多尺度评估三个卫星降水产品(TRMM、CMORPH PERSIANN)在中国三峡库区

文摘

本研究评估三个卫星降水产品,即TRMM、CMORPH, PERSIANN,三峡库区在中国多个时间尺度。评估涉及以下方面:降雨量、极端降水,应急检测能力。结果表明,降雨量的CMORPH和TRMM估计是相当好,但PERSIANN显示更大的偏见比其他两个卫星产品。CMORPH略比TRMM的数据精度。所有三个卫星产品可以复制的昼夜循环降雨,即。,比晚上更沉淀在早上。CMORPH估计是最接近计观察3小时和12小时的时间尺度。数据的准确性CMORPH数据在夜间比白天好。在每天的时间表,TRMM的质量数据略次于CMORPH,而从地面观察PERSIANN仍然很大差别。在月、季节和年度时间表,CMORPH TRMM相当的性能,他们两个都明显优于PERSIANN。CMORPH和TRMM的应急检测能力比PERSIANN更好。 The PERSIANN data tended to overestimate the light rainy days but underestimate the heavy and torrential rainy days. The CMORPH data overestimated mainly the moderate rainy days. The TRMM data overestimated the occurrence frequency of heavy rain during the winter half year (from October to the next March). Both the CMORPH and the TRMM provided good estimates of the regional average rainy days. The data accuracy of CMORPH was slightly better than TRMM, and both were far better than the PERSIANN with respect to the rainfall amount and rainy-day detection. Nevertheless, all satellite estimates showed large biases of extreme precipitation. The CMORPH estimate of the maximum 5-day precipitation was the best of all. Both the CMORPH and TRMM data overestimated the 95th percentile of precipitation, but the PERSIANN data severely underestimated it. The PERSIANN estimates of extreme precipitation amount were the best of all during the daytime, nighttime, and the whole day. The above evaluation results could facilitate the application of satellite rainfall products and provide a reference to precipitation-related studies.

1。介绍

沉淀是一种最重要的水文气象变量,直接影响社会经济和人们的生活。它往往表现出强烈的时空变异性和非均匀分布。然而,在农村和偏远地区降雨形成对立稀缺,使当地降雨的估计非常重要而具有挑战性的任务(1]。这种情况在三峡库区相当常见。三峡库区覆盖四川盆地的共同区域和空长江平原。复杂的地形,包括中央峡谷湖北,四川东部平行ridge-valley,大巴山,Yichuan-Hubei高原南部[2,3]。大这些山地和高原地区,地形差别以及不平衡的经济增长,使得气象站不均匀的分布和异构。这使得卫星降水测量的应用远比中国其他地区更有必要。

最近的遥感和卫星技术的发展提供了更多的选择的卫星降水产品比以往任何时候都更广泛的应用。目前,有超过30个卫星测深反演方法,和10多卫星降水估计(行为)是可用的。代表行为数据集包括热带降雨测量任务(TRMM)卫星降水分析(TMPA) [4气候预测中心),变形技术(CMORPH)产品(5),降水估计使用人工神经网络从遥感信息(PERSIANN) [6),和全球卫星降水的映射(GSMaP) [7]。与其他类型的降水数据集相比,卫星降水产品有很大空间覆盖率高时空分辨率,可有效弥补地面气象雷达和雨量计观测(8]。卫星产品提供了一个基本的方法来衡量全球降水。然而,由于卫星测量瞬时降雨,记录往往高估或低估实际的降雨量。因此,气象学家经常评估卫星产品测量观察。卫星产品随数据源的准确性和反演算法。卫星测量的精度也受地区气候类型,时间表,和山岳志9]。

许多卫星产品评估和通量值在全球不同区域10- - - - - -12]。例如,Nashwan et al。13)报道,全球卫星降水的映射(GSMaP)是最好的适合每日降雨量估计埃及的干旱地区。Klutse et al。14]发现gauge-corrected卫星数据集显示类似的估计夏季季风降水强度和极端降水在西非。其他研究表明,降水表现出明显的对地区级的核估计模式在不同亚区尼罗河流域的15和沿海和内陆地区之间在孟加拉国16]。这些卫星产品的性能也在中国评估。例如,沈et al。17]构造测量观测的降水0.25°网格间距和评估的准确性六高分辨率卫星产品对中国从2005年到2007年。程等。18)评估了CMORPH TRMM 3 b42产品每小时降水从2447年计2007 - 2010年期间在中国。廖et al。19)评估的准确性六降水产品(TRMM 3 b40rt 3 b41rt 3 b42rt CMORPH, GSMaP,水电)在中国的日常时间表。

卫星产品的性能在复杂地形区域最近获得了更多的关注,由于其日益增长的重要性在降雨天气灾害的预测和减轻。例如,朱et al。20.]研究了日降水变化在美国连续,发现显著差异之间的空间聚类特性TRMM数据和测量观察。陈等人。21)报道,TRMM略优于CMORPH捕捉降雨昼夜循环在中国南部海岸,但比TRMM CMORPH透露更多的局部细节。郭et al。22]表明,西藏昼夜循环降雨在很大程度上是依赖于地形和景观。其他的研究以类似的方式进行评估卫星产品在青藏高原(23),在中国黄河流域和高纬度地区和低纬度盆地(24- - - - - -27),舟曲在中国西北28),Qinling-Dabashan山(29日),和上海30.]。一般来说,大部分的上述研究已经评估日常时间表及以上的降水。

目前,卫星产品的适用性在三峡库区尚未彻底研究。李等人。31日]表明,大多数卫星产品,包括TRMM3B42-V7 TRMM3B42-RT, PERSIANN, CMORPH,仍然遭受偏见在某种程度上在长江流域。TRMM-based降水产品得到了太多的关注在先前的研究在四川和重庆地区(32- - - - - -34,湖北35,青藏高原36),和三峡库区37]。然而,这些研究主要集中在每日时间表及以上。卫星数据的精度随气候类型,冷锋,观察时间尺度和反演算法。另一方面,三峡库区的独特的地形分布的结果在很大的差异区域内的地形升降和非常不同的降雨模式。大巴山及其扩展神农架山区北部的长江共同行动的巫山山南部的长江盾来自西伯利亚的冷空气,使三峡库区一个温暖而潮湿的地方。整个库区由潮湿的亚热带气候。三峡库区的气候特点是温和多雨,冬暖但炎热的夏天,降雨与热温度在同一季节。三峡库区的平均温度是17 ~ 19°C,和气温的日较差和年度范围很小。库区的年降水量1000 ~ 1300毫米,是空间的特点是纬向三极的模式有更多的降水两端但不降雨在河边山谷的中心区域。在三峡库区降雨模式是相对复杂的,但很少有研究关注这一领域,揭示了区域降水的变化特征。 Thus, there is an urgent need to investigate the reliability of satellite products.

