蔡志穎，鄭艷，段晶晶,，朱皓清，吳俊杰

(1.寧波市氣象臺(tái)，寧波 315000；2.寧波市鎮(zhèn)海區(qū)氣象局，寧波 315200；3.中國(guó)氣象局上海臺(tái)風(fēng)研究所，上海 200030；4.江蘇省啟東市氣象局，啟東 226200)

引言

降水是天氣預(yù)報(bào)、氣候變化和全球水文研究關(guān)注的熱點(diǎn)。傳統(tǒng)降水觀測(cè)來(lái)源于地面氣象觀測(cè)站，觀測(cè)結(jié)果雖然準(zhǔn)確，但其空間分布不連續(xù)。為彌補(bǔ)這一不足，諸多研究者將目光轉(zhuǎn)向天氣雷達(dá)和衛(wèi)星等遙感探測(cè)技術(shù)(Guo et al.，2015)。地基天氣雷達(dá)利用回波強(qiáng)度可定量估測(cè)降水，但受電子信號(hào)及運(yùn)行環(huán)境等誤差來(lái)源的影響，如地形遮擋、雷達(dá)射線抬升和Z-R關(guān)系的不確定性等，所估測(cè)的降水精度較低且估測(cè)區(qū)域有限。與前兩種地基觀測(cè)相比，衛(wèi)星觀測(cè)具備覆蓋范圍廣、觀測(cè)連續(xù)等優(yōu)勢(shì)。利用衛(wèi)星所搭載的各種探測(cè)器(如星載雷達(dá)、主被動(dòng)微波成像儀、可見/紅外輻射儀等)對(duì)降水進(jìn)行監(jiān)測(cè)、反演和融合，可得到多種類型的衛(wèi)星降水反演產(chǎn)品。近年來(lái)，衛(wèi)星觀測(cè)數(shù)據(jù)的時(shí)空分辨率大幅提高，衛(wèi)星定量估測(cè)降水算法發(fā)展較快(Sorooshian et al.，2000；Hong et al.，2004；Joyce et al.，2004)。其中，熱帶降水觀測(cè)衛(wèi)星TRMM(Tropical Rainfall Measuring Mission)作為第一顆專用于定量測(cè)量熱帶和亞熱帶降水的空間衛(wèi)星，其資料在氣候和水文研究領(lǐng)域得到廣泛應(yīng)用(Huffman et al.，2007；Yong et al.，2010；Xue et al.，2013)。美國(guó)航空航天局NASA (National Aeronautics and Space Administration)于2014 年啟動(dòng)全球降水觀測(cè)GPM (Global Precipitation Measurement)計(jì)劃。GPM 繼承了TRMM 的優(yōu)勢(shì)并采用新一代衛(wèi)星降水融合算法IMERG (Integrated Multi-satellitE Retrievals for GPM)，有效提高了對(duì)弱降水、固態(tài)降水和降水粒子性質(zhì)的捕捉能力，產(chǎn)品范圍擴(kuò)大至高緯地區(qū)(唐國(guó)強(qiáng)等，2015)。但衛(wèi)星大多通過(guò)探測(cè)云層溫度或云中粒子信息來(lái)間接推算降水量，其并不等同于直接觀測(cè)到的降水量，作為一種間接降水測(cè)量手段，產(chǎn)品使用前的評(píng)估工作十分必要。對(duì)GPM 衛(wèi)星降水產(chǎn)品的評(píng)估研究表明，雖然衛(wèi)星降水產(chǎn)品在年際尺度上的估測(cè)能力有顯著提高，但在極端降水事件中的估測(cè)能力有限(金曉龍等，2016；Chen and Li，2016；Li et al.，2017；Zhang et al.，2019；韓芙蓉等，2023)。

臺(tái)風(fēng)是產(chǎn)生暴雨的重要天氣系統(tǒng)，但受環(huán)境因素及臺(tái)風(fēng)本身特性影響，臺(tái)風(fēng)降水時(shí)空分布十分復(fù)雜，這給衛(wèi)星估測(cè)臺(tái)風(fēng)降水帶來(lái)較大挑戰(zhàn)(Wang et al.，2017；李曉俞等，2020)。Omranian 等(2018)評(píng)估了臺(tái)風(fēng)“哈維”影響期間GPM 估測(cè)的降水空間分布，并認(rèn)為其能夠較好地反映暴雨空間分布特征。肖柳斯等(2019)利用三個(gè)登陸廣東的臺(tái)風(fēng)降水過(guò)程，對(duì)GPM衛(wèi)星降水產(chǎn)品進(jìn)行了誤差評(píng)估，發(fā)現(xiàn)衛(wèi)星降水產(chǎn)品對(duì)臺(tái)風(fēng)過(guò)程降水總體強(qiáng)度存在低估，對(duì)強(qiáng)(弱)降水強(qiáng)度存在高(低)估。陳愛軍等(2021)精細(xì)化評(píng)估了GPM衛(wèi)星降水產(chǎn)品對(duì)臺(tái)風(fēng)“妮坦”降水的估測(cè)精度，指出GPM雖能較好地估測(cè)降水空間分布，但對(duì)暴雨嚴(yán)重低估。可見，GPM對(duì)極端降水的估測(cè)能力仍有較大不確定性，尤其是對(duì)臺(tái)風(fēng)降水的估測(cè)能力有待進(jìn)一步研究。當(dāng)衛(wèi)星估測(cè)降水與實(shí)際降水有較大偏差時(shí)，需引入地面氣象觀測(cè)站資料進(jìn)行客觀訂正，以提高衛(wèi)星降水產(chǎn)品的可應(yīng)用性。目前國(guó)內(nèi)外直接針對(duì)衛(wèi)星降水產(chǎn)品的訂正工作較少(劉少軍等，2021)，但針對(duì)地面雷達(dá)聯(lián)合雨量站的校正工作開展已較為成熟，其常用方法包括平均校正、距離加權(quán)、逐步訂正和最優(yōu)插值法等，這對(duì)衛(wèi)星降水?dāng)?shù)據(jù)的訂正是重要的借鑒(Cheema and Bastiaanssen，2012；孫樂(lè)強(qiáng)等，2014；Huffman et al.，2020)。

