全 文 ：中高纬度地区 TRMM卫星降雨数据的精度评价*
蔡研聪1,2 摇 金昌杰1**摇 王安志1 摇 关德新1 摇 吴家兵1 摇 袁凤辉1 摇 徐磊磊3 摇 步长千4
( 1中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室, 沈阳 110164; 2中国科学院大学, 北京 100049; 3 中国
热带农业科学院科技信息研究所, 海南儋州 571737; 4费县环境保护局, 山东临沂 273400)
摘摇 要摇 卫星降雨产品在降雨空间格局分析中扮演着重要角色,其中 TRMM 3B42(3B42)是
重要的产品之一,具有适宜的空间和时间尺度,已成为生态、气候、水文模型的重要驱动因子.
当前对 3B42 V7 新版本数据的精度和误差认识仍然有限,尤其缺少中高纬度地区的数据精度
评价研究,制约其在生态、气候和水文等领域的应用. 本文基于内蒙古自治区 1998—2012 年
3B42 V7 产品和 53 个气象站点数据,评估其在中高纬度地区的精度,揭示了各精度评价指标
的空间分布特征及其影响因子.总体精度评价结果表明: 3B42 在年、月、日尺度上均高估降雨
量,且误差随时间尺度增大而增加,日降雨量的平均误差和平均绝对误差分别为-0. 06 和
0. 88 mm;降雨事件侦测能力表现良好,公正预兆评分达到 0. 23,但对降雨事件总频率存在微
弱高估.数据精度受海拔和多年平均降雨量影响,随海拔升高,降雨绝对误差减小,降雨事件
探测能力减弱,多年平均降雨量对数据精度的影响则相反.
关键词摇 TRMM 3B42摇 分类统计指标摇 空间分布摇 高估
文章编号摇 1001-9332(2014)11-3296-11摇 中图分类号摇 TP79摇 文献标识码摇 A
Accuracy evaluation of the TRMM satellite鄄based precipitation data over the mid鄄high lati鄄
tudes. CAI Yan鄄cong1,2, JIN Chang鄄jie1, WANG An鄄zhi1, GUAN De鄄xin1, WU Jia鄄bing1, YUAN
Feng鄄hui1, XU Lei鄄lei1, BU Chang鄄qian3 ( 1State Key Laboratory of Forest and Soil Ecology, Insti鄄
tute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110164, China; 2University of Chi鄄
nese Academy of Sciences, Beijing 100049, China; 3 Institute of Scientific and Technical Information,
CATAS, Danzhou 571737, Hainan, China; 4Feixian County Bureau of Environmental Protection,
Linyi 273400, Shandong, China) . 鄄Chin. J. Appl. Ecol. , 2014, 25(11): 3296-3306.
Abstract: Satellite鄄based precipitation product plays a significant role in analyzing spatial pattern of
precipitation. TRMM 3B42 (3B42), as one of important precipitation products, is a key forcing
factor for ecological, climate and hydrological models with its sufficient spatial and temporal scales.
At present, there is still limited knowledge of accuracy and error structure of new version 3B42 V7,
especially the lack of evaluating its accuracy in regions of mid鄄high latitudes, which restricts its
application in the field of ecology, climate and hydrology. Based on 3B42 V7 product and data
obtained from 53 weather stations in the period of 1998-2012 over Inner Mongolia, the paper evalu鄄
ated the accuracy of 3B42 and revealed the spatial distribution of accuracy evaluation indices and its
influencing factors. The result of overall accuracy evaluation indicated that there was overestimation
of the amount of precipitation by 3B42 at daily, monthly and annual timescales. Error of 3B42 in鄄
creased with the increasing timescale, and mean error and mean absolute error of daily precipitation
were just -0. 06 and 0. 88 mm, respectively. It showed good performance for detecting the occur鄄
rence of rain events with equitable threat score (ETS) of 0. 23, but slightly overestimated the fre鄄
quency of rainy events. Moreover, altitude and average annual precipitation had impacts on data ac鄄
curacy. The absolute error of precipitation decreased and yet the ability of detecting rain events be鄄
came weak with the increasing altitude, while the effect of average annual precipitation on data ac鄄
curacy was opposite.
Key words: TRMM 3B42; categorical statistical indices; spatial distribution; overestimation.
*国家重点基础研究发展计划项目(2013CB429902)和国家自然科学基金项目(31370614,41371064)资助.
**通讯作者. E鄄mail: cjjin@ iae. ac. cn
2014鄄03鄄10 收稿,2014鄄07鄄11 接受.
应 用 生 态 学 报摇 2014 年 11 月摇 第 25 卷摇 第 11 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Nov. 2014, 25(11): 3296-3306
摇 摇 降雨是水循环的关键环节,在时间和空间上具
有高度的异质性,这对水资源的空间分配有重大影
响.精确可靠的降雨观测是洪涝干旱灾情监控预报
的重要前提,也是气候变化研究的关键数据源.当前
全球降水空间变化较大,根据全球气候模型预测,降
雨总量和分布随全球气候的变化而发生改变,以降
雨间隔时间增长、当次降雨量增大为特征的降雨事
件将会增加[1-4] .长期以来,气象站是主要甚至唯一
的降雨数据获取手段,但站点密度低、空间位置不合
理导致降雨观测数据的代表性较差. 尤其在复杂地
形山区,稀疏的气象站点难以反映区域的降雨过程,
对区域降水格局变化研究带来很大困难. 近几十年
来,空间技术与遥感反演理论的发展,推动了卫星在
降雨观测方面的应用. 高时间分辨率与宽广的观测
范围使得卫星降雨数据能够适用于实际的应用研
究[5] .
