TRMM 3B43降水数据在云南地区的降尺度适用性评价*

玉院和，王金亮

TRMM 3B43降水数据在云南地区的降尺度适用性评价*

玉院和，王金亮**

（云南师范大学旅游与地理科学学院/云南省高校资源与环境遥感重点实验室/云南省地理空间信息工程技术研究中心，昆明 650500）

借助云南省2009−2018年25个气象站点逐月降水量分析TRMM 3B43降水数据特征，利用相关系数（R）、偏离率（BIAS）、均方根误差（RMSE）和平均绝对误差对TRMM 3B43月降水数据和各站点进行适用性分析，并探讨该数据与海拔、坡度、坡向之间的关系，最后将TRMM 3B43月降水数据降尺度至季、年尺度，并对其进行适用性评价，为复杂地形地区开展区域降水研究、水文预报等提供可靠降水产品数据。结果表明：（1）TRMM 3B43降水数据与实测降水数据变化趋势基本一致，降水量均表现为西多东少、南多北少，且大致随海拔高度呈阶梯式分布；（2）TRMM 3B43月降水量与实测降水量具有极显著相关性，R高达0.9392，BIAS接近0，且TRMM 3B43降水数据在25个站点R值均超过0.735，大多数站点的偏离度和误差较小，其整体精度较高；（3）TRMM 3B43数据精度受坡度的影响比海拔、坡向大，但多数站点在不同海拔高度、坡度和坡向的精度均较高，适用性较强，尤其是海拔位于1000−2000m、坡度小于4°、坡向位于160°−240°的站点数据适用性更强；（4）降时间尺度后的TRMM 3B43数据相关系数稍有降低，误差变大，尤其是在冬季和年尺度适用性稍差。TRMM 3B43月降水数据在云南地区具有较高的精度，可为地面降水数据提供有效补充。

TRMM 3B43；降水数据；适用性评价；地形因子；云南地区

降水在全球水循环、物质和能量的交换中起着重要作用，在区域天气和全球气候的形成中也起着至关重要的作用[1−3]。获取准确的高时空分辨率降水数据，对水资源管理与规划、水文研究、农业生产、干旱监测和洪水预警等同等重要[4−7]。气象站点观测降水的技术成熟且精度较高而被广泛应用[8−10]，但气象观测法得到的降水空间分布均借助已有的气象站点数据进行插值获得。云南省海拔差异较大，其地形较为破碎，不同区域的降水差异较大[11]，气象站点不能全部覆盖各个区域，因此少量的气象站点插值结果很难准确分析实际降水的空间变化特征[12]。全球覆盖范围的高分辨率卫星降水产品为无站点或少站点区域提供了数据，也为复杂山地降水研究提供了可能性与便利性[13−15]。

热带降雨测量卫星（Tropical Rainfall Measuring Mission，TRMM）是NASA和JAXA共同开发研制并于1997年11月28日在日本空间中心发射的气象卫星，能够提供长时间序列且覆盖全球大部分区域的降水速率数据。TRMM卫星的测雨传感器主要有测雨雷达（PR）、微波成像仪（TMI）、可见光和红外扫描仪（VIRS）。但TRMM是通过间接的降水测量方式获得，进行数据质量精度评价是区域降水研究的首要工作。目前，国内外学者在各个地区对TRMM数据进行了适用性分析，如尼洋河流域[16]、黄河流域[17]、洞庭湖流域[12]、洮河中上游[18]、广西自治区[19]、京津冀[20]、伊朗半干旱地区[21]、印度恒河上游[22]等，研究均表明TRMM数据在各研究区的精度较高，但不同研究区的精度具有一定的差异，且TRMM降水精度的影响因素也因研究区不同而存在差异。山地、高原区域降水分布极其复杂，降水不仅与经纬度有关，还受坡度、坡向、海拔等地形因素影响，而这些复杂因素也会对TRMM卫星探测降水的精度产生一定影响。如张月圆等[23]研究发现TRMM降水数据在红河流域的精度受坡度和坡向影响大于高程；吴建峰等[24]在贵州高原地带研究发现，TRMM卫星在降水强度过大或过小时探测能力不足，且在海拔较低的站点存在低估降水的现象，而TRMM在复杂山地区域的精度受到高程和坡度的影响[25]。

