渭河流域GPM 卫星降水产品的多尺度评估

摘 要：为探究全球降水观测计划GPM 下IMERG 系列与GSMaP 系列中的近实时（IMERG-Early，IMERG-Late，GSMaP-NRT）和后实时（IMERG-Final，GSMaP-Gauge， GSMaP-MVK）遥感降水产品在复杂地形流域的精度和适用性，基于渭河流域内雨量站数据，在不同空间尺度与时间尺度上对遥感降水的精度评价指标（CC，RMSE，BIAS）和降水能力探测指标（POD，FAR，CSI）进行综合评估，同时采用IHACRES水文模型对卫星降水数据在径流模拟中的适用性进行了评估。结果表明，GSMaP-Gauge（CC=0. 55，RMSE=5. 09，Bias=0. 3%）与IMERG-Final（CC=0. 458，RMSE=5. 92，Bias=8%）降水产品均能较为准确地反映降水的时空分布特征，但普遍存在对降水的高估；GSMaP与IMERG系列数据在冬季对降水的探测能力（POD<0. 4）远低于其他季节；卫星降水数据受海拔因素影响明显，随海拔上升数据质量呈下降趋势；IMERG-Final 驱动的IHACRES 模拟表现最好（NSE=0. 856），由GSMaP-Gauge 与IMERG-Final为驱动的水文模型月尺度纳什效率系数均大于0. 8，可作为降水驱动数据用于区域的水文过程模拟。

关键词：IMERG；GSMaP；IHACRES；渭河流域

中图分类号：TV121 文献标识码：A 文章编号：1001-9235（2024）09-0027-09

降水是地球水循环中的一个核心组成部分，在流域水文模拟中，准确的降水数据，是确保模型精度的关键［1］。相比其他气象数据，降水存在显著的空间与时间异质性，致使降水的准确测量工作存在挑战［2-3］。雨量计与气象雷达均能准确的捕捉降雨事件，提供高精度的降水数据［4］，但前者受地形、人口分布等因素影响，存在分布不均，覆盖不全等问题，雷达在地形干扰下也难以获取准确的降水数据［5-6］。

近年来，多卫星联合反演降水技术不断发展，提供高时空分辨率的降水数据集，为地形复杂区域的水文气象研究提供了基础［7-8］。TRMM（ Tropical Rainfal1Measuring Mission）数据弥补了全球无观测资料地区的降水数据，国内外学者针对TRMM降水产品从统计学和水文学方面开展了适用性评估［9-12］。GPM（GlobalPrecipitation Measurement）作为TRMM 的后继，可提供保持实时更新的卫星降水产品，已被广泛应用于水文气象等研究工作中。相较于TRMM，GPM计划下的卫星降水数据对复杂地形区域的降水反演精度更具优势［13］。Tang 等［14］在新加坡对IMERG 与TRMM进行比较分析，结果显示IMERG具有更优的评估指标与空间分布。曾岁康等［15］对比了IMERG和GSMaP 系列产品在四川的适用性，结果显示IMERG和GSMaP在盆地的数据精度高于山区。李彦妮等［16］在陕西地区针对IMERG和GSMaP进行精度评估，发现GSMaP在年尺度上精度高于IMERG。在大陆及青藏高原地区的研究中，IMERG与GSMaP都具有较好的空间分布特征［17-18］。然而，当前对于卫星降水产品的评估基本集中于后实时数据，缺乏对于近实时数据的探讨。IMERG与GSMaP系列数据均含近实时和后实时产品数据，通过在不同尺度对比近实时和后实时数据的精度差异，探索数据误差的矫正方向有着重要意义。本文将以渭河流域为例，在不同时空尺度对IMERG 和GSMaP 系列近实时和后实时数据的精度及降水事件探测能力进行评估，同时结合水文模型，分析GPM卫星降水数据在渭河流域水文模拟中的适用性，本研究可为渭河流域在水文预报及降水研究等工作提供数据参考，并为GPM产品在渭河流域地区的误差矫正提供建议。

