2. 中国环境科学研究院, 北京 100012;
3. 安徽省人工影响天气办公室, 合肥 230031
2. Chinese Research Academy of Environmental Sciences, Beijing 100012;
3. Anhui Weather Modification Office, Hefei 230031
利用卫星观测反演获得的高时空分辨率降水产品, 在天气监测和气象水文模式中应用广泛(Artan et al, 2007)。中国中东部(26°~36°N、113°~122°E)地形地貌复杂, 加之强降水事件频发, 往往使得该区域易受到洪涝和泥石流等灾害(Varun and Kireet, 2006; 李建等, 2013;刘绿柳等, 2018)。卫星遥感主要通过红外或微波设备观测来反演降水, 是获取该区域降水特征的重要途径(卢乃锰等, 2017)。由于多源卫星或多种传感器融合算法的不确定性, 若直接将卫星降水产品应用于数值模式中, 可能会引入误差(Hong et al, 2006; Tian et al, 2009)。因此, 有必要对卫星反演的降水产品的准确性进行评估。
TMPA和IMERG降水产品是时空分辨率较高的降水产品(Huffman et al, 2007; Hou, 2008)。自产品发布以来, 已广泛应用于极端天气预报、灾害预报和径流预报中(骆三等, 2011;成璐等, 2014;黄勇等, 2015;Chen and Fu, 2015; 金晓龙等, 2018)。学者们就两种降水产品在不同时空尺度、不同地区的准确性进行评估(Min et al, 2011; Fischer and Knutti, 2014; Liu et al, 2015; Fu et al, 2016)。研究发现IMERG和TMPA降水产品在不同地形条件下、不同降水强度、不同空间尺度上, 其精确度差异明显(Prakash et al, 2016; Tang et al, 2016a;2016b; Wang et al, 2017)。如IMERG降水产品在东亚山区、安第斯山脉的表现优于TMPA, 能较好地反映降水特征(Manz et al, 2017)。金晓龙等(2016)发现在天山地区较TMPA和CMORPH(CPC MORPHing technique)降水产品, IMERG与雨量计观测的相关系数最高, 超过0.6, 且相对误差最小, 大致在10%左右。然而, 上述结果均依赖于早期的IMERG降水产品, 时间序列较短(多为1~2年), 且针对中国中东部的适用性评估的研究还较少。
至今, IMERG降水产品已积累了3年多, 为检验IMERG和TMPA降水产品在中国中东部夏季降水的准确性提供了可能。本研究将对比评估IMERG和TMPA降水产品在表征中国中东部降水日降水量的区域时空分布特征、不同降水等级及日变化上的能力, 为水文和气候模式预报应用提供观测依据。
1 资料与方法本研究使用了3种降水产品, 包括TMPA和IMERG多卫星降水集成产品及雨量计观测的降水资料。覆盖中国中东部的共510个国家站雨量计降水数据由中国气象局提供, 时间覆盖范围为2014—2016年的夏季(6—8月)。其中, 本研究对小时雨量计数据缺测率超过2%, 超过400 mm·h-1的观测数据的国家站予以剔除, 最终保留了500个站的资料。根据海拔高度, 挑选出43个海拔高于200 m的山区站和91个海拔低于20 m的平原站(图 1)。TMPA降水产品(https://pmm.nasa.gov/data-access/downloads)和IMERG(V04)最终产品(https://pmm.nasa.gov/data-access/downloads/TRMM)的时空分辨率见表 1。