综上，云南省地形复杂，海拔差异大，南北海拔变化与纬度变化叠加，且受西南季风和东南季风影响，降水空间分布不均等复杂因素均可能对TRMM探测能力造成影响。但目前对TRMM数据在云南省的适用性评价仅从决定系数进行简单分析，而对TRMM降水数据偏离率等误差和精度影响因子的研究还较为缺乏。为此，本研究以下垫面相对复杂的云南省为研究对象，选取2009−2018年云南省25个气象站点实测降水量，分析TRMM 3B43降水数据特征，从相关系数、偏离率与均方根误差等对TRMM 3B43月降水数据和各站点降水精度进行评价，结合地形因子分析TRMM 3B43降水数据精度，最后将月尺度数据降至季、年尺度，分析其降尺度后的适用性，进而为开展区域降水研究、水文预报和防洪减灾等提供可靠的月、季、年多个尺度的降水产品数据。

1 资料与方法

1.1 研究区概况

云南省地处低纬度内陆地区（97°31′E− 106°11′E，21°8′N−29°15′N），国土总面积39.41万km²。省内地形多样复杂，山地、高原面积约占94%；气候类型基本属于亚热带高原季风型，立体气候特点显著，干湿季分明，南北向气温梯度变化较明显；总降水量的分布趋势为南多北少，西多东少，湿季（5−10月，为雨季）降水量是全年总量的85%，降水也存在地域性差异，部分地区年降水量可达2200mm以上。

1.2 数据源及预处理

1.2.1 TRMM 3B43数据

所用的TRMM 3B43第7版数据产品是利用TRMM多卫星降水分析方法（TMPA）得到的逐月产品数据，空间分辨率为0.25°Í0.25°，时间分辨率为月。2009−2018年云南省TRMM 3B43卫星数据均下载自https://disc.gsfc.nasa.gov/。TRMM 3B43数据获取后，利用ENVI图像软件对格式为.HDF的TRMM 3B43产品进行预处理，得到经过坐标校正后的遥感影像。将原时间尺度为小时的TRMM 3B43数据通过累加转换为月，即TRMM 3B43数据乘以各月的小时数生成月降水量栅格数据。

1.2.2 气象数据

从中国气象数据网站（http://cdc.cma.gov.cn/）获取2009−2018年云南省25个气象站点（图1）降水量实测数据，数据文件包括站号、站点经纬度、海拔高度、逐日降水量等信息。通过整理分析，累加计算得到各站点2009−2018年月、季和年3个时间尺度的降水总量，其中季尺度划分为春季（3−5月）、夏季（6−8月）、秋季（9−11月）、冬季（12月−翌年2月）。

图1 云南省25个国家基准/基本气象站点的分布

1.3 精度评价方法

由图1可见，云南省内经纬跨度分别约为9°（经）和8°（纬），海拔高差约6000m，跨度大，地形破碎。整个研究区具有521个TRMM数据栅格点，借助ArcMap10.5提取分析工具，根据25个气象站点的经纬度，提取与各站点所对应的TRMM 3B43格点，得到云南省各气象站点所在格网的TRMM月降水数据。计算TRMM数据与气象数据之间的评价指标，进而评价TRMM在云南省的适用性。

评价指标为：相关系数（R）、偏离率（BIAS）、均方根误差（RMSE）和平均绝对误差（MAE）。R表示TRMM降水数据与站点数据的相关程度，取值范围0～1，数值越接近1表示两者的相关程度越高。BIAS表示TRMM降水数据与站点降水数据的偏离程度，数值越接近0，数据越精确。BIAS＜0，表示卫星观测值低估实测值，反之则高估实测降水量。RMSE（mm）评价数据的整体误差，也用来表示实测值与卫星观测值之间的偏差，其值越小表示两种数据值越接近。MAE（mm）为绝对误差的平均值，数值越小，表示卫星观测降水量越接近实测降水量。各指标计算式为

2 结果与分析

2.1 TRMM 3B43降水数据的特征分析

由表1可见，全省各站TRMM 3B43降水数据最大值在242.25～563.52mm，而实测降水量最大值在234.20～733.90mm，两种数据在滇西南地区（如江城、思茅和勐腊等）降水量最大，且最大值差异最为明显，TRMM 3B43最大值低于实测值；多数站点最小值中，TRMM 3B43降水数据较实测值大；但各站点中，两种数据的降水均值差异较小，尤其是泸西站，两者相差仅0.02mm。由此可知，两种数据除了较强降水或较弱降水时差异较大外，在其余降水情况两种数据均较为吻合。同时，两种数据在海拔3000m以上的降水均值最小，随着海拔的降低，平均降水量逐渐增大，直至海拔1000−1500m，降水平均值达到最大，此时多个站点（思茅、广南、华坪、景东、江城、耿马、澜沧）的TRMM 3B43降水均值为111.57mm，但海拔低于1000m时，降水量有所减小。由此可发现，两种降水数据均随海拔高度呈阶梯式分布特征。从纬度来看，位于云南省北回归线（23°26′N）附近的TRMM 3B43降水均值和实测降水量较为充沛，其中思茅站的平均降水差异仅为0.94mm，TRMM数据能够较好地表达实测降水。总体而言，TRMM 3B43降水与实测降水平均值基本一致且降水趋势基本一致，均表现为西多东少、南多北少。但是，由于站点的海拔、纬度差异造成降水的空间分布差异，同时也表现出TRMM 3B43与实测降水的差异，故在使用TRMM数据前需要对其进行适用性评价。

