对TRMM和GPM的极端降雨时间进行全球评估，以改进水文设计外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

对TRMM和GPM的极端降雨时间进行全球评估，以改进水文设计

Andrea Libertino^1,2,4, Ashish Sharma², Venkat Lakshmi³ and Pierluigi Claps¹

1意大利都灵都灵市杜伊诺市政府环境，土地和基础设施工程部，都灵I-10129

2新南威尔士大学土木与环境工程学院，新南威尔士州，悉尼，NSW 2052，澳大利亚

3南卡罗来纳大学地球与海洋科学系，哥伦比亚，SC 29208，USA

4任何函件的作者应标注署名。

邮箱：andrea.libertino@polito.it

已收到2015年11月21日

修改2016年4月1日

接受出版2016年4月4日

发布2016年4月25日

摘要

热带降雨测量任务（TRMM）彻底革新了世界范围内的降水测量方式。然而，TRMM显着低估了深层对流系统的降雨量，因此对极端降水深度的分析几乎没有帮助。这项工作评估了TRMM和最近启动的全球降水测量（GPM）计划的能力，以帮助确定严重降雨事件的时间。我们将全球雨量计网络每年记录的最严重的每日降水日数与TRMM估计的日期进行比较。两者之间的匹配率达到50％，表明两个数据源之间的一致性。 GPM的这个数字上升到60％，表明这个新任务有可能提高与TRMM相关的准确性。需要进一步努力改进GPM转换算法，以减少影响深度估计的偏差。然而，结果表明，从GPM估计的时间可以为广泛描述世界不畅的地区极端降雨的时空分布提供坚实的基础。

1. 介绍

缓慢的雷暴导致极端的降雨，经常会造成破坏性的洪水。 由于较小的空间延展性，这种降雨系统难以通过地面雨量计网络采样。 即使在意大利西北部的利古里亚地区等密集的雨量计网络中，网络空间分布不均匀和复杂的地形也降低了观测极端暴雨的可能性。 在较高的海拔处，这一现象关键性随海拔上升，因为表密度变小。 产生的问题是，来自雷达或卫星的遥感降雨产品是否可以帮助重建在台站密度较低的地区的极端降水的空间特征。

运行在降雨测量任务（TRMM）卫星上的降水雷达（PR）被用来研究热带和热带地区的风暴。 广泛的研究已经在全球范围内评估了TRMM表现。 除了许多正面的结果，还可以指出一些缺点。 例如，一些作者已经确定了热带多山地区及其附近存在较差的大规模降水的TRMM量化数据，一般来说，发生在在特征为强烈的陆地深层对流的地区。 此外，Tian等显示复杂地形，海岸线和内陆水体，冷面，高纬度和轻降水中TRMM估计不确定度有所增加。 基于TRMM结果，NASA和JAXA部署了GPM核心观察计划。

这项工作旨在评估TRMM和全球降水测量计划（GPM）数据在严重降雨时空特征研究中的可用性。为了评估影响幅度较大的显著偏差，我们探讨了卫星产品的表现复数风暴的持续时间的能力。首先，我们测试了在考虑上述偏差下的利古里亚地区网络雨量计在1998年至2014年期间每年记录的三个最大日降水量。结果见图1（b）。可以看到比实际低11％的平均值。实际上，尽管轻微过高估计可以在小范围内被记录下来，勒斯曲线显示出从大约100mm的量规值（Rgauge）开始的增加趋势。对于最大的降雨量，低估值接近100％。当仅考虑400米以上的压力表时，平均低估率增加到16％。 （计量网络的平均高程）。如果在较高海拔地区有更多的量规，则可能会有更大的差异。因此，显而易见的是，当强降雨估计是目标时，TRMM数据仍然远没有用。然而，他们可能提供有关极端时空分布的有用信息。

Liguria案例研究中考虑的降雨事件的时间（即每个雨量计在1998年至2014年每年记录的三个最大的每日降雨量）如图1（c）所示。时间均匀分布在整个一年中，干旱季节（即6月至8月）密度较低。 在大约25％的病例中，TRMM确定每个相关事件的正确发生日期，确认其他研究的结果。 如果我们只考虑高于400m a.s.l的雨量计。 匹配百分比没有显着差异（未显示）; 这个发现可能表示与海拔无关的行为。 图1（d）显示了2011年“Genova Quezzi”雨量计的时间序列，以及上层TRMM单元的信号：卫星正确识别强烈降水的日子，即使低估了降雨量。

