劉松楠 汪 君,2 王會軍

1.南京信息工程大學，氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京，2100442.中國科學院大氣物理研究所，竺可楨-南森國際研究中心，北京，100029

1 引言

2021年7月20日河南中北部出現(xiàn)大暴雨，20日16—17時（北京時，下同）鄭州市區(qū)降水量高達201.9 mm，據(jù)河南省防汛救災新聞發(fā)布會第10場報道，截至8月2日12時暴雨已造成302人遇難，50人失蹤。同時，政府間氣候變化專門委員會第六次報告指出，隨著氣候變化，未來極端降雨事件將變得更加頻繁，強臺風將增多，復合極端天氣事件將越來越頻繁（IPCC，2021），極端降水事件會對社會經(jīng)濟發(fā)展和人類生產(chǎn)、生活造成較大的影響，因此，如何準確監(jiān)測極端降水事件至關(guān)重要。

近年來，基于星載紅外和被動微波估算降水技術(shù)有了較快的發(fā)展，其算法也在不斷改進（Kidd，et al，2011；Zhao，et al，2018；Tang，et al，2020）。衛(wèi)星降水產(chǎn)品通過反演微波、紅外信息獲得全球?qū)崟r高分辨率降水數(shù)據(jù)，該數(shù)據(jù)具有空間連續(xù)性能夠有效彌補觀測數(shù)據(jù)空間分布不均等問題（Abdourahamane，2021）。目前，比較流行的衛(wèi)星數(shù)據(jù)主要有CMORPH（CPC MORPHing technique）（Joyce，et al，2004）、GPM IMERG（Integrated Multisatellite Retrievals for Global Precipitation Measurement）（Sorooshian，et al，2011）、PERSIANN（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Cloud Classification System）（Hong，et al，2004）、TMPA（Tropical Rainfall Measurement Mission（TRMM）Multisatellite Precipitation Analysis）（Huffman，et al，2007）和GSMaP（Global Satellite Mapping of Precipitation）（Okamoto，et al，2005）等。中外學者評估了衛(wèi)星降水產(chǎn)品在不同區(qū)域和不同時間尺度的表現(xiàn)，發(fā)現(xiàn)衛(wèi)星降水產(chǎn)品的精度與地區(qū)和時間尺度有關(guān)（Zhou，et al，2008；Zeng，et al，2018）。Li等（2012）研究了TRMM、CMORPH和PERSIANN在長江流域的準確度，結(jié)果發(fā)現(xiàn)在日尺度上CMORPH的效果最好。Wang等（2016）分析了CMORPH、PERSIANN和TRMM在舟曲泥石流事件中的適用性，發(fā)現(xiàn)PERSIANN有較大誤差。何爽爽等（2018）分析了逐時GPM IMERG、CMORPH和PERSIANN對2017年6月18日門頭溝地區(qū)強降水事件的捕捉能力，結(jié)果發(fā)現(xiàn)PERSIANN的效果較差，CMORPH的效果較好。李麒崙等（2018）從日、月尺度上分析了GPM IMERG和TRMM在中國的準確度，結(jié)果發(fā)現(xiàn)GPM IMERG的效果較好。高玥等（2019）分析了GSMaP_NRT、GSMaP_MVK和GSMaP_Gauge在2017年6月下旬至7月上旬湖南省的持續(xù)強降水過程中的適用性，發(fā)現(xiàn)GSMaP_Gauge（經(jīng)過站點校正）的效果最好。張磊磊等（2021）分析了TMPA、TRMM RT、CMORPH和PERSIANN在黃河源區(qū)的適用性，發(fā)現(xiàn)在日尺度上，PERSIANN數(shù)據(jù)的精度最低、TMPA的精度最高。目前，有一些關(guān)于衛(wèi)星降水產(chǎn)品對降水和極端降水的捕捉能力的研究（Gourley，et al，2011；Huang，et al，2014；Wang，et al，2017；Jiang，et al，2018），但是各種衛(wèi)星降水產(chǎn)品在暴雨捕捉中均存在不確定性，這種不確定性隨著降水等級和區(qū)域等因素的改變而改變。此次河南暴雨位于中高緯度且河南的地形較為復雜，同時這次暴雨事件的降水量較大，河南部分地區(qū)突破有氣象觀測記錄以來歷史極值，各類衛(wèi)星降水產(chǎn)品對此次河南特大暴雨事件的監(jiān)測能力還需要進一步研究。因此，本研究以2021年7月20日河南極端暴雨為例，評估了時、空分辨率較高、實時性較好的CMORPH-Raw、CMORPHRT、PERSIANN-CCS、GPM IMERG-Early、GPM IMERG-Late、GSMaP-Now、GSMaP-NRT、FY-2F、FY-2G和FY-2H十套衛(wèi)星降水產(chǎn)品在本次事件中的適用性，并簡要分析現(xiàn)衛(wèi)星降水產(chǎn)品對暴雨的捕捉能力。通過分析各衛(wèi)星降水產(chǎn)品在不同時間尺度中對暴雨捕捉的表現(xiàn)，以期為極端降水監(jiān)測和衛(wèi)星降水產(chǎn)品改善提供一定參考。

