典型遙感降水產品的水文模擬性能評估

李艷忠，星寅聰，莊稼成，楊澤龍，趙紫春，李超凡，王啟素，謝雨初，王潔，董劍萍，林彬，徐興祝

1.南京信息工程大學 水文與水資源工程學院,南京 210044;

2.南京信息工程大學 水利部水文氣象災害機理與預警重點實驗室,南京 210044;

3.中國科學院地理科學與資源研究所,北京 100101;

4.南京信息工程大學 地理科學學院,南京 210044;

5.寧夏吳忠市鹽池縣水務局,吳忠 751500;

6.山東省第七地質礦產勘查院,臨沂 276000;

7.山東省臨沂市自然資源和規劃局,臨沂 276037

1 引言

降水是水循環過程的重要組成部分，精確的降水記錄在水資源規劃、洪水模擬和干旱預測等方面均發揮重要作用（Donat 等，2016）。同時，降水也是大氣循環過程的核心內容，降水數據的精確性可直接影響到氣候變化趨勢和波動研究的可靠性（Li 等，2021；Tian 等，2017）。由于降水存在顯著的時空變異性，在研究特定區域水文氣象特性時，需要對降水數據的準確性和精確性進行評估。對于降水的監測，目前主要有3 種途徑：地面雨量計觀測、地基雷達監測和衛星遙感降水反演（Sun 等，2018）。地面雨量計可獲得近似真值的降水，但由于雨量計空間分布不均勻，較難以準確反映降水的時空分布特征；地基雷達可提供較高時間頻率（5 min 甚至更短）和較大空間覆蓋范圍（200 km 以上）的降水監測，但其建設和維護成本較高，并且在復雜地形環境下存在較大誤差（Wilson 和Brandes，1979）。與前兩者相比，衛星遙感降水具有全天候、大范圍、時空連續、不受地形和氣候限制等優勢（唐國強 等，2015；丁明澤 等，2022），現已成為降水觀測的重要手段。

目前，衛星遙感降水產品多達幾十種（Beck等，2019a；Sun等，2018），為了評估不同遙感降水產品的性能，國內外學者開展了諸多研究工作。Sun等（2018）評估了多種遙感降水產品在全球尺度的性能，發現不同遙感傳感器、不同反演算法得到的遙感降水量存在較大差異，比如基于熱紅外反演的PERSIANN CCS產品在熱帶地區明顯高估；Beck等（2017）在流域尺度評估了多源遙感降水產品的水文性能，發現基于遙感和再分析的MSWEP產品的性能明顯優于其他降水產品。劉潔等（2018）利用國家基準氣象站觀測的降水數據，評估了TRMM 3B42RT、TRMM 3B42V7、CMORPH RAW、CMORPH CRT4種遙感降水產品的統計性能和水文性能，發現基于微波遙感的TRMM 降水產品的統計性能較好，其水文模擬效果也較其他產品優越。衛林勇等（2019）基于地面格網降水產品CGDPA評估了CHIRPS、CMORPH-BLD、PERSIANN-CDR、TRMM 3B42V7 遙感降水數據產品在中國不同省份的性能，結果表明TRMM 3B42V7 在不同省份捕捉月降水的性能最好，PERSIANN-CDR 較適用于新疆維吾爾自治區、吉林省，TRMM 3B42V7 較適用于陜西省、江西省以及云南省。綜上可知，目前大部分的研究工作較多選擇有限的地面觀測站點數據作為標準，開展遙感降水產品統計特征分析，而針對不同衛星傳感器、不同反演算法的遙感降水的綜合性能評估相對薄弱，特別是遙感降水在半濕潤半干旱地區的水文性能評估有待加強。此外，MSWEP 作為一種新興的多源遙感降水產品，其性能已被廣泛報道（Beck 等，2017；Ma 等，2018），但在生態環境脆弱的氣候過渡區的研究相對薄弱，有待深入研究。

