川渝地區汛期逐小時降水融合產品誤差分析*

曠 蘭，田茂舉**，李 強，龐 玥，吉 莉，劉 祥

川渝地區汛期逐小時降水融合產品誤差分析*

曠 蘭1，田茂舉1**，李 強2，龐 玥2，吉 莉3，劉 祥4

(1.重慶市綦江區氣象局，綦江 401420；2.重慶市氣象臺，重慶 401147；3.重慶市北碚區氣象局，北碚 400700；4.重慶市氣象服務中心，重慶 401147)

利用2021年汛期三套降水融合產品CMPAS、GSMaP和IMERG，經質量控制后的川渝地區190個國家氣象站逐小時降水數據，結合川渝地區的不同地形區間和不同小時雨強對三套融合產品進行誤差分析。結果表明：（1）2021年汛期總降水量空間分布上，CMPAS產品與站點實測最為接近，其次依次為GSMaP、IMERG產品。（2）針對不同地形區、不同時段，CMPAS產品的相關性、命中率、關鍵成功率最優，IMERG次之；CMPAS產品的偏差、均方根誤差、誤報率最小，GSMaP產品的誤報率最大，IMERG的偏差、均方根誤差最大；各融合產品在8月和9月的命中率、關鍵成功率最優，在20：00?次日2：00、2：00?8：00的相關性、命中率、關鍵成功率最優，誤差和誤報率最小。（3）針對不同小時雨強，CMPAS明顯優于IMERG和GSMaP產品；其中CMPAS產品5月和9月的相關性、命中率、關鍵成功率最優；當小時雨強增大時，各融合產品的均方根誤差逐漸增大。研究結果說明汛期CMPAS產品在川渝地區的精度明顯優于IMERG和GSMaP產品，可以為地面實測數據缺乏的地區提供有效的降水數據補充。

川渝地區；降水融合產品；CMPAS；GSMaP；IMERG；誤差分析

極端降水事件可能引發中小河流洪水、地質滑坡、泥石流等自然災害，干旱事件可能影響農業和水資源管理，因此，從空間監測不同的降水強度是必要的，特別是地面觀測缺乏的地區。受地形和環境因素影響，地面雨量計常常分布不均，特別是高海拔地區常常分布有限，而降水融合產品提供了更大規模的空間覆蓋，以彌補空間缺乏的地面觀測[1?9]。

CMPAS_FRT[10]（CMA Multi-source Merged Precipitation Analysis System, CMPAS）中國逐小時降水實時融合實況分析產品，是中國區域地面?衛星?雷達三源融合降水分析產品CMPAS的降水融合產品之一，利用經質量控制的國家級氣象站和區域國家氣象站的逐小時降水觀測資料、中國氣象局氣象探測中心研制的全國雷達拼圖定量估測降水產品、國家衛星氣象中心研制的FY2小時降水產品，采用概率密度函數匹配法、貝葉斯模型平均法、空間降尺度技術以及最優插值法等關鍵技術研制而成。GSMaP_Gauge[11]（Gauge-calibrated Rainfall Product，GSMaP）衛星降水產品，是經過美國氣候預測中心（Climate Prediction Center, CPC）全球雨量站點、氣候以及地形等校正后的衛星降水數據。IMERG_Final Run[12]（Integrated Multi-satellite Retrievals for GPM, IMERG）衛星降水產品，是全球降水觀測計劃GPM（Global Precipitation Measurement）推出的新一代多衛星聯合反演的降水產品之一，首先利用GPM平臺上的主被動微波傳感器、各類紅外傳感器數據以及融合TRMM(Tropical Rainfall Measuring Mission) 時代的衛星降水反演算法，然后經過全球雨量站點的校正算法研制而成。