TRMM降雨数据是一种重要的全球卫星降雨产
品,源于 20 世纪 90 年代中后期美国国家航空航天
局 ( National Aeronautics and Space Administration,
NASA)和日本宇宙航空研究开发机构( Japan Aero鄄
space Exploration Agency,JAXA)联合支撑的降雨观
测项目,旨在为热带降雨机制以及全球气候变化影
响研究服务[6] . 目前,TRMM 各系列产品已广泛应
用于众多研究领域,如降雨特征分析[7]、水文[8-9]、
农业[10]、土壤水反演[11-13]、火灾探测[14]等. 最新发
布的 TRMM 3B42 V7 降雨数据扩大了空间覆盖范
围,从原先的南北纬 36毅延伸至 50毅,这个新覆盖区
超越了 TRMM卫星的最大观测范围. 在 3B42 数据
融合过程中,TRMM 联合仪器(TRMM combined in鄄
strument,TCI)资料是 3B42 输入数据的重要校正数
据源[15],它主要是结合搭载于 TRMM 卫星的微波
成像仪(TRMM microwave imager,TMI)和测雨雷达
(precipitation radar,PR)所获取的数据,但这两个数
据的覆盖范围是南北纬 38毅,因此 TCI 数据覆盖范
围也仅限于南北纬 38毅. 通过建立 TCI鄄TMI 定标关
系式,采用序列校正法分别对南北纬 40毅范围的
3B42 产品的多源遥感观测数据(即红外遥感数据和
被动微波数据)进行校正[16],获取各个区域的定标
系数.由于 TCI数据空间范围的限制,中高纬度地区
3B42 产品的多源遥感观测数据的校正则采用参数
移植,即直接将 30毅—40毅 NS 地区所获取的定标系
数应用于此区域,进行数据校正[15] . 由此所获取的
中高纬度区域 3B42 数据会有较大误差,且卫星数
据自身也存在误差及不确定性[17-19] . 因此,3B42 数
据直接应用于此覆盖区的气候变化、水文预报等研
究会涉及可靠性和不确定问题,亟需定量评估 3B42
数据精度.尽管众多研究已投入卫星降雨数据精度
评价,但主要集中于低纬度地区[8,17,20-23],对新版本
3B42 V7 在中高纬度地区(南北纬 36毅—50毅)的数
据验证精度评价鲜有报道.
内蒙古自治区正好处于 3B42 数据新扩展的中
高纬度地区.同时,内蒙古地形差异悬殊,气候类型
多样,从湿润半湿润一直延伸到干旱带,气候区和地
形差异在内蒙古地区表现尤为突出,此地形与气候
特征是中高纬度地区的典型代表,能体现出中高纬
度区域的总体特征.全球降水气候中心(Global Pre鄄
cipitation Climatology Centre,GPCC)的站点观测数据
结果显示,南北纬 36毅—50毅区域的多年平均降雨量
在 1000 mm以下[24],内蒙古区域在 37 ~ 509 mm,它
基本反映了中高纬度地区的降雨状况.因此,在这个
区域评估卫星降雨数据精度,能够真实反映地形及
气候对精度的影响,所得结果有较高可靠性、可信度
和延伸性,对于中高纬度地区的卫星降雨数据研究
有一定的科学参考价值. 本研究利用 TRMM 3B42
V7 数据,结合地面气象站的观测数据,采用连续统
计指标与分类统计指标定量评价该卫星降雨数据在
中高纬度的精度,并分析精度评价指标空间分布格
局及其影响因素.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
内蒙古自治区处于 37. 35毅—53. 4毅 N,97毅—
126. 1毅 E,总面积 118. 3伊104 km2,东西向宽广、南北
向狭窄,横贯我国北部边疆,地形以高原为主,高程
为 86 ~ 3526 m,平均高程 999. 24 m(图 1). 内蒙古
主要受温带大陆性季风气候控制,气温总体分布呈
东北向西南增加的趋势,年均气温在-5 ~ 10 益 [25];
降雨空间分布格局恰好与气温相反,表现为东部及
东北部降雨量较充足,西部地区降雨稀少(图 2),整
个区域年降水量在 37 ~ 509 mm.全区气候带具有多
样性特征,处于湿润、半湿润季风气候与干旱、半干
旱气候的过渡区间. 受这种水热分布格局的综合影
响,研究区东西部植被的差异性显著,地带性分布突
出,从东部山地针叶林和阔叶林带,到中部森林草原
带、典型草原带,最终到西部的荒漠草原带和荒
漠带.
1郾 2摇 数据来源
卫星降雨数据采用3B42 V7产品( ftp: / / disc2.
792311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 中高纬度地区 TRMM卫星降雨数据的精度评价摇 摇 摇 摇 摇 摇
图 1摇 研究区地理位置及气象站点分布
Fig. 1摇 Geographic location of study area and the distribution of
weather stations.
图中标记的 3 个站点被选用于下文分析 Three labeled stations shown
in figure were selected for the following analysis.
图 2摇 1990—2012 年内蒙古地区年均降雨量的空间格局
Fig. 2 摇 Spatial pattern of mean annual precipitation in Inner
Mongolia during 1990-2012.
nascom. nasa. gov / ftp / data / s4pa / / TRMM_L3 / TRMM
_3B42),空间分辨率为 0. 25毅伊0. 25毅,时间分辨率为
3 h[15],为了匹配气象观测站的日尺度数据,将 3 h
的 3B42 数据累积为日降雨数据. TRMM每天有 8 个
文件,分别记录于 0:00、3:00、6:00、9:00、12:00、
15:00、18:00、21:00,每个时刻数据文件是该时刻前
后 1. 5 h时段内的平均降雨量.另外,该数据统一以
国际标准时(0 时区)记录,与本研究区域存在 8 h
时差,因此日降雨量观测时段 (当地时间前一天
20:00—当天 20:00)正好对应于 3B42 数据的前一
天 12:00—当天 12:00 时段.
