臺風“煙花”影響浙江期間GPM衛星降水產品的評估及訂正

蔡志穎，鄭艷，段晶晶,，朱皓清，吳俊杰

(1.寧波市氣象臺，寧波 315000；2.寧波市鎮海區氣象局，寧波 315200；3.中國氣象局上海臺風研究所，上海 200030；4.江蘇省啟東市氣象局，啟東 226200)

引言

降水是天氣預報、氣候變化和全球水文研究關注的熱點。傳統降水觀測來源于地面氣象觀測站，觀測結果雖然準確，但其空間分布不連續。為彌補這一不足，諸多研究者將目光轉向天氣雷達和衛星等遙感探測技術(Guo et al.，2015)。地基天氣雷達利用回波強度可定量估測降水，但受電子信號及運行環境等誤差來源的影響，如地形遮擋、雷達射線抬升和Z-R關系的不確定性等，所估測的降水精度較低且估測區域有限。與前兩種地基觀測相比，衛星觀測具備覆蓋范圍廣、觀測連續等優勢。利用衛星所搭載的各種探測器(如星載雷達、主被動微波成像儀、可見/紅外輻射儀等)對降水進行監測、反演和融合，可得到多種類型的衛星降水反演產品。近年來，衛星觀測數據的時空分辨率大幅提高，衛星定量估測降水算法發展較快(Sorooshian et al.，2000；Hong et al.，2004；Joyce et al.，2004)。其中，熱帶降水觀測衛星TRMM(Tropical Rainfall Measuring Mission)作為第一顆專用于定量測量熱帶和亞熱帶降水的空間衛星，其資料在氣候和水文研究領域得到廣泛應用(Huffman et al.，2007；Yong et al.，2010；Xue et al.，2013)。美國航空航天局NASA (National Aeronautics and Space Administration)于2014 年啟動全球降水觀測GPM (Global Precipitation Measurement)計劃。GPM 繼承了TRMM 的優勢并采用新一代衛星降水融合算法IMERG (Integrated Multi-satellitE Retrievals for GPM)，有效提高了對弱降水、固態降水和降水粒子性質的捕捉能力，產品范圍擴大至高緯地區(唐國強等，2015)。但衛星大多通過探測云層溫度或云中粒子信息來間接推算降水量，其并不等同于直接觀測到的降水量，作為一種間接降水測量手段，產品使用前的評估工作十分必要。對GPM 衛星降水產品的評估研究表明，雖然衛星降水產品在年際尺度上的估測能力有顯著提高，但在極端降水事件中的估測能力有限(金曉龍等，2016；Chen and Li，2016；Li et al.，2017；Zhang et al.，2019；韓芙蓉等，2023)。

臺風是產生暴雨的重要天氣系統，但受環境因素及臺風本身特性影響，臺風降水時空分布十分復雜，這給衛星估測臺風降水帶來較大挑戰(Wang et al.，2017；李曉俞等，2020)。Omranian 等(2018)評估了臺風“哈維”影響期間GPM 估測的降水空間分布，并認為其能夠較好地反映暴雨空間分布特征。肖柳斯等(2019)利用三個登陸廣東的臺風降水過程，對GPM衛星降水產品進行了誤差評估，發現衛星降水產品對臺風過程降水總體強度存在低估，對強(弱)降水強度存在高(低)估。陳愛軍等(2021)精細化評估了GPM衛星降水產品對臺風“妮坦”降水的估測精度，指出GPM雖能較好地估測降水空間分布，但對暴雨嚴重低估?？梢?，GPM對極端降水的估測能力仍有較大不確定性，尤其是對臺風降水的估測能力有待進一步研究。當衛星估測降水與實際降水有較大偏差時，需引入地面氣象觀測站資料進行客觀訂正，以提高衛星降水產品的可應用性。目前國內外直接針對衛星降水產品的訂正工作較少(劉少軍等，2021)，但針對地面雷達聯合雨量站的校正工作開展已較為成熟，其常用方法包括平均校正、距離加權、逐步訂正和最優插值法等，這對衛星降水數據的訂正是重要的借鑒(Cheema and Bastiaanssen，2012；孫樂強等，2014；Huffman et al.，2020)。

