多源融合降水产品SUPER在汉江流域的时空精度评估

1. 引言

降水是重要的气候（气象）变量，跟旱涝灾害、水资源管理、洪水预报等影响国计民生的诸多方面密切相关。然而，我国降水时空分布不均，表现为西北内陆少雨地区频繁出现干旱灾害和水资源短缺，而东南沿海降水过量地区又饱受暴雨和洪涝灾害之苦。

在全球变暖的背景下，水循环加速，我国极端降水的发生频率逐年上升，对国民经济造成重大损失。因而准确的掌握大空间范围降水信息，攸关洪旱灾害的监测、预报与预警的准确性，对区域水资源管理及农业可持续发展具有重要战略意义。

降水观测方式

地面站点观测
降水雷达观测
遥感降水产品

新一代对地观测降水数据

卫星降水产品（IMERG、TRMM等）
再分析数据（ERA5、GPM L3等）
多源融合降水数据（MSWEP、CMPA、SUPER等）

天津大学Dong等2022年开发的基于数理不确定性分析理论降水数据融合框架的SUPER数据优势在于不依赖地面观测，充分考虑了不同数据集间的相关性误差，避免了卫星数据观测误差的过拟合，并且实现了降水数据集的自动遴选，确保了稳定、高效的多源降水数据集融合效果。

由于目前尚无针对SUPER产品在具体流域的精度评估研究，因此，本研究将从不同时空尺度对该产品进行综合评估，通过将SUPER与目前公认最优的再分析降水产品ERA5以及卫星降水产品IMERG进行对比，分析SUPER数据融合算法的优势；另外，为了比较地形条件是否对产品性能产生影响，本研究还选用了位于上游和中游两种不同的地形条件作对比。

2. 研究区、数据及方法

2.1 研究区概况

汉江是长江中下游最大的支流，发源于秦岭南麓，经陕、甘、川、豫、鄂，于武汉汇入长江，流域面积约15.9万km²，处于我国南北地理和气候分区的交界区域，地势西北高，东南低，属亚热带季风气候，气温温和湿润，年降水量处于800~1300mm之间。

本研究选取了位于汉江上游汉中水文站，以及中游郭滩水文站以上2个集水区作为研究对象。其中，汉中流域面积9329km²，海拔介于495~3484m；郭滩流域面积为6877km²，海拔在80~1000m之间。

图1 汉中流域及郭滩流域高程以及流域内雨量站点分布概况

2.2 数据源

2.2.1 地面站点观测数据

本研究采用了流域内布设的高密度地面雨量站点，其中汉中流域内有45个雨量站点，郭滩有39个，共计84个站点，2011年1月1日—2018年12月31日的逐日降水实测数据。数据来源于《中华人民共和国水文年鉴》长江流域水文资料。

2.2.2 格点降水数据

本文选择了ERA5、IMERG与SUPER降水产品做对比，3种产品的详细信息如表1所列。ERA5是欧洲中期天气预报中心（ECMWF）发布的第五代大气再分析数据集，质量较ERA-Interim改进较大，为目前公认的质量最高的再分析数据集。而IMERG作为GPM的最新一代多卫星融合反演降水数据，被公认为目前质量最好的卫星降水产品，比较过程中采用了IMERG的Final产品。

2.3 研究方法

2.3.1 评估指标

本研究选取了多种统计评价指标在日和月2种尺度上对3种降水产品进行精度评价。在与地面站点实测降水的相关性方面，选取了皮尔逊相关系数（Correlation Coefficient，CC）、均方根误差（Root Mean Square Error，RMSE）以及相对误差（Relative Bias，BIAS）3种评价指标。

皮尔逊相关系数(CC)

反映降水数据集与站点观测值的相关性，取值范围为[-1,1]，值越接近于1相关性越强。

相对偏差(BIAS)

体现系统误差的指标，反映了降水数据集对观测降水的高估或低估情况。

均方根误差(RMSE)

