潘 旸 谷軍霞 師春香 王 正

1 引 言

多源降水融合分析一直是高分辨率高質(zhì)量網(wǎng)格化降水產(chǎn)品研發(fā)的主流趨勢(shì)，在中國(guó)氣象局實(shí)況業(yè)務(wù)中應(yīng)用廣泛。以往對(duì)高分辨率降水產(chǎn)品的研制、評(píng)估及檢驗(yàn)等多集中在夏季引發(fā)災(zāi)害的強(qiáng)降水、特別是極端降水，對(duì)冬季產(chǎn)品的質(zhì)量關(guān)注比較少。冬季降水作為陸面氣象產(chǎn)品研制的驅(qū)動(dòng)數(shù)據(jù)等應(yīng)用，對(duì)冬季土壤濕度、積雪等要素的模擬與預(yù)測(cè)至關(guān)重要。中國(guó)氣象局多源融合實(shí)況分析產(chǎn)品（ART）的中國(guó)區(qū)域5和1 km分辨率多源降水分析產(chǎn)品應(yīng)用了雷達(dá)、風(fēng)云（FY）氣象衛(wèi)星產(chǎn)品和地面觀測(cè)資料（潘旸等，2018），但這些降水?dāng)?shù)據(jù)源在中國(guó)北方冬季卻各有缺陷。一般來(lái)說(shuō)，受遙感探測(cè)能力和反演算法的限制，衛(wèi)星產(chǎn)品對(duì)固態(tài)降水反演的能力有限（Cao，et al，2018；Yong，et al，2012）。對(duì)中國(guó)北方、西部及青藏高原地區(qū)，由于自然條件和地形復(fù)雜等原因，探測(cè)及觀測(cè)儀器設(shè)備維護(hù)困難，雷達(dá)的覆蓋嚴(yán)重不足，且受地形遮擋嚴(yán)重。而地面自動(dòng)站觀測(cè)多采用的翻斗式雨量計(jì)冬季停測(cè)，剩下的稱重式雨量計(jì)數(shù)量不足，研究（Ghajarnia，et al，2015；Derin，et al，2016）表明地面觀測(cè)站稀疏時(shí)難以為衛(wèi)星降水的偏差訂正和融合提供足夠的觀測(cè)信息，反而會(huì)使融合產(chǎn)品精度降低。數(shù)據(jù)源產(chǎn)品冬季的質(zhì)量水平整體下降，造成現(xiàn)有多源融合降水產(chǎn)品在中國(guó)北方冬季較夏季精度亦明顯下降，特別是從累積降水上看，北方及中高緯度地區(qū)的降水量值明顯偏小，這會(huì)嚴(yán)重影響如積雪模擬等降水產(chǎn)品應(yīng)用的效果，因此需要引入對(duì)冬季特別是固態(tài)降水更有效的估計(jì)信息來(lái)改善融合的效果。

一方面，數(shù)值預(yù)報(bào)模式對(duì)中高緯度天氣系統(tǒng)有一定把握能力，模式降水產(chǎn)品對(duì)中高緯度地區(qū)的系統(tǒng)性降水過(guò)程，特別是固態(tài)降水的描述具有優(yōu)勢(shì)（Lundquist，et al，2019；Beck，et al，2019），在區(qū)域降水融合分析中引入模式或再分析降水產(chǎn)品，對(duì)高緯度和復(fù)雜地形區(qū)降水的精度有一定程度的改進(jìn)（Tang，et al，2021；Bhuiyan，et al，2019）。另一方面，隨著衛(wèi)星探測(cè)手段的不斷進(jìn)步，2014年GPM（Global Precipitation Measurement）計(jì)劃采用雙頻測(cè)雨雷達(dá)（DPR）新一代衛(wèi)星遙感探測(cè)儀器，能夠反演固態(tài)降水（Houze，et al，2015）。美國(guó)全球多衛(wèi)星集成降水產(chǎn)品（Integrated Multi-satellitE Retrievals for GPM，IMERG）（Huffman，et al，2015）和日本全球衛(wèi)星降水制圖產(chǎn)品（Global Satellite Mapping of Precipitation，GSMaP）（Ushio，et al，2009；Otsuka，et al，2016）等應(yīng)用了GPM信息的多衛(wèi)星集成降水產(chǎn)品有望對(duì)冬季降水質(zhì)量有一定程度的改進(jìn)。以往關(guān)于IMERG等衛(wèi)星反演降水產(chǎn)品的評(píng)估分析以及對(duì)模式降水預(yù)報(bào)的檢驗(yàn)相關(guān)研究對(duì)夏季暴雨頻發(fā)的情況比較多，但對(duì)冬季的關(guān)注較少，對(duì)不同源降水產(chǎn)品對(duì)冬季降水特別是固態(tài)降水的評(píng)估分析不多。此外，近年來(lái)在降水的偏差訂正和融合方面嘗試在日尺度引入更多模式、衛(wèi)星資料也取得一些效果（Bhuiyan，et al，2019；Yin，et al，2021），但對(duì)逐小時(shí)高分辨率的產(chǎn)品應(yīng)用鮮少涉及。

本研究針對(duì)中國(guó)北方地區(qū)詳細(xì)分析了不同源高時(shí)、空分辨率的格點(diǎn)降水資料在冬季特別是固態(tài)降水的誤差精度，評(píng)估了冬季衛(wèi)星、雷達(dá)和模式降水的可用性，并基于評(píng)估結(jié)果在多源降水分析中引入優(yōu)質(zhì)數(shù)據(jù)源以改善冬季降水融合分析的效果。