由于三种降水资料的时空分辨率不同, 首先需处理得到时空匹配的TMPA、IMERG降水产品和与雨量计的降水资料集。空间尺度上, 将TMPA和IMERG降水产品插值到雨量计站点上(最近距离法), 以雨量计直接观测的降水作为真值, 来比较两种卫星降水产品的精度。在时间尺度上, 将小时降水量进行日累加, 得到2014—2016年夏季逐日降水量(单位:mm·d-1), 将日降水量作为基本研究单位, 主要是考虑到日累计降水量是反映气候变化的重要因素, 且日降水量的多寡直接与洪涝、泥石流灾害及其他多种气象要素密切相关(李红梅等, 2008; 宁亮和钱永甫, 2008; 田冰等, 2008;高荣等, 2018)。
为了定量评估TMPA和IMERG降水产品的精确度, 我们使用了几个统计指标, 包括平均误差(mean error, ME)、均方根误差(root mean square error, RMSE)、相关系数(correlation coefficient, CC)、偏差(BIAS)、探测概率(probability of detection, POD)、错报率(false alarm ratio, FAR)、公正先兆评分(equitable threat score, ETS)(Tian et al, 2007; 金晓龙等, 2016)。主要计算公式如下:
$ ME = \frac{1}{N}\sum\limits_{i = 1}^N {\left({{R_{{\rm{s}}\mathit{i}}} - {R_{{\rm{r}}\mathit{i}}}} \right)} $ | (1) |
$ RMSE = \sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {{{\left({{R_{{\rm{s}}\mathit{i}}} - {R_{{\rm{r}}\mathit{i}}}} \right)}^2}} } $ | (2) |
$ CC = \frac{{\sum\limits_{i = 1}^N {\left({{R_{{\rm{s}}\mathit{i}}} - \overline {{R_{\rm{s}}}} } \right)} \left({{R_{{\rm{r}}\mathit{i}}} - \overline {{R_{\rm{r}}}} } \right)}}{{\sqrt {\sum\limits_{i = 1}^N {{{\left({{R_{{\rm{s}}\mathit{i}}} - \overline {{R_{{\rm{s}}\mathit{i}}}} } \right)}^2}} \cdot \sum\limits_{i = 1}^N {{{\left({{R_{{\rm{r}}\mathit{i}}} - \overline {{R_{{\rm{r}}\mathit{i}}}} } \right)}^2}} } }} $ | (3) |
$ BIAS = \frac{{H + F}}{{H + M}} $ | (4) |
$ POD = \frac{H}{{H + M}} $ | (5) |
$ FAR = \frac{F}{{H + F}} $ | (6) |
$ \begin{array}{l} ETS = \frac{{H - HS}}{{H + M + F - HS}}, \\ HS = \frac{{(H + M)(H + F)}}{N} \end{array} $ | (7) |
式中, Rsi是卫星估计的降水, Rri是雨量计观测的日降水量,
图 2a, 2b, 2c给出了夏季中国中东部TMPA、IMERG降水产品和雨量计计算的日平均降水量的空间分布。日平均降水量是2014—2016年夏季某站点的逐日降水量的总和与研究时间段内发生降水天数(日降水量超过0.1mm·d-1)之比。中国中东部的日平均降水量大致分布在1.6~10 mm·d-1, 其中北部是降水量低值区, 南部是高值区(图 2c)。TMPA和IMERG(图 2a和2b)均能较好地表征夏季中国中东部的日降水量高低值的空间分布;日降水量的高值区位于长江流域及南部山区, 低值区主要位于北部。但卫星降水产品对日降水量均有所高估。从平均误差来看(图 2d和2e), 卫星产品在中国中东部大部分地区的反演误差较小, 大多分布在-1.25~1.25 mm·d-1。其中, TMPA和IMERG降水产品在长江流域、西北部分地区对日降水量均有高估, 平均误差最大可达1.75 mm·d-1。