渭河流域地處中國半干旱半濕潤的氣候過渡區，其生態環境相對脆弱（Liu 等，2019）。同時，渭河流域也是黃河流域生態保護和高質量發展規劃的重點區域（中共中央國務院，2021），是中國重要的糧食主產區（彭少明 等，2017）。該流域的發展受到水資源短缺的嚴重束縛，而降水作為該流域水資源的主要來源，其時空變異性對區域生態和經濟發展至關重要（Liu等，2019；劉昌明 等，2016）。那么，諸多類型的遙感降水產品在渭河流域的性能如何？哪些產品更能捕捉到該流域降水的時空變化格局？對這些問題的解答，可為渭河流域水資源評價和管理提供重要的科學參考，并為黃河流域生態保護和高質量發展規劃的實施提供有利支撐。

基于此，本研究以渭河流域的4個子流域為研究對象，采用降尺度的格網觀測降水為參考標準，評估5 套典型的遙感降水產品（CHIRPS，CMORPH，MSWEP，TRMM，PERSIANN-CDR）的統計性能。在此基礎上，利用5 套遙感降水產品分別驅動ABCD 水文模型，揭示不同遙感降水產品的水文性能。本研究不僅可為渭河流域的洪水預報、驟發干旱預警等科學研究工作，提供遙感降水數據源選擇的參考，還可擴展遙感降水估算技術在水文和水資源生產實踐中的應用，為遙感降水產品在不同氣候區的應用和改進提供理論支持。

2 研究方法與數據

2.1 研究區概況

渭河是黃河的第一大支流，全長818 km，流域面積為13.48 萬km2，地形呈西高東低（圖1）。由于渭河流域地處中國半濕潤—半干旱的氣候過渡區，其生態環境比較脆弱（Huang 等，2017；李艷忠 等，2016），對氣候變化和人類活動極其敏感。為確保評估不同遙感降水數據產品水文性能的客觀性，并考慮流域間水文氣象特征的差異性（表1），本研究選擇人為干擾較少（無跨流域調水和大規模取用水）的4 個上游區域為研究區，分別是渭河上游、涇河上游、馬蓮河和北洛河（圖1）。4 個流域的多年平均降水量為472.0—563.2 mm，徑流深為26.8—62.7 mm，潛在蒸散發為870.6—950.5 mm，干燥指數為1.55—2.01（表1）。其中，渭河上游流域面積約為3.01萬 km2，占整個研究區面積的34.7%，年平均降水量和徑流深最大，分別達到了563.2 mm和62.7 mm，而潛在蒸散發和干燥指數則最小。其他水文氣象特征如表1所示。

表1 渭河流域4個典型流域水文氣象特征Table 1 Basic hydro-meteorological characteristics of four typical basins in the Wei River

圖1 研究區示意圖Fig.1 Location of the study area

2.2 數據源

2.2.1 遙感降水數據集

本文選取了5 套有代表性的準全球遙感降水數據集，空間分辨率均為0.25°，其他基本信息如表2 所示。其中，CHIRPS v2.0 由美國地質調查局（USGS）以及加利福尼亞大學的氣候災害小組聯合研發，時間跨度為1981 年—2018 年，空間覆蓋范圍為50°N—50°S；該產品耦合了衛星圖像、地面觀測和高分辨率氣候學數據（Funk 等，2015）。CMORPH v1.0是美國氣候預測中心（CPC）研發的降水數據集，它融合了衛星和雨量站的基礎資料，利用紅外數據獲得云跡信息，通過雷達觀測數據對云跡信息進行偏差校正，然后對微波反演的降水速率進行空間插值，從而得到1998年—2019年、60°N—60°S的降水產品（Joyce，2004）。PERSIANNCDR 是由加州大學Irvine 分校研發的一種實時降水產品，該產品利用人工神經網絡與氣象要素分類算法，主要以紅外數據為輸入，并利用“標準”降水資料GPCP 進行了偏差校正，從而得到了1983 年—2018 年、60°N—60°S 的準全球的降水數據集（Ashouri 等，2015）。TRMM 3B42 是由美國航空航天局和日本空間開發局共同研制，是世界上第一顆搭載主動探測降水雷達的衛星，并首次提供了3維的降水分布信息，很大提高了降水反演精度，該數據時間和空間范圍分別為1998 年—2018年和50°N—50°S（Huffman等，2001）。MSWEP是一款全新的多源數據融合的全球降水產品，它結合了站點、衛星和再分析的數據的優勢，融合了包括5個基于衛星、3個基于再分析和2個基于測量的降水產品。此外，MSWEP 采用了基于Budyko框架和覆蓋全球的徑流觀測數據，對測量儀器和地形起伏帶來的雨量偏差進行了校正，最大程度地減少了降水估算誤差（Beck等，2019a）。在對比不同遙感降水產品的性能前，對各產品的值校準到了中國東八區的時間，消除了與UTC之間的時差。為了后續分析表達清晰，后續產品名稱用簡稱表述，不再展示版本號。此外，為了對比分析的一致性，性能評估的時段統一為1998年—2014年。