2 不同來(lái)源降水產(chǎn)品及處理

參與評(píng)估的降水產(chǎn)品包括中國(guó)的地面觀測(cè)網(wǎng)格分析產(chǎn)品、雷達(dá)定量降水估計(jì)（Quanity Precipitation Estimate，QPE）產(chǎn)品、模式預(yù)報(bào)降水?dāng)?shù)據(jù)以及國(guó)際主流的多衛(wèi)星集成反演降水產(chǎn)品等，表1給出了具體產(chǎn)品的來(lái)源機(jī)構(gòu)、時(shí)空屬性、數(shù)據(jù)源及時(shí)效信息。

表1 降水產(chǎn)品列表Table 1 List of precipitation products

（1）地面分析降水資料

采用基于氣候背景場(chǎng)比值最優(yōu)插值（OI）的地面降水網(wǎng)格化分析技術(shù)（沈艷等，2012），根據(jù)中國(guó)北方站網(wǎng)密度優(yōu)化分析半徑，利用區(qū)域自動(dòng)氣象站和國(guó)家級(jí)一般站、天氣骨干站（冬季約4萬(wàn)個(gè)）自動(dòng)觀測(cè)的逐小時(shí)降水量數(shù)據(jù)，分析形成0.05°×0.05°等經(jīng)緯度網(wǎng)格的地面觀測(cè)降水分析產(chǎn)品（以下簡(jiǎn)稱“GGA”產(chǎn)品）。

（2）衛(wèi)星降水產(chǎn)品

評(píng)估采用的衛(wèi)星降水資料主要有美國(guó)CMORPH、IMERGE和日本GSMaP等國(guó)際主流的多衛(wèi)星集成降水產(chǎn)品，這些產(chǎn)品質(zhì)量總體上較單一基于靜止氣象衛(wèi)星紅外亮溫估測(cè)的降水產(chǎn)品精度更高（Sun，et al，2018）。IMERG是美國(guó)國(guó)家航空航天局（NationalAeronautics and Space Administration，NASA）采用卡爾曼濾波平滑（Kalman Filter Smooth）技術(shù)（Joyce，et al，2011）研制的全球多衛(wèi)星集成降水產(chǎn)品，應(yīng)用了GPM的雙頻測(cè)雨雷達(dá)（DPR）數(shù)據(jù)，增強(qiáng)了對(duì)固態(tài)降水的探測(cè)能力，評(píng)估采用的是滯后14.5 h的lately產(chǎn)品。CMORPH衛(wèi)星反演降水資料是美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction，NCEP）下屬氣候預(yù)測(cè)中心（Climate Prediction Center，CPC）研發(fā)的實(shí)時(shí)衛(wèi)星 反 演 降 水 系 統(tǒng)CMORPH（CPC MORPHing technique）降水產(chǎn)品（Joyce，et al，2004，2011），采用morphing技術(shù)，基于紅外亮溫計(jì)算冷云矢量，再采用拉格朗日法向前向后外推微波降水得到30 min/8 km分辨率的降水分析，評(píng)估采用的是滯后20 h的raw產(chǎn)品。GSMaP是日本宇宙航空開(kāi)發(fā)機(jī)構(gòu)（JAXA）研發(fā)的基于GPM時(shí)代的全球衛(wèi)星降水制圖產(chǎn)品（Ushio，et al，2009）。其近實(shí)時(shí)（NRT）和MVK產(chǎn)品采用美國(guó)CPC研制的逐日/0.5°×0.5°地面格點(diǎn)降水分析產(chǎn)品（CPCU）進(jìn)行偏差訂正，CPCU在中國(guó)區(qū)域大約用到400個(gè)國(guó)際交換站的日值降水觀測(cè)數(shù)據(jù)進(jìn)行分析（Mega，et al，2019）。評(píng)估所用的是滯后4.5 h的NRT產(chǎn)品。

（3）雷達(dá)降水產(chǎn)品

研究采用的雷達(dá)數(shù)據(jù)是中國(guó)氣象局氣象探測(cè)中心研制的中國(guó)區(qū)域雷達(dá)降水?dāng)?shù)據(jù)產(chǎn)品（簡(jiǎn)稱MOC-QPE），該產(chǎn)品是根據(jù)不同雷達(dá)通過(guò)實(shí)時(shí)統(tǒng)計(jì)雷達(dá)反射率因子-雨強(qiáng)（Z-R）關(guān)系的方法估測(cè)降水，并利用2400個(gè)國(guó)家級(jí)自動(dòng)氣象站地面降水采用卡爾曼濾波、平均校準(zhǔn)等方法進(jìn)行了校正。該產(chǎn)品的時(shí)、空分辨率為逐時(shí)、0.01°經(jīng)緯度，將數(shù)據(jù)每5×5個(gè)格點(diǎn)逐個(gè)累加平均成0.05°經(jīng)緯度的數(shù)據(jù)參與評(píng)估。

（4）模式降水產(chǎn)品

采用了中國(guó)氣象局CMA-MESO模式3 km高分辨率的每日00/06/12/18時(shí)（世界時(shí)，下同）起報(bào)18—24 h預(yù)報(bào)累計(jì)總降水量數(shù)據(jù)（簡(jiǎn)稱CMAMESO），時(shí)段選取參考了關(guān)于GRAPES-MESO 3 km模式日循環(huán)逐時(shí)降水相關(guān)預(yù)報(bào)檢驗(yàn)研究（謝漪云等，2021），采取的是基于6—30 h的預(yù)報(bào)數(shù)據(jù)。用目標(biāo)時(shí)刻的預(yù)報(bào)累計(jì)降水量減去前一時(shí)刻的累計(jì)降水量得到目標(biāo)時(shí)刻過(guò)去1 h的降水量，依次將18—24 h逐時(shí)的累計(jì)降水處理成6個(gè)時(shí)次的逐時(shí)降水量數(shù)據(jù)。

將上述不同空間分辨率的降水產(chǎn)品采用鄰近插值方法重采樣至0.05°×0.05°，同時(shí)將部分時(shí)間分辨率為30 min的小時(shí)平均降水率累計(jì)平均成1 h降水量，統(tǒng)一在1 h/0.05°×0.05°時(shí)、空分辨率上進(jìn)行對(duì)比評(píng)估。

