全球IMERG卫星反演和ERA5陆面再分析降水在四川地区的适用性研究

doi:10.3969/j.issn.1673-503X.2024.03.008

气象与环境学报 ›› 2024, Vol. 40 ›› Issue (3): 65-75.doi: 10.3969/j.issn.1673-503X.2024.03.008

全球IMERG卫星反演和ERA5陆面再分析降水在四川地区的适用性研究

黄晓龙^1,²(),向筱铭^1,^2,*(),王丽伟³,李施颖^1,²,蒋雨荷^1,²

1. 四川省气象探测数据中心, 四川成都 610072
2. 高原与盆地暴雨旱涝灾害四川省重点实验室, 四川成都 610072
3. 吉林省气象信息中心, 吉林长春 130062

收稿日期:2023-06-19 出版日期:2024-06-28 发布日期:2024-08-09
通讯作者: 向筱铭 E-mail:xiaolonghuang116@163.com;micxiang@foxmail.com
作者简介:黄晓龙, 男, 1981年生, 高级工程师, 主要从事气象数据评估与应用研究, E-mail: xiaolonghuang116@163.com
基金资助:
四川省科技厅重点研发计划项目(2022YFS0544);四川省科技厅重点研发计划项目(2022YFS0541);高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金重点专项(SCQXKJZD202102);中国气象局创新发展专项(CXFZ2023J067);国家重点研发计划(2022YFC3003904)

Research on the applicability of IMERG satellite retrieval and ERA5 land reanalysis precipitation products in Sichuan region, China

Xiaolong HUANG^1,²(),Xiaoming XIANG^1,^2,*(),Liwei WANG³,Shiying LI^1,²,Yuhe JIANG^1,²

1. Sichuan Meteorological Observation and Data Centre, Chengdu 610072, China
2. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610072, China
3. Jinlin Meteorological Information Centre, Changchun 130062, China

Received:2023-06-19 Online:2024-06-28 Published:2024-08-09
Contact: Xiaoming XIANG E-mail:xiaolonghuang116@163.com;micxiang@foxmail.com

摘要/Abstract

摘要：

利用2019—2020年中国气象局地面站降水观测资料, 使用相关系数、平均值误差、均方根误差、命中率、空报率以及关键成功指数6种定量评估指标, 分析全球新一代降水测量计划IMERG多卫星联合反演和欧洲中期天气预报中心第五代陆面再分析ERA5L降水产品在四川地区的精度和区域适用性。结果表明: 两种产品在川西高原东侧存在强降水带, 大致呈准南北向分布; 在盆地内与台站观测的一致性优于盆地周边山区, ERA5L相比IMERG更能准确捕捉到强降水中心。IMERG和ERA5L降水较台站观测分别偏多15.2%和33.3%。两种产品在川西高原对降水事件捕获能力相对盆地高, 误报率低。从不同时间尺度检验上看, 两种产品与台站观测的量级和趋势变化一致, 相对台站观测以偏高为主。ERA5L相对IMERG而言, 与台站观测相关性高, 命中率高, CSI评分高, 偏差低, 但误报率相对高一些。总体上, IMERG和ERA5L降水产品在四川均表现出一定的应用潜力, 但在不同降水强度和地形条件下精度差异明显, 需要对产品进行订正。

关键词: 降水, 卫星反演, 陆面再分析, IMERG, ERA5L, 精度评价

Abstract:

Using precipitation observation data from China Meteorological Administration ground stations from 2019 to 2020, six quantitative evaluation indicators including correlation coefficients (CCs), mean bias errors (MBEs), root mean square errors (RMSEs), probability of detections (PODs), false alarm rates (FARs), and critical success indices (CSIs) were used to analyze the accuracy and regional applicability of the IMERG multi-satellite remote sensing retrieval of the Global New Generation Global Precipitation Measurement Program (GPM) and the European Centre for Medium-Range Weather Forecasts (ECMWF) Fifth Generation Land Surface Reanalysis (ERA5L) precipitation products in Sichuan region, China. The results show that the two products have a strong precipitation zone on the eastern side of the western Sichuan Plateau, roughly distributed in a quasi north-south direction, and that ERA5L can capture heavy precipitation centers more accurately compared to IMERG. The consistency between station observations within the basin is better than in the surrounding mountainous areas. The precipitation of IMERG and ERA5L was 15.2% and 33.3%, respectively, higher than that observed by the station, respectively. The two products have a relatively high ability to capture precipitation events in the western Sichuan Plateau, with low FAR. From the perspective of time test statistical indicators, the trends and magnitude changes observed by the two products and stations are basically consistent, with relatively high relative station observations being the main trend. Compared to IMERG, ERA5L has a high CC with site observations, a high POD, a high CSI, and a low deviation, but a relatively high FAR. Overall, both IMERG and ERA5L precipitation products have shown certain potential for application in Sichuan province, but there are significant differences in accuracy under different precipitation intensities and terrain conditions, requiring product correction.