1 研究区概况

渭河全长818 km，流域面积134 800 km 2，横跨甘肃东部及陕西中部（104°00'～110°20'E，33°50'～37°18'N），是黄河最大支流。流域内地势起伏大，西高东低，海拔在319～3 929 m。受大陆性气候影响，渭河流域降水主要集中在夏季，且多为短时强降雨，冬春两季少雨寒冷，年均降水量在500～800 mm。本文选取华县站以上的渭河流域及泾河流域作为研究区（图1）。

2 数据与方法

2. 1 研究数据

2. 1. 1 气象站点数据

本文站点降水数据来源于中国气象数据网（http： //data. cma. cn/），共选取渭河流域内共计17个气象站点上2007—2020年的降水数据，经过质量控制后作为验证卫星降水数据精度的依据。此外在流域尺度上的评价中，为建立能够较为准确反映流域降水空间分布的降水栅格表面，使用流域内和流域周边地区的气象站点，通过ANUSPLIN插值方法［19-20］，生成站点插值的降水栅格数据作为标准降水表面数据。水文站日流量数据来自于黄河网（http：//www. yrcc. gov. cn/）。

2. 1. 2 卫星降水数据

本文采用IMERG（IMERG-Final，IMERG-Late，IMERG-Early） 与GSMaP 系列（GSMaP-Gauge，GSMaP-MVK，GSMaP-NRT）系列降水产品，时间跨度及时间分辨率与站点数据保持一致。

IMERG通过结合GPM下所有的无源微波数据来得到降水估计，主要包含近实时产品IMERGEarly、IMERG-Late与后实时产品IMERG-Final。其中IMERG-Final 数据经过月尺度气候资料矫正。IMERG 数据可在其官网下载（https：//disc. gsfc.nasa. gov/datasets？keywords=GPM&page=1/）。

GSMaP 同样含有近实时及后实时数据。近实时版本数据为GSMaP-NRT，后实时数据中，GSMaP-MVK采用融合微波红外的方式进行产品校正，GSMaP-Gauge则综合考虑全球雨量站点及地形因素对卫星产品进行改进。GSMaP 数据来源于https：//sharaku. eorc. jaxa. jp/GSMaP/。

2. 2 研究方法

2. 2. 1 精度评估方法

为了综合对比分析本研究所选取的卫星降水产品在渭河流域的适用性，本文将采用降水精度指标（CC、RMSE、BIAS）与降水探测能力指标（POD、FAR、CSA）2类系数（表1）对卫星降水产品进行综合分析。RMSE为数据离散程度，RMSE越大，表示该卫星降水数据相对于站点降水数据集离散程度越大，BIAS可分析卫星降水数据对实际降水的高/低估情况，当BIAS为负值时，说明卫星数据对降水存在低估，反之则为高估。若数据有着高CC、低RMSE，同时BIAS趋近于0时，说明该数据有着良好的数据精度。POD是卫星降水产品对降水事件的探测率指标，FAR为误报率，POD、CSI、FAR越趋近于理想值，说明数据对降水的探测能力越强。

2. 2. 2 IHACRES模型

本研究拟通过对各卫星降水产品驱动的水文模型的构建和适用性评估，来评价卫星降水数据在水文建模中的表现。IHACRES模型是一种集总式降水径流模型。模型由非线性产流模块与线性汇流模块组成，其中非线性模块将处理原始降水量生成有效降雨，线性模块利用单位线理论将有效降水转换为快、慢流。本次将采用Catchment MoistureDeficit（CMD）版本，模型基本参数见表2。