2021 第6 號(hào)臺(tái)風(fēng)“煙花”于7 月17 日16 時(shí)(世界時(shí)，下同)在西北太平洋洋面上生成，23日夜間進(jìn)入東海，先后在浙江省舟山市、嘉興平湖市兩次登陸。受“煙花”影響，22—28日浙江省出現(xiàn)持續(xù)強(qiáng)降水和大風(fēng)天氣?！盁熁ā庇绊憰r(shí)間和過(guò)程雨量為1951年以來(lái)登陸浙江省的臺(tái)風(fēng)之首。本文基于臺(tái)風(fēng)“煙花”影響期間的地面氣象觀測(cè)站雨量數(shù)據(jù)，對(duì)GPM衛(wèi)星降水產(chǎn)品進(jìn)行評(píng)估和訂正，既有助于了解“煙花”影響期間GPM衛(wèi)星反演產(chǎn)品在不同時(shí)間尺度上的降水估測(cè)能力，又對(duì)改進(jìn)IMERG 算法、提高臺(tái)風(fēng)降水的估計(jì)能力和精度、推進(jìn)數(shù)值模式資料同化及水文研究應(yīng)用具有重要的科學(xué)意義，也為尋求可靠的臺(tái)風(fēng)降水估測(cè)產(chǎn)品提供有益探索。

1 資料與方法

1.1 資料介紹

1.1.1 衛(wèi)星降水?dāng)?shù)據(jù)

由IMERG算法得到的GPM衛(wèi)星降水估測(cè)產(chǎn)品包含ER (Early Run)、LR (Late Run)和FR (Final Run)。ER 僅采用前向推演技術(shù)，主要用于災(zāi)害分析和短臨預(yù)報(bào)業(yè)務(wù)，LR 產(chǎn)品制作過(guò)程中增加了后向推演，數(shù)據(jù)更為豐富，可應(yīng)用于逐日或更長(zhǎng)時(shí)間尺度上的分析，兩種產(chǎn)品分別延時(shí)約4 h 和14 h 發(fā)布。與ER 和LR相比，F(xiàn)R雖延時(shí)約3個(gè)月發(fā)布，但利用全球逐月觀測(cè)降水加以校正，結(jié)果在三者中最為準(zhǔn)確，是科學(xué)研究的首選產(chǎn)品(Huffman et al.，2020)。本研究所用的GPM 衛(wèi)星降水?dāng)?shù)據(jù)為NASA 提供的第六版本FR 產(chǎn)品，時(shí)空分辨率為30 min、0.1°×0.1°，并覆蓋全球范圍(90°S—90°N)。

1.1.2 地面氣象觀測(cè)站雨量數(shù)據(jù)

本文使用浙江省內(nèi)3 742 個(gè)地面氣象觀測(cè)站(含102 個(gè)國(guó)家站和3 640 個(gè)區(qū)域站)的小時(shí)雨量數(shù)據(jù)，站點(diǎn)位置和高度分布如圖1 所示。浙江地形南部多山地，北部以低平的沖積平原為主。小時(shí)雨量資料時(shí)間范圍為2021年7月22日00時(shí)—28日00時(shí)，即臺(tái)風(fēng)“煙花”對(duì)浙江省的影響時(shí)段。

圖1 浙江省內(nèi)地面氣象觀測(cè)站位置(圓點(diǎn))和高度(色斑)的空間分布及2021年7月22日00時(shí)—28日00時(shí)臺(tái)風(fēng)“煙花”移動(dòng)路徑(曲線，不同顏色表示臺(tái)風(fēng)強(qiáng)度等級(jí))Fig.1 spatialDistributionof meteorological stations position(dot)and altitude(patch)in Zhejiang,along with the best tracks(curve)of Typhoon“In-Fa”from 00 UTC on July 22nd to 00 UTC on July 28th,2021.Typhoon intensity levels are marked by different colors

1.1.3 資料預(yù)處理

由于GPM 衛(wèi)星降水產(chǎn)品為格點(diǎn)數(shù)據(jù)且分辨率為30 min，而地面氣象觀測(cè)為逐小時(shí)站點(diǎn)數(shù)據(jù)，兩者類型、時(shí)間和空間尺度均不相同，因此需分別對(duì)這兩類數(shù)據(jù)進(jìn)行預(yù)處理。對(duì)GPM衛(wèi)星降水資料而言，將每半小時(shí)一次的產(chǎn)品均值化為逐小時(shí)數(shù)據(jù)。為統(tǒng)一空間尺度，地面氣象觀測(cè)站雨量數(shù)據(jù)采用Cressman方法插值為0.1°×0.1°的格點(diǎn)數(shù)據(jù)(Cressman，1959)，迭代分析半徑取為0.25°、0.1°和0.05°。插值方法本身會(huì)產(chǎn)生一定的數(shù)據(jù)誤差，但本文暫不考慮。將00 時(shí)—次日00時(shí)定義為一天，該時(shí)段內(nèi)衛(wèi)星估測(cè)和地面觀測(cè)的小時(shí)降水量分別累加可得逐日降水量；7月22日00時(shí)—28日00時(shí)時(shí)段內(nèi)的小時(shí)降水量累加可得過(guò)程累計(jì)降水量。

1.2 研究方法

1.2.1 評(píng)估方法

以插值后的地面格點(diǎn)觀測(cè)為參考，采用以下指標(biāo)對(duì)GPM衛(wèi)星降水產(chǎn)品精度進(jìn)行評(píng)估(Chen et al.，2013；曾歲康和雍斌，2019)。包括相對(duì)偏差RB(Relative Bias)、相關(guān)系數(shù)CC (Correlation Coefficient)、均方根誤差RMSE (Root-Mean-Squared Error)和分?jǐn)?shù)標(biāo)準(zhǔn)誤差FSE(Fractional Standard Error)。當(dāng)降水估測(cè)具有較低的RB、RMSE、FSE和較高的CC值時(shí)，表明衛(wèi)星反演效果較好。

