川渝地区汛期逐小时降水融合产品误差分析*

旷 兰，田茂举**，李 强，庞 玥，吉 莉，刘 祥

川渝地区汛期逐小时降水融合产品误差分析*

旷 兰1，田茂举1**，李 强2，庞 玥2，吉 莉3，刘 祥4

(1.重庆市綦江区气象局，綦江 401420；2.重庆市气象台，重庆 401147；3.重庆市北碚区气象局，北碚 400700；4.重庆市气象服务中心，重庆 401147)

利用2021年汛期三套降水融合产品CMPAS、GSMaP和IMERG，经质量控制后的川渝地区190个国家气象站逐小时降水数据，结合川渝地区的不同地形区间和不同小时雨强对三套融合产品进行误差分析。结果表明：（1）2021年汛期总降水量空间分布上，CMPAS产品与站点实测最为接近，其次依次为GSMaP、IMERG产品。（2）针对不同地形区、不同时段，CMPAS产品的相关性、命中率、关键成功率最优，IMERG次之；CMPAS产品的偏差、均方根误差、误报率最小，GSMaP产品的误报率最大，IMERG的偏差、均方根误差最大；各融合产品在8月和9月的命中率、关键成功率最优，在20：00−次日2：00、2：00−8：00的相关性、命中率、关键成功率最优，误差和误报率最小。（3）针对不同小时雨强，CMPAS明显优于IMERG和GSMaP产品；其中CMPAS产品5月和9月的相关性、命中率、关键成功率最优；当小时雨强增大时，各融合产品的均方根误差逐渐增大。研究结果说明汛期CMPAS产品在川渝地区的精度明显优于IMERG和GSMaP产品，可以为地面实测数据缺乏的地区提供有效的降水数据补充。

川渝地区；降水融合产品；CMPAS；GSMaP；IMERG；误差分析

极端降水事件可能引发中小河流洪水、地质滑坡、泥石流等自然灾害，干旱事件可能影响农业和水资源管理，因此，从空间监测不同的降水强度是必要的，特别是地面观测缺乏的地区。受地形和环境因素影响，地面雨量计常常分布不均，特别是高海拔地区常常分布有限，而降水融合产品提供了更大规模的空间覆盖，以弥补空间缺乏的地面观测[1−9]。

CMPAS_FRT[10]（CMA Multi-source Merged Precipitation Analysis System, CMPAS）中国逐小时降水实时融合实况分析产品，是中国区域地面−卫星−雷达三源融合降水分析产品CMPAS的降水融合产品之一，利用经质量控制的国家级气象站和区域国家气象站的逐小时降水观测资料、中国气象局气象探测中心研制的全国雷达拼图定量估测降水产品、国家卫星气象中心研制的FY2小时降水产品，采用概率密度函数匹配法、贝叶斯模型平均法、空间降尺度技术以及最优插值法等关键技术研制而成。GSMaP_Gauge[11]（Gauge-calibrated Rainfall Product，GSMaP）卫星降水产品，是经过美国气候预测中心（Climate Prediction Center, CPC）全球雨量站点、气候以及地形等校正后的卫星降水数据。IMERG_Final Run[12]（Integrated Multi-satellite Retrievals for GPM, IMERG）卫星降水产品，是全球降水观测计划GPM（Global Precipitation Measurement）推出的新一代多卫星联合反演的降水产品之一，首先利用GPM平台上的主被动微波传感器、各类红外传感器数据以及融合TRMM(Tropical Rainfall Measuring Mission) 时代的卫星降水反演算法，然后经过全球雨量站点的校正算法研制而成。

近年来，国内外已有学者开展不同降水融合产品在不同地区的适用性评估。Chua等[13]证明了CMORPH和GSMaP降水融合产品在澳大利亚地区具有良好的适用性，且精度高度依赖于降雨强度。陈晓宏等[14]验证了GPM和IMERG降水融合产品在北江流域具有良好的适用性。Yang等[15]按照降水强度通过相关系数、均方根误差、命中率等指标检验了IMERG降水融合产品在四川省的精度。史岚等[16]证明了在中国区域内CMPAS卫星降水产品与地面观测值具有较好的相关性。目前还鲜有针对CMPAS、GSMaP和IMERG三种降水融合产品的对比评估，尤其是针对主汛期（5−9月）不同地形区、不同小时雨强的对比研究相对匮乏。川渝地区地处第一级青藏高原和第二级长江中下游平原的过渡带，有丘陵、低山和高山等复杂地势，因此，本研究基于前人已有成果，重点结合川渝地区不同地形区、不同小时雨强等对各降水融合产品进行综合检验评价，以期为汛期水文气象防灾减灾提供数据支撑。