实测气象数据是气象站日观测记录,来源于中
国气象科学数据共享服务网(http: / / cdc. cma. gov.
cn / home. do),内蒙古 50毅 N 以南地区有 53 个气象
站点(图 1),分布在 53 个 3B42 的 0. 25毅 伊0. 25毅网
格中.鉴于实测降雨数据与 3B42 卫星降雨数据的
序列长度存在差异,选取 1998—2012 年为研究时
段,分析期间的卫星降雨数据精度.
1郾 3摇 精度评价方法
连续统计法是衡量降雨量差异的有效方法,通
常采用的指标有相关系数 ( CC)、均方根误差
(RMSE)、平均误差(ME)、平均绝对误差(MAE) [26]
(表 1). CC能衡量观测降雨量与 3B42 估计值之间
的线性相关程度;RMSE 是表征 TRMM 与实测降雨
数据误差的指标之一,主要反映较大误差值;ME 表
示 TRMM与实测值的平均误差大小;MAE直接反映
两个数据间的绝对误差量. 常用分类统计法定量衡
量卫星对降雨事件的侦测能力评价,本文采用频率
偏差( BIAS)、正确检测概率 ( POD)、误检测概率
(POFD)和公正预兆评分 ( ETS) 4 个分类统计指
标[27](表 1). BIAS用于衡量卫星观测的有降雨事件
表 1摇 本研究所采用的 8 个统计指标
Table 1摇 Eight statistical indices used in this study
名称
Name
公式
Equation
值域
Range
of value
最佳值
Perfect
value
相关系数
CC 移
n
i = 1
(obs i - obs)( sati - sat)
移
n
i = 1
(obs i - obs)2移
n
i = 1
( sati - sat)2
[-1, 1] 1
均方根误差
RMSE 移
n
i = 1
(obs i - sati)2
n
(-肄 , +肄 ) 0
平均误差
ME
1
n 移
n
i = 1
(obs i - sati)
(-肄 , +肄 ) 0
平均绝对误差
MAE
1
n 移
n
i = 1
| obs i - sati |
[0, +肄 ] 0
频率偏差
BIAS
h+f
h+m
(0, +肄 ] 1
正确检测概率
POD
h
h+m
[0, 1] 1
误检测概率
POFD
f
f+c
[0, 1] 0
公正预兆评分
ETS
h-r
h+f+m-r, r=
(h+m)·(h+f)
h+f+m+c
[-1 / 3, 1] 1
n: 数据记录总个数 Total number of data; obsi 和 sati 分别是第 i个观
测降雨量和卫星降雨估计值 obsi and sati represented the ith values of
observations and satellite鄄derived estimates, respectively; obs和 sat分别
是观测降雨量和卫星降雨估计值的平均值obs and sat were the mean
values of observations and satellite鄄derived estimates, respectively; h: 地
面站点观测到降雨并且卫星同样也观测到降雨事件的次数 The num鄄
ber of hits (observed rain that was correctly detected); f:卫星观测到降
雨事件而实际上地面未观测到降雨的次数 The number of false alarms
(rain detected but not observed); m: 地面观测到有雨而卫星未探测
到降雨的次数 The number of misses (observed rain that was not detec鄄
ted); c: 地面未观测到降雨并且卫星也未探测到降雨的次数,具体
的介绍可参考文献[28] The number of correct negatives ( no rain ob鄄
served and none detected) . For detailed information on these statistics, it
could refer to Reference [28] .
8923 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
的总次数与实测总降雨次数的偏差,若 BIAS < 1,说
明 TRMM存在低估降雨事件总次数的趋势,反之则
高估了降雨事件总次数,若 BIAS = 1,则不存在偏
差. POD反映卫星正确观测到的降雨事件次数占实
测降雨事件总次数的比例,其值越接近 1,说明卫星
探测降雨事件越精确. POFD 是卫星把无雨天错误
识别为降雨天的次数占所有实测无降雨事件次数的
比例,其值趋近于 0,说明卫星将无雨天当做有雨天
的误报率为 0,其值为 1,说明卫星侦测无降雨事件
的能力最差. ETS 能综合反映卫星对降雨事件的识
别能力,其值在-1 / 3 ~ 1,该值越趋近于 1,说明卫星
对降雨的侦测精度越高.
2摇 结果与分析
2郾 1摇 研究区总体精度评价
通过集合整个区域 53 个站点的实测年月日数
据与其对应格网的 3B42 降雨估计值,综合分析
3B42 在整个区域上的精度.结果表明,3B42 的日尺
度降雨估测值与实测值呈显著相关关系,其相关系
数达到 0. 58(P<0. 05).但 3B42 的日降雨估计值存
在微弱的高估,ME (实测值减去卫星降雨值)为
-0郾 06 mm.从差异的波动幅度看,3B42 估计值与实
测值差异较小,能较好地反映实测降雨的基本状况,
其平均波动幅度仅为 0. 88 mm,说明 3B42 对研究区
的降雨估计较精确. 从降雨事件侦测能力分析,
3B42 在研究区过高估计了降雨事件频率(BIAS >
1),所估计的雨天数量微弱偏高. 卫星降雨数据正
确侦测有雨天事件的概率为 53. 7% ,误报有降雨事
件的天数仅占总实测无雨天数的 13. 9% ,综合评价
指标 ETS达到 0. 23,总体上,3B42 对有无雨事件的
识别能力表现良好.
相比于日尺度的结果,年月尺度的相关性有较
大提高,CC都达到 0. 9 以上(P<0. 01,图 3),说明
在大尺度上,3B42 与实测降雨数据的一致性较高.
