Page 113 - 2024年第55卷第2期

水较少，有效降水样本不足，导致降尺度模型精度不高。然而，Ｂａｙｅｓ － ＨＡＳＭ 能够有效弥补降尺度模
型的偏差，进而大幅提升精度。另外 ４月中旬、８月上旬、９月中旬和 １０月下旬的评价指标也有较大
幅度提升，从图 １１可以发现，这些旬的 ＩＭＥＲＧ和 ＣＧＤＰＡ数据存在较大偏差，导致由环境因子和 ＩＭ
ＥＲＧ数据计算得到的降尺度模型结果与真实降雨存在较大偏差。而残差校正后的结果与 ＣＧＤＰＡ数据
具有极高的相似性，证明 Ｂａｙｅｓ － ＨＡＳＭ能有效降低因数据偏差造成的降水降尺度误差。

图 １１ 旬降水量频率分布直方图

５．５ 讨论 残差校正的结果显示，与年尺度和季尺度相比，月和旬尺度的改善幅度更为显著。这主要
有两个原因：①根据降水场的组合理论 ［６］ ，随降水累积长度的增加，随机效应活跃性逐渐降低，异质
性变得更加明显，所以较小时间尺度的月和旬降水场同质部分占比更多，残差校正的改善幅度更大。
②由于目前降水传感器和降尺度模型存在局限性，对于较短时间尺度 ［２８］ 、微量降水和降雪 ［２９］ 的反演
精度较差，然而 Ｂａｙｅｓ － ＨＡＳＭ能够十分有效的校正降尺度模型结果和真实降水之间的残差，因此相较
于年、季而言，对月和旬尺度的改善幅度更显著。
在模型结果分析中，评估了年、季、月、旬四个尺度，但未选择日尺度，是因为在日尺度上，卫
星降水的空间降尺度存在诸多的问题，主要有以下几个原因：①滦河流域春、冬两季少雨，夏季多暴
雨，日降水数据存在着大量的异常样本。存在大量的异常样本的日尺度降水降尺度还有待进一步的研
究。②研究表明，不同时间尺度的卫星反演降水产品的精度差异显著，小时间尺度的精度远低于长时

— ２ ３ ５ —