3 结果

3. 1 年尺度降水误差特性

图2 展示了渭河流域的年均降水空间分布特征。通过分析发现降水主要集中在流域下游的东南部区域，流域上游的高海拔地区降水量较少。卫星降水产品的降水空间分布与地面插值数据相似，GSMaP-Gauge 的空间分布最优，其次为IMERGFinal，GSMaP-MVK 与GSMaP-NRT 相对表现较差，在流域南部及东部出现了严重的高估。IMERGLate与IMERG-Early的降水空间分布相似，都在流域下游地区有明显高估，IMERG-Final对此有所优化，但依然存在对降水的高估。总的来说，GSMaP与IMERG系列数据对渭河流域降水的空间分布有着较好的描述，但都存在对降水的高估问题，GSMaP-Gauge高估问题有了明显优化，原因可能是结合了地形与站点数据矫正的结果。

3. 2 季尺度的精度评估

受大陆性气候影响，渭河流域不同季节之间的降水强度及降水频率有着显著差异，为探寻不同季节中的降水产品精度，按3—5月春季、6—8月夏季、9—11月秋季、12月至次年2月为冬季划分，对四季精度进行了评估（表3、图3）。

由图3 可知， GSMaP 与IMERG 系列数据在冬季的数据精度最差，各数据均在冬季出现了最低的CC、CSI和POD，夏季与秋季的数据精度明显优于春季与冬季。GSMaP-NRT 在夏季出现低估降水，说明GSMaP-NRT 对强降雨事件的反演能力较差。IMERG系列数据均在冬季出现对降水的低估，结合POD来看，IMERG数据对微量降水事件的捕捉能力较差。GSMaP- Gauge在季节尺度中的POD表现优于其他数据，不同于其他数据在冬季出现最大的FAR，GSMaP- Gauge在冬季的FAR反而低于春夏秋三季，说明该数据针对微量降水事件做出了矫正处理。

3. 3 日尺度降水误差特性

为了在日尺度上量化卫星降水数据在渭河流域的降水量误差，图4展示了卫星降水数据与地面观测降水量的对比散点。分析表明，GSMaP-Gauge在相关系数（CC）、均方根误差（RMSE）以及偏差（BIAS）上均优于GSMaP-MVK 和GSMaP-NRT。GSMaP-Gauge通过矫正处理，消除了部分强降水事件的误报，从而提高了数据的整体精度。在渭河流域，GSMaP系列数据的BIAS均大于0，表明在该地区，GSMaP 系列数据倾向于高估降水量，其中GSMaP-NRT的高估最为显著，其BIAS达到50. 1%，其次是GSMaP-MVK，BIAS为43. 8%，经过矫正处理的GSMaP-Gauge BIAS降至2. 3%。IMERG-Early与IMERG-Late的散点图显示出相似的分布特征。虽然IMERG-Final对于强降雨事件进行了一定程度的优化，但IMERG系列数据在CC、RMSE与BIAS方面的表现相似，未显示出明显的精度提升。IMERG系列数据同样存在对降水量高估的现象，其中IMERG-Late的高估最为明显，BIAS为12. 5%。

由此可见，在日降水尺度上，GSMaP与IMERG系列数据在渭河流域均存在对降水的高估，其中GSMaP-Gauge对降水高估的优化最为显著，各项评估指标都优于其他数据。

图5在格网尺度上展示了6套降水数据在渭河流域对降水探测能力。GSMaP系列数据的探测率（POD）平均值均超过0. 6，然而，GSMaP-MVK 与GSMaP-NRT 展现了相对较高的误报率（FAR 平均值超过0. 56）。结合图3的散点图信息进行分析，可以看到GSMaP-Gauge通过对强降水事件的矫正，显著提高了其对降水事件探测的精度，其中误报率（FAR）、临界成功指数（CSI）和探测概率（POD）的表现均优于其他数据。IMERG系列数据在格网尺度上的降水探测能力表现相近，这表明IMERG-Final对降水的矫正没有显著提升在日尺度上的数据精度。