但在年月尺度上,3B42 仍然存在高估降雨量现象,
误差也有所增加. 综合分析可以看出,3B42 能较好
地反映真实降雨特征,在降雨量和降雨事件侦测上
都显示出了良好的精度.
2郾 2摇 降雨量误差评价指标的空间分布
3B42 估测降雨量的误差评价指标呈现出一定
的空间分布格局.由图 4 可以看出,内蒙古东部及东
北部的 CC值普遍较高,大都>0. 55,呈现中度相关
性,其中,位于牙克石市的气象站点的 CC 值最大,
达到0郾 69;中西部地区的CC值有所降低,其中,翁
图 3摇 多时间尺度下 3B42 与实测值的比较
Fig. 3摇 Comparison between 3B42 and the observed data at mul鄄
tiple timescales.
a) 日尺度 Daily scale; b) 月尺度 Monthly scale; c) 年尺度 Annual
scale.
牛特旗的 CC值最低,仅为 0. 46.从整体空间分布上
看,CC值呈从东往西逐渐减小的趋势,在西部干旱
少雨地区,3B42 的反演结果与站点观测值的相关性
稍有降低.总体上,研究区的相关性与低纬地区的研
究结果基本接近,如 Xue等[22]在不丹的Wangchu流
域(27毅—28毅 N)所得的 CC 值为 0. 41;Jamandre 和
Narisma[29]在菲律宾(4毅—22毅 N)得到的 CC 值在
0郾 2 ~ 0. 7.
RMSE在空间上的分布较均一,约 92%站点的
RMSE值在 2 ~ 5. 2 mm. 东部区域由于年降雨量与
降雨频率较高,更易造成 3B42 降雨估计值产生较
大误差,导致该区域内的 RMSE 值偏大. ME 值在内
蒙古东部及东北部地区<0,在西部地区普遍>0,空
间分布格局存在显著的西高东低趋势.这说明 3B42
高估了东部及东北部湿润和半湿润地区的降雨量,
而低估了西部干旱地区的降雨量. MAE 的空间分布
类似于 RMSE,由于二者皆是反映绝对误差大小的
992311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 中高纬度地区 TRMM卫星降雨数据的精度评价摇 摇 摇 摇 摇 摇
指标,差异仅在于对较大误差值所给予的权重大小.
1998—2012 年内蒙古地区日降雨量的 MAE 值在
0郾 17 ~ 1. 47 mm,约 34%站点的MAE在 1. 00 ~ 1. 45
mm,其中,多数是位于东部及东北部的气象站点.中
高纬度地区的 3B42 反演结果的精度较高,平均误
差在 1. 5 mm 范围内. 基于 3B42 V6 数据的低纬度
地区的湖南省洣水流域(26毅—28毅 N)的平均 RMSE
和 MAE分别为 6. 42 和 2. 63 mm[21] .与处于低纬度
地区的洣水流域[21]研究结果相比,V7 版本数据在
当前中高纬度地区的误差有一定改善,RMSE 和
MAE值都减小.
图 4摇 评价降雨量误差的连续统计指标的空间分布
Fig. 4 摇 Spatial distribution of continuous statistical indices for
evaluating the error of precipitation amounts.
a) 相关系数 CC; b) 均方根误差 RMSE; c) 平均误差 ME; d) 平均
绝对误差 MAE.
2郾 3摇 降雨事件分类统计指标的空间分布
分类统计指标是衡量降雨事件预测精度的有效
方法.从图 5 可以看出,BIAS 在研究区东部、东北部
及西部地区几乎都>1,BIAS<1 的情况主要发生在中
部地区.说明在东部、东北部及西部地区 3B42呈现高
估降雨发生次数的趋势,在中部地区存在低估降雨次
数的现象.研究区约 71%站点的 BIAS 值>1,故 3B42
总体表现为高估研究区降雨事件的总发生次数.整个
研究区有 47 个站点的 BIAS 值在 0郾 9 ~ 1郾 75,且多数
是在 1附近波动,意味着 3B42 反演所得的降雨总天
数基本与实测吻合,其高估程度较微弱.
图 5摇 衡量降雨事件侦探能力的分类统计指标的空间分布
Fig. 5 摇 Spatial distribution of categorical statistical indices for
measuring ability of detecting precipitation events.
a) 频率偏差 BIAS; b) 正确检测概率 POD; c) 误检测概率 POFD;
d) 公正预兆评分 ETS.
0033 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
POD在整个研究区呈显著的空间分布特征,POD 高
值主要分布于研究区的东部及东北部,低值主要位
于西部地区,这与内蒙古自东向西递减的降雨分布
特征较一致. 一定程度上反映出 3B42 正确侦测降
雨事件的精度与降雨量可能有较大相关性. 在干旱
少雨地区,3B42 识别降雨事件的准确率较低,其
POD<0. 5,最低达到 0. 36;但 POD 在湿润区有明显
提高,POD 最大值为 0. 70. 总体而言,3B42 在研究
区侦测降雨事件的正确率偏低,可能原因其一是中
高纬度地区缺乏校正数据源 TCI,作为 TCI 主要数
据源的 TMI 和 PR,二者能够获取高精度的降雨数
据;其二,相比于低纬度亚热带地区的洣水流域[21],
内蒙古地区的降雨强度总体较弱,受制于卫星自身
最小感应信号的限制[30],3B42 数据易于遗漏微弱
降雨事件,造成反演结果与站点观测结果不一致,使
得POD降低 . 在春冬季,雪是内蒙古地区的主要降
图 6摇 3 个不同格网的月降雨过程对比
Fig. 6 摇 Comparison of monthly precipitation among three grid
boxes.
a) 50632 站点 Weather station 50632; b) 52267 站点 Weather station
52267; c) 53276 站点 Weather station 53276. 玉: 实测值 Observed
value; 域: 估计值 Estimated value. 下同 The same below.