3 融合背景場(chǎng)優(yōu)化試驗(yàn)

3.1 背景場(chǎng)優(yōu)化的融合試驗(yàn)

設(shè)計(jì)逐步引入不同類型降水?dāng)?shù)據(jù)源的融合試驗(yàn)，考察中國(guó)北方冬季不同源的降水產(chǎn)品對(duì)融合產(chǎn)品精度的影響。參與融合試驗(yàn)的數(shù)據(jù)源包括基于4萬(wàn)多個(gè)自動(dòng)氣象站觀測(cè)的網(wǎng)格分析產(chǎn)品、雷達(dá)QPE、IMERG衛(wèi)星和CMA-MESO模式產(chǎn)品。具體如表2所示，試驗(yàn)1采用雷達(dá)估測(cè)降水和地面觀測(cè)融合分析形成二源融合降水；試驗(yàn)2在試驗(yàn)1基礎(chǔ)上增加IMERG衛(wèi)星產(chǎn)品，形成衛(wèi)星、雷達(dá)和地面觀測(cè)融合降水，對(duì)比分析引入衛(wèi)星產(chǎn)品對(duì)融合降水的影響；試驗(yàn)3進(jìn)一步引入模式數(shù)據(jù)，考察多源融合優(yōu)化背景場(chǎng)對(duì)融合產(chǎn)品質(zhì)量的提升效果。

表2 數(shù)據(jù)源優(yōu)化融合試驗(yàn)方案Table 2 Optimized merged schemes of different precipitation sources

3.2 融合分析技術(shù)

降水?dāng)?shù)據(jù)源在應(yīng)用于融合背景場(chǎng)之前，首先以地面站點(diǎn)觀測(cè)為基準(zhǔn)，采用概率密度函數(shù)（PDF）匹配方法對(duì)雷達(dá)、衛(wèi)星、模式降水資料進(jìn)行偏差訂正，該方法在高分辨率雷達(dá)和衛(wèi)星降水的偏差訂正上取得了較好的應(yīng)用效果（潘旸等，2018；宇婧婧等，2013；Shen，et al，2014），而在針對(duì)模式降水預(yù)報(bào)的偏差訂正中也有類似的方法應(yīng)用（李俊等，2014；孫靖等，2015）。應(yīng)用概率密度函數(shù)方法的關(guān)鍵在于獲取相對(duì)穩(wěn)定的地面基準(zhǔn)樣本和待訂正樣本的累積概率密度（CDF）曲線，因此要根據(jù)不同源降水產(chǎn)品的特征調(diào)整匹配樣本選取的時(shí)空窗口和合適的訂正空間范圍。與雷達(dá)、衛(wèi)星產(chǎn)品相比，模式降水也基本呈現(xiàn)弱降水高估強(qiáng)降水低估，只是系統(tǒng)性偏差更大。本方案特別針對(duì)CMA-MESO系統(tǒng)性整體偏強(qiáng)的特征，設(shè)置了0降水樣本匹配的閾值（取值0.1），減小了匹配非0樣本數(shù)總量，有效提高了概率密度函數(shù)訂正的計(jì)算效率。圖1給出地面觀測(cè)基準(zhǔn)數(shù)據(jù)和雷達(dá)、衛(wèi)星、模式等不同數(shù)據(jù)源及偏差訂正的結(jié)果?？臻g形態(tài)上，中國(guó)南方地區(qū)雷達(dá)產(chǎn)品與地面分析產(chǎn)品更加接近，但是在北方地區(qū)降水范圍卻大幅縮小。北方地區(qū)衛(wèi)星和模式產(chǎn)品偏差訂正的效果相對(duì)比較明顯。

圖1 不同降水產(chǎn)品2021年1月累計(jì)降水的空間分布 （a. GGA，b. MOC-QPE，c. IMERG，d. CMA-MESO，e—g. 對(duì)應(yīng)數(shù)據(jù)源（b—d）的偏差訂正結(jié)果）Fig. 1 Distribution of accumulated rainfall in January 2021 （a. GGA，b. MOC-QPE，c. IMERG，d. CMA-MESO，e—g. the biascorrected product of multi-source preducts （b—d））

其次，采用貝葉斯模型平均（BMA）方法將多種降水資料融合形成最優(yōu)背景場(chǎng)。該方法最初多應(yīng)用于數(shù)值模式的集合預(yù)報(bào)（Raftery，et al，2005），其基本原理是期望的貝葉斯模型平均預(yù)報(bào)相當(dāng)于各模型經(jīng)過(guò)觀測(cè)訂正后的似然估計(jì)加權(quán)平均。該方法在降水融合領(lǐng)域也有較多的應(yīng)用（潘旸等，2018；Ma，et al，2018；Tang，et al，2021），針對(duì)雷達(dá)、衛(wèi)星等不同數(shù)據(jù)源降水?dāng)?shù)據(jù)，以地面觀測(cè)為基準(zhǔn)，在一定時(shí)空范圍內(nèi)匹配樣本訓(xùn)練來(lái)計(jì)算它們的權(quán)重和誤差，從而形成最接近地面觀測(cè)的融合背景場(chǎng)。本試驗(yàn)方案除了衛(wèi)星和雷達(dá)數(shù)據(jù)源，還增加了對(duì)模式資料的融合應(yīng)用。圖2給出中國(guó)北方地區(qū)3種資料平均的貝葉斯模型融合權(quán)重系數(shù)的時(shí)間序列變化，MOC-QPE、IMERG衛(wèi)星和CMA-MESO模式降水產(chǎn)品總體平均的權(quán)重系數(shù)分別為0.21、0.22和0.57，時(shí)間序列上有明顯規(guī)律性波動(dòng)，這與北方部分省份雷達(dá)業(yè)務(wù)冬季的開(kāi)機(jī)時(shí)間設(shè)置有關(guān)。就權(quán)重系數(shù)而言，三源降水產(chǎn)品在進(jìn)行貝葉斯模型平均融合時(shí)，CMA-MESO模式產(chǎn)品對(duì)背景場(chǎng)的作用要大于MOC-QPE和IMERG衛(wèi)星產(chǎn)品。

