EN中文

Journal of Geo-information Science >

2022 , Vol. 24 >Issue 9: 1817 - 1834

DOI: https://doi.org/10.12082/dqxxkx.2022.220356

Applicability Analysis of Satellite-based and Reanalysis Precipitation Products in Poorly-Gauged Arid Inland Basins

  • LV Aifeng , 1, 2, * ,
  • QI Shanshan 1, 2
Expand
  • 1. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Science, Beijing 100101, China
  • 2. University of Chinese Academy of Science, Beijing 100049, China
* LV Aifeng, E-mail:

Received date: 2022-06-27

  Revised date: 2022-08-15

  Online published: 2022-11-25

Supported by

Qinghai Department of Science and Technology(2019-SF-A4-1)

National Natural Science Foundation of China(41671026)

Fold

Abstract

Precipitation is often concentrated in mountainous regions, but rain gauges mostly cluster in flat valleys or populated regions and thus have poor spatial and temporal consistency. Satellite-based and reanalysis precipitation products can provide precipitation data without being restricted by local terrain condition. However, these products are usually subject to systematic errors, which may vary with time and topographic condition. Thus, it is essential to evaluate and analyze the regional applicability of different precipitation products. The Qaidam Basin is one of the typical alpine arid inland basins in China. Its center part belongs to an arid desert region, and water scarcity hampers the socioeconomic development of this region. The Qaidam basin is surrounded by mountainous regions which are the “water tower” in the world with concentrated precipitation but sparse rain gauge networks. The lack of precise precipitation observation in space and time in mountainous regions can result in unreliable hydrologic modeling and unsustainable water management. To obtain accurate precipitation data, this study collected and evaluated four widely used precipitation products with higher spatiotemporal resolution, including CMADS, TRMM, GPM, and MSWEP. First, we evaluated the suitability of these four precipitation products in the Qaidam Basin against gauge-based precipitation data, using monthly precipitation data from nine meteorological stations and 13 hydrological stations. The spatiotemporal characteristics and the site level errors of the four precipitation products were also analyzed. Then, we concentrated on the typically poorly gauged basin, Xiangride River Basin located in the southeastern Qaidam Basin. The Four precipitation products were input to the semi-distributed hydrological model, Soil and Water Assessment Tool (SWAT), to evaluate the simulated streamflow by comparison with observed streamflow from the gauge data at the watershed outlet (Qianwaebo hydrological station). Results show that: (1) At yearly and monthly scales, MSWEP achieved the highest agreement (R ≥ 0.79, PBIAS = 0.5%) against the observed data, followed by GPM and TRMM, while CMADS had the worst performance (R ≥ 0.64, PBIAS = 5.8%); (2) All precipitation products generally overestimated precipitation at lower elevations and underestimated precipitation at higher elevations; (3) At the basin scale, MSWEP performed best (NSE = 0.64 vs. 0.36~0.59 for other datasets) in the baseline period (2009—2012), while CMADS performed best (NSE = 0.75 vs. 0.53~0.68 for other datasets) in the impacted period (2013—2016). This study can provide important support for obtaining accurate precipitation information and improving water resources management in poorly gauged arid mountainous region.

Key words： satellite-based precipitation; reanalysis precipitation; poorly-gauged basin; arid and semi-arid; applicability evaluation; SWAT; mountainous region; distributed hydrologic modeling

Cite this article

LV Aifeng , QI Shanshan . Applicability Analysis of Satellite-based and Reanalysis Precipitation Products in Poorly-Gauged Arid Inland Basins[J]. Journal of Geo-information Science, 2022 , 24(9) : 1817 -1834 . DOI: 10.12082/dqxxkx.2022.220356

1 引言

降水是生态环境的重要水源,其时空分布对生态系统的稳定影响深远,同时也深刻影响着地球生物化学循环和人类的生产生活[1]。高寒山区流域是世界的“水塔”,是众多国家的主要地表水源及主要河流的发源地[2-3],但降水测站大都分布在山谷或人口密集区,降水监测十分薄弱。以青藏高原为代表的西北高寒山区海拔高、季风和大陆性气候显著,分布有大量的冻土、冰川和生态环境脆弱的干旱内陆河[4]。精确的降水时空信息对理解我国内陆河流域水循环过程、完善西部水源地保护以及推进下游社会经济可持续发展等具有重要意义。从经济建设来看,“一带一路”沿线区域多属于干旱内陆区,这些地方气象站点稀少,降水观测资料不全面,阻碍了水资源的精确评估和优化配置,进而影响沿途节点城市的高质量发展。
遥感降水产品、再分析降水数据以及同化降水数据能提供高时空分辨率且分布连续的降水信息,是缺资料地区降水信息的重要数据源。近年来,这些降水产品的反演算法、数据源以及时空分辨率在不断更新和提升,但在实际应用中其精度仍存在一定的误差,这些误差特征还会随着下垫面条件、季节、海拔等影响而变化[5-6]。因此在使用降水产品之前,需要对其进行区域适用性分析。常用的分析方法主要有2种：① 直接与实测站点降水进行对比;② 根据实测径流数据评估降水产品的径流模拟表现。对于没有观测资料的山区流域,利用水文模型评估降水产品的水文模拟能力是分析产品适用性的有效方法。高寒山区流域地貌特征复杂多变,基于DEM数据进行子流域、水文响应单元等流域划分方法的分布式水文模型可以精细地表达流域空间特征,对高寒山区十分适用[7-8]。其中,SWAT（Soil and Water Assessment Tool）作为典型的分布式水文模型,具有结构先进、功能强大且计算高效的特点,在水文模拟等相关研究中应用广泛[9⇓-11]。
从降水产品来看,现有研究中评估较多的降水产品包括遥感降水TRMM（Tropical Rainfall Measuring）[12]、GPM（Global Precipitation Measurement）[13]和CMORPH（Climate Prediction Center Morphing Technique）[14]等,多源融合降水产品CHIRPS（Climate Hazards Group Infrared Precipitation with Station data）[15]和MSWEP（Multi-Source Weighted-Ensemble Precipitation）[16]等以及大气再分析数据CFSR（Climate Forecast System Reanalysis）[17]和CMADS（China Meteorological Assimilation Driving Datasets for the SWAT model）[18]等。从研究结果来看,多源融合降水产品以及融合了站点数据的遥感降水精度较高,但由于发布时间较新,尚缺少足够的区域适用性研究,特别是在地形复杂的山区。GPM作为TRMM的继承者,多数研究表明其精度要高于TRMM,但在海拔较高地区的一些研究发现,GPM的表现并不及TRMM[19]。CMADS在我国多个山区流域均有较好的径流模拟表现,作为大气再分析数据集,CMADS能提供驱动水文模型的所有气象数据。此外,先前研究发现TRMM和CMORPH在高寒山区一些水陆混合像元中会出现降水的异常高值[20⇓-22],而CMORPH是CMADS降水数据的信息场。为了对比新型融合降水产品与遥感产品在柴达木盆地的适用性、对比TRMM和GPM在柴达木盆地的表现、探索TRMM和CMADS的降水异常高值现象在柴达木盆地的分布规律以及收集无资料流域水文模拟的气象数据,本文选取了4套高精度且在山区流域常有较好表现的降水产品,包括1套大气再分析数据集CMADS V1.1和3套遥感降水产品TRMM 3B42 V7、GPM IMERG V6以及MSWEP V2.2。
本文首先利用地面站点信息,评估4套降水产品在柴达木盆地的适用性。然后,以柴达木盆地东南隅的典型无资料香日德河流域为研究区,基于半分布式水文模型SWAT开展径流模拟适用性分析。在基于站点的评估方面,与先前研究[23]相比,本文在降水产品的选择和格点降水与站点降水对应方法上做出了区别。首先,降水产品增加了一套CMADS,其余产品均采用的是最新版本的日尺度数据。由于CMADS数据最早记录到2008年,本文与前文的研究时间范围也有差异。其次,在提取栅格降水时,Qi等[23]采用了ArcGIS中多值提取到点工具,该工具默认使用插值方法提取站点所在位置的格点降水值,将各栅格降水值作为单元格中心点位置的降水值进行内插。而本文则直接选取站点所在栅格的降水值作为降水产品与该站点对应的格点降水值,不考虑插值。本文的评估结果一方面有助于全面揭示我国典型高寒内陆盆地的降水时空格局,另一方面对提高流域水文模拟能力、实现区域水资源科学管理也提供了重要参考。

