产品在中国北方地区对冬季降水特别是固态降水的描述能力，通过相关系数、相对偏差、均方根误差等指标和KGE评分综合指标，以及描述不同强度降雪事件的命中率、虚警率和TS评分等指标进行精度评价。通过3组融合降水试验，考察了引入不同数据源对融合降水精度的影响，以此评价不同类型的降水资料在冬季融合降水应用中的重要性。主要结论如下：

（1）对于不同类型的单源降水产品，地面站点观测插值分析产品冬季质量最优，不论是小时尺度的总降水、固态降水、12 h累计尺度的降水，其KGE评分、TS评分都有较稳定且相对较优的表现，只是存在相对较大的负偏差，精度受站点分布疏密的影响。卫星产品中IMERG质量最优，在冬季较CMORPH产品改进明显，与小时尺度相比，IMERG的12 h累计降水精度有一定程度的提升。雷达和IMERG卫星降水产品的KGE比较接近，对高纬度地区的降水特别是固态降水的描述能力较弱，对辽宁、山西南部、陕西中南部以及华北等相对偏南部地区的降水有一定刻画能力，但在12 h累计降水尺度上雷达产品负偏差的累积效应显著，精度大幅下降。CMA-MESO模式降水产品存在很严重的正偏差，均方根误差也较其他产品偏大，但相关系数较雷达和卫星降水产品有明显优势，特别是对固态降水，经过偏差订正后精度提升明显，时空连续且分辨率较高，是冬季较优的背景场数据源。

（2）逐步引入不同源降水数据进行融合分析，仅使用单源质量相对较好的雷达降水产品做背景场与地面观测融合，未能取得较好的融合效果。引入雷达和IMERG卫星产品做背景场与地面观测融合后，在KGE、TS评分等指标上均较单源产品有所提高，但是在反映固态降水的精度上优势不明显。而引入CMA-MESO模式产品优化背景场后，对总降水、固态降水以及12 h累计降雪事件来说融合产品精度都有较稳定的提高，KGE和TS评分都要优于单一来源降水产品，因此高分辨率模式降水产品的应用对冬季融合降水的精度改进效果更为明显，是较雷达和卫星产品更加重要的融合数据源。

基于上述分析结果，对于中国北方地区的冬季降水，地面站点观测虽然稀疏，但仍是最重要的融合分析数据源，中国气象局规划增加了北方冬季称重式雨量计的布设，未来有望进一步提升融合产品

冬季降水（降雪）的准确率。包含GPM信息的IMERG卫星反演降水产品相较于其他卫星产品对中高纬度冬季降水精度有提升，但改进幅度有限。雷达在北方冬季时空覆盖不足，但精度略优于卫星产品。引入雷达和卫星降水产品整体上比仅使用地面观测精度有略微改进，但对固态降水精度提升作用不大。高分辨率模式产品对冬季中高纬度固态降水比雷达、卫星产品更有优势，因此对冬季降水的融合分析改进效果更加显著，融合分析需要适当合理的使用模式信息。本研究模式产品采用的是CMA-MESO 3 km模式18—24 h降水预报，在实际应用时可在评估不同模式不同预报时次的效果后，选取预报精度更高的模式产品进行融合分析。以往研究表明，模式产品对山区降雪也有一定优势，未来应进一步探索模式产品在复杂地形的可用性。此外，不同降雪强度下，雷达、卫星和模式降水产品精度的表现不同，如综合来看，引入模式对整体指数的改进效果明显，但对强降水是削弱的，因此后期在融合算法改进时，可尝试更加智能的融合方法，在分析时考虑降水强度的影响，从而达到更优的融合效果。