近年來，國內外已有學者開展不同降水融合產品在不同地區的適用性評估。Chua等[13]證明了CMORPH和GSMaP降水融合產品在澳大利亞地區具有良好的適用性，且精度高度依賴于降雨強度。陳曉宏等[14]驗證了GPM和IMERG降水融合產品在北江流域具有良好的適用性。Yang等[15]按照降水強度通過相關系數、均方根誤差、命中率等指標檢驗了IMERG降水融合產品在四川省的精度。史嵐等[16]證明了在中國區域內CMPAS衛星降水產品與地面觀測值具有較好的相關性。目前還鮮有針對CMPAS、GSMaP和IMERG三種降水融合產品的對比評估，尤其是針對主汛期（5?9月）不同地形區、不同小時雨強的對比研究相對匱乏。川渝地區地處第一級青藏高原和第二級長江中下游平原的過渡帶，有丘陵、低山和高山等復雜地勢，因此，本研究基于前人已有成果，重點結合川渝地區不同地形區、不同小時雨強等對各降水融合產品進行綜合檢驗評價，以期為汛期水文氣象防災減災提供數據支撐。

1 資料與方法

1.1 研究區域

研究區域為川渝地區，地處第一級青藏高原和第二級長江中下游平原的過渡帶，地勢高低懸殊，西高東低，由西北向東南傾斜，地跨青藏高原、橫斷山脈、云貴高原、秦巴山地和川渝盆地。受地形和氣候影響大，降水時空分布差異明顯，其中以汛期（5?9月）較多，東部和南部偏多，主要原因是來自東太平洋和印度洋季風攜帶的水汽受到獨特地形作用，在川渝盆地形成充足降水。因此，著重分析不同衛星降水產品在不同地形區上的誤差特征，利用SRTM（Shuttle Radar Topography Mission）的數字高程（DEM，Digital Elevation Model）模型，根據川渝地區的高程差異，將川渝地區分為4個地形區，即海拔500m以下為地形I區，海拔500?1000m為地形Ⅱ區，海拔1000?3000m為地形Ⅲ區，海拔3000m以上為地形Ⅳ區，地形及區域劃分如圖1所示。

圖1 川渝地區地形區域劃分（Ⅰ、Ⅱ、Ⅲ、Ⅳ區）及190個國家氣象站分布

注：地形Ⅰ、Ⅱ、Ⅲ和Ⅳ區的海拔區間分別為≤500m、500?1000m、1000?3000m和＞3000m。

Note：Elevation range of terrain Ⅰ, Ⅱ, Ⅲ and Ⅳ is ≤500m, 500?1000m, 1000?3000m, and ＞3000m, respectively.

1.2 數據來源及處理

（1）融合產品降水數據

包括2021?05?01—2021?09?30川渝地區衛星降水數據，其中CMPAS衛星降水產品的時空分辨率為0.05°·h?1，來自國家氣象信息中心網。GSMaP（https://sharaku.eorc.jaxa.jp/GsMap/index.htm）衛星降水產品的時空分辨率為0.1°·h?1。IMERG（https:// gpm.nasa.gov/data-access/downloads/gpm）衛星降水產品的時空分辨率為0.1°·30min?1。利用最近距離插值法提取各個國家氣象站點的柵格數據，為了方便與國家氣象站實測降水數據進行對比分析，將各衛星降水產品的時間分辨率統一處理為1h。

（2）站點實測降水數據

包括2021?05?01—2021?09?30川渝地區190個國家氣象站逐小時降水實況資料，來自全國氣象信息綜合分析處理系統（Meteorological Information Combine Analysis and Process System, MICAPS）。

（3）基礎地理數據

基于空間分辨率為12.5m的數字高程模型，采用ALBERS等面積圓錐投影和WCG1984大地坐標系，利用ArcGIS提取各站點海拔，再根據地形I、Ⅱ、Ⅲ和Ⅳ區的海拔區間對各國家氣象站點進行歸類處理。

