六卫星的性能和三个新发布的再分析降雨估计评估日常时间尺度和空间网格的大小0.25度在2000年到2013年期间上蓝色尼罗河流域,埃塞俄比亚,提高降水估计的可靠性的观点的湿(六月到九月)和二次下雨的季节(3月至5月)。这项研究评估调整和调整卫星产品TMPA, CMORPH, PERSIANN, ECMWF ERA-Interim再分析以及多源Weighted-Ensemble降水(MSWEP)估计。在六卫星降水产品,调整CMORPH展示最好的雨季降雨量估算的准确性。在二级雨季,未经CMORPH和3 b42v7几乎是等价的偏见,豆荚,CSI误差度量。所有错误指标统计数据显示,MSWEP优于未经调整和规调整ERA-Interim估计。误差指标的大小是线性增加测量降雨量增加百分位阈值的类别。总的来说,所有的降水数据集需要进一步改进的检测在降雨强度高的发生。MSWEP检测高百分位数的值比卫星估计在潮湿和穷人在二级雨季。
降雨是一个重要的参数表征的水循环。在非洲,评估、水资源规划和管理往往受制于缺乏可靠的降雨量数据
在加入卫星降水估计,新公布的一项欧洲中期天气预报中心(ECMWF)再分析降水估计和多源,Weighted-Ensemble降水(MSWEP) [
卫星和再分析降水估计都表现出显著的偏差,需要位(
过去降雨在该地区和其他地方的研究(
本研究试图评估六个常用卫星降水估计(spe)和三个新可用再分析降水估计在0.25度空间网格大小和日常时间分辨率的观点改善湿季降水估计的可靠性(六月到九月)和二次雨季(3月至5月)降水数据集在上面的蓝色尼罗河盆地。这来自于先进的再分析的评估将使我们能够理解这些产品目前的优势和局限性在该地区水资源评价。结果还将对比和卫星之间的潜在好处/限制再分析降水估计,信息有利于混合方法。
上面的蓝色尼罗河流域,当地称为“Abbay”在埃塞俄比亚,坐落在7.5°至12°北部和东(图34°到40°
上面的蓝色尼罗河盆地东部非洲,覆盖全球降水雨量计网络和估计网格。在灰色突出显示网格像素,我们描述这些网格细胞,包括至少一个表。
过去的研究已经证明困难有效地评价水资源的蓝色尼罗河由于其复杂的地形和缺乏足够的数据,主要是降水,在次盆地和短时间尺度。现有雨量计观测稀疏在盆地内的时间和空间。这可能会导致缺乏洞察水资源可用性的评估影响和重大发展干预的好处在盆地的水资源管理。
雨生产气候系统和降雨特征对研究地区被描述在几项研究[
地表降水观测得到的网络153年国家气象局(NMA)站在上面的蓝色尼罗河盆地在每天的时间尺度。这些降雨测量站的空间和时间分布不均匀,展品非常有限的报道在时间和空间分布遵循当地道路网络和主要城镇(图
评价降水估计在0.25度进行常规网格像素由至少一个指标观察。92 satellite-grid框包含计观测被认为2000 - 2013年期间。观察到测量降雨量数据用普通克里格插值(OK)算法来产生降雨字段在0.05度网格大小,然后汇总到0.25度网格框,并视为参考面积测量降雨量计算卫星和再分析降水数据集
中使用的卫星产品分析中常用的操作和研究活动关注水资源规划、设计和决策的盆地。本研究评估六个主要的卫星降水估计(spe) 0.25度空间网格大小和日常时间规模为2000到2013(表
总结本研究中使用的卫星和再分析降水产品。
| 降雨的产品 | 缩写 | 检索方法 | 数据使用 |
|---|---|---|---|
| TMPA | 3 b42v7 | MW +红外+测量观察 | 2000年到2013年 |
| 3 b42rt | MW +红外 | 2001年到2013年 | |
|
|
|||
| CMORH | 厘米 | MW +计观测 | 2000年到2013年 |
| CM-unadj | 兆瓦 | 2000年到2013年 | |
|
|
|||
| PERSSIAN | PN | 红外+计观测 | 2001年到2010年 |
| PN-unadj | 红外 | 2001年到2013年 | |