图 3给出了2014—2016年夏季TMPA和IMERG降水产品(逐日降水量)与雨量计观测的日降水量的CC和RMSE。中国中东部大部分地区, TMPA降水产品的CC多在0.8左右(图 3a)。从区域性差异来看, TMPA降水产品在长江流域下游和南部地区的相关性最好, 一般超过0.8。与TMPA降水产品相比, IMERG降水产品(图 3b)在日尺度上相关性明显提高, 大多超过0.9。此外, IMERG降水产品的RMSE, 在中国中东部大部分站点均有所改善, 但南方山区和长江流域上游的RMSE差较大, 可超过14 mm·d-1, 这主要是由于上述区域的日降水量均值较大, IMERG降水产品在上述区域还存在一定的反演误差。
图 3表明两种降水产品在平原和山区的精度不同, 因此, 表 3分别计算了平原、山区和所有站点内的卫星产品的逐日降水量的ME、RMSE和CC。在平原地区, IMERG较TMPA降水产品的RMSE更小、CC更大:TMPA的RMSE为14.8 mm·d-1, CC为0.63;而IMERG的RMSE仅为12.9 mm·d-1, CC为0.72。在山区, IMERG对日降水量的表征效果并没有显著提升, RMSE和ME均略优于TMPA。对于整个地区而言, IMERG降水产品能更好地刻画日降水量, 较TMPA, 其RMSE差更小, CC更大。
进一步评估IMERG和TMPA降水产品对不同等级的降水强度的探测能力。图 4所示为雨量计与卫星产品的日平均降水均值关系。具体计算方法是分别计算某类雨量计(所有、平原或山区站点)某日降水量间隔内, 雨量计和卫星产品估计的日降水量均值。为了保证统计的准确性, 统计时需确保每个日降水量间隔内的探测样本相同。当日降水量低于20 mm·d-1时, 对于全部站点、山区和平原站点的TMPA和IMERG日平均降水量与雨量计表现出较好的一致性。随着日降水量的增加, TMPA和IMERG估计的日降水量明显低于站点观测值。对比TMPA和IMERG可知, IMERG产品对不同等级降水的表征能力更好, 更接近与1:1线(灰色虚线), 在平原和山区地区的CC分别达到0.993和0.998, 更优于TMPA降水产品。
图 5所示为夏季中国中东部所有站点、平原和山区的三种降水产品日降水量的概率密度分布(probability distribution function, PDF)。从雨量计的观测结果来看(柱状图), 平原地区 < 10 mm·d-1的降水事件占总降水频次达61.8%, 山区站点达58.8%, 整个中国中东部达61.9%;而超过50 mm·d-1的降水频次较低, 在平原和山区站点均仅占7.1%, 整个中国中东部仅占6.6%左右。基于TMPA和IMERG的日降水量(折线)也表现出高弱降水频次和低强降水频次的分布特征。与雨量计观测相比, IMERG对弱降水(0~5 mm·d-1)频次有所高估, 而TMPA有所低估。此外, 与雨量计观测相比, IMERG估计的降水分布型, 表现出对强降水(>50 mm·d-1)的低估, 尤其是在山区站点, 其占比仅达到5.8%, 这主要是由于IMERG对弱降水探测的比例增多导致;而TMPA对强降水事件有所高估, 在山区和平原地区其占比分别超过8.2%和8.5%。上述结果说明IMERG在山区对强降水探测的改进效果有限。
进一步地给出了两种卫星降水产品在整个中国中东部、平原和山区的不同日降水量阈值下的BIAS, POD, FAR和ETS(图 6)。根据日降水量的概率密度分布(图 5), 我们选取0.5, 1, 2, 4, 8, 10, 20和30 mm·d-1为阈值。一般而言, 对给定的降水量阈值, TMPA对该强度的降水事件均有所高估, 其BIAS均大于1。IMERG对平原地区不同降水量阈值下的降水也存在高估(BIAS>1), 但与强降水相比, 弱降水的高估现象更明显;而在山区, 当日降水量>2 mm·d-1时, IMERG对此类降水强度事件存在低估(BIAS < 1)。