1 资料与方法

1.1 研究区域

研究区域为川渝地区，地处第一级青藏高原和第二级长江中下游平原的过渡带，地势高低悬殊，西高东低，由西北向东南倾斜，地跨青藏高原、横断山脉、云贵高原、秦巴山地和川渝盆地。受地形和气候影响大，降水时空分布差异明显，其中以汛期（5−9月）较多，东部和南部偏多，主要原因是来自东太平洋和印度洋季风携带的水汽受到独特地形作用，在川渝盆地形成充足降水。因此，着重分析不同卫星降水产品在不同地形区上的误差特征，利用SRTM（Shuttle Radar Topography Mission）的数字高程（DEM，Digital Elevation Model）模型，根据川渝地区的高程差异，将川渝地区分为4个地形区，即海拔500m以下为地形I区，海拔500−1000m为地形Ⅱ区，海拔1000−3000m为地形Ⅲ区，海拔3000m以上为地形Ⅳ区，地形及区域划分如图1所示。

图1 川渝地区地形区域划分（Ⅰ、Ⅱ、Ⅲ、Ⅳ区）及190个国家气象站分布

注：地形Ⅰ、Ⅱ、Ⅲ和Ⅳ区的海拔区间分别为≤500m、500−1000m、1000−3000m和＞3000m。

Note：Elevation range of terrain Ⅰ, Ⅱ, Ⅲ and Ⅳ is ≤500m, 500−1000m, 1000−3000m, and ＞3000m, respectively.

1.2 数据来源及处理

（1）融合产品降水数据

包括2021−05−01—2021−09−30川渝地区卫星降水数据，其中CMPAS卫星降水产品的时空分辨率为0.05°·h−1，来自国家气象信息中心网。GSMaP（https://sharaku.eorc.jaxa.jp/GsMap/index.htm）卫星降水产品的时空分辨率为0.1°·h−1。IMERG（https:// gpm.nasa.gov/data-access/downloads/gpm）卫星降水产品的时空分辨率为0.1°·30min−1。利用最近距离插值法提取各个国家气象站点的栅格数据，为了方便与国家气象站实测降水数据进行对比分析，将各卫星降水产品的时间分辨率统一处理为1h。

（2）站点实测降水数据

包括2021−05−01—2021−09−30川渝地区190个国家气象站逐小时降水实况资料，来自全国气象信息综合分析处理系统（Meteorological Information Combine Analysis and Process System, MICAPS）。

（3）基础地理数据

基于空间分辨率为12.5m的数字高程模型，采用ALBERS等面积圆锥投影和WCG1984大地坐标系，利用ArcGIS提取各站点海拔，再根据地形I、Ⅱ、Ⅲ和Ⅳ区的海拔区间对各国家气象站点进行归类处理。

1.3 误差评估

降水融合产品与国家气象站降水数据之间的误差评估指标[17]分为两类，一类为误差统计指标，另一类为对降水事件判断准确性评估指标，具体见表1和表2。其中误差统计指标主要包括相关系数(Correlation Coefficient, COR)，用来分析卫星降水与国家气象站降水数据的相关性；相对偏差(Relative Bias, BIAS)用来分析卫星降水与国家气象站降水数据之间的偏离程度；均方根误差(Root Mean Squared Error, RMSE)用来分析卫星降水与国家气象站降水数据的离散程度。

表1 降水融合产品评估指标

对降水事件判断准确性评估指标包括，利用误差分解模型将降水事件分为命中事件、漏报事件和误报事件3种误差成分[18]（表2）。为进一步综合描述3种不同误差成分对总体误差的贡献程度，又分为（详见表1）命中率（Probability of Detection, POD），即卫星数据准确及时捕捉实际的降水事件能力；误报率（False Alarm Ration, FAR），即卫星对降水事件的错误估计程度；关键成功指数（Critical Success Index, CSI），是综合考虑 POD和FAR的情况，用来衡量卫星降水探测实际降水事件的真正水平。

