趙安周，王冬利，范倩倩，王金杰

(1.河北工程大學(xué) 礦業(yè)與測繪工程學(xué)院，河北 邯鄲 056038；2.資源與環(huán)境信息系統(tǒng)國家重點實驗室，北京 100101)

1 研究背景

干旱是影響全球農(nóng)業(yè)生產(chǎn)和經(jīng)濟社會發(fā)展最為嚴(yán)重的氣象災(zāi)害之一[1]。隨著全球氣候變暖，干旱事件發(fā)生的頻率和強度均有增加的趨勢，對生態(tài)系統(tǒng)和農(nóng)業(yè)生產(chǎn)的影響越來越嚴(yán)重[2]。據(jù)統(tǒng)計，自1950年以來中國平均每年因干旱導(dǎo)致的糧食損失達到1.58×1010kg[3]。地球系統(tǒng)模式預(yù)測表明，全球干旱發(fā)生的風(fēng)險與損失在21世紀(jì)將進一步增加，會嚴(yán)重影響農(nóng)業(yè)生產(chǎn)和生態(tài)系統(tǒng)的健康發(fā)展[4]。因此，在全球氣候變暖背景下精確監(jiān)測與合理評估干旱的發(fā)生及其演變過程對地區(qū)農(nóng)業(yè)生產(chǎn)具有重要的意義[4]。

目前對干旱的監(jiān)測評估多采用各種干旱指數(shù)，其中標(biāo)準(zhǔn)化降水指數(shù)(standardized precipitation index，SPI)的計算因其僅需降水?dāng)?shù)據(jù)且可以進行多時間尺度干旱監(jiān)測而被世界氣象組織(World Meteorological Organization,WMO)推薦，被廣泛應(yīng)用于干旱研究中[5]。然而計算該指數(shù)所采用的降水?dāng)?shù)據(jù)主要來源于國家標(biāo)準(zhǔn)氣象臺站或雨量站的觀測，易受到站點稀少、分布空間不均以及站點遷移等因素的影響，容易造成觀測數(shù)據(jù)缺失、歷史觀測數(shù)據(jù)和現(xiàn)有觀測數(shù)據(jù)銜接困難等問題，進而使得計算得到的干旱指數(shù)在分析大面積干旱事件的時候會存在較大誤差[4]。雖然已有空間插值方法可以將站點數(shù)據(jù)轉(zhuǎn)為大范圍連續(xù)曲面，但是其精度會受到站點密度、參數(shù)設(shè)置等因素的影響[6]。

隨著遙感技術(shù)的發(fā)展，基于衛(wèi)星遙感的反演降水產(chǎn)品成為監(jiān)測全球及區(qū)域降水變化、旱澇監(jiān)測的重要數(shù)據(jù)來源[7]。衛(wèi)星遙感反演降水產(chǎn)品可以有效彌補國家標(biāo)準(zhǔn)氣象臺站或雨量站空間分布不均及時間序列缺失等不足[5]。目前已有包括MSWEP (multi-source weighted-ensemble precipitation)、PERSIANN(precipitation estimation from remote sensing information using artificial neural network)、TMPA(tropical rainfall measurement mission(TRMM)multi-satellite precipitation analysis)等10多種衛(wèi)星遙感降水反演數(shù)據(jù)被用于全球和區(qū)域降水、旱澇災(zāi)害監(jiān)測等領(lǐng)域[8]。其中由美國國家宇航局(National Aeronautics and Space Adminstration，NASA)和日本宇宙開發(fā)事業(yè)團(NASDA)共同發(fā)布的熱帶降雨衛(wèi)星(TRMM)數(shù)據(jù)產(chǎn)品是目前應(yīng)用最廣泛的降水產(chǎn)品[9-10]。國內(nèi)外眾多學(xué)者采用雨量站等實測站點數(shù)據(jù)對不同氣候帶、不同地形的TRMM數(shù)據(jù)精度進行了驗證，認為該數(shù)據(jù)可替代站點實測數(shù)據(jù)應(yīng)用在水文模型模擬、洪澇災(zāi)害監(jiān)測等領(lǐng)域中[11-12]。如陳少丹等[5]、Yan等[10]基于TRMM數(shù)據(jù)評估了中國河南省以及西南地區(qū)的干旱事件，認為基于TRMM數(shù)據(jù)構(gòu)建的干旱指數(shù)與基于站點計算的SPI指數(shù)具有較好的一致性；Sahoo 等[13]在全球尺度評估了準(zhǔn)實時數(shù)據(jù)3B42RTV7、再分析數(shù)據(jù)3B42V6和3B42V7在干旱監(jiān)測中的精度，認為3B42V6 和 3B42V7 降水產(chǎn)品可以有效識別干旱事件，而準(zhǔn)實時3B42RTV7 降水產(chǎn)品則表現(xiàn)較差；王兆禮等[14]利用站點實測數(shù)據(jù)評估了3B42V7在中國大陸的監(jiān)測效果，認為該數(shù)據(jù)產(chǎn)品可以有效識別近些年來中國的干旱事件。