对于山区和平原地区, 随着降水量阈值的增加, IMERG和TMPA降水产品的POD和ETS明显减小, FAR明显增加(图 6b~6d)。当日降水量在1 mm·d-1时, POD>70%, FAR < 30%, ETS在0.5左右;而当日降水量为30 mm·d-1时, POD仅为50%, FAR>40%, ETS仅为0.3左右。从这三个指标来看, TMPA和IMERG降水产品在估计强降水事件的能力较差。对于平原站点, IMERG较TMPA降水产品, 其对弱降水和强降水事件的表征能力明显更优, POD更高, FAR更低, ETS更高。然而, 对于山区站点, IMERG较TMPA降水产品的提升并不明显, 其POD更小, 但FAR更小, ETS值相近, 这与图 5的结果类似。
4 日变化特征为了便于研究降水日变化, 本节使用的是1 h分辨率的雨量计数据、3 h分辨率的TMPA和0.5 h分辨率的IMERG降水产品数据(单位:mm·h-1)。小时降水率的计算方法是用研究时间段内(2014—2016年的夏季)某时次降水强度总量与总降水次数的比值。小时的降水频次的计算方法是研究时间段内降水事件的次数与总探测次数之比。
图 7所示为中国中东部三种降水产品估计的降水强度和降水频次峰值出现时间的空间分布。由图 7a和7d, 南部的降水强度峰值多出现在傍晚(大约在18时), 中部地区多出现在早晨(08时), 而西北地区则多出现在夜间(20时)。对于降水频次而言, 其峰值的出现时间一般比降水强度峰值出现的时间早(如中部及北方地区), 而对于南方地区则稍晚。TMPA和IMERG估计的降水强度峰值出现时间(图 7b和7c)与雨量计的观测结果, 在空间分布上十分相似。但IMERG降水产品比TMPA降水产品的效果更优, 在中部地区, IMERG捕捉到该区域早晨的降水强度峰值, 而TMPA未捕捉到。TMPA和IMERG估计的降水频次峰值时间(图 7e和7f)与雨量计相比差异很大。TMPA和IMERG均无法表征中部地区早晨的日降水频次峰值。但与TMPA相比, IMERG对日降水频次峰值出现时间的表征能力更优。如TMPA无法探测到西北部地区的夜间的日降水频次峰值。
为了进一步对比区域性差异, 图 8给出了三种降水产品在平原和山区的降水强度和降水频次的日变化分布。由雨量计的观测结果可知, 对于平原地区, 降水强度和频次均在06时和16时较大(图 8a和8b);对于山区站点, 降水强度在16时达到峰值, 降水频次在17时达到峰值。
IMERG降水产品估计的降水强度和频次的日变化与雨量计结果相似, 在平原地区早晨和午后的降水强度和降水频次较大。对于山区地区, 降水强度峰值出现在18时左右, 但与雨量计的结果相比, 存在1 h的延迟。与IMERG降水产品相比, 基于TMPA降水产品无法重现早晨的降水强度和降水频次高值区, 仅仅捕捉到午后(16时)的降水强度和频次的高值区。对于山区, TMPA降水产品也无法重现06时降水强度和频次的次峰值。从日变化的幅值来看, 与TMPA降水产品相比, 在平原地区, IMERG降水产品观测的降水强度和频次幅值与雨量计观测结果最为相近。但对于山区, IMERG降水产品估计的降水频次幅值低于雨量计观测。此外, 基于IMERG降水产品的日降水强度和频次的时间变率更为明显, 这主要是由于IMERG降水产品的时间分辨率为0.5 h, 其时间分辨率最高。对于山区和平原地区, 基于TMPA降水产品估计的降水强度和频次在早晨明显低于雨量计的观测值, 而在山区TMPA降水产品高估了午后降水频次, 比雨量计的观测结果高出8%。
图 9给出了夏季中国中东部的降水强度和降水频次的纬度-时间分布。在26°~30°N(大部分山区, 海拔高度较高), 雨量计的观测结果显示18时出现高降水强度(图 9a)和高降水频次(图 9d)。然而, TMPA降水产品高估了午后的降水强度和降水频次, 且低估了早晨的降水强度和频次(图 9b和9e)。IMERG降水产品能更好地表征此纬度带内的降水强度的日变化, 但对早晨的降水频次仍有一定的低估。在30°~36°N(平原地区), 其降水强度和降水频次与26°~30°N相比, 明显减小;其降水强度和降水频次大值仍出现在06时和18时左右。基于TMPA和IMERG降水产品得到的降水强度日变化与雨量计的结果相似, 卫星观测与该纬度带内的降水频次的日变化还存在一定的差异。