1.4 数据处理

利用最近距离法提取国家气象站点所处的栅格处的融合产品数据，并与站点实测降水数据进行误差分析。其次，基于ArcGIS平台，利用SRTM的数字高程（DEM）模型，根据川渝地区的高程差异，将川渝地区分为4个地形区，即海拔500m以下为地形I区，海拔500−1000m为地形Ⅱ区，海拔1000−3000m为地形Ⅲ区，海拔3000m以上为地形Ⅳ区，并从4个地形区分别计算其误差指标。

2 结果与分析

2.1 各融合产品汛期小时降水量时空分布差异分析

2.1.1 空间分布

由图2可见，各融合产品以及实测数据均显示，川渝地区2021年汛期（5−9月）逐小时降水量总和呈基本相似的分布趋势，主要表现为地形I区的降水量最大，依次为地形Ⅱ、Ⅲ、Ⅳ区，地形及区域划分如图1所示。

表2 降水融合产品对降水事件判断的准确性评估指标

注：0.1mm×h−1作为判断是否发生降水事件的阈值。

Note: 0.1mm×h−1is used as the threshold of whether precipitation events occur.

图2 川渝地区四种产品2021年汛期（5−9月）逐小时降水量总和的空间分布(mm)

注：OB是川渝地区190个国家气象站逐小时实测降水资料。GSMaP为美国气候预测中心校正后的卫星降水数据、CMPAS为中国区域地面−卫星−雷达三源融合的降水分析产品数据、IMERG为全球降水观测计划GPM发布的降水融合产品在川渝地区190个国家气象站点逐小时降水量的插值。下同。

Note：OB is the hourly measured precipitation data of 190 national meteorological stations in Sichuan and Chongqing. GSMaP is the corrected satellite precipitation data of the US Climate Prediction Center, CMPAS is the precipitation analysis product data of ground-satellite-radar fusion in China, and IMERG is the hourly precipitation interpolation of the precipitation fusion product released by the Global Precipitation Observation program GPM at 190 national meteorological stations in Sichuan and Chongqing. The same as below.

从降水量数据看，各融合产品间存在明显差异。以站点实测降水量数据（图2a）为基准，CMPAS产品各降水量级区间数据分布与实况最接近；其次为GSMaP产品，主要差别表现为在地形I区和Ⅱ区存在高估，2021年的汛期降水总量在1000～1500mm和1500～2000mm范围的站点明显增多；IMERG产品基本在各地形区域均存在明显高估。

2.1.2 汛期各月分布

由图3可见，各融合产品以及实测数据的不同小时雨强逐月分布均显示，各融合产品间均存在差异。以实测数据的小时雨强OB为基准，当小时雨强为0.1～1.9mm×h−1、2.0～4.9mm×h−1时（图3a、3b），各融合产品差别不大，其中CMPAS产品的小时雨强偏高最多，其次是IMERG产品，而GSMaP产品的小时雨强偏低。当小时雨强为5.0～9.9mm×h−1时（图3c），各类融合产品差别不大，其中CMPAS与实测数据基本保持一致，IMERG产品偏高，而GSMaP产品偏低。当小时雨强为10.0～19.9mm×h−1时（图3d），各融合产品差异增大，其中CMPAS在5月略比实测数据偏高，在7月和9月略微偏低，在6月和8月基本持平；IMERG产品在5−7月略微偏低，9月略微偏高，8月基本持平；而GSMaP产品却明显偏低。当小时雨强≥20.0mm×h−1时（图3e），各类融合产品的小时雨强基本小于50.0mm×h−1，大于100.0mm×h−1的小时雨强主要出现在8月和5月，其中IMERG产品比实测数据偏高，而其它融合产品与实测数据差异不大。