本研究旨在填补这一空缺通过评估三个高分辨率卫星产品(TRMM、CMORPH PERSIANN)与gauge-observed降水在三峡库区每年从subdaily时间表。卫星之间的一致性和差异产品检测极端降水和雨天在复杂地形进行了讨论。本文的其余部分组织如下。节2源的观察,再分析数据和方法介绍。节3每年从subdaily卫星降雨测量时间尺度是通量值与气象观测和评估。节4雨天的探测能力评估每个卫星产品。在第五节中,卫星测量极端降水的评估。最后,在第六节总结和讨论。

2。数据和方法

2.1。数据

三峡库区的降水观测是来自35个国家气象站海拔高度从177.9米到786.9米。湖北省有12站,在重庆市(图231)。每小时降雨记录的积累沉淀预处理不同时间尺度(即。3个小时,12小时,每日、每月、每年季节性,)。在这项研究中使用的高分辨率卫星数据列在表中1。这些卫星产品TRMM 3 b42 version 7 (TRMM 3 b42_v7) (4),PERSIANN版本1.1 (PERSIANN-CDR) (6),CMORPH版本1 (CMORPH CRT) [5]。卫星数据预处理在同一网格分辨率0.25°×0.25°,同一时间分辨率每3个小时。考虑到这些产品的不同的时间跨度,最长时间可用于所有卫星数据用于评估。因此,所有数据跨越了从2001年1月1日,2016年12月31日(共16年)。

2.2。方法

卫星降水产品进行评估估计雨量,下雨的分类和无雨的情况下,极端降水的分布和持久性。六个统计矩阵用于降雨量评价,即相关系数,均方根误差,偏见,Kling-Gupta效率指数,赛尔的U系数和概率分布函数。三个分类指数被用来评价多雨无雨的情况下,也就是说,偏见,检测概率和误警率。三个统计指标被用来评估极端降水,也就是说,最多5天降水、极端降水多,持续的雨天。这些指数的定义,除了常见的提供。

2.2.1。RMSE

均方根误差(RMSE)计算平方根的平均平方差异卫星估计和观察到的值: 在哪里表示卫星降水估计,代表观察到的降水,表示时间点的数量进行评估。

2.2.2。偏见

偏差度量直接揭示了卫星的系统误差估计,这些错误的程度指的是观察: 在哪里 , ,和在方程(表示相同的数量1)。

2.2.3。Kling-Gupta效率

Kling-Gupta效率(KGE)被定义为 相关的组件皮尔逊相关系数的偏差组件 之间的比率估计意思是( )和观察到的意思是 ),和可变性组件 表示之间的比率估计变异系数( )和观察到的同行( )(和表示观测和卫星的标准差估计)[38,39]。完美的KGE分数的值是1。

2.2.4。赛尔的U系数

赛尔的U得分被定义为 在哪里介绍了卫星数据的th样本,是相应的观察,然后呢是样品的总数。完美的U值赛尔系数为0 (40]。

2.2.5。打击偏见

的偏见是一个分类指数测量和观测卫星之间的一致估计。这个指数计算的雨天卫星数据的数量除以观察雨天。 在哪里是偏见,NA是雨天的数量在两个卫星的观测和估计,NB是雨天只在卫星的数量的估计,和数控是雨天的数量只在观察。理想的价值是1。

2.2.6款。检测概率

检测的概率(POD)反映了卫星估计的准确性。这是雨天的数量之间的比率计算卫星的观测和估计和观察雨天的总数。 NA和数控有相同的含义在方程(5)。豆荚的理想值是1。

2.2.7。误警率

误警率(远)反映了假率卫星探测的降雨。这是雨天的数量之间的比率计算只有在卫星和雨天的总数估计卫星估计。 NA和NB有相同的含义在方程(5)。远的理想值是0。

2.2.8。雨天和极端降水指标

(一)有效的雨天:每个雨天的雨量阈值设置为1毫米/天(41,42]。(b)雨天不同降水大小分类:根据中国气象局的操作规定,降雨强度是分类如下:小雨:0.1∼9.9毫米/天中雨:10.0∼24.9毫米/天大雨:25.0∼49.9毫米/天暴雨和上图:≥50 mm /天(c)3指标表2采用来自27个指标提出的极端天气事件的世界气象组织(WMO) (43,44]。

2.2.9。克里格插值

克里格插值方法是一个流行的地质统计学技术在地下水建模和空间映射。它使用一个方差图确定表面的空间变化和减少预测误差在无边无际的位置。相比其他插值方法如逆距离加权法和样条插值,观察到的克里格方法最大化利用空间信息,从而使一个更精确的估计未知的地点(45,46]。鉴于上述原因,我们采用了克里格方法卫星数据插入到每个气象站的位置,然后积累沉淀量在3小时,12小时,每日、每月、每年季节性,时间表。

3所示。结果与讨论

3.1。Multitimescale降水的评估

降水气候学由两个局部极大值,一个在南,另一个在朝鲜(图2)。这个空间格局与先前的研究一致对最大和最小的位置中心(37,47]。TRMM和CMORPH估计接近观察有关降雨量最大和最小的位置和大小。降雨量的PERSIANN估计比观察。此外,PERSIANN降雨的空间模式不同于观察、与最大中心的一个明显的转变及其空间覆盖率。