1.3 誤差評估

降水融合產品與國家氣象站降水數據之間的誤差評估指標[17]分為兩類，一類為誤差統計指標，另一類為對降水事件判斷準確性評估指標，具體見表1和表2。其中誤差統計指標主要包括相關系數(Correlation Coefficient, COR)，用來分析衛星降水與國家氣象站降水數據的相關性；相對偏差(Relative Bias, BIAS)用來分析衛星降水與國家氣象站降水數據之間的偏離程度；均方根誤差(Root Mean Squared Error, RMSE)用來分析衛星降水與國家氣象站降水數據的離散程度。

表1 降水融合產品評估指標

對降水事件判斷準確性評估指標包括，利用誤差分解模型將降水事件分為命中事件、漏報事件和誤報事件3種誤差成分[18]（表2）。為進一步綜合描述3種不同誤差成分對總體誤差的貢獻程度，又分為（詳見表1）命中率（Probability of Detection, POD），即衛星數據準確及時捕捉實際的降水事件能力；誤報率（False Alarm Ration, FAR），即衛星對降水事件的錯誤估計程度；關鍵成功指數（Critical Success Index, CSI），是綜合考慮 POD和FAR的情況，用來衡量衛星降水探測實際降水事件的真正水平。

1.4 數據處理

利用最近距離法提取國家氣象站點所處的柵格處的融合產品數據，并與站點實測降水數據進行誤差分析。其次，基于ArcGIS平臺，利用SRTM的數字高程（DEM）模型，根據川渝地區的高程差異，將川渝地區分為4個地形區，即海拔500m以下為地形I區，海拔500?1000m為地形Ⅱ區，海拔1000?3000m為地形Ⅲ區，海拔3000m以上為地形Ⅳ區，并從4個地形區分別計算其誤差指標。

2 結果與分析

2.1 各融合產品汛期小時降水量時空分布差異分析

2.1.1 空間分布

由圖2可見，各融合產品以及實測數據均顯示，川渝地區2021年汛期（5?9月）逐小時降水量總和呈基本相似的分布趨勢，主要表現為地形I區的降水量最大，依次為地形Ⅱ、Ⅲ、Ⅳ區，地形及區域劃分如圖1所示。

表2 降水融合產品對降水事件判斷的準確性評估指標

注：0.1mm×h?1作為判斷是否發生降水事件的閾值。

Note: 0.1mm×h?1is used as the threshold of whether precipitation events occur.

圖2 川渝地區四種產品2021年汛期（5?9月）逐小時降水量總和的空間分布(mm)

注：OB是川渝地區190個國家氣象站逐小時實測降水資料。GSMaP為美國氣候預測中心校正后的衛星降水數據、CMPAS為中國區域地面?衛星?雷達三源融合的降水分析產品數據、IMERG為全球降水觀測計劃GPM發布的降水融合產品在川渝地區190個國家氣象站點逐小時降水量的插值。下同。

Note：OB is the hourly measured precipitation data of 190 national meteorological stations in Sichuan and Chongqing. GSMaP is the corrected satellite precipitation data of the US Climate Prediction Center, CMPAS is the precipitation analysis product data of ground-satellite-radar fusion in China, and IMERG is the hourly precipitation interpolation of the precipitation fusion product released by the Global Precipitation Observation program GPM at 190 national meteorological stations in Sichuan and Chongqing. The same as below.

從降水量數據看，各融合產品間存在明顯差異。以站點實測降水量數據（圖2a）為基準，CMPAS產品各降水量級區間數據分布與實況最接近；其次為GSMaP產品，主要差別表現為在地形I區和Ⅱ區存在高估，2021年的汛期降水總量在1000～1500mm和1500～2000mm范圍的站點明顯增多；IMERG產品基本在各地形區域均存在明顯高估。