2 研究区概况、数据来源与研究方法

2.1 研究区概况

柴达木盆地位于35°N—39.2°N,90.3°E—99.3°E,盆地面积约25.8万km2（图1）。柴达木盆地作为我国典型的高寒干旱内陆盆地,是“一带一路”的重要节点,承担着支援边疆建设、维护青藏高原生态屏障的重任[24]。盆底海拔在2675~3200 m之间,四周高山海拔在3500~6860 m之间,由东南向西北海拔逐渐升高。柴达木盆地属典型的高原大陆性气候,年平均降水量100.8 mm,年水面平均蒸发量1528.1 mm,年平均气温-5.6 ℃~5.2 ℃,区内气温地区差异较明显。据统计[25],盆地东南部降水量 200 mm以上,西北部降水量小于50 mm,中部降水量为20 mm。此外,盆地降水量年内分配不均匀,汛期在5—9月,降水量可占全年总量的87.4%。
图1 柴达木盆地和香日德河流域的高程及地面站点分布

Fig. 1 The location, digital elevation model and gauges' distribution of the Qaidam basin and the Xiangride River Basin

香日德河位于柴达木盆地东南部,是柴达木盆地的主要河流之一（图1）。香日德河发源于昆仑山脉,河源海拔4846 m,总长250 km。流域平均海拔在4000 m以上,光照丰富,温度日变化大,高寒干旱,风大风多,属于大陆性气候。研究区为千瓦鄂博水文站（98.1°E,35.8°N）控制的流域范围,流域面积9878 km2。根据水文站1956—2016年的资料统计分析,其多年平均流量为13.1 m3/s,年径流量为4.27×108 m3,年径流深43 mm。流域多年平均降水量约284 mm,降水多集中在6—8月,占全年降水量的52.0%~61.8%,12月—次年1月降水量最少[26]。总体上香日德河流域内降水量较小,但在柴达木盆地属降水相对充沛的山区。

2.2 降水资料及来源

2.2.1 站点降水

地面站点的降水数据收集自青海省气象部门和水文部门的月值站点降水数据集,数据精度为0.1 mm。各站点记录的数据时间范围差别较大,降水记录的最新日期是到2016年12月。综合4种降水产品和站点记录的时间范围,确定研究时段为2008—2016年,依此共选出了22个地面站点,包括9个气象站和13个水文站,站点的名称、经纬度和海拔等基本信息如表1所示。气象站在柴达木盆地内相对分布均匀,水文站主要分布在盆地东部,海拔较高（图1）。从地面站点的月均降水量来看（表1）,水文站的月降水量一般高于气象站。研究区22个地面站点的月降水均值为15.9 mm,中位数均值为5.3 mm。平均月降水量最大的站点是察汗河水文站,为39.3 mm;最小值在冷湖气象站,为1.8 mm。
表1 柴达木盆地地面测站基本信息

Tab. 1 Basic information of gauge observations in the Qaidam Basin

类别 站名 纬度/°N 经度/°E 海拔/m 月均降水量/mm
气象站 大柴旦 37.85 95.35 3179 8.4
德令哈 37.38 97.36 3001 19.5
都兰 36.29 98.09 3185 20.1
格尔木 36.42 94.90 2809 4.2
冷湖 38.74 93.33 2765 1.8
茫崖 38.25 90.85 2938 4.4
诺木洪 36.43 96.42 2767 5.1
乌兰 36.93 98.48 2980 19.6
小灶火 36.80 93.68 2779 2.6
水文站 察汗河 36.94 98.48 2957 39.3
察汗乌苏 36.24 98.11 3240 20.9
德令哈（三） 37.38 97.43 3025 21.9
都兰雨量站 36.29 98.09 3194 21.2
尕海 37.22 97.44 2860 13.2
怀头他拉 37.34 96.73 2848 9.2
上尕巴 36.99 98.57 3135 28.4
夏日哈 36.40 98.12 3104 23.3
香日德 35.91 97.98 3199 23.9
纳赤台 35.87 94.57 3559 16.3
柯尔 35.94 97.70 3249 26.3
格尔木（四） 36.31 94.78 2919 5.4
千瓦鄂博 35.75 98.13 3453 14.0

2.2.2 降水产品

大气驱动数据集CMADS引入中国气象局大气同化系统CLDAS数据同化技术,具有数据来源广、多尺度和多分辨率的特点[27]。CMADS的降水数据由多卫星和地面自动站降水融合而成。其中中国区域采用CMORPH产品为背景场,融合中国降水自动站观测制作的中国区域小时降水量融合产品。除降水数据外,CMADS还提供日尺度的温度、气压、比湿、风速以及辐射数据。本研究所使用的CMADS V1.1版本空间分辨率0.25°,时间范围为2008—2018年。
TRMM是主流的遥感降水产品之一[28],能提供1998年至今覆盖全球范围（180°W—180°E,50°S—50°N）的格点降水资料,空间分辨率0.25°,具有准确性好、分布面广、时空分辨率较高等特点。TRMM 3B42包括2个版本：非实时后处理的TRMM 3B42产品和近实时的TRMM 3B42 RT产品。本研究使用的TRMM 3B42 V7是非实时后处理产品,在数据源和校正算法上做了重要改进,和近实时的3B42 RT产品相比与站点观测数据更为接近[29]。
GPM是继TRMM后新一代的降水产品,不但继承了TRMM降水资料的方法,还提高了观测精度、时空分辨率和探测能力[30]。IMERG（Integrated Multi-satellite Retrievals for GPM）是GPM的三级产品,能够提供全球0.1°、30 min的降水数据,包括2种近实时的产品（Early-Run和Late-Run）以及一种非实时后处理产品（Final-Run）。研究使用的版本是IMERG V6 Final-Run,它可以提供2000年6月至今的日降水数据。
MSWEP是一款集成了站点数据（CPC Unified、GPCC）、遥感降水（TRMM 3B42、CMORPH、GSMap MVK）、再分析数据（ERA Interim、JRA 55）等资料的优势而形成的一套多源融合降水产品,具有时间尺度长、空间分辨率高的特点[31]。本研究使用的MSWEP V2.2版本较V1将空间分辨率从0.25°提升到了0.1°,时间序列也由1979—2015年扩展到1979年至今,可提供3h格网化降水数据[32]。