用于表征产品精密度，值越接近于0说明数据集偏离地面观测的程度越小。

2.3.2 空间插值

前期对于产品降水数据的处理方面，选用最邻近插值法。该方法是一种广泛用于图像缩放、信号处理中的一种插值方法。在该算法中，它所输出像素的具体灰度等于距离其该点最近的原始数据样本值，也称点位移算法。

空间上降水量的分布和指标值的分布，均采用应用广泛的克里金插值法。该方法通过搜索已知降水站点的数据对未知站点的降水进行空间插值计算。

3. 结果及分析

3.1 不同时间尺度的对比评估

3.1.1 日尺度精度评估

日尺度下3种降水产品与地面实测降水数据散点图。相较于ERA5与IMERG产品，SUPER产品在2个流域均呈现出与实测降水最高的相关性，汉中流域CC=0.66，郭滩流域CC=0.77。

相对误差方面，汉中流域SUPER产品BIAS为-11.66%，整体表现出一定程度的低估，但偏离地面实测的程度较小，仍优于ERA5与IMERG；郭滩流域3种产品均高估了地面实测降水，SUPER产品BIAS为22.11%，高于ERA5和IMERG；均方根误差方面，SUPER产品表现最优，在2个流域的误差均为最小，分别为5.25mm/day和5.19mm/day，更接近于地面实测值。

图2 3种降水产品的POD、FAR、CSI箱线图

3.1.2 月尺度精度评估

图5为月尺度下，3种降水产品与实测降水的散点图。由图可以看出，相较于日尺度（图2），3种产品在月尺度下与实测降水的相关性均有提升，且SUPER与IMERG表现相近，均优于ERA5。

图3 月尺度降水产品与实测降水散点图

3.2 空间上的对比评估

3.2.1 年均降水空间分布对比

图9绘制了3种降水产品与地面实测在两个流域的年均降水空间分布。SUPER与IMERG两种降水产品大致都能反映出与"真值"实际流域降水类似的空间特征。

图4 3种降水产品2011—2018年均降水空间分布

3.2.2 评估指标空间分布对比

为了更好的分析评估降水产品在不同地形条件下的适用性，利用降水产品与地面实测的日数据计算出各地面站点所在位置的评估指标CC、BIAS、RMSE、POD、FAR和CSI值后，利用克里金插值后绘制不同指标的流域空间分布图。

4. 讨论与结论

4.1 讨论

从3种降水产品数据生成的基本原理来看，由于ERA5是基于数值天气模式以及数据同化算法得到的结果，对模型参数以及基本物理假设比较敏感，对暴雨模拟误差较大，同时对于缺资料地区，产品数据精度显著下滑。

关键发现：结合本文在汉江2个流域上的研究结果（表2），SUPER产品在CC和RMSE上较现有再分析与卫星产品具有明显优势，原因在于SUPER融合算法的核心在于降低降水数据的随机误差和晴雨分类误差，较好地保证了产品数据与地面观测的一致性和准确性。

4.2 结论

本研究以站点实测降水为基准，从不同的时空尺度，对比分析了再分析数据集ERA5、卫星降水产品IMERG以及新一代多元融合降水产品SUPER三者的精度，主要得到的结论如下：

①

相较于ERA5与IMERG产品，SUPER产品在日、月2种尺度上均具有更优表现，与地面站点实测降水一致性更高、误差更小、误报率最低、探测成功率最高。

②

SUPER产品在地势平缓地区比在地形复杂地区性能更佳，地形对SUPER产品精度的影响，相比在降水量级预报能力上，在降水事件识别能力上的影响作用更为显著，在地形复杂地区降水产品的精度会随地势升高而降低。

③

SUPER的融合算法及数据集可以有效的降低降水数据的随机误差与晴雨分类误差，但对系统偏差处理相对较为简单，仍有较大的改进空间。

综上，SUPER作为新一代多源降水融合数据，在研究区内不同时空尺度上均展现出了良好的性能，同时，在融合过程中对于复杂地形区移除SM2Rain数据集有望进一步提升SUPER数据的精度与稳定性。下一步计划通过扩大研究区，全面分析SUPER产品在不同地理、气候与下垫面条件下的性能，同时量化地形对产品性能的影响。