京津冀地區(qū)地處海河流域中心地帶，干旱頻發(fā)，嚴(yán)重制約著當(dāng)?shù)氐霓r(nóng)業(yè)生產(chǎn)和生態(tài)環(huán)境，雖然已有研究對該地的干旱事件時空演變進行了分析，但是多是基于站點的觀測降水?dāng)?shù)據(jù)[15-16]，將基于TRMM 3B43產(chǎn)品和站點的觀測降水?dāng)?shù)據(jù)計算的多時間尺度SPI干旱指數(shù)進行時空對比，系統(tǒng)分析TRMM數(shù)據(jù)在該地區(qū)干旱監(jiān)測中應(yīng)用效果的研究較少。鑒于此，以京津冀地區(qū)為例，對比分析利用TRMM 3B43產(chǎn)品和站點的觀測降水?dāng)?shù)據(jù)計算的SPI干旱指數(shù)，評估TRMM 3B43數(shù)據(jù)在該地區(qū)干旱監(jiān)測的效果，以期為京津冀地區(qū)的農(nóng)業(yè)生產(chǎn)、干旱監(jiān)測與評估提供科學(xué)參考依據(jù)。

2 數(shù)據(jù)來源和研究方法

2.1 研究區(qū)概況

京津冀地區(qū)位于36.1°～42.7°N，113.5°～119.8°E之間，包括北京、天津兩個直轄市以及河北省的13個地市，總面積達21.7×104km2。地勢由西北向東南傾斜，北部為燕山、太行山脈，東部為華北平原北端，平均海拔500 m以上[17]。降水波動較大，70%以上的降水集中在6-9月，冬季受西伯利亞高壓控制，寒冷干燥少降水，春季多大風(fēng)，氣溫升溫快，蒸發(fā)量較大，易發(fā)生干旱事件[17]。自20世紀(jì)80年代以來，該地區(qū)呈現(xiàn)暖干化的趨勢，使得干旱等氣象災(zāi)害頻發(fā)，對地區(qū)農(nóng)業(yè)生產(chǎn)及生態(tài)環(huán)境造成重大影響。京津冀地區(qū)TRMM 3B43數(shù)據(jù)格網(wǎng)點及其氣象站點空間分布見圖1。

2.2 數(shù)據(jù)來源

目前最新的TRMM多衛(wèi)星降水分析包括3B42RT(3-hour)、3B42(daily)和3B43(monthly)3種不同時間尺度的產(chǎn)品數(shù)據(jù)，其中TRMM 3B42和TRMM 3B43數(shù)據(jù)的精度相較于準(zhǔn)實時TRMM 3B42RT產(chǎn)品與站點觀測數(shù)據(jù)更加接近[9]。所選用的TRMM 3B43V7月降水?dāng)?shù)據(jù)空間分辨率為0.25°×0.25°(約25 km ×25 km)，其覆蓋范圍為全球南北緯50°、東西經(jīng)180°之間，時間長度為1998-2017年，數(shù)據(jù)格式為HDF。利用遙感軟件將TRMM 3B43 降水速率層從 HDF 文件中提取出來，然后與各月的總時間相乘得到月降水?dāng)?shù)據(jù)，利用京津冀矢量數(shù)據(jù)對其進行裁剪最終得到研究區(qū)的TRMM 3B43數(shù)據(jù)。1998-2017年京津冀地區(qū)25個氣象站點的逐月降水?dāng)?shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn)。