不同降水閾值下，衛(wèi)星降水產(chǎn)品表現(xiàn)有所差異，為此引入分類評(píng)價(jià)指標(biāo)，如探測(cè)率POD(Probability of Detection)、誤報(bào)率FAR(False Alarm Ratio)和臨界成功指數(shù)CSI (Critical Success Index)來(lái)評(píng)估其在小雨(0.1～9.9 mm·d-1)、中雨(10～24.9 mm·d-1)、大雨(25～49.9 mm·d-1)、暴雨(50～99.9 mm·d-1)和大暴雨(≥100 mm·d-1)五個(gè)量級(jí)下的降水估測(cè)能力。以上所有評(píng)估指標(biāo)計(jì)算公式及意義見表1。

表1 衛(wèi)星降水產(chǎn)品評(píng)估指標(biāo)說(shuō)明Table 1 Evaluation indicators for the satellite-derived precipitation products

1.2.2 訂正方法

衛(wèi)星降水產(chǎn)品訂正主要通過(guò)衛(wèi)星與地面氣象觀測(cè)站數(shù)據(jù)的融合，但考慮實(shí)際業(yè)務(wù)操作難度和使用頻次，本文僅嘗試逐步訂正和最優(yōu)插值這兩種訂正方法。

逐步訂正法是通過(guò)給定一初始場(chǎng)，利用實(shí)際觀測(cè)值加以訂正，將訂正后的結(jié)果稱為分析場(chǎng)。這樣的訂正過(guò)程可反復(fù)進(jìn)行，直到分析場(chǎng)逼近觀測(cè)記錄為止。實(shí)踐和理論表明，多次訂正后的分析場(chǎng)會(huì)更趨于實(shí)際觀測(cè)值(尹忠海等，2014)。對(duì)于給定一初始場(chǎng)X0，分析第k個(gè)站點(diǎn)實(shí)際值Ok與初始場(chǎng)內(nèi)站點(diǎn)所在網(wǎng)格點(diǎn)x0k之差，利用一定的插值方法生成校準(zhǔn)因子場(chǎng)，則可得到分析場(chǎng)X1

式中W為權(quán)重系數(shù)，O為地面氣象觀測(cè)場(chǎng)，i為網(wǎng)格點(diǎn)序號(hào)數(shù)，k為地面氣象觀測(cè)站序號(hào)數(shù)。W的選取采用經(jīng)典Cressman方案，具體表達(dá)式如下

其中rk為站點(diǎn)到網(wǎng)格點(diǎn)的距離，R為搜索半徑(單位為°)。將得到的分析場(chǎng)X1作為新的初始場(chǎng)，并減小搜索半徑R重復(fù)上述步驟，得第二次分析場(chǎng)X2

如此不斷迭代訂正。該訂正方法計(jì)算量少，且不依賴于任何假定。迭代次數(shù)太多，雖然誤差較小，但機(jī)時(shí)耗費(fèi)多，也會(huì)削弱氣象場(chǎng)強(qiáng)度；迭代次數(shù)太少，分析場(chǎng)的誤差又太大。迭代次數(shù)通常取三或四次。

站點(diǎn)在衛(wèi)星降水場(chǎng)中的取值x0k使用了雙線性插值方法，原理如圖2。Q11、Q12、Q21、Q22分別為站點(diǎn)周圍四個(gè)網(wǎng)格點(diǎn)的衛(wèi)星降水。先在x方向上插值，再在y方向上插值，最終可得站點(diǎn)P處的衛(wèi)星降水：

圖2 雙線性插值示意圖Fig.2 Schematic diagram of the bilinear interpolation

最優(yōu)插值法是國(guó)內(nèi)外常用的雷達(dá)雨量計(jì)聯(lián)合校準(zhǔn)方法之一，也是客觀分析方法的一種(孫樂(lè)強(qiáng)等，2014；韓焱紅等，2019)。其原理是利用空間內(nèi)每個(gè)格點(diǎn)的初估值加上訂正值，從而得到訂正場(chǎng)。在該校正方法中，訂正值是由格點(diǎn)周圍若干個(gè)地面氣象站觀測(cè)值與初估值的偏差加權(quán)估計(jì)得到，公式表達(dá)如下：

式中X0為初始降水場(chǎng)，O為未插值的降水觀測(cè)場(chǎng)，X1為第一次的訂正場(chǎng)，W是權(quán)重因子，n是每個(gè)網(wǎng)格點(diǎn)影響半徑R內(nèi)的地面氣象觀測(cè)站個(gè)數(shù)，i為網(wǎng)格點(diǎn)序號(hào)數(shù)，k為地面氣象觀測(cè)站序號(hào)數(shù)。公式的數(shù)學(xué)意義為第k個(gè)站點(diǎn)對(duì)第i個(gè)格點(diǎn)處的校正因子值可以通過(guò)影響半徑內(nèi)其他站點(diǎn)校正因子之間的線性組合加預(yù)測(cè)值而得到，相應(yīng)的系數(shù)就是該站點(diǎn)校正因子對(duì)該網(wǎng)格值的貢獻(xiàn)權(quán)重。權(quán)重函數(shù)W是通過(guò)求解矩陣方程組以使得訂正場(chǎng)方差達(dá)最小值的方程解。實(shí)際使用中，最優(yōu)插值法需假設(shè)相關(guān)函數(shù)μ是已知的且各向均勻同性，最優(yōu)的權(quán)重因子W利用下式求得

其中μij表示i和j兩點(diǎn)的相關(guān)函數(shù)，相關(guān)函數(shù)通常取以下兩種形式

r是兩點(diǎn)間的距離。研究表明(鄧雪嬌等，1998；韓焱紅等，2019)，當(dāng)?shù)孛鏆庀笥^測(cè)站在訂正格點(diǎn)的搜索半徑內(nèi)分布稀疏時(shí)，公式(9)適用；反之，公式(10)更適用。通過(guò)(8)式求解以W為因變量的n維線性方程組可得相應(yīng)的權(quán)重因子W。計(jì)算中最優(yōu)插值法要求每個(gè)網(wǎng)格點(diǎn)附近至少有2 個(gè)地面氣象觀測(cè)站，因此本文用2 個(gè)測(cè)站來(lái)定義稀疏與密集。

