分类：论文范文 发表时间：2021-11-17 11:35
摘要：融合地面实测、卫星遥感等信息的定量降水产品能为干旱监测提供时空分布式降水数据源。为评估定量降水产品在淮河流域的干旱监测潜力，该研究利用淮河流域27个气象站点实测降水数据，检验多源集成降水（Multi-SourceWeighted-EnsemblePrecipitation,MSWEP）产品、气候灾害组融合站点的红外降水（ClimateHazardsGroupInfraredPrecipitationwithStation,CHIRPS）产品、基于人工神经网络的遥感降水估计-气候数据记录（PrecipitationEstimationfromRemotelySensedInformationusingArtificialNeuralNetworks-ClimateDataRecord，PERSIANN-CDR）产品共3种长期（>30a）定量降水产品精度。并采用标准化降水指数（StandardizedPrecipitationIndex，SPI）作为干旱指标，相关系数（CorrelationCoefficient，r）、均方根误差（RootMeanSquareError，RMSE）、临界成功指数（CriticalSuccessIndex，CSI）、干旱等级监测准确率（Accuracy，ACC）作为评价指标，评估各定量降水产品在淮河流域的精度及干旱监测潜力。结果表明：1）3种产品降水数据均在整体上对实测降水量有所低估；MSWEP精度优于其他2种定量降水产品，该产品的月、季、年尺度累计降水估算精度指标r分别为0.96、0.97、0.92，RMSE分别为26.38、50.01、124.73mm；CHIRPS与PERSIANN-CDR精度表现接近；2）MSWEP估算的极端短缺降水量精度最高，RMSE不足其他2种产品的50%；在降水极端短缺月，3种产品估算降水量相对实际降水量整体呈高估状态；3）MSWEP在干旱监测上的整体表现优于其他产品，基于MSWEP计算的月SPI、季SPI、年SPI指数的精度更高（r≥0.92，RMSE≤0.39），历史干旱月份识别（CSI≥0.89）及干旱等级监测（ACC≥80.3%）均更为准确；4）MSWEP对各级别旱情判定更为准确，并且对极端旱情的识别能力最强，各旱情等级下的ACC较CHIRPS和PERSIANN高；5）3种产品在淮河流域2000年典型干旱事件中均表现出了优秀的监测潜力，MSWEP产品更为准确地识别了2000年2—6月的典型干旱事件的时空发展过程。总体而言，相比于CHIRPS与PERSIANN-CDR，MSWEP降水数据在淮河流域精度更高，干旱监测潜力更大。3种定量降水产品的精度及干旱监测潜力对比评估结果，可为应用上述降水数据进行气象、农业干旱监测提供依据。
关键词：降水；干旱；遥感；标准化干旱指数；淮河流域
0引言
干旱是一种破坏性强的自然灾害，对人类社会经济发展及生态环境造成了严重影响[1]。地球上每年有超过一半的陆地面积可能受到不同程度的干旱影响，这其中也包括湿润地区[2]。长期干旱会导致自然环境质量恶化，并可能威胁社会稳定[3]。由于全球气候变化，旱灾的发生频率及严重程度呈上升趋势[4]。
1方法与数据
1.1研究区概况
研究区域选取位于东部30°55′～36°36′N，111°55′～121°25′E的淮河流域，流域面积约27万km2，地貌形态以山丘及平原为主，对应面积比约为1:2。淮河流域处于亚热带湿润季风气候区与暖温带半湿润季风气候区分界带，年均降水量1040mm，主要集中于6—9月汛期。淮河流域是重要的农业生产基地，流域内耕地面积约14万km2；由于流域气候复杂多变且降水时空分布不均，频发的旱涝灾害对淮河流域农业造成了巨大损失[22]。淮河流域高程及气象站点分布情况见图1。
1.2数据来源
本研究使用了淮河流域气象站实测降水数据及3种定量降水产品数据。实测数据获取自气象数据网（http//data.cma.cn），共27个气象站点的1983—2016年逐日降水数据。对气象站点降水序列进行聚类分析，结果显示流域降水呈明显南北分区（图1），与淮河以北属于暖温带区、以南属北亚热带区的气候分区情况相符，各分区站点数量分布为1区13个、2区14个；基于DEM将淮河流域划分为高程300m共3个分区，对应面积占比为80.26%、13.92%、5.82%。位于3个高程分区的站点数量分别为22、4、1个，占总数比分别81.48%、14.81%、3.7%，与各高程带站面积所占比例接近，且站点在平原、山丘等地形均有布设；位于山东、河南、安徽、江苏省份内的站点数量分别为5、8、8、6个。本文所选取的27个气象站点在流域南北2个气候区，各高程带、行政区的分布较为均衡，具有一定的代表性。
2结果与分析
2.1定量降水产品降水估算精度评估