为了评价卫星系列数据在渭河流域对降水的总体误差，以经ANUSPLIN插值处理后的站点降水面数据为基准，对卫星数据进行了综合评估（表4）。

在流域尺度上，卫星数据的相关系数（CC）显示了明显的提升。除GSMaP-NRT（CC=0. 55）之外，其他各数据产品的CC值均超过0. 65，按照CC值从高到低排序依次为GSMaP-Gauge（0. 78）、IMERGFinal（0. 69）、IMERG-Late（0. 68）、IMERG-Early（0. 67）和GSMaP-MVK（0. 65）。GSMaP 与IMERG系列数据在流域尺度上同样对降水高估，且该高估程度相较于格网尺度更为显著。GSMaP-Gauge 流域尺度的精度指标（CC、RMSE、BIAS）高于同系列数据的MVK与NRT数据，其中BIAS的优化尤为显著。降水的能力指标结算结果中，GSMaP-Gauge的POD低于GSMaP-MVK 与GSMaP-NRT，但有着更高的CSI 与更低的FAR，综合来看GSMaP-Gauge 是GSMaP系列数据中表现最好的。IMERG系列产品在流域尺度上的精度提升明显，平均CC 均大于0. 65，但数据间的各项指标结果没有明显差距。

总体而言，日尺度卫星降水数据都高估了渭河流域的降水。流域尺度的数据反演精度高于栅格尺度，但对降水的高估程度也大于栅格尺度。综合来看GSMaP-Gauge在日尺度有着最优的反演结果。

3. 4 地形对卫星降水数据的影响

为探寻复杂地形对降水产品的性能影响，对6组数据在不同海拔的表现进行了量化，从而探讨降水产品的各项指标因海拔上升带来的变化。图6给出了各数据随海拔变化的精度变化趋势，从图中可以发现高海拔地带的数据质量表现低于低海拔地区，其中GSMaP-Gauge数据随海拔增加表现出相对稳定的性能。

结果表明，CC、CSI及POD大致上与海拔呈负相关，数据随海拔的上升，数据精度逐渐下降。FAR随海拔上升出现下降趋势，结合POD来看，原因可能是高海拔地区卫星降水数据对降水的探测能力下降，间接导致误报率降低。GSMaP与IMERG数据在低海拔区域都高估了降水，随海拔上升，BIAS 的高偏程度逐渐下降有从高估转为低估的趋势，IMERG 数据与GSMaP-Gauge 在海拔达到1 800 m后出现对降水的低估。

总的来说，卫星降水数据在海拔的影响较为明显，随着海拔的上升，POD显著下降，数据总体精度受到影响。考虑地形与海拔因素影响将是优化卫星降水数据的关键因素。

3. 5 卫星降水产品的水文模拟适用性

使用ANUSPLIN方法生成的站点降水插值数据作为基准参考，将卫星降水数据分别导入IHACRES模型，对比各数据的模拟精度。校准期和验证期分别为2007—2013、2014—2020 年。以纳什效率（NSE）作为目标函数评价模型的率定精度，率定参数见表5，整体评价结果见表6。

总体而言，气象站点数据驱动的水文模型模拟结果优于卫星降水数据。各卫星降水数据中，IMERG-Final模拟结果最佳，其次是GSMaP-Gauge，GSMaP-MVK及GSMaP-NRT表现不佳。此外，月尺度的径流模拟表现有明显提升，基准数据在月尺度的NSE提高到0. 91，GSMaP-Gauge与IMERG-Final的NSE均提高到0. 8以上。

4 讨论

本文对GSMaP与IMERG系列共6组数据进行了不同时间及空间尺度上的分析，研究结果表明，GSMaP与IMERG数据近实时与后实时数据有着明显的精度差异，并且都会因海拔因素影响精度。近实时与后实时数据间的精度差异可为卫星降水的算法优化提供参考，对降水强度、海拔地形导致的数据精度差异的原因将是矫正卫星降水产品的重要研究方向。