2.3 评估方法

2.3.1 定量指标

首先直接比较4种降水产品在柴达木盆地和香日德河流域的多年平均降水量空间分布情况。将TRMM、GPM和MSWEP的日值栅格数据整合到年尺度上,同时计算CMADS各点的年降水数据,在ArcGIS中利用点转栅格工具生成栅格降水;再利用研究区的矢量边界对降水栅格数据进行裁剪,计算并生成各降水产品在研究区的多年平均降水量空间分布。
在对比站点与栅格降水数据上,本文使用点对像元的方式,以站点降水为真实值来评估格点降水的精度。为减少插值带来的额外误差,直接提取站点位置所在的格点降水值作为降水产品在该点的降水序列。因部分站点距离较近,且不同降水产品的空间分辨率存在差异,对在单个格点中存在2个或2个以上站点的栅格,取栅格内所有站点降水序列的平均值作为降水真实值。经统计,CMADS和TRMM分别选出了16个和17个栅格点,GPM和MSWEP则选出了20个栅格点（图2）。使用Python分别提取4种降水产品在站点位置的栅格降水值（2008—2016年）,并选用相关系数R、百分比偏差PBIAS和均方根误差RMSE来评估降水产品的精度[12,14]。本文所选用的3种定量指标的公式如下：
R = ∑ i = 1 n ( X i - X - ) ( Y i - Y - ) ∑ i = 1 n ( X i - X - ) 2 ∑ i = 1 n ( Y i - Y - ) 2
P B I A S = ∑ i = 1 n Y i - X i ) ∑ i = 1 n X i × 100 ％
R M S E = ∑ i = 1 n ( X i - Y i ) 2 n
式中： X i、 Y i分别表示站点降水值和降水产品在站点位置的栅格降水值; n表示降水序列长度; X -、 Y -分别表示站点降水和对应降水产品栅格降水的平均值。对于相关系数R,0 ≤ |R| ≤ 0.3表示不相关,0.3 < |R| ≤ 0.5表示弱相关,0.5 < |R| ≤ 0.8表示中度相关,0.8 < |R| ≤ 1表示高度（强）相关。
图2 站点和降水产品在柴达木盆地2008—2016年多年平均降水量空间分布

注：标记格网为有站点分布的栅格。

Fig. 2 Spatial patterns of the mean annual precipitation over the Qaidam Basin for observed stations and CMADS, TRMM, GPM, and MSWEP products from 2008 to 2016

2.3.2 SWAT模型构建与评价

SWAT模型首先基于DEM数据进行河流水系的提取,然后根据出水口和入水口的位置进行子流域划分。水文响应单元HRU是SWAT模型的最小模拟单元,指的是水文特征相似（单一的土壤类型、土地利用类型和管理措施等）的土地地块。HRUs的划分使得模型能够模拟出不同土地利用和土壤类型在蒸发、产流、下渗、营养元素流失等方面的差异,提高模拟的精确性。
模型构建需要准备的数据包括流域的矢量边界和出口位置信息、数字高程模型DEM、土地利用数据、土壤类型数据和气象数据等,其中气象数据主要包括降水、太阳辐射、相对湿度、风速和温度,这些气象数据的时间尺度要求为日尺度或日间尺度。本文所使用的基础地理数据如表2所示,降水数据包括CMADS、TRMM、GPM和MSWEP日尺度降水,除降水外,其余气象数据均为CMADS提供。
表2 构建SWAT模型所需的基础地理数据及来源

Tab. 2 The geographic datasets required for the SWAT model set up.

数据类型 数据源 分辨率 获取途径
DEM SRTM 90 m http://www.gscloud.cn/
土地利用数据 Landsat 30 m http://data.tpdc.ac.cn
土壤类型数据 HWSD 1 km http://westdc.westgis.ac.cn/
径流观测数据 千瓦鄂博水文站 月尺度（1956—2016年） 青海省水文局
在评估降水产品径流模拟适用性方面,首先对香日德河流域的水文气象要素变化情势进行分析。根据流域实测径流序列的突变情况（详见文献[26]）,将整个研究时段划分为突变前的基准期（2008—2012年）和突变后的变化期（2013—2016年）,两阶段分别进行模型参数的率定。基准期设置模型预热期为2008年,率定期为2009—2012年,变化期以2008—2012年为预热期,2013—2016年为率定期。对不同降水产品的径流模拟结果,本文选用纳什效率系数NSE和百分比偏差PBIAS 2个指标来进行评价,它们的计算公式如下：
N S E = 1 - ∑ i = 1 n ( R o ( i ) - R s ( i ) ) 2 ∑ i = 1 n ( R o ( i ) - R o ¯ ) 2
P B I A S = ∑ i = 1 n R s ( i ) - R o ( i ) ∑ i = 1 n R o ( i ) × 100 ％
式中： n表示模拟的序列长度; R o和 R s分别表示径流的观测值和模拟值。
一般当NSE > 0.50且|PBIAS| < 25%时,认为SWAT模型径流模拟效果是可靠的[33]。

3 结果及分析

3.1 降水产品的空间分布和年内分配

分别计算站点和各降水产品在柴达木盆地的2008—2016年多年平均降水量,得到的降水空间分布如图2所示。不同降水产品均表现出了研究区降水量由西北向东南逐渐递增的趋势,与站点降水量的空间分布特征一致。不同降水数据计算的柴达木盆地年降水量在27~560 mm之间,四周的山地降水量明显高于海拔较低的盆地。
CMADS和TRMM在个别格点出现了降水量大于1000 mm的异常高值,研究发现这些格点的位置分布有盐湖或咸水湖,如东台吉乃尔湖、察尔汗盐湖和托素湖等。先前研究也表明CMORPH和TRMM的降水异常高值格点与盐湖分布一致[21,34-35]。由于被动微波较难识别盐湖水体与地表的差异,加上山区的云温阈值较高,使得盐湖水体附近的无雨云被识别为多雨云,从而在个别格点出现降水的异常高值[36]。与TRMM相比,GPM在被动微波遥感反演算法上有了明显改进,产品空间分辨率也有了提高,其数据的空间分布上未出现降水的异常高值。MSWEP虽以TRMM作为源数据,但使用多种资料加以订正,也未出现降水异常高值。
各降水产品计算得到的研究区内平均年降水量相差不大,在147~190 mm之间,MSWEP计算的平均年降水量最高,其次是TRMM。与其它3种降水产品相比,MSWEP在南部山区的降水量更高,盆地中部降水量相对更低。
4种降水产品在柴达木盆地的多年平均月降水量的箱线图如图3所示。各降水产品表现出了较一致的规律：柴达木盆地各月降水呈现先增后减的总体趋势,降水主要集中在5—9月,其中6、7月降水量最高（25.3~42.0 mm）,12—2月的降水量最低（0.3~4.0 mm）。图中的方形表示月降水均值,对比发现,MSWEP在5—9月的月平均降水量是降水产品中最高的,其余月份则是CMADS的降水量最高;5—8月降水量最小的产品是CMADS,其余月份则是GPM,其11—2月的平均降水量都要小于1 mm,远低于同时期其余3种降水产品的月降水量。
图3 降水产品在柴达木盆地降水量的年内分配