表1 2009−2018年各站点所在像元TRMM 3B43月数据和实测数据系列的特征值

2.2 TRMM 3B43降水数据的精度评价

由图2可见，所有站点TRMM 3B43月降水量与实测降水量间具有极显著相关性，R值高达0.9392，BIAS接近0，RMSE和MAE分别为32.9776mm和20.5730mm，说明其整体精度较高。但同时由图中可见，在TRMM 3B43月降水量小于250mm范围内，拟合的精度相对更高一些，还有一部分数据点偏离1:1线较多，实测降水较大时TRMM 3B43数据集中却相对较小，没有反映出降水的实际情况。

进一步分析各站情况（表2）可见，TRMM 3B43数据集中所有站点所在像元的2009−2018年逐月降水量与实测月降水量数据系列间相关系数均超过了0.735，通过了0.01水平的显著性检验，大多数站点的偏离度和误差较小，说明TRMM 3B43数据与实测数据一致性很高。从数据整体偏离率（BIAS）看，各站情况不同，其值有正有负、偏离度有大有小，均方根误差和平均绝对误差也有一定差别。总体上看，思茅、临沧、勐腊、耿马等多数低、中海拔站点数据的偏离度较低，基本为0；而丽江、昭通、会泽多数高海拔站点，虽偏离度稍高，但均方根误差及平均绝对误差较小，TRMM 3B43数据与实测值较为接近。同样，江城、澜沧、泸西等一些低纬度站点的TRMM 3B43数据与实测数据相关性稍强于德钦、贡山、维西等高纬度站点，且其BIAS较高纬度站点趋近于0。可见，在云南地区，TRMM 3B43月降水数据与25个站点实测数据间具有极显著相关关系，但由于各站地理位置不同，数据的偏离度和误差有明显差异。

图2 25个站点2009−2018年TRMM 3B43月降水量与实测月降水量的散点图（n=3000）

Note: R is correlation coefficient, BIAS is deviation rate, RMSE is root mean square error, and MAE is mean absolute error between two monthly precipitation serials. The same as below.

2.3 TRMM 3B43降水数据精度与地形因子关系分析

云南省地形破碎且高差大，地势西北高、东南低，海拔差异大，在同一省区内，寒、温、热（亚热）三带共存。降水存在明显的空间差异性，海拔、坡度、坡向均有可能造成降水的空间差异[23]，因此，从海拔、坡度、坡向探讨TRMM降水精度，并分析地形因子造成的降水空间分布差异。分别以研究区25个气象站点所在3×3像元窗口内的高程、坡度及坡向平均值为自变量，分别以各站点TRMM 3B43降水量与实测值之间的相关系数（R）、偏离率绝对值（|BIAS|）、均方根误差（RMSE）和平均绝对误差（MAE）为因变量，进行回归分析。

表2 各站点TRMM 3B43降水数据与实测值的比较结果

注：**表示相关系数通过0.01水平的显著性检验。下同。 Note:**is P<0.01. The same as below.

由图3可知，海拔位于1000−2000m时，多数站点所处地形较为平坦且起伏度较小，因而其相关系数R很高，|BIAS|基本为0，RMSE和MAE均处于中间值。可见TRMM 3B43降水数据在中低海拔地区具有较高的精度。但同时由图可见，高海拔地区的多个站点因地形起伏度较大等原因造成相关性较弱，然而其误差值较小，说明TRMM 3B43降水数据精度受海拔的影响较小，在研究区各海拔高度内均具有较强的适用性。

进一步分析TRMM 3B43降水数据精度与坡度间的关系（图4）可见，坡度与相关系数（R）、均方根误差（RMSE）和平均绝对误差（MAE）的相关系数分别为0.8167、0.7071和0.6865，且均通过了0.01水平显著性检验，呈现较强的二次函数关系特征，随着坡度的增大，TRMM 3B43降水量与实测值两种降水数据间的相关系数逐渐减小，误差逐渐增大。坡度大于12°的贡山站的R最低，偏离率绝对值（|BIAS|）和两种误差最大，此外，全省大部分站点位于0−4°的坡度范围时R较大，误差较小，说明TRMM 3B43数据的精度较高，在云南地区具有较强的适用性。