圖1 京津冀地區(qū)TRMM 3B43數(shù)據(jù)格網(wǎng)點及其氣象站點空間分布

2.3 研究方法

SPI具有多時間尺度特征，選取京津冀地區(qū) 1、3、6 和12個月尺度的SPI值進行分析，其具體計算公式和干旱等級表可參考文獻[5,10]。

為驗證TRMM 3B43數(shù)據(jù)在京津冀地區(qū)的應(yīng)用效果，采用皮爾遜相關(guān)系數(shù)(Pearson correlation coefficient,CC)、均方差誤差(root mean square error,RMSE)以及相對偏差(relative mean bias,RB)3個指標(biāo)對其進行評價，具體公式可參考文獻[9-10]。

此外，采用CC、探測率(probability of detection,POD)、空報率(false alarm ratio,FAR)以及預(yù)報偏差(frequency bias index,FBI)來表示基于TRMM 3B43數(shù)據(jù)計算的SPI對干旱事件的探測能力，其具體計算公式如下[18-19]：

(1)

(2)

(3)

式中：a為TRMM 3B43數(shù)據(jù)和站點觀測降水?dāng)?shù)據(jù)計算的SPI干旱事件出現(xiàn)的個數(shù)；b為TRMM 3B43計算的SPI出現(xiàn)干旱而站點觀測數(shù)據(jù)計算的SPI無干旱的次數(shù)；c為站點觀測降水?dāng)?shù)據(jù)計算的SPI出現(xiàn)干旱而TRMM 3B43計算的SPI無干旱的次數(shù)。POD和FAR的取值范圍均為[0-1]，POD值越接近1，F(xiàn)AR的值越接近0，表明基于TRMM 3B43數(shù)據(jù)計算的SPI對干旱事件的探測精度越高；FBI的最優(yōu)值為1，大于1，表示基于TRMM 3B43計算的SPI值偏大，低估了干旱事件，反之表明計算的SPI值偏小，高估了干旱事件。

3 結(jié)果分析

3.1 1998-2017年TRMM 3B43 降水?dāng)?shù)據(jù)評價分析

3.1.1 總體評估 1998-2017年基于站點觀測數(shù)據(jù)和TRMM 3B43數(shù)據(jù)的京津冀地區(qū)年降水量、月平均降水量以及散點圖見圖2。分析圖2(a)可知，基于站點觀測數(shù)據(jù)和TRMM 3B43數(shù)據(jù)的年降水量均值分別為506.64 mm和539.64 mm，且近20年以來該地區(qū)降水量呈現(xiàn)增加的趨勢，增加幅度分別為5.49 mm/a和5.61 mm/a，二者變化趨勢相似，但均未通過95%顯著性水平檢驗；由圖2(b)可看出，站點觀測數(shù)據(jù)與TRMM 3B43數(shù)據(jù)具有相似的變化趨勢，70%以上的降水量集中在6-9月，降水量峰值出現(xiàn)在7月份，TRMM 3B43數(shù)據(jù)對降水量較多的月份(5-8月)較站點觀測數(shù)據(jù)均存在一定的高估現(xiàn)象，7月份的誤差最大(9.68 mm)，11月份誤差最小(0.88 mm)；由圖2(c)可看出，站點觀測數(shù)據(jù)與TRMM 3B43數(shù)據(jù)的月降水量存在高度的一致性，TRMM 3B43和站點觀測數(shù)據(jù)均分布在1∶1線附近，其CC=0.9904，RMSE=7.31 mm，RB=6.46% (圖2)?？傮w來看，TRMM 3B43產(chǎn)品數(shù)據(jù)與站點觀測數(shù)據(jù)在年和月變化上均具有很高的一致性。

3.1.2 空間評估 站點觀測的月降水量數(shù)據(jù)與其對應(yīng)的格網(wǎng)TRMM 3B43數(shù)據(jù)的CC、RMSE和RB的空間分布如圖3所示。