水形式,而洣水流域常年以降雨为主.由于冰雪长期
覆盖于地表面,对反射信号有很强的干扰作用,造成
卫星红外和微波观测数据的精度降低[17],这两种数
据是 3B42 产品的主要数据源,导致最终合成的
3B42 对降雪事件的侦测精度减弱.
相比于 BIAS和 POD,POFD在研究区不同地理
位置的差异微弱.整个研究区约 91%站点的 POFD<
0. 2,说明在此中高纬度地区,3B42 错误将无雨事件
识别为有雨的比例较低,对无雨天的识别表现较好.
从精度综合评价指标 ETS 的空间分布可知,
3B42 卫星降雨数据的精度无显著空间差异,多数在
0. 2 ~ 0. 3. 相比于低纬度地区的研究结果[21,31-34],
研究区的 ETS 值稍有降低. 在高纬度地区,多源高
精度卫星观测数据较少,加上反演算法的不足,易于
导致降雨事件探测能力减弱.
2郾 4摇 年月尺度降雨过程的比较
为了直观描述误差随时间变化的特征,在研究
区东部、中部、西部各选取1个网格(由于每个网格
图 7摇 3 个不同格网的年降雨量变化对比
Fig. 7 摇 Comparison of annual precipitation among three grid
boxes.
103311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 中高纬度地区 TRMM卫星降雨数据的精度评价摇 摇 摇 摇 摇 摇
都仅包括 1 个站点,故网格位置与站点位置是等效
的,图 1),对比分析年月尺度的降雨过程(图 6 和图
7).从 4 个统计指标结果看,3B42 能较好地描述研
究区年月尺度的降雨过程,其变化趋势与实测站点
基本吻合,但在降雨集中的夏季,3B42 降雨数据存
在较大的反演误差. 其中,3B42 在西部气象站对应
格网上的数据一致性显著低于东部和中部,CC值降
低. 52267 站点位于西部的额济纳旗地区,该地区全
年干旱少雨,其余两个站点分布位于内蒙古东部和
中部,年、月降雨量相对较大. 在干旱少雨地区,
3B42 降雨反演值的精度减弱甚大,在雨季和非雨
季,都未能很好地与实测降雨过程匹配,降雨反演算
法的自身缺陷以及降雨量对卫星传感器观测信号的
影响是出现此种情况的可能原因.
2郾 5摇 精度评价指标空间格局的影响因素
海拔是影响降雨的重要因素之一,能直接改变
降雨的空间分布,尤其在夏季,在地形的作用下局部
地区会产生地形雨,这对卫星降雨观测带来极大难
度,易于产生较大误差,造成精度降低.另一方面,在
微波和红外遥感数据反演降雨过程中,云上与地表
面间距离是精确反演降雨量的关键因子[17],该距离
与海拔直接相关,因此海拔的差异会影响最终的降
雨反演精度. 分析海拔与精度指标的关系,有助于
完善反演算法的不足,改善数据质量 . 从图8可以
图 8摇 精度评价指标与格网平均海拔的关系
Fig. 8摇 Relationships between evaluation indices for accuracy and average altitude for each grid box.
2033 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
看出,海拔对 CC 值的影响甚微(P>0. 05),随海拔
增加,CC值呈微弱下降趋势.但是,另外 3 个连续统
计指标(RMSE、ME、MAE)与海拔呈显著的线性关
系(P<0. 05). RMSE 和 MAE 随海拔升高而减小的
特征说明,在高海拔地区 3B42 降雨反演值的绝对
误差较小,其精度优于低海拔地区,反演结果更接近
实测降雨量,这很大程度上得益于最新的 3B42 V7
的算法更新以及更多高精度数据的引入[35] . 3B42
数据在整个研究区总体表现出高估降雨量的特征
(图 3),图 8 所显示的 MAE与平均高程的关系说明
高估特征主要集中于低海拔区域,且高估程度随海
拔的升高而减弱.
除了少数站点以外,研究区多数站点的 BIAS
在不同海拔上无显著差异,其值在 1 附近波动,说明
3B42 估算的总降雨频率大都接近实测情况. POD值
在不同海拔的分布存在显著差异,卫星正确探测降
雨事件的准确率在高海拔区域较低,这主要是因为
在夏季的雨季期间,高海拔地区易于发生小范围、历
图 9摇 精度评价指标与各站点多年平均降雨量的关系
Fig. 9摇 Relationships between the evaluation indices for accuracy and average annual precipitation for each weather station.
303311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 中高纬度地区 TRMM卫星降雨数据的精度评价摇 摇 摇 摇 摇 摇
时短的地形雨,卫星受到观测范围与观测周期的限
制,难以侦测这种类型降雨事件. 尽管如此,高海拔
区域的误报率未呈现增加趋势,POFD 值随海拔升
高反而略微下降(P>0. 05,图 8). 综合指标 ETS 表
现为从低海拔向高海拔递减的分布特征,说明 3B42
在低海拔地区会有更强的探测降雨事件的能力.
摇 摇 由图 9 可以看出,在干旱少雨地区,CC值较低,
卫星数据与实测值的一致性减弱;绝对误差随年降
雨量增加而显著增大,说明 3B42 在湿润多雨区域
更容易带来观测误差. 研究区东北部是典型的湿润
多雨区,在降雨集中的夏季降雨量多且雨强较大,然
而卫星仅观测瞬时降雨量,无法记录整个降雨过程,
由此产生较大误差.