2021 第6 號臺風“煙花”于7 月17 日16 時(世界時，下同)在西北太平洋洋面上生成，23日夜間進入東海，先后在浙江省舟山市、嘉興平湖市兩次登陸。受“煙花”影響，22—28日浙江省出現持續強降水和大風天氣?！盁熁ā庇绊憰r間和過程雨量為1951年以來登陸浙江省的臺風之首。本文基于臺風“煙花”影響期間的地面氣象觀測站雨量數據，對GPM衛星降水產品進行評估和訂正，既有助于了解“煙花”影響期間GPM衛星反演產品在不同時間尺度上的降水估測能力，又對改進IMERG 算法、提高臺風降水的估計能力和精度、推進數值模式資料同化及水文研究應用具有重要的科學意義，也為尋求可靠的臺風降水估測產品提供有益探索。

1 資料與方法

1.1 資料介紹

1.1.1 衛星降水數據

由IMERG算法得到的GPM衛星降水估測產品包含ER (Early Run)、LR (Late Run)和FR (Final Run)。ER 僅采用前向推演技術，主要用于災害分析和短臨預報業務，LR 產品制作過程中增加了后向推演，數據更為豐富，可應用于逐日或更長時間尺度上的分析，兩種產品分別延時約4 h 和14 h 發布。與ER 和LR相比，FR雖延時約3個月發布，但利用全球逐月觀測降水加以校正，結果在三者中最為準確，是科學研究的首選產品(Huffman et al.，2020)。本研究所用的GPM 衛星降水數據為NASA 提供的第六版本FR 產品，時空分辨率為30 min、0.1°×0.1°，并覆蓋全球范圍(90°S—90°N)。

1.1.2 地面氣象觀測站雨量數據

本文使用浙江省內3 742 個地面氣象觀測站(含102 個國家站和3 640 個區域站)的小時雨量數據，站點位置和高度分布如圖1 所示。浙江地形南部多山地，北部以低平的沖積平原為主。小時雨量資料時間范圍為2021年7月22日00時—28日00時，即臺風“煙花”對浙江省的影響時段。

圖1 浙江省內地面氣象觀測站位置(圓點)和高度(色斑)的空間分布及2021年7月22日00時—28日00時臺風“煙花”移動路徑(曲線，不同顏色表示臺風強度等級)Fig.1 spatialDistributionof meteorological stations position(dot)and altitude(patch)in Zhejiang,along with the best tracks(curve)of Typhoon“In-Fa”from 00 UTC on July 22nd to 00 UTC on July 28th,2021.Typhoon intensity levels are marked by different colors

1.1.3 資料預處理

由于GPM 衛星降水產品為格點數據且分辨率為30 min，而地面氣象觀測為逐小時站點數據，兩者類型、時間和空間尺度均不相同，因此需分別對這兩類數據進行預處理。對GPM衛星降水資料而言，將每半小時一次的產品均值化為逐小時數據。為統一空間尺度，地面氣象觀測站雨量數據采用Cressman方法插值為0.1°×0.1°的格點數據(Cressman，1959)，迭代分析半徑取為0.25°、0.1°和0.05°。插值方法本身會產生一定的數據誤差，但本文暫不考慮。將00 時—次日00時定義為一天，該時段內衛星估測和地面觀測的小時降水量分別累加可得逐日降水量；7月22日00時—28日00時時段內的小時降水量累加可得過程累計降水量。

1.2 研究方法

1.2.1 評估方法

以插值后的地面格點觀測為參考，采用以下指標對GPM衛星降水產品精度進行評估(Chen et al.，2013；曾歲康和雍斌，2019)。包括相對偏差RB(Relative Bias)、相關系數CC (Correlation Coefficient)、均方根誤差RMSE (Root-Mean-Squared Error)和分數標準誤差FSE(Fractional Standard Error)。當降水估測具有較低的RB、RMSE、FSE和較高的CC值時，表明衛星反演效果較好。

不同降水閾值下，衛星降水產品表現有所差異，為此引入分類評價指標，如探測率POD(Probability of Detection)、誤報率FAR(False Alarm Ratio)和臨界成功指數CSI (Critical Success Index)來評估其在小雨(0.1～9.9 mm·d-1)、中雨(10～24.9 mm·d-1)、大雨(25～49.9 mm·d-1)、暴雨(50～99.9 mm·d-1)和大暴雨(≥100 mm·d-1)五個量級下的降水估測能力。以上所有評估指標計算公式及意義見表1。