2 數(shù)據(jù)與方法

本研究使用了中國國家級氣象站降水和10套衛(wèi)星降水產(chǎn)品（表1）。國家級氣象站降水來自中國氣象數(shù)據(jù)網(wǎng)，空間分布不均勻，站間距約為50 km，時間分辨率為1 h。CMORPH是由美國國家環(huán)境預報中心（NCEP）發(fā)布的衛(wèi)星降水數(shù)據(jù)，它首先利用微波觀測數(shù)據(jù)反演出降水，然后根據(jù)紅外圖像計算降水云系統(tǒng)的運動矢量，并利用運動矢量信息估計微波反演降水運動變化趨勢，以填補微波衛(wèi)星覆蓋不到的地區(qū)，數(shù)據(jù)的時間分辨率為30 min，空間分辨率為8 km，本研究使用原始衛(wèi)星降水產(chǎn)品（CMORPH-Raw）和實時產(chǎn)品（CMORPH-RT），這兩套產(chǎn)品的區(qū)別是：CMORPH-Raw產(chǎn)品中被動微波降水特征通過紅外數(shù)據(jù)向前傳播過程中沒有使用變形方法。PERSIANN-CCS（簡稱：PERSIANN）由加利福尼亞大學爾灣分校的水文氣象遙感中心開發(fā)，主要是基于紅外亮溫圖像通過對云特征分類來估計降水量，其空間分辨率約為4 km，時間分辨率為1 h。GPM是繼TRMM衛(wèi)星后新一代的衛(wèi)星降水數(shù)據(jù)，文中選擇的是基于微波、紅外的融合多衛(wèi) 星 數(shù) 據(jù)的GPM IMERG-Early（簡 稱：IMERGEarly）和GPM IMERG-Late（簡稱：IMERG-Late）兩套產(chǎn)品，這兩套產(chǎn)品的主要區(qū)別是：IMERGEarly只采用了云移動矢量傳播算法中的前向傳播算法，而IMERG-Late在此基礎(chǔ)上還增加了后向傳播算法，這兩套數(shù)據(jù)的空間分辨率均為0.1°×0.1°，時間分辨率均為30 min。GSMaP是日本宇宙航空研究開發(fā)機構(gòu)開發(fā)的，使用了低軌衛(wèi)星的微波數(shù)據(jù)和地球靜止衛(wèi)星的紅外數(shù)據(jù)，本研究使用了實時（GSMaP-Now）和近實時（GSMaP-NRT）兩套產(chǎn)品，近實時產(chǎn)品使用了更多的被動微波數(shù)據(jù)，這兩套數(shù)據(jù)空間分辨率均為0.1°×0.1°，實時產(chǎn)品時間分辨率為30 min，近實時產(chǎn)品時間分辨率為1 h。FY-2號系列衛(wèi)星降水產(chǎn)品是根據(jù)中國風云衛(wèi)星的可見光紅外自旋掃描輻射儀探測反演的降水，其中FY-2F、FY-2G和FY-2H分別代表了風云二號F星、G星和H星的衛(wèi)星產(chǎn)品。這10套衛(wèi)星降水產(chǎn)品使用了不同的紅外遙感和微波探測數(shù)據(jù)，其中，PERSIANN和FY衛(wèi)星系列產(chǎn)品的制作只使用了紅外遙感數(shù)據(jù)，但是其用的探測衛(wèi)星不同；GSMaP-Now在本次事件中沒有使用實時被動微波數(shù)據(jù)；CMORPHRaw、CMORPH-RT、IMERG-Early、IMERG-Late和GSMaP-NRT降水產(chǎn)品均使用了實時被動微波探測數(shù)據(jù)。