|
|
|||
| 再分析 | ERAI-unadj | ECMWF再分析 | 2000年到2013年 |
| ERAI | ECMWF再分析+测量观察 | 2000年到2013年 | |
| MSWEP | 再分析+ spe +测量观察 | 2000年到2013年 | |
的TMPA version 7降水数据集被释放在2012年12月(
TMPA算法(包括四个步骤
CMORPH产品是由变形方法,结合了MW降水估计和红外传感器的观测。红外图像数据被用来传播MW-based降水估计向前和向后传播之间连续兆瓦(传感器观测
PERSIANN降水数据集创建从红外亮度温度观测使用人工神经网络方法(
除了spe,我们检查了未经调整规调整ERA-Interim和多源Weighted-Ensemble降水(MSWEP)降水估计如表示
降雨事件检测能力。全球降雨量产品的技术积累检测每日降雨量大于0.1毫米(
一个2×2应急指标。
| 计观测 | ||
|---|---|---|
| 雨 | 没有雨 | |
| 卫星/再分析估计 | ||
| 雨 | H =触及 | F =错误检测 |
| 没有雨 | M =小姐 | 正确的没有雨 |
卫星降水的定量分析比较与衡量观察是基于统计误差度量。我们使用以下错误指标来评估基于卫星和再分析产品的性能。误差分析使用统计技术使用偏离率(偏见),相关系数(CC)和归一化均方根误差的区别(NRMSE)来评估表现。
此外,卫星产品的性能是评价对不同降雨量大小条件不同的参考测量雨量阈值。这些阈值对应于10日,25日,五十,75,90,和95百分位数的参考评估降雨。
上面的蓝色尼罗河盆地具有明显的雨季从6月到9月,从三月到五月第二个雨季。气候特征和季节性降雨驱动系统的讨论了一些过去的研究(
空间的模式意味着季节降雨(mm)的6月到9月。
意思是季节性降雨的空间分布(mm)三月到五月。
规调整spe 3 b42tr、CM-unadj MSWEP显示一个等价的空间格局与两个地区的高峰值(> 1000 mm),而调整ERAI显示了一个类似的空间模式没有明显的峰值在流域降雨。ERAI-unadj估计意思是季节性降雨1000毫米以上流域的大部分地区表现出更强的高估的潮湿的季节性降雨相对于其他产品。PNN-unadj不捕捉降雨的空间格局和其他产品和低估了季节性降雨量在南部和东部地区的研究领域。二级雨季节平均降雨模式如图
我们检查了六个spe的性能和三个再分析产品使用分类统计的豆荚,远,CSI。雨/没有雨事件的统计计算列联表用于评估产品的检测多雨的事件的技能(
统计误差指标的平均值湿季节(六月到九月)
| 产品类型 | 偏见 | CC | NRMSE | 圆荚体 | 远 | CSI | 压力远远 | FRV |
|---|---|---|---|---|---|---|---|---|
| 3 b42v7 | 0.88 | 0.36 | 1.08 | 0.83 | 0.01 | 0.82 | 0.10 | 0.00 |
| 3 b42rt | 0.73 | 0.30 | 1.08 | 0.79 | 0.01 | 0.78 | 0.14 | 0.00 |
| 厘米 | 0.87 | 0.39 | 0.98 | 0.92 | 0.01 | 0.91 | 0.04 | 0.00 |
| CM-unadj | 0.74 | 0.36 | 0.88 | 0.92 | 0.01 | 0.91 | 0.04 | 0.00 |
| 并通过 | 0.82 | 0.37 | 1.02 | 0.78 | 0.00 | 0.78 | 0.12 | 0.00 |
| PNN-unadj | 0.52 | 0.36 | 0.81 | 0.75 | 0.00 | 0.75 | 0.16 | 0.00 |
| ERAI-unadj | 1.39 | 0.23 | 1.31 | 0.99 | 0.01 | 0.98 | 0.00 | 0.00 |