表2 遙感降水數據產品基本信息Table 2 Basic information of remote sensing precipitation products

2.2.2 水文氣象數據

本研究使用了36個氣象站逐日常規氣象數據，包括降水、氣溫、風速、水汽壓等常規氣象要素數據，該數據從國家氣象科學數據中心（http：//data.cma.cn/［2022-01-10］）獲取。受氣象站點降水觀測儀器系統誤差和氣候條件等因素的影響，氣象站觀測值與實際值存在偏差。所以，對站點觀測的降水進行偏差矯正顯得尤為重要。本研究對36 個站的逐日降水的動力損失和濕潤損失進行了矯正，以減少觀測降水的不確定性，詳細矯正方法請參考彭振華等（2021）。利用矯正后的36個氣象站的降水量直接插值到0.25°格網，雖然插值結果具有良好的空間連續性，但每個格點的值可能會存在較大不確定性。因此，本研究引入了全國1961 年—2019 年逐日降水格網數據集（0.5°×0.5°），該數據集是基于中國2474 個國家級地面站基礎氣象資料，經過嚴格的質量檢測、控制和矯正后，通過薄板樣條插值獲得，該數據每個0.5°空間格點值具有很高的可信度（Xie 等，2007）?；诖?，本文首先利用校正后的36 個站點的降水插值到0.25°，再與0.5°格網數據建立空間關系，在既能保留0.5°格點值空間精度，又能保留插值得到的0.25°數據空間連續性的前提下，實現對原始0.5°格網降水數據降尺度到0.25°，本文將降尺度后的降水數據集稱為CMA。本研究中4 個子流域的逐月徑流數據（1961年—2014年），來自國家水文水資源局出版的水文年鑒。

2.3 研究方法

2.3.1 ABCD水文模型

ABCD 模型是由Thomas 等提出的非線性水量平衡模型（Martinez和Gupta，2010；Thomas，1981），該模型只有a、b、c、d 共4 個參數，輸入數據為降水（P）和潛在蒸散發（PET），可模擬月尺度的徑流過程，計算水文年步長內的實際蒸散發量（ET）、直接徑流（Rs）、地下水徑流（Rg）以及土壤水儲量（S）和地下水儲量（G）的變化。ABCD模型把整個流域概化為兩層結構：土壤水層和地下水層，其中模型的結構如圖2所示，核心變量的方程見式（1）—（4）。諸多學者利用ABCD 模型模擬了流域月尺度徑流過程，取得了較好的效果（Bai 等，2015，2020；韓鵬飛和王旭升，2016；吳光東 等，2019）。

圖2 ABCD模型結構示意圖Fig.2 The model structure，key equations and parameters in the ABCD model