表1 各種衛(wèi)星降水產(chǎn)品的時、空分辨率和探測方法Table 1 Spatial and temporal resolutions and measurement methods of 10 satellite precipitation products

為了定量評估降水數(shù)據(jù)使用了相關(guān)系數(shù)（CC）和相對誤差（Bias），公式如下式中，xi代表第i個格點上氣象站降水量，yi代表第i個格點上的衛(wèi)星降水量，和是x和y的平均值，n為樣本數(shù)。

此外，還采用了命中率（Probability of Detection，POD）、空報率（False Alarm Ratio，F(xiàn)AR）、TS評分（Threat Score）和準確率（ACCURACY）4個指標對降水產(chǎn)品進行評估，公式如下

式中，NA為站點顯示有雨，衛(wèi)星數(shù)據(jù)也顯示有雨；NB為站點顯示無雨，衛(wèi)星數(shù)據(jù)顯示有雨；NC為站點顯示有雨，衛(wèi)星數(shù)據(jù)顯示無雨；ND為站點顯示無雨，衛(wèi)星數(shù)據(jù)也顯示無雨。文中根據(jù)中國的降水等級劃分標準，對不同等級降水進行評估，當該格點上降雨量大于或等于閾值時計入該閾值的評分（24 h內(nèi)小雨、中雨、大雨、暴雨和特大暴雨的閾值分別為0.1、10、25、50和100 mm）。

3 降水空間分布特征分析

從2021年7月19日08時—21日07時59分48 h累計降水的空間分布（圖1）可以看出，本次暴雨中心位于河南中北部，鄭州及其周圍地區(qū)降水量超過500 mm，屬于特大暴雨。10套衛(wèi)星降水產(chǎn)品均在一定程度上再現(xiàn)了本次降水的空間分布，即降水的大值區(qū)位于河南省中北部。從圖1可以看出，CMORPH-Raw、CMORPH-RT和IMERG-Late可以準確地再現(xiàn)暴雨中心位置；其他降水產(chǎn)品的降水中心略有偏移，其中IMERG-Early、GSMaP-Now、GSMaP-NRT和FY-2H的暴雨中心位于鄭州東部，F(xiàn)Y-2F的暴雨中心在鄭州的東北部，F(xiàn)Y-2G的暴雨中心在鄭州的東南部；PERSIANN不能再現(xiàn)暴雨中心。各種衛(wèi)星降水產(chǎn)品在降水量值上存在較大差異，PERSIANN降水量偏小達不到暴雨級別；其他降水產(chǎn)品降水量均達到了暴雨級別，其中CMORPHRT和IMERG-Late的降雨量值與實際降水量最為接近。為了定量評估各種衛(wèi)星降水精度，使用克雷斯曼（Cressman）插值方法將站點降水數(shù)據(jù)和雙線性插值方法將衛(wèi)星降水產(chǎn)品統(tǒng)一插值到0.04°×0.04°的網(wǎng)格，計算空間相關(guān)系數(shù)和相對誤差。其中，CMORPH-Raw的空間相關(guān)系數(shù)最高（0.84），CMORPH-RT的空間相關(guān)系數(shù)為0.78，IMERG-Early和IMERG-Late的空間相關(guān)系數(shù)均在0.80以上，GSMaP-NRT的空間相關(guān)系數(shù)（0.75）遠高于GSMaPNow的空間相關(guān)系數(shù)（0.42），PERSIANN的空間相關(guān)系數(shù)為0.54，F(xiàn)Y-2F的空間相關(guān)系數(shù)為0.40，F(xiàn)Y-2G的空間相關(guān)系數(shù)最低為0.37，F(xiàn)Y-2H的空間相關(guān)系數(shù)是FY衛(wèi)星系列中最高的，為0.46?？偟亩?，沒有使用實時微波數(shù)據(jù)的降水產(chǎn)品空間再現(xiàn)能力較差。除了IMERG-Late降水產(chǎn)品的相對誤差為1.76%外，其他降水產(chǎn)品均存在較大程度的低估。各子圖的右上角標出的是在這48 h內(nèi)，各衛(wèi)星降水產(chǎn)品使用的實時被動微波遙感數(shù)據(jù)的覆蓋率，從GSMaP-Now和GSMaP-RT的空間分布形式上來看，融合更多實時被動微波數(shù)據(jù)可以更為準確地再現(xiàn)降水空間分布特征。沒有融合被動微波數(shù)據(jù)的產(chǎn)品PERSIANN和FY衛(wèi)星系列降水產(chǎn)品效果較差，其他衛(wèi)星數(shù)據(jù)產(chǎn)品效果優(yōu)于這類紅外降水產(chǎn)品，說明融合被動遙感衛(wèi)星數(shù)據(jù)后衛(wèi)星降水精度會有較大程度的提高，對于暴雨中心和降水量級的捕捉更加準確，而且CMORPH-RT效果優(yōu)于CMORPHRaw、IMERG Late效果優(yōu)于IMERG Early、GSMaPRT效果優(yōu)于GSMaP-Now，說明衛(wèi)星反演算法和使用微波數(shù)據(jù)多少對衛(wèi)星降水產(chǎn)品有較大影響。FY衛(wèi)星系列中不同衛(wèi)星的降水產(chǎn)品的準確度也不一樣，說明使用的衛(wèi)星不同其反演的降水產(chǎn)品準確度存在差異。