| ERAI | 0.89 | 0.26 | 0.92 | 0.98 | 0.01 | 0.97 | 0.00 | 0.00 |
| MSWEP | 0.92 | 0.37 | 0.80 | 0.99 | 0.02 | 0.98 | 0.00 | 0.00 |
平均值统计误差指标的二次下雨的季节(3月至5月)
| 产品类型 | 偏见 | CC | NRME | 圆荚体 | 远 | CSI | 压力远远 | FRV |
|---|---|---|---|---|---|---|---|---|
| 3 b42v7 | 1.07 | 0.41 | 1.79 | 0.67 | 0.20 | 0.57 | 0.17 | 0.12 |
| 3 b42rt | 1.09 | 0.39 | 1.97 | 0.64 | 0.20 | 0.54 | 0.20 | 0.15 |
| 厘米 | 0.93 | 0.42 | 1.70 | 0.65 | 0.16 | 0.56 | 0.18 | 0.22 |
| CM-unadj | 1.10 | 0.42 | 1.86 | 0.68 | 0.19 | 0.57 | 0.16 | 0.31 |
| 并通过 | 0.95 | 0.46 | 1.74 | 0.46 | 0.09 | 0.44 | 0.29 | 0.05 |
| PNN-unadj | 0.56 | 0.43 | 1.33 | 0.40 | 0.08 | 0.39 | 0.36 | 0.02 |
| ERAI-unadj | 1.05 | 0.30 | 1.63 | 0.82 | 0.22 | 0.66 | 0.08 | 0.08 |
| ERAI | 0.93 | 0.32 | 1.49 | 0.82 | 0.21 | 0.67 | 0.08 | 0.08 |
| MSWEP | 0.99 | 0.44 | 1.31 | 0.92 | 0.29 | 0.66 | 0.03 | 0.03 |
分类统计(a)舱6月到9月,(b)舱为3月至5月,(c)在6月到9月,三月到五月和(d)。
spe的结果表明CMORPH产品得分高意味着POD(92%)有更好的技能在检测降雨在雨季3 b42v7约为83%。3 b42rt和规调整波斯是等价的平均值的豆荚约78%。precipitation-estimating算法是不同的在spe(在方法部分解释)。MW-based产品提供更好的估计比想法估计降水事件的检测。CMORPH产品都是传播和变形技术的结果MW-based估计降雨事件检测性能优越的六个spe在这项研究中(图
从3月到5月的雨季,两种产品TMPA和CMORPH性能几乎是等价的意思是POD(62 - 67%)和更高的值在一些的位置。目前约20%的平均值较高TMPA CM-unadj而厘米有16%。PERSIAAN产品表现出较低的价值意味着远(< 10%)。图
MRV和FRV (a和c)和6月至9月,三月到五月(b和d)。
除了spe,结果再分析产品的POD和远图所示
CSI的结果表明,在潮湿的季节,CMORPH产品表现出91%的降雨是正确检测到3 b42v7紧随其后(82%)。这三个新创建的再分析产品表现(CSI > 97%)的卫星估计正确检测到在这两个季节降雨事件。二级雨季期间CMORPH和3 b42v7几乎相当于(数字
6月到9月的CSI (a)和(b) 3月至5月期间。
误差分析是以网格单元的网格单元依据无条件的情况参考测量降水阈值≥0.1毫米,平均在该研究领域。的频谱误差度量标准CC,偏离率和NRMSE收集从每个网格框如图
统计误差指标的偏离率(a和b)、CC (c和d), NRMSE降雨季节(e和f)。
CC统计结果显示所有产品几乎是相当于在湿(CC ~ 0.3)和二次下雨(CC ~ 0.4)季节(数字
最近,Abera et al。
计未调整ERA-Interim高估了,这是最偏向产品在雨季(图