本研究检验和验证了2014—2016年夏季高时空分辨率的多卫星降水集成产品(TMPA和IMERG)在中国中东部的适用性, 主要从日平均降水量时空分布、不同地形、不同等级降水强度和降水日变化角度, 与雨量计的观测结果进行对比评估。主要结论如下:
(1) TMPA和IMERG降水产品与雨量计观测的日平均降水量在空间分布上较相似, 在中国中东部大部分区域的ME较小, 长江流域下游存在较大的正误差(>1.75 mm·d-1)。IMERG降水产品与雨量计观测的日降水量的CC更高, 多超过0.9, TMPA仅为0.8。对于平原地区, IMERG降水产品与TMPA降水产品相比, 其日降水量的RMSE更小, CC更大。但对于山区, IMERG降水产品对日平均降水量的表征的提升能力不显著, RMSE仅略低于TMPA, 且存在较大的负平均误差。
(2) 当日降水量 < 20 mm·d-1时, 在山区和平原地区, TMPA和IMERG降水产品与雨量计观测的降水强度结果相近。但随着日降水量的增加, 山区和平原的TMPA和IMERG降水产品的估计值明显低于雨量计的观测值。对比TMPA和IMERG降水产品可知, IMERG降水产品对弱降水(1 mm·d-1)的捕捉能力更强, 探测效率达到70%, 错报率低于30%, ETS在0.5左右。对于平原站点, IMERG对弱降水和强降水事件的表征能力明显更优, POD更高, FAR更低, ETS更高。然而, 对于山区站点, IMERG较TMPA的提升并不明显, 其POD更小, 但FAR更小, ETS值相近。
(3) 两种卫星降水产品能较好地表征中国中东部降水强度的日变化规律, 但对降水频次的日变化的表征还存在一定的缺陷。对于中国中东部平原地区, IMERG降水产品再现了早晨和午后的降水强度和频次大值, 而TMPA降水产品仅捕捉到午后的大值区。此外, 基于IMERG降水产品计算的降水强度和频次幅值与雨量计相比最为接近, 而TMPA明显低估早晨的降水强度和频次值, 高估了午后的降水强度和频次。
从本文的研究结果来看, IMERG降水产品在中国中东部具有较高的精度, 未来可有效应用于降水监测、气象和水文模式预报中。
成璐, 沈润平, 师春香, 等, 2014. CMORPH和TRMM 3B42降水估计产品的评估检验[J]. 气象, 40(11): 1372-1379. Cheng L, Shen R P, Shi C X, et al, 2014. Evaluation and verification of CMORPH and TRMM 3B42 precipitation estimation products[J]. Meteor Mon, 40(11): 1372-1379 (in Chinese). DOI:10.7519/j.issn.1000-0526.2014.11.010
|
高荣, 宋连春, 钟海玲, 2018. 2016年汛期中国降水极端特征及与1998年对比[J]. 气象, 44(5): 699-703. Gao R, Song L C, Zhong H L, 2018. Characteristics of extreme precipitation in China du-ring the 2016 flood season and comparison with the 1998 situation[J]. Meteor Mon, 44(5): 699-703 (in Chinese).
|
黄勇, 陈生, 冯妍, 等, 2015. 中国大陆TMPA降水产品气候态的评估[J]. 气象, 41(3): 353-363. Huang Y, Chen S, Feng Y, et al, 2015. Evaluation of TMPA precipitation estimates from 2008 to 2012 over China[J]. Meteor Mon, 41(3): 353-363 (in Chinese).