数据的主要精度差异：综合地形及站点矫正后的GSMaP-Gauge数据在对降水的高估问题上有了显著的改进，而红外微波融合产品GSMaP-MVK在对降水高估的改进上收效甚微，说明在复杂地形地区，仅依靠红外微波融合手段，难以提升数据的实际精度。IMERG系列数据在各项评价指标的计算中，差距较小，而在进行水文模型模拟时，IMERGFinal有着明显的优势，月尺度NSE系数达到0. 856，明显高于IMERG-Late（0. 551）和IMERG-Early（0. 538），考虑到IMERG-Final数据引入月尺度降水资料矫正，原因可能是矫正后使得数据的降水分布更加合理，从常规的评价系数中难以看出差距。

影响数据精度的主要因素：渭河流域受大陆季风气候影响，降水集中在6—9月，卫星降雨数据在有强降水的夏季均出现了较高的RMSE（图3），除GSMaP-NRT 外，各数据都高估了夏季的降水。此外，在少雨的冬季，卫星数据对降水的探测率明显降低，大多数数据存在对降水的低估。可见，如何矫正强降水事件带来的误差，提升卫星数据对微量降雨的探测能力是未来提升卫星降水产品精度的关键。海拔同样是影响卫星降水产品质量的重要因素，数据质量基本遵循随海拔上升，逐渐降低的反比关系。原因可能是研究区受东南季风与高原大气环流系统影响产生的对流雨及复杂的地形导致地形雨干扰了卫星传感器的探测精度。

IMERG和GSMaP数据在渭河流域表现出了一定的应用潜力，可为渭河流域的水文建模，灾害预测提供数据参考。本文评估受时间尺度限制，没有分析小时尺度上的数据产品，难以分析渭河流域上的短时强降雨事件，GPM在渭河流域上的短时降水检测能力还有待进一步研究。卫星降水产品在高海拔地及降水量稀少的冬季出现明显的精度下滑，未来可针对高海拔地区及微量降雨事件的探测算法进行改进，从而提高数据精度。

5 结论

本文利用2007—2020 年的站点降水数据，对GPM 计划下的6种卫星降水产品在不同的时间尺度、空间尺度下的降水精度和降水探测能力进行分析，并使用各数据驱动水文模型，得出主要结论如下。

a）GSMaP-Gauge 与IMERG-Final 降水产品能准确反映降水的时空分布特性，具有较优的降水探测能力。GSMaP-NRT 与GSMaP-MVK 对降水量存在较为严重的高估。

b）格网尺度上，GSMaP-Gauge数据各项指数均优于其他数据，有着最好的数据精度。6组数据在格网尺度上均存在对降水的高估，其中GSMaPMVK与GSMaP-NRT 高估的程度最大。IMERG 系列数据整体精度差异不大。流域尺度上的卫星降水数据质量相对较好，但存在更大的高估。

c）GSMaP与IMERG系列降水产品受季节影响明显，除GSMaP-NRT外其他数据均高估夏季降水，IMERG会低估冬季降水。各数据均在夏季出现较大的RMSE。

d）卫星降水数据会受到海拔因素影响数据精度，总体趋势为随着海拔上升，数据精度下降。

e）IMERG-Final 在模型模拟中有着最好的表现，月尺度NSE系数达到0. 856，可用于渭河流域的水文和气象研究。

综上所述，GSMaP-Gauge与IMERG-Final的精度较高，水文模型的模拟效果理想，可应用于渭河流域的水文气象等方面的研究，为该地区的春旱、伏旱及洪涝等灾害预警提供数据来源。

参考文献：

［1］ WU Y P， YIN X W， ZHOU G Y， et al. Rising rainfall intensityinduces spatially divergent hydrological changes within a largeriver basin［J］. Nature Communications， 2024， 15（1）. DOI：10.1038/S41467-023-44562-8.

［2］ TANG G Q， LONG D， WAN W， et al. An overview and outlookof global water remote sensing technology and applications［J］.Scientia Sinica Technologica，2015，45（10）：1013-1023.

［3］ TONG K， SU F G， YANG D Q， et al. Evaluation of satelliteprecipitation retrievals and their potential utilities in hydrologicmodeling over the Tibetan Plateau［J］. Journal of Hydrology，2014， 519： 423-437.