式中，a為土壤完全飽和前形成徑流的概率；b為不飽和含水層最大儲水量能力（mm）；c為土壤表層補給地下水的系數；d為地下水形成出流的速度；Yt和Wt分別為可能蒸散發量（mm）和有效水量（mm）；Rs為直接徑流（mm）；R0為地下水補給量（mm）；Rg為地下徑流（mm）；G 為地下水儲量（mm）。PET為日潛在蒸散發（mm d-1）；Δ為水汽壓曲線斜率（kPa ℃-1）；Rn為地表凈輻射（MJ m-2d-1），G為土壤熱通量變化（MJ m-2d-1，日尺度可忽略）；γ為干濕球常數（kPa ℃-1）；Ta為2 m 高度平均日氣溫（℃）；u2為2 m 高度風速（m s-1）；es為飽和水汽壓（kPa）；ea為實際水汽壓（kPa）。

2.3.2 基本統計和水文模型性能指標

為了定量評估5 套多源遙感降水產品的性能，本研究采用了多種評價指標，各類指標的計算公式如表3 所示。其中，基本統計指標的相關系數（CORR）反映了各遙感降水產品與站點觀測降水之間的線性相關程度，最優值為1；均方根誤差（RMSE）和相對偏差（BIAS）反映兩者的誤差和偏差，最優值均為0；Kling-Gupta系數（KGE）反映兩者的整體擬合優度，最優值為1。衡量降水等級預報特性的指標有探測率POD、誤報率FAR、關鍵成功指數CSI，其中POD 描述降水產品能夠正確預測降水發生的比例，FAR 指當前降水等級被錯誤檢測數量占檢測總降水事件總數的比例，CSI是探測降水性能的綜合指標。對降水量劃分了3個等級：小雨為0.1—10 mm/d，中雨為10—25 mm/d，大雨為＞25 mm/d。水文模型性能采用納什效率系數（NSE）來表征，當NSE＜0.36 時，性能不可接受；當0.36≤NSE＜0.75 時，性能較好；當NSE≥0.75 時，性能優秀（Motovilov 等，1999）。為了更直觀表征不同降水產品在渭河4 個子流域的水文性能，對NSE 進行了排序和打分，計算每個產品的綜合得分。

表3 評價指標的計算公式Table 3 Equations of evaluation metrics

3 結果與分析

3.1 降水時空變化格局

圖3 和圖4 分別展示了渭河4 個子流域多年觀測降水和5種遙感降水產品的時空格局。由觀測值可知，渭河流域多年觀測降水量均值空間分布總體呈由南向北遞減，東部多西部少的特點（圖3（a））。整體而言，5 種遙感降水產品均能捕獲流域多年降水均值的空間分布格局（圖3（b）—3（f））。但就不同區域而言，不同產品間存在較大差異性。例如，CHIRPS 產品和MSWEP 產品均表現出在流域北部偏小、中部偏大的格局；PERSIANN 產品則整體更顯平滑，在流域南部偏大；CMORPH 產品和TRMM 產品與觀測降水分布一致性相對較好。就均值而言，在渭河上游TRMM 產品表現優于其他，MSWEP 產品表現最差；在涇河上游CMORPH產品表現較好，最差的是PERIANN 產品；在馬蓮河流域，除PERSIANN 產品明顯低估外，其余4種產品差別不大；在北洛河流域，MSWEP 產品性能優越，其次是CHIRPS 產品，最差的是PERSIANN產品。圖3 中以及各子圖統計值前的編號1，2，3，4，分別對應的渭河上游，涇河上游，馬蓮河和北洛河4個子流域。CMA為觀測降水數據集。

圖3 渭河及其4個子流域觀測與遙感產品多年均值空間分布Fig.3 Spatial distribution of multi-year mean of observational and remotely sensed precipitation in the four sub-basins of the Weihe River Basin

圖4 渭河流域4個子流域觀測與遙感降水的年際變化Fig.4 Annual variation of observational and remotely sensed precipitation in the four sub-basins of the Weihe River Basin

就年際尺度而言（圖4），TRMM 產品在4個子流域與CMA 的年際變化一致性最好。PERSIANN產品在涇河上游、馬蓮河與北洛河的年際變化均低于CMA，且是5 種產品中與CMA 年際波動差別最大的一個；在渭河上游，該產品在2008 年之前與站點觀測降水波動保持著較好的一致性，而在2008年后其均值明顯高于CMA均值。