從圖3整體上看，所有站點的月降水量觀測數(shù)據(jù)與對應(yīng)格網(wǎng)的TRMM 3B43數(shù)據(jù)均具有很高的相關(guān)性(P<0.01)，平均相關(guān)系數(shù)為 0.94 (0.88～0.97)，最大值出現(xiàn)在保定站，最小值出現(xiàn)在秦皇島站(圖3(a))。二者的RMSE均值為20 mm (11.88 ～33.79 mm)，呈由東向西遞減的態(tài)勢，最大值出現(xiàn)在東北部的秦皇島站，最小值出現(xiàn)在西北部的張家口站，進一步證實了TRMM 3B43數(shù)據(jù)產(chǎn)品對于降水量強度較大的站點探測能力有限(圖3(b))。RB的均值為8.93% (-1.18%～19.88%)，除黃驊站外，其他所有格網(wǎng)的TRMM 3B43數(shù)據(jù)均存在高估實測降水量數(shù)據(jù)的現(xiàn)象(圖3(c))。以上分析結(jié)果表明TRMM 3B43降水量數(shù)據(jù)產(chǎn)品與站點觀測降水量數(shù)據(jù)具有良好的空間匹配性。

圖2 1998-2017年京津冀地區(qū)站點觀測數(shù)據(jù)和TRMM 3B43數(shù)據(jù)的年降水量、月平均降水量及相關(guān)性圖

圖3 1998-2017年京津冀地區(qū)站點實測月降水量數(shù)據(jù)與TRMM 3B43數(shù)據(jù)的CC、RMSE及RB的空間分布

3.2 基于TRMM 3B43 產(chǎn)品的SPI多時間尺度評估

3.2.1 多時間尺度SPI的時間變化 為進一步評估TRMM 3B43降水量產(chǎn)品在京津冀地區(qū)干旱監(jiān)測中的應(yīng)用，分別依據(jù)站點觀測降水量數(shù)據(jù)和TRMM 3B43數(shù)據(jù)計算了1998-2017年該地區(qū)不同時間尺度(1、3、6 和12個月)的SPI值(分別表示為SPI-1、SPI-3、SPI-6和SPI-12)的時間變化，計算結(jié)果如圖4所示。從圖4中可以看出，基于TRMM 3B43降水量數(shù)據(jù)和站點實測降水量數(shù)據(jù)計算的SPI具有高度的一致性，兩種數(shù)據(jù)計算的多時間尺度的SPI的相關(guān)系數(shù)CC值均高于0.95，表明TRMM 3B43產(chǎn)品可以很好地監(jiān)測京津冀地區(qū)干濕變化。同時采用POD、FAR和FBI3個指標(biāo)進一步評價TRMM 3B43數(shù)據(jù)對干旱事件的探測能力，不同時間尺度的POD值在0.9142～0.9583之間，表明90%以上由站點觀測數(shù)據(jù)監(jiān)測到的干旱事件均可以由TRMM 3B43數(shù)據(jù)探測到。FAR的值隨時間尺度的增大呈變小的趨勢，SPI-1、SPI-3、SPI-6和SPI-12的FAR值分別為0.1000、0.1266、0.0990和0.0588。FBI的值在1.0143～1.0972之間，表明TRMM 3B43數(shù)據(jù)對SPI-1、SPI-3、SPI-6和SPI-12的值均存在高估的現(xiàn)象。