表1 衛星降水產品評估指標說明Table 1 Evaluation indicators for the satellite-derived precipitation products

1.2.2 訂正方法

衛星降水產品訂正主要通過衛星與地面氣象觀測站數據的融合，但考慮實際業務操作難度和使用頻次，本文僅嘗試逐步訂正和最優插值這兩種訂正方法。

逐步訂正法是通過給定一初始場，利用實際觀測值加以訂正，將訂正后的結果稱為分析場。這樣的訂正過程可反復進行，直到分析場逼近觀測記錄為止。實踐和理論表明，多次訂正后的分析場會更趨于實際觀測值(尹忠海等，2014)。對于給定一初始場X0，分析第k個站點實際值Ok與初始場內站點所在網格點x0k之差，利用一定的插值方法生成校準因子場，則可得到分析場X1

式中W為權重系數，O為地面氣象觀測場，i為網格點序號數，k為地面氣象觀測站序號數。W的選取采用經典Cressman方案，具體表達式如下

其中rk為站點到網格點的距離，R為搜索半徑(單位為°)。將得到的分析場X1作為新的初始場，并減小搜索半徑R重復上述步驟，得第二次分析場X2

如此不斷迭代訂正。該訂正方法計算量少，且不依賴于任何假定。迭代次數太多，雖然誤差較小，但機時耗費多，也會削弱氣象場強度；迭代次數太少，分析場的誤差又太大。迭代次數通常取三或四次。

站點在衛星降水場中的取值x0k使用了雙線性插值方法，原理如圖2。Q11、Q12、Q21、Q22分別為站點周圍四個網格點的衛星降水。先在x方向上插值，再在y方向上插值，最終可得站點P處的衛星降水：

圖2 雙線性插值示意圖Fig.2 Schematic diagram of the bilinear interpolation

最優插值法是國內外常用的雷達雨量計聯合校準方法之一，也是客觀分析方法的一種(孫樂強等，2014；韓焱紅等，2019)。其原理是利用空間內每個格點的初估值加上訂正值，從而得到訂正場。在該校正方法中，訂正值是由格點周圍若干個地面氣象站觀測值與初估值的偏差加權估計得到，公式表達如下：

式中X0為初始降水場，O為未插值的降水觀測場，X1為第一次的訂正場，W是權重因子，n是每個網格點影響半徑R內的地面氣象觀測站個數，i為網格點序號數，k為地面氣象觀測站序號數。公式的數學意義為第k個站點對第i個格點處的校正因子值可以通過影響半徑內其他站點校正因子之間的線性組合加預測值而得到，相應的系數就是該站點校正因子對該網格值的貢獻權重。權重函數W是通過求解矩陣方程組以使得訂正場方差達最小值的方程解。實際使用中，最優插值法需假設相關函數μ是已知的且各向均勻同性，最優的權重因子W利用下式求得

其中μij表示i和j兩點的相關函數，相關函數通常取以下兩種形式

r是兩點間的距離。研究表明(鄧雪嬌等，1998；韓焱紅等，2019)，當地面氣象觀測站在訂正格點的搜索半徑內分布稀疏時，公式(9)適用；反之，公式(10)更適用。通過(8)式求解以W為因變量的n維線性方程組可得相應的權重因子W。計算中最優插值法要求每個網格點附近至少有2 個地面氣象觀測站，因此本文用2 個測站來定義稀疏與密集。

孫樂強等(2014)在針對TRMM衛星降水的訂正工作中指出，多次迭代訂正可有效提高訂正效果并以三次為最佳。在他們的研究中，搜索半徑R是一個不敏感的參數(可從2.5取至15個經緯度)，但當研究區域較小時，如果R過大，則(8)式構造的n維線性方程組系數將為奇異矩陣，導致方程求解時出現異常解，最終影響訂正和評估效果。為全文統一和求解穩健，逐步訂正和最優插值法中的搜索半徑R與Cressman 迭代分析半徑取為同值并迭代訂正三次(0.25°、0.1°和0.05°)。