2.1.2 汛期各月分布

由圖3可見，各融合產品以及實測數據的不同小時雨強逐月分布均顯示，各融合產品間均存在差異。以實測數據的小時雨強OB為基準，當小時雨強為0.1～1.9mm×h?1、2.0～4.9mm×h?1時（圖3a、3b），各融合產品差別不大，其中CMPAS產品的小時雨強偏高最多，其次是IMERG產品，而GSMaP產品的小時雨強偏低。當小時雨強為5.0～9.9mm×h?1時（圖3c），各類融合產品差別不大，其中CMPAS與實測數據基本保持一致，IMERG產品偏高，而GSMaP產品偏低。當小時雨強為10.0～19.9mm×h?1時（圖3d），各融合產品差異增大，其中CMPAS在5月略比實測數據偏高，在7月和9月略微偏低，在6月和8月基本持平；IMERG產品在5?7月略微偏低，9月略微偏高，8月基本持平；而GSMaP產品卻明顯偏低。當小時雨強≥20.0mm×h?1時（圖3e），各類融合產品的小時雨強基本小于50.0mm×h?1，大于100.0mm×h?1的小時雨強主要出現在8月和5月，其中IMERG產品比實測數據偏高，而其它融合產品與實測數據差異不大。

2.2 各融合產品不同時段小時降水量誤差分布特征分析

2.2.1 整個汛期誤差特征

分析各誤差統計指標和分類統計指標的空間分布，結果見圖4。由圖可見，從相關系數來看，CMPAS產品的相關系數均在0.65以上，其中大部分站點的相關系數在0.85以上，而IMERG和GSMaP產品的相關系數則低于0.65；從偏差BIAS來看，CMPAS產品的偏差絕對值≤0.5，而IMERG產品的偏差絕對值則＞0.5，且大部分站點的偏差絕對值＞1.0，GSMaP產品的偏差絕對值≤1.0，且大部分站點的偏差絕對值≤0.5；從均方根誤差RMSE來看，CMPAS產品大部分站點≤1.0mm，IMERG和GSMaP產品在地形Ⅳ區的誤差普遍小于地形I、Ⅱ、Ⅲ區，其中IMERG產品的誤差在各地形區都大于GSMaP產品；從命中率POD來看，CMPAS產品的命中率普遍＞0.65，其次是IMERG產品，GSMaP產品命中率最低；從誤報率FAR來看，CMPAS產品的誤報率最低，各站點均低于0.45且大部分站點低于0.25，IMERG產品的誤報率高于CMPAS產品又低于GSMaP產品；從關鍵成功指標CSI來看，CMPAS產品的關鍵成功指標大部分站點高于0.65，其次依次是IMERG產品、GSMaP產品。

圖3 四種產品汛期各月平均小時雨強的分類比較

注：○為各產品的中位數，—為所有產品的中位數，—分別為上四分位點、下四分位點。下同。

Note：○ is the median value of each product, — line in the middle is the median of all products, - lines at both ends are the upper and lower quartile sites respectively. The same as below.

圖4 整個汛期三種融合產品與OB產品比較的逐小時降水量誤差分布

2.2.2 汛期各月誤差特征

分析各誤差統計指標和分類統計指標的逐月變化，結果見圖5。由圖可見，CMPAS產品的相關性最好，其次是IMERG產品；CMPAS產品的偏差最小，其次是GSMaP產品；CMPAS產品的均方根誤差最小，其次是GSMaP產品；CMPAS產品的命中率最大，其次是IMERG產品；CMPAS產品的誤報率最小，其次是IMERG產品；CMPAS產品的關鍵成功指標最大，其次是IMERG產品。且CMPAS產品各站點的偏差均值接近0，GSMaP產品各站點的偏差均值略微大于0，IMERG產品各站點的偏差明顯大于0。其中又以8月產品質量最好，其次依次是9月、7月、6月和5月。

