引言

基于气象卫星的定量降水估测产品在水文模型和山洪、泥石流等地质灾害监测中具有重要的应用价值，尤其是在缺少地面自动观测与天气雷达观测的我国西部以及海面上，其重要性尤为突出。高时空分辨率的卫星定量降水估算产品能够提高对地球水循环和能量循环的认识，并有助于提高山洪、泥石流等灾害的预报能力(Fu et al, 2006; Tian et al, 2007；Huffman et al, 2011；Tapiador et al, 2012；Kidd et al, 2011)。

TRMM卫星(Tropical Rainfall Measuring Mission satellite)于1997年发射升空，以监测降水为首要任务，卫星上搭载的首颗星载降水测量雷达(Precipitation Radar，PR)为分析降水的时空变化和三维结构提供了更新的观测结果(Fu et al, 2003; 郑媛媛等, 2004; Li et al, 2005; 傅云飞等, 2008; 卢山等，2008；刘鹏等, 2010；覃丹宇等，2014)。基于TRMM卫星资料Huffman等(2011)开发的多卫星降水分析产品(TRMM Multi-satellite Precipitation Analysis，TMPA)，采用一个基于定标的排序方案，将多传感器数据以及地面雨量计测量数据结合起来，获得空间和时间分辨率分别为0.25°×0.25°和3 h的数据产品。目前TMPA产品已经发展了第7版，产品包括实时产品(3B42RT)和研究产品(3B42V7)。该版本的产品充分利用了各种被动微波遥感探测的结果，主要包括TRMM微波成像仪(TRMM Microwave Imager，TMI)，专用传感器微波成像仪(Special Sensor Microwave Imager，SSMI)，专用传感器微波成像仪/探测仪(Special Sensor Microwave Imager/Sounder，SSMIS，只有3B42V7利用该资料)，先进的微波辐射计(Advanced Microwave Scanning Radiometer-EOS，AMSR-E)，先进的微波探测单元(Advanced Microwave Sounding Unit-B，AMSU-B)以及微波水分探测器(Microwave Humidity Sounder，MHS)。此外，3B42V7还融合了全球降水气候中心(Global Precipitation Climatology Centre，GPCC)的地面雨量计分析数据(Zi et al, 2006; Huffman et al, 2011)。

3B42RT利用TRMM星载测雨雷达(PR)和TRMM星载成像仪(TMI)提取的降水量对从低轨道的微波观测提取的降水量进行校准。校准后的降水量对用于填补微波数据缺失的地方的红外降水产品进行校准。这样校准后的微波降水和红外降水组成3 h分辨率的实时产品3B42RT。研究产品3B42V7对3 h分辨率的3B42RT的月累计降雨量进行分析，并且用雨量站月格点分析产品CAMS和CPCC进行订正。订正时，先计算基于卫星的分析产品与雨量站月格点分析产品的比值，然后用这个比值对3 h的3B42RT进行订正。

与之前的V6版本比较，在算法上，V7版本没有大的改动，其中的差异主要在以下三个方面：(1) 作为输入源的二级产品2A25采用了新的信号衰减纠正算法；(2) 地面雨量站产品GPCC改进了气候分析和异常分析；(3) 加入了更多的卫星观测数据，如专用传感器微波成像仪/探测仪(Special Sensor Microwave Imager/Sounder，SSMIS)。Kirstetter等(2013)的研究表明，TMPA的二级产品2A25的V7版本比V6版本有所改进，相对偏差(RB)从-22.09%降到18.38%，均方根误差(RMSE)从7.47 mm降到7.18 mm。V7版本产品自2012年5月起发布，最新版本于2012年12月下旬发布。陈生等(2013)利用该版的降水产品在美国大陆地区进行了对比评估。

在我国TMPA产品已经得到了广泛的应用。其中，不仅有利用实测降水对TMPA产品进行的评估，而且还利用该产品对降水进行了研究(傅云飞等, 2003；李锐等, 2005；白爱娟等, 2008a; 2008b;2011；刘俊峰等, 2010；骆三等, 2011；成璐等，2014；周胜男等，2015)。此外，该降水产品也已经在我国水文中得到了广泛的应用(毛红梅，2008)。但是，这些评估和应用研究都是基于第6版本的TMPA产品。对于2012年12月发布的最新版本(V7) 的TMPA产品，在我国尚缺少评估分析结果。为此，本文利用2008年9月至2012年8月最新的TMPA产品，对该版本TMPA产品进行系统的评估，以了解这一产品在我国的适用性，为该产品在我国的应用提供参考，特别是水文和气候研究领域的应用提供参考。