再进一步分析TRMM 3B43降水数据精度与坡向间的关系（图5）可见，坡向与R、|BIAS|、RMSE和MAE的相关系数分别为0.3493、0.3376、0.3896和0.371，呈现较弱的相关性。同一坡向不同站点的|BIAS|具有一定的差异，丽江、广南、泸西、昆明、澜沧等位于160°−240°坡向的站点误差（RMSE、MAE）较小，TRMM 3B43数据较为接近实测值。总体来说，所有站点中，除位于东坡的贡山站和位于东北坡的维西站相关系数较低，其余站点相关性均较高，说明TRMM 3B43数据在不同坡向的降水精度均较高。总体来说，除贡山站和维西站的TRMM 3B43降水数据精度较低外，其余站点在不同海拔高度、坡度和坡向的精度均较高，说明TRMM 3B43数据在云南省月尺度中具有较强的适用性。

图3 站点海拔高度与两数据序列相关系数、偏离率绝对值、均方根误差、平均绝对误差间关系（n=25）

图4 站点坡度与两数据序列相关系数、偏离率绝对值、均方根误差、平均绝对误差间关系（n=25）

图5 站点坡向与两数据序列相关系数、偏离率绝对值、均方根误差、平均绝对误差间关系（n=25）

2.4 TRMM 3B43数据降尺度适用性评价

2.4.1 季尺度

云南省地处低纬高原季风区，立体气候显著，降水在季节上分配极不均匀，且干湿季降水差异极为明显，故将TRMM 3B43月尺度降至季尺度，并分析TRMM 3B43季尺度数据在云南省的适用性。由图6可见，所有站点TRMM 3B43季降水量与实测降水量均具有极显著相关性，四个季节的相关系数（R）均超过了0.80，且均通过了0.01水平的显著性检验，偏离度均在0.1以下，说明该数据在季尺度表现出较好的一致性。由图还可见，夏、秋两季R较高，而冬、春两季R略低，与1:1趋势线偏离较大。云南省TRMM 3B43降水量与实测降水量在各季的RMSE均在97mm以下，MAE均在78mm以下，以夏季最大。可见，TRMM 3B43季尺度数据的适用性比月尺度稍差。

2.4.2 年尺度

由图7可见，所有站点TRMM 3B43年降水量与实测年降水量同样具有较强的相关性，相关系数R高达0.8791，且通过了0.01水平的显著性检验，BIAS接近0，线性方程斜率为0.738，反映了TRMM 3B43数据与实测数据在整体上具有较高的一致性。但同时由图可见，在年降水量1100～1600mm区间内，拟合的精度相对更高些，还有一部分数据点偏离1:1趋势线较多，TRMM 3B43数据在降水量小于1400mm时对降水高估。与此同时，由于误差的传递性，使其RMSE、MAE均偏大，因此，在年尺度上TRMM 3B43不能较精确地反映实际降水情况。

图6 25个站点2009−2018年由TRMM 3B43月值序列降尺度得到的各季降水量与实测值间散点图

图7 25个站点2009−2018年由TRMM 3B43月值序列降尺度得到的年降水量与实测值间散点图

3 结论与讨论

3.1 讨论

TRMM 3B43月数据在云南省具有较好的适用性，这与冯海涛等[26]利用云南省12个气象站点对TRMM 3B43数据进行精度评价的结果基本一致。但在降水量大于250mm时，TRMM 3B43存在低估降水现象，造成这一原因与TRMM降水强度有关，通常表现为对大雨低估[27]。同时，TRMM 3B43月数据在25个站点适用性较强，其中TRMM 3B43数据在低海拔地区和低纬度地区具有较强的适用性，这与黄国如等[28]在北江飞来峡流域的研究结果一致。

从TRMM 3B43数据与坡度关系来看，坡度越小，降水精度越高，这与张月圆等[23]研究认为在地势比较平坦的区域精度较高的结果一致。然而位于坡度＞12°的贡山站精度最低，造成精度低的原因不仅与坡度有关，也与贡山站立体气候和小区域气候特征显著，一年之中出现2个雨季，即2−4月的“桃花汛”和6−10月的主汛期等原因息息相关[29]。

山体迎风坡与背风坡的降水有明显的差异，一般迎风坡降水量大于背风坡[30]，如受到东南季风影响的滇东南地区，迎风坡东南坡的降水量大于西北坡，西北−东南走向的哀牢山山脉，山脉西侧（东南坡）降水量大于东侧（西北坡）。但从TRMM 3B43数据与坡向关系来看，坡向对降水精度的影响较小，这与周秋文等[30]研究认为TRMM降水精度受坡度的影响大于坡向和高程的结果一致。

