基于多源数据的郑州市降水时空演变规律

摘 要：降水数据产品的兴起为水文气象领域研究提供了新思路，为缺资料地区水文预报、水资源管控提供有力数据支撑。作为站点数据的重要补充，其准确性对径流模拟、水文测报等至关重要。郑州市近些年暴雨事件频发，地面雨量站数量较少，不足以支撑水文气象工作者制定决策，通过定量指标与分类指标评估中国区域地面气象要素驱动数据集（CMFD）、Integrated Multi-satellitE Retrievals for GPM final run（GPM IMERG）、欧洲中期天气预报中心第5代再分析数据（ERA5）及Global Satellite Mapping of Precipitation（GSMaP）4套降水数据产品，筛选出适用于郑州市的降水数据，并采用Slope分析法及MK检验法揭示郑州市降水时空演变规律。结果表明：4种卫星降水产品在郑州市均取得较好适用性，其中CMFD在总体上表现最优；4套降水数据均表现出高估小雨，低估中雨和大雨的现象；在空间上，4套降水数据在郑州市西南区域总体表现优于东北区域；郑州市降水在时间上呈现不显著下降趋势，下降率约为0. 2 mm/a，在空间上，呈现出自西南向东北递减的趋势。

关键词：CMFD；GPM IMERG；ERA5；GSMaP；适用性分析；降水时空演变；郑州市

中图分类号：TV11 文献标识码：A 文章编号：1001-9235（2024）10-0033-11

Spatiotemporal Evolution Law of Precipitation in Zhengzhou City Based onMulti-Source Data

JIANG Xi

（Liaoning River Reservoir Management Service Center （Liaoning Provincial Department of Water Resources）， Shenyang 110003， China）

Abstract： The rise of precipitation data products provides new ideas for research in the field of hydrology and meteorology， as well as a strong data basis for hydrological forecasting and water resource management in areas lacking data. As an important supplement to station data， the accuracy of precipitation data products is crucial for runoff simulation， hydrological measurement and calculation， etc. In recent years， rainstorm events have occurred frequently in Zhengzhou City， and the number of ground rainfall stations is few， which fails to help hydrometeorologists make decisions. In this study， four sets of precipitation data products， namely， China Meteorological Forcing Dataset （CMFD）， Integrated Multi-satellitE Retrievals for GPM Final Run （GPM IMERG）， ECMWF Reanalysis V5 （ERA5）， and Global Satellite Mapping of Precipitation （GSMaP）， were evaluated through quantitative indicators and classification indicators， and the precipitation data suitable for Zhengzhou City was screened out. The slope analysis method and MK test method were used to reveal the spatiotemporal evolution law of precipitation in Zhengzhou City. The results show that four types of satellite precipitation products have achieved good application effects in Zhengzhou City， with CMFD performing the best overall. All four sets of precipitation data show an overestimation of light rain and an underestimation of moderate and heavy rain. In terms of space， the overall performance of the four sets of precipitation data in the southwest region of Zhengzhou City is better than that in the northeast region. The precipitation in Zhengzhou City shows a non-significant decrease in terms of time， with a decreasing rate of about 0. 2 mm/a. In terms of space， it shows a decreasing trend from southwest to northeast.

Keywords： CMFD; GPM IMERG; ERA5; GSMaP; applicability analysis; spatiotemporal evolution of precipitation; Zhengzhou City

降水是水文过程的重要输入项，是水文气象研究不可避免的重要因素，对水资源开发治理，水旱灾害防治、水资源循环再生等具有重要意义，是关系人民生命财产安全的重要要素［1］。郑州市位于中国中部，是中国重要的交通枢纽，具有频繁的人类经济活动，同时，郑州市是一个典型的缺水城市，全市人均占水量仅达到全国人均占水量的1/10［2］。在气候变化与人类活动共同影响下，郑州市水旱灾害频繁发生，暴雨、洪水、城市内涝等灾害对郑州市民生产生活造成了严重影响，仅2021年“7·20”暴水事件造成200余人伤亡，直接经济损失500余亿元［3］。由于郑州市特殊的地理属性与气候属性，厘清降水时空演变规律对郑州市意义重大。

高准确性、高精度的降水数据对郑州市降水时空演变规律研究必不可少，传统的雨量计监测降水在呈现降水空间分布信息时具有一定不足，卫星降水数据可以作为实测数据补充［4］，较好地监测降水的空间变化情况，然而，不同降水数据产品在不同区域的适用性存在一定差异，故降水数据产品评估及选取是必要的［5-8］。国内外已有众多学者针对卫星降水产品适用性展开了评估，陈昊杰等［9］分析了TRMM 3B42 V7在河南省干旱区域的精度，认为其与实测数据间相关性较高，偏差较低；冯克鹏等［10］