孫樂(lè)強(qiáng)等(2014)在針對(duì)TRMM衛(wèi)星降水的訂正工作中指出，多次迭代訂正可有效提高訂正效果并以三次為最佳。在他們的研究中，搜索半徑R是一個(gè)不敏感的參數(shù)(可從2.5取至15個(gè)經(jīng)緯度)，但當(dāng)研究區(qū)域較小時(shí)，如果R過(guò)大，則(8)式構(gòu)造的n維線性方程組系數(shù)將為奇異矩陣，導(dǎo)致方程求解時(shí)出現(xiàn)異常解，最終影響訂正和評(píng)估效果。為全文統(tǒng)一和求解穩(wěn)健，逐步訂正和最優(yōu)插值法中的搜索半徑R與Cressman 迭代分析半徑取為同值并迭代訂正三次(0.25°、0.1°和0.05°)。

2 GPM反演降水產(chǎn)品評(píng)估分析

圖3 給出臺(tái)風(fēng)“煙花”影響浙江期間，地面氣象觀測(cè)站累計(jì)降水量和GPM衛(wèi)星反演降水產(chǎn)品的空間分布?？梢钥吹?，臺(tái)風(fēng)“煙花”降水在浙江省內(nèi)呈東北多、西南少的分布特征(圖3a)，浙東北沿海和浙西北山區(qū)為雨量大值區(qū)，降水中心與地形高度密切相關(guān)，四個(gè)大值中心從東到西分別對(duì)應(yīng)四明山、會(huì)稽山、龍門山和天目山(海拔分別為1 018 m、612 m、361 m、1 505 m)，累計(jì)降水量均在500 mm以上。累積過(guò)程雨量最大單點(diǎn)為余姚丁家畈站(四明山附近)1 084 mm，破登陸浙江臺(tái)風(fēng)的全省實(shí)測(cè)降水過(guò)程雨量極值。雖然GPM 反演的降水分布也呈東北多、西南少特征(圖3b)，但降水主要位于舟山和寧波沿海，不存在觀測(cè)中與地形相關(guān)的四個(gè)強(qiáng)降水中心，且最大累計(jì)雨量?jī)H200～300 mm。顯然，GPM 衛(wèi)星降水產(chǎn)品未能反演出“煙花”影響期間在浙江出現(xiàn)的極端降水且嚴(yán)重低估累計(jì)降水量。

圖3 2021年7月22日00時(shí)—28日00時(shí)浙江省6 d累積降水量地面氣象觀測(cè)(a)和GPM衛(wèi)星反演(b)的空間分布(紅色框?yàn)檎憬瓥|北部降水大值區(qū))Fig.3 Spatial distributions of(a)observational and(b)GPM accumulated precipitation in Zhejiang province during Typhoon“In-Fa”from 00 UTC on July 22nd to 00 UTC on July 28th,2021.Red frames indicate the heavy rainfall area in the northeast region of Zhejiang

定量檢驗(yàn)臺(tái)風(fēng)“煙花”影響下GPM 過(guò)程累計(jì)降水量表現(xiàn)，選取浙江省內(nèi)共981 個(gè)網(wǎng)格點(diǎn)，計(jì)算得到的CC 達(dá)0.7(圖4a)，這表明GPM 產(chǎn)品能較好抓住“煙花”降水總體分布特征，與前面分析結(jié)論一致。RB為-45%，觀測(cè)與GPM 衛(wèi)星降水的線性回歸系數(shù)僅0.34，反映出GPM衛(wèi)星降水產(chǎn)品低估實(shí)際降水量。從觀測(cè)和衛(wèi)星降水的散點(diǎn)分布看(圖4a)，散點(diǎn)主要分布在對(duì)角線左下側(cè)，隨著累計(jì)觀測(cè)雨量的增大，GPM反演降水偏離對(duì)角線越遠(yuǎn)，對(duì)200 mm 以上降水明顯反映不足。RMSE 數(shù)值較大，為129.45 mm，主要是由于GPM產(chǎn)品在個(gè)別點(diǎn)上嚴(yán)重估計(jì)不足。臺(tái)風(fēng)“煙花”影響下，浙江省平均雨量179.7 mm，當(dāng)用FSE指標(biāo)進(jìn)行衡量時(shí)，可有效減小單點(diǎn)觀測(cè)出現(xiàn)的極端降水影響，為9.66，表明GPM產(chǎn)品對(duì)浙江省平均雨量有一定的描述能力。

圖4 2021年7月22日00時(shí)—28日00時(shí)浙江省(a)和降水大值區(qū)(b)觀測(cè)及GPM累計(jì)降水量散點(diǎn)分布(實(shí)線為線性回歸直線)Fig.4 Scatter plots of observational and GPM accumulated precipitation in(a)Zhejiang and(b)high rainfall area from 00 UTC on July 22nd to 00 UTC on July 28th,2021.The solid lines are the linear regression lines

由于“煙花”二次登陸前長(zhǎng)時(shí)間在杭州灣穩(wěn)定少動(dòng)，其造成的降水主要在浙江東北部。因此，對(duì)降水大值區(qū)(圖3紅色矩形框范圍)內(nèi)的GPM產(chǎn)品也進(jìn)行了定量評(píng)估，區(qū)域內(nèi)格點(diǎn)樣本量為348 個(gè)?？梢钥吹絉B、CC 和回歸系數(shù)均有下降(圖4b)，分別為-0.5、0.34和0.14；RMSE 和FSE 明顯增加，為193.84 和11.26，說(shuō)明GPM產(chǎn)品對(duì)降水大值區(qū)內(nèi)累計(jì)降水的空間分布、極端和平均降水描述能力均較差，進(jìn)而導(dǎo)致其對(duì)全省降水的低估，這與GPM降水反演產(chǎn)品顯著低估極端降水的特征相似(李伶杰等，2018)。