在云南省具有较强适用性的TRMM 3B43月降水数据，经降尺度至季尺度和年尺度后精度稍有减小，其中季尺度中冬、春两季的精度低于夏秋两季。冬季拟合较差的原因在于该季降水较其它季节极其稀少，且冬季地表温度过低而影响微波降水的反演[23]；春季存在“桃花汛”的贡山站，由于卫星对短时、雨量大的探测能力有限，从而导致相关系数偏低且存在低估实测降水量BIAS＜0和偏离1:1趋势线的现象。夏季虽相关系数最大，但其误差也最大，这是因为云南省25个气象站点所监测的夏季降水量均值为583.82mm，且多为强降雨，进而给TRMM卫星精确地观测降水带来巨大挑战。对于年尺度，由于误差的传递性导致TRMM 3B43降水数据的误差较大，说明TRMM 3B43月尺度数据的精度是影响季尺度和年尺度数据精度的主要原因。因此，在利用季尺度或年尺度降水数据时，应考虑坡度等地形因子对原始TRMM 3B43数据进行校正来提高降水数据精度，同时本研究也可为云南省及其它地形复杂的高原、山地地区降水产品校正研究、区域降水时空分布特征研究等提供可靠的科学依据。

3.2 结论

（1）TRMM 3B43降水数据与实测降水数据的最大值差异较大，均值差异较小，两种数据变化趋势基本一致，降水量均表现为西多东少、南多北少，且大致随海拔高度呈阶梯式分布。

（2）TRMM 3B43月降水量与实测降水量间具有极显著相关性，相关系数高达0.9392，偏离率接近0，均方根误差和平均绝对误差分别为32.9776mm和20.5730mm，其整体精度较高。TRMM 3B43数据集中的25个站点所在像元2009−2018年逐月降水量与实测月降水量数据系列间相关系数均超过了0.735，通过了0.01水平的显著性检验，大多数站点的偏离率和误差较小，TRMM 3B43数据与实测数据间一致性很高。

（3）TRMM 3B43数据精度受坡度的影响比海拔、坡向大，但除贡山站和维西站的TRMM 3B43降水数据精度较低外，其余站点在不同海拔高度、坡度和坡向的精度均较高，适用性较强，尤其是海拔位于1000−2000m、坡度小于4°、坡向位于160°− 240°的站点数据适用性更强。

（4）经时间降尺度后的TRMM 3B43数据相关系数稍有降低、误差稍有变大，尤其是在冬季和年尺度适用性稍差，故在进行月尺度以上的降水研究时应对数据进行精度校正。

[1]Cao Y,Zhang W,Wang W.Evaluation of TRMM 3B43 data over the Yangtze River Delta of China[J].Scientific Reports,2018,8(1):5290.

[2]郑杰,闾利,冯文兰,等.基于TRMM 3B43数据的川西高原月降水量空间降尺度模拟[J].中国农业气象,2016,37(2):245-254.Zheng J,Lv L,Feng W L,et al.Spatial downscaling mimulation of monthly precipitation based on TRMM 3B43 data in the Western Sichuan Plateau[J].Chinese Journal of Agrometeorology,2016,37(2):245-254.(in Chinese)

[3]李豪,雷苑.复杂地形下TRMM降水数据的降尺度研究:以四川省为例[J].中国农业气象,2019,40(10):607-619.Li H,Lei Y.Spatial dwnscaling of TRMM precipitation data in areas of complex terrain:a case study in Sichuan Province[J].Chinese Journal of Agrometeorology,2019,40(10):607-619.(in Chinese)

[4]玉院和,王金亮,李晓鹏.基于MODIS数据的滇中地区干旱监测[J].灌溉排水学报,2018,37(11):91-98.Yu Y H,Wang J L,Li X P.Monitoring the occurrence of drought in Central Yunnan Province based on MODIS data[J].Journal Irrigation Drainage,2018,37(11):91-98.(in Chinese)

[5]Zhou Z,Guo B,Su Y,et al.Multidimensional evaluation of the TRMM 3B43V7 satellite-based precipitation product in mainland China from 1998-2016[J].Peer J,2020,8:e8615.

[6]Yu Y H,Wang J L,Cheng F,et al.Soil moisture by remote sensing retrieval in the tropic of cancer of Yunnan Province[J].Polish Journal of Environmental Studies,2020,29(2):1981-1993.