降雨事件频率偏差 BIAS 从干旱向湿润地区递
减,在年降雨量<200 mm 的区域,BIAS 最大可达到
3. 8,远远高估了实际观测的总降雨频率;在年降雨
量>200 mm的较为湿润地区,BIAS绝大多数在 1 附
近波动,卫星反演的降雨事件总频率与实测值较一
致.在湿润多雨区,3B42 对降雨事件的侦探准确率
有较大提高,POD 值增大. 因为内蒙古西部地区常
年干旱少雨,降雨量小且雨强微弱,卫星传感器受制
于自身最小感应信号影响[30],未能识别微量降雨,
加上反演算法精度影响,造成干旱区降雨事件侦探
的准确率降低. POFD 与多年降雨量的关系未达到
统计学意义上的显著水平(P>0. 05),无论在干旱区
还是湿润区,POFD普遍<0. 2,说明卫星对无降雨事
件的识别有较高精度. ETS 与 POD 呈现类似特征,
随着年降雨量增加,3B42 对降雨事件的侦探能力显
著提高.综上可知,3B42 更适用于湿润区,这与青藏
高原的研究结果一致[23] . 在今后的降雨反演中,
3B42 卫星降雨数据的反演算法需进一步改善,以提
高干旱区的数据精度,并改善干旱区在生态、水文研
究方面存在的降雨资料不足的问题.
3摇 讨摇 摇 论
高分辨率 3B42 V7 版本数据应用于中高纬度地
区,整体上呈现良好的精度,与区域实测降雨的变化
特征较为吻合.单个站点与 TRMM 格网对比的统计
结果表明,3B42 数据误差在空间分布上并非呈现一
致的特征,高估与低估特征并存(图 4).此卫星降雨
数据在中国新疆、印度、孟加拉国等区域所得结果存
在同样的情况[20,36-37] .可能原因是雨滴大小分布影
响降雨反演结果的误差[37],造成误差存在空间异质
性,导致并非表现出一致的高估或低估行为.
从所有站点的 MAE与 RMSE结果(图 4)可知,
中高纬度地区的 3B42 数据误差总体控制良好,
MAE和 RMSE 平均值分别为 0. 88 和 3. 25 mm,优
于部分低纬度地区的结果(赣江流域的 MAE 均值
为 3. 2 mm[38];南美安第斯山脉中部两个研究区的
RMSE分别为 3. 74 和 3. 28 mm[17] ). 可见,高纬度
地区的 3B42 误差量有一定改善.一方面是 3B42 V7
数据采用了改善的降雨反演算法,并引入其他更高
精度的辅助数据源. 另一方面,3B42 的误差受到地
区年均降雨量的影响.从全球降雨空间分布看,低纬
地区的降雨量较多且降雨强度高,故易于产生较大
误差.
3B42 总体高估了实测的研究区降雨事件总频
率,与 Chokngamwong 和 Chiu[34]对泰国区域(5毅—
20毅 N)的研究结果一致. 虽然 3B42 产品经历多次
升级,但降雨事件侦测精度仍未有实质性改善.降雨
反演算法自身存在难以避免的偏差,导致高估现象
普遍存在于各个版本的 3B42 数据中.
从分类统计指标结果看(图 5),3B42 在中高纬
度地区的降雨侦测能力仍然弱于多数低纬地区的研
究结果[21,31-34],研究区约 74%站点的 POD 值低于
0. 6,ETS 全部低于 0. 35,POD 与 ETS 值总体偏低.
春冬季,中高纬度地区主要的降水形式是雪,地表面
长时间被冰或雪覆盖.在陆地上,微波遥感数据靠散
射信号反演地面降水量,然而冰或雪面能引起强烈
的非降雨散射信号,对有效的降雨散射信号有严重
的干扰作用,造成微波降雨数据反演产生误差[17] .
另一种重要的遥感降雨数据———红外遥感数据,易
受冷气团影响,但高纬度地区频繁受冷气团侵袭,这
是红外遥感降雨数据在中高纬度地区精度减低的主
要原因[17] .值得注意的是,微波和红外遥感降雨数
据是 3B42 降雨数据的主要数据源,这两种数据源
自身隐含的误差直接传递到 TRMM 产品中,最终造
成 3B42 数据在中高纬度的降雨侦测能力减弱.
4摇 结摇 摇 论
本研究利用 53 个国家气象站的日降雨观测数
据细致评估了 1998—2012 年新版本 TRMM 3B42
V7 数据的精度.采用连续统计和分类统计方法,结
合 GIS空间分析方法,揭示了 3B42 降雨数据的精度
评价指标的空间分布特征并分析其影响因素. 综合
所有站点的数据对 3B42 进行整体精度评价的结果
表明,随着时间尺度的增大,相关系数逐渐增加,从
日尺度的 0. 58 增加到年尺度的 0. 92,说明数据的
4033 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
一致性在大尺度上较好;但 3B42 的降雨误差却呈
增加趋势,降雨高估程度随时间尺度增大而加强;日
尺度 3B42 数据平均高估 0. 06 mm,月、年尺度的降
雨高估分别达到了 1. 94 和 23. 25 mm.
单个站点与 TRMM 网格对比结果得出,3B42
与实测值有较好的相关性,相关系数 ( CC) 在
0. 46 ~ 0. 69.平均误差(ME)有显著的空间分布格
局,ME<0 的情况主要分布于内蒙古东部及东北部,
西部的 ME普遍<0,3B42 降雨数据表现为由东部及
东北部的高估特征逐渐过渡到西部地区的低估特
征,但总体上平均误差较小,其值在-0. 27 ~ 0. 11
mm.在整个研究区,ME<0 是主导趋势,总体表现为
高估.降雨绝对差异(MAE)呈东高西低分布,3B42
在整个研究区的绝对差异都在 1. 5 mm 范围内. 综
上可知,在中高纬度地区,3B42 的误差控制较好,精
度接近甚至优于低纬度地区,说明此卫星降雨数据
应用于气候和水文研究上有较好的可靠性.