2.2 各融合产品不同时段小时降水量误差分布特征分析

2.2.1 整个汛期误差特征

分析各误差统计指标和分类统计指标的空间分布，结果见图4。由图可见，从相关系数来看，CMPAS产品的相关系数均在0.65以上，其中大部分站点的相关系数在0.85以上，而IMERG和GSMaP产品的相关系数则低于0.65；从偏差BIAS来看，CMPAS产品的偏差绝对值≤0.5，而IMERG产品的偏差绝对值则＞0.5，且大部分站点的偏差绝对值＞1.0，GSMaP产品的偏差绝对值≤1.0，且大部分站点的偏差绝对值≤0.5；从均方根误差RMSE来看，CMPAS产品大部分站点≤1.0mm，IMERG和GSMaP产品在地形Ⅳ区的误差普遍小于地形I、Ⅱ、Ⅲ区，其中IMERG产品的误差在各地形区都大于GSMaP产品；从命中率POD来看，CMPAS产品的命中率普遍＞0.65，其次是IMERG产品，GSMaP产品命中率最低；从误报率FAR来看，CMPAS产品的误报率最低，各站点均低于0.45且大部分站点低于0.25，IMERG产品的误报率高于CMPAS产品又低于GSMaP产品；从关键成功指标CSI来看，CMPAS产品的关键成功指标大部分站点高于0.65，其次依次是IMERG产品、GSMaP产品。

图3 四种产品汛期各月平均小时雨强的分类比较

注：○为各产品的中位数，—为所有产品的中位数，—分别为上四分位点、下四分位点。下同。

Note：○ is the median value of each product, — line in the middle is the median of all products, - lines at both ends are the upper and lower quartile sites respectively. The same as below.

图4 整个汛期三种融合产品与OB产品比较的逐小时降水量误差分布

2.2.2 汛期各月误差特征

分析各误差统计指标和分类统计指标的逐月变化，结果见图5。由图可见，CMPAS产品的相关性最好，其次是IMERG产品；CMPAS产品的偏差最小，其次是GSMaP产品；CMPAS产品的均方根误差最小，其次是GSMaP产品；CMPAS产品的命中率最大，其次是IMERG产品；CMPAS产品的误报率最小，其次是IMERG产品；CMPAS产品的关键成功指标最大，其次是IMERG产品。且CMPAS产品各站点的偏差均值接近0，GSMaP产品各站点的偏差均值略微大于0，IMERG产品各站点的偏差明显大于0。其中又以8月产品质量最好，其次依次是9月、7月、6月和5月。

2.2.3 日值误差特征

由图6可见，CMPAS产品的相关性最好，其次是IMERG产品，其中在14：00−20：00时段产品的相关性最小；CMPAS产品的偏差最小，其次是GSMaP产品，其中CMPAS产品各站点的偏差均值接近0，GSMaP产品各站点的偏差均值略大于0，IMERG产品各站点的偏差明显大于0，14：00−20：00偏差幅度变化最大；CMPAS产品的均方根误差最小，其次是GSMaP产品，其中14：00−20：00均方根误差变化幅度最小；CMPAS产品的命中率最大，其次是IMERG产品，其中在2：00−8：00时段命中率最高，其它依次是8：00−14：00、20：00−次日2：00、14：00−20：00；CMPAS产品的误报率最小，其次是IMERG产品，其中14：00−20：00的误报率最大，其次依次是8：00−14：00、20：00−次日2：00、2：00−8：00；CMPAS产品的关键成功指标最高，其次是IMERG产品，其中2：00−8：00关键成功指标最高，其它依次是8：00−14：00、20：00−次日2：00、14：00−20：00。

图5 5−9月三种融合产品与OB产品比较逐小时降水量的误差分布

2.3 各融合产品中不同降水强度下小时降水量的误差特征分析

根据站点观测值的每小时降水量进行降水强度分级，分级标准为0.1～1.9mm×h−1、2.0～4.9mm×h−1、5.0～9.9mm×h−1、10.0～19.9mm×h−1以及≥20.0mm×h−1，对不同降水强度下各误差统计指标和分类统计指标的变化进行分析，结果见图7。由图中可见，CMPAS产品的质量明显优于IMERG产品和GSMaP产品，而IMERG产品和GSMaP产品的质量无明显差异。随着小时雨强的增大，各产品的相关系数COR、命中率POD、关键成功指标CSI先逐渐降低后逐渐增高，呈V字型变化，其中当降水强度≥20.0mm×h−1时，指标最高；随着降水强度的增大，各产品的偏差BIAS值越小，均方根误差RMSE越大，误报率FAR先增大后减小呈倒V字型变化。

2.4 各融合产品中不同地形区域小时降水量的误差特征分析

由图8可见，各产品在不同地形区与国家气象站降水之间的散点数密度大都≤10.0mm×h−1，且地形Ⅰ区的小时雨强的极大值最大，其次依次为Ⅱ区、Ⅲ区和Ⅳ区。各产品的相关性随地形区变化并不明显，但均方根误差RMSE随着海拔增大而降低明显，即Ⅳ区的误差最大，其中CMPAS产品的拟合效果最好，均方根误差最小，其次是GSMaP产品，IMERG产品的误差最大。