圖1 2021年7月19日08時—21日07時59分各降水數(shù)據(jù)資料原始分辨率48 h累計降水（單位：mm；a.氣象站（Obs），b.CMORPH-Raw，c.CMORPH-RT，d.PERSIANN，e.IMERG-Early，f.IMERG-Late，g.GSMaP-Now，h.GSMaP-NRT，i.FY-2F，j.FY-2G，k.FY-2H；其中三角代表鄭州，右上角數(shù)值表示實時被動微波數(shù)據(jù)的覆蓋率）Fig.1 Accumulated rainfall amounts（unit：mm）with original resolutions of （a）weather station （Obs），（b）CMORPH-Raw，（c）CMORPH-RT，（d）PERSIANN，（e）IMERG-Early，（f）IMERG-Late，（g）GSMaP-Now，（h）GSMaP-NRT，（i）FY-2F，（j）FY-2G，（k）FY-2H from 08：00 BT 19 to 07：59 BT 21 July 2021（the triangle represents Zhengzhou weather station，the top right values indicate the coverage of the real-time passive microwave data）

據(jù)中國氣象局報道，河南暴雨事件最強降水發(fā)生在鄭州市的20日16時00—59分。圖2是各種降水數(shù)據(jù)在該時段累計降水的空間分布，各子圖的右上角標出了該時刻實時被動微波數(shù)據(jù)的覆蓋率，從圖2a中可以看出，鄭州小時降水量超過200 mm，鄭州以北也存在大范圍暴雨區(qū)，10套衛(wèi)星產(chǎn)品均可以再現(xiàn)這一空間分布形式而且其降水大值區(qū)也達到了暴雨級別，但是只有CMORPH-Raw和CMORPHRT可以準確再現(xiàn)暴雨中心的位置，其他降水產(chǎn)品的暴雨中心位于鄭州的東北部。所有衛(wèi)星產(chǎn)品均低估了暴雨中心降水，其中CMORPH-RT在暴雨中心的降水量達40 mm，與實際降水量最為接近，其他衛(wèi)星產(chǎn)品的降水量存在較大低估。除了河南北部的暴雨區(qū)，在河南南部還存在降水次中心，除了GSMaP-Now，其他衛(wèi)星產(chǎn)品均可以捕捉到這個降水區(qū)，但是降水中心位置出現(xiàn)了偏移，其中FY-2F、FY-2G和FY-2H的降水中心位于實際降水的西部，其他降水產(chǎn)品的降水中心位于實際降水的東部。通過分析發(fā)現(xiàn)CMORPH-RT的準確度優(yōu)于CMORPH-Raw，說明衛(wèi)星數(shù)據(jù)的處理方法對降水產(chǎn)品有較大的影響；IMERG-Late的準確度優(yōu)于IMERG-Early，GSMaP-NRT的 效 果 優(yōu) 于GSMaPNow，而且IMERG-Late和GSMaP-NRT所含實時被動微波數(shù)據(jù)更多，說明融合更多被動遙感數(shù)據(jù)可以提高衛(wèi)星反演降水的準確度。FY-2G和FY-2H的效果明顯優(yōu)于FY-2F，說明使用的衛(wèi)星不同得到的降水產(chǎn)品之間可能存在較大差異，新的衛(wèi)星產(chǎn)品總體來說進步比較明顯。