Key words: Precipitation, Satellite retrieval, Land surface reanalysis, Integrated Multi-satellite Retrievals for GPM (IMERG), European Fifth Generation Land Surface Reanalysis (ERA5L), Accuracy evaluation

中图分类号:

P426.6

黄晓龙,向筱铭,王丽伟,李施颖,蒋雨荷. 全球IMERG卫星反演和ERA5陆面再分析降水在四川地区的适用性研究[J]. 气象与环境学报, 2024, 40(3): 65-75.

Xiaolong HUANG,Xiaoming XIANG,Liwei WANG,Shiying LI,Yuhe JIANG. Research on the applicability of IMERG satellite retrieval and ERA5 land reanalysis precipitation products in Sichuan region, China[J]. Journal of Meteorology and Environment, 2024, 40(3): 65-75.

图/表 10

图1

图2

表1

图3

图4

图5

表2

表3

图6

图7

参考文献 43

1	Skofronick-Jackson G , Kirschbaum D , Petersen W , et al. The global precipitation measurement (GPM) mission's scientific achievements and societal contributions: Reviewing four years of advanced rain and snow observations[J]. Quarterly Journal of the Royal Meteorological Society, 2018, 144 (S1): 27- 48. doi: 10.1002/qj.3313
2	郑石, 王冠, 林中冠, 等. 1961—2013年中国强降水特征分析[J]. 气象与环境学报, 2018, 34 (6): 102- 107.
3	耿世波, 聂哲, 王瀛, 等. 辽宁暴雨诱发山洪灾害风险区划研究[J]. 气象与环境学报, 2022, 38 (4): 153- 160.
4	曾岁康, 雍斌. 全球降水计划IMERG和GSMaP反演降水在四川地区的精度评估[J]. 地理学报, 2019, 74 (7): 1305- 1318.
5	高歆, 袁胜元, 李京忠, 等. 面向稀疏降水站点的套合各向异性贝叶斯地统计估计研究[J]. 地球信息科学学报, 2022, 24 (8): 1445- 1458.
6	Chen Y Y , Sharma S , Zhou X , et al. Spatial performance of multiple reanalysis precipitation datasets on the southern slope of central Himalaya[J]. Atmospheric Research, 2021, 250, 105365. doi: 10.1016/j.atmosres.2020.105365
7	赵珊珊, 高歌, 黄大鹏, 等. 2004—2013年中国气象灾害损失特征分析[J]. 气象与环境学报, 2017, 33 (1): 101- 107.
8	师春香, 潘旸, 谷军霞, 等. 多源气象数据融合格点实况产品研制进展[J]. 气象学报, 2019, 77 (4): 774- 783.
9	石娟, 蒋贤玲, 柯元惠, 等. 2012—2021年海南岛极端短时强降水特征及其成因分析[J]. 气象与环境学报, 2023, 39 (2): 62- 70. doi: 10.3969/j.issn.1673-503X.2023.02.008
10	宋海清, 朱仲元, 李云鹏. 陆面同化及再分析降水资料在内蒙古地区的适用性[J]. 干旱区研究, 2021, 38 (6): 1624- 1636.
11	吕爱锋, 亓珊珊. 遥感及再分析降水产品在缺资料干旱内陆盆地的适用性评估[J]. 地球信息科学学报, 2022, 24 (9): 1817- 1834.
12	Meng C C , Mo X G , Liu S X , et al. Extensive evaluation of IMERG precipitation for both liquid and solid in Yellow River source region[J]. Atmospheric Research, 2021, 256, 105570. doi: 10.1016/j.atmosres.2021.105570