GPM 的FR 產(chǎn)品是多源資料(逐時(shí)紅外降水、大約一天兩次的主被動(dòng)微波降水、以及逐月觀測(cè)降水等)融合結(jié)果。在GPM衛(wèi)星過(guò)境時(shí)，相對(duì)可靠的主被動(dòng)微波觀測(cè)可提高FR產(chǎn)品精度；但在其它時(shí)刻，F(xiàn)R產(chǎn)品完全依賴紅外觀測(cè)，此時(shí)降水描述精度非常低。由于紅外波穿透能力不如微波，紅外遙感信息主要與云頂特征有關(guān)，與云下降水強(qiáng)度關(guān)系不密切，單純依賴紅外的降水算法在雨區(qū)和雨量估計(jì)方面表現(xiàn)較差。IMERG融合算法生成的FR產(chǎn)品中，也給出了不同來(lái)源的反演降水量，可分為紅外和微波反演降水(Huffman et al.，2020)。對(duì)比紅外、微波反演降水場(chǎng)發(fā)現(xiàn)(圖略)，浙江省內(nèi)過(guò)程累計(jì)降水主要由紅外反演降水貢獻(xiàn)，100 mm以上降水區(qū)出現(xiàn)在浙江寧波沿海和舟山一帶，但對(duì)內(nèi)陸高海拔地形處的強(qiáng)降水未有反映。從融合微波輻射計(jì)貢獻(xiàn)的反演降水結(jié)果看(圖略)，微波反演降水幾乎沒(méi)有貢獻(xiàn)，全省均不足50 mm，只在浙江西北部的湖州、杭州略有反映。因此，由于FR產(chǎn)品本身缺陷：(1)紅外降水精度偏低；(2) 主被動(dòng)微波降水的時(shí)間分辨率不足，“煙花”影響期間，GPM 衛(wèi)星反演的降水產(chǎn)品對(duì)浙江省以及降水大值區(qū)內(nèi)的降水描述效果均不佳，為此有必要對(duì)該產(chǎn)品進(jìn)行相應(yīng)的訂正工作。

3 GPM反演降水產(chǎn)品訂正分析

3.1 過(guò)程總降水的訂正分析

本節(jié)對(duì)訂正后的GPM 衛(wèi)星降水產(chǎn)品進(jìn)行精度評(píng)估。圖5給出浙江省內(nèi)經(jīng)過(guò)逐步訂正法和最優(yōu)插值法訂正后的GPM 過(guò)程累計(jì)降水量空間和散點(diǎn)分布?？梢钥吹剑鸩接喺驡PM衛(wèi)星降水分布(圖5a)與觀測(cè)(圖3a)更為一致，高海拔附近的強(qiáng)降水中心和強(qiáng)度都能較好反演出來(lái)，降水量達(dá)500 mm以上，訂正后的余姚丁家畈站雨量為904 mm。最優(yōu)插值訂正后的結(jié)果較未訂正前也有明顯改善(圖5b)，能捕捉到高海拔附近的強(qiáng)降水中心，但在會(huì)稽山和龍門山附近會(huì)出現(xiàn)額外幾處零散分布的強(qiáng)降水中心，與觀測(cè)出入較大，可能與搜索半徑取值較大有關(guān)。其次，最優(yōu)插值訂正后在浙北嘉興、湖州、寧波象山和臺(tái)州區(qū)域存在降水強(qiáng)度的低估。因此從空間分布上看，逐步訂正法的訂正效果要優(yōu)于最優(yōu)插值法。

圖5 2021年7月22日00時(shí)—28日00時(shí)經(jīng)逐步訂正(a、c)和最優(yōu)插值訂正(b、d)后的浙江省GPM衛(wèi)星反演的累計(jì)降水量空間分布(a、b)和衛(wèi)星與觀測(cè)降水量散點(diǎn)分布(c、d)Fig.5 (a,b)Spatial distributions and(c,d)scatter plots of the accumulated GPM and observational precipitation after(a,c)the successive and(b,d)optimal interpolation correction from 00 UTC on July 22nd to 00 UTC on July 28th,2021

定量檢驗(yàn)兩種訂正方法對(duì)GPM 衛(wèi)星過(guò)程累計(jì)降水的訂正能力(圖5c、d)。使用逐步訂正和最優(yōu)插值法訂正后，CC 分別為0.99 和0.83，逐步訂正法對(duì)此次GPM臺(tái)風(fēng)累計(jì)降水的訂正效果更好，與前面主觀分析的結(jié)論一致(圖5a、b)。RB 分別為0.2%和4.5%，逐步訂正后的雨量點(diǎn)集中于對(duì)角線附近，相對(duì)偏差小，但當(dāng)累計(jì)雨量達(dá)600 mm時(shí)，有散點(diǎn)出現(xiàn)在對(duì)角線上側(cè)，對(duì)強(qiáng)降水略高估(圖5c)；最優(yōu)插值訂正后，各降水范圍內(nèi)都存在對(duì)角線上方的雨量點(diǎn)，分布較零散，導(dǎo)致RB較逐步訂正法更大(圖5d)。二者RMSE 分別為17.16和111.52，相較未訂正前的129.45(圖3a)，逐步訂正提升明顯，而最優(yōu)插值變化不大。如前所述，RMSE易受極值影響，相較實(shí)況，最優(yōu)插值法會(huì)額外訂正出幾處強(qiáng)降水中心，因而在該指標(biāo)上的改進(jìn)并不明顯。分?jǐn)?shù)標(biāo)準(zhǔn)誤差FSE分別為1.28和7.25，與RMSE相似，相較訂正前，逐步訂正法的訂正效果更好?？傊?，采用兩種方法訂正后，浙江省內(nèi)的GPM衛(wèi)星降水產(chǎn)品反演效果均有所提升，其中逐步訂正法效果顯著，訂正后有較低的RB、RMSE和FSE和較高的CC值，但仍存在對(duì)強(qiáng)降水略高估的現(xiàn)象。

3.2 逐日降水的訂正分析

為評(píng)估臺(tái)風(fēng)“煙花”影響期間，訂正前、后GPM 衛(wèi)星降水產(chǎn)品對(duì)浙江省內(nèi)逐日降水量的反演效果，圖6給出22—27日各評(píng)價(jià)指標(biāo)的變化曲線?？梢?，未訂正前RB 起伏較大(圖6a)，26 日前對(duì)實(shí)際降水有明顯低估，24和26日偏差較小，約-30%，26日后對(duì)降水出現(xiàn)高估。最優(yōu)插值訂正后，RB在0～10%之間，整體有明顯改善但對(duì)實(shí)際降水有高估；通過(guò)逐步訂正法，RB平穩(wěn)在0 附近。從CC 指標(biāo)看(圖6b)，未訂正前CC 在0.3(25、26日)～0.7(24日)之間，經(jīng)最優(yōu)插值和逐步訂正后，CC 分別穩(wěn)定在0.7～0.9 和1 附近。訂正前、后均方根誤差RMSE 都在25 日達(dá)到最大(圖6c)，訂正前RMSE介于20～60，最優(yōu)插值訂正后在10～35 之間，而逐步訂正后減小至0～5 之間。FSE 與RMSE 變化特征相似，訂正后的FSE 明顯減小，尤其是在逐步訂正法情況下(圖6d)。