Fig. 3 Monthly mean precipitation for precipitation products in the Qaidam Basin

不同降水产品计算的降水年内分配情况存在一定的差异。CMADS在雨季（5—9月）的降水量是4种产品中最少的,而干季降水量则是最大的。GPM在干季的降水量明显小于其余3种产品。整体来看,MSWEP的月降水均值是4种产品中最高的,其次是TRMM。从图3可以看出,CMADS和TRMM在5—9月出现了比均值高出了近10倍的降水异常高值,经检验,这些降水异常高值所在的格点位置与图2的异常高值格点位置对应。柴达木盆地在5—9月的降水量和气温相对较高,云量和云液水含量较高,容易出现微波遥感对湖泊区域无雨云的错误识别[37],且盐湖析出物的反射率很高,易形成降水异常高值的格点。

3.2 降水产品与站点降水的精度对比

3.2.1 时间尺度

降水产品和站点降水在年尺度和月尺度的定量指标计算结果如图4所示。在年尺度上,不同降水产品计算的相关系数均大于0.60,且都通过了显著性水平为0.01的显著性检验,表明与站点降水存在较强相关性。从百分比偏差来看,不同降水产品对站点年降水的高低估程度存在差异,但百分比偏差的数值均在±6%之间,表明对站点降水的高低估程度很小。CMADS和MSWEP分别高估了5.8%和0.5%的站点年降水值,GPM和TRMM则分别低估了5.7%和1.9%。总体来看,4种降水产品在年尺度上均有较好的表现,其中MSWEP与站点降水最接近：它的相关系数最高（R = 0.79）,百分比偏差的绝对值最小（|PBIAS| = 0.5%）,均方根误差也是最小的（RMSE = 73.63 mm）。
图4 降水产品与站点降水在年尺度和月尺度的对比情况

Fig. 4 Scatterplots showing yearly and monthlyprecipitation from gauges against the CMADS, TRMM, GPM, and MSWEP products

在月尺度上,各降水产品与站点降水的相关系数R ≥ 0.7,且均通过了显著性水平为0.01的显著性检验,与实测降水存在较强相关性（图4）。月尺度和年尺度的百分比偏差数值是倍比关系,各降水产品在月尺度和年尺度对站点降水的高低估程度一致。从均方根误差RMSE来看,降水产品在月尺度的数值明显小于年尺度。与年尺度上的精度对比结果类似,月尺度上MSWEP的相关系数最高（R = 0.86）,百分比偏差的绝对值最小（|PBIAS| = 0.5%）,均方根误差也是最小的（RMSE = 12.64 mm）,与站点降水量最接近。

3.2.2 格点尺度

图5是各降水产品在站点所在格点与实测月降水的定量指标（相关系数R、百分比偏差PBIAS和均方根误差RMSE）计算结果,其中x轴的站点顺序是按高程值从小到大进行排列,距离原点越近高程值越小。各站点中高程最低的是冷湖气象站（2765 m）,高程最高的是纳赤台水文站（3559 m）。
图5 降水产品在站点所在格点与实测月降水之间的精度指标计算结果

Fig. 5 The quantitative indexes of four precipitation products against monthly observed precipitation at grids where gauges located

从相关系数来看,4种降水产品在格点尺度相关系数的平均值从高到低排序为：MSWEP（0.89）> GPM（0.87）> TRMM（0.78）> CMADS（0.59）。CMADS在茫崖站和冷湖站所在格点的相关系数最低,分别为0.12和0.13;在乌兰和察尔汗所在的格点相关系数最高,为0.93。从相关系数和站点高程值来看,CMADS与海拔相对较高的站点降水有更强的相关性。TRMM在茫崖站的相关系数最低,为0.46;在德令哈和德令哈（三）站所在格点以及千瓦鄂博水文站的相关性最高,为0.88;在海拔较高的站点相关性相对更强。GPM在各格点与实测降水的相关系数都大于0.75,有8个格点相关系数大于0.90,这些格点对应站点的海拔均大于2950 m。MSWEP在各格点与实测降水的相关系数均大于0.80,且相关性受高程的影响不大,各格点与站点降水均存在强相关性。
从百分比偏差的计算结果来看,4种产品百分比偏差的均值从低到高排序为：MSWEP （+20.7%）< GPM（+32.4%）< TRMM（+38.4%）< CMADS（+67.9%）。4种产品中,CMADS易高估海拔相对较低的站点,且高估程度很大,有5个站点的PBIAS大于150%,分别是冷湖（+300.7%）、小灶火（+226.6%）、茫崖（+200.8%）、格尔木（四） （+175.5%）和格尔木（+164.9%）;对海拔相对较高的站点则多表现为低估,低估程度在40%以内。其余3种降水产品展示了与CMADS相似的规律,即高估海拔较低的站点降水而低估海拔较高的站点降水,其中TRMM和GPM对低海拔站点降水的高估程度较大,MSWEP的百分比偏差则在±100%以内。GPM的低估比例是最大的,有约60%的格点低估了站点降水。
各产品格点均方根误差的均值从小到大排序为：MSWEP（11.20 mm）< GPM（12.68 mm）< TRMM（14.59 mm）< CMADS（15.61 mm）。降水产品均方根误差的大小与站点高程无明显的规律。CMADS的均方根误差最大值出现在柯尔水文站所在格点,为30.73 mm,最小值在冷湖气象站（10.10 mm）。TRMM和GPM均方根误差最大值均出现在察汗河和乌兰所在格点,分别为29.39 mm和22.63 mm。MSWEP的最大均方根误差则出现在千瓦鄂博水文站,为21.47 mm。
总体来看,MSWEP在站点所在格点与实测降水的吻合程度是最高的,其次是GPM和TRMM,CMADS的表现最差。各降水产品均易高估海拔较低站点的降水而低估海拔较高站点的降水,且高估程度一般大于低估程度。

3.2.3 空间尺度

图5展示了格点降水精度随高程的变化情况。柴达木盆地地形起伏较大,为了更直观地表现降水产品降水精度受地理位置的影响,计算格点降水与站点降水的精度指标,并对各精度指标的空间分布进行可视化,结果如图6所示。对一个格点中存在多个站点的情况,计算多个站点的降水平均值作为该格点降水真实值,再与格点降水序列计算各精度指标。从站点分布情况来看,盆地东部站点相对较多且布设海拔较高,站点本身记录的降水量也相对较大。其中大多站点属于水文站。
图6 降水产品降水精度的空间分布情况