2 GPM反演降水產品評估分析

圖3 給出臺風“煙花”影響浙江期間，地面氣象觀測站累計降水量和GPM衛星反演降水產品的空間分布?？梢钥吹?，臺風“煙花”降水在浙江省內呈東北多、西南少的分布特征(圖3a)，浙東北沿海和浙西北山區為雨量大值區，降水中心與地形高度密切相關，四個大值中心從東到西分別對應四明山、會稽山、龍門山和天目山(海拔分別為1 018 m、612 m、361 m、1 505 m)，累計降水量均在500 mm以上。累積過程雨量最大單點為余姚丁家畈站(四明山附近)1 084 mm，破登陸浙江臺風的全省實測降水過程雨量極值。雖然GPM 反演的降水分布也呈東北多、西南少特征(圖3b)，但降水主要位于舟山和寧波沿海，不存在觀測中與地形相關的四個強降水中心，且最大累計雨量僅200～300 mm。顯然，GPM 衛星降水產品未能反演出“煙花”影響期間在浙江出現的極端降水且嚴重低估累計降水量。

圖3 2021年7月22日00時—28日00時浙江省6 d累積降水量地面氣象觀測(a)和GPM衛星反演(b)的空間分布(紅色框為浙江東北部降水大值區)Fig.3 Spatial distributions of(a)observational and(b)GPM accumulated precipitation in Zhejiang province during Typhoon“In-Fa”from 00 UTC on July 22nd to 00 UTC on July 28th,2021.Red frames indicate the heavy rainfall area in the northeast region of Zhejiang

定量檢驗臺風“煙花”影響下GPM 過程累計降水量表現，選取浙江省內共981 個網格點，計算得到的CC 達0.7(圖4a)，這表明GPM 產品能較好抓住“煙花”降水總體分布特征，與前面分析結論一致。RB為-45%，觀測與GPM 衛星降水的線性回歸系數僅0.34，反映出GPM衛星降水產品低估實際降水量。從觀測和衛星降水的散點分布看(圖4a)，散點主要分布在對角線左下側，隨著累計觀測雨量的增大，GPM反演降水偏離對角線越遠，對200 mm 以上降水明顯反映不足。RMSE 數值較大，為129.45 mm，主要是由于GPM產品在個別點上嚴重估計不足。臺風“煙花”影響下，浙江省平均雨量179.7 mm，當用FSE指標進行衡量時，可有效減小單點觀測出現的極端降水影響，為9.66，表明GPM產品對浙江省平均雨量有一定的描述能力。

圖4 2021年7月22日00時—28日00時浙江省(a)和降水大值區(b)觀測及GPM累計降水量散點分布(實線為線性回歸直線)Fig.4 Scatter plots of observational and GPM accumulated precipitation in(a)Zhejiang and(b)high rainfall area from 00 UTC on July 22nd to 00 UTC on July 28th,2021.The solid lines are the linear regression lines

由于“煙花”二次登陸前長時間在杭州灣穩定少動，其造成的降水主要在浙江東北部。因此，對降水大值區(圖3紅色矩形框范圍)內的GPM產品也進行了定量評估，區域內格點樣本量為348 個?？梢钥吹絉B、CC 和回歸系數均有下降(圖4b)，分別為-0.5、0.34和0.14；RMSE 和FSE 明顯增加，為193.84 和11.26，說明GPM產品對降水大值區內累計降水的空間分布、極端和平均降水描述能力均較差，進而導致其對全省降水的低估，這與GPM降水反演產品顯著低估極端降水的特征相似(李伶杰等，2018)。

GPM 的FR 產品是多源資料(逐時紅外降水、大約一天兩次的主被動微波降水、以及逐月觀測降水等)融合結果。在GPM衛星過境時，相對可靠的主被動微波觀測可提高FR產品精度；但在其它時刻，FR產品完全依賴紅外觀測，此時降水描述精度非常低。由于紅外波穿透能力不如微波，紅外遙感信息主要與云頂特征有關，與云下降水強度關系不密切，單純依賴紅外的降水算法在雨區和雨量估計方面表現較差。IMERG融合算法生成的FR產品中，也給出了不同來源的反演降水量，可分為紅外和微波反演降水(Huffman et al.，2020)。對比紅外、微波反演降水場發現(圖略)，浙江省內過程累計降水主要由紅外反演降水貢獻，100 mm以上降水區出現在浙江寧波沿海和舟山一帶，但對內陸高海拔地形處的強降水未有反映。從融合微波輻射計貢獻的反演降水結果看(圖略)，微波反演降水幾乎沒有貢獻，全省均不足50 mm，只在浙江西北部的湖州、杭州略有反映。因此，由于FR產品本身缺陷：(1)紅外降水精度偏低；(2) 主被動微波降水的時間分辨率不足，“煙花”影響期間，GPM 衛星反演的降水產品對浙江省以及降水大值區內的降水描述效果均不佳，為此有必要對該產品進行相應的訂正工作。