為了更好展示不同遙感產品的性能，繪制了不同降水產品在4個子流域統計信息的泰勒圖。在渭河上游（圖5）。TRMM產品的相關系數（CORR=0.95）、標準差（S=72.39）等均優于其他4種產品，與CMA 最為接近（CORR=1，S=78.53），表現出良好的性能；其次為MSWEP（CORR=0.9，S=59.81）。在涇河上游（圖5（b）），TRMM 和MSWEP 產品的相關系數較為接近（CORR=0.95），但是MSWEP的標準差要低于TRMM，其次為CHIRPS 產品（CORR=0.87，S=69.1），最差的為CMORPH（CORR=0.76，S=73.07）。與涇河上游類似，TRMM 和MSWEP 產品在馬蓮河與北洛河的整體性能較為優越，相關系數均在0.9 以上（圖5（c）和5（d）），而CMORPH 產品（馬蓮河：CORR=0.60，S=70；北洛河：CORR=0.64，S=94.6）的性能均較差。就MSWEP 在不同流域的性能而言，在海拔較低的涇河上游、馬蓮河和北洛河，整體優于地處海拔較高的渭河上游區域。

圖5 5種遙感遙感降水產品在4個子流域性能的泰勒圖Fig.5 Taylor diagram of performance of different remote sensing precipitation over four sub-basins of the Weihe River

3.2 遙感降水的統計性能

圖6 展示了不同降水產品在4 個流域日尺度的基本統計性能。大部分產品在4個子流域均呈現低估（BIAS＜0），PERSIANN 低估尤為明顯。MSWEP和TRMM產品的BIAS均低于其他3種產品（圖6（a））。MSWEP 產品的均方根誤差（RMSE）相對其他遙感產品較小，在4個流域值的范圍是3.46—4.04 mm，而CHIRPS產品的RMSE在4個流域較大（圖6（b））。MSWEP 產品的相關系數在4 個流域明顯優于其他產品，均達到0.63 以上，而CHIRPS 和PERSIANN則偏低，大部分在0.4以下（圖6（c））。對于KGE而言，MSWEP 產品明顯優于其他4 種遙感產品，4個流域均在0.6以上，PERSIANN的KGE整體偏低，大部分在0.3 以下（圖6（d））。綜上可知，不同遙感產品在同一流域存在較大差異，同一遙感產品在不同流域的性能也表現出顯著的區域差異性，其中基于多源數據融合的MSWEP 產品性能優于其他產品，新一代數據融合降水產品表現出了優越的性能；而基于紅外信息的CHIPRS 和PERSIANN的降水產品性能表現稍遜。

圖6 遙感降水產品在不同流域的基本統計性能Fig.6 Basic statistical performance of remote sensing precipitation products in different river basins

圖7 展示了遙感降水產品在4 個子流域捕獲降水等級的性能。對于小雨，PERSIANN 產品的探測率最高（POD＞0.71，圖7（a）），其次為MSWEP，其余3種產品的等級性能差別不大。與之對應，兩種產品具有較低的誤報率（FAR＜0.24，圖7（b））和較高的關鍵成功指標（CSI＞0.58，圖7（c））。5 種降水產品在渭河上游的性能要優于其他3 個流域。對于中雨而言，MSWEP 產品的探測性能最好（POD＞0.38），與之對應，MSWEP 具有較低的FAR和較高的CSI（圖7（d）—7（f））；表現較差的產品是PERSIANN（POD＜0.22），其余3 種產品的性能差別不顯著。對于大雨而言，CHIRPS 的POD 較高，其次為MSWEP，最差的是PERSIANN；但是MSWEP 的FAR 較低，CSI 較高，表現出獨特的優越性能（圖7（g）—7（i））。綜上可知，MSWEP產品的降水等級性能整體明顯優于其他4種產品，各遙感產品對于小雨強度降水的性能明顯優于中雨和大雨，流域之間的性能差異不大。