Fig. 6 The three quantitative indexes between observed precipitation and four products at the grid where gauges located

从相关系数来看,MSWEP各格点降水与站点降水都存在强相关性（R > 0.8）。除MSWEP外,其余降水产品与站点降水的相关性由西向东逐渐增强。这种相关性随空间分布的变化情况在CMADS中体现的最明显,它与位于盆地最西端的茫崖气象站、西北端的冷湖气象站和西南端的小灶火气象站的相关系数不足0.3,与盆地中南部的站点降水相关性则大多不足0.5,在盆地中北部和东部的站点降水相关性则相对较强。
对百分比偏差而言,降水产品一般对盆地东部的站点表现低估,对盆地中部或西部的站点降水表现高估,且高估程度要大于低估程度。从站点布设的海拔来看,东部站点的海拔相对较高,因此该发现与图5的结果是对应的,即降水产品常低估高海拔区的站点降水而常高估低海拔区的站点降水。
从均方根误差来看,降水产品在盆地中北部与站点降水的平均误差是最小的,在盆地东部与站点降水的平均误差则相对较大。总体来说,降水产品一般与盆地东部站点降水的相关性更高,但平均误差更大。

3.3 降水产品的径流模拟适用性分析

4种降水产品在香日德河流域2008—2016年多年平均降水量的空间分布图如图7所示。由图可知,4种降水产品的空间分布略有差异。GPM的年降水最大值出现在海拔相对低的流域中部,位于两支河流的交汇处,降水量最小值在流域东南部即流域海拔最高的地方,降水量受地形的影响较为明显;CMADS和TRMM则在流域东支托索湖的降水量最大,西支降水量相对较小,大体呈现了随海拔升高降水量减少的趋势,CMADS相较于TRMM对该趋势的体现更为明显;MSWEP的降水最高值则出现在流域的东南端;不同降水产品降水量的空间分布差异可能与不同降水产品的空间分辨率大小有关。此外,TRMM和MSWEP的流域平均年降水值明显高于另外2种降水产品。
图7 降水产品在香日德河流域多年平均降水量的空间分布

Fig. 7 The spatial patterns of the mean annual precipitation over the Xiangride River Basin of four precipitation products

图8为基准期（2009—2012年）和变化期（2013—2016年）径流模拟值和实测值的对比结果。不同降水产品在变化期的径流模拟结果一般要优于基准期,其中CMADS在两时期的径流模拟精度对比差异最明显。对基准期而言,MSWEP的径流模拟精度最高（NSE = 0.64）,与实测径流曲线的吻合程度最好;而CMADS的径流模拟效果最不理想（NSE = 0.35）。变化期来说,不同降水产品的径流模拟效果均较理想,纳什效率系数都大于0.5,其中CMADS的径流模拟效果最好（NSE = 0.75）,其次是TRMM（NSE = 0.68）、MSWEP（NSE = 0.64）,GPM的径流模拟效果最差（NSE = 0.53）。不同降水产品在两时期相对偏差的绝对值|PBIAS|均小于1%。两阶段降水产品的最优参数和径流模拟表现结果如表3所示。
图8 基准期和变化期降水产品SWAT模型模拟径流与实测径流对比结果

Fig. 8 SWAT model calibration against observed monthly streamflow during baseline period and impacted period

表3 降水产品在香日德河流域基准期和变化期径流模拟最优参数

Tab. 3 Optimal parameter values and model performance of precipitation products in the baseline period and impacted period

基准期 变化期
CMADS TRMM GPM MSWEP CMADS TRMM GPM MSWEP
CN2 39.45 69.04 41.46 38.18 59.60 63.49 61.64 35.02
ESCO 0.34 0.58 0.57 0.66 0.02 0.18 0.83 0.71
EPCO 0.48 0.61 0.64 0.58 0.97 0.16 0.02 0.73
OV_N 0.47 0.15 0.41 0.59 0.36 0.20 0.57 0.23
CH_N2 0.02 0.47 0.34 0.32 0.22 0.20 0.04 0.31
CH_K2 9.55 64.55 74.94 6.41 20.57 18.03 149.07 53.26
ALPHA_BF 1.00 1.00 0.31 0.09 1.00 1.00 0.32 0.99
GW_DELAY 292.36 499.14 192.72 448.97 410.04 499.97 119.52 499.69
RCHRG_DP 0.63 0.61 0.55 0.24 0.45 0.67 0.27 0.34
GW_REVAP 0.05 0.03 0.09 0.14 0.10 0.04 0.19 0.14
GW_SPYLD 0.20 0.26 0.16 0.30 0.11 0.24 0.35 0.30
SOL_AWC 0.01 0.02 0.03 0.02 0.01 0.03 0.01 0.02
SOL_K 52.06 24.38 43.17 21.39 27.94 20.85 32.85 18.87
SURLAG 3.60 10.06 5.82 5.04 7.27 11.11 3.15 11.49
NSE 0.35 0.58 0.51 0.64 0.75 0.68 0.53 0.64
PBIAS/% 0 0 0 0 0.1 -0.1 0 -0.1

4 讨论

4.1 格点降水提取方法探讨

本文使用了2种方法评估多套降水产品在柴达木盆地的适用性,包括与站点降水的直接比较和基于水文模型评估降水产品的径流模拟适用性。前者以站点降水为真值对比格点降水,后者常用于观测资料不足的山区流域[7-8,38]。
站点观测是降水信息获取最广泛和最准确的方法,也是评估降水产品精度最常用的数据。如何提取降水产品栅格降水值与站点降水进行对比,是利用站点降水评估时需解决的重要问题。同样是评估多套降水产品在柴达木盆地的适用性,Qi等[23]的研究采用了插值的方法提取站点所在位置的格点降水,与本文的研究结果对比发现,采用插值的方法计算的TRMM降水精度明显较低。由于TRMM在雨季存在降水的异常高值点,插值后的降水受这些格点影响较大,导致格点与站点降水的误差过大。本文采用直接对比栅格与站点的降水值,结果表明该方法能有效避免插值导致的系统误差。对于MSWEP和GPM,Qi等的研究中[23]的精度评估结果要稍好于本文,其原因可能是提取方法不同或数据序列长度不一致,但从降水产品评估的精度排序来看,2种提取方法得到的降水产品精度高低排序是一样的：MSWEP在各时间尺度上的精度都是最高的。除这2种对比方法外,在站点相对密集的区域,可以对站点数据进行插值,将插值后的栅格数据与降水产品栅格值进行对比。Saemian等[39]比较了栅格对和点对栅格两种方法评估的多套降水产品精度,发现点对栅格的评估方法低估了降水产品的适用性,但2种方法得到的降水产品精度高低排序是相同的。