圖2 不同數(shù)據(jù)源中國(guó)北方地區(qū)平均的貝葉斯模型融合權(quán)重百分比的時(shí)間序列Fig. 2 Time series of averaged BMA merged weight percentage of different sources of precipitation in northern China

4 評(píng)估結(jié)果分析

4.1 評(píng)估方法和指標(biāo)

評(píng)估采用獨(dú)立檢驗(yàn)的方式，使用國(guó)家級(jí)基準(zhǔn)氣候站和基本氣象站為檢驗(yàn)站，以其自動(dòng)觀測(cè)的逐時(shí)降水?dāng)?shù)據(jù)為“真值”，將待檢驗(yàn)的各類降水產(chǎn)品格點(diǎn)上降水值通過(guò)最鄰近插值方法插值到檢驗(yàn)站上，與“真值”進(jìn)行差異比較。評(píng)估指標(biāo)包括相關(guān)系數(shù)、均方根誤差（RMSE）、相對(duì)偏差（Rbias）以及KGE（Kling-Gupta Efficiency）評(píng)分（Gupta，et al，2009；Kling，et al，2012）等統(tǒng)計(jì)誤差，以及命中率（POD）、虛警率（FAR）和臨界成功指數(shù)（CSI）評(píng)分（或TS評(píng)分）等評(píng)估降水事件描述準(zhǔn)確率指標(biāo)。其中，相關(guān)系數(shù)、均方根誤差、相對(duì)偏差以及命中率、虛警率和TS評(píng)分的計(jì)算公式可參考Pang等（2021）。

KGE評(píng)分的計(jì)算如式（1）所示，其中，r為相關(guān)系數(shù)，β 和γ分別表征偏差和方差相關(guān)的指標(biāo)，其中，μ和 σ為均值和標(biāo)準(zhǔn)差，下標(biāo)s和o分別表示被檢驗(yàn)降水產(chǎn)品和觀測(cè)降水。KGE評(píng)分越接近1，說(shuō)明精度水平越高。

統(tǒng)計(jì)評(píng)估的時(shí)間段為2019年12月1日00時(shí)—2020年2月29日23時(shí)，共2184個(gè)時(shí)次。評(píng)估關(guān)注北方16個(gè)省級(jí)行政區(qū)（約458個(gè)檢驗(yàn)站），具體包括：黑龍江、吉林、遼寧、內(nèi)蒙古、甘肅、寧夏、青海、西藏、新疆、陜西、山西、北京、天津、河北、山東、河南。其中，由于西藏地區(qū)雷達(dá)覆蓋較少，樣本數(shù)量不足，且青藏高原地形條件復(fù)雜，需要針對(duì)性的開(kāi)展研究，這里暫不針對(duì)青藏高原的情況進(jìn)行特別討論。

評(píng)估特別針對(duì)固態(tài)降水的情況做了近似考慮。在采樣時(shí)利用同站點(diǎn)觀測(cè)的逐時(shí)平均氣溫?cái)?shù)據(jù)，取氣溫低于0℃的條件來(lái)匹配樣本，以評(píng)估不同類型的產(chǎn)品對(duì)固態(tài)降水的展現(xiàn)能力。

4.2 降水誤差統(tǒng)計(jì)指標(biāo)水平分析

表3給出不同類型降水產(chǎn)品在北方冬季的誤差統(tǒng)計(jì)值。在不同的單源產(chǎn)品中，精度最高的是地面站點(diǎn)觀測(cè)插值分析降水（GGA），例如：KGE評(píng)分最高，相關(guān)系數(shù)超過(guò)0.6，均方根誤差最低，只是存在較大的負(fù)偏差。其次是IMERG衛(wèi)星產(chǎn)品，KGE綜合指標(biāo)接近0.3，明顯優(yōu)于其他衛(wèi)星產(chǎn)品。MOCQPE和CMA-MESO模式預(yù)報(bào)產(chǎn)品因?yàn)槎即嬖谳^嚴(yán)重的偏差，均方根誤差也相對(duì)較大，KGE值均未超過(guò)0.0，但是這兩類產(chǎn)品的相關(guān)系數(shù)都超過(guò)0.45，較IMERG的0.385更高，說(shuō)明它們對(duì)描述北方降水的時(shí)空演變可能更有優(yōu)勢(shì)。融合優(yōu)化的背景場(chǎng)與單源的雷達(dá)、衛(wèi)星、模式降水場(chǎng)相比精度有明顯提升，KGE增至0.4左右，對(duì)應(yīng)相關(guān)系數(shù)的提高以及均方根誤差和相對(duì)偏差的減小。背景場(chǎng)引入IMERG后精度提升明顯，再引入CMA-MESO模式產(chǎn)品之后精度更進(jìn)一步提升。背景場(chǎng)優(yōu)化之后能有效提升北方地區(qū)融合降水精度，其融合試驗(yàn)產(chǎn)品（試驗(yàn)2和試驗(yàn)3）的KGE值分別為0.36和0.374，均優(yōu)于單源表現(xiàn)最優(yōu)的地面插值分析產(chǎn)品的0.319。

表3 2019年12月—2020年2月中國(guó)北方地區(qū)各類降水產(chǎn)品的誤差統(tǒng)計(jì)Table 3 Statistical errors of different precipitation products over northern China from December 2019 to February 2020