3.2.2 多時間尺度SPI的空間變化 同時為評價TRMM 3B43 降水量數(shù)據(jù)計算的不同時間尺度SPI值的空間適用性，根據(jù)25個站點觀測數(shù)據(jù)和對應(yīng)格網(wǎng)的TRMM 3B43數(shù)據(jù)計算得到SPI-1、SPI-3、SPI-6和SPI-12的值，并進一步計算得到二者的CC、POD、FAR和FBI的空間分布，計算結(jié)果如圖5所示。通過對圖5的分析比較可知，SPI-1、SPI-3、SPI-6和SPI-12相關(guān)系數(shù)CC的均值分別為0.867(0.788～0.921)、0.872(0.766～0.944)、0.851(0.724～0.932)和0.839(0.694～0.960)，所有站點均通過了0.01顯著性水平檢驗。相關(guān)系數(shù)較高的站點主要分布在京津冀地區(qū)的中部，較低的站點主要分布在東部和西部地區(qū)，表明TRMM 3B43數(shù)據(jù)在估算沿海和海拔較高地區(qū)的干旱事件存在較大的不確定性。同時隨著時間尺度的增大，其CC小于0.8的站點數(shù)目開始增多，表明TRMM 3B43數(shù)據(jù)對于短時間尺度的干旱的探測能力更強。不同時間尺度POD的均值分別為0.820(0.711～0.909)、0.802(0.722～0.90)、0.778(0.667～0.957)和0.775(0.609～0.948)，POD值隨著時間尺度的增大而減小。對于京津冀地區(qū)的25個氣象站點來說，基于TRMM 3B43數(shù)據(jù)計算的SPI可以正確探測60%以上的干旱事件。FAR在SPI-1、SPI-3、SPI-6和SPI-12的均值分別為0.264(0.133～0.417)、0.221(0.130～0.329)、0.247(0.133～0.40)和0.262(0.044～0.536)，80%以上站點的FAR值小于0.30。不同時間尺度FBI的均值分別為1.096(0.949～1.371)、1.031(0.922～1.188)、1.035(0.885～1.25)和1.063(0.804～1.38)，表明基于TRMM 3B43數(shù)據(jù)計算的SPI值略高 (圖5)。總體來看，基于兩種數(shù)據(jù)計算的25個站點多時間尺度SPI的相關(guān)系數(shù)均大于0.7，POD值大于0.6，80%以上的FAR值小于0.3，70%以上站點的FBI值在0.9～1.1之間，進一步表明TRMM 3B43產(chǎn)品可以替代站點觀測降水量數(shù)據(jù)用于對區(qū)域干旱事件的監(jiān)測和研究。

圖4 1998-2017年京津冀地區(qū)站點實測降水量數(shù)據(jù)與TRMM 3B43數(shù)據(jù)的各時間尺度SPI值隨時間變化曲線

圖5 1998-2017年京津冀地區(qū)各時間尺度SPI值的CC、POD、FAR以及FBI值的空間分布

基于站點觀測降水量數(shù)據(jù)和TRMM 3B43數(shù)據(jù)計算的1998-2017年京津冀地區(qū)不同時間尺度的極端干旱、嚴(yán)重干旱、中等干旱以及干旱的面積百分比及相關(guān)系數(shù)見圖6和表1。由圖6可看出，短時間尺度SPI(SPI-1和SPI-3)不能夠清晰地描述連續(xù)干旱事件的發(fā)生，而長時間尺度的SPI(SPI-6和SPI-12)可以確定持續(xù)干旱的時間，如發(fā)生在1999-2004、2006、2010年等年份的中等、嚴(yán)重以及極端干旱事件在SPI-6和SPI-12中均可以較好地顯示出來；由表1可看出，兩種數(shù)據(jù)計算的干旱面積百分比基本一致，SPI-1、SPI-3、SPI-6和SPI-12的干旱面積相關(guān)系數(shù)分別為0.93、0.95、0.96和0.96。就不同干旱等級來看，兩種數(shù)據(jù)計算的中等干旱、嚴(yán)重干旱及其極端干旱的相關(guān)系數(shù)在0.50以上，均通過了95%顯著性水平檢驗?？傮w來看，京津冀地區(qū)發(fā)生輕微及其中等干旱的面積最大，發(fā)生極端干旱的面積最小。

圖6 1998-2017年京津冀地區(qū)站點觀測數(shù)據(jù)與TRMM 3B43數(shù)據(jù)的各時間尺度不同干旱等級面積百分比

表1 1998-2017年京津冀地區(qū)站點觀測月降水量以及TRMM 3B43數(shù)據(jù)的不同等級干旱面積百分比均值及其相關(guān)系數(shù)