4.2 降水产品区域适用性影响因素分析

不同的降水产品在柴达木盆地的多年平均降水量空间分布（图2）表现出了较一致的规律：降水量大致随海拔升高而增加。在香日德河流域,不同降水产品的空间分布特征则存在一定差异（图7）,与海拔的相关关系不明显。提取降水产品的格点降水值和格点对应的高程值进行相关分析,我们发现,各降水产品在香日德河流域的降水量与海拔之间的相关系数均小于0.3,降水量与海拔不存在相关性。Immerzeel等[40]指出,随着海拔的升高,降水量通常呈现先增加后减少的趋势。图9对比了降水产品在柴达木盆地的格点降水值和格点对应的高程值（已剔除CMADS和TRMM的异常高值格点）,从图中可以看出,在4500~4700 m之间存在一个相对高度,在该高度以下,降水产品在柴达木盆地的降水量随海拔升高而增加（R = 0.91~0.99）;在该高度以上,MSWEP和TRMM的降水量与高程无相关性（R < 0.31）,GPM和CMADS的降水量则随海拔升高而减少（R = -0.95 - -0.87）。香日德河流域海拔较高,大部分区域位于该相对高度及以上,导致降水产品在该流域的空间分布情况存在较大差异。
图9 降水产品在柴达木盆地年降水量随高程的变化

注：灰色区域表示柴达木盆地“相对高度”的范围。

Fig. 9 The annual average grid precipitation value of each product and the corresponding elevation at the Qaidam Basin

香日德河河流补给主要以雨水和冰雪融水为主。因此,我们基于GLDAS的雪水当量数据分析了流域降水量与其空间分布的相关性。结果发现,MSWEP与雪水当量存在很强的相关性（R = 0.86）,其次是TRMM（R = 0.48）,而CMADS和GPM与雪水当量无相关性。从图9可以看出,CMADS和GPM在海拔较高地区的降水量明显较少,推断这2种降水产品对积雪的探测能力较弱。Lin等[41]和Tang等[42]的结论与我们的推断相符。

4.3 与其他研究对比分析

对比不同类型的降水产品精度,多源融合降水产品MSWEP的表现最优。由于该降水产品最新版本发布较新,尚缺少大量典型区域适用性评估研究。本文的结果表明,MSWEP在干旱山区流域有较好的适用性。Zhang等[43]同样收集了MSWEP V2.2、TRMM 3B42 V7和GPM IMERG V6降水数据,选择在我国西部山区岷江流域开展适用性评估工作,结果表明MSWEP的适用性是最好的。此外,MSWEP在我国祁连山地区[44]和青藏高原地区[45]均有很高的精度。该产品即使在地形复杂的山区也有较好的适用性,可见其在缺资料和无资料流域有很大的应用潜力。
遥感降水产品TRMM（R > 0.60, PBIAS = -1.9%）和其继承者GPM（R > 0.70, PBIAS = -5.7%）在柴达木盆地均有较好的适用性,结果表明GPM与站点降水的相关性更高,但相对偏差更大。Wang等[12]在青藏高原东北端的河西区对比TRMM和GPM的表现也得到了同样的结论。Wang等[12]还发现,在低海拔区降水产品易高估实际降水,而在高海拔区则易低估实际降水,与本文的研究结果一致（图5）。而在海拔较高（平均海拔> 4000 m）的香日德河流域,GPM的径流模拟表现则不如TRMM。先前研究表明,GPM在高海拔地区的表现很不稳定,甚至出现不可靠的情况[46]。金鑫等[19]在柴达木盆地东北缘的巴音河流域得到了与本文类似的结果,GPM径流模拟精度要低于TRMM,其推测主要原因是GPM对流域降水的低估。从降水产品的降水量随海拔变化情况（图9）来看,GPM和CMADS在高海拔区降水量明显小于另外两种降水产品。CMADS对2009年雨季降水的较大低估也是其在基准期径流模拟表现较差的主因。后续研究可以根据各降水产品的表现开展数据校正工作。

5 结论

本文在我国典型的缺资料干旱区柴达木盆地,评估了4套高精度遥感及再分析降水产品（TRMM 3B42 V7、GPM IMERG V6、MSWEP V2.2 和CMADS V1.1）的区域适用性。首先基于柴达木盆地的站点实测降水数据评估了降水产品在年尺度和月尺度的精度,然后在柴达木盆地东南隅的无资料山区香日德河流域,基于半分布式水文模型SWAT评估了降水产品的径流模拟适用性。主要结论如下：
（1）降水产品与站点降水在年和月尺度上的吻合程度较好（R ≥ 0.64, |PBIAS| < 6%）,其中精度最高的是MSWEP,其次是GPM和TRMM,CMADS与站点降水的一致性最弱。对比各降水产品和站点降水序列发现,CMADS常低估雨季降水（PBIAS = -32%）,对干季站点降水的高估程度也很大（PBIAS = 120%）,TRMM也容易高估干季降水（PBIAS = 52%）,GPM则常低估干季降水（PBIAS = -44%）。
（2）降水产品在柴达木盆地的降水量大致随海拔升高而增加,在海拔4500~4700 m以上,CMADS和GPM降水量随海拔升高而减少,MSWEP和TRMM降水量与海拔无相关性（R < 0.31）。CMADS和TRMM在盐湖分布的位置出现了年降水量大于1000 mm的降水异常高值格点,这些格点主要出现在雨季（5—9月）,推测是因为盐湖析出物反射率高,加上雨季云量和云液水含量高,易出现微波遥感对盐湖区无雨云的错误识别。
（3）降水产品常高估相对低海拔区的站点降水而常低估相对高海拔区的站点降水。对比降水产品降水精度的空间分布,发现降水产品在盆地东部与降水产品的相关性更高,但平均误差更大,且降水产品常低估东部的站点降水而高估中部、南部的降水。
（4）降水产品在香日德河流域的空间分布情况存在差异。根据突变点检验结果,香日德河流域出口径流序列在人类活动为主因的影响下显著减少[26]。从降水产品的径流模拟表现来看,基准期MSWEP的表现最好（NSE = 0.64）,变化期则是CMADS（NSE = 0.75）。从模拟径流与实测径流曲线的对比情况来看,CMADS和GPM可能分别较大程度地低估了基准期和变化期的实际降水。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Verma A K, Dash R R, Bhunia P. A review on chemical coagulation/flocculation technologies for removal of colour from textile wastewaters[J]. Journal of Environmental Management, 2012, 93(1):154-168. DOI: 10.1016/j.jenvman.2011.09.012

DOI

[2]
Barros A P. Orographic precipitation, freshwater resources, and climate vulnerabilities in mountainous regions[M]// Climate Vulnerability. Amsterdam: Elsevier, 2013:57-78. DOI: 10.1016/b978-0-12-384703-4.00504-9

DOI

[3]
Viviroli D, Dürr H H, Messerli B, et al. Mountains of the world, water towers for humanity: Typology, mapping, and global significance[J]. Water Resources Research, 2007, 43(7):07447. DOI: 10.1029/2006wr005653.