各種衛(wèi)星降水產(chǎn)品在20日16時降水量的空間相關(guān)系數(shù)低于48 h累計降水的空間相關(guān)系數(shù)，說明衛(wèi)星降水產(chǎn)品對于暴雨過程的捕捉能力強于對特定時刻暴雨的捕捉能力，其中CMORPH-Raw和CMORPH-RT降水產(chǎn)品的空間相關(guān)系數(shù)最高（0.53），F(xiàn)Y-2F的空間相關(guān)系數(shù)最低（0.05）。所有的降水產(chǎn)品均存在較大程度的低估（相對偏差為負）。PERSIANN、FY-2F、FY-2G和FY-2H衛(wèi)星降水是通過紅外傳感器獲得的，屬于間接估算；除了紅外遙感數(shù)據(jù)，CMORPH、GPM IMERG和GSMaP三個系列降水產(chǎn)品還使用了被動微波數(shù)據(jù)。CMORPH-Raw和CMORPH-RT使用的地球軌道衛(wèi)星在該時間內(nèi)覆蓋了研究區(qū)域，IMERG-Early和IMERG-Late使用的衛(wèi)星在16時30—59分覆蓋了該研究區(qū)域，GSMaP-NRT在該時段內(nèi)也有衛(wèi)星覆蓋，因此這幾套數(shù)據(jù)的效果較好。而GSMaPNow在該區(qū)域最近的微波數(shù)據(jù)來自于5 h之前，因此精度略有下降；PERSIANN、FY-2F、FY-2G和FY-2H僅使用了紅外遙感數(shù)據(jù)，因此與其他衛(wèi)星產(chǎn)品相比效果較差。

圖2 同圖1，但為 2021年7月20日16時00—59分的累計降水Fig.2 Same as Fig.1 but for accumulated rainfall amounts from 16：00 to 16：59 BT 20 July 2021

圖4 同圖1，但為2021年7月19—20日沒有被動微波數(shù)據(jù)時的降水空間分布Fig.4 Same as Fig.1 but for rainfall amounts without passive microwave data on 19—20 July 2021

圖3和4給出了有微波數(shù)據(jù)和沒有微波數(shù)據(jù)時各衛(wèi)星降水產(chǎn)品的降水反演能力，各衛(wèi)星產(chǎn)品與實際降水的空間相關(guān)系數(shù)和相對誤差標注在圖中，從圖中可以看出，對于融合紅外和被動微波數(shù)據(jù)的衛(wèi)星降水產(chǎn)品而言，當前時刻有、無被動微波衛(wèi)星覆蓋對產(chǎn)品的效果影響不大。但是，對于不同衛(wèi)星產(chǎn)品，不管是在有被動微波數(shù)據(jù)或是沒有被動微波數(shù)據(jù)的情況下，它們之間都存在差異。GSMaP系列衛(wèi)星降水產(chǎn)品準確度比CMORPH和IMERG系列降水產(chǎn)品的準確度低，說明GSMaP系列衛(wèi)星降水產(chǎn)品的算法在本次事件中應用效果不好。

圖3 同圖1， 但為2021年7月19—20日有被動微波數(shù)據(jù)時的降水空間分布Fig.3 Same as Fig.1 but for rainfall amounts with passive microwave data during 19—20 July 2021