|
金晓龙, 邵华, 邱源, 等, 2018. TRMM卫星降水数据在天山山区的校正方法研究[J]. 气象, 44(7): 882-891. Jin X L, Shao H, Qiu Y, et al, 2018. Correction method of TRMM satellite precipitation data in Tianshan Mountains[J]. Meteor Mon, 44(7): 882-891 (in Chinese).
|
金晓龙, 邵华, 张弛, 等, 2016. GPM卫星降水数据在天山山区的适用性分析[J]. 自然资源学报, 31(12): 2074-2085. Jin X L, Shao H, Zhang C, et al, 2016. The applicability evaluation of three satellite products in Tianshan Mountains[J]. J Nat Resour, 31(12): 2074-2085 (in Chinese). DOI:10.11849/zrzyxb.20160057
|
李红梅, 周天军, 宇如聪, 2008. 近四十年我国东部盛夏日降水特性变化分析[J]. 大气科学, 32(2): 358-370. Li H M, Zhou T J, Yu R C, 2008. Analysis of July-August daily precipitation characte-ristics variation in Eastern China during 1958-2000[J]. Chin J Atmos Sci, 32(2): 358-370 (in Chinese). DOI:10.3878/j.issn.1006-9895.2008.02.14
|
李建, 宇如聪, 孙溦, 2013. 从小时尺度考察中国中东部极端降水的持续性和季节特征[J]. 气象学报, 71(4): 652-659. Li J, Yu R C, Sun W, 2013. Duration and seasonality of the hourly extreme rainfall in the central-eastern part of China[J]. Acta Meteor Sin, 71(4): 652-659 (in Chinese).
|
刘绿柳, 杜良敏, 廖要明, 等, 2018. 基于时空统计降尺度的淮河流域夏季分月降水概率预测[J]. 气象, 44(11): 1464-1470. Liu L L, Du L M, Liao Y M, et al, 2018. Probability prediction of monthly precipitation over Huaihe River Basin in China in summer based on spatio-temporal statistical downscaling method[J]. Meteor Mon, 44(11): 1464-1470 (in Chinese).
|
卢乃锰, 方翔, 刘健, 等, 2017. 气象卫星的云观测[J]. 气象, 43(3): 257-267. Lu N M, Fang X, Liu J, et al, 2017. Understanding clouds by meteorological satellite[J]. Meteor Mon, 43(3): 257-267 (in Chinese).
|
骆三, 苗峻峰, 牛涛, 等, 2011. TRMM测雨产品3B42与台站资料在中国区域的对比分析[J]. 气象, 37(9): 1081-1090. Luo S, Miao J F, Niu T, et al, 2011. A comparison of TRMM 3B42 products with rain gauge observations in China[J]. Meteor Mon, 37(9): 1081-1090 (in Chinese).
|
宁亮, 钱永甫, 2008. 中国年和季各等级日降水量的变化趋势分析[J]. 高原气象, 27(5): 1010-1020. Ning L, Qian Y F, 2008. Analyses on trends of annual and seasonal four kinds of daily preci-pitation in China[J]. Plateau Meteor, 27(5): 1010-1020 (in Chinese).
|
田冰, 王裕宜, 洪勇, 2008. 泥石流预报中前期降水量与始发日降水量的权重关系——以云南省蒋家沟为例[J]. 水土保持通报, 28(2): 71-75. Tian B, Wang Y Y, Hong Y, 2008. Weighted relation between antecedent rainfall and process precipitation in debris flow prediction-a case study of Jiangjia Gully in Yunnan Pro-vince[J]. Bull Soil Water Conserv, 28(2): 71-75 (in Chinese).
