Page 120 - 2023年第54卷第3期

ＧＳＭａＰ。ＧＰＭ对强降水 的探 测能力 仍无法 令人 满意，甚 至还 不 如 ＴＲＭＭ 时 代 的 数 据。ＭＥＫＯＮＮＥＮ
等 ［１３］ 发现在埃塞俄比亚的 ＵｐｐｅｒＡｗａｓｈ河流域，ＩＭＥＲＧ － ｖ０６Ｂ等 ７种卫星降水数据精度均随降水强度
增加而降 低，指 出 卫 星 降 水 数 据 仍 需 在 反 演 算 法 和 后 处 理 方 面 加 以 改 进 才 能 用 于 洪 水 预 警 预 报。
ＨＡＹＡＳＨＩ等 ［１４］ 剖析了日本 ３场 局 地 性 强 降 水 和 台 风 降 水 事 件，指 出 当 降 水 强 度 超 过 ７０ｍｍ?ｄ时，
ＧＳＭａＰ数据监测到的降水信息与地基雷达有明显差异。ＳＡＨＬＵ等 ［１５］ 发现 ＩＭＥＲＧ日降水精度仅略优于
ＣＭＯＲＰＨ，但检测强降水的能力反而不及后者。ＨＥ等 ［１６］ 指出 ＩＭＥＲＧ提高了捕捉中等强度降水事件
的能力，但是显著高估了极端降水事件。
ＧＰＭ等卫星降水数据的精度评估和验证需以地表降水资料为基准，目前主要有两种基准降水的生
成方法。第一种方法是直接以卫星降水栅格单元内的雨量站观测值作为地表基准数据，若某一栅格单
元内有两 个 或 两 个 以 上 雨 量 站 点，则 取 这 些 站 点 降 水 的 平 均 值 或 最 大 值 作 为 地 表 基 准 数 据。如
Ｌｉｂｅｒｔｉｎｏ等 ［１７］ 、Ｈｏｓｓｅｉｎｉ － Ｍｏｇｈａｒｉ等 ［１８］ 评价 ＩＭＥＲＧＥ数据精度时，对同一栅格单元内存在多个雨量站
的情况则取各站的最大值作为基准降水；而 Ｚｈｏｕ等 ［１９］ 、金晓龙等 ［２０］ 面对同一情况则取其平均值作为
基准。然而，站点观测反映的是点尺度降水量，而卫星降水栅格单元表示的是一定区域的面雨量（如
ＧＰＭ降水数据的空间分辨率为 ０．１° × ０．１°），空间尺度的不匹配性必然影响评价结果可靠性 ［２１］ 。鉴于
此，大量文献采用第二种方法构建基准降水，即通过空间插值方法将雨量站网观测值转换到与卫星降
水数据一致的栅格单元，以此进行评估。如李伶杰等 ［２２］ 采用两阶段反距离加权插值得到的地面雨量场
评估 ＩＭＥＲＧ和 ＧＳＭａＰ数据精度；Ｔａｎ等 ［２３］ 采用 ３４２个雨量计观测值插值生成评估 ＴＲＭＭ ３Ｂ４２Ｖ７、
ＡＰＨＲＯＤＩＴＥ和 ＧＰＣＰ － １ＤＤ的基准数据。Ｎｅｐａｌ等 ［２４］ 、Ｇａｄｅｌｈａ等 ［２５］ 等也开展了类似研究。然而，第
二种方法虽确保了基准降水和卫星降水空间尺度的一致性，但也引入了空间插值误差 ［２６ － ２８］ 。
目前基准资料对 ＧＰＭ等卫星降水数据精度评价结果的影响以及在特定条件下应该优先采纳的方
法尚缺乏专门研究。同时，有关 ＧＰＭ等卫星降水数据对极端暴雨事件监测能力的研究也有待深入开
展。因此，本文以南京 “ ２０１７０６１０” 极端性强降水事件为研究对象，基于高密度地表雨量站网资料，
设计一系列抽取试验，系统分析不同雨量站密度条件下两种基准降水生成方法所得到的 ３种 ＧＰＭ 降
水数据精度特征及其差异，并探讨应优先采用何种基准降水。

２ 数据和方法

２．１ 技术路线 本文的技术路线如图 １。首先将数
据进行 Ｋ均值聚类分组，得到各组的两种地面基准
降水；接下来对 ＧＰＭ降水相对于两种基准降水的误
差进行分 析，同 时 计 算 ＧＰＭ 降 水 相 对 于 “真 实”
降水（研究区域所有的 ４４５个站点进行空间插值并以
此得到的降 水 作 为 “真 实” 降 水）误 差 作 为 对 比；
接下来直接对两种基准降水相对于 “真实” 降水误
差进行分析；最后结合累计雨量和降水强度特征构
建相对综合精度指标，作为 ＧＰＭ降水评价时基准降
水选择的依据。
２．２ 研究区域与数据 本文研究区域为南京市，地 图 １ 技术路线
理范围介于 １１８．２°Ｅ—１１９．４°Ｅ，３１．０°Ｎ—３２．８°Ｎ；地形以平原和低山丘陵为主，地形对降水影响总体
上不大；属北亚热带季风性湿润性气候，多年降水量变化在 ８００～１２００ｍｍ；降水在年内主要集中于
５—９月，降雨类型包括梅雨、台风雨和局地性降水等。
受到江淮气旋和暖湿气流增强的共同影响，２０１７年 ６月 １０日南京市发生了一次破历史记录的极
端降水，气象部门布设的 ４４５个自动雨量站记录了 ２０１７年 ６月 １０日 ００∶００—６月 １０日 ２３∶００的小时
雨量过程。由图 ２可知，该次降水 ２４ｈ累积雨量大体由南京向周边递减，累积雨量达 ２００ｍｍ以上的

０
— ３ ７ —