[7]童德明,白雲,张莎,等.干旱严重程度指数(DSI)在山东省干旱遥感监测中的适用性[J].中国农业气象,2020,41(2):102-112.Tong D M,Bai Y,Zhang S,et al.Applicability of drought severity index(DSI) in remote sensing monitoring of drought in Shandong Province[J].Chinese Journal of Agrometeorology,2020,41(2):102-112.(in Chinese)

[8]张冬冬,鲁帆,严登华,等.云南省干旱时空演变规律及季节连旱的概率特征分析[J].应用基础与工程科学学报,2014,22(4):705-717.Zhang D D,Lu F,Yan D H,et al.Spatio-temporal analysis of droughts and the characteristic of continuous seasonal droughts probability in Yunnan Province[J].Journal of Hydraulic Engineering,2014,22(4):705-717.(in Chinese)

[9]刘小刚,冷险险,孙光照,等.基于1961-2100年SPI和SPEI的云南省干旱特征评估[J].农业机械学报,2018,49(12):236-245.Liu X G,Leng X X,Sun G Z,et al.Assessment of drought characteristics in Yunnan Province based on SPI and SPEI from 1961 to 2100[J].Transactions of the Chinese Society for Agricultural Machinery,2018,49(12):236-245.(in Chinese)

[10]任菊章,黄中艳,郑建萌.基于相对湿润度指数的云南干旱气候变化特征[J].中国农业气象,2014,35(5):567-574.Ren J Z,Huang Z Y,Zheng J M.Analysis on drought climate change in Yunnan based on relative moisture index[J].Chinese Journal of Agrometeorology,2014,35(5):567-574.(in Chinese)

[11]王昊,姜超,王鹤松,等.中国西南部区域雨季极端降水指数时空变化特征[J].中国农业气象,2019,40(1):1-14.Wang H,Jiang C,Wang H S,et al.Spatial and temporal variation of extreme precipitation indices in southwestern China in the rainy season[J].Chinese Journal of Agrometeorology,2019,40(1):1-14.(in Chinese)

[12]杨东,刘雯,朱靖轩,等.TRMM降水数据在洞庭湖流域的精度评估和应用[J].水土保持研究,2019,26(3):279-284.Yang D,Liu W,Zhu J X,et al.Accuracy evaluation and application of the TRMM precipitation data in Dongting Lake Basin[J].Research of Soil and Water Conservation,2019,26(3):279-284.(in Chinese)

[13]Gumindoga W,Rientjes T,Haile A T,et al.Performance evaluation of CMORPH satellite precipitation product in the Zambezi Basin[J].International Journal of Remote Sensing,2019,40(20):7730-7749.

[14]Yan Y,Wu H,Gu G,et al.Climatology and interannual variability of floods during the TRMM Era (1998-2013)[J].Journal of Climate,2020,33(8):3289-3305.

[15]Maghsood F F,Hashemi H,Hosseini S H,et al.Ground validation of GPM IMERG precipitation products over Iran[J].Remote Sensing,2020,12(1):48.

[16]孟庆博,刘艳丽,刘冀,等.TRMM卫星降水产品在尼洋河流域的适用性定量分析[J].水资源与水工程学报,2019,30(1):89-96.Meng Q B,Liu Y L,Liu J,et al.Quantitative analysis on the applicability of TRMM satellite precipitation products in the Niyang River Basin[J].Journal of Water Resources & Water Engineering,2019,30(1):89-96.(in Chinese)

[17]黄桂平,曹艳萍.TRMM卫星3B43降水数据在黄河流域的精度分析[J].遥感技术与应用,2019,34(5):1111-1120.Huang G P,Cao Y P.Accuracy analysis of TRMM 3B43 precipitation data in the Yellow River Basin[J].Remote Sensing Technology and Applicatior,2019,34(5):1111-1120.(in Chinese)

[18]程立真,杨梅学,王学佳,等.TRMM 3B42降水产品在洮河中上游的精度评估分析[J].高原气象,2020,39(1):185-195.Cheng L Z,Yang M X,Wang X J,et al.Analysis of the accuracy of TRMM 3B42 rainfall data in the upper and middle reaches of Taohe River[J].Plateau Meteorology,2020,39(1):185-195.(in Chinese)

[19]杨星星,杨云川,邓思敏,等.广西TRMM降雨产品多时间尺度精度评估[J].热带气象学报,2019,35(4):567-576.Yang X X,Yang Y C,Deng S M,et al.Accuracy assessment of TRMM rainfall data in Guangxi at multiple time scales[J].Journal of Tropical Meteorology,2019,35(4):567-576.(in Chinese)

[20]杨荣芳,曹根华,张婧.TRMM 3B43卫星降水数据在京津冀地区的适用性研究[J].冰川冻土,2019,41(3):689-696.Yang R F,Cao G H,Zhang J.Research of TRMM3 B43 satellite precipitation data applicability in Beijing-Tianjin-Hebei Region[J].Journal of Glaciology and Geocryology,2019,41(3):689-696.(in Chinese)

[21]Mahbod M,Veronesi F,Shirvani A.An evaluative study of TRMM precipitation estimates over multi-day scales in a semi-arid region,Iran[J].International Journal of Remote Sensing,2019,40(11):4143-4174.