评估PERSIANN、PERSIANN-CDR、TRMM 3B42V7、GPM IMERG、StageIV及ERA5，认为Stage IV雷达降水在各小流域水文模拟中适用性最高；缪清华等［11］评估了GPM IMERG卫星降水在湘江流域的适用性，认为湘江流域GPM IMERG eraly run、late run及final run 3套数据与实测数据相比均具有较高的相关性，final run存在高估实测降水现象而其它两种产品均存在低估实测降水的现象；孟庆博等［12］认为TRMM、CHIRPS、CMORPH V1. 0、PERSIANN CDR及GLDAS noah五套降水数据日值产品在尼洋河流域表现均无法满足实际工作需要；Franchtio等［13］认为在奥地利东南部GPM IMERG final在众多卫星降水数据中表现最佳；Alijanian等［14］认为MSWEP在伊朗地区适用性最高。综上，已有大量学者在不同区域开展了多源降水数据的评估工作，这是提升数据精度不可避免的步骤［8］，然而针对郑州市多源降水数据评估的工作开展较少，现有关于郑州市降水时空分布规律的研究多基于站点数据，空间代表性差。

综上，本文主要目的有两方面，一是通过统计学分析方法，在国内外主流卫星降水产品中，筛选出在郑州市具有较强适用性的降水数据产品；二是通过筛选得到的降水数据产品，采用趋势分析、突变分析等方式揭示郑州市降水时空演变规律。

1 研究区概况

郑州市地处河南省北部，是全省政治、经济、文化的中心，经度为112°42'～114°14' E，纬度为 34°16'～34°58'N，与许昌、洛阳、新乡及开封等多座城市接壤。郑州市地形走向为西南高东北低，全市总面积0. 74万km2，市区面积0. 10万km2，建成区面积0. 04万km2。郑州市多年平均降水量约为639. 6 mm，降水的年内分布存在一定程度差异，主要发生在7—9月，降水量超郑州市年降水量50%，而其他月份降水量较低［15］。境内大小河流35条，分属于黄河和淮河两大水系，其中流经郑州段的黄河河长为150. 4 km［16］。

2 数据与方法

2. 1 数据

本研究降水数据包括地面实测数据及降水产品数据，地面实测数据通过中国气象数据网下载（https ：// www. cma. cn /），该数据集包含全国地面站点建站至今的逐日观测资料，监测要素包含降水、气温、气压及风速等，全部要素均通过国家气象局严格地质量控制，具有较高精度，在众多研究中被视为降水真实值［5，9，11］。出于数据一致性的考虑，本研究选取1980—2019年郑州市全部气象站点数据为标准值，开展降水数据产品评估工作。

降水数据产品选择4套国内外多次被验证，具有较高精度的数据产品（表1），包括青藏高原研究所发布的CMFD、美国宇航局（NASA）提出的GPM IMERG、欧洲中期天气预报中心（ECMWF）研发的ERA5、NASA与日本宇航局（JAXA）联合发布的GSMaP。

CMFD由青藏高原研究所何杰博士通过Princeton、GLDAS及GEWEX-SRB等数据融合地面实测气象数据得到，包含降水、气压、风速等7种气象要素，其精度在中国区域被验证优于全部再分析数据［17-18］。

GPM IMERG由GPM卫星监测数据反演得到，是GPM计划主要降水产品之一，GPM作为TRMM的下一代卫星，优势在于搭载了更高精度的传感器（GMI及DPR）。此外，GPM IMERG数据反演算法融合多种常见的卫星降水反演算法（TRMM 3B42、PERSIANN及CMORPH等）。数据最小时间精度为30 min，空间精度为0. 1°，本文选择的时间序列为2001—2019年［3，5，10］。

GSMaP是NASA及JAXA发布的MW-IR组合产品，2002—2007年在日本科学技术厅（JST）的资助下发布。自2007年以来，由JAXA的降水测量任务（PMM）推动，数据空间精度为0. 1°，最小时间精度为1 h，本研究所选时间序列为2001—2019年［19］。

ERA5是ECMWF发布的第五代再分析数据集，其通过模型数据与各地实测数据相结合的方式，形成了一套具有降水、气温、气压及风速等多要素气象数据集，数据精度已被验证适用于多个流域［2］。

