徐 凡 , 王 瑩,2

1. 南京信息工程大學 海洋科學學院， 江蘇 南京 210044 2. 南京信大安全應急管理研究院， 江蘇 南京 210044

0 引 言

梅雨是我國夏季重要的降水過程，其雨帶維持時間較長，雨帶中暴雨空間分布不均、瞬時強度大，常會引發(fā)洪澇災害，造成巨大經濟損失和人員傷亡。受東亞夏季風(尹韓笑等,2017)、海溫(陳兵等,2020)、西太平洋副熱帶高壓(周梅等,2019;錢代麗和管兆勇,2020)等因子影響，梅雨降水具有顯著的年際差異。2020年為梅雨豐年，呈現入梅早、出梅晚、雨區(qū)范圍廣、累計雨量大的特點(劉蕓蕓和丁一匯,2020)，長江中下游地區(qū)降水過程多，空間重疊率較高(陳濤等,2020)。隨著遙感探測技術的不斷發(fā)展，衛(wèi)星降水產品為極端降水的實時觀測與分析提供了新手段。研究衛(wèi)星降水產品的適用性，了解其誤差，對強降水的監(jiān)測與分析工作具有重要意義。

1997年由美國國家宇航局(NASA)和日本國家空間發(fā)展局聯合研制發(fā)射的熱帶降水測量計劃(Tropical Rainfall Measuring Mission,TRMM)衛(wèi)星，是第一顆專門應用于測量熱帶、亞熱帶區(qū)域降水的氣象衛(wèi)星。TRMM衛(wèi)星降水產品可運用于多領域研究和分析，諸如干旱監(jiān)測(玉院和,2020;衛(wèi)林勇等,2021)、徑流模擬(馬秋梅等,2020)和雷暴時空特征分析(李進梁等,2019)等。其降水產品在月尺度精度較高，而在日尺度偏差較大(劉曉林等,2020)。在特殊地形(諸如山地)情景下適用性較弱，降水產品精度受坡度影響較大(玉院和和王金亮,2020)。美國NASA和日本JAXA(Japan Aerospace Exploration Agency)于2014年2月發(fā)射了全球降水測量(Global Precipitation Measurement,GPM)任務衛(wèi)星，建立了新的星載定量降水估計標準(劉益鋒等,2019)。GPM多衛(wèi)星聯合降水反演產品(Integrated Multi-satellite Retrievals for GPM,IMERG)具有更高的時空分辨率和精度。在月尺度上，IMERG降水產品與實測站點數據具有較好的相關性；在日尺度上，產品的偏差隨著降水的量級不同而有所差異(方勉等,2020)。與TRMM衛(wèi)星降水產品相比，IMERG衛(wèi)星降水產品在與觀測資料一致性、日降水的探測效率和對徑流變化趨勢的模擬等方面表現更優(yōu)(Dezfuli et al, 20l7;劉兆晨等,2020)。

為了進一步研究IMERG衛(wèi)星產品對梅雨期間短臨至日(3—24 h)降水的捕捉能力，文中針對2020年6—7月梅雨降水，評估該產品在長江中下游地區(qū)梅雨期的適用性。

1 資料與方法

1.1 研究資料

研究區(qū)域為長江中下游地區(qū)(111°—123°E，27°—34°N)，主要包括湖南、湖北、江西、安徽、江蘇、浙江和上海。衛(wèi)星數據來源于美國航天局全球降水測量計劃(NASA Global Precipitation Measurement Mission)，采用IMERG研究級產品(IMERG Final Run)。該產品利用準拉格朗日時間插值、規(guī)范數據和氣候調整進行高質量全球多星降水量網格估計，在60°N—60°S的緯度范圍實現全覆蓋，空間分辨率為0.1°×0.1°，時間精度為30 min。

臺站資料來源于中國氣象數據網，采用中國自動氣象站觀測數據與CMORPH降水產品融合的逐時降水量網格數據集(1.0版)作為觀測真值與衛(wèi)星資料進行比對。該資料采用概率密度匹配和最優(yōu)插值兩步數據融合算法，對核心參數進行修改和調整，生成逐小時空間分辨率為0.1°×0.1°的降水融合產品。該融合產品空間分辨率與IMERG衛(wèi)星資料相同，運用此數據集進行比對可減少空間插值帶來的不確定性，且該融合產品對短時至日強降水特征的反映與站點資料一致(周璇等,2015)。

1.2 研究方法

為了將臺站降水資料與IMERG衛(wèi)星產品資料進行對比，文中采用均方根誤差(RMSE)和平均絕對誤差(MAE)對其進行處理分析，其計算式分別為

(1)

(2)