檢查不同單源降水產(chǎn)品的KGE、相關(guān)系數(shù)和相對(duì)偏差等誤差統(tǒng)計(jì)指標(biāo)的空間分布及不同情景下的樣本分布比（圖3—5和表4）。在中國(guó)北方地區(qū)，地面插值分析產(chǎn)品的整體質(zhì)量最高，其KGE值在0.2—1.0的站數(shù)比例超過(guò)了50%，雷達(dá)和IMERG衛(wèi)星的比例分別為28.4%和23.5%，CMA-MESO模式產(chǎn)品僅有9.8%，而GSMaP和CMORPH兩個(gè)衛(wèi)星產(chǎn)品鮮有檢驗(yàn)站的KGE值超過(guò)0.2。從空間分布上看，地面觀測(cè)站分布較密集的陜西南部、山西南部、山東、京津冀、吉林和黑龍江南部地面分析產(chǎn)品KGE值較高，這些地區(qū)也大致對(duì)應(yīng)著較高的相關(guān)系數(shù)和較小的相對(duì)偏差。而在內(nèi)蒙古、新疆、甘肅、青海等站點(diǎn)稀疏區(qū)，地面分析產(chǎn)品KGE值較低，相關(guān)系數(shù)較低且偏差較大的站點(diǎn)增多，而在這些地區(qū)其他單源降水產(chǎn)品也表現(xiàn)較差。雷達(dá)降水在北方大部分是偏低的，特別是高緯度的新疆、內(nèi)蒙古、東北中北部地區(qū)程度嚴(yán)重，超過(guò)100%的站數(shù)明顯增多，這些地方的KGE值都低于0，而在遼寧、華北、陜西中南部和山西等偏南部的地區(qū)偏差較小，相關(guān)也相對(duì)較高，KGE值增大，局部能達(dá)到0.4—0.5。衛(wèi)星產(chǎn)品中，IMERG的KGE情況與雷達(dá)產(chǎn)品比較接近，但局部有差異，IMERG除了甘肅、青海、新疆、內(nèi)蒙古地區(qū)偏低為主，在東北高緯度地區(qū)以及華北地區(qū)強(qiáng)度卻偏強(qiáng)。GSMaP和CMORPH產(chǎn)品北方大部分地區(qū)KGE值都在0以下，對(duì)應(yīng)著較大的偏差和較低的相關(guān)，特別是CMORPH，基本對(duì)42°N以北地區(qū)的降水沒(méi)有反演能力，偏低程度都超過(guò)100%。CMORPH在西北地區(qū)東部則偏強(qiáng)，程度多超過(guò)100%。CMA-MESO模式產(chǎn)品則整體嚴(yán)重偏高（大于100%），因而KGE值較低，但值得注意的是CMA-MESO模式產(chǎn)品在北方地區(qū)相關(guān)系數(shù)較高，特別在40°N以北的地區(qū)，明顯優(yōu)于衛(wèi)星產(chǎn)品，在華北地區(qū)35°—40°N水平與IMERG接近，但也明顯優(yōu)于CMORPH，說(shuō)明模式對(duì)冬季北方系統(tǒng)性降水的時(shí)空演變模擬能力較衛(wèi)星產(chǎn)品有更大的優(yōu)勢(shì)。

表4 不同降水產(chǎn)品在不同KGE值區(qū)間的檢驗(yàn)站數(shù)與總檢驗(yàn)站數(shù)的占比百分率 （單位：%）Table 4 KGE values sample percentages of different precipitation products （unit：%）

圖3 不同來(lái)源降水產(chǎn)品檢驗(yàn)站KGE值的空間分布 （a. GGA，b. MOC-QPE，c.IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO，g. 融合試驗(yàn)1，h. 融合試驗(yàn)2，i. 融合試驗(yàn)3）Fig. 3 Spatial distributions of KGE values from different precipitation products （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO，g. Merge_test 1，h. Merge_test 2，i. Merge_test 3）

圖4 不同來(lái)源降水產(chǎn)品相對(duì)偏差 （單位：%）的空間分布 （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMAMESO）Fig. 4 Spatial distributions of relative bias （unit：%） from different precipitation products （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO）

總體上，地面分析產(chǎn)品的各種誤差指標(biāo)水平最優(yōu)，質(zhì)量水平主要受站網(wǎng)密度的影響。其次是雷達(dá)和IMERG衛(wèi)星產(chǎn)品，雖然它們對(duì)北方高緯度地區(qū)的降水反映能力較低，但能夠較好地描述北方偏南部一些地區(qū)的降水，與IMERG相比雷達(dá)產(chǎn)品在黑龍江南部、遼寧、吉林、內(nèi)蒙古以及甘肅、寧夏地區(qū)的相關(guān)系數(shù)要略高。模式產(chǎn)品雖然受到嚴(yán)重的正偏差影響，整體KGE值不高，但是在高緯度地區(qū)的相關(guān)系數(shù)卻較雷達(dá)和IMERG產(chǎn)品更有優(yōu)勢(shì)，可提供較連續(xù)的能反映系統(tǒng)時(shí)、空演變的背景場(chǎng)。此外，在局部地形影響的地區(qū)如河南中北部等，地面分析產(chǎn)品和雷達(dá)產(chǎn)品的KGE值相對(duì)較低，IMERG卻有一定的優(yōu)勢(shì)，在分析時(shí)考慮多種產(chǎn)品更有利于獲得局部和全局最優(yōu)的融合效果。

圖5 不同來(lái)源降水產(chǎn)品相關(guān)系數(shù)的空間分布 （a. GGA， b. MOC-QPE， c. IMERG， d. GSMaP， e. CMORPH， f. CMA-MESO）Fig. 5 Spatial distributions of correlation coefficients from different precipitation products （a. GGA， b. MOC-QPE，c. IMERG， d. GSMaP， e. CMORPH， f. CMA-MESO）