spe的性能和再分析是评估不同百分位阈值的测量两个雨季降雨类别(图
有条件的误差度量。
ERAI-unadj高估了在第十百分位值30%以下展品低低估高阈值在雨季。其他八个产品显示绝笔大小的增加越来越百分位阈值。ERAI、MSWEP CMORPH 3 b42v7几乎是等价的绝笔级较低(10 - 20%)低于25,而CMORPH和3 b42v7表现更好的捕捉百分位阈值较高。
在二级雨季,TMPA和CM-unadj略有高估(~ < 5%)低于25,比低估的幅度较低阈值高。再分析估计急剧增加更高的分位数的低估的大小。在这两个季节里PNN-unadj展品最高低估。CC值与测量降雨量减少阈值分类相对较低。ERAI和ERA-unadj CC两降雨季节较低。
这项研究的结果提供的卫星的性能和新发布的再分析降雨产品每天在湿的时间范围,第二个雨季期间2000年至2013年在蓝色尼罗河盆地。研究利用6调整,调整卫星降水产品(TMPA、CMORPH和PERSIANN),两个ERA-Interim再分析产品,和MSWEP,这是一种混合产品,结合卫星,再分析,测量降水。评估降雨估计在0.25度进行了常规网格和至少一个指标观察在网格内的盒子。对比分析使用一个点观察或平均降雨量分布不均的网络在日常时间步可能导致实质性的结果误差指标的价值。我们使用了线性无偏估计,普通克里格(OK)算法,产生测量降水的区域表示在0.25度网格大小比较日常的时间尺度。基于分类和量化误差指标用于我们的分析,我们总结我们的研究结果如下:
事件的分类误差指标检测表明,CMORPH产品有较高的POD、更好的检测降雨在雨季TMPA CMORPH产品二级雨季期间几乎是等价的。远低于1%的产品在潮湿的季节,在小雨季8到20%。MSWEP产品表现最高的卫星和再分析吊舱在降雨季节;两个展览略高的意思是比卫星在潮湿的和小的雨季。
体积的错过和错误检测降雨,CMORPH远远低于TMPA和PERSIANN产品。所有产品在检测FRV的比例几乎是等价的。ECMWF再分析和MSWEP产品相对比卫星产品避免错过降雨卷在这两个季节。FRV表明,再分析产品的平均值发现稍高的体积错误的降雨。
CSI的结果表明CMORPH产品比正确地检测到在雨季降雨事件。二次雨季期间,CMORPH和3 b42v7几乎是等价的。三个新发布的再分析产品比卫星估计正确的降雨事件检测在两个季节。
偏差率结果表明,卫星降水产品低估了湿和轻微高估了小雨季的测量降水。CC的统计数据显示,在这两个季节里所有产品几乎是等价的。随机误差的传播组件被显示为TMPA产品略高。
再分析产品中,误差指标统计数据显示,MSWEP超越ERAI-unadj和ERAI估计。
误差指标的大小是线性增加测量降雨量增加百分位阈值的类别。3 b42v7和CM相对更好的捕捉更高百分比在雨季CM-unadj更好获取更高的百分比在二级雨季。MSWEP检测高百分位数的值比3 b42rt CM-unadj检测更高的百分位数的值在雨季。这表明两个卫星的探测能力和再分析产品需求在暴雨强度进一步提高检索算法。
计调整spe 3 b42tr CM-unadj, MSWEP是等价的捕捉湿季节雨量的空间格局两个地区的高峰值。第二个小雨季期间,所有产品有类似的季节性降雨的空间分布表现模式PNN-unadj有季节性降雨量相对较低。
我们观察到,在六卫星降水产品,CM在雨季相对更好的估计性能,同时,在雨季,厘米和3 b42v7几乎相当于上面的蓝色尼罗河流域段我们检查。降雨事件检测MSWEP表现得更好。独特的自然MSWEP产品自1979年以来的数据可用性。表现最好充分利用卫星和再分析产品改善的角度分析流域水资源,我们的下一个步骤是创建混合降水相结合的产品,每个产品不同的卫星和再分析数据集会计各自的不确定性。
作者宣称没有利益冲突。
这项工作得到了欧盟Earth2Observe项目部分AAU (ENVE.2013.6.3-3)和一个小的支持埃塞俄比亚部长的水,灌溉和发电。