|
Artan G, Gadain H, Smith J L, et al, 2007. Adequacy of satellite derived rainfall data for stream flow modeling[J]. Nat Hazards, 43(2): 167-185. DOI:10.1007/s11069-007-9121-6
|
Chen F J, Fu Y F, 2015. Contribution of tropical cyclone rainfall at categories to total precipitation over the Western North Pacific from 1998 to 2007[J]. Sci China Earth Sci, 58(11): 2015-2025. DOI:10.1007/s11430-015-5103-9
|
Fischer E M, Knutti R, 2014. Detection of spatially aggregated changes in temperature and precipitation extremes[J]. Geophys Res Lett, 41(2): 547-554. DOI:10.1002/2013GL058499
|
Fu Y F, Chen F J, Liu G S, et al, 2016. Recent trends of summer convective and stratiform precipitation in mid-eastern China[J]. Sci Rep, 6: 33044. DOI:10.1038/srep33044
|
Hong Y, Hsu K L, Moradkhani H, et al, 2006. Uncertainty quantification of satellite precipitation estimation and Monte Carlo assessment of the error propagation into hydrologic response[J]. Water Resour Res, 42(8): W08421.
|
Hou A, 2008.The global precipitation measurement (GPM) mission: overview and status[C].//Proceedings of the 4th International Precipitation Working Group Workshop.Beijing: NASA Goddard Space Flight Center: 13-17.
|
Huffman G J, Bolvin D T, Nelkin E J, et al, 2007. The TRMM multisatellite precipitation analysis (TMPA):quasi-global, multiyear, combined-sensor precipitation estimates at fine scales[J]. J Hydrometeorol, 8(1): 38-55. DOI:10.1175/JHM560.1
|
Liu R, Liu S C, Cicerone R J, et al, 2015. Trends of extreme precipitation in eastern China and their possible causes[J]. Adv Atmos Sci, 32(8): 1027-1037. DOI:10.1007/s00376-015-5002-1
|
Manz B, Páez-Bimos S, Horna N, et al, 2017. Comparative ground validation of IMERG and TMPA at variable spatiotemporal scales in the tropical andes[J]. J Hydrometeorol, 18(9): 2469-2489. DOI:10.1175/JHM-D-16-0277.1
|
Min S K, Zhang X B, Zwiers F W, et al, 2011. Human contribution to more-intense precipitation extremes[J]. Nature, 470(7334): 378-381. DOI:10.1038/nature09763
|
Prakash S, Mitra A K, Pai D S, et al, 2016. From TRMM to GPM:how well can heavy rainfall be detected from space?[J]. Adv Water Resour, 88: 1-7. DOI:10.1016/j.advwatres.2015.11.008
|
Tang G Q, Ma Y Z, Long D, et al, 2016a. Evaluation of GPM Day-1 IMERG and TMPA version-7 legacy products over Mainland China at multiple spatiotemporal scales[J]. J Hydrol, 533: 152-167. DOI:10.1016/j.jhydrol.2015.12.008
|
Tang G Q, Zeng Z Y, Long D, et al, 2016b. Statistical and hydrological comparisons between TRMM and GPM level-3 products over a midlatitude basin:is day-1 IMERG a good successor for TMPA 3B42V7?[J]. J Hydrometeorol, 17(1): 121-137. DOI:10.1175/JHM-D-15-0059.1
|
Tian Y D, Peters-Lidard C D, Choudhury B J, et al, 2007. Multitemporal analysis of TRMM-based satellite precipitation products for land data assimilation applications[J]. J Hydrometeorol, 8(6): 1165-1183. DOI:10.1175/2007JHM859.1
|
Tian Y D, Peters‐Lidard C D, Eylander J B, et al, 2009. Component analysis of errors in satellite-based precipitation estimates[J]. J Geophys Res:Atmos, 114(D24): D24101. DOI:10.1029/2009JD011949
|
Varun J, Kireet K, 2006. Extreme rainfall events and associated natural hazards in Alaknanda valley, Indian Himalayan Region[J]. J Mt Sci, 3(3): 228-236. DOI:10.1007/s11629-006-0228-0
|
Wang Z L, Zhong R D, Lai C G, et al, 2017. Evaluation of the GPM IMERG satellite-based precipitation products and the hydrological utility[J]. Atmos Res, 196: 151-163. DOI:10.1016/j.atmosres.2017.06.020
|