分析各产品在不同地形区上的泰勒图分布，结果见图9。由图中可见，以CMPAS产品的相关系数最优，IMERG产品和GSMaP产品的相关系数差异较小；CMPAS产品的均方根误差最低，其次是GSMaP产品，IMERG产品的均方根误差最大；且IMERG产品的标准偏差也最大。对于均方根误差，CMPAS产品在不同地形区的差异不明显，而GSMaP和IMERG产品随着地形区的增大而逐渐增大，即地形Ⅳ区的误差最大，其中IMERG产品的误差最大，CMPAS产品的误差最小。

图7 三种融合产品在不同降水强度下逐小时降水量的误差统计和评价（与OB产品比较）

图8 不同地形区域内三种融合产品与OB产品逐小时降水量比较散点图

注：Ⅰ−Ⅳ区代表不同地形区域。红线代表线性拟合线，黑色实线代表1:1最佳线。黑色虚线代表拟合最佳上线和下线，分别对应y=1.15x+0.05 (上线) 和y=0.85x−0.05 (下线)。

Note：Zone Ⅰ−Ⅳ represents different topographic regions. The red line represents the linear fitting line, the black solid line represents the 1:1 best line, and the black dashed line represents the upper and lower line with the best fitting, Corresponding to y=1.15x+0.05 (upper line) and y=0.85x−0.05 (bottom line).

3 结论与讨论

3.1 结论

（1）2021年汛期总降水量空间分布上，CMPAS产品与实测数据最为接近，GSMaP产品在川渝盆地高估，IMERG产品在整个川渝地区明显高估，且地形I区和Ⅱ区的降水明显大于地形Ⅲ区和Ⅳ区。

（2）针对不同地形区、不同月份、不同时次段，CMPAS产品的相关性、命中率、关键成功率最优，IMERG次之；CMPAS产品的偏差、均方根误差、误报率最小，GSMaP产品的误报率最大，IMERG的偏差、均方根误差最大；各产品在不同地形区的误差指标相差较小；CMPAS、IMERG、GSMaP产品8月和9月的命中率、关键成功率最优；CMPAS、IMERG、GSMaP产品在20：00−次日2：00、2：00−8：00时段的相关性、命中率、关键成功率最优，误差和误报率最小，其次是8：00−14：00、14：00−20：00。

（3）针对不同小时雨强，CMPAS产品明显优于IMERG和GSMaP产品，IMERG和GSMaP产品相差较小；CMPAS产品5月和9月的相关性、命中率、关键成功率最优，6月和8月次之；当小时雨强增大时，各融合产品的均方根误差逐渐增大，IMERG和GSMaP产品的命中率、关键成功率逐渐减小，而CMPAS产品则先减小，当小时雨强≥20.0mm×h−1时，其命中率、关键成功率又增大明显。说明CMPAS产品在川渝地区的精度明显优于IMERG和GSMaP产品，可以为汛期地面实测数据缺乏的地区提供有效的降水数据补充。

图9 不同地形区域三种融合产品与OB产品逐小时降水量比较的泰勒图

注：散点代表卫星产品，辐射线代表相关系数，坐标轴代表标准偏差，虚线代表均方根误差。

Note：Scatter represents satellite products, radiation represents correlation coefficient, horizontal and vertical axes represent standard deviation, and dotted lines represent root mean square error.

3.2 讨论

与基于全球降水观测计划GPM的多卫星降水反演产品（IMERG）和全球降水卫星制图产品（GSMaP）相比，基于国家高时空分辨率的多源降水融合分析产品（CMPAS）的精度最优，以国家气象站为基准，CMPAS产品在川渝地区的相关性、命中率、关键成功率最高，能较好地反映降水的时空分布，能够为汛期地面实测数据缺乏的地区提供有效的降水数据补充，这与史岚等对CMPAS产品的研究结果一致。

本研究在对各融合产品进行精度评估时发现，不同小时雨强和不同地形区间对不同融合产品精度具有一定影响，特别是当小时雨强增强时，命中率和关键成功率逐渐降低，当小时雨强≥20.0mm×h−1时，GSMaP和CMPAS产品存在低估，IMERG产品存在高估。由于影响降水的因素复杂，而本研究仅选取了川渝地区190个国家气象站逐小时降水资料开展精度评价，站点密度不够，有待进一步开展基于高密度实测降水数据的不同融合产品在不同地形因子下的精度评估。

[1] 窦世卿,张寒博,徐勇,等.TRMM降水数据在长江流域的降尺度分析与校正[J].中国农业气象,2021,42(5):377-389.