3.1.1。3小时的时间尺度

gauge-observed降水显示大库区南部,昼夜可变性最大标准差超过6毫米/天(图2(e))。有一点小日可变性的北部和西部的部分地区。CMORPH和TRMM可以复制这个空间模式在很大程度上(数据2(f)和2(g))。然而,TRMM数据高估了标准差约1毫米/天。PERSIANN低估了昼夜变化在整个库区(图2(h))。

平均降水率重前12小时一天(经历)比其他(12 - 24)(图3)。这暗示了一种“更早上晚上更少”的特征降雨昼夜循环。降水的日变化可能与mountain-plains电磁(MPS)循环(20.,48]。降雨峰值是最有可能出现在3^{理查德·道金斯}- 9^th小时间隔。均值标准差观测降水范围从3.8毫米/ 5.6毫米/天在研究期间。所有三个卫星估计提出了一个降雨昼夜循环类似于观察。CMORPH最好复制观察到的变化模式对降雨量及其标准偏差。TRMM提出类似的昼夜变化,但它往往高估了约1毫米/天的昼夜变化。PERSIANN显然低估了整体降雨量及其标准偏差(超过2毫米/天在大多数年份)。一般而言,降雨昼夜循环的CMORPH估计是最好的,其次是TRMM然后PERSIANN。

每颗卫星的相对偏差数据集在图给出4。在春天,CMORPH显示最小的偏见,波动在0一整天(图4(一))。TRMM估计呈正偏置在第一次12小时的一天,但负面偏见一天余下的时间。3积极偏见达到顶峰^{理查德·道金斯}6^th小时内,而负偏压12期间达到了顶峰^th-18年^th小时内。虽然比CMORPH TRMM估计更有偏见,还是比PERSIANN。在观察相比,PERSIANN低估了降雨量在整个一天。所有卫星偏见显示下降趋势在早上和晚上增加的趋势。在夏天,CMORPH偏见仍然是最小的在所有的卫星数据集在前15个小时(图一天4 (b))。在12 CMORPH偏见达到顶峰^th-15年^th小时内,保持积极的一天。TRMM偏见由两个积极的山峰在3^{理查德·道金斯}6^th小时12^th-15年^th个小时。TRMM偏差大于CMORPH直到18岁^th小时,当两个卫星估计也有类似的偏差率。从那时起,TRMM资料被负面的偏见。PERSIANN估计仍显著低于观察一整天。在秋天,CMORPH估计还是最好的,偏差范围在20%以内(图4 (c))。TRMM偏差大于CMORPH在15^th-21年^圣个小时。PERSIANN估计显著低于观察了约60%。在冬天,CMORPH和PERSIANN低估了降雨量平均为25%,而TRMM明显高估了降水在3^{理查德·道金斯}6^th小时(图4 (d))。

偏差分布在每个季节箱线图所示(图5)。所有三个卫星数据集显示广泛的偏见和不同分布的中位数在四季。在春天,CMORPH偏见主要是积极的(图中值超过100%5(一个))。这种偏见率高于TRMM PERSIANN,这表明CMORPH遭受全面春季降水的高估。TRMM偏见比CMORPH覆盖更广泛,表明更高的不连续性的估计错误。TRMM偏见的中值为80%左右,低于CMORPH。它暗示春天的TRMM仍然遭受过高地估计降雨CMORPH相比,但程度较轻。PERSIANN偏见比TRMM更分散,但其值接近于0。自从PERSIANN降雨量通常被低估了,这个小值表明,降雨的低估是抵消降雨在一些地区的高估小降雨量。在夏天,中值的偏差分布和CMORPH TRMM彼此类似(图5 (b))。他们高估了降水在三峡库区的大部分地区。PERSIANN仍然显示最大的百分比范围的中值接近于0。在秋天,所有三个卫星估计表现出更多元化的偏见比在夏天(图分布5 (c))。TRMM偏差的值是接近0,表明均衡分布研究领域积极和消极偏见。同样,CMORPH偏见的中值为10%左右。PERSIANN偏差值最低的卫星数据集,这意味着严重低估的降雨量。在冬天,所有的卫星偏见表现出最大的范围(图5 (d))。TRMM的偏差值和PERSIANN像他们的同行在秋天,但CMORPH的偏差值远远大于在秋天(接近100%)。这表明TRMM PERSIANN仍倾向于低估了降雨量,而CMORPH遭受整体高估降雨量在冬天。

在所有四个季节,夏天偏差范围是最小的,但最大的冬天。然而,三峡库区经历了大部分的降雨在夏季和冬季是旱季。因此,稀少的降水是离散性较高的估计错误。在所有卫星数据集,PERSIANN估计最高离散性的错误。TRMM的偏见和CMORPH分布在一个相似的范围内。鉴于CMORPH积极值大,这个卫星数据集是倾向于高估了降雨量。同样,TRMM也倾向于高估春季和夏季的降水。相反,PERSIANN倾向于低估了在秋季和冬季降雨甚至比在春季和夏季。

3.1.2。12个小时的时间

12小时降水可能反映了白天卫星估计的准确性和夜间。在白天,CMORPH估计是最接近所有卫星数据集(图中观察6)。4毫米和32毫米之间的沉淀量分布最常在1:1线。CMORPH和仪表观测之间的相关系数为0.81,均方根误差为2.90,平均偏差率为2.07%(表3)。TRMM的分布估计CMORPH相似,但4毫米,16毫米之间的偏差大于CMORPH。TRMM估计之间的相关系数和降雨观测为0.81,均方根误差为3.04,偏差率为6.79%。在CMORPH相比,TRMM略差的准确性。PERSIANN估计错过了高频出现在1:1线。PERSIANN之间的相关系数估计和降雨观测为0.54,均方根误差为4.66,偏差率为-35.20%。从这三个指标,CMORPH估计是最好的。