其中，N為樣本總數；Xi為實際降水量；Pi為IMERG衛(wèi)星產品的反演降水量。

2020年為梅雨豐年，呈現入梅早、出梅晚、雨區(qū)范圍廣、累計雨量大的特點。長江中下游地區(qū)降水過程多，空間重疊率較高，各地入梅時間有差異，最早入梅為5月29日，最晚出梅為7月21日。文中選取2020年6月1日—7月21日作為梅雨降水研究時段。其間只有登陸廣東陽江的臺風“鸚鵡”影響我國東南沿海，臺風強度較弱，登陸位置偏南，未對長江中下游研究區(qū)域造成影響，因而研究時段內長江中下游強降水均為梅雨鋒降水。文中對3、6、12、24 h累積的IMERG衛(wèi)星降水數據與臺站降水資料進行分析，分別設定20、50、80、100 mm雨量閾值，計算RMSE和MAE，分析IMERG衛(wèi)星降水產品在長江中下游地區(qū)梅雨季的適用性。

2 結果與分析

圖1為分別使用實際降水資料和IMERG衛(wèi)星降水資料繪制的2020年6月7日、14日、21日、28日24h累計降水分布。分析發(fā)現，6月7日，長江中下游地區(qū)降水多分布于湖南、江西、浙江等地，降水量為10—50 mm。14日，降水帶呈現北移趨勢，主要分布于江蘇、安徽、浙江等地，湖南、江西、浙江等地的降水大大減少。21日，浙江、安徽、湖北等地出現大范圍強降水，最大值達90 mm。28日，江蘇、安徽、湖北出現大范圍降水，其中湖北局部地區(qū)降水量達70 mm，江蘇局部地區(qū)降水量達100 mm。對比IMERG反演降水和實際降水發(fā)現，反演降水落區(qū)基本與實際降水落區(qū)保持一致，部分區(qū)域降水有所高估。圖2給出了2020年7月1日、3日、6日、9日長江中下游地區(qū)的24 h累計降水分布。分析發(fā)現，1日強降水多分布于113°E以西，降水量為50—70 mm。3日降水仍然集中分布于浙江北部、安徽南部、江西北部，且局部地區(qū)降水量高達100 mm。6日，安徽一帶以及江蘇南部、浙江北部、江西北部出現大面積強降水，降水量均在50mm以上，最大值達100 mm。9日，降水區(qū)南移，強降水位于湖南、江西等地，降水量達100 mm，而江蘇、安徽、湖北等地降水稀少。由此可見，衛(wèi)星反演降水的整體變化趨勢與實測降水一致，但存在一定的高估現象?？傮w來說，IMERG反演的降水范圍較實際降水更廣；反演的24 h降水量落區(qū)與實際降水量具有較高一致性，部分強降水區(qū)域存在一定的高估現象。

圖1 實際(左)和IMERG反演(右)2020年6月7、14、21、28日(第一至四行)24 h累計降水分布Fig. 1 24 h accumulated precipitation of observed data (left) and IMERG (right) on June 7, 14, 21, 28, 2020 (from Row 1 to 4)

圖2 實際(左)和IMERG反演(右)2020年7月1、3、6、9日(第一至四行)24 h累計降水分布Fig. 2 24 h accumulated precipitation of observed data (left) and IMERG (right) on July 1, 3, 6, 9, 2020 (from Row 1 to 4)

圖3給出了2020年6月7日、14日、21日、28日實際和IMERG反演的12 h累計降水分布?？梢钥闯?，IMERG反演降水與實際降水在長江中下游地區(qū)的落區(qū)一致性較好，降水量級也與實際降水較為一致，強降水區(qū)域的高估情況較24 h累計降水有所改善。圖4為7月1日、3日、6日、9日實際和IMERG反演的12 h累計降水分布。分析發(fā)現，1日、3日長江中下游地區(qū)降水主要分布于浙江、江西、湖南等地，部分地區(qū)12 h累計降水量達35 mm。

圖3 實際(左)和IMERG反演(右)2020年6月7、14、21、28日(第一至四行)12 h累計降水分布Fig. 3 12 h accumulated precipitation of observed data (left) and IMERG (right) on June 7, 14, 21, 28, 2020 (from Row 1 to 4)

圖4 實際(左)和IMERG反演(右)2020年7月1、3、6、9日(第一至四行)12 h累計降水分布Fig. 4 12 h accumulated precipitation of observed data (left) and IMERG (right) on July 1, 3, 6, 9, 2020 (from Row 1 to 4)