2.2.3 日值誤差特征

由圖6可見，CMPAS產品的相關性最好，其次是IMERG產品，其中在14：00?20：00時段產品的相關性最??；CMPAS產品的偏差最小，其次是GSMaP產品，其中CMPAS產品各站點的偏差均值接近0，GSMaP產品各站點的偏差均值略大于0，IMERG產品各站點的偏差明顯大于0，14：00?20：00偏差幅度變化最大；CMPAS產品的均方根誤差最小，其次是GSMaP產品，其中14：00?20：00均方根誤差變化幅度最??；CMPAS產品的命中率最大，其次是IMERG產品，其中在2：00?8：00時段命中率最高，其它依次是8：00?14：00、20：00?次日2：00、14：00?20：00；CMPAS產品的誤報率最小，其次是IMERG產品，其中14：00?20：00的誤報率最大，其次依次是8：00?14：00、20：00?次日2：00、2：00?8：00；CMPAS產品的關鍵成功指標最高，其次是IMERG產品，其中2：00?8：00關鍵成功指標最高，其它依次是8：00?14：00、20：00?次日2：00、14：00?20：00。

圖5 5?9月三種融合產品與OB產品比較逐小時降水量的誤差分布

2.3 各融合產品中不同降水強度下小時降水量的誤差特征分析

根據站點觀測值的每小時降水量進行降水強度分級，分級標準為0.1～1.9mm×h?1、2.0～4.9mm×h?1、5.0～9.9mm×h?1、10.0～19.9mm×h?1以及≥20.0mm×h?1，對不同降水強度下各誤差統計指標和分類統計指標的變化進行分析，結果見圖7。由圖中可見，CMPAS產品的質量明顯優于IMERG產品和GSMaP產品，而IMERG產品和GSMaP產品的質量無明顯差異。隨著小時雨強的增大，各產品的相關系數COR、命中率POD、關鍵成功指標CSI先逐漸降低后逐漸增高，呈V字型變化，其中當降水強度≥20.0mm×h?1時，指標最高；隨著降水強度的增大，各產品的偏差BIAS值越小，均方根誤差RMSE越大，誤報率FAR先增大后減小呈倒V字型變化。

2.4 各融合產品中不同地形區域小時降水量的誤差特征分析

由圖8可見，各產品在不同地形區與國家氣象站降水之間的散點數密度大都≤10.0mm×h?1，且地形Ⅰ區的小時雨強的極大值最大，其次依次為Ⅱ區、Ⅲ區和Ⅳ區。各產品的相關性隨地形區變化并不明顯，但均方根誤差RMSE隨著海拔增大而降低明顯，即Ⅳ區的誤差最大，其中CMPAS產品的擬合效果最好，均方根誤差最小，其次是GSMaP產品，IMERG產品的誤差最大。

分析各產品在不同地形區上的泰勒圖分布，結果見圖9。由圖中可見，以CMPAS產品的相關系數最優，IMERG產品和GSMaP產品的相關系數差異較??；CMPAS產品的均方根誤差最低，其次是GSMaP產品，IMERG產品的均方根誤差最大；且IMERG產品的標準偏差也最大。對于均方根誤差，CMPAS產品在不同地形區的差異不明顯，而GSMaP和IMERG產品隨著地形區的增大而逐漸增大，即地形Ⅳ區的誤差最大，其中IMERG產品的誤差最大，CMPAS產品的誤差最小。

圖7 三種融合產品在不同降水強度下逐小時降水量的誤差統計和評價（與OB產品比較）

圖8 不同地形區域內三種融合產品與OB產品逐小時降水量比較散點圖

注：Ⅰ?Ⅳ區代表不同地形區域。紅線代表線性擬合線，黑色實線代表1:1最佳線。黑色虛線代表擬合最佳上線和下線，分別對應y=1.15x+0.05 (上線) 和y=0.85x?0.05 (下線)。

Note：Zone Ⅰ?Ⅳ represents different topographic regions. The red line represents the linear fitting line, the black solid line represents the 1:1 best line, and the black dashed line represents the upper and lower line with the best fitting, Corresponding to y=1.15x+0.05 (upper line) and y=0.85x?0.05 (bottom line).