1 数据与方法

研究区域为中国大陆，区域内的地形如图 1所示。区域内的地势总体上呈现出西高东低的分布规律，海拔高度高于500 m的山区占到了总面积的72.46%。根据多年平均降水量的大小和海拔高度，将研究区域划分为东西两部分，分界线如图 1中黑色粗黑线所示。其中，东部受季风的影响明显，季风将大量的水汽从印度洋和太平洋输送到东部地区，并产生了大量的降水；而西部大部分不受季风影响，降水量相对较少。

所用资料主要包括全国日降水分析产品(China daily Precipitation Analysis Product，CPAP，来源于中国气象科学数据共享服务网)和TMPA的研究产品(3B42V7) 和实时产品(3B42RT)。其中，全国日降水分析产品，是利用“基于气候背景场”的最优插值方法(Daly et al, 1994；Chen et al, 2008)，将地面日降水资料的格点化而形成的，其空间分辨率为0.25°×0.25°。Chen等(2008)研究表明，与其他方法相比最优插值方法所计算出来的结果与实际观测值之间的相关程度更高。另外，由于CPAP产品和TMPA产品中相重合的雨量站数量较少，至多占CPAP产品所用雨量站的20%左右(CPAP产品中使用了2419个雨量站观测数据，TMPA产品中仅用到了中国区域内约500个的雨量站的观测数据)，并且无法获知TMPA产品中具体用到了哪些雨量站的观测资料。因此，CPAP中所用的大部分雨量站与TMPA产品是相互独立的，且无法从CPAP产品中剔除约20%的重合雨量站。另外，由于选做参考的地面雨量资料为逐日的CPAP产品，因此为与CPAP产品在时间上相匹配，需要将3 h间隔的TMPA产品累积成逐日的降水量估算数据。

在对降水估算产品进行评估的过程中，主要用到绝对偏差(以下简称Bias)、相对偏差(以下简称RB)、均方根误差(以下简称RMSE)相关系数(以下简称CC)等统计量，以及探测概率(以下简称POD)，临界成功指数(以下简称CSI)和虚假报警率(以下简称FAR)等评价参数。具体计算方法如下：

$Bias = \frac{1}{N}\sum\limits_{i = 1}^N {({R_{{\rm{TMP}}{{\rm{A}}_\mathit{i}}}} - {R_{{\rm{CPA}}{{\rm{P}}_\mathit{i}}}})} $

(1)

$RB = \frac{{\sum\limits_{i = 1}^N {({R_{{\rm{TMPA}}}} - {R_{{\rm{CPAP}}}})} }}{{\sum\limits_{i = 1}^N {{R_{{\rm{CPAP}}}}} }} \times 100$

(2)

$RMSE = \sqrt {\frac{{\sum\limits_{i = 1}^N {{{({R_{{\rm{TMP}}{{\rm{A}}_i}}} - {R_{{\rm{CPA}}{{\rm{P}}_i}}})}^2}} }}{N}} $

(3)

$CC = \frac{{\sum\limits_{i = 1}^N {({R_{{\rm{TMP}}{{\rm{A}}_i}}} - {{\bar R}_{{\rm{TMPA}}}}) \times ({R_{{\rm{CPA}}{{\rm{P}}_i}}} - {{\bar R}_{{\rm{CPAP}}}})} }}{{\sqrt {\sum\limits_{i = 1}^N {{{({R_{{\rm{TMP}}{{\rm{A}}_i}}} - {{\bar R}_{{\rm{TMPA}}}})}^2} \times \sum\limits_{i = 1}^N {{{({R_{{\rm{CPA}}{{\rm{P}}_i}}} - {{\bar R}_{{\rm{CPAP}}}})}^2}} } } }}$

(4)

其中，

${{\bar R}_{{\rm{TMPA}}}} = \frac{{\sum\limits_{i = 1}^N {{R_{{\rm{TMP}}{{\rm{A}}_i}}}} }}{N},{{\bar R}_{{\rm{CPAP}}}} = \frac{{\sum\limits_{i = 1}^N {{R_{{\rm{CPA}}{{\rm{P}}_i}}}} }}{N}$

(5)

式(1) 中，R_TMPA和R_CPAP分别表示TMPA和CPAP产品的降水量。

$POD = \frac{A}{{A + C}},{\rm{ }}CSI = \frac{A}{{A + B + C}},{\rm{ }}FAR = \frac{B}{{A + B}}$