夜间降水的分布类似于在白天(图7)。CMORPH仍然呈现最高的频率出现在1:1 4毫米和32毫米之间的界线。CMORPH如下:评价指标的相关系数为0.82,均方根误差为3.55,偏见−0.34%(表4)。相比白天降水、夜间降水的相关系数高,偏差率较低,但均方根误差增加一点。周围的TRMM估计在夜间出现次数少1:1线与白天相比。TRMM的相关系数下降到0.79,均方根误差增加到3.75,偏差率增加到−9.39%。所有这些指标表明,TRMM估计在夜间比白天更糟。PERSIANN仍然缺乏一个高频出现在1:1线在夜间。PERSIANN的相关系数增加到0.57,但均方根误差增加到5.58和偏差率增加到−36.49%。上述结果表明,CMORPH维护其准确性一整天,但不知何故TRMM PERSIANN估计的精度退化在夜间。

定量评估估计错误,我们计算的偏差(HB)、检测(POD),概率和误警率(远),分别与降水在日间和夜间(图8)。自主要降水范围是从1毫米/天到60毫米/天,我们只考虑了降雨在这个范围内。偏差率为约TRMM和CMORPH在日间和夜间。随着降雨率的增加,达到PERSIANN的偏见逐渐下降到低于50%。这表明,适合TRMM CMORPH高于PERSIANN得多。检测CMORPH和TRMM数据的概率接近彼此在白天。他们表现出下降的趋势随着降雨率的增加。在夜间,检测的概率CMORPH有点高于TRMM同行。然而,检测的概率在PERSIANN是远低于其他两个卫星产品。这暗示PERSIANN不仅低估了降雨,也错过了许多雨天。 Among all satellite datasets, the false alarm rate of CMORPH was the lowest and the false alarm rate of PERSIANN was the highest. As the rain rate increased, the false alarm rate in each satellite product also increased. Note that the difference in the false alarm rate between the daytime and nighttime was small.

3.1.3。每天的时间表

每日降水表现出类似的模式在散点图夜间和白天降水(图省略)。CMORPH和TRMM KGE得分高于PERSIANN(数字9(一)-9(c))。TRMM KGE得分最高的出现在主流北部地区,而KGE得分最低的是分布在西方库区。KGE分数CMORPH有点高于TRMM /整个库区。然而,PERSIANN的KGE分数小于0.4库区的大部分地区。KGE平均得分在三峡库区0.67 TRMM、PERSIANN CMORPH 0.69, 0.33。从赛尔的U得分,CMORPH的性能通常是最好的,其次是TRMM然后PERSIANN(数字9(d) -9(f))。鉴于赛尔的空间模式的U和KGE分数,CMORPH估计最佳代表主流北部和中部南部的降水库区的边缘。意思是赛尔U TRMM得分为0.75,PERSIANN CMORPH 0.72, 1.34。上述结果表明,TRMM CMORPH,能够捕捉到颞可变性和每日的平均强度在三峡库区降雨。

观察到的PDF无雨的情况下研究领域(图大约是60%10)。CMORPH和PERSIANN显示类似的PDF不下雨的情况下,而TRMM倾向于高估没有雨事件的频率由几个百分点。这表明TRMM估计错过了一些下雨的情况。降雨的能力检测卫星产品之间的不同。例如,TRMM PDF繁殖的中度到重度的降雨事件相当不错,但它显然低估了小雨的PDF。相比之下,PERSIANN高估了小雨事件,但低估了中等降雨和上面的PDF。CMORPH显示最佳的性能在PDF的降水在所有卫星产品。

卫星产品的性能可以与泰勒总结图(图11)。TRMM和CMORPH提出了一个相对较好的业绩,在复制不同强度的降雨。这两个卫星产品显示最高的相关性(超过0.6)小雨,最小均方根偏差(RMSD)(约1.1)和标准差接近1的大雨。相反,穷人PERSIANN显示符合观察。上述结果表明,TRMM和CMORPH比PERSIANN三峡库区。

打击偏见、检测概率和误警率的日常时间表类似12小时(图12)。打击偏见CMORPH和TRMM保持100%左右的降雨率从1毫米/天到60毫米/天。随着降水率增加到60 mm /天,检测的概率CMORPH和TRMM下降了约18%。因此,假警报率增加到50%左右。PERSIANN数据质量仍然是所有卫星产品中最低的。

3.1.4。每月的时间表及以上

时间序列的相关系数,偏差率,每颗卫星产品的均方根误差图所示13。大多数时候,TRMM的相关系数是最高的(> 0.5)的相关系数PERSIANN最低(< 0.3)在所有卫星产品。的相关系数比TRMM CMORPH只是有点低。这表明CMORPH TRMM可以捕捉每月的空间格局在三峡库区降水,但PERSIANN数据不同于观察明显比其他两个卫星产品。TRMM的偏差率接近CMORPH,都在0行除了2011年1月和2013年1月当CMORPH显然高估了降雨量。相比之下,PERSIANN的偏差率是-50%左右,这意味着PERSIANN倾向于低估了降雨。均方根误差(RMSE) TRMM卫星产品中最小的,不超过2毫米/一天的大部分时间。CMORPH有类似的波动趋势的RMSE TRMM但明显高于TRMM的几个月。PERSIANN最大的RMSE,基本上2毫米/天至6毫米/天。

季节性降水率是一般的空间模式复制CMORPH和TRMM数据(图14)。只有冬季显示一个明显的偏离观察,沉淀在西方的三峡库区是低估了。CMORPH还高估了三峡库区中部降水。PERSIANN低估了季节性全年降雨量。一般来说,最好TRMM降水恰逢观察(图通过四个季节15)。TRMM资料也有最小的RMSE和偏差率最低,除了夏天,当CMORPH的偏差率是最低的。在一致性与空间模式中,所有卫星产品低估了冬季降水在不同程度上。上面的结果表现,TRMM季节性的产品是最好的时间表。

发生不同的降水率的百分比计算为每个季节(图16)。PERSIANN高估了小雨的发生但低估了温和的概率和暴雨。TRMM资料和CMORPH像对方,但中雨比CMORPH TRMM探测到。在所有卫星产品,CMORPH估计降雨发生在冬季和春季最靠近观察,和在夏季和秋季TRMM估计是最好的。