13	Liu Z , Ostrenga D , Teng W , et al. Tropical Rainfall Measuring Mission (TRMM) precipitation data and services for research and applications[J]. Bulletin of the American Meteorological Society, 2012, 93 (9): 1317- 1325. doi: 10.1175/BAMS-D-11-00152.1
14	Draper D W , Newell D A , Wentz F J , et al. The Global Precipitation Measurement (GPM) Microwave Imager (GMI): Instrument overview and early on-orbit performance[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2015, 8 (7): 3452- 3462.
15	陈汉清, 鹿德凯, 周泽慧, 等. GPM降水产品评估研究综述[J]. 水资源保护, 2019, 35 (1): 27- 34.
16	唐国强, 龙笛, 万玮, 等. 全球水遥感技术及其应用研究的综述与展望[J]. 中国科学: 技术科学, 2015, 45 (10): 1013- 1023.
17	Tian Y D , Peters-Lidard C D , Adler R F , et al. Evaluation of GSMaP precipitation estimates over the contiguous United States[J]. Journal of Hydrometeorology, 2010, 11 (2): 566- 574. doi: 10.1175/2009JHM1190.1
18	唐国强, 万玮, 曾子悦, 等. 全球降水测量(GPM)计划及其最新进展综述[J]. 遥感技术与应用, 2015, 30 (4): 607- 615.
19	Hersbach H , Bell B , Berrisford P , et al. The ERA5 global reanalysis[J]. Quarterly Journal of the Royal Meteorological Society, 2020, 146 (730): 1999- 2049. doi: 10.1002/qj.3803
20	Hoffmann L , Günther G , Li D , et al. From ERA-Interim to ERA5:the considerable impact of ECMWF's next-generation reanalysis on Lagrangian transport simulations[J]. Atmospheric Chemistry and Physics, 2019, 19 (5): 3097- 3124. doi: 10.5194/acp-19-3097-2019
21	Muñoz-Sabater J , Dutra E , Agustí-Panareda A , et al. ERA5-Land: A state-of-the-art global reanalysis dataset for land applications[J]. Earth System Science Data, 2021, 13 (9): 4349- 4383. doi: 10.5194/essd-13-4349-2021
22	Bell B , Hersbach H , Simmons A , et al. The ERA5 global reanalysis: Preliminary extension to 1950[J]. Quarterly Journal of the Royal Meteorological Society, 2021, 147 (741): 4186- 4227. doi: 10.1002/qj.4174
23	李彦妮, 黄昌, 庞国伟. 全球降雨计划GSMaP与IMERG卫星降雨产品在陕西地区的精度评估[J]. 干旱区地理, 2022, 45 (1): 80- 90.
24	赵平伟, 李斌, 王佳妮, 等. GPM IMERG和ERA5降水数据精度在云南复杂地形区域的评估检验[J]. 气象科技, 2021, 49 (1): 114- 123.
25	金晓龙, 邵华, 张弛, 等. 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, 2016, 31 (12): 2074- 2085.
26	Lu D K , Yong B . Evaluation and hydrological utility of the latest GPM IMERG V5 and GSMaP V7 precipitation products over the Tibetan Plateau[J]. Remote Sensing, 2018, 10 (12): 2022. doi: 10.3390/rs10122022