2. 2 方法

选择定量指标评估降水数据产品的一致性、准确性及误差，定量指标分别是相关系数（CC）、偏差（Bias）、均方根误差（RMSE）与平均绝对误差（MAE）［20-22］。采用分类指标评估降水数据产品对降水事件的识别能力，分类指标选择探照率（POD）、错报率（FAR）与临界成功指数（CSI）［23-24］。CC 代表数据产品与实测数据相关性强弱。Bias是偏差，用于描述数据产品高估或低估实际降水的程度。RMSE 与 MAE 代表数据产品与实测数据之间的误差。POD代表降水数据产品准确识别降水事件发生的比率。FAR指降水数据产品错误判断降水事件发生的比率。CSI 是评价降水事件是否发生的综合性指标，为剔除数据产品与实测数据均判断为未发生降水事件的样本数量后，数据产品准确识别降水事件的比率。参考现有研究［1，25］，降水事件发生的阈值设置为 0. 1 mm/d，CC、POD、CSI 3个指标取值范围为0～1，数值越大说明评估效果越好，Bias、RMSE、MAE与FAR的取值越接近0，评估效果越好。各指标计算公式如下：

式中：n为降水观测的总数量；A为降水产品的雨量值；A为A的均值，mm；B为地面实测数据雨量值；B为B的均值，mm；T为降水数据产品正确判断降水事件发生的次数；F为降水数据产品误判为降水事件发生的次数；M为降水数据产品未检测到降水事件发生的次数。

在数据评估过程中，计算了每套降水数据产品在郑州市的降水日值、降水月值，分别与实测降水数据进行对比分析。从总体、不同季节、不同降雨量级及站点尺度4个维度进行数据评估。使用最邻近边界插值法提取降水数据产品中雨量站位置的降水数据，进而完成站点尺度降水产品适用性评估。所有数据均通过严格的质量控制，同时将以世界时（UTC）为标准的降水数据产品均转换为当地标准时间（LST）以保证每日的时间界定相同。

降水数据趋势分析选择Slope趋势分析法及MK突变检验法。Slope趋势分析又被称为一元线性回归分析，优势在于比较直观地展示数据多年变化趋势，Slope指数通常是使用最小二乘法计算的斜率，计算公式如下：

式中：Slp为变化率；i与P分别为自变量与因变量i ，当Slp > 0时，可认为P呈上升趋势，当Slp < 0时，可认为P呈下降趋势。

MK 突变检验法被世界气象组织推荐用于数据变化趋势分析，优势在于不受异常值影响，具有较强的客观性，目前已广泛用于水文气象要素演变规律计算中［26］。

3 结果与讨论

3. 1 总体评估

为保证评估数据时间序列的一致性，选取2001—2018年全时段数据进行分析，结果见图2、3。实测数据通过泰森多边形的方式，确定不同站点的权重值，从而计算降水日值与降水月值，从而实现站点数据与栅格数据的比较。郑州市四套降水产品月尺度数据与实测数据具有很强的相关性（图2），CMFD、GPM IMERG及ERA5 3套数据CC值均高于0. 9，GSMaP的CC值为0. 79。同时，4套降水数据月值与实测数据的偏离程度相差不大，Bias均在0. 1上下浮动，CMFD与ERA5低估实际降水，而GPM IMERG与GSMaP高估实际降水。误差方面，CMFD误差最小，RMSE=239. 50，MAE=8. 69，其余3套数据的RMSE均介于300 ～ 400 mm，MAE在10 mm上下波动。

郑州市4套降水产品日尺度数据定量评估结果见图3，发现4套降水数据与实测站点数据CC均大于0. 5，其中CMFD降水数据CC最高，为0. 74，这由于CMFD融合大量实测数据，很大程度提升了其准确性。CMFD、GPM IMERG及GSMaP 3套数据均表现为高估日降水量，而ERA5表现为低估日降水量，四套降水数据相较于实测数据偏离程度不大，其中GSMaP的Bias最小（Bias=0. 02），GPM IMERG的Bias最大（Bias=0. 11）。在误差方面，CMFD降水数据与实测数据的误差值最小，表现为RMSE=21. 02，MAE=1. 46，而GPM IMERG降水数据的误差与实测数据误差最大，表现为RMSE=30. 59，MAE=2. 03，4套降水数据误差从小到大顺序为CMFD、GSMaP、ERA5、GPM IMERG。