3 結論與討論

3.1 結論

（1）2021年汛期總降水量空間分布上，CMPAS產品與實測數據最為接近，GSMaP產品在川渝盆地高估，IMERG產品在整個川渝地區明顯高估，且地形I區和Ⅱ區的降水明顯大于地形Ⅲ區和Ⅳ區。

（2）針對不同地形區、不同月份、不同時次段，CMPAS產品的相關性、命中率、關鍵成功率最優，IMERG次之；CMPAS產品的偏差、均方根誤差、誤報率最小，GSMaP產品的誤報率最大，IMERG的偏差、均方根誤差最大；各產品在不同地形區的誤差指標相差較??；CMPAS、IMERG、GSMaP產品8月和9月的命中率、關鍵成功率最優；CMPAS、IMERG、GSMaP產品在20：00?次日2：00、2：00?8：00時段的相關性、命中率、關鍵成功率最優，誤差和誤報率最小，其次是8：00?14：00、14：00?20：00。

（3）針對不同小時雨強，CMPAS產品明顯優于IMERG和GSMaP產品，IMERG和GSMaP產品相差較??；CMPAS產品5月和9月的相關性、命中率、關鍵成功率最優，6月和8月次之；當小時雨強增大時，各融合產品的均方根誤差逐漸增大，IMERG和GSMaP產品的命中率、關鍵成功率逐漸減小，而CMPAS產品則先減小，當小時雨強≥20.0mm×h?1時，其命中率、關鍵成功率又增大明顯。說明CMPAS產品在川渝地區的精度明顯優于IMERG和GSMaP產品，可以為汛期地面實測數據缺乏的地區提供有效的降水數據補充。

圖9 不同地形區域三種融合產品與OB產品逐小時降水量比較的泰勒圖

注：散點代表衛星產品，輻射線代表相關系數，坐標軸代表標準偏差，虛線代表均方根誤差。

Note：Scatter represents satellite products, radiation represents correlation coefficient, horizontal and vertical axes represent standard deviation, and dotted lines represent root mean square error.

3.2 討論

與基于全球降水觀測計劃GPM的多衛星降水反演產品（IMERG）和全球降水衛星制圖產品（GSMaP）相比，基于國家高時空分辨率的多源降水融合分析產品（CMPAS）的精度最優，以國家氣象站為基準，CMPAS產品在川渝地區的相關性、命中率、關鍵成功率最高，能較好地反映降水的時空分布，能夠為汛期地面實測數據缺乏的地區提供有效的降水數據補充，這與史嵐等對CMPAS產品的研究結果一致。

本研究在對各融合產品進行精度評估時發現，不同小時雨強和不同地形區間對不同融合產品精度具有一定影響，特別是當小時雨強增強時，命中率和關鍵成功率逐漸降低，當小時雨強≥20.0mm×h?1時，GSMaP和CMPAS產品存在低估，IMERG產品存在高估。由于影響降水的因素復雜，而本研究僅選取了川渝地區190個國家氣象站逐小時降水資料開展精度評價，站點密度不夠，有待進一步開展基于高密度實測降水數據的不同融合產品在不同地形因子下的精度評估。

[1] 竇世卿,張寒博,徐勇,等.TRMM降水數據在長江流域的降尺度分析與校正[J].中國農業氣象,2021,42(5):377-389.

Dou S Q,Zhang H B,Xu Y,et al.Research on downscaling and correction of TRMM data in the Yangtze river basin[J].Chinese Journal of Agrometeorology,2021,42(5): 377-389.(in Chinese)

[2] 曠蘭,田茂舉,李強,等.多源降水融合分析產品在重慶復雜地形下的精度評價[J].中國農業氣象,2023,44(1):71-81.

Kuang L,Tian M J,Li Q,et al.Study on accuracy evaluation of multi-source precipitation fusion analysis products under complex terrain in Chongqing[J].Chinese Journal of Agrometeorology,2023,44(1):71-81.(in Chinese)

[3] 玉院和,王金亮.TRMM 3B43降水數據在云南地區的降尺度適用性評價[J].中國農業氣象,2020,41(9):575-586.