Dou S Q,Zhang H B,Xu Y,et al.Research on downscaling and correction of TRMM data in the Yangtze river basin[J].Chinese Journal of Agrometeorology,2021,42(5): 377-389.(in Chinese)

[2] 旷兰,田茂举,李强,等.多源降水融合分析产品在重庆复杂地形下的精度评价[J].中国农业气象,2023,44(1):71-81.

Kuang L,Tian M J,Li Q,et al.Study on accuracy evaluation of multi-source precipitation fusion analysis products under complex terrain in Chongqing[J].Chinese Journal of Agrometeorology,2023,44(1):71-81.(in Chinese)

[3] 玉院和,王金亮.TRMM 3B43降水数据在云南地区的降尺度适用性评价[J].中国农业气象,2020,41(9):575-586.

Yu Y H,Wang J L.Applicability evaluation of TRMM 3B43 precipitation data for downscaling in Yunnan province [J].Chinese Journal of Agrometeorology,2020,41(9):575- 586.(in Chinese)

[4] 李豪,雷苑.复杂地形下TRMM降水数据的降尺度研究:以四川省为例[J].中国农业气象,2019,40(10):607-619.

Li H,Lei Y.Spatial downscaling of TRMM precipitation data in areas of complex terrain: a case study in Sichuan province[J]. Chinese Journal of Agrometeorology,2019, 40(10):607-619.(in Chinese)

[5] 田茂举,旷兰,康俊,等.CMPAS产品在綦江流域面雨量中的应用研究[J].湖北农业科学,2021,60(S2):171-175.

Tian M J,Kuang L,Kang J,et al.Application of CMPAS products in area rainfall of Qijiang river basin[J].Hubei Agricultural Sciences,2021,60(S2):171-175.(in Chinese)

[6] 田茂举,李奇临,旷兰,等.基于“重庆6.22”特大暴雨的降水融合产品质量评估[J].成都信息工程大学学报,2022,37 (4):478-484.

Tian M J,Li Q L,Kuang L,et al.Quality evaluation of precipitation fusion products based on Chongqing “6·22” torrential rain[J].Journal of Chengdu University of Information Technology,2022,37(4):478-484.(in Chinese)

[7] 江志红,卢尧,丁裕国.基于时空结构指标的中国融合降水资料质量评估[J].气象学报,2013(5):891-900.

Jiang Z H,Lu Y,Ding Y G.Analysis of the high-resolution merged precipitation products over China based on the temporal and spatial structure score indices[J].Acta Meteorologica Sinica,2013(5):891-900.(in Chinese)

[8] 张蒙蒙,江志红.我国高分辨率降水融合资料的适用性评估[J].气候与环境研究,2013,18(4):461-471.

Zhang M M,Jiang Z H.Analyses of high-resolution merged precipitation products over China[J].Climatic and Environmental Research,2013,18(4):461-471.(in Chinese)

[9] 季漩,罗毅.TRMM降水数据在中天山区域的精度评估分析[J].干旱区地理,2013,36(2):253-262.

Ji X,Luo Y.Quality assessment of the TRMM precipitation data in mid Tianshan mountains[J].Arid Land Geography, 2013,36(2):253-262.(in Chinese)

[10] 潘旸,沈艳,宇婧婧,等.基于贝叶斯融合方法的高分辨率地面−卫星−雷达三源降水融合试验[J].气象学报,2015, 73(1):177-186.

Pan Y,Shen Y,Yu J J,et al.An experiment of high-resolution gauge-radar-satellite combined precipitation retrieval based on the Bayesian merging method[J].Acta Meteorologica Sinica, 2015, 73(1): 177-186.(in Chinese)

[11] Mega T,Ushio T,Kubota T,et al.Gauge adjusted global satellite mapping of precipitation(GSMaP_Gauge)[C]∥IEEE General Assembly and Scientific Symposium,2014:1-4.

[12] 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,2015,30(4):607-615.