[22]Shukla A K,Ojha C S P,Singh R P,et al.Evaluation of TRMM precipitation dataset over Himalayan Catchment:the upper Ganga Basin,India[J].Water,2019,11(3):613.

[23]张月圆,李运刚,季漩,等.红河流域TRMM卫星降水数据精度评价[J].水资源与水工程学报,2017,28(2):1-8.Zhang Y Y,Li Y G,Ji X,et al.Accuracy evaluation of TRMM satellite precipitation product over the Red River basin[J].Journal of Water Resources & Water Engineering,2017,28(2):1-8.(in Chinese)

[24]吴建峰,林淑贞,李威,等.贵州高原地带TRMM 3B42卫星降水数据的精度评价[J].水文,2018,38(4):87-91.Wu J F,Lin S Z,Li W,et al.Evaluation of TRMM 3B42 satellite precipitation data accuracy of Guizhou Plateau[J].Journal of China Hydrology,2018,38(4):87-91.(in Chinese)

[25]吴建峰,陈阿林,嵇涛,等.TRMM降水数据在复杂山地的精度评估:以重庆市为例[J].水土保持通报,2014,34(4):201-207.Wu J F,Chen A L,Ji T,et al.Accuracy evaluation of Tropical Rainfall Measuring Mission precipitation data in complex mountainous areas:taking Chongqing City as an example[J].Bulletin of Soil and Water Conservation,2014,34(4):201-207.(in Chinese)

[26]冯海涛,于国荣,杨具瑞.基于TRMM 3B43 V7数据的云南降水与干旱监测及精度评价[J].水资源与水工程学报,2014,25(4):89-96.Feng H T,Yu G R,Yang J R.Precipitation and drought monitoring based on TRMM 3B43 V7data and precision evaluation in Yunnan[J].Journal of Water Resources & Water Engineering,2014,25(4):89-96.(in Chinese)

[27]李琼,杨梅学,万国宁,等.TRMM 3B43降水数据在黄河源区的适用性评价[J].冰川冻土,2016,38(3):620-633.Li Q,Yang M X,Wang G N,et al.Analysis of the accuracy of TRMM 3B43 precipitation data in the Source Region of the Yellow River[J].Journal of Glaciology and Geocryology,2016,38(3):620-633.(in Chinese)

[28]黄国如,陈晓丽.北江飞来峡流域TRMM卫星降雨数据适应性研究[J].南水北调与水利科技,2019(4):27-36.Huang G R,Chen X L.Adaptability of TRMM satellite rainfall data in Feilaixia Catchment of Beijiang River Basin[J].South-to-North Water Transfers and Water Science &.Technology,2019(4):27-36.(in Chinese)

[29]徐东,邹进,陆颖,等.TRMM卫星降水数据在怒江流域的适用性分析[J].水土保持研究,2019,26(1):240-244.Xu D,Zou J,Lu Y,et al.Evaluation on applicability of TRMM satellite precipitation product in the Nujiang River Basin[J].Research of Soil and Water Conservation,2019,26(1):240-244.(in Chinese)

[30]周秋文,李芳.TRMM降雨数据在喀斯特地区的适用性分析:以贵州省为例[J].水资源与水工程学报,2018,29(2):76-83.Zhou Q W,Li F.Applicability analysis of the TRMM precipitation data in Karst region:a case study in Guizhou Province,China[J].Journal of Water Resources & Water Engineering,2018,29(2):76-83.(in Chinese)

Applicability Evaluation of TRMM 3B43 Precipitation Data for Downscaling in Yunnan Province

YU Yuan-he, WANG Jin-liang

(College of Tourism and Geographic Sciences, Yunnan Normal University/Key Laboratory of Resources and Environmental Remote Sensing for Universities in Yunnan/Center for Geospatial Information Engineering and Technology of Yunnan Province, Kunming 650500, China)