式中，A表示估算正确的数量，B表示误报的数量，C表示漏报的数量。

2 结果和讨论 2.1 全年统计结果

图 2a~2c是对2008年9月至2012年8月平均日降水量的统计分析结果。3B42RT和3B42V7两种产品均能够较好地反映出全国降水的空间分布规律，但是两者之间还存在着显著的差异。在降水强度和空间分布规律上，3B42V7产品更加接近CPAP产品。相对而言，3B42RT产品在青藏高原、新疆东南部以及天山山脉西侧等西部地区数值明显偏高，高估了降水。总的来说，3B42V7产品比3B42RT产品更加准确些。

图 2d~2i分别是全国(d，g)、我国西部(e，h)和我国东部(f，i)，TMPA产品与CPAP产品对比分析的彩色密度散点图。从散点图来看，3B42V7产品的精度较高，主要表现为CC较高(全国以及西部和东部分别为0.94、0.85和0.91)、RB较小(全国以及西部和东部分别为-0.11%、-0.82%和-0.18%)以及RMSE较小(全国以及西部和东部分别为0.53、0.36和0.67 mm)。相对而言，3B42RT产品与CPAP产品的相关性较差，全国以及西部和东部的CC分别为0.75、0.69和0.83。统计结果表明，3B42RT产品的相对偏差全国为39.30%，而在我国西部，相对偏差却高达116.60%。这也说明，3B42RT产品在我国西部的适用性较差；在缺少地面自动观测与天气雷达观测的西北地区可以考虑用3B42V7来代替。

2.2 分季节统计结果

图 3是不同季节CPAP产品和TMPA产品的空间分布。从图中可以看出，我国降水主要发生在春季和夏季。不论是何季节，3B42V7产品的空间分布都表现出了与CPAP产品高度相似的特征。与CPAP产品相比，3B42RT产品的降水量在青藏高原和我国东南部夏、秋、冬3个季节均有所偏高。

对于青藏高原而言，由于海拔较高，常年存在的冰、雪会加大地表微波散射，从而加大了微波探测的难度。因此，存在冰、雪引起的散射亮带，就限制了TRMM卫星探测在青藏高原地区的降水探测能力(Fu et al, 2007)。另外，Huffman等(2011)在TMPA的技术文档中指出TMPA的微波高质量产品(HQ)在地面冰冻的地区存在一定的局限性。在TMPA算法中，当微波降水产品缺失时，则采用其他的基于红外的降水监测产品用来进行填补，这也使得TMPA在青藏高原地区的降水估算能力有局限性(Negri et al, 1993；Hirpa et al, 2010；Tuttle et al, 2008)。另外，由于亮带和地面杂波的影响，TRMM上搭载的PR对高海拔地区降雨的精确估计仍然存在困难(Fu et al, 2007)。

在我国东南丘陵地区，西太平洋暖湿气流与西北冷空气的相互作用，使得春季和夏季存在大量的降水。此时，虽然不存在冰、雪对微波探测的影响，但是也存在微波探测信息缺失的现象。而当在微波降水产品缺失的情况下，也采用其他基于红外的降水监测产品用来进行填补。因此，这一区域内TMPA产品的降水量数值偏高的现象，也主要源于基于红外通道信息降水估算方法的局限性(Negri et al, 1993；Hirpa et al, 2010；Tuttle et al, 2008)。

图 4给出了4个季节TMPA产品和CPAP产品日降水数据的散点密度图。与B42RT产品相比，3B42V7产品与CPAP产品的相关系数较高，相对偏差和均方根误差也有不同程度的减小。从图 4中还可以发现，B42RT产品中西部降水量偏高的现象，在3B42V7产品中已经得到了一定程度的改进。4个季度的相对偏差也分别由104.52%、105.72%、117.64%和326.60%缩小为2.26%、1.24%、-5.27%和24.64%。

2.3 时间序列统计

图 5是2008年9月至2012年8月，3个范围(全国、我国西部和我国东部)内两种TMPA产品和CPAP产品的逐日降水平均值，以及两种TMPA产品与CPAP产品数值相比较的RMSE和CC的时序变化图。

从全国的统计结果来看，不论哪个季节3B42RT产品的数值均高于CPAP产品。在我国西部，9月至次年4月3B42RT的平均误差＞1 mm·d^-1，而在5—8月平均误差则＞2 mm·d^-1。相较而言，3B42V7产品的降水量数值更接近CPAP产品，两者之间的CC在全国以及东部和西部分别为0.94、0.93和0.88。对于RMSE来说，在10月至次年5月，3B42V7产品与3B42RT产品在数值上比较接近，而在其他月3B42V7产品的数值较低。CC的数值，在暖季(5—10月)适中，介于0.5~0.6，但是在其他季节，CC的数值低于0.5。