2.1.1整体精度评价定量降水产品降水估算精度整体评价指标见表1。由表可知，月、季、年尺度的MSWEP累计降水数据与站点实测的r分别为0.96、0.97、0.92，RMSE分别为26.38、50.01、124.73mm，精度优于其他定量降水产品。这可能是由于MSWEP使用了融合多种降水数据的再分析数据集，数据源较其他定量降水产品更具有优势[31]。CHIRPS产品的精度表现弱于MSWEP，CHIRPS在0.25°×0.25°分辨率下的各项评价指标小于0.05°×0.05°，精度表现基本一致，表明分辨率的改变未对CHIRPS产品降水数据精度产生显著影响[32]。定量降水产品估算降雨量与气象站点实测降雨量线性拟合方程斜率k值均小于1，表明定量降水产品对实测降雨量在整体上呈低估趋势。在3种定量降水产品中，PERSIANN-CDR产品RMSE均为最高，精度表现最差，但该产品r与CHIRPS接近，且在各时间尺度下与站点的r高于0.88，表明PERSIANN-CDR降水数据同样具有较高的精度。
2.1.2极端短缺降水估算精度评价定量降水产品对极端短缺降水量的估算精度评价指标见表2。
由表2可知，在降水极端短缺月，3种产品降水估算值与站点实测值的r较为接近，差距不超过0.1，且均为季尺度的r值最高。月、季、年时间尺度下r最高的定量降水产品分别为：PERSIANN-CDR（r=0.75）、MSWEP（r=0.95）以及0.25°×0.25°分辨率的CHIRPS（r=0.81）。与r的表现不同，MSWEP降水估算值与站点实测值的RMSE在3种时间尺度下分别为5.09、10.22、75.92mm，不足其他定量降水产品同期RMSE的50%，在精度上具有明显优势。除年尺度的MSWEP外，其余产品均高估了降水极端短缺月的降水量（k>1），但幅度随时间尺度增大而减小。相对其他定量降水产品，MSWEP估算降水量与实测值的线性拟合方程斜率k在各时间尺度均更加接近于1，偏差幅度更小。PERSIANN-CDR的各项评价指标在月、季尺度优于CHIRPS，在年尺度弱于CHIRPS。综合考虑r、RMSE、k三种指标评价结果，MSWEP对极端短缺降水量估算精度要显著优于其他定量降水产品。
2.2定量降水产品干旱监测潜力评价
2.2.1定量降水产品多时间尺度干旱监测潜力评价用1984－2016年27个气象站点实测降水数据及定量降水产品栅格降水数据分别计算月、季、年尺度的SPI，结果见表3。
2.2.2定量降水产品空间干旱监测潜力评价选取相关系数r、干旱等级判定准确率ACC两种评价指标，比较定量降水产品在淮河流域的空间干旱监测潜力，结果见表6。基于MSWEP、PERSIANN-CDR、0.05°×0.05°及0.25°×0.25°分辨率下的CHIRPS数据与站点实测降水数据计算的SPI相关系数r随时间尺度上升而逐步增加的站点数量均为1个，随时间尺度上升而逐步减小的站点数量分别为2、8、12、14个。随着时间尺度的增加，定量估算降水产品降水数据随机性误差被平滑、系统性误差逐步累积是造成r变化的可能原因[12]。CHIRPS与PERSIANN-CDR在淮河流域干旱监测整体表现接近，基于CHIRPS与实测降水计算的SPI序列，相关系数更高的站点数量更多。基于MSWEP与气象站点计算的3种时间尺度SPI之间的相关系数r全部高于其他定量降水产品。对砀山、莒县两站点在年尺度下干旱等级判定准确率ACC最高的产品为PERSIANN-CDR，其余ACC最高的产品均为MSWEP。同时，MSWEP在不同站点、不同时间尺度下的干旱等级判定准确率变化幅度也最大（ACC为62%～93%）。与在相关系数r上的表现相同，CHIRPS与PERSIANN-CDR在27个站点干旱等级判定准确率各有高低，但CHIRPS准确率高的站点数量相对更多。
3讨论
定量降水产品在淮河流域的精度并未表现出明显的空间分布规律，这可能是由于产品降水估算数据受传感器类型、反演算法等检索误差和抽样误差的影响，存在一定的不确定性[34]，导致在不同地形条件下的精度表现不一[35]。为进一步探究地形因素对定量降水产品数据精度的影响，使用相关性分析方法，对产品精度受栅格高程影响程度进行评价。MSWEP产品的降水估算误差RMSE与栅格高程的r为?0.28，表明随栅格高程增加，MSWEP产品的估算误差有所降低，这与黄琦等[36]在祁连山地区的研究结果相一致；CHIPRS产品RMSE与高程的r为?0.20，同样在高海拔地区的误差更低，与其在雅砻江流域的规律相同[37]；PERSIANN-CDR的RMSE与高程的r为?0.46，是唯一通过了0.05水平显著性检验的定量降水产品，栅格高程变化对其降水估算精度影响较大，这与An等在黄河流域的研究结果相一致[38]。CHIRPS及MSWEP数据精度与高程关系未能通过显著性检验，影响上述2种产品精度空间分布的因素较为复杂，可能受到如地形复杂度等其他因素的影响。本文选取SPI指数对3种长期定量降水产品的气象干旱监测潜力进行评估，相比与CHIRPS与PERSIANN-CDR，MSWEP在流域整体、站点、各时间尺度及典型干旱事件监测中的表现均更为优秀，可作为淮河流域农业干旱监测降水数据来源。但除降水外，农业干旱还与高温、过量蒸散发等气象干旱要素[1]关系密切，因此结合定量降水产品与其他气象遥感监测数据进行农业干旱监测的效果还需进一步评估。