DOI

[4]
Wang Y J, Qin D H. Influence of climate change and human activity on water resources in arid region of Northwest China: An overview[J]. Advances in Climate Change Research, 2017, 8(4):268-278. DOI: 10.1016/j.accre.2017.08.004

DOI

[5]
彭振华, 李艳忠, 余文君, 等. 遥感降水产品在中国不同气候区的适用性研究[J]. 地球信息科学学报, 2021, 23(7):1296-1311.

DOI

[ Peng Z H, Li Y Z, Yu W J, et al. Research on the applicability of remote sensing precipitation products in different climatic regions of China[J]. Journal of Geo-Information Science, 2021, 23(7):1296-1311. ] DOI: 10.12082/dqxxkx.2021.200348

DOI

[6]
Tang X P, Zhang J Y, Wang G Q, et al. Evaluating suitability of multiple precipitation products for the Lancang River Basin[J]. Chinese Geographical Science, 2019, 29(1):37-57. DOI: 10.1007/s11769-019-1015-5

DOI

[7]
Khatakho R, Talchabhadel R, Thapa B R. Evaluation of different precipitation inputs on streamflow simulation in Himalayan River Basin[J]. Journal of Hydrology, 2021, 599:126390. DOI: 10.1016/j.jhydrol.2021.126390

DOI

[8]
Ajaaj A A, Mishra A K, Khan A A. Evaluation of satellite and gauge-based precipitation products through hydrologic simulation in Tigris River Basin under data-scarce environment[J]. Journal of Hydrologic Engineering, 2019, 24(3):05018033. DOI: 10.1061/(asce)he.1943-5584.0001737

DOI

[9]
Gao X C, Zhu Q, Yang Z Y, et al. Evaluation and hydrological application of CMADS against TRMM 3B42V7, PERSIANN-CDR, NCEP-CFSR, and gauge-based datasets in Xiang River Basin of China[J]. Water, 2018, 10(9):1225. DOI: 10.3390/w10091225

DOI

[10]
Duan Z, Tuo Y, Liu J Z, et al. Hydrological evaluation of open-access precipitation and air temperature datasets using SWAT in a poorly gauged basin in Ethiopia[J]. Journal of Hydrology, 2019, 569:612-626. DOI: 10.1016/j.jhydrol.2018.12.026

DOI

[11]
Pang J Z, Zhang H L, Xu Q X, et al. Hydrological evaluation of open-access precipitation data using SWAT at multiple temporal and spatial scales[J]. Hydrology and Earth System Sciences, 2020, 24(7):3603-3626. DOI: 10.5194/hess-24-3603-2020

DOI

[12]
Wang X N, Ding Y J, Zhao C C, et al. Similarities and improvements of GPM IMERG upon TRMM 3B42 precipitation product under complex topographic and climatic conditions over Hexi region, Northeastern Tibetan Plateau[J]. Atmospheric Research, 2019, 218:347-363. DOI: 10.1016/j.atmosres.2018.12.011

DOI

[13]
Meng C C, Mo X G, Liu S X, et al. Extensive evaluation of IMERG precipitation for both liquid and solid in Yellow River source region[J]. Atmospheric Research, 2021, 256:105570. DOI: 10.1016/j.atmosres.2021.105570

DOI

[14]
Hussain Y, Satgé F, Hussain M B, et al. Performance of CMORPH TMPA, and PERSIANN rainfall datasets over plain, mountainous, and glacial regions of Pakistan[J]. Theoretical and Applied Climatology, 2018, 131(3):1119-1132. DOI: 10.1007/s00704-016-2027-z

DOI

[15]
Musie M, Sen S, Srivastava P. Comparison and evaluation of gridded precipitation datasets for streamflow simulation in data scarce watersheds of Ethiopia[J]. Journal of Hydrology, 2019, 579:124168. DOI: 10.1016/j.jhydrol.2019.124168

DOI

[16]
Omonge P, Feigl M, Olang L, et al. Evaluation of satellite precipitation products for water allocation studies in the Sio-Malaba-Malakisi River Basin of East Africa[J]. Journal of Hydrology: Regional Studies, 2022, 39:100983. DOI: 10.1016/j.ejrh.2021.100983

DOI

[17]
高瑞, 穆振侠, 彭亮, 等. CFSR、ERA-Interim再分析降水数据在高寒山区径流模拟中的适用性[J]. 水电能源科学, 2017, 35(9):8-12.

[ Gao R, Mu Z X, Peng L, et al. Application of CFSR and ERA-interim reanalysis data in runoff simulation in high cold alpine areas[J]. Water Resources and Power, 2017, 35(9):8-12. ]

[18]
刘俊, 刘时银, 上官冬辉, 等. CMADS、ITPCAS和TRMM 3B42 3套降水数据集在玉龙喀什河流域的适用性评价[J]. 华北水利水电大学学报(自然科学版), 2017, 38(5):28-37.

[ Liu J, Liu S Y, Shangguan D H, et al. Applicability evaluation of precipitation datasets from CMADS, ITPCAS and TRMM 3B42 in yurungkax river basin[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2017, 38(5):28-37. ] DOI: 10.3969/j.issn.1002-5634.2017.05.004

DOI

[19]
金鑫, 金彦香. TRMM及GPM降水数据在高寒内陆河流域的准确性评估[J]. 地球信息科学学报, 2021, 23(3):395-404.

DOI

[ Jin X, Jin Y X. Accuracy assessment of TRMM and GPM datasets in an alpine inland river basin[J]. Journal of Geo-Information Science, 2021, 23(3):395-404. ]

[20]
Tang G Q, Long D, Hong Y. Systematic anomalies over inland water bodies of high mountain Asia in TRMM precipitation estimates: No longer a problem for the GPM era?[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(12):1762-1766. DOI: 10.1109/LGRS.2016.2606769

DOI

[21]
Qin Y X, Chen Z Q, Shen Y, et al. Evaluation of satellite rainfall estimates over the Chinese Mainland[J]. Remote Sensing, 2014, 6(11):11649-11672.

DOI

[22]
汪梓彤, 李石宝, 张志友. GPM近实时降水产品在青藏高原的多尺度精度评价[J]. 人民黄河, 2021, 43(4):43-49,116.

[ Wang Z T, Li S B, Zhang Z Y. Multi-scale accuracy evaluation of GPM precipitation products over the Qinghai-Tibet Plateau[J]. Yellow River, 2021, 43(4):43-49,116. ] DOI: 10.3969/j.issn.1000-1379.2021.04.008

DOI

[23]
Qi S S, Lv A F. Applicability analysis of multiple precipitation products in the Qaidam Basin, Northwestern China[J]. Environmental Science and Pollution Research, 2022, 29(9):12557-12573. DOI: 10.1007/s11356-021-13291-0

DOI

[24]
李林, 申红艳, 李红梅, 等. 柴达木盆地气候变化的区域显著性及其成因研究[J]. 自然资源学报, 2015, 30(4):641-650.