圖7 遙感降水產品在不同流域的分類統計性能Fig.7 Categorical performance of remote sensing precipitation products in Wei River basins

3.3 遙感降水產品的水文模擬性能

為了驗證不同遙感降水產品的水文性能，利用觀測降水數據集和潛在蒸散發PET驅動ABCD模型，比較不同降水產品為輸入時對徑流的模擬結果。首先，對水文模型進行率定和驗證，把1961 年—1980 年作為模型的率定期，1981 年—1997 年作為模型的驗證期（圖8）。結果發現，4個流域率定期的納什效率系數較好（NSE＞0.64），其中涇河上游優于其他流域（NSE=0.75）；在驗證期，除了馬蓮河的NSE 提高外，其余流域的NSE 均稍微下降，但整體的性能較為理想，這表明ABCD水文模型在渭河流域具有較好的適應性，可以用于不同遙感降水產品性能的驗證?；诖?，借助率定好的模型參數，利用不同遙感降水產品驅動ABCD 模型，其模擬的性能如圖9所示。

圖8 ABCD水文模型率定期與驗證期的模擬性能Fig.8 Performance of ABCD model in calibration and validation period

圖9 遙感降水產品在渭河4個子流域的水文性能Fig.9 Hydrological performance the five remote sensing precipitation in four sub-basins of Wei River Basin

整體而言，5 種遙感降水產品驅動的水文模型，均能較好地捕獲觀測徑流的變化過程，且在渭河上游的模擬性能要優于其他流域，性能最差的在涇河上游。這可能是由于渭河上游海拔較高，降雨—徑流過程受到干擾的因素少；而在其他3個流域，由于海拔較低以及人口較密集，降雨—徑流關系受到干擾。從不同流域來看，在渭河上游，TRMM 產品的徑流模擬效果最優（NSE=0.66），其次為MSWEP（NSE=0.59），表現較差的是CHIRPS和PERSIANN產品。在涇河上游，TRMM和MSWEP產品的NSE 為0.46，最差的為PERSIANN 產品（NSE=0.34）。在馬蓮河和北洛河流域，模擬性能最好的產品分別是CMORHP 和TRMM。根據不同產品在4 個流域的綜合評分可知，TRMM 產品在4 個流域的徑流模擬效果明顯優于其他遙感產品（評分19），其次為MSWEP 產品（15 分），模擬性能較差的是PERSIANN 和CHIRPS 產品（分別5 分和10 分），表明基于多源信息融合的最新產品MSWEP 和主動微波產品TRMM 在渭河流域具有較強的適應性，推薦為首選降水產品，而基于紅外/近紅外的PERSIANN 和CHIRPS 產品，其降水反演算法在半干旱半濕潤地區有待進一步探討。

4 討論

4.1 多源降水產品性能研究以及影響性能的因素

諸多學者在黃河流域開展了遙感降水的評估以及改進工作。例如，星寅聰等（2021）分析了4種遙感降水產品在黃河中游的性能，并提出了采用EMOS、QM 的數據融合技術改進多源遙感降水的綜合性能，從而為遙感降水的發展提供了新思路。Liu等（2019）評估了6 種遙感降水產品在渭河流域探測極端降水的性能，發現TRMM 3B42V7 具有較高的精度和較低的空間不確定性，整體明顯優于其他降水產品。對于不同遙感降水產品的徑流模擬性能，劉潔等（2018）發現TRMM 3B42V7 的性能較為優越，這一結果與本文較為一致，本文發現TRMM 3B42V7 的水文模擬性能明顯優于其他4種產品，其在渭河上游的NSE達到了0.66（表4）。TRMM衛星于2015年8月份正式退役，取而代之的是GPM 衛星，GPM 衛星的降水反演算法為IMERG（簡稱GPM IMERG），已有研究表明其在黃淮海平原（Xu 等，2019）、青藏高原（Xu 等，2017），以及中國大陸（丁明澤 等，2021）均取得了良好的效果，其性能優于TRMM 3B42V7。所以，TRMM 3B42V7 和GPM IMERG 降水產品序列，可用于無資料/稀缺資料地區水資源規劃、洪水預報和干旱預測等領域。多源數據在水文、水文環境等方面的優勢已被廣泛報道（王茹 等，2022），最新發布的多源數據融合產品MSWEP（Beck 等，2017，2019b），由于其優越的性能，已經被廣泛應用于日尺度降水分析（Chen 和Dirmeyer，2017）、湖泊動態監測（Satgé等，2017）以及驅動水文模型的洪水預報（Siqueira 等，2020）等研究領域。彭振華等（2021）對比分析了5 種降水產品在中國不同氣候區的差異，發現MSWEP 在各氣候區的基本統計性能和降水等級性能優越，可作為全國氣候研究的重要數據源，而PERSIANN-CDR 和CHIRPS v2.0性能欠佳。Bai和Liu（2018）評估了多種遙感降水產品在三江源地區的水文性能，發現MSWEP 降水產品可更好地模擬徑流，該產品可作該區域最佳遙感降水產品。