27	Zhang S J , Wang D H , Qin Z K , et al. Assessment of the GPM and TRMM precipitation products using the rain gauge network over the Tibetan Plateau[J]. Journal of Meteorological Research, 2018, 32 (2): 324- 336. doi: 10.1007/s13351-018-7067-0
28	姚飛, 杨秀芹, 刘慕嘉, 等. ERA5再分析降水数据在长江三角洲的性能评估[J]. 水土保持学报, 2022, 36 (4): 178- 189.
29	唐豪, 王晓云, 陈伏龙, 等. 基于ERA5-Land数据集的玛纳斯河径流模拟研究[J]. 地学前缘, 2022, 29 (3): 271- 283.
30	刘婷婷, 朱秀芳, 郭锐, 等. ERA5再分析降水数据在中国的适用性分析[J]. 干旱区地理, 2022, 45 (1): 66- 79.
31	江志红, 陈威霖, 宋洁, 等. 7个IPCC AR4模式对中国地区极端降水指数模拟能力的评估及其未来情景预估[J]. 大气科学, 2009, 33 (1): 109- 120.
32	李川, 陈静, 何光碧. 青藏高原东侧陡峭地形对一次强降水天气过程的影响[J]. 高原气象, 2006, 25 (3): 442- 450.
33	Joyce R J , Xie P P . Kalman filter-based CMORPH[J]. Journal of Hydrometeorology, 2011, 12 (6): 1547- 1563. doi: 10.1175/JHM-D-11-022.1
34	Sungmin O , Foelsche U , Kirchengast G , et al. Evaluation of GPM IMERG Early, Late, and Final rainfall estimates using WegenerNet gauge data in southeastern Austria[J]. Hydrology and Earth System Sciences, 2017, 21 (12): 6559- 6572. doi: 10.5194/hess-21-6559-2017
35	岳书平, 闫业超, 张树文, 等. 基于ERA5-LAND的中国东北地区近地表土壤冻融状态时空变化特征[J]. 地理学报, 2021, 76 (11): 2765- 2779.
36	Tarek M , Brissette F P , Arsenault R . Evaluation of the ERA5 reanalysis as a potential reference dataset for hydrological modelling over North America[J]. Hydrology and Earth System Sciences, 2020, 24 (5): 2527- 2544. doi: 10.5194/hess-24-2527-2020
37	王彩霞, 黄安宁, 郑鹏, 等. 中国第一代全球陆面再分析(CRA40/Land)气温和降水产品在中国大陆的适用性评估[J]. 高原气象, 2022, 41 (5): 1325- 1334.
38	任芝花, 张强, 高峰, 等. CMA气象数据质量控制体系[J]. 气象科技进展, 2018, 8 (1): 54- 55.
39	李炳元, 潘保田, 韩嘉福. 中国陆地基本地貌类型及其划分指标探讨[J]. 第四纪研究, 2008, 28 (4): 535- 543. doi: 10.3321/j.issn:1001-7410.2008.04.004
40	封志明, 李文君, 李鹏, 等. 青藏高原地形起伏度及其地理意义[J]. 地理学报, 2020, 75 (7): 1359- 1372.
41	黄晓龙, 徐晓莉, 吴薇, 等. 基于DEM的四川省地面气象台站地形特征分析[J]. 高原山地气象研究, 2022, 42 (1): 135- 142.
42	何光碧, 师锐, 曾波. 2018年7月四川盆地降水异常特征及成因分析[J]. 气象与环境学报, 2020, 36 (6): 21- 30.
43	Prakash S , Mitra A K , Rajagopal E N , et al. Assessment of TRMM-based TMPA-3B42 and GSMaP precipitation products over India for the peak southwest monsoon season[J]. International Journal of Climatology, 2016, 36 (4): 1614- 1631. doi: 10.1002/joc.4446