圖6 2021年7月22—27日浙江省GPM衛(wèi)星降水產(chǎn)品逐日降水量未訂正、逐步訂正和最優(yōu)插值法訂正后的RB(a)、CC(b)、RMSE(c)和FSE(d)指標(biāo)變化曲線Fig.6 Variation of evaluation indicators(a)RB,(b)CC,(c)RMSE and(d)FSE of uncorrected,successive corrected and optimal interpolation corrected GPM precipitation products from July 22nd to July 27th,2021

總體而言，通過(guò)逐步訂正和最優(yōu)插值法訂正后，GPM 反演的浙江省內(nèi)逐日降水量改善效果明顯。逐步訂正后的衛(wèi)星產(chǎn)品能更好地描述臺(tái)風(fēng)“煙花”在浙江省內(nèi)的逐日降水特征，而最優(yōu)插值法訂正后的產(chǎn)品對(duì)逐日降水略有高估且在空間分布、極端和平均降水的描述上略差。

特別指出的是，未訂正的GPM產(chǎn)品在25日CC下降，RB 增加至-70%左右，對(duì)實(shí)際降水量明顯低估(圖6a、b)。這一方面是由于復(fù)雜地形的影響(Hirpa et al.，2010；Yang et al.，2017)，25日實(shí)際降水大值區(qū)在山區(qū)附近(圖略)；另一方面“煙花”影響過(guò)程中，浙江省內(nèi)衛(wèi)星降水主要由紅外反演降水貢獻(xiàn)，25日紅外反演降水大值位于寧波沿海和舟山地區(qū)，而對(duì)寧波北部和地形處的降水大值區(qū)完全未能表現(xiàn)(圖略)，因此衛(wèi)星降水質(zhì)量的突然降低，可能與紅外反演降水變化有關(guān)。進(jìn)一步分析FNL (Final Operational Global Analysis)大氣再分析資料發(fā)現(xiàn)，25 日“煙花”北側(cè)的強(qiáng)風(fēng)速將大量水汽輸入浙江東北部并在山區(qū)附近形成強(qiáng)的水汽通量輻合，云下降水增多，這恰恰是紅外反演降水的缺陷所在，最終導(dǎo)致暴雨增幅反演能力表現(xiàn)不佳，和前人研究結(jié)果一致(肖柳斯等，2019；唐飛等，2021)。

圖7給出訂正前、后浙江省GPM衛(wèi)星逐日降水產(chǎn)品在小雨、中雨、大雨、暴雨和大暴雨五個(gè)降水量級(jí)下的檢驗(yàn)評(píng)分。若POD、CSI 越大，F(xiàn)AR 越小，則說(shuō)明GPM 對(duì)分級(jí)降水的把握能力更強(qiáng)。未訂正前，小雨P(guān)OD最高約0.6，中到暴雨降至0.2附近，大暴雨則不足0.1，這主要由于GPM 對(duì)弱降水具有較高的捕捉能力(唐國(guó)強(qiáng)等，2015；金曉龍等，2016)。通過(guò)兩種訂正方法，各級(jí)別降水POD都接近或超過(guò)0.9，除在小雨級(jí)別外，其余逐步訂正后的POD 均比最優(yōu)插值訂正后的高，說(shuō)明逐步訂正對(duì)估測(cè)降水的訂正效果更好(圖7a)。未訂正前，小雨FAR較小約0.25，中至暴雨則接近或超過(guò)0.5，大暴雨增至0.8 附近；兩種方法訂正后，F(xiàn)AR明顯減小，隨著降水量級(jí)增加，F(xiàn)AR同步增加，但逐步訂正法較最優(yōu)插值法在各級(jí)別降水的訂正效果更佳，逐步訂正后的GPM 產(chǎn)品小雨FAR 接近0，大暴雨僅0.1，而最優(yōu)插值可達(dá)0.2(圖7b)。就CSI來(lái)看，未訂正前CSI整體偏低，僅小雨量級(jí)大于0.4，中到暴雨CSI 介于0.1～0.2，大暴雨CSI降至0.1以下；但通過(guò)逐步和最優(yōu)插值訂正后，各級(jí)別CSI 都超過(guò)0.7，兩種訂正方法在小雨級(jí)別差別不大，其余級(jí)別逐步訂正法取得的CSI都高于最優(yōu)插值法，尤其在大暴雨量級(jí)上(圖7c)。綜合分析，未經(jīng)訂正的衛(wèi)星降水產(chǎn)品除對(duì)小雨有較好反映能力外，其余各級(jí)別POD、CSI偏低，F(xiàn)AR偏高，且隨著量級(jí)增加，存在POD、CSI減小，F(xiàn)AR增加的趨勢(shì)，反映GPM 衛(wèi)星對(duì)小雨以上降水的探測(cè)能力較差。兩種方法訂正后，POD、CSI明顯增加，F(xiàn)AR明顯減小，且逐步訂正比最優(yōu)插值法訂正之后的各項(xiàng)指標(biāo)更優(yōu)，說(shuō)明其訂正效果更好。

圖7 2021年7月22日00時(shí)—28日00時(shí)浙江省GPM不同量級(jí)反演降水產(chǎn)品訂正前、逐步訂正和最優(yōu)插值法訂正后的探測(cè)率POD(a)、誤報(bào)率FAR(b)和臨界成功指數(shù)CSI(c)比較Fig.7 Comparison of(a)POD,(b)FAR and(c)CSI of observational,successive corrected and optimal interpolation corrected GPM precipitation products for different rainfall levels in Zhejiang province from 00 UTC on July 22nd to 00 UTC on July 28th,2021