3.2。应急检测

多雨的事件经常发生在南方库区支流电视台如Hefeng, Laifeng, Nanchuan(图(17日))。东部库区雨天的整个地区。观察相比,TRMM和CMORPH显示应急最大在库区中部(数字17 (b)和17 (c))。应急模式PERSIANN几乎相反的观察,与最大水库库区北部和西南部的最小区域(图17日(d))。在所有卫星估计,下雨的事件的发生是东部比西部更频繁。这一特点主要是由于应急检测的偏见在春天,秋天,冬天。在这三个赛季,CMORPH和TRMM显示应急最大在中央库区和应急最低在西方(图18)。PERSIANN显然低估了事件在秋天下雨,雨天小于20大部分地区。相比之下,观察到雨天范围从24到32。在春天和冬天,PERSIANN应急最大分布在北方,导致整个应急最大的向北转移。

每个降水的发生频率大小计算在每月(图19)。在观察相比,TRMM倾向于高估冬天下雨的事件的频率半年(3月十月生效)。CMORPH是倾向于高估的频率温和降雨在雨季(五月-十月)而PERSIANN高估的频率光雨但低估了暴雨和上面的频率。这些结果表明,卫星应急频率的估计接近观察但仍有不可忽视的偏见。

3.3。极端降水探测

最多5天降水(RX5day)介于100和200年之间在库区(图20(一个))。RX5day值是大西部地区比东部地区。RX5day空间模式的这些特征通常是符合任et al。44]。观察相比,CMORPH估计是最真实和准确的在所有卫星产品(数字20 (b)- - - - - -20 (d))。相比之下,TRMM低估了最大降水尤其是在贝贝,Shapingba,巴南区,Kaizhou,恩施,剑士观察。在车站,最大降雨量是低估了大约50毫米。这种偏见是PERSIANN估计,更糟的是,大部分电台RX5day少于100毫米。

观察到的极端降水在东方比西方更重的库区(图(21日))。这个空间模式像刘et al。49]R95的大小和分布。所有的卫星估计极端降水偏离了观察,CMORPH偏见是最小的(数据的地方21 (b)- - - - - -21日(d))。CMORPH数据的估计误差主要是极端降水的高估西方库区。这种偏见在TRMM数据变得更加明显,而高估了极端降雨Qijiang周围几乎是100毫米,五龙,涪陵、丰都城站。相反,PERSIANN低估了极端降水150毫米在整个库区。

持续的雨天(鹿)库区长在南方比北方(图(22日))。南北之间的分界线是长江。TRMM往往低估了上游地区(图慢性消耗性疾病22 (b))。例如,TRMM估计比观察一天短Qijiang巴南区站和短于两天观察Shapingba和Nanchuan电台。同样,CMORPH高估了上游地区慢性消耗病了一天,还在下游区域(图1 - 2天22 (c))。下游的CMORPH高估的覆盖面积、宜昌、长阳、和巴东车站。相比之下,PERSIANN低估了鹿在南部库区Nanchuan周围约1天,县道,钱江,Laifeng站和2天Qijiang和五龙站(图22日(d))。上述结果表明,每个卫星产品有自己的偏见在极端降水估算,CMORPH是相对最好的。

最大降水在白天,夜晚,整个一天在表中给出了5。在所有卫星产品,CMORPH最接近观察在白天(偏差在2毫米)。PERSIANN估计是最好的在夜间(偏差在2毫米)和一整天(偏差约4毫米)。TRMM和CMORPH高估了所有三个时期的最大降雨,但相反,PERSIANN低估了最大降雨。它可以推断出从降雨数据(表1),每日TRMM的偏见和PERSIANN大多归因于日常偏见的估计错误在白天而CMORPH基本上是在夜间相关估计错误。

4所示。结论

三个卫星产品的评估显示,CMORPH和TRMM估计更准确比PERSIANN三峡库区。一般来说,CMORPH和TRMM表现出良好的性能在估算降水的空间格局和时间演化subdaily年度时间表。CMORPH的总体性能略优于TRMM。PERSIANN往往低估了降雨量在多个时间尺度。所有三个卫星产品可以捕获降雨昼夜循环的主要特征,即比晚上更沉淀在早上。总的来说,所有的CMORPH错误是最不每日subdaily时间表(即。,3小时和12小时)。CMORPH估计在白天比夜间。TRMM的性能通常是接近CMORPH。TRMM和CMORPH表现上的PERSIANN月时间表及以上。注意变化特征的卫星偏见在四季不同。 For example, the CMORPH underestimated the morning rainfall but overestimated the evening rainfall in summer and winter. This bias pattern was almost reversed in spring and autumn. In contrast, the bias pattern of TRMM remained the same in four seasons, which was the overestimation of rainfall in the morning and underestimation of rainfall in the evening. The bias amplitude of CMORPH was smaller in spring and autumn than in summer and winter whereas the bias amplitude of TRMM was smaller in summer and autumn than in spring and winter. In general, the CMORPH and TRMM were better at estimating the rainfall diurnal cycle than the PERSIANN over the Three Gorges Reservoir area.

的应急检测能力CMORPH略优于TRMM,而后者显然比PERSIANN。注意,每个卫星估计每年有自己的偏见在季节性和时间表。每颗卫星产品的偏差从每月的时间表,积累的PERSIANN倾向于高估的出现频率小雨但低估的大雨和暴雨。CMORPH高估了主要的频率出现中雨而TRMM高估了暴雨的出现频率在冬天半年。

所有卫星的估计极端降水偏离观察不同程度。为期5天的最大降水,CMORPH估计是最现实的卫星产品。TRMM和CMORPH高估日常降水的95,这是由PERSIANN严重低估了。最大持续的雨天,TRMM的偏见是最小的。然而,TRMM和CMORPH有偏见比平均最大降水的PERSIANN subdaily时间表。从上面的结果可以推断CMORPH中使用的关键技术,包括红外测量从地球同步运行环境卫星和GEO-IR-based向量计算,适用于降水估计在研究领域。PERSIANN使用人工神经网络得到降水率从云顶温度的红外图像,它不适合评估三峡库区降水。