為了定量比較衛(wèi)星降水的表現(xiàn)，將所有降水數(shù)據(jù)統(tǒng)一插值到0.04°×0.04°的網(wǎng)格上，并采用命中率、空報率、TS評分和準確率等指標進行客觀的分析和比較。圖5給出了衛(wèi)星降水產(chǎn)品在20日16時不同等級降水的命中率、空報率、TS評分和準確率。從圖中可以看出，命中率和TS評分隨著降雨等級的上升而降低，空報率隨著降雨等級的上升而增大，說明隨著降雨等級的上升衛(wèi)星降水產(chǎn)品的準確度下降。從命中率上來看，IMERG-Early降水產(chǎn)品的命中率最高，PERSIANN的命中率最低；從空報率上來看，GSMaP-Now的空報率最高，這主要與GSMaP-Now在暴雨區(qū)的東部有大范圍降水有關(guān)，CMORPH-Raw的空報率最低；對于TS評分而言，PERSIANN、GSMaP-Now、FY-2F、FY-2G和FY-2H的結(jié)果較差，其他降水產(chǎn)品的效果相似且隨著降水等級升高而下降；從準確率上來看，GSMaP-Now的效果較差?？偟膩碚f，CMORPH-Raw、CMORPHRT、IMERG-Early、IMERG-Late和GSMaP-NRT的精度相似且比PERSIANN、GSMaP-NRT、FY-2F、FY-2G和FY-2H的準確度高。

圖5 各個降水產(chǎn)品不同降雨等級下的（a）命中率（POD）、（b）空報率（FAR）、（c）TS評分和（d）準確率（ACCURACY）比較（所有數(shù)據(jù)統(tǒng)一插值到0.04°×0.04°網(wǎng)格）Fig.5（a）POD（probability of detection），（b） FAR （false alarm ratio），（c）TS（threat score）and （d）ACCURACY for different precipitation levels and various rainfall products（all data are interpolated to 0.04°×0.04°grid）

4 降水的時間序列分析

選用相關(guān)系數(shù)和相對誤差來綜合描述各衛(wèi)星降水小時尺度誤差情況。CMORPH-Raw、CMORPHRT、IMERG-Early和IMERG-Late在河南的中部和東部時間相關(guān)系數(shù)較高，可以較好地再現(xiàn)這次暴雨事件的時間演變情況；GSMaP-Now、GSMaPNRT、FY-2G和FY-2H在河南東部和北部的相關(guān)較好；PERSIANN和FY-2F在暴雨區(qū)的相關(guān)較弱，不能再現(xiàn)暴雨區(qū)降雨的變化過程。在暴雨區(qū)衛(wèi)星降水產(chǎn)品均呈現(xiàn)較大的負偏差，其中CMORPH-RT和IMERG-Late的負偏差較?。怀薖ERSIANN和FY-2F，其他衛(wèi)星降水在河南東部均呈現(xiàn)較大的正偏差（圖略）。圖6a是10種降水數(shù)據(jù)在2021年7月19日08時—21日07時59分圖1所示區(qū)域內(nèi)的逐時平均降水量的時間序列。從圖中可以看出自19日08時起降水呈增加趨勢，在20日17時略有下降隨后上升，除了PERSIANN的變化幅度較小，其他降水產(chǎn)品均可以再現(xiàn)這一變化特征。所有衛(wèi)星降水均低估了降水量，其中PERSIANN和FY-2F的降水量較小，不能捕捉這次暴雨事件。從鄭州站降水的時間序列（圖6b）可以看出，CMORPHRaw和CMORPH-RT可以較為準確地再現(xiàn)降水的時間演變過程，其他降水產(chǎn)品無法準確再現(xiàn)降水時間演變過程，所有衛(wèi)星產(chǎn)品均低估了20日16時的特大暴雨。總體而言，CMORPH-Raw、CMORPHRT、IMERG-Early、IMERG-Late、GSMaP-Now、GSMaP-NRT、FY-2G和FY-2H均在一定程度上再現(xiàn)了大雨區(qū)降水的時間演變過程，其中，CMORPHRT的效果最好。

圖6 各種降水產(chǎn)品在 （a）圖1所示區(qū)域內(nèi)逐時的平均降水量和（b）鄭州站降水量的時間序列（“*”表示通過顯著性水平為0.01 的t 檢驗）Fig.6 Time series of （a）average hourly rainfall in the domain shown in Fig.1 and（b）rainfall at Zhengzhou station（"*"indicates significance at 0.01 level by the t-test）

5 結(jié)論和討論

針對2021年7月19—20日河南特大暴雨事件，通過定性（降水空間分布、降水時間序列）和定量（降水評價指標）等方法分析了CMORPH-Raw、CMORPH-RT、PERSIANN、IMERG-Early、IMERGLate、GSMaP-Now、GSMaP-NRT、FY-2F、FY-2G和FY-2H十套衛(wèi)星降水產(chǎn)品監(jiān)測極端暴雨的能力，主要結(jié)論如下：