不同融合試驗(yàn)產(chǎn)品的KGE值空間分布比較一致，與地面分析的情況也比較接近，但是從統(tǒng)計(jì)站數(shù)樣本的分布（表4）上看，所有產(chǎn)品中地面分析產(chǎn)品KGE值在0.6—1.0所占比率是最高的，融合之后KGE小于0的比例則有所降低，主要提升了KGE值0.2—0.6的比例。3種融合試驗(yàn)中同時(shí)引入雷達(dá)、IMERG、CMA-MESO做背景場(chǎng)的融合降水評(píng)估結(jié)果最好，其次是雷達(dá)和IMERG做背景的融合，都要優(yōu)于僅采用雷達(dá)單源的背景場(chǎng)，說(shuō)明逐步引入IMERG和CMA-MESO模式降水產(chǎn)品優(yōu)化背景場(chǎng)能有效提升融合產(chǎn)品冬季降水的質(zhì)量。

4.3 固態(tài)降水情況的誤差分析

為了考察不同降水產(chǎn)品對(duì)中國(guó)北方固態(tài)降水的反映能力，對(duì)檢驗(yàn)站地面2 m氣溫低于0°C時(shí)的小時(shí)降水量樣本（約占總降水樣本量的43%）進(jìn)行了誤差統(tǒng)計(jì)分析（表5）。單源降水產(chǎn)品中，插值分析產(chǎn)品的精度水平比較穩(wěn)定，其KGE評(píng)分和相關(guān)系數(shù)只有微弱降低，其他單源產(chǎn)品的KGE值均下降明顯。雷達(dá)和衛(wèi)星產(chǎn)品的系統(tǒng)性偏低更加嚴(yán)重。衛(wèi)星產(chǎn)品中IMERG仍是相對(duì)最好的，CMORPH最差。除了CMA-MESO模式產(chǎn)品，其他產(chǎn)品的相關(guān)系數(shù)都有不同程度的降低。模式降水產(chǎn)品的相關(guān)系數(shù)提升，且與地面插值產(chǎn)品水平更加接近，說(shuō)明模式降水產(chǎn)品在對(duì)固態(tài)降水時(shí)空演變的反映能力上要優(yōu)于雷達(dá)和衛(wèi)星，可以提供更好的背景場(chǎng)空間和時(shí)空演變信息。

表5 不同來(lái)源降水產(chǎn)品對(duì)固態(tài)降水誤差統(tǒng)計(jì)Table 5 Statistical errors of solid precipitation from different products over northern China

進(jìn)一步檢查不同產(chǎn)品對(duì)固態(tài)降水KGE評(píng)分的空間分布和樣本的區(qū)間分布（圖6），單源地面插值分析產(chǎn)品的KGE值在北方要明顯高于其他類型的降水產(chǎn)品，盡管如此在黑龍江北部、內(nèi)蒙古北部、陜西中部、甘肅以及新疆局部地區(qū)KGE值相對(duì)較低，對(duì)應(yīng)著較大的偏差和較低的相關(guān)系數(shù)，這與總的冬季降水的評(píng)估結(jié)果基本一致。雷達(dá)、衛(wèi)星、模式等降水產(chǎn)品在經(jīng)過(guò)偏差訂正之后（圖7），KGE值都有不同程度的提高。最顯著的是CMA-MESO模式產(chǎn)品，除了青?！拭C、新疆西部及內(nèi)蒙古中北部局部地區(qū)KGE指標(biāo)都提升超過(guò)0.0，主要是正偏差的改進(jìn)較為顯著。其次雷達(dá)產(chǎn)品在河南、吉林、遼寧地區(qū)有提升，對(duì)應(yīng)的相關(guān)系數(shù)略有提高，但偏差訂正對(duì)高緯度地區(qū)雷達(dá)固態(tài)降水的提升并不明顯。IMERG的改進(jìn)主要在內(nèi)蒙古南部，相關(guān)系數(shù)和偏差的提升程度都比較微弱。

圖6 不同來(lái)源降水產(chǎn)品對(duì)固態(tài)降水的KGE評(píng)分的空間分布 （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO）Fig. 6 Spatial distributions of KGE values of solid precipitation from different products （a. GGA，b. MOC-QPE，c. IMERG，d. GSMaP，e. CMORPH，f. CMA-MESO）

逐步引入雷達(dá)、衛(wèi)星和模式降水產(chǎn)品之后，與單源的插值產(chǎn)品相比，雷達(dá)-地面二源融合以及雷達(dá)-衛(wèi)星-地面三源融合對(duì)固態(tài)降水的反映并未得到有效提升，新疆、東北、內(nèi)蒙古中部等地區(qū)的KGE值反而降低了。但是進(jìn)一步引入模式之后的多源融合降水KGE值與單源插值產(chǎn)品比較相近，這與總的冬季降水的評(píng)估結(jié)果類似，試驗(yàn)3的融合效果是最優(yōu)的。統(tǒng)計(jì)上看，融合試驗(yàn)3的KGE值大于0.0的站數(shù)比例較單源最優(yōu)的插值產(chǎn)品整體都略有提高（圖8a），主要在于較大偏差的站點(diǎn)樣本數(shù)減少，如相對(duì)偏差小于-75%和大于25%的樣本數(shù)減少（圖8c），相關(guān)系數(shù)較低的（低于0.2）站數(shù)比例明顯減少（圖8b）。融合試驗(yàn)2和3雖然也主要針對(duì)相關(guān)較低、偏差較大的樣本有改進(jìn)，但提升幅度不大，從均方根誤差上看，小于0.1 mm/h的站點(diǎn)數(shù)比例與地面插值分析和融合試驗(yàn)3的結(jié)果還有一定差距（圖8d），說(shuō)明引入模式產(chǎn)品對(duì)融合產(chǎn)品固態(tài)降水質(zhì)量提升作用較雷達(dá)和IMERG衛(wèi)星更加顯著。