Yu Y H,Wang J L.Applicability evaluation of TRMM 3B43 precipitation data for downscaling in Yunnan province [J].Chinese Journal of Agrometeorology,2020,41(9):575- 586.(in Chinese)

[4] 李豪,雷苑.復雜地形下TRMM降水數據的降尺度研究:以四川省為例[J].中國農業氣象,2019,40(10):607-619.

Li H,Lei Y.Spatial downscaling of TRMM precipitation data in areas of complex terrain: a case study in Sichuan province[J]. Chinese Journal of Agrometeorology,2019, 40(10):607-619.(in Chinese)

[5] 田茂舉,曠蘭,康俊,等.CMPAS產品在綦江流域面雨量中的應用研究[J].湖北農業科學,2021,60(S2):171-175.

Tian M J,Kuang L,Kang J,et al.Application of CMPAS products in area rainfall of Qijiang river basin[J].Hubei Agricultural Sciences,2021,60(S2):171-175.(in Chinese)

[6] 田茂舉,李奇臨,曠蘭,等.基于“重慶6.22”特大暴雨的降水融合產品質量評估[J].成都信息工程大學學報,2022,37 (4):478-484.

Tian M J,Li Q L,Kuang L,et al.Quality evaluation of precipitation fusion products based on Chongqing “6·22” torrential rain[J].Journal of Chengdu University of Information Technology,2022,37(4):478-484.(in Chinese)

[7] 江志紅,盧堯,丁裕國.基于時空結構指標的中國融合降水資料質量評估[J].氣象學報,2013(5):891-900.

Jiang Z H,Lu Y,Ding Y G.Analysis of the high-resolution merged precipitation products over China based on the temporal and spatial structure score indices[J].Acta Meteorologica Sinica,2013(5):891-900.(in Chinese)

[8] 張蒙蒙,江志紅.我國高分辨率降水融合資料的適用性評估[J].氣候與環境研究,2013,18(4):461-471.

Zhang M M,Jiang Z H.Analyses of high-resolution merged precipitation products over China[J].Climatic and Environmental Research,2013,18(4):461-471.(in Chinese)

[9] 季漩,羅毅.TRMM降水數據在中天山區域的精度評估分析[J].干旱區地理,2013,36(2):253-262.

Ji X,Luo Y.Quality assessment of the TRMM precipitation data in mid Tianshan mountains[J].Arid Land Geography, 2013,36(2):253-262.(in Chinese)

[10] 潘旸,沈艷,宇婧婧,等.基于貝葉斯融合方法的高分辨率地面?衛星?雷達三源降水融合試驗[J].氣象學報,2015, 73(1):177-186.

Pan Y,Shen Y,Yu J J,et al.An experiment of high-resolution gauge-radar-satellite combined precipitation retrieval based on the Bayesian merging method[J].Acta Meteorologica Sinica, 2015, 73(1): 177-186.(in Chinese)

[11] Mega T,Ushio T,Kubota T,et al.Gauge adjusted global satellite mapping of precipitation(GSMaP_Gauge)[C]∥IEEE General Assembly and Scientific Symposium,2014:1-4.

[12] 唐國強,萬瑋,曾子悅,等.全球降水測量(GPM)計劃及其最新進展綜述[J].遙感技術與應用,2015,30(4):607-615.

Tang G Q,Wan W,Zeng Z Y,et al.An overview of the global precipitation measurement(GPM) mission and it’s latest development[J]. Remote Sensing Technology and Application, 2015,30(4):607-615.(in Chinese)

[13] Chua Z W,Kuleshov Y,Watkins A.Evaluation of satellite precipitation estimates over Australia[J].Remote Sensing, 2020,12(4):678.

[14] 陳曉宏,鐘睿達,王兆禮,等.新一代GPM IMERG衛星遙感降水數據在中國南方地區的精度及水文效用評估[J].水利學報,2017,48(10):1147-1156.