降水产品	日平均降水量/(mm·d^-1)	台站日平均降水量/(mm·d^-1)	CC	MBE/(mm·d^-1)	RMSE/(mm·d^-1)	POD	FAR	CSI
IMERG	3.8	3.3	0.674	0.504	9.0	0.724	0.361	0.514
ERA5L	4.4	3.3	0.621	1.14	8.9	0.963	0.442	0.546

降水强度/(mm·d^-1)	样本数	占比/(%)	IMERG日平均降水量/(mm·d^-1)	ERA5L日平均降水量/(mm·d^-1)	台站观测日平均降水量/(mm·d^-1)
0.1~9.9	1 075 391	33.17	3.6	5.1	2.3
10.0~24.9	187 498	5.78	14.7	14.1	15.6
25.0~49.9	63 965	1.97	28.9	23.9	34.4
≥50.0	31 246	0.96	60.4	43.2	84.0

降水强度/(mm·d^-1)	降水产品	CC	MBE/(mm·d^-1)	RMSE/(mm·d^-1)	POD	FAR	CSI
0.1~9.9	IMERG	0.313	1.225	6.9	0.563	0.501	0.359
0.1~9.9	ERA5L	0.329	2.733	7.0	0.821	0.544	0.415
10.0~24.9	IMERG	0.198	-0.865	16.2	0.315	0.72	0.174
10.0~24.9	ERA5L	0.187	-1.471	12.2	0.444	0.723	0.206
25.0~49.9	IMERG	0.186	-5.444	26.8	0.274	0.774	0.141
25.0~49.9	ERA5L	0.159	-10.502	22.3	0.279	0.756	0.15
≥50.0	IMERG	0.373	-23.556	52.3	0.51	0.589	0.295
≥50.0	ERA5L	0.389	-40.735	59.6	0.29	0.596	0.203

[1]	廖胜石, 卓健, 陆甲, 零绍珑. 基于小时梯度观测数据的广西元宝山降水特征分析[J]. 气象与环境学报, 2024, 40(3): 76-82.
[2]	李莹, 于长文, 许康. 1961—2021年河北省降水变率特征及其影响因子分析[J]. 气象与环境学报, 2024, 40(3): 91-96.
[3]	宋扬, 王冀, 冯璞玉, 徐丽萍, 王凤, 张伟, 唐夕茹, 王玢. 基于ETCCDI指数的京津冀地区极端气候事件特征及影响分析[J]. 气象与环境学报, 2024, 40(3): 97-105.
[4]	达瓦次仁, 落追, 洪一航, 次仁卓嘎. 基于机器学习方法的气溶胶对西藏高原地区雨季降水的影响[J]. 气象与环境学报, 2024, 40(3): 138-144.
[5]	李冬楠,高倩楠,孙国芝,孙鹏飞,张淅铭,夏强. 1991—2021年黑龙江省降水时空分布特征[J]. 气象与环境学报, 2024, 40(2): 17-25.
[6]	曹越,钤伟妙,李国翠,冯洋,高童. 2013—2020年冀中南地区夏季短时强降水精细化分布特征[J]. 气象与环境学报, 2024, 40(2): 26-33.
[7]	陈龚梅,厉瑞孝,黄海玲,罗厚炙. 台风“黑格比”和“利奇马”造成温州机场强降水特征差异及其成因分析[J]. 气象与环境学报, 2024, 40(1): 9-16.
[8]	苏小琁,孙晓巍,张宸赫,李嘉琦,路增鑫,杨旭. 时空投影模型在东北夏季降水延伸期预报中的应用和检验[J]. 气象与环境学报, 2024, 40(1): 27-36.
[9]	申莉莉,李江波,王秀明,钟琦,李文晴,孙卓. 京津冀暖季短时强降水环境特征对比分析[J]. 气象与环境学报, 2024, 40(1): 37-46.
[10]	孙钦宏,马洪波,齐彦斌,于冬佳,樊嘉璐. 长白山麓夏秋季气态和液态水分布特征[J]. 气象与环境学报, 2024, 40(1): 47-53.
[11]	王勇, 陈豫英, 李婷, 苏洋. 贺兰山东麓两次暴雨过程湿位涡特征分析[J]. 气象与环境学报, 2023, 39(6): 1-9.
[12]	王月,刘成瀚,段云霞,孙虹雨,崔景琳,苏雨萌,陈沛宇,班伟龙. 2020年夏季辽宁省多模式降水预报检验[J]. 气象与环境学报, 2023, 39(6): 37-43.
[13]	王苗, 秦鹏程, 佘晨旭, 赵小芳, 杨明伟. 基于CMIP6多模式集合的华中地区气候变化模拟与预估[J]. 气象与环境学报, 2023, 39(6): 51-60.
[14]	敖雪, 翟晴飞, 赵春雨, 崔妍, 耿树江, 于怡秋, 周晓宇, 李经纬. 全球升温1.5 ℃和2.0 ℃辽河流域极端降水变化预估[J]. 气象与环境学报, 2023, 39(6): 69-79.
[15]	林辉,程晶晶,庄毅斌,黄奕丹,陈锦鹏,洪晓湘,杨德南. 2109号台风“卢碧”复杂路径与强降水成因分析[J]. 气象与环境学报, 2023, 39(5): 1-8.

全球IMERG卫星反演和ERA5陆面再分析降水在四川地区的适用性研究

Research on the applicability of IMERG satellite retrieval and ERA5 land reanalysis precipitation products in Sichuan region, China

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 43

相关文章 15

Metrics

本文评价

推荐阅读 10