通过POD、FAR及CSI 3项分类指标评估降水数据对降水事件是否发生的识别能力（图4），4套降水数据均能较为准确地判断降水事件是否发生，表现为4套降水数据的POD均大于0. 7，CSI均大于0. 5，4套数据对降水事件识别能力表现为ERA5>CMFD>GSMaP>GPM IMERG。

综上，在日尺度及月尺度降水数据的评估中，CMFD、GPM IMERG、ERA5及GSMaP均表现出较好的适用性，其中CMFD整体表现优于其他数据，这主要是由于CMFD数据融合多套卫星降水数据及地面实测数据，通过ANUSPLINE插值得到，GPM IMERG与GSMaP均为卫星数据，适用性受地形、气候等外界条件影响较大［27］，故CMFD在准确性与一致性方面相较于GSMaP与GPM IMERG等卫星数据具有一定优势。ERA5数据融合ECMWF收录的实测数据，但仅为国际交换站数据，在中国区域的站点数量远低于CMFD数据，故其在整体适用性方面略低于CMFD数据。

3. 2 不同降水量级评估

4套降水数据及实测数据计算得到郑州市日降水量介于0～150 mm，本研究参照黄晓龙等［2］研究，将日降水强度按小于10 mm（小雨）、10～25 mm（中雨）、>25～50 mm（大雨）及大于50 mm（暴雨）划分为4种量级，分别计算4种降水量级下数据产品表现情况，具体结果见图5、6。

ERA5与CMFD数据在小雨时CC最高，中雨、大雨及暴雨时CC较低，而GPM IMERG及GSMaP在暴雨时CC最高（图5）。CMFD、GPM IMERG与ERA5均表现出在小雨时高估降水量，而在中雨、大雨及暴雨时低估降水量，GSMaP表现为在高估小雨和暴雨降水量，低估中雨和大雨降水量（图6）。此外，4套降水数据在雨量高于25 mm后均无错报现象发生，表现为FAR均为0（图5）。当降水量高于50 mm时，4套降水数据均能够准确探测到降水事件的发生情况，表现为POD与CSI均为1（图5）。这一结论与已有研究保持一致［2，28］。

3. 3 季节尺度评估

本研究讨论春（3—5月）、夏（6—8月）、秋（9—11月）、冬（12月至次年2月）4个季节降水产品在郑州市的适用性（图7），不难看出，4套降水在四季的一致性表现存在一定程度差异（图7a），Bias均表现出夏季偏离程度小而冬季偏离程度大（图7b），RMSE与MAE的表现与Bias相反，夏季误差大，而冬季误差小（图7c、7d），这主要是由于夏季降水总量大，冬季降水总量小，从而造成了误差上的差异［22］。除GSMaP外，其他数据产品均表现为夏季POD高，冬季POD低（图7e），4套数据的FAR表现为冬季高、夏季低（图7f），CSI均表现为夏季高，冬季低（图7g）。由3. 2部分结论可知，降水事件发生频率高、降雨量级大的情况下，降水数据产品对降水事件是否发生的识别能力更强，夏季雨量充沛，故降水数据识别降水事件发生能力优于其他季节。不同降水数据在不同季节表现各异，选取降水数据产品参与水文分析计算等研究需充分考虑其季节性误差，从而得到合理的结论。

3. 4 站点尺度评估

分别计算郑州市内8个雨量站实测数据与降水数据产品的CC、Bias、RMSE、MAE、POD、FAR及CSI，计算结果见图8，4套数据在空间上适用性存在较大差异，4套降水数据在各站点处的CC介于0. 2～0. 6，整体上呈现西南区域相关性高于东北区域的趋势，Bias介于-0. 4 ～ 0. 5，南部区域偏离程度小于北部区域的偏离程度，RMSE、MAE与FAR在空间上的差异性不明显，CMFD与ERA5在各个站点处的POD及CSI评估结果均优于GPM IMERG及GSMaP。造成上述现象的主要原因与地理条件及气候条件具有一定关系，一方面郑州市地处黄淮平原区，郑州市西南区域雨量充沛，降水密度大，更有利于空基监测。另一方面数据产品是融合站点数据得到，郑州市西南区域站点数量略高于东北区域，故生产数据过程中不同区域存在一定程度的误差。