最近气候变化是伴随着明显的地区差异。世界各地的降水。目前卫星降水估计仍有差异观察和相比其他再分析数据集。我们的结果通常伴随着李和唐37和周et al。50),只评估了在三峡库区TRMM资料。PERSIANN估计显示相对糟糕的表现不仅在库区还在其他地方包括青藏高原和塔克拉玛干沙漠(51),里海的沿海地区52)、中东(53),和埃及的干旱地区13]。原因可能与温暖的云顶温度和不足gauge-corrected校准记录(54),但它仍然需要进一步调查。

先前的研究表明,TRMM的准确性和CMORPH产品是受地形影响55,56]。三峡库区,复杂的地形高度从34米到2854米,地形效应可能是一些罕见但大偏差的主要原因TRMM和CMORPH产品。此外,大部分地区的库区由多云、多雾的天气,尤其是在冬天。雾蒙蒙的天在冬季占总额的41%全年雾蒙蒙的天(57]。这使得对流层上层更容易被云大陆,屏蔽和低端云层降水难以检测(58]。因此,地区多云的天气原因也可能是一个更大的偏见在冬天比其他季节。

注意,每个卫星的估计错误相关的气候背景和表示地形效应反演算法。这些错误的来源需要在将来的研究中阐明。另一方面,可以提高卫星产品的性能使用物理实验模型(59),将被动微波降水数据(60),将人工智能(AI)与自回归模型和机器学习技术(如遗传规划)61年,62年]。气象技术的趋势,这些基于ai偏差纠正技术的应用和改进也值得进一步调查。本研究可以作为参考数据融合的观察在三峡库区降水和卫星测量,从而促进更有效的气候评价和更准确的水文模拟。

数据可用性

TRMM 3 b42_v7戈达德地球科学所提供的数据资料和信息服务中心(GES光盘)(可用https://disc2.gesdisc.eosdis.nasa.gov/data/TRMM_L3/TRMM_3B43.7)。提供的PERSIANN-CDR数据NOAA国家环境信息中心(可用https://catalog.data.gov/dataset/noaa-climate-data-record-cdr-of-precipitation-estimation-from-remotely-sensed-information-using)。CMORPH_CRT数据提供的气候预测中心(CPC)的国家海洋和大气管理局(NOAA)(可用https://www.cpc.ncep.noaa.gov/products/janowiak/cmorph_description.html)。

的利益冲突

作者宣称没有利益冲突有关的出版。

作者的贡献

天宇张和Yu Yang董的产品同样这项研究做出了贡献。

确认

这项工作得到了国家自然科学基金(42022035,42022035,42022035,41875103,41975093,42005050,41805059,41875111,40975058),中国科学院的战略重点研究项目(XDB40000000)、云南省自然科学基金(2019 fy003006),省级创新团队项目的大湄公河次区域的气候变化研究(2019 hc027)。由云南科技部门也是cosupported青年项目(202001 bb050014),中国三峡气候监测项目(sk2021015),中国国家重点研发项目(2018 yfe0196000),和中国气象局气候变化项目的中国(ccsf - 201836)。