［4］ SUN Q H， MIAO C Y， DUAN Q Y， et al. A review of globalprecipitation data sets： Data sources， estimation， andintercomparisons［J］. Reviews of Geophysics， 2018， 56（1）：79-107.

［5］ CHEN H Q， WEN D B. Dependency of errors for four globalreanalysis and satellite precipitation estimates on four crucial factors［J］. Atmospheric Research， 2023， 296. DOI：10. 1016/j.atmosres. 2023. 107076.

［6］ DOGRA A， THAKUR J， TANDON A. Do satellite-basedproducts suffice for rainfall observations over data-sparse complexterrains？ Evidence from the North-Western Himalayas［J］.Remote Sensing of Environment， 2023， 299. DOI：10. 1016/j.rse. 2023. 113855.

［7］ GUO R F， LIU Y B. Multi-satellite retrieval of high resolutionprecipitation： an overview［J］. Advances in Earth Science， 2015，30（8）： 891-903.

［8］ MO C X， LEI X B， MO X X， et al. Comprehensive evaluationand comparison of ten precipitation products in terms of accuracyand stability over a typical mountain basin， Southwest China［J］.Atmospheric Research， 2024， 297. DOI：10. 1016/j. atmosres.2023. 107116.

［9］ HUFFMAN G J，BOLVIN D T，NELKIN E J，et al. The TRMMmultisatellite precipitation analysis （TMPA） ：Quasi-global，multiyear， combined-sensor precipitation estimates at fine scales［J］. Journal of Hydrometeorology，2007，8（1）：38-55.

［10］ 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.

［11］ 许珊珊. TRMM卫星降水数据在江苏省的适用性评价［J］. 人民珠江，2023，44（4）：111-118.

［12］ JIANG S H， WEI L Y， REN L L， et al. Evaluation of IMERG，TMPA， ERA5， and CPC precipitation products over mainlandChina： Spatiotemporal patterns and extremes［J］. Water Scienceand Engineering， 2023， 16（1）： 45-56.

［13］ ARSHAD M， MA X， YIN J， et al. Evaluation of GPM-IMERGand TRMM-3B42 precipitation products over Pakistan ［J］.Atmospheric Research， 2021， 249. DOI：10. 1016/j. atmosres.2020. 105341.

［14］ TANG G Q，MA Y Z，LONG D，et al. Evaluation of GPM Day-1IMERG and TMPA VerSW13M2g3M7X1YFFBx8WnIi+WVxCKkZyqT6hg7KccWyY=sion 7 legacy products over MainlandChina at multiple spatiotemporal scales［J］. Journal of Hydrology，2016， 533： 152-167.

［15］ 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.

［16］ 李彦妮，黄昌，庞国伟. 全球降雨计划GSMaP与IMERG卫星降雨产品在陕西地区的精度评估［J］. 干旱区地理，2022，45（1）：80-90.

［17］ ZHOU Z T， GUO B， XING W X， et al. Comprehensiveevaluation of latest GPM era IMERG and GSMaP precipitationproducts over mainland China［J］. Atmospheric Research， 2020，246. DOI： 10. 1016/j. atmosres. 2020. 105132.

［18］ LU D K， YONG B. Evaluation and hydrological utility of thelatest GPM IMERG V5 and GSMaP V7 precipitation products overthe Tibetan Plateau［J］. Remote Sensing， 2018， 10（12）： 2022-2043.

［19］ HUTCHINSON M F， XU T B. ANUSPLIN version 4. 4 user guide［M］. Canberra： Australia， 2013.

［20］ GUO B B， ZHANG J， MENG X Y， et al. Long-term spatiotemporalprecipitation variations in China with precipitationsurface interpolated by ANUSPLIN［J］. Scientific Reports， 2020，10（1）： 81-89.

（责任编辑：高天扬）

基金项目：湖南省自然科学基金项目（2021JJ40012）;湖南省教育厅重点项目（20A072）;湖南省普通高校哲学社会科学重点研究基地开放基金（2023HSKFJJ001）