表4 不同遙感降水產品在渭河4個子流域的NSE統計Table 4 Hydrological performance of different remote sensing precipitation products in the Wei River

注：表中數字為納什效率系數（NSE），加粗數字表明在當前流域模擬效果最好的遙感產品。括號內的數字是得分，在當前流域該遙感產品模擬性能最優得5分，依次遞減，最差得1分。

影響遙感降水產品性能的因素主要有3個方面：一是遙感傳感器的性能，二是反演算法，三是研究區差異性。TRMM 衛星搭載的是主動微波傳感器，屬于第一顆專門用于觀測熱帶、亞熱帶降水的氣象衛星，能夠提供暴雨的三維結構，對降水的精確估計具有重要的提升作用（Huffman 等，2001）。TRMM 的后續替代產品GPM 除延續TRMM的優點外，還在時空分辨率、觀測精度和準確性等方面得到了大幅度提升，是真正意義上覆蓋全球降水（含雨雪）的產品數據集。此外，TRMM產品由于以單一傳感器為主，未使用多源數據進行融合，從而保證了降水數據序列的相對獨立性，這一點對“降水—截留—下滲—徑流”等水文過程的模擬尤為重要（表4）。MSWEP 產品通過融合2 套地面觀測降水數據集、5 套衛星降水產品和2 套再分析數據集，并通過給予權重系數重新估算每個格網的降水，最大程度地減少了降水的整體估算偏差（Beck 等，2017），所以MSWEP 相對其他產品具有較好的整體統計性能（圖5—6）。但是，MSWEP 的降水序列由10套降水數據的加權方式獲得（Beck 等，2019a），所以有可能破壞了降水序列的自然連續性，增加了降水估算值的隨機性，進而影響到水文過程的迭代模擬過程，這可能是導致MSWEP 徑流模擬性能不甚理想的原因（圖9，表4）。CHIRPS 和PERSIANN 產品主要是通過云頂溫度計算一定空間范圍內的冷云覆蓋率，然后將冷云的日覆蓋率與降水指數進行數理統計分析，得到線性回歸公式的轉換系數，進而推算降水（Ashouri等，2015）。所以，這種間接降水測量方式獲得的產品，在時間變化和空間格局均存在較大誤差（圖6和圖7，表4）。

不同流域遙感降水產品性能主要受地理位置、海拔高度，以及算法驗證時所用氣象站的空間分布密度等因素影響。比如，渭河上游地處地形復雜的山區（圖1），降水以對流雨和地形雨為主，降水產品難以捕獲降水的快速波動。此外，遙感傳感器的敏感性隨著地形復雜度的增加而降低（Sun 等，2018；張國慶 等，2022）。所以，遙感降水產品在渭河上游的整體統計性能，低于海拔較低且地形較為平坦的其他3 個流域（圖6）。但是，對于徑流模擬性能而言，各產品在渭河上游的水文性能并不遜色，尤以MSWEP、PERSIANN和TRMM 產品表現優良（表4）。這可能是由于渭河上游地形復雜、受人類活動影響小，“降水—徑流”的自然過程受干擾較少，而其他三個流域相對受人為因素干擾較大，比如耕種、退耕還林工程等，改變了自然水文過程（劉昌明 等，2016）。