3. 5 降水时空演变规律

选取1980—2019年降水数据进行郑州市降水时空演变规律分析，通过对比4套降水数据在面尺度、站点尺度、季节尺度及降雨量级的评估结果，总体上认为CMFD数据适用性最好，ERA5次之。由于CMFD降水数据时间序列仅到2018年，故降水时空演变规律研究中2019年数据使用ERA5数据，上述时间序列融合的数据在郑州市已被评估具有较强的适用性，CC=0. 94，Bias=-0. 10。采用Slope趋势分析法及MK突变检验法分析郑州市40 a降水时空演变规律（图9）。1980—2019年郑州市降水在不同年份上存在较强的震荡（图9a），整体上呈现不显著下降趋势。郑州市降水序列在1980—2019年存在2个突变点（图9b），分别是1982年与1986年，1982年前后，郑州市降水显著上升，而1986年显著下降。图10展示了1980—2019年郑州市降水空间分布图，数据是通过多年栅格数据进行求和取平均后得到，出图时在不改变数据的变化趋势与数据范围的前提下，对所有栅格数据进行了最邻近边界插值处理，郑州市多年平均降水量介于586. 94～677. 12 mm，与中国西南地区、东北地区相比，其降水量空间差异性较小，但仍呈现出自西南向东北递减的趋势。

4 结论

以郑州市内8个国家基本站降水资料为参照，通过CC、Bias、RMSE、MAE、POD、FAR及CSI 7个指标，考虑区域总体、季节性、降水量级及站点尺度4个方面，全面系统地评估了CMFD、GPM IMERG、ERA5及GSMaP 4套常见降水产品在郑州市适用性，筛选出适用性较高的数据产品用以揭示1980—2019年郑州市降水时空演变规律，主要结论如下。

a））4套降水产品在郑州市均表现6b+V79Q1VnPL3UBn+UTLrw0UbrbQH5HkYECYKDX+pVw=出良好的适用性，具体表现在4套降水数据月尺度产品与实测数据CC均高于0. 7，日尺度产品与实测数据CC均高于0. 5，日尺度降水产品相较于实测数据偏离程度及误差均较低，体现在Bias均在±0. 1上下浮动、RMSE最大值为30. 59、MAE最大值为2. 03，此外通过POD、FAR及CSI的数值可以判断4套降水产品均能较为准确地判断是否发生降水。4套降水产品中，CMFD整体表现优于其他3套数据，表现在其具有最高的CC及最低的RMSE与MAE。

b））4套降水数据在不同季节表现出不同适用性，CMFD、GPM IMERG、ERA5及GSMaP 4套数据Bias均表现出夏季偏离程度小而冬季偏离程度大，RMSE与MAE的表现与Bias相反，夏季误差大，而冬季误差小。关于降雨量级的评估可以看出，降水数据产品往往在小雨时高估降水，而在中雨、大雨或暴雨时低估降水。关于站点尺度的评估可以看出，4套降水产品在郑州市内不同位置的适用性存在一定差异性，郑州市西南区域总体表现优于东北区域。

c））在1980—2019年，郑州市降水在时间上呈现波动下降的现象，下降趋势约为0. 2 mm/a，1982及1986年为郑州市降水突变点，在1982及1986年前后，郑州市降水均发生了较为显著地变化。在空间上，呈现出明显的自西南向东北递减的趋势。

综上，CMFD、GPM IMERG、ERA5及GSMaP在郑州市均表现出较强的适用性，可以作为实测数据的有效补充，可为郑州市水文、气象领域相关分析提供充足数据支撑，也是郑州市多源异构降水数据融合的科学依据。本研究选取郑州市内全部气象站点数据，但总数量仅有8处，不足以满足不同高程区间的降水数据适用性评估，后续可考虑扩大研究范围，探索高程对降水数据适用性的影响，从而建立地形与降水数据适用性的关系，通过人工智能模型开展多源异构数据同化融合研究，这对补充郑州市实测数据短缺具有重要意义。

参考文献：

［1］胡庆芳. 基于多源信息的降水空间估计及其水文应用研究［D］. 北京：清华大学， 2013.

［2］黄晓龙，吴薇，许剑辉，等. ERA5-Land降水再分析资料在中国西南地区的适用性评估［J］.高原气象，2023，42（6）：1562-1575.

［3］郭换换，王坤.基于双偏振雷达和降水现象仪的郑州“7·20”极端强降水微物理特征分析［J］.大气科学学报，2023，46（5）：713-724.

［4］徐志，翟然，谭伟丽，等. 长江流域再分析降水数据的精度评估［C］//2023（第十一届）中国水生态大会论文集. 2023.