[ Li L, Shen H Y, Li H M, et al. Regional differences of climate change in Qaidam Basin and its contributing factors[J]. Journal of Natural Resources, 2015, 30(4):641-650. ] DOI: 10.11849/zrzyxb.2015.04.010

DOI

[25]
Zhu W B, Lű A, Jia S F. Estimation of daily maximum and minimum air temperature using MODIS land surface temperature products[J]. Remote Sensing of Environment, 2013, 130:62-73. DOI: 10.1016/j.rse.2012.10.034

DOI

[26]
Lv A F, Qi S S, Wang G S. Multi-model driven by diverse precipitation datasets increases confidence in identifying dominant factors for runoff change in a subbasin of the Qaidam Basin of China[J]. Science of the Total Environment, 2022, 802:149831. DOI: 10.1016/j.scitotenv.2021.149831

DOI

[27]
Meng X Y, Wang H. Significance of the China meteorological assimilation driving datasets for the SWAT model (CMADS) of East Asia[J]. Water, 2017, 9(10):765.

DOI

[28]
Huffman G J, Bolvin D T, Nelkin E J, et al. The TRMM Multisatellite Precipitation Analysis (TMPA): Quasi-global, multiyear, combined-sensor precipitation estimates at fine scales[J]. Journal of Hydrometeorology, 2007, 8(1):38-55. DOI: 10.1175/jhm560.1

DOI

[29]
赵安周, 王冬利, 范倩倩, 等. TRMM数据在京津冀地区干旱监测适用性研究[J]. 水资源与水工程学报, 2020, 31(2):235-242.

[ Zhao A Z, Wang D L, Fan Q Q, et al. Evaluating the applicability of TRMM data in monitoring drought events in Beijing-Tianjin-Hebei region[J]. Journal of Water Resources and Water Engineering, 2020, 31(2):235-242. ] DOI: 10.11705/j.issn.1672-643X.2020.02.35

DOI

[30]
Hou A Y, Kakar R K, Neeck S, et al. The global precipitation measurement mission[J]. Bulletin of the American Meteorological Society, 2014, 95(5):701-722. DOI: 10.1175/bams-d-13-00164.1

DOI

[31]
Beck H E, van Dijk A I J M, Levizzani V, et al. MSWEP: 3-hourly 0.25° global gridded precipitation (1979-2015) by merging gauge, satellite, and reanalysis data[J]. Hydrology and Earth System Sciences, 2017, 21(1):589-615. DOI: 10.5194/hess-21-589-2017

DOI

[32]
Beck H E, Wood E F, Pan M, et al. MSWEP V2 global 3-hourly 0.1° precipitation: Methodology and quantitative assessment[J]. Bulletin of the American Meteorological Society, 2019, 100(3):473-500. DOI: 10.1175/bams-d-17-0138.1

DOI

[33]
Moriasi D N, Arnold J G, Liew M W V, et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J]. Transactions of the ASABE, 2007, 50(3):885-900. DOI: 10.13031/2013.23153

DOI

[34]
Xu S G, Niu Z, Kuang D, et al. Estimating summer precipitation over the Tibetan Plateau with geostatistics and remote sensing[J]. Mountain Research and Development, 2013, 33(4):424-436. DOI: 10.1659/mrd-journal-d-13-00033.1

DOI

[35]
Tian Y D, Peters-Lidard C D. Systematic anomalies over inland water bodies in satellite-based precipitation estimates[J]. Geophysical Research Letters, 2007, 34(14):14403. DOI: 10.1029/2007GL030787

DOI

[36]
Tang G Q, Ma Y Z, Long D, et al. Evaluation of GPM Day-1 IMERG and TMPA Version-7 legacy products over Mainland China at multiple spatiotemporal scales[J]. Journal of Hydrology, 2016, 533:152-167. DOI: 10.1016/j.jhydrol.2015.12.008

DOI

[37]
史继花. 祁连山及周边地区不同下垫面云特性变化及其影响因素[D]. 兰州: 西北师范大学, 2021.

[ Shi J H. Variation and influencing factors of cloud characteristics on different underlying surfaces in the Qilian Mountains and surrounding areas[D]. Lanzhou: Northwest Normal University, 2021. ]

[38]
Le M H, Lakshmi V, Bolten J, et al. Adequacy of satellite-derived precipitation estimate for hydrological modeling in Vietnam Basins[J]. Journal of Hydrology, 2020, 586:124820. DOI: 10.1016/j.jhydrol.2020.124820.

DOI

[39]
Saemian P, Hosseini-Moghari S M, Fatehi I, et al. Comprehensive evaluation of precipitation datasets over Iran[J]. Journal of Hydrology, 2021, 603:127054. DOI: 10.1016/j.jhydrol.2021.127054

DOI

[40]
Immerzeel W W, Wanders N, Lutz A F, et al. Reconciling high-altitude precipitation in the upper Indus Basin with glacier mass balances and runoff[J]. Hydrology and Earth System Sciences, 2015, 19(11):4673-4687. DOI: 10.5194/hess-19-4673-2015

DOI

[41]
Lin Q, Chen J, Chen D L, et al. Impacts of bias-corrected ERA5 initial snow depth on dynamical downscaling simulations for the Tibetan Plateau[J]. Journal of Geophysical Research: Atmospheres, 2021, 126(23):035625. DOI: 10.1029/2021jd035625

DOI

[42]
Tang G Q, Clark M P, Papalexiou S M, et al. Have satellite precipitation products improved over last two decades? A comprehensive comparison of GPM IMERG with nine satellite and reanalysis datasets[J]. Remote Sensing of Environment, 2020, 240:111697. DOI: 10.1016/j.rse.2020.111697

DOI

[43]
Zhang L P, Lan P, Qin G H, et al. Evaluation of three gridded precipitation products to quantify water inputs over complex mountainous terrain of Western China[J]. Remote Sensing, 2021, 13(19):3795. DOI: 10.3390/rs13193795

DOI

[44]
黄琦, 覃光华, 王瑞敏, 等. 基于MSWEP的祁连山地区降水空间分布特性解析[J]. 水利学报, 2020, 51(2):232-244.

[ Huang Q, Qin G H, Wang R M, et al. Analysis of spatial distribution characteristics of precipitation in Qilian Mountains Based on MSWEP[J]. Journal of Hydraulic Engineering, 2020, 51(2):232-244. ] DOI: 10.13243/j.cnki.slxb.20190876

DOI

[45]
Bai L, Wen Y Q, Shi C X, et al. Which precipitation product works best in the Qinghai-Tibet Plateau, multi-source blended data, global/regional reanalysis data, or satellite retrieved precipitation data?[J]. Remote Sensing, 2020, 12(4):683. DOI: 10.3390/rs12040683

DOI

[46]
陈汉清, 鹿德凯, 周泽慧, 等. GPM降水产品评估研究综述[J]. 水资源保护, 2019, 35(1):27-34.

[ Chen H Q, Lu D K, Zhou Z H, et al. An overview of assessments on global precipitation measurement (GPM) precipitation products[J]. Water Resources Protection, 2019, 35(1):27-34. ] DOI: 10.3880/j.issn.1004-6933.2019.01.006

DOI

Options
Outlines

/

〈 〉