3B42 降雨事件探测能力的分析结果表明,研究
区 71%站点的降雨事件总频率被高估,这主要集中
于东部、东北部及西部地区,中部的总降雨次数被低
估,但除少数站点外,整个研究区的 BIAS 值在 1 附
近波动,说明卫星估算的降雨事件发生频率与实测
基本吻合.反演准确率呈自东往西减小的趋势,在东
部地区最大,POD可达 0. 7,整个区域的误报率分布
较为均一,91%站点的 POFD值<0. 2,体现卫星具备
较好的降雨事件探测能力. 评价探测能力的综合指
标 ETS的分布类似于 POD,东部及东北部湿润多雨
地区的 ETS得分较高,ETS 值在干旱少雨的西部地
区偏小.相比于低纬度地区,3B42 在高纬度地区的
降雨事件探测能力仍然较弱.
本文中 8 个精度统计指标的空间分布与研究区
的高程和降雨分布有联系. 高程与精度统计指标的
回归分析表明,3B42 降雨数据在高海拔地区的精度
优于低海拔地区,绝对误差随海拔升高而减小.新版
本 3B42 数据的反演算法改进以及一些高精度观测
数据的引入,很大程度上改善了高海拔地区的数据
精度.但就探测能力而言,3B42 对高海拔地区的降
雨事件探测仍旧弱于低海拔地区,POD 和 ETS 与海
拔呈负相关关系.从年降雨量与精度统计指标的关
系得出,多年降雨量增加会使数据误差增加,但降雨
事件探测能力却有所增强.由于雨季期间,湿润区的
降雨量充沛且雨强大,受到卫星观测范围与观测周
期的制约,卫星无法完整记录整个降雨过程,造成降
雨探测误差.在干旱少雨地区,降雨强度小、量少且
历时短暂,由于卫星最小检测信号的限制,识别微量
降雨事件有较大困难,所以 3B42 在干旱少雨区的
降雨事件探测能力减弱.
参考文献
[1]摇 Lemke P, Ren R, Alley I. The physical science basis.
Contribution of Working Group I to the Fourth Assess鄄
ment Report of the Intergovernmental Panel on Climate
Change. Cambridge, UK: University of Cambridge
Press, 2007: 337-383
[2]摇 Gordon HB, Whetton PH, Pittock AB, et al. Simulated
changes in daily rainfall intensity due to the enhanced
greenhouse effect: Implications for extreme rainfall
events. Climate Dynamics, 1992, 8: 83-102
[3]摇 Groisman P, Karl T, Easterling D, et al. Changes in
the probability of heavy precipitation: Important indica鄄
tors of climatic change. Climatic Change, 1999, 42:
243-283
[4]摇 Meehl GA, Arblaster JM, Tebaldi C. Understanding
future patterns of increased precipitation intensity in cli鄄
mate model simulations. Geophysical Research Letters,
2005, 32: doi: 10. 1029 / 2005GL023680
[5]摇 Hao Z鄄C (郝振纯), Tong K (童 摇 凯), Zhang L鄄L
(张磊磊), et al. Applicability analysis of TRMM pre鄄
cipitation estimates in Tibetan Plateau. Journal of China
Hydrology (水文), 2011, 31 (5): 18 - 23 ( in Chi鄄
nese)
[6] 摇 Simpson J, Adler RF, North GR. A proposed tropical
rainfall measuring mission ( TRMM) satellite. Bulletin
of the American Meteorological Society, 1988, 69: 278-
295
[7]摇 Hirose M, Nakamura K. Spatial and diurnal variation of
precipitation systems over Asia observed by the TRMM
Precipitation Radar. Journal of Geophysical Research:
Atmospheres, 2005, 110: doi: 10. 1029 / 2004JD004815
[8]摇 Su F, Hong Y, Lettenmaier DP. Evaluation of TRMM
multisatellite precipitation analysis ( TMPA) and its
utility in hydrologic prediction in the La Plata Basin.
Journal of Hydrometeorology, 2008, 9: 622-640
[9]摇 Hong Y, Adler RF, Hossain F, et al. A first approach
to global runoff simulation using satellite rainfall estima鄄
tion. Water Resources Research, 2007, 43: W08502
[10]摇 Ramarohetra J, Sultan B, Baron C, et al. How satellite
rainfall estimate errors may impact rainfed cereal yield
simulation in West Africa. Agricultural and Forest Mete鄄
orology, 2013, 180: 118-131
[11]摇 Stephen H, Ahmad S, Piechota TC, et al. Relating sur鄄
face backscatter response from TRMM precipitation radar
to soil moisture: Results over a semi鄄arid region.
Hydrology and Earth System Sciences, 2010, 14: 193-
204
[12]摇 Ahmad S, Kalra A, Stephen H. Estimating soil moisture
using remote sensing data: A machine learning
approach. Advances in Water Resources, 2010, 33: 69-
80
503311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 中高纬度地区 TRMM卫星降雨数据的精度评价摇 摇 摇 摇 摇 摇
[13]摇 Liu YY, van Dijk AIJM, de Jeu RAM, et al. An analy鄄
sis of spatiotemporal variations of soil and vegetation
moisture from a 29鄄year satellite鄄derived data set over
mainland Australia. Water Resources Research, 2009,
45: W07405
[14]摇 Giglio L, Kendall JD, Tucker CJ. Remote sensing of
fires with the TRMM VIRS. International Journal of Re鄄
mote Sensing, 2000, 21: 203-207
[15]摇 Huffman GJ, Bolvin DT, Nelkin EJ, et al. The TRMM
multisatellite precipitation analysis ( TMPA): Quasi鄄
global, multiyear, combined鄄sensor precipitation esti鄄
mates at fine scales. Journal of Hydrometeorology,
2007, 8: 38-55
[16]摇 Yong B, Ren L, Hong Y, et al. First evaluation of the
climatological calibration algorithm in the real鄄time TM鄄
PA precipitation estimates over two basins at high and
low latitudes. Water Resources Research, 2013, 49:
2461-2472
[17]摇 Scheel M, Rohrer M, Huggel C, et al. Evaluation of
TRMM multi鄄satellite precipitation analysis ( TMPA)
performance in the Central Andes region and its depend鄄
ency on spatial and temporal resolution. Hydrology and
Earth System Sciences, 2011, 15: 2649-2663
[18]摇 Gebremichael M, Krajewski WF, Morrissey M, et al.