4.4 降雪事件準(zhǔn)確率評(píng)估分析

針對(duì)單源降水精度和多源融合效果，對(duì)于降雪事件分別按逐時(shí)降水量和12 h累計(jì)降水量?jī)蓚€(gè)時(shí)間尺度來(lái)評(píng)估。圖9給出單源降水產(chǎn)品和各融合試驗(yàn)在小時(shí)尺度上，對(duì)不同強(qiáng)度降雪事件的反映。插值產(chǎn)品（GGA）有相對(duì)較高的命中率和較低的虛警率，TS評(píng)分在降水強(qiáng)度低于1.0 mm/h的單源降水產(chǎn)品中都是最高的，降水強(qiáng)度增強(qiáng)TS評(píng)分降低。雷達(dá)（MOC-QPE）和衛(wèi)星（IMERG）產(chǎn)品在各個(gè)強(qiáng)度上命中率和虛警率變化比較穩(wěn)定，而雷達(dá)對(duì)強(qiáng)度超過(guò)2 mm/h的降水事件TS評(píng)分優(yōu)勢(shì)明顯。CMAMESO模式產(chǎn)品有著較高的虛警率和命中率，與整體呈現(xiàn)較大的正偏差對(duì)應(yīng)，TS評(píng)分在小量值上優(yōu)于雷達(dá)。衛(wèi)星產(chǎn)品基本上對(duì)各種強(qiáng)度的降水事件都沒(méi)有很好的描述能力。3種融合試驗(yàn)產(chǎn)品中，引入IMERG衛(wèi)星和CMA-MESO模式兩種數(shù)據(jù)源的融合降水產(chǎn)品總體上呈現(xiàn)了較單一來(lái)源降水產(chǎn)品更高的TS評(píng)分，特別是強(qiáng)度低于2 mm/h的降雪事件，對(duì)于強(qiáng)度超過(guò)2 mm/h的降雪，也要優(yōu)于地面和模式降水產(chǎn)品。

圖9 不同源降水產(chǎn)品和融合試驗(yàn)產(chǎn)品不同小時(shí)強(qiáng)度降水的 （a） 命中率、（b） 虛警率和 （c） TS評(píng)分Fig. 9 （a） POD，（b） FAR and （c） TS scores of different products for different hourly precipitation intensity

對(duì)于12 h累計(jì)降水量，按照降雪標(biāo)準(zhǔn)劃分了小雪（＜1.0 mm）、中雪（1.0—3.0 mm）、大雪（3.0—6.0 mm）以及大雪以上（≥6.0 mm）量級(jí)， 圖10給出不同產(chǎn)品對(duì)不同降雪事件的描述能力。在單源降水產(chǎn)品中，插值分析產(chǎn)品（GGA）仍有相對(duì)較高的命中率和較低的虛警率，TS評(píng)分相對(duì)較優(yōu)，隨降雪強(qiáng)度增加TS評(píng)分減小。其次是IMERG衛(wèi)星產(chǎn)品和CMA-MESO模式產(chǎn)品。與小時(shí)尺度不同，累計(jì)12 h的雷達(dá)降水產(chǎn)品（MOC-QPE）在各種資料中的TS評(píng)分最低，體現(xiàn)在較低的命中率和較高的虛警率，雷達(dá)產(chǎn)品在北方地區(qū)與地面觀測(cè)整體呈現(xiàn)較大的負(fù)偏差，12 h累計(jì)效應(yīng)使誤差增大。IMERG衛(wèi)星產(chǎn)品對(duì)各種強(qiáng)度的降雪事件較小時(shí)尺度有一定提升，但仍處于較低水平。CMA-MESO模式有著較高的虛警率和命中率，與北方地區(qū)呈現(xiàn)較大的正偏差表現(xiàn)一致，整體上介于雷達(dá)和衛(wèi)星產(chǎn)品之間，且隨降雪強(qiáng)度增加TS評(píng)分略有降低。融合產(chǎn)品特別是多源融合的試驗(yàn)3產(chǎn)品，精度較地面插值分析產(chǎn)品在各強(qiáng)度下都有不同程度提升。

圖10 不同源降水產(chǎn)品和融合試驗(yàn)產(chǎn)品不同強(qiáng)度降雪事件 （12 h累計(jì)降水量） 的 （a） 命中率、（b） 虛警率和 （c） TS評(píng)分Fig. 10 （a） POD，（b） FAR，and （c） TS scores of different products for different 12 h-accumulated precipitation intensity grades

從不同時(shí)間尺度上看，3種融合試驗(yàn)產(chǎn)品中最優(yōu)的都是采用了雷達(dá)、衛(wèi)星和模式三源優(yōu)化背景場(chǎng)的融合產(chǎn)品，說(shuō)明引入模式產(chǎn)品對(duì)冬季固態(tài)降水的提升穩(wěn)定有效，是冬季降水融合分析中非常重要的數(shù)據(jù)源。就改進(jìn)幅度來(lái)說(shuō)，引入雷達(dá)、衛(wèi)星和模式等高分辨降水?dāng)?shù)據(jù)做背景場(chǎng)對(duì)提升小時(shí)尺度的降水精度更有優(yōu)勢(shì)，12 h累計(jì)降水尺度下融合產(chǎn)品相對(duì)于單源降水產(chǎn)品的精度優(yōu)勢(shì)沒(méi)有那么明顯，這可能與誤差的累積增長(zhǎng)有關(guān)。

5 總結(jié)及討論

本研究關(guān)注不同類型降水產(chǎn)品以及多源融合降水產(chǎn)品在中國(guó)北方地區(qū)對(duì)冬季降水特別是固態(tài)降水的描述能力，通過(guò)相關(guān)系數(shù)、相對(duì)偏差、均方根誤差等指標(biāo)和KGE評(píng)分綜合指標(biāo)，以及描述不同強(qiáng)度降雪事件的命中率、虛警率和TS評(píng)分等指標(biāo)進(jìn)行精度評(píng)價(jià)。通過(guò)3組融合降水試驗(yàn)，考察了引入不同數(shù)據(jù)源對(duì)融合降水精度的影響，以此評(píng)價(jià)不同類型的降水資料在冬季融合降水應(yīng)用中的重要性。主要結(jié)論如下：