（1）本研究較為詳細地比較了10種主流衛(wèi)星降水產(chǎn)品在“21·7”河南極端暴雨事件中的監(jiān)測能力。研 究 發(fā) 現(xiàn)，CMORPH-Raw、CMORPH-RT、PERSIANN、IMERG-Early、IMERG-Late、GSMaPNow、GSMaP-NRT、FY-2F、FY-2G和FY-2H十套衛(wèi)星降水產(chǎn)品均在一定程度上再現(xiàn)了本次暴雨事件的空間分布特征，且對累計降水的捕捉能力強于對特定時刻極端暴雨的捕捉能力；只有CMORPHRaw和CMORPH-RT可以準確地再現(xiàn)20日16時極端暴雨的中心位置；與觀測降水相比，10套衛(wèi)星降水產(chǎn)品均較大程度低估了暴雨中心的降水量，其中CMORPH-RT的降水量與觀測降水最為接近。總的來說，CMORPH-RT衛(wèi)星降水產(chǎn)品在本次事件中表現(xiàn)較好，PERSIANN和FY-2F的效果較差。

（2）這10套衛(wèi)星降水產(chǎn)品使用了不同的紅外遙感和微波探測數(shù)據(jù)。通過比較發(fā)現(xiàn)，僅使用紅外遙感數(shù)據(jù)的PERSIANN和FY衛(wèi)星系列降水產(chǎn)品不能準確捕捉本次極端暴雨事件，融合紅外遙感數(shù)據(jù)和微波數(shù)據(jù)的衛(wèi)星降水產(chǎn)品在捕捉“21·7”河南極端暴雨事件效果優(yōu)于僅使用紅外遙感的衛(wèi)星產(chǎn)品。紅外遙感降水是根據(jù)紅外和可見光探測到的云頂信息來間接估計地表降水的，具體而言就是建立云頂亮溫和降水強度的關(guān)系，不能反映云中和云底部的云粒子信息，因此基于紅外儀器探測反演的降水數(shù)據(jù)準確率較低。與紅外探測相比，被動微波可以穿過云雨大氣探測云中的云粒子和雨粒子，其反演的物理基礎(chǔ)好，因此數(shù)據(jù)的準確率會高于紅外反演數(shù)據(jù)，但是由于陸面輻射背景復雜，因此其反演降水仍存在一定程度的誤差。

（3）總的來說，衛(wèi)星反演算法和融合微波衛(wèi)星數(shù)據(jù)的多少均會影響衛(wèi)星降水產(chǎn)品的精度，且僅增加被動遙感數(shù)據(jù)衛(wèi)星降水產(chǎn)品的精度不一定得到改善。使用的衛(wèi)星不同得到的降水產(chǎn)品精度也存在較大差異。研究發(fā)現(xiàn)，主流的融合主動、被動遙感信息的衛(wèi)星產(chǎn)品對鄭州北部的暴雨區(qū)的位置和量值捕捉能力較好，說明其對暴雨有一定的監(jiān)測能力，但是對極端特大暴雨中心如20日16時鄭州極端暴雨的監(jiān)測能力還有待提高。目前高分辨率衛(wèi)星降水較大程度地低估了本次大暴雨的量值，可以通過增加被動微波數(shù)據(jù)的時空覆蓋、增加衛(wèi)星掃描半徑、改善衛(wèi)星數(shù)據(jù)算法和融合不同衛(wèi)星觀測數(shù)據(jù)等進一步改進衛(wèi)星降水產(chǎn)品的精度。

（4）目前，主流的衛(wèi)星降水產(chǎn)品還不能準確捕捉“21·7”河南暴雨事件，現(xiàn)主流的衛(wèi)星降水產(chǎn)品和算法主要是由國外機構(gòu)研發(fā)的，中國也有很多氣象衛(wèi)星，但是各衛(wèi)星降水產(chǎn)品之間存在較大差異，雖能看到新的衛(wèi)星產(chǎn)品有較明顯的進步，但可以考慮針對中國衛(wèi)星數(shù)據(jù)和中國實際情況發(fā)展融合出一套適用于本國的降水產(chǎn)品。