Error uncertainty analysis of GPCP monthly rainfall prod鄄
ucts: A data鄄based simulation study. Journal of Applied
Meteorology, 2003, 42: 1837-1848
[19] 摇 Hossain F, Huffman GJ. Investigating error metrics for
satellite rainfall data at hydrologically relevant scales.
Journal of Hydrometeorology, 2008, 9: 563-575
[20] 摇 Mitra AK, Bohra A, Rajeevan M, et al. Daily Indian
precipitation analysis formed from a merge of rain鄄gauge
data with the TRMM TMPA satellite鄄derived rainfall esti鄄
mates. Journal of the Meteorological Society of Japan,
2009, 87: 265-279
[21]摇 Jiang S, Ren L, Hong Y, et al. Comprehensive evalua鄄
tion of multi鄄satellite precipitation products with a dense
rain gauge network and optimally merging their simulated
hydrological flows using the Bayesian model averaging
method. Journal of Hydrology, 2012, 452: 213-225
[22]摇 Xue X, Hong Y, Limaye AS, et al. Statistical and
hydrological evaluation of TRMM鄄based multi鄄satellite
precipitation analysis over the Wangchu Basin of Bhu鄄
tan: Are the latest satellite precipitation products
3B42V7 ready for use in ungauged basins? Journal of
Hydrology, 2013, 499: 91-99
[23]摇 Gao Y, Liu M. Evaluation of high鄄resolution satellite
precipitation products using rain gauge observations over
the Tibetan Plateau. Hydrology and Earth System Sci鄄
ences, 2013, 17: 837-849
[24]摇 Xie P, Arkin PA. Global precipitation: A 17鄄year
monthly analysis based on gauge observations, satellite
estimates, and numerical model outputs. Bulletin of the
American Meteorological Society, 1997, 78: 2539-2558
[25]摇 Niu J鄄M (牛建明). Relationship between main vegeta鄄
tion types and climatic factors in Inner Mongolia. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2000, 11(1): 48-53 (in Chinese)
[26]摇 Ouma YO, Owiti T, Kipkorir E, et al. Multitemporal
comparative analysis of TRMM鄄3B42 satellite鄄estimated
rainfall with surface gauge data at basin scales: Daily,
decadal and monthly evaluations. International Journal
of Remote Sensing, 2012, 33: 7662-7684
[27] 摇 Wilks DS. Statistical Methods in the Atmospheric Sci鄄
ences. 2nd Ed. London: Academic Press, 1995
[28]摇 Ebert EE, Janowiak JE, Kidd C. Comparison of near鄄
real鄄time precipitation estimates from satellite observa鄄
tions and numerical models. Bulletin of the American
Meteorological Society, 2007, 88: 47-64
[29] 摇 Jamandre CA, Narisma GT. Spatio鄄temporal validation
of satellite鄄based rainfall estimates in the Philippines.
Atmospheric Research, 2013, 122: 599-608
[30]摇 Prasetia R, As鄄syakur AR, Osawa T. Validation of
TRMM precipitation radar satellite data over Indonesian
region. Theoretical and Applied Climatology, 2013,
112: 575-587
[31]摇 Behrangi A, Khakbaz B, Jaw TC, et al. Hydrologic
evaluation of satellite precipitation products over a mid鄄
size basin. Journal of Hydrology, 2011, 397: 225-237
[32]摇 Vila DA, de Goncalves LGG, Toll DL, et al. Statistical
evaluation of combined daily gauge observations and
rainfall satellite estimates over continental South Ameri鄄
ca. Journal of Hydrometeorology, 2009, 10: 533-543
[33]摇 Almazroui M. Calibration of TRMM rainfall climatology
over Saudi Arabia during 1998-2009. Atmospheric Re鄄
search, 2011, 99: 400-414
[34]摇 Chokngamwong R, Chiu LS. Thailand daily rainfall and
comparison with TRMM products. Journal of Hydromete鄄
orology, 2008, 9: 256-266
[35]摇 Chen S, Hong Y, Gourley JJ, et al. Evaluation of the
successive V6 and V7 TRMM multisatellite precipitation
analysis over the continental United States. Water Re鄄
sources Research, 49: 8174-8186
[36]摇 Yang Y鄄F (杨艳芬), Luo Y (罗摇 毅). Evaluation on
detective ability of TRMM remote sensing precipitation
in arid region of northwest China. Arid Land Geography
(干旱区地理), 2013, 36(3): 371-382 (in Chinese)
[37]摇 Islam MN, Uyeda H. Use of TRMM in determining the
climatic characteristics of rainfall over Bangladesh. Re鄄
mote Sensing of Environment, 2007, 108: 264-276
[38]摇 Hu Q, Yang D, Wang Y, et al. Accuracy and spatio鄄
temporal variation of high resolution satellite rainfall esti鄄
mate over the Ganjiang River Basin. Science China
Technological Sciences, 2013, 56: 1-13
作者简介摇 蔡研聪,男,1988 年生,博士研究生.主要从事生
态水文模型、流域水文模型及森林与气候的水文效应研究.
E鄄mail: onion鄄20062006@ 163. com
责任编辑摇 杨摇 弘
6033 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