3.3 逐小時(shí)降水的訂正分析

短時(shí)強(qiáng)降水會(huì)帶來(lái)山洪、山體滑坡等地質(zhì)災(zāi)害，因此進(jìn)一步分析了浙江省內(nèi)“煙花”臺(tái)風(fēng)小時(shí)降水的時(shí)序變化(圖8)。未訂正時(shí)，在“煙花”影響的22—23日GPM 衛(wèi)星降水對(duì)小時(shí)降水低估明顯；24 日GPM 產(chǎn)品的峰值峰谷位置變化與觀測(cè)大致同步；但25 日衛(wèi)星反演產(chǎn)品質(zhì)量下降，明顯低估實(shí)際降水；27 日后期GPM 降水與觀測(cè)較一致。逐步訂正后的GPM 衛(wèi)星降水產(chǎn)品與觀測(cè)降水曲線幾乎重合，能夠準(zhǔn)確捕捉逐時(shí)降水量變化；最優(yōu)插值法訂正后，曲線整體位于觀測(cè)降水曲線上方，明顯存在高估的特征，相較未訂正前，GPM 衛(wèi)星降水產(chǎn)品反演效果也有提升。從評(píng)估指標(biāo)看，未訂正前RB 為-45%，逐步和最優(yōu)插值訂正后，RB分別為2%和17%，說(shuō)明兩種訂正方法對(duì)降水存在高估，最優(yōu)插值高估特征更明顯；訂正前RMSE和FSE 介于0.7～0.8，逐步和最優(yōu)插值訂正后分別降為0.02 和0.2；CC 訂正前僅0.56，而通過(guò)訂正，都可達(dá)0.98以上。通過(guò)對(duì)GPM小時(shí)降水的訂正，同樣提升了浙江省內(nèi)衛(wèi)星產(chǎn)品對(duì)小時(shí)降水的反演能力。

圖8 2021年7月22日00時(shí)—28日00時(shí)浙江省內(nèi)逐小時(shí)平均觀測(cè)、未做訂正、最優(yōu)插值和逐步訂正后的GPM降水產(chǎn)品降水量變化及相關(guān)統(tǒng)計(jì)參數(shù)(RB、RMSE、FSE、CC)平均值演變Fig.8 The average of hourly rainfall and related statistical parameters(RB、RMSE、FSE、CC)of observational,uncorrected,successive corrected and optimal interpolation corrected GPM precipitation products in Zhejiang province from 00 UTC on July 22nd to 00 UTC on July 28th,2021

圖9是訂正前、后浙江省內(nèi)GPM逐小時(shí)降水產(chǎn)品的分級(jí)檢驗(yàn)結(jié)果。按照《短時(shí)氣象服務(wù)降雨量等級(jí)》標(biāo)準(zhǔn)(中國(guó)氣象服務(wù)協(xié)會(huì)，2019)，小時(shí)降水等級(jí)可分為短時(shí)小雨(＜2 mm·h-1)、短時(shí)中雨(2～3.9 mm·h-1)、短時(shí)大雨(4～7.9 mm·h-1）、短時(shí)暴雨(8～19.9 mm·h-1)、短時(shí)大暴雨(20～50 mm·h-1)和短時(shí)特大暴雨(>50 mm·h-1)六個(gè)等級(jí)。未訂正前，當(dāng)降水量?jī)H短時(shí)小雨強(qiáng)度時(shí)，POD約0.2，CSI約0.1，隨著短時(shí)降水強(qiáng)度的增強(qiáng)，POD和CSI均呈下降趨勢(shì)，雖然在15～30 mm·h-1范圍內(nèi)有一定探測(cè)率，但不穩(wěn)定性很大。兩種方法訂正后的產(chǎn)品對(duì)小雨的POD提升至0.8左右，且此時(shí)最優(yōu)插值法效果略好于逐步訂正，但隨著降水強(qiáng)度的增加，在2～23 mm·h-1部分，POD逐漸減小，且逐步訂正法得到的POD幾乎均高于最優(yōu)插值法，表明量級(jí)小于短時(shí)大暴雨時(shí)，逐步訂正對(duì)GPM產(chǎn)品的訂正效果更好。而當(dāng)雨強(qiáng)大于23 mm·h-1時(shí)，兩種訂正方法的POD都出現(xiàn)了0至1的突變現(xiàn)象，表明短時(shí)大暴雨可被訂正后的GPM衛(wèi)星產(chǎn)品探測(cè)到，最優(yōu)插值法更可探測(cè)到50 mm·h-1以上的短時(shí)特大暴雨(圖9a)。

圖9 2021年7月22日00時(shí)—28日00時(shí)浙江省觀測(cè)的小時(shí)雨強(qiáng)及GPM反演產(chǎn)品不同小時(shí)雨強(qiáng)閾值下未訂正、逐步和最優(yōu)插值訂正后的探測(cè)率POD(a)、臨界成功指數(shù)CSI(b)和累積降水率頻數(shù)CDFc(c)分布Fig.9 Distribution of(a)POD,(b)CSI and(c)CDFc for observational,uncorrected,successive corrected and optimal interpolation corrected GPM precipitation products at different rainfall levels in Zhejiang province from 00 UTC on July 22nd to 00 UTC on July 28th,2021

由于訂正后的POD 在量級(jí)超過(guò)短時(shí)大暴雨時(shí)出現(xiàn)較多0、1 突變，該指標(biāo)量不穩(wěn)定性較大，進(jìn)而通過(guò)CSI評(píng)估衛(wèi)星數(shù)據(jù)真正估測(cè)降水事件的能力?？梢钥吹?圖9b)，CSI與POD變化趨勢(shì)相似，隨降水量級(jí)的增加CSI 減小。未訂正前小雨CSI 為0.1，而訂正后都可提升至0.6附近，雨強(qiáng)小于23 mm·h-1時(shí)兩種訂正方法提升明顯，大于23 mm·h-1時(shí)雖仍有波動(dòng)但最優(yōu)插值訂正后的產(chǎn)品具有一定的可探測(cè)性。