3 GPM反演降水產品訂正分析

3.1 過程總降水的訂正分析

本節對訂正后的GPM 衛星降水產品進行精度評估。圖5給出浙江省內經過逐步訂正法和最優插值法訂正后的GPM 過程累計降水量空間和散點分布?？梢钥吹?，逐步訂正后GPM衛星降水分布(圖5a)與觀測(圖3a)更為一致，高海拔附近的強降水中心和強度都能較好反演出來，降水量達500 mm以上，訂正后的余姚丁家畈站雨量為904 mm。最優插值訂正后的結果較未訂正前也有明顯改善(圖5b)，能捕捉到高海拔附近的強降水中心，但在會稽山和龍門山附近會出現額外幾處零散分布的強降水中心，與觀測出入較大，可能與搜索半徑取值較大有關。其次，最優插值訂正后在浙北嘉興、湖州、寧波象山和臺州區域存在降水強度的低估。因此從空間分布上看，逐步訂正法的訂正效果要優于最優插值法。

圖5 2021年7月22日00時—28日00時經逐步訂正(a、c)和最優插值訂正(b、d)后的浙江省GPM衛星反演的累計降水量空間分布(a、b)和衛星與觀測降水量散點分布(c、d)Fig.5 (a,b)Spatial distributions and(c,d)scatter plots of the accumulated GPM and observational precipitation after(a,c)the successive and(b,d)optimal interpolation correction from 00 UTC on July 22nd to 00 UTC on July 28th,2021

定量檢驗兩種訂正方法對GPM 衛星過程累計降水的訂正能力(圖5c、d)。使用逐步訂正和最優插值法訂正后，CC 分別為0.99 和0.83，逐步訂正法對此次GPM臺風累計降水的訂正效果更好，與前面主觀分析的結論一致(圖5a、b)。RB 分別為0.2%和4.5%，逐步訂正后的雨量點集中于對角線附近，相對偏差小，但當累計雨量達600 mm時，有散點出現在對角線上側，對強降水略高估(圖5c)；最優插值訂正后，各降水范圍內都存在對角線上方的雨量點，分布較零散，導致RB較逐步訂正法更大(圖5d)。二者RMSE 分別為17.16和111.52，相較未訂正前的129.45(圖3a)，逐步訂正提升明顯，而最優插值變化不大。如前所述，RMSE易受極值影響，相較實況，最優插值法會額外訂正出幾處強降水中心，因而在該指標上的改進并不明顯。分數標準誤差FSE分別為1.28和7.25，與RMSE相似，相較訂正前，逐步訂正法的訂正效果更好?？傊?，采用兩種方法訂正后，浙江省內的GPM衛星降水產品反演效果均有所提升，其中逐步訂正法效果顯著，訂正后有較低的RB、RMSE和FSE和較高的CC值，但仍存在對強降水略高估的現象。

3.2 逐日降水的訂正分析

為評估臺風“煙花”影響期間，訂正前、后GPM 衛星降水產品對浙江省內逐日降水量的反演效果，圖6給出22—27日各評價指標的變化曲線?？梢?，未訂正前RB 起伏較大(圖6a)，26 日前對實際降水有明顯低估，24和26日偏差較小，約-30%，26日后對降水出現高估。最優插值訂正后，RB在0～10%之間，整體有明顯改善但對實際降水有高估；通過逐步訂正法，RB平穩在0 附近。從CC 指標看(圖6b)，未訂正前CC 在0.3(25、26日)～0.7(24日)之間，經最優插值和逐步訂正后，CC 分別穩定在0.7～0.9 和1 附近。訂正前、后均方根誤差RMSE 都在25 日達到最大(圖6c)，訂正前RMSE介于20～60，最優插值訂正后在10～35 之間，而逐步訂正后減小至0～5 之間。FSE 與RMSE 變化特征相似，訂正后的FSE 明顯減小，尤其是在逐步訂正法情況下(圖6d)。