4.2 不確定性分析

本研究對數據源和研究方法均采取了嚴格的質量控制，以期獲得客觀、合理的評價結論，但依然不可避免地存在一些不確定性。首先，觀測降水降尺度帶來的不確定性。遙感降水（0.25°）與觀測降水（0.5°）的格網空間分辨率不一致，為了兩者進行匹配，對觀測降水進行了降尺度到0.25°（圖3（a））。降尺度過程會帶來一定的不確定性，但是本文分析大部分都基于流域尺度分析，所以降尺度過程的誤差對研究結論影響有限。其次，水文模型自身的一些不確定性。水文模型的模擬結果在一定程度上受到輸入數據的影響，本文未考慮人為因素（植被恢復、農業耕種等）對徑流、潛在蒸散發的影響，ABCD 模型的4 個參數的物理意義有待進一步研究，參數與流域氣候特征本身的相關性等，均可能對徑流模擬性能產生影響。最后，單一水文模型評估帶來的不確定性。本文僅使用了ABCD概念性水文模型評價遙感降水產品的水文性能，未設置用于對比的模型，模型本身結構的不確定性可能對模擬結果產生影響?；诖?，后續的研究中，作者將采用多目標參數化方案對模型參數進行率定，增加更多的水文模型進行對比分析，以期更加客觀地對遙感降水產品進行評估，從而為渭河流域的洪水預報、驟發干旱預警等應用研究時降水數據源的選擇提供參考，并為遙感降水反演算法的進一步優化提供支撐。

5 結論

盡管遙感降水產品的時間序列相對較短，但是由于其大尺度、近實時等優點，在水資源規劃、干旱監測和洪水預報等領域發揮著重要作用。本文選擇了全球5 種具有代表性的遙感降水產品（CHIRPS v2.0，CMORPH v1.0，PERSIANN—CDR，TRMM，MSWEP v2.0），在我國黃河流域生態保護和可持續發展的重點區域—渭河流域，開展了降水產品基本統計、降水等級和水文模擬的綜合性能評估研究。研究發現：

（1）5 種遙感降水產品均能捕獲降水的空間分布，其中基于多源數據融合的MSWEP，能更好捕獲降水的空間不均勻性，表現出優越的性能；PERSIANN 產品空間分布平滑，且絕大部分區域被其低估，性能相對較差。從年際尺度看，各遙感產品在渭河上游整體偏好，其中TRMM 性能最佳，其次為MSWEP，最差的是PERSIANN。

（2）MSWEP 產品具有較低的RMSE，較高的CORR 和KGE 指標，基本統計性能較好。CHIRPS和PERSIANN 產品的基本統計性能較差。此外，對不同降雨等級性能的分析顯示，對小雨的探測，PERSIANN 產品表現較好，其次為MSWEP 產品，并且所有產品在渭河上游的性能優于其他3個流域；對中雨和大雨的探測，PERSIANN 產品性能明顯下降，MSWEP 產品對這兩種類型降雨具有較好的探測率，但是其誤報率也較高。

（3）由水文模擬性能分析可知，TRMM 產品的水文模擬性能最優，表明基于主動微波的遙感降水反演具有較高的水文應用前景，其次為MSWEP和COMRPH 產品。表現較差的是基于紅外/近紅外的CHIRPS 和PERSIANN 兩種產品，其反演算法在氣候敏感的過渡區有待進一步改進。

本研究結果將為渭河流域水資源規劃、干旱預警和極端暴雨監測等提供重要的數據支撐，從而為我國黃河流域生態保護和高質量發展規劃的順利實施提供保障。此外，本研究還可為不同遙感降水的反演算法在氣候過渡區的改進提供參考。