引用

1. x y刘,问:傅,p .歌曲,赵,和c .窦”卫星降水的检索:概述”,地球科学进展26卷,第1172 - 1162页,2011年,在中国。视图:谷歌学术搜索
2. p c .秦h . m .徐m .刘et al。”气候变化影响三峡水库蓄水和水力发电,”《水文,卷580,不。13日,2020年。视图:出版商的网站|谷歌学术搜索
3. 周曾y . x, z . x李振国燕,m·j·邓黄b和c。”气候变化及其归因在三峡库区,中国,“可持续性卷。11日,p。2019。视图:出版商的网站|谷歌学术搜索
4. d·t·g·j·霍夫曼,e . f .斯托克Bolvin, e . j . Nelkin和r·f·阿德勒TRMM Version 7 3 b42和3 b43数据集美国马里兰州格林贝尔特,美国航空航天局/戈达德宇航中心,2012年。
5. r·j·乔伊斯j . e . Janowiak p·a·阿金和p .谢,“CMORPH:一个方法生产全球降水估计从被动微波和红外数据在空间和时间分辨率高,“水文气象学杂志,5卷,不。3、487 - 503年,2004页。视图:出版商的网站|谷歌学术搜索
6. h . Ashouri K.-L。许,s Sorooshian et al .,“PERSIANN-CDR:每天从多卫星降水气候数据记录观测水文和气候研究”美国气象学会的公告,卷96,不。1,第83 - 69页,2015。视图:出版商的网站|谷歌学术搜索
7. 冈本k . i。t . Ushio t、日本n .高桥和k . Iwanami”全球卫星降水(GSMaP)项目的映射,”学报2005年IEEE国际地球科学和遥感研讨会,2005(雪茄烟05)5卷,首尔,韩国,2005年7月。视图:谷歌学术搜索
8. r .郭和y刘箭检索高分辨率降水:概述,“在地球科学,30卷,第903 - 891页,2015年。视图:谷歌学术搜索
9. 张,d . Wang z秦,y,和j .郭”的评估流量和TRMM降水产品使用雨量计网络在青藏高原,“气象研究期刊》的研究,32卷,不。2、324 - 336年,2018页。视图:出版商的网站|谷歌学术搜索
10. i . w . j . p . Kim Jung, k . w .公园,s . k . Yoon和d·李,“水文效用和不确定性多卫星降水产品在韩国的山区,”遥感,8卷,2016年。视图:出版商的网站|谷歌学术搜索
11. f . Seyler j . Ringard m·贝克尔,l . Linguet“时间和空间的评估四个卫星降水估计在法属圭亚那和巴西北部,“遥感,7卷,不。12日,第16459 - 16441页,2015年。视图:出版商的网站|谷歌学术搜索
12. a . Mondal诉拉克希米和h Hashemi”每月多卫星降水趋势分析产品的相互比较和衡量测量河流流域的印度,”《水文卷,565年,第790 - 779页,2018年。视图:出版商的网站|谷歌学术搜索
13. m . s . Nashwan舍希德,政府高级官员,t·伊斯梅尔和n .别名“五高分辨率卫星降水产品性能在干旱地区的埃及:一个评价,“大气研究文章ID 104809卷,236年,2020年。视图:出版商的网站|谷歌学术搜索
14. n . a . b . Klutse k . a . Quagraine f·恩克鲁玛et al .,“夏季季风的气候分析极端降水事件在西非CMIP6模拟,”地球系统和环境,5卷,不。1,25-41,2021页。视图:出版商的网站|谷歌学术搜索
15. m . s . Nashwan和美国Shahid单向趋势的空间分布在尼罗河流域气候和极端天气,”理论和应用气候学,卷137,不。1 - 2、1181 - 1199年,2019页。视图:出版商的网站|谷歌学术搜索
16. a . y . m·阿卜杜拉·m·h·Bhuian g . Kiselev a .政府高级官员问:k .哈桑和m . Rafiuddin“极端气温和降雨事件在孟加拉国:沿海和内陆地区之间的比较,“国际气候学杂志,2020年。视图:出版商的网站|谷歌学术搜索
17. 王y沈,a, y, p .谢”性能的高分辨率卫星降水产品在中国,“地球物理学研究杂志:atm,115卷,2010年。视图:出版商的网站|谷歌学术搜索
18. r . l . Cheng沈、施c . l .呗,和y,“评估和验证CMORPH TRMM 3 b42降水估计产品,”气象每月40卷,第1379 - 1372页,2014年。视图:谷歌学术搜索
19. r·廖d·张,沈y”验证6降水量卫星估计在中国。”气象每月41卷,第979 - 970页,2015年。视图:谷歌学术搜索
20. 赵l .朱y、x鲁伊和问:,“圆锥:季节性降水的日变化和比较测量观测与TRMM资料,”气象学的进展ID 8859993条,卷。2020年,13页,2020。视图:出版商的网站|谷歌学术搜索
21. r . g . Chen局域网,w .曾庆红,h .锅和w·李,“昼夜变化的季风降雨在表面和卫星观测的海岸(中国南方),“杂志的气候没有,卷。31日。5,1703 - 1724年,2018页。视图:出版商的网站|谷歌学术搜索
22. p . j .郭翟,吴l . et al .,“昼夜变化和降水的影响因素从表面和卫星测量在西藏,”国际气候学杂志,34卷,不。9日,第2956 - 2940页,2014年。视图:出版商的网站|谷歌学术搜索
23. l .吴和p .翟验证日常从两个高分辨率卫星降水的降水数据集在青藏高原东部地区,”Meteorologica学报,26卷,不。6,735 - 745年,2012页。视图:出版商的网站|谷歌学术搜索
24. 黄m ., a, x, y . Tan, m . Wang”验证卫星降水产品在青藏高原地区,”高原气象学,35卷,34-42,2016页。视图:谷歌学术搜索
25. 问:胡锦涛,d .杨y . Wang和h·杨,“准确性和时空变化的高分辨率卫星降水估计在赣江流域,”中国科学技术科学卷,56号4、853 - 865年,2013页。视图:出版商的网站|谷歌学术搜索
26. 江,z,黄y、x Chen和陈,“评估TRMM卫星降水分析极端降水和赣江流域河流,中国,“气象学的进展卷,2017篇文章ID 2902493, 11页,2017年。视图:出版商的网站|谷歌学术搜索
27. x杨和耿w .精度评价TRMM-based多卫星降水在淮河盆地,”水资源和电力,34卷,页1 - 5,2016年,在中国。视图:谷歌学术搜索
28. j . Wang周宏儒。Wang和y香港比较satellite-estimated和模型对降雨数据在一个致命的舟曲的泥石流事件,中国西北,”大气和海洋科学快报,9卷,不。2、139 - 145年,2016页。视图:出版商的网站|谷歌学术搜索
29. j·g . y . Yang Cheng粉丝,j .太阳和w·李”准确性的验证TRMM 3 b42数据在四川盆地及其周边地区,”气象科学杂志》上33卷,第535 - 526页,2013年。视图:谷歌学术搜索
30. 李问:江,w . j .温家宝et al。“精度评价的两个高分辨率卫星降水产品:TRMM 3 b42v7 CMORPH在上海,“水,10卷,2018年。视图:出版商的网站|谷歌学术搜索
31. 李z d·杨,y,“多尺度评价高分辨率多传感器融合全球降水产品在长江,”《水文卷,500年,第169 - 157页,2013年。视图:出版商的网站|谷歌学术搜索
32. h . t .霁,r . Liu Yang, t .他和j .吴”空间降尺度的降水利用多源遥感数据:一个案例研究sichuan-chongqing地区,”信息科学杂志》,17卷,第117 - 108页,2015年。视图:谷歌学术搜索