圖6 2021年7月22—27日浙江省GPM衛星降水產品逐日降水量未訂正、逐步訂正和最優插值法訂正后的RB(a)、CC(b)、RMSE(c)和FSE(d)指標變化曲線Fig.6 Variation of evaluation indicators(a)RB,(b)CC,(c)RMSE and(d)FSE of uncorrected,successive corrected and optimal interpolation corrected GPM precipitation products from July 22nd to July 27th,2021

總體而言，通過逐步訂正和最優插值法訂正后，GPM 反演的浙江省內逐日降水量改善效果明顯。逐步訂正后的衛星產品能更好地描述臺風“煙花”在浙江省內的逐日降水特征，而最優插值法訂正后的產品對逐日降水略有高估且在空間分布、極端和平均降水的描述上略差。

特別指出的是，未訂正的GPM產品在25日CC下降，RB 增加至-70%左右，對實際降水量明顯低估(圖6a、b)。這一方面是由于復雜地形的影響(Hirpa et al.，2010；Yang et al.，2017)，25日實際降水大值區在山區附近(圖略)；另一方面“煙花”影響過程中，浙江省內衛星降水主要由紅外反演降水貢獻，25日紅外反演降水大值位于寧波沿海和舟山地區，而對寧波北部和地形處的降水大值區完全未能表現(圖略)，因此衛星降水質量的突然降低，可能與紅外反演降水變化有關。進一步分析FNL (Final Operational Global Analysis)大氣再分析資料發現，25 日“煙花”北側的強風速將大量水汽輸入浙江東北部并在山區附近形成強的水汽通量輻合，云下降水增多，這恰恰是紅外反演降水的缺陷所在，最終導致暴雨增幅反演能力表現不佳，和前人研究結果一致(肖柳斯等，2019；唐飛等，2021)。

圖7給出訂正前、后浙江省GPM衛星逐日降水產品在小雨、中雨、大雨、暴雨和大暴雨五個降水量級下的檢驗評分。若POD、CSI 越大，FAR 越小，則說明GPM 對分級降水的把握能力更強。未訂正前，小雨POD最高約0.6，中到暴雨降至0.2附近，大暴雨則不足0.1，這主要由于GPM 對弱降水具有較高的捕捉能力(唐國強等，2015；金曉龍等，2016)。通過兩種訂正方法，各級別降水POD都接近或超過0.9，除在小雨級別外，其余逐步訂正后的POD 均比最優插值訂正后的高，說明逐步訂正對估測降水的訂正效果更好(圖7a)。未訂正前，小雨FAR較小約0.25，中至暴雨則接近或超過0.5，大暴雨增至0.8 附近；兩種方法訂正后，FAR明顯減小，隨著降水量級增加，FAR同步增加，但逐步訂正法較最優插值法在各級別降水的訂正效果更佳，逐步訂正后的GPM 產品小雨FAR 接近0，大暴雨僅0.1，而最優插值可達0.2(圖7b)。就CSI來看，未訂正前CSI整體偏低，僅小雨量級大于0.4，中到暴雨CSI 介于0.1～0.2，大暴雨CSI降至0.1以下；但通過逐步和最優插值訂正后，各級別CSI 都超過0.7，兩種訂正方法在小雨級別差別不大，其余級別逐步訂正法取得的CSI都高于最優插值法，尤其在大暴雨量級上(圖7c)。綜合分析，未經訂正的衛星降水產品除對小雨有較好反映能力外，其余各級別POD、CSI偏低，FAR偏高，且隨著量級增加，存在POD、CSI減小，FAR增加的趨勢，反映GPM 衛星對小雨以上降水的探測能力較差。兩種方法訂正后，POD、CSI明顯增加，FAR明顯減小，且逐步訂正比最優插值法訂正之后的各項指標更優，說明其訂正效果更好。

圖7 2021年7月22日00時—28日00時浙江省GPM不同量級反演降水產品訂正前、逐步訂正和最優插值法訂正后的探測率POD(a)、誤報率FAR(b)和臨界成功指數CSI(c)比較Fig.7 Comparison of(a)POD,(b)FAR and(c)CSI of observational,successive corrected and optimal interpolation corrected GPM precipitation products for different rainfall levels in Zhejiang province from 00 UTC on July 22nd to 00 UTC on July 28th,2021