Precipitation exerts an important role in the exchange of matter and energy in the global water cycle, affecting soil moisture, vegetation growth, and surface runoff. By employing existing station data, the spatial distribution of precipitation obtained by the meteorological observation method was obtained by interpolation. However, the interpolation results of a small number of meteorological stations are challenging to accurately analyze the spatial variation characteristics of actual precipitation. Launched on 28 November 1997, the Tropical Rainfall Measuring Mission (TRMM) was jointly developed by the United States National Aeronautics and Space Administration (NASA) and the Japan Aerospace Exploration Agency (JAXA), thus providing long time series and covering most regions of the world with precipitation rate data. Nevertheless, TRMM was obtained by indirect precipitation measurement. Meanwhile, there were related errors and uncertainties. As a result, TRMM accuracy evaluation was the primary work of regional precipitation research. The terrain of Yunnan Province is complex, and the altitude difference is large. In addition, it is affected by the southwest monsoon and southeast monsoon. Complex factors such as the uneven distribution of precipitation may affect the detection capabilities of TRMM satellites. However, the current evaluation of the applicability of TRMM data in Yunnan Province is only a simple analysis of the coefficient of determination. Besides, the research on the factors affecting the accuracy of TRMM precipitation data and errors such as deviation rate is still lacking. In the present study, the accuracy of TRMM 3B43 precipitation data was evaluated in Yunnan, where the terrain was complex, aiming to provide reliable precipitation product data for regional precipitation research and hydrological forecasting. Monthly precipitation from 25 meteorological stations in Yunnan province from 2009 to 2018 provided by the China Meteorological Data Service Center was used to analyze the characteristics of TRMM 3B43 precipitation data. The correlation coefficient(R), BIAS, root mean square error (RMSE) and mean absolute error (MAE) were used to analyze the applicability between TRMM 3B43 monthly precipitation data and meteorological station data. Then, the relationship between the TRMM 3B43 precipitation data corresponding to each station and the elevation, slope, and aspect was discussed in this study. Finally, the data was downscaled to the seasonal and annual scales. At the same time, its applicability was evaluated. Some results the current study showed that: (1) the mean difference between TRMM 3B43 precipitation data and measured precipitation data was small, especially at Luxi station, where the difference was only 0.02mm. The TRMM 3B43 precipitation data was basically in consistence with the measured precipitation data, showing that there were more in the west and south and less in the east and north. It was roughly distributed step by step with the altitude. However, the difference in the spatial distribution of precipitation caused by the difference in altitude and latitude of each station also revealed the difference between TRMM 3B43 and the measured precipitation. Therefore, it is of much necessity to evaluate its applicability before using TRMM data.(2) With an R as high as 0.9392, BIAS close to zero, RMSE as low as 32.9776mm, and MAE as low as 20.5730mm, TRMM 3B43 displayed an extremely significant correlation between monthly precipitation and measured precipitation. In the range of TRMM 3B43 monthly precipitation less than 250mm, the accuracy of the fitting was relatively higher. The TRMM 3B43 precipitation data exceeded 0.735 at 25 stations, which passed the significance test at the 0.01 level, and the deviation and error of most stations were small with high overall accuracy. However, due to the different geographical locations of the stations, the deviation and error of the data presented certain differences. (3) The accuracy of TRMM 3B43 data was more affected by the slope than the altitude and aspect. The correlation coefficients of slope and R, RMSE and MAE were 0.8167, 0.7071 and 0.6865 respectively, showing strong quadratic function relationship characteristics. Except for the TRMM 3B43 precipitation data at Gongshan station and Weixi station, the accuracy of most stations at different altitudes, slopes and aspect was higher, having stronger applicability. Particularly, the data applicability was stronger for sites located at an altitude of 1000−2000m, slope less than 4°, and slope direction of 160°−240°. (4) The correlation coefficient of TRMM 3B43 data after time downscaling was slightly reduced. The error was slightly larger, especially in the winter and the annual scale slightly remained less suitable. With the largest error in summer, the RMSE and MAE of the TRMM 3B43 precipitation in Yunnan Province and the measured precipitation in each season were both less than 97mm and 78mm, respectively. The transmissibility of errors caused the RMSE and MAE of the annual scale TRMM data to become larger, and the applicability was the worst compared to other time scales. Therefore, the TRMM 3B43 monthly precipitation data had high accuracy in Yunnan region, which could thus provide effective supplement to the surface precipitation data.

TRMM 3B43; Precipitation data; Applicability evaluation; Topographic factor; Yunnan Province

2020−04−27

王金亮，E-mail：jlwang@ynnu.edu.cn

国家重点研发计划政府间/港澳台重点专项项目（2018YFE0184300）；云南基础研究重点项目（2019FA017）；国家自然基金项目（41561048）；云南省高校高原山地资源环境遥感监测与评估科技创新团队

玉院和，E-mail：14787870652@163.com

10.3969/j.issn.1000-6362.2020.09.004

玉院和,王金亮.TRMM 3B43降水数据在云南地区的降尺度适用性评价[J].中国农业气象,2020,41(9):575-586