33. t . t .霁,h·杨,r . Liu,他和j .吴”的适用性分析TRMM Sichuan-Chongqing地区降水数据,”地理的进展33卷,第1386 - 1375页,2014年。视图:谷歌学术搜索
34. t . j ., a . Chen, c .朱陆x,“三峡地区资源、环境和生态的适用性分析TRMM降水在重庆市三峡库区及其时空分布,“重庆师范大学学报31卷,第77 - 70页,2014年。视图:谷歌学术搜索
35. w . w . Wang, w . Tan,吴x”的适用性分析TRMM3B43降水产品有关降水的时空异质性:以湖北省为例,“地理信息科学33卷,59 - 66年,2017页。视图:谷歌学术搜索
36. p .白和刘x”,评价五个卫星降水产品在两个gauge-scarce盆地在青藏高原,“遥感,10卷,2018年。视图:出版商的网站|谷歌学术搜索
37. b李和美国唐”,当地降水变化引起的三峡水库根据TRMM的观察,“长江流域资源与环境,23卷,第625 - 617页,2014年。视图:谷歌学术搜索
38. h . v . Gupta, h·克林k . k . Yilmaz g·f·马丁内斯,”分解的均方误差和分析了无性能标准:对提高水文模型,”《水文,卷377,不。1 - 2、80 - 91年,2009页。视图:出版商的网站|谷歌学术搜索
39. h·克林·m·福克斯,m·波林”上多瑙河流域径流条件下气候变化的一个场景,”《水文卷,424 - 425,264 - 277年,2012页。视图:出版商的网站|谷歌学术搜索
40. f . Bliemel,”赛尔的预测精度系数:澄清,”营销研究杂志,10卷,不。4、444 - 446年,1973页。视图:出版商的网站|谷歌学术搜索
41. r . z,公元,h . Zhang和d . j .江”准确性的评价多卫星降水产品Circum-Bohai-Sea地区,”应永盛Tai雪包=《应用生态学》杂志上27卷,第2924 - 2916页,2016年。视图:出版商的网站|谷歌学术搜索
42. e·e·艾伯特”方法验证卫星降水估计,”从太空测量降水。全球变化研究进展诉Levizzani p·鲍尔,f . j . Turk, Eds。,卷。28,春天er, Dordrecht, Netherlands, 2007.视图:谷歌学术搜索
43. k . k . Rao s . k . Patwardhan a . Kulkarni k·卡玛拉,s . s . Sabade和k·k·库马尔,”意味着预期变化和极端降水指数对印度使用大纲,“全球和行星变化卷,113年,第90 - 77页,2014年。视图:出版商的网站|谷歌学术搜索
44. x z任,m .张,王,朱、l .董和f .羌族“极端降水的变化在中国南方1961 - 2011年期间,“Geographica学报卷,69年,第649 - 640页,2014年。视图:谷歌学术搜索
45. d, t·欧·l·龚et al .,“每日降水空间插值在中国:1951 - 2005,”大气科学的进步,27卷,不。6,1221 - 1232年,2010页。视图:出版商的网站|谷歌学术搜索
46. f·贾利利电阻和r . Modarres降雨插值的地质统计学和确定性方法Zayandeh路德盆地,伊朗,”水文科学杂志,卷65,不。16,2678 - 2692年,2020页。视图:出版商的网站|谷歌学术搜索
47. j . m . Lu江y、x Chen, s .吴和j·刘,“极端降水的时空变化在三峡库区气候变化(TGRA)”大气,9卷,2018年。视图:出版商的网站|谷歌学术搜索
48. y, j .太阳,和美国富,“昼夜变化的影响mountain-plain电磁发行量在青藏高原东部降水和漩涡美玉的季节,“大气科学的进步没有,卷。31日。1,第153 - 139页,2014。视图:出版商的网站|谷歌学术搜索
49. x刘、杨问:r . Wang和b . Cheng”水汽资源变化特征在三峡库区1980 - 2009年期间,“《自然资源27卷,第1560 - 1550页,2012年。视图:谷歌学术搜索
50. l·h·杨,r·刘et al。”在中国西南地区年降水量的时空特征基于TRMM 3 b43 V7数据,”重庆师范大学学报(自然科学版)34卷,第122 - 114页,2017年,在中国。视图:谷歌学术搜索
51. c .苗族h . Ashouri K.-L。许,s Sorooshian,段,“评估PERSIANN-CDR每日降雨量估计捕捉的行为对中国极端降水事件,“水文气象学杂志,16卷,不。3、1387 - 1396年,2015页。视图:出版商的网站|谷歌学术搜索
52. m . Alijanian g·r·Rakhshandehroo a . k . Mishra和m . Dehghani”评价卫星降雨使用CMORPH气候学,PERSIANN-CDR, PERSIANN, TRMM、MSWEP在伊朗,”国际气候学杂志,37卷,不。14日,第4914 - 4896页,2017年。视图:出版商的网站|谷歌学术搜索
53. a . m . El所以m·f·麦凯布j . i洛佩兹莫雷诺et al。”空间的评估基于多个高分辨率卫星的性能检测降水数据集在中东,“国际气候学杂志,39卷,不。5,2522 - 2543年,2019页。视图:出版商的网站|谷歌学术搜索
54. c·基德和g·霍夫曼,”全球降水测量。”气象应用程序,18卷,不。3、334 - 353年,2011页。视图:出版商的网站|谷歌学术搜索
55. 答:白、刘x和c .刘”对比夏季降水日变化的青藏高原与四川盆地之间,“高原气象学,30卷,第859 - 852页,2011年,在中国。视图:谷歌学术搜索
56. g . y傅,g . Liu吴et al .,”塔桅中央西藏高原夏季降水,”《地球物理研究快报33卷,2006年。视图:出版商的网站|谷歌学术搜索
57. t y, j .太阳,y,“气候变化的影响在雾的日子在重庆,“西南民族大学学报(自然科学版)36卷,第134 - 126页,2014年,在中国。视图:谷歌学术搜索
58. c . r . j . Liu Chen汉,c . Tan“评估利用TRMM多卫星降水分析测量降水和MODIS经过产品,”应用水科学21卷,第348 - 343页,2010年。视图:谷歌学术搜索
59. g . f . Ziarh舍希德,t·b·伊斯梅尔·m·Asaduzzaman和政府高级官员,“纠正偏差的卫星降雨数据使用物理实验模型,”大气研究,第251卷,第105430页,2021年。视图:出版商的网站|谷歌学术搜索
60. n . Karbalaee k .许s Sorooshian d·布雷斯韦特,“偏差调整infrared-based降雨量估算使用被动微波卫星降雨数据,”地球物理学研究杂志:atm,卷122,不。7,3859 - 3876年,2017页。视图:出版商的网站|谷歌学术搜索
61. n . Nasrollahi k .许,s . Sorooshian”一个人工神经网络模型来减少假警报在卫星降水产品使用MODIS和叫做观察,“水文气象学杂志,14卷,不。6,1872 - 1883年,2013页。视图:出版商的网站|谷歌学术搜索
62. y道,x高,a . Ihler s Sorooshian k .许,“降水使用深度学习方法,识别与双谱卫星信息”水文气象学杂志,18卷,不。5,1271 - 1283年,2017页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021天宇Zhang et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。