3.3 逐小時降水的訂正分析

短時強降水會帶來山洪、山體滑坡等地質災害，因此進一步分析了浙江省內“煙花”臺風小時降水的時序變化(圖8)。未訂正時，在“煙花”影響的22—23日GPM 衛星降水對小時降水低估明顯；24 日GPM 產品的峰值峰谷位置變化與觀測大致同步；但25 日衛星反演產品質量下降，明顯低估實際降水；27 日后期GPM 降水與觀測較一致。逐步訂正后的GPM 衛星降水產品與觀測降水曲線幾乎重合，能夠準確捕捉逐時降水量變化；最優插值法訂正后，曲線整體位于觀測降水曲線上方，明顯存在高估的特征，相較未訂正前，GPM 衛星降水產品反演效果也有提升。從評估指標看，未訂正前RB 為-45%，逐步和最優插值訂正后，RB分別為2%和17%，說明兩種訂正方法對降水存在高估，最優插值高估特征更明顯；訂正前RMSE和FSE 介于0.7～0.8，逐步和最優插值訂正后分別降為0.02 和0.2；CC 訂正前僅0.56，而通過訂正，都可達0.98以上。通過對GPM小時降水的訂正，同樣提升了浙江省內衛星產品對小時降水的反演能力。

圖8 2021年7月22日00時—28日00時浙江省內逐小時平均觀測、未做訂正、最優插值和逐步訂正后的GPM降水產品降水量變化及相關統計參數(RB、RMSE、FSE、CC)平均值演變Fig.8 The average of hourly rainfall and related statistical parameters(RB、RMSE、FSE、CC)of observational,uncorrected,successive corrected and optimal interpolation corrected GPM precipitation products in Zhejiang province from 00 UTC on July 22nd to 00 UTC on July 28th,2021

圖9是訂正前、后浙江省內GPM逐小時降水產品的分級檢驗結果。按照《短時氣象服務降雨量等級》標準(中國氣象服務協會，2019)，小時降水等級可分為短時小雨(＜2 mm·h-1)、短時中雨(2～3.9 mm·h-1)、短時大雨(4～7.9 mm·h-1）、短時暴雨(8～19.9 mm·h-1)、短時大暴雨(20～50 mm·h-1)和短時特大暴雨(>50 mm·h-1)六個等級。未訂正前，當降水量僅短時小雨強度時，POD約0.2，CSI約0.1，隨著短時降水強度的增強，POD和CSI均呈下降趨勢，雖然在15～30 mm·h-1范圍內有一定探測率，但不穩定性很大。兩種方法訂正后的產品對小雨的POD提升至0.8左右，且此時最優插值法效果略好于逐步訂正，但隨著降水強度的增加，在2～23 mm·h-1部分，POD逐漸減小，且逐步訂正法得到的POD幾乎均高于最優插值法，表明量級小于短時大暴雨時，逐步訂正對GPM產品的訂正效果更好。而當雨強大于23 mm·h-1時，兩種訂正方法的POD都出現了0至1的突變現象，表明短時大暴雨可被訂正后的GPM衛星產品探測到，最優插值法更可探測到50 mm·h-1以上的短時特大暴雨(圖9a)。

圖9 2021年7月22日00時—28日00時浙江省觀測的小時雨強及GPM反演產品不同小時雨強閾值下未訂正、逐步和最優插值訂正后的探測率POD(a)、臨界成功指數CSI(b)和累積降水率頻數CDFc(c)分布Fig.9 Distribution of(a)POD,(b)CSI and(c)CDFc for observational,uncorrected,successive corrected and optimal interpolation corrected GPM precipitation products at different rainfall levels in Zhejiang province from 00 UTC on July 22nd to 00 UTC on July 28th,2021

由于訂正后的POD 在量級超過短時大暴雨時出現較多0、1 突變，該指標量不穩定性較大，進而通過CSI評估衛星數據真正估測降水事件的能力?？梢钥吹?圖9b)，CSI與POD變化趨勢相似，隨降水量級的增加CSI 減小。未訂正前小雨CSI 為0.1，而訂正后都可提升至0.6附近，雨強小于23 mm·h-1時兩種訂正方法提升明顯，大于23 mm·h-1時雖仍有波動但最優插值訂正后的產品具有一定的可探測性。