（1）對(duì)于不同類型的單源降水產(chǎn)品，地面站點(diǎn)觀測(cè)插值分析產(chǎn)品冬季質(zhì)量最優(yōu)，不論是小時(shí)尺度的總降水、固態(tài)降水、12 h累計(jì)尺度的降水，其KGE評(píng)分、TS評(píng)分都有較穩(wěn)定且相對(duì)較優(yōu)的表現(xiàn)，只是存在相對(duì)較大的負(fù)偏差，精度受站點(diǎn)分布疏密的影響。衛(wèi)星產(chǎn)品中IMERG質(zhì)量最優(yōu)，在冬季較CMORPH產(chǎn)品改進(jìn)明顯，與小時(shí)尺度相比，IMERG的12 h累計(jì)降水精度有一定程度的提升。雷達(dá)和IMERG衛(wèi)星降水產(chǎn)品的KGE比較接近，對(duì)高緯度地區(qū)的降水特別是固態(tài)降水的描述能力較弱，對(duì)遼寧、山西南部、陜西中南部以及華北等相對(duì)偏南部地區(qū)的降水有一定刻畫(huà)能力，但在12 h累計(jì)降水尺度上雷達(dá)產(chǎn)品負(fù)偏差的累積效應(yīng)顯著，精度大幅下降。CMA-MESO模式降水產(chǎn)品存在很嚴(yán)重的正偏差，均方根誤差也較其他產(chǎn)品偏大，但相關(guān)系數(shù)較雷達(dá)和衛(wèi)星降水產(chǎn)品有明顯優(yōu)勢(shì)，特別是對(duì)固態(tài)降水，經(jīng)過(guò)偏差訂正后精度提升明顯，時(shí)空連續(xù)且分辨率較高，是冬季較優(yōu)的背景場(chǎng)數(shù)據(jù)源。

（2）逐步引入不同源降水?dāng)?shù)據(jù)進(jìn)行融合分析，僅使用單源質(zhì)量相對(duì)較好的雷達(dá)降水產(chǎn)品做背景場(chǎng)與地面觀測(cè)融合，未能取得較好的融合效果。引入雷達(dá)和IMERG衛(wèi)星產(chǎn)品做背景場(chǎng)與地面觀測(cè)融合后，在KGE、TS評(píng)分等指標(biāo)上均較單源產(chǎn)品有所提高，但是在反映固態(tài)降水的精度上優(yōu)勢(shì)不明顯。而引入CMA-MESO模式產(chǎn)品優(yōu)化背景場(chǎng)后，對(duì)總降水、固態(tài)降水以及12 h累計(jì)降雪事件來(lái)說(shuō)融合產(chǎn)品精度都有較穩(wěn)定的提高，KGE和TS評(píng)分都要優(yōu)于單一來(lái)源降水產(chǎn)品，因此高分辨率模式降水產(chǎn)品的應(yīng)用對(duì)冬季融合降水的精度改進(jìn)效果更為明顯，是較雷達(dá)和衛(wèi)星產(chǎn)品更加重要的融合數(shù)據(jù)源。

基于上述分析結(jié)果，對(duì)于中國(guó)北方地區(qū)的冬季降水，地面站點(diǎn)觀測(cè)雖然稀疏，但仍是最重要的融合分析數(shù)據(jù)源，中國(guó)氣象局規(guī)劃增加了北方冬季稱重式雨量計(jì)的布設(shè)，未來(lái)有望進(jìn)一步提升融合產(chǎn)品

冬季降水（降雪）的準(zhǔn)確率。包含GPM信息的IMERG衛(wèi)星反演降水產(chǎn)品相較于其他衛(wèi)星產(chǎn)品對(duì)中高緯度冬季降水精度有提升，但改進(jìn)幅度有限。雷達(dá)在北方冬季時(shí)空覆蓋不足，但精度略優(yōu)于衛(wèi)星產(chǎn)品。引入雷達(dá)和衛(wèi)星降水產(chǎn)品整體上比僅使用地面觀測(cè)精度有略微改進(jìn)，但對(duì)固態(tài)降水精度提升作用不大。高分辨率模式產(chǎn)品對(duì)冬季中高緯度固態(tài)降水比雷達(dá)、衛(wèi)星產(chǎn)品更有優(yōu)勢(shì)，因此對(duì)冬季降水的融合分析改進(jìn)效果更加顯著，融合分析需要適當(dāng)合理的使用模式信息。本研究模式產(chǎn)品采用的是CMA-MESO 3 km模式18—24 h降水預(yù)報(bào)，在實(shí)際應(yīng)用時(shí)可在評(píng)估不同模式不同預(yù)報(bào)時(shí)次的效果后，選取預(yù)報(bào)精度更高的模式產(chǎn)品進(jìn)行融合分析。以往研究表明，模式產(chǎn)品對(duì)山區(qū)降雪也有一定優(yōu)勢(shì)，未來(lái)應(yīng)進(jìn)一步探索模式產(chǎn)品在復(fù)雜地形的可用性。此外，不同降雪強(qiáng)度下，雷達(dá)、衛(wèi)星和模式降水產(chǎn)品精度的表現(xiàn)不同，如綜合來(lái)看，引入模式對(duì)整體指數(shù)的改進(jìn)效果明顯，但對(duì)強(qiáng)降水是削弱的，因此后期在融合算法改進(jìn)時(shí)，可嘗試更加智能的融合方法，在分析時(shí)考慮降水強(qiáng)度的影響，從而達(dá)到更優(yōu)的融合效果。