另外，从地域上来看，3B42V7产品对于我国西部降水量的估计能力比3B42RT产品有所提高，主要表现为数值上与CPAP产品更为接近，且RMSE数值较低，而CC较高。而在我国东部，3B42V7产品虽然也有所改进，但是效果不如西部显著，主要也表现为降水量数值上CPAP产品更为接近，且RMSE数值较低，CC数值较高。

总的来说，不论是全国范围内的统计，还是针对我国西部或东部的分析结果都表明：3B42V7产品都要好于3B42RT产品。这说明用GPCC分析产品来校准3B42RT产品能够提高TMPA的降水估算能力。

2.4 降水概率和总量分布

概率分布函数(probability distribution function，PDF)是一种用来描述变量的分布规律的函数，PDF的评估能够了解到降水率的估算误差以及误差对水文模拟的潜在影响(Tian et al, 2010)。图 6是B42RT、3B42V7和CPAP三种产品的降水发生概率(不同强度降水发生的概率，PDFc)和降水总量(不同强度降水的总降水量，PDFv)分布函数。在统计过程中，三种产品日降水量都大于0的像素参与计算。通过PDFc和PDFv概率分布函数的分析来揭示TMPA产品的降水估算能力。

从图 6中可以看出，对全国而言，当日降水量＜8 mm或＞16 mm时，3B42V7产品的降水发生概率和降水总量均更加接近CPAP产品。主要表现为：日降水量＜8 mm时，3B42V7产品的PDFc和PDFv要大于3B42RT产品；而当日降水量＞16 mm时，3B42V7产品的PDFc和PDFv要小于3B42RT产品。也就是说，3B42V7产品并未提高中等降水(日降水量介于8~16 mm)的估算能力。分区域来看，在中等降水时3B42V7产品并无改进的特性在我国西部较为明显。

2.5 准确性统计

图 7是两种不同产品在各区域内准确性(POD、CSI和FAR)的统计结果。对于POD来说，不论是全国，还是我国的东部或西部，3B42V7的POD数值都要大于3B42RT。3B42V7的FAR数值也普遍大于3B42RT，只有在我国东部当降水日降水量＜50 mm时，3B42V7的FAR数值略小于3B42RT。在大多数情况下3B42RT的CSI数值要小于3B42V7，只有在日降水量超过200 mm以后，才可能出现3B42RT的CSI数值大于3B42V7。

2.6 空间分析

偏差(Bias)、相对偏差(RB)、均方根误差(RMSE)和相关系数(CC)的空间分布对于误差在水文模拟中的传递过程分析具有重要的意义。为此，以CPAP产品为参考，对3B42RT和3B42V7产品偏差的空间分布和概率分布(PDFc和CDFc)情况进行了统计，结果如图 8所示。统计结果揭示了TMPA数据在中国的误差空间分布。对于3B42RT来说，在我国西部，尤其是在青藏高原、新疆和内蒙古等地区降水估算偏高了90%。青藏高原和我国东南地区，具有很高的RMSE (＞10 mm)。对于CC来说，基本上维持着西低东高的空间分布，东部的CC基本上维持在0.5以上，而西部的CC基本上都在0.5以下。

3 结论

利用CPAP提供的2008年9月至2012年8月全国降水资料，对TMPA的研究产品(3B42V7) 和实时产品(3B42RT)进行了评估。从结果来看，总体上3B42V7与CPAP之间具有较高的CC、较低的RB和RMSE。具体来说有以下结论：

(1)3B42RT和3B42V7两种产品均反映出全国降水的空间分布规律，其中3B42V7产品更加接近CPAP产品，两者之间的相关系数较大、相对偏差和均方根误差较小，即3B42V7产品比3B42RT产品更加准确些。

(2) 从分区域的结果来看，3B42RT和3B42V7产品在我国西部的适用性较差。从分季节的统计结果来看，冬季的精度最低。此外，不论哪个季节，3B42V7产品的相对误差均要小于3B42RT产品。

(3) 不论是全国范围内的统计，还是针对我国的西部或东部的分析结果都表明：3B42V7产品都要好于3B42RT产品。这说明用GPCC分析产品来校准3B42RT产品能够提高TMPA的降水估算能力。

(4)3B42V7产品并未提高中等降水(日降水量介于8~16 mm)的估算能力。分区域来看，在中等降水时3B42V7产品并无改进的特征在我国西部较为明显。