注：表中面積百分比表示站點觀測數(shù)據(jù)計算值/TRMM 3B43數(shù)據(jù)計算值。

4 結(jié)論與討論

4.1 結(jié) 論

基于TRMM 3B43產(chǎn)品和站點實測降水?dāng)?shù)據(jù)，計算了1998-2017年京津冀地區(qū)多時間尺度SPI(SPI-1、SPI-3、SPI-6和SPI-12)干旱指數(shù)，并對干旱時空演變進行了對比研究，研究結(jié)果表明：

(1)在年和月時間尺度上，TRMM 3B43產(chǎn)品與站點觀測降水量數(shù)據(jù)存在高度的一致性，其CC=0.9904，RMSE=7.31 mm，RB=6.46%。

(2)在空間上，25個站點觀測降水量數(shù)據(jù)與對應(yīng)格網(wǎng)的TRMM 3B43數(shù)據(jù)的CC=0.94(0.88～0.97)、RMSE=20 mm(11.88 ～33.79 mm)、RB=8.93% (-1.18%～19.88%)。

(3)基于多時間尺度SPI變化，CC和POD均大于0.90，F(xiàn)AR均小于0.15，F(xiàn)BI均接近1，表明TRMM 3B43數(shù)據(jù)能夠替代站點觀測降水量數(shù)據(jù)進行京津冀地區(qū)干旱的監(jiān)測與評估。

(4)基于多時間尺度SPI的空間變化，兩種數(shù)據(jù)計算的25個站點及其對應(yīng)格網(wǎng)的多時間尺度SPI的相關(guān)系數(shù)均大于0.7，POD值大于0.6，80%以上站點的FAR值小于0.3，70%以上站點的FBI值在0.9～1.1之間，表明基于TRMM 3B43數(shù)據(jù)計算的SPI值可以有效地彌補站點分布不均或插值帶來的不確定性。

(5)兩種數(shù)據(jù)計算的干旱面積百分比基本一致，計算的中等干旱、嚴(yán)重干旱和極端干旱的相關(guān)系數(shù)在0.5以上，均通過了0.05顯著性水平檢驗。

4.2 討 論

將TRMM 3B43降水量數(shù)據(jù)產(chǎn)品應(yīng)用到京津冀地區(qū)不同時間尺度的干旱監(jiān)測中，通過與站點觀測降水量數(shù)據(jù)對比表明，基于TRMM 3B43數(shù)據(jù)構(gòu)建的干旱指數(shù)SPI可以有效的監(jiān)測不同時間尺度(SPI-1、SPI-3、SPI-6和SPI-12)干旱的時空演變，但是由于TRMM降水量數(shù)據(jù)的空間分辨率較低，對小范圍地區(qū)發(fā)生的干旱事件監(jiān)測能力有限[20]，雖然已有研究采用多種升尺度方法提高了其空間分辨率，但是對于高海拔等地形復(fù)雜地區(qū)的不確定性仍然較大[7,21]。同時應(yīng)指出計算SPI干旱指數(shù)需要長時間尺度的降水量數(shù)據(jù)，利用短時間序列的降水量可能導(dǎo)致參數(shù)估計的不穩(wěn)定[5]，但是由于TRMM降水量數(shù)據(jù)產(chǎn)品是1998年開始發(fā)布，因此選取了1998-2017年共計20a的數(shù)據(jù)，隨著時間的推移，其數(shù)據(jù)時間序列將會進一步延長。此外，京津冀地區(qū)是我國水資源最為短缺以及干旱頻發(fā)的地區(qū)，以往的研究多是基于氣象站點觀測數(shù)據(jù)計算干旱指數(shù)，然后利用反距離加權(quán)、克里金等插值方法得到干旱的空間分布[15-16]，氣象站點的密度及其分布都會影響到插值的精度，而TRMM數(shù)據(jù)可以有效地彌補由于站點插值以及分布不均帶來的計算誤差[6]。因此，對于氣象站點分布不均甚至無氣象站點的地區(qū)，可以使用TRMM產(chǎn)品替代站點觀測數(shù)據(jù)進行干旱監(jiān)測和評估[5]。