4结论
本文选取了0.10°×0.10°分辨率的多源集成降水（Multi-SourceWeighted-EnsemblePrecipitation，MSWEP）产品、0.05°×0.05°与0.25°×0.25°分辨率的气候灾害组融合站点的红外降水（ClimateHazardsGroupInfraredPrecipitationwithStation，CHIRPS）产品、0.25°×0.25°分辨率的基于人工神经网络的遥感降水估计-气候数据记录（PrecipitationEstimationfromRemotelySensedInformationusingArtificialNeuralNetworks-ClimateDataRecord，PERSIANN-CDR）共3种定量降水产品，综合对比评估了1983—2016年定量降水产品在淮河流域的精度及其对干旱的时空监测潜力，主要结论如下：
1）月、季、年尺度的MSWEP降水数据与27个站点实测降雨数据的相关系数（CorrelationCoefficient，r）分别为0.96、0.97、0.92，均方根误差（RootMeanSquareError，RMSE）分别为26.38、50.01、124.73mm，数据精度优于其他定量降水产品；0.05°×0.05°及0.25°×0.252种分辨率的CHIRPS降水数据精度表现基本一致；PERSIANN-CDR降水数据整体表现略差于CHIRPS。
2）MSWEP对极端短缺降水量估算精度要优于其他定量降水产品。月、季、年时间尺度下，MSWEP降水估算值与站点实测值的RMSE分别为5.09、10.22、75.92mm，不足其他产品同期RMSE的50%，且线性拟合方程斜率较其他产品更接近于1。
3）同流域整体干旱监测表现相同，基于MSWEP及站点实测降水数据计算的3种时间尺度标准化降水指数（StandardizedPrecipitationIndex，SPI）序列之间的r均值不低于0.92，干旱等级监测准确率（Accuracy，ACC）均值高于82%，各项评价指标均优于其他定量降水产品，表明MSWEP在淮河流域的时空干旱监测潜力更大。定量降水产品在各时间尺度的k值均小于1，总体上对淮河流域旱情有所低估。相对于其他产品，基于MSWEP与站点实测降水计算月SPI、季SPI、年SPI的整体精度更高（r≥0.92、RMSE≤0.39），干旱月识别及干旱等级监测最为准确（临界成功指数（CriticalSuccessIndex，CSI）≥0.89、ACC≥80.3%）。
4）3种定量降水产品在淮河流域2002年典型干旱事件中表现出了优秀的干旱监测潜力。相比于CHIRPS及PERSIANN-CDR，MSWEP降水产品更好地监测到了干旱事件的时空演变过程，且较基于气象站点实测降水数据空间插值的监测结果更加符合实际旱情空间分布规律。
[参考文献]
[1]AmericanMeteorologicalSociety.Meteorologicaldroughtpolicystatement[J].BulletinoftheAmericanMeteorologicalSociety,1997,78:847-849.
[2]WangQ,LiuYY,ZhangYZ,etal.AssessmentofspatialagglomerationofagriculturaldroughtdisasterinChinafrom1978to2016[J].ScientificReports,2019,9(1):77-86
[3]LeskC,RowhaniP,RamankuttyN.Influenceofextremeweatherdisastersonglobalcropproduction[J].Nature,2016,529(7584):84-87.
[4]KoganF,GuoW.Earlytwenty-first-centurydroughtsduringthewarmestclimate[J].Geomatics,NaturalHazards&Risk,2016,7(1):127-137.
董晓华1,2，张庆玉1,2，张特3，喻丹1,2，刘冀1,2，魏冲1,2
相关阅读
论文常识
期刊知识
著作出版
教材出书
专利申请
出版社
扫码关注公众号