分析GPM 衛(wèi)星降水產(chǎn)品的累積降水率頻數(shù)CDFc(cumulative rain rate distribution of occurrence)分布，可揭示產(chǎn)品對(duì)降水事件探測(cè)的敏感性(Chen et al.，2016；Zhang et al.，2019)，CDFc是計(jì)算不同量級(jí)小時(shí)雨強(qiáng)個(gè)數(shù)占總樣本數(shù)的比率。圖9c給出觀測(cè)和訂正前、后GPM 產(chǎn)品的CDFc 分布。可以看到，隨著降水閾值的增加，CDFc明顯增加，當(dāng)閾值達(dá)16 mm·h-1時(shí)，CDFc可達(dá)80%。但閾值小于16 mm·h-1時(shí)，未訂正曲線一直在觀測(cè)曲線上方，而后低于觀測(cè)曲線，說(shuō)明未訂正的GPM產(chǎn)品降水量都集中在短時(shí)暴雨量級(jí)以下，存在明顯的低估現(xiàn)象，與前文研究結(jié)論一致；訂正后的兩條曲線與觀測(cè)曲線更為接近，但在所給閾值范圍內(nèi)均位于觀測(cè)曲線下方，表明訂正后的衛(wèi)星產(chǎn)品存在高估實(shí)際降水的現(xiàn)象，但逐步訂正曲線更接近觀測(cè)曲線，相較而言，最優(yōu)插值法的高估更加顯著。

4 結(jié)論與討論

2021年臺(tái)風(fēng)“煙花”兩次登陸浙江，在浙東北沿海地區(qū)和浙西北山區(qū)引發(fā)強(qiáng)降水，本研究以地面氣象觀測(cè)數(shù)據(jù)為參考，采用逐步和最優(yōu)訂正法訂正衛(wèi)星反演降水，并使用多項(xiàng)指標(biāo)評(píng)估此次臺(tái)風(fēng)過(guò)程訂正前后GPM 衛(wèi)星FR 產(chǎn)品不同時(shí)間尺度的降水訂正效果，得到以下主要結(jié)論：

(1)未經(jīng)訂正的衛(wèi)星反演產(chǎn)品雖能抓住臺(tái)風(fēng)“煙花”累計(jì)降水在浙江省內(nèi)的空間分布特征，但未能描述浙江省內(nèi)高大地形處的強(qiáng)降水中心，嚴(yán)重低估了累計(jì)降水量。浙江省內(nèi)累計(jì)降水的低估主要源于對(duì)降水大值區(qū)的顯著低估。降水大值區(qū)內(nèi)，RB、CC下降明顯，RMSE、FSE明顯增加。

(2)通過(guò)逐步和最優(yōu)插值法訂正后，GPM 累計(jì)降水量的反演效果均有提升，都能捕捉到高海拔山區(qū)附近的強(qiáng)降水中心，CC分別為0.99和0.83。雖然兩者存在對(duì)強(qiáng)降水略高估的現(xiàn)象，RB分別為0.2%和4.5%，但最優(yōu)插值訂正后的高估更為明顯。逐步訂正后，RMSE 和FSE 明顯降低。總體而言，逐步訂正法表現(xiàn)更好。

(3)從浙江省內(nèi)逐日降水的分級(jí)檢驗(yàn)評(píng)估結(jié)果看，未經(jīng)訂正的GPM衛(wèi)星降水產(chǎn)品除對(duì)小雨有較好反映能力外，其余各級(jí)別探測(cè)能力較差。訂正后，POD、CSI增加，F(xiàn)AR較小，GPM反演的逐日降水量改善效果明顯，且逐步訂正后的各評(píng)估指標(biāo)較最優(yōu)插值訂正更優(yōu)。

(4)從浙江省內(nèi)逐時(shí)降水評(píng)估結(jié)果看，在臺(tái)風(fēng)“煙花”影響的22—23 日和25 日未訂正的衛(wèi)星反演產(chǎn)品存在明顯低估。兩種方法訂正后，GPM 產(chǎn)品對(duì)各級(jí)別小時(shí)降水的反演能力有所提升。逐步訂正后能準(zhǔn)確捕捉逐時(shí)降水量變化，最優(yōu)插值訂正后雖變化趨勢(shì)一致，但存在高估現(xiàn)象。在小時(shí)降水的分級(jí)檢驗(yàn)上，訂正前、后POD隨降水強(qiáng)度增強(qiáng)而逐漸減??；雨強(qiáng)小于23 mm·h-1時(shí)兩種訂正方法提升明顯，且逐步訂正對(duì)GPM 產(chǎn)品的訂正效果更好，雨強(qiáng)大于23 mm·h-1時(shí)POD 波動(dòng)較大，但最優(yōu)插值訂正后的產(chǎn)品具有一定的可探測(cè)性。

(5)此外，由于衛(wèi)星產(chǎn)品對(duì)臺(tái)風(fēng)降水有準(zhǔn)實(shí)時(shí)估測(cè)的需求，因此對(duì)實(shí)時(shí)類(ER 和LR)和滯時(shí)類(FR)降水估測(cè)產(chǎn)品也進(jìn)行了對(duì)比評(píng)估。結(jié)果發(fā)現(xiàn)，臺(tái)風(fēng)“煙花”影響過(guò)程中，三類產(chǎn)品均以紅外反演降水貢獻(xiàn)為主，都低估了浙江省內(nèi)實(shí)際降水，但以本文討論的FR產(chǎn)品效果最優(yōu)，LR 次之，ER 最差。FR 產(chǎn)品對(duì)浙江省內(nèi)過(guò)程降水低估近45%，ER 低估約63%。因此ER、LR 兩類產(chǎn)品用于臺(tái)風(fēng)降水準(zhǔn)實(shí)時(shí)估測(cè)或水文、陸面模型預(yù)報(bào)時(shí)，訂正后使用將更為必要，且方法宜采用逐步訂正法。

本文在臺(tái)風(fēng)“煙花”影響浙江期間對(duì)GPM衛(wèi)星FR降水產(chǎn)品開展了檢驗(yàn)評(píng)估和訂正，發(fā)現(xiàn)該衛(wèi)星降水?dāng)?shù)據(jù)在估測(cè)地面臺(tái)風(fēng)降水變化上仍有較大提升空間，相關(guān)反演算法還需進(jìn)一步修正。此外，該產(chǎn)品在其它登陸臺(tái)風(fēng)過(guò)程中的具體表現(xiàn)如何？下一步可針對(duì)更多臺(tái)風(fēng)個(gè)例加以評(píng)估檢驗(yàn)，以尋求更適用于浙江臺(tái)風(fēng)降水的衛(wèi)星估測(cè)產(chǎn)品。