Tang G Q,Wan W,Zeng Z Y,et al.An overview of the global precipitation measurement(GPM) mission and it’s latest development[J]. Remote Sensing Technology and Application, 2015,30(4):607-615.(in Chinese)

[13] Chua Z W,Kuleshov Y,Watkins A.Evaluation of satellite precipitation estimates over Australia[J].Remote Sensing, 2020,12(4):678.

[14] 陈晓宏,钟睿达,王兆礼,等.新一代GPM IMERG卫星遥感降水数据在中国南方地区的精度及水文效用评估[J].水利学报,2017,48(10):1147-1156.

Chen X H,Zhong R D,Wang Z L,et al.Evaluation on the accuracy and hydrological performance of the latest- generation GPM IMERG product over South China[J]. Journal Of Hydraulic Engineering,2017,48(10):1147-1156. (in Chinese)

[15] Yang M,Liu G,Chen T,et al.Evaluation of GPM IMERG precipitation products with the point rain gauge records overSichuan,China[J].Atmospheric Research,2020,246:105101.

[16] 史岚,万逸波,张狄,等.CMPA降水资料在中国地区不同地形下的精度评价研究[J].气象科学,2018,38(5).616-624.

Shi L,Wan Y B,Zhang D,et al.Precision evaluation of CMPA remote sensing precipitation data in different terrains of China[J].Journal of the Meteorological Sciences, 2018,38(5):616-624.(in Chinese)

[17] 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 Re- search,2010,46(7):759-768.

[18] 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(D24):D24101.

Error Evaluation of Hourly Precipitation Fusion Products during Flood Season in Sichuan and Chongqing

KUANG Lan1, TIAN Mao-ju1, LI Qiang2, PANG Yue2, JI Li3, LIU Xiang4

(1. Qijiang District Meteorological Bureau of Chongqing, Qijiang 401420, China; 2. Chongqing Meteorological Observatory, Chongqing 401147; 3. Beibei District Meteorological Bureau of Chongqing, Beibei 400700; 4. Chongqing Meteorological Service Center, Chongqing 401147)

Three sets of precipitation fusion products CMPAS, GSMaP and IMERG in the flood season of 2021, and the hourly precipitation data of 190 national meteorological stations in Sichuan and Chongqing region after quality control were used to test the error analysis of the three sets of products in combination with different terrain intervals and different hourly rainfall intensity in Sichuan and Chongqing region, so as to provide data support for flood season hydrometeorological disaster prevention and reduction. Some results in this study showed that: (1) in terms of the spatial distribution of total rainfall in 2021 flood season, CMPAS products were the closest to the site measured precipitation, followed by GSMaP and IMERG products. (2) According to different topographic areas and different time periods, CMPAS products had the best correlation, hit rate and key success rate, followed by IMERG. The deviation, root mean square error and false positive rate of CMPAS products were the smallest, the false positive rate of GSMaP products was the largest, and the deviation and root mean square error of IMERG products were the largest. The hit rate and critical success rate of all fusion products were the best in August and September, and the correlation, hit rate and critical success rate were the best in 20：00−next 2：00 and 2：00−8：00, while the error and false positive rate were the least. (3) CMPAS was obviously better than IMERG and GSMaP for different hourly rainfall intensity. The correlation, hit rate and critical success rate of CMPAS products in May and September were the best. As the hourly rain intensity increased, the root mean square error of each fusion product increased gradually. The above results indicate that the accuracy of CMPAS products in flood season was obviously better than that of IMERG and GSMaP products in Sichuan and Chongqing, which could provide effective precipitation data supplement for areas lacking ground measured data.

Sichuan and Chongqing region; Precipitation fusion product; CMPAS; GSMaP; IMERG; Error analysis

10.3969/j.issn.1000-6362.2023.10.008

2022−10−25

重庆市自然科学基金面上项目（cstc2021jcyj-msxmX0057）；重庆市气象部门业务技术攻关项目（YWJSGG- 202012；YWJSGG-202128）；重庆市气象部门青年基金项目（QNJJ-202010）

通讯作者：田茂举，高级工程师，主要从事GIS和天气预报研究，E-mail：147758044@qq.com

旷兰，E-mail：616032331@qq.com

旷兰,田茂举,李强,等.川渝地区汛期逐小时降水融合产品误差分析[J].中国农业气象,2023,44(10):953-963