分析GPM 衛星降水產品的累積降水率頻數CDFc(cumulative rain rate distribution of occurrence)分布，可揭示產品對降水事件探測的敏感性(Chen et al.，2016；Zhang et al.，2019)，CDFc是計算不同量級小時雨強個數占總樣本數的比率。圖9c給出觀測和訂正前、后GPM 產品的CDFc 分布?？梢钥吹?，隨著降水閾值的增加，CDFc明顯增加，當閾值達16 mm·h-1時，CDFc可達80%。但閾值小于16 mm·h-1時，未訂正曲線一直在觀測曲線上方，而后低于觀測曲線，說明未訂正的GPM產品降水量都集中在短時暴雨量級以下，存在明顯的低估現象，與前文研究結論一致；訂正后的兩條曲線與觀測曲線更為接近，但在所給閾值范圍內均位于觀測曲線下方，表明訂正后的衛星產品存在高估實際降水的現象，但逐步訂正曲線更接近觀測曲線，相較而言，最優插值法的高估更加顯著。

4 結論與討論

2021年臺風“煙花”兩次登陸浙江，在浙東北沿海地區和浙西北山區引發強降水，本研究以地面氣象觀測數據為參考，采用逐步和最優訂正法訂正衛星反演降水，并使用多項指標評估此次臺風過程訂正前后GPM 衛星FR 產品不同時間尺度的降水訂正效果，得到以下主要結論：

(1)未經訂正的衛星反演產品雖能抓住臺風“煙花”累計降水在浙江省內的空間分布特征，但未能描述浙江省內高大地形處的強降水中心，嚴重低估了累計降水量。浙江省內累計降水的低估主要源于對降水大值區的顯著低估。降水大值區內，RB、CC下降明顯，RMSE、FSE明顯增加。

(2)通過逐步和最優插值法訂正后，GPM 累計降水量的反演效果均有提升，都能捕捉到高海拔山區附近的強降水中心，CC分別為0.99和0.83。雖然兩者存在對強降水略高估的現象，RB分別為0.2%和4.5%，但最優插值訂正后的高估更為明顯。逐步訂正后，RMSE 和FSE 明顯降低?？傮w而言，逐步訂正法表現更好。

(3)從浙江省內逐日降水的分級檢驗評估結果看，未經訂正的GPM衛星降水產品除對小雨有較好反映能力外，其余各級別探測能力較差。訂正后，POD、CSI增加，FAR較小，GPM反演的逐日降水量改善效果明顯，且逐步訂正后的各評估指標較最優插值訂正更優。

(4)從浙江省內逐時降水評估結果看，在臺風“煙花”影響的22—23 日和25 日未訂正的衛星反演產品存在明顯低估。兩種方法訂正后，GPM 產品對各級別小時降水的反演能力有所提升。逐步訂正后能準確捕捉逐時降水量變化，最優插值訂正后雖變化趨勢一致，但存在高估現象。在小時降水的分級檢驗上，訂正前、后POD隨降水強度增強而逐漸減??；雨強小于23 mm·h-1時兩種訂正方法提升明顯，且逐步訂正對GPM 產品的訂正效果更好，雨強大于23 mm·h-1時POD 波動較大，但最優插值訂正后的產品具有一定的可探測性。

(5)此外，由于衛星產品對臺風降水有準實時估測的需求，因此對實時類(ER 和LR)和滯時類(FR)降水估測產品也進行了對比評估。結果發現，臺風“煙花”影響過程中，三類產品均以紅外反演降水貢獻為主，都低估了浙江省內實際降水，但以本文討論的FR產品效果最優，LR 次之，ER 最差。FR 產品對浙江省內過程降水低估近45%，ER 低估約63%。因此ER、LR 兩類產品用于臺風降水準實時估測或水文、陸面模型預報時，訂正后使用將更為必要，且方法宜采用逐步訂正法。

本文在臺風“煙花”影響浙江期間對GPM衛星FR降水產品開展了檢驗評估和訂正，發現該衛星降水數據在估測地面臺風降水變化上仍有較大提升空間，相關反演算法還需進一步修正。此外，該產品在其它登陸臺風過程中的具體表現如何？下一步可針對更多臺風個例加以評估檢驗，以尋求更適用于浙江臺風降水的衛星估測產品。