6日，浙江北部、安徽南部、湖北東部局部地區(qū)12 h累計降水量達80 mm。9日，強降水南移至江西等地，12 h累計降水量達80 mm。由此可見，對于長江中下游地區(qū)，IMERG衛(wèi)星資料與臺站資料具有較好的一致性，降水落區(qū)和量級與實際情況基本相符?？傮w來說，IMERG衛(wèi)星產品對12 h累計降水量的反演效果要好于24 h累計降水量，部分強降水區(qū)域的高估現象有所改善。

以下，分別選取20、50、80、100 mm四個降水量閾值，對IMERG衛(wèi)星產品反演降水與實際降水的差值進行定量分析。分析過程中，網格點降水達到閾值，即納入樣本總量。圖5是降水量大于20 mm的RMSE和MAE誤差折線圖。分析發(fā)現，3 h和6 h累計降水量大于20 mm的RMSE誤差值為20 mm左右，而12 h和24 h累計降水量大于20 mm的RMSE誤差值為30 mm左右。3 h和6 h累計降水量大于20 mm的MAE誤差值為15 mm左右，而12 h和24 h累計降水量大于20 mm的MAE誤差值為20 mm左右。由此可見，MAE誤差的平均值總體小于RMSE誤差。

圖5 (a)3 h、(b)6 h、(c)12 h、(d)24 h累計降水量大于20 mm的RMSE和MAEFig. 5 RMSE and MAE of accumulated precipitation greater than 20 mm for (a) 3 h, (b) 6 h, (c) 12 h, and (d) 24 h

由圖6看出，3 h和6 h累計降水量大于50 mm的RMSE誤差折線多處近乎為0，6 h累計降水量大于50 mm的RMSE誤差平均值約為20 mm，3 h累計降水量大于50 mm的RMSE誤差平均值約為10 mm。對于較短時間累計值，IMERG反演降水與實際降水具有較高的相似性，即IMERG衛(wèi)星降水產品對小時間尺度累計降水反演具有較好的適用性。圖7、圖8分別為累計降水量大于80 mm和100 mm的RMSE與MAE折線圖?？偟膩碚f，隨著降水閾值增大和累計降水時間延長，RMSE誤差和MAE誤差均有不同程度的增大。長江中下游地區(qū)，IMERG衛(wèi)星反演的3 h累計降水量的RMSE和MAE誤差相對較小，反映了其在此區(qū)域具有良好的適用性。

圖6 (a)3 h、(b)6 h、(c)12 h、(d)24 h累計降水量大于50 mm的RMSE和MAEFig. 6 RMSE and MAE of accumulated precipitation greater than 50 mm for (a) 3 h, (b) 6 h, (c) 12 h, and (d) 24 h

圖7 (a)3 h、(b)6 h、(c)12 h、(d)24 h累計降水量大于80 mm的RMSE和MAEFig. 7 RMSE and MAE of accumulated precipitation greater than 80 mm for (a) 3 h, (b) 6 h, (c) 12 h, and (d) 24 h

圖8 (a)3 h、(b)6 h、(c)12 h、(d)24 h累計降水量大于100 mm的RMSE和MAEFig. 8 RMSE and MAE of accumulated precipitation greater than 100 mm for (a) 3 h, (b) 6 h, (c) 12 h, and (d) 24 h

3 總結與討論

文中以自動氣象站觀測資料與CMORPH降水產品融合的逐時降水量網格數據集為地面參考，分析了梅雨極端降水時期IMERG衛(wèi)星降水產品在長江中下游地區(qū)適用性，得到如下結論：

1) IMERG衛(wèi)星產品反演的24 h累計降水與實際累計降水具有較好的一致性，但其對部分地區(qū)如江蘇、湖北等地區(qū)存在高估現象。IMERG衛(wèi)星產品對12 h累計降水的反演效果顯著優(yōu)于24 h累計降水。

2) IMERG衛(wèi)星產品反演的3 h累計降水與實際累計降水的一致性最好，即IMERG衛(wèi)星3 h累計降水產品在長江中下游地區(qū)梅雨極端降水期的適用性較好。

梅雨降水多為短時陣性強降水，對其估算容易出現偏差。IMMERG衛(wèi)星降水產品對部分區(qū)域降水量的高估可能與反演算法形成的誤差有關，算法對地形、緯度、地表覆蓋等因素較為敏感(王文種等,2020;汪梓彤等,2021)。另外，該算法易將強對流單體的冷砧區(qū)誤判為降雨云，或對云底蒸發(fā)估計出現偏差，從而引起降水量估算的不準確(Demirdjian et al,2018;Cui et al,2020;Naud et al,2020)?？傮w來說，IMERG衛(wèi)星的3 h累計降水產品可較好地運用于長江中下游地區(qū)梅雨極端降水的短臨監(jiān)測和研究。但是，其在中國區(qū)域的反演誤差修正還待在今后工作中進一步研究。