利古里亚地区被认为是具有挑战性的介绍性案例研究，因为它具有阻止直接使用TRMM数据（例如，高纬度，复杂地形等）的许多特征。 然而，这项工作旨在考虑全球范围内的TRMM和GPM绩效。 因此，对以下问题进行调查：（a）卫星估计的极端降雨时间的准确度是否随卫星所在纬度而变化？ （b）随着卫星时空分辨率的提高，这种精度是否有所改变，更具体地说，GPM的降雨数据是否比TRMM的数据更好？ 而且，（c）精确度如何随GPM空间分辨率而变化？

这项研究的积极成果预计将在雨水设计中产生附加值，即使卫星数据极端降雨的统计特征尚不可行。 卫星导航的定时信息可以帮助重建对当地空间变异性的天气影响，从而对与严重降雨模式相适应的天气配置进行系统分析。 这可以有利于估计非常高的地区的强度频率 - 持续时间关系以及世界不畅的地区极端降雨的特征，有助于澄清大型气象系统与空间实际降水分布之间的联系。 此外，卫星产品可以帮助连接记录的降雨量与严重风暴的轨迹，从而可以在包括海洋在内的广泛地区进行高分辨率分析。

此外，大规模定时信息在水文科学的许多其他领域都是有用的，重点是严重降雨和其他现象（如土壤侵蚀，山体滑坡等）的共同发生[20,21]）。 事实上，通过在全球范围内扩大分析，卫星数据可以大大提高这些研究的样本量，有利于结果的鲁棒性。

1. 数据和方法

从1998年起对TRMM和GPM评估强降水事件发生日期的能力进行评估。 这个时期与热带降雨测量和GPM任务的持续时间相吻合。

TRMM提供一系列降雨产品。 在这项工作中，我们分析了TMPA（TRMM多卫星降水分析）3B42 v.7降水数据集。 TMPA降雨量估计是通过在50 S-50 N区域内的中心在3小时窗口内组合TRMM PR，无源微波（PMW）和红外估计得到的。 从2014年10月起，随着PR的退役，气候校准/调整研究TMPA可用。 TMPA降水具有高空间（0.25）和时间（3 h）分辨率，广泛应用于地球科学的不同分支，特别是数据稀疏区域。

从2014年4月1日起，分析还包括GPM任务期间最终后期实时运行的3IMERGHH产品。 该产品的特征在于更精细的空间分辨率（0.1），并且在60S-60N区域上以半小时间隔（0,0:30，1，1:30，K，23:30 UTC）生成。 在撰写本产品时，产品直到2015年6月30日才可用。

为了评估不同空间分辨率的影响，3IMERGHH产品在自然空间分辨率（0.1times;0.1）和粗分辨率为0.2times;0.2和0.3times;0.3时都被考虑。

采用NOAA-GHCND降水数据集v 3.2，它包含179个国家的超过75000个站点的日志记录。 通过使用“交易空间进行时间处理”，这样一个广泛而全球的数据集使我们能够克服缺乏鲁棒性，这是由于可用GPM系列的时间有限。

考虑到时区和国家采样实践的综合影响，在汇总到日常规模之前，原始时间分辨率的卫星数据被转换以最好地匹配雨量计数据。 当后者不可用时，我们通过在国家规模进行的鲁棒统计方法，选择与时区转移兼容的最佳匹配。 图S1显示了所考虑的站点的位置。 只有那些在1998 - 2015年期间记录了至少30天数据的电台才被考虑在内。 图S1还显示了每个纬度区间的分布。

考虑到时区和国家采样实践的综合影响，在汇总到日常规模之前，原始时间分辨率的卫星数据被转移以最好地匹配雨量计数据。 当后者不可用时，我们通过在国家规模进行的鲁棒统计方法，选择与时区转移兼容的最佳匹配。 图S1显示了所考虑的站点的位置。 只有那些在1998 - 2015年期间记录了至少30天数据的电台才被考虑在