［5］ TIAN F Q， HOU S Y， YANG L， et al. How Does the Evaluation of the GPM IMERG Rainfall Product Depend on Gauge Density and Rainfall Intensity？［J］. Journal of Hydrometeorology， 2018，19（2）： 339-349.

［6］权晨，赵彤，何杰，等.青海省长序列高分辨率气象要素栅格数据集构建与评估［J］.气象科技进展，2023，13（4）：29-33.

［7］马茜. 不同类型降水产品在中国不同分区的精度评价及干旱监测适用性研究［D］.咸阳：西北农林科技大学，2022.

［8］胡文韬，余钟波，陈松峰，等.长江上游卫星反演与再分析降水数据的适用性评估［J］.河海大学学报（自然科学版），2024，52（3）：15-24.

［9］陈昊杰，马明卫，林远. TRMM卫星降水产品和SPDI在河南省干旱监测中的适用性［J］.水资源开发与管理，2022，8（3）：6-15.

［10］冯克鹏，田军仓，洪阳，等. TRMM/GPM和StageⅣ降水产品在小流域水文模拟效用评估［J］.排灌机械工程学报，2021，39（4）：397-403.

［11］缪清华.基于分布式模型和多源降水的中小河流洪水预警预报方法［D］.北京：清华大学，2019.

［12］孟庆博，刘艳丽，刘冀，等. TRMM卫星降水产品在尼洋河流域的适用性定量分析［J］.水资源与水工程学报，2019，30（1）：89-96.

［13］FRANCHITO S H， RAO V B， VASQUES A C， et al. Validation of TRMM precipitation radar monthly rainfall estimates over Brazil［J］. Journal of Geophysical Research， 2009，114（2）：102-113.

［14］ALIJANIAN M， RAKHSHANDEHROO G R， MISHRA A K， et al. Evaluation of satellite rainfall climatology using CMORPH， PERSIANN-CDR， PERSIANN， TRMM， MSWEP over Iran［J］. International Journal of Climatology， 2017，37（14）： 4896-4914.

［15］张金萍，曾苜翔，郭元.基于WRF的郑州市暴雨中心最大时降雨过程模拟分析［J］.水资源与水工程学报，2022，33（3）：1-11.

［16］王振亚，姚成，董俊玲，等.郑州“7·20”特大暴雨降水特征及其内涝影响［J］.河海大学学报（自然科学版），2022，50（3）：17-22.

［17］徐志，翟然，谭伟丽，等.长江流域再分析降水数据的精度评估［C］//2023（第十一届）中国水生态大会论文集，2023.

［18］高金兰，温华洋，郑小艺，等.三套再分析降水资料在安徽省的适用性评估［J］.气象与环境学报，2023，39（4）：47-56.

［19］尚明，任阳阳，宋宏利，等. IMERG和GSMaP对中国极端降水监测能力评估［J］.地球信息科学学报，2023，25（9）：1813-1826.

［20］吴薇，黄晓龙，徐晓莉，等.四川省降水实况分析产品影响因素综合评估［J］.干旱气象，2023，41（1）：143-151.

［21］周思儒，信忠保.基于多源数据的近40年青藏高原降水量时空变化［J］.长江科学院院报，2023，40（10）：186-194.

［22］BHARTI V， SINGH C. Evaluation of error in TRMM 3B42V7 precipitation estimates over the Himalayan region［J］. Journal of Geophysical Research： Atmospheres， 2015，120（24）： 12458-12473.

［23］TAN M L， SANTO H. Comparison of GPM IMERG， TMPA 3B42and PERSIANN-CDR satellite precipitation products over Malaysia［J］. Atmospheric Research， 2018，202： 63-76.

［24］董永超，甘富万，高扬，等. IMERG卫星降水数据在嘉陵江流域的干旱监测效用评估［J］.水文，2023，43（4）：88-95.

［25］孙乐强，郝振纯，王加虎，等. TMPA卫星降水数据的评估与校正［J］.水利学报，2014，45（10）：1135-1146.

［26］夏哲兵，黄英梅.汉江流域中上游日降雨集中度时空格局研究［J］.人民长江，2020，51（S1）：76-79.

［27］邱辉，范维，王乐.汉江流域多模式面雨量预报效果评估及集成应用［J］.人民长江，2023，54（11）：51-59.

［28］覃晓东，朱仟，周东旸，等.基于深度学习的多源降水数据融合方法及其应用［J］.人民长江，2023，54（11）：68-75.