Chen X H,Zhong R D,Wang Z L,et al.Evaluation on the accuracy and hydrological performance of the latest- generation GPM IMERG product over South China[J]. Journal Of Hydraulic Engineering,2017,48(10):1147-1156. (in Chinese)

[15] Yang M,Liu G,Chen T,et al.Evaluation of GPM IMERG precipitation products with the point rain gauge records overSichuan,China[J].Atmospheric Research,2020,246:105101.

[16] 史嵐,萬逸波,張狄,等.CMPA降水資料在中國地區不同地形下的精度評價研究[J].氣象科學,2018,38(5).616-624.

Shi L,Wan Y B,Zhang D,et al.Precision evaluation of CMPA remote sensing precipitation data in different terrains of China[J].Journal of the Meteorological Sciences, 2018,38(5):616-624.(in Chinese)

[17] Yong B,Ren L L,Hong Y,et al.Hydrologic evaluation of multisatellite precipitation analysis standard precipitation products in basins beyond its inclined latitude band:a case study in Laohahe basin,China[J].Water Resources Re- search,2010,46(7):759-768.

[18] Tian Y D,Peters-Lidard C D,Eylander J B,et al.Component analysis of errors in satellite-based precipitation estimates [J].Journal of Geophysical Research: Atmospheres,2009, 114(D24):D24101.

Error Evaluation of Hourly Precipitation Fusion Products during Flood Season in Sichuan and Chongqing

KUANG Lan1, TIAN Mao-ju1, LI Qiang2, PANG Yue2, JI Li3, LIU Xiang4

(1. Qijiang District Meteorological Bureau of Chongqing, Qijiang 401420, China; 2. Chongqing Meteorological Observatory, Chongqing 401147; 3. Beibei District Meteorological Bureau of Chongqing, Beibei 400700; 4. Chongqing Meteorological Service Center, Chongqing 401147)

Three sets of precipitation fusion products CMPAS, GSMaP and IMERG in the flood season of 2021, and the hourly precipitation data of 190 national meteorological stations in Sichuan and Chongqing region after quality control were used to test the error analysis of the three sets of products in combination with different terrain intervals and different hourly rainfall intensity in Sichuan and Chongqing region, so as to provide data support for flood season hydrometeorological disaster prevention and reduction. Some results in this study showed that: (1) in terms of the spatial distribution of total rainfall in 2021 flood season, CMPAS products were the closest to the site measured precipitation, followed by GSMaP and IMERG products. (2) According to different topographic areas and different time periods, CMPAS products had the best correlation, hit rate and key success rate, followed by IMERG. The deviation, root mean square error and false positive rate of CMPAS products were the smallest, the false positive rate of GSMaP products was the largest, and the deviation and root mean square error of IMERG products were the largest. The hit rate and critical success rate of all fusion products were the best in August and September, and the correlation, hit rate and critical success rate were the best in 20：00?next 2：00 and 2：00?8：00, while the error and false positive rate were the least. (3) CMPAS was obviously better than IMERG and GSMaP for different hourly rainfall intensity. The correlation, hit rate and critical success rate of CMPAS products in May and September were the best. As the hourly rain intensity increased, the root mean square error of each fusion product increased gradually. The above results indicate that the accuracy of CMPAS products in flood season was obviously better than that of IMERG and GSMaP products in Sichuan and Chongqing, which could provide effective precipitation data supplement for areas lacking ground measured data.

Sichuan and Chongqing region; Precipitation fusion product; CMPAS; GSMaP; IMERG; Error analysis

10.3969/j.issn.1000-6362.2023.10.008

2022?10?25

重慶市自然科學基金面上項目（cstc2021jcyj-msxmX0057）；重慶市氣象部門業務技術攻關項目（YWJSGG- 202012；YWJSGG-202128）；重慶市氣象部門青年基金項目（QNJJ-202010）

通訊作者：田茂舉，高級工程師，主要從事GIS和天氣預報研究，E-mail：147758044@qq.com

曠蘭，E-mail：616032331@qq.com

曠蘭,田茂舉,李強,等.川渝地區汛期逐小時降水融合產品誤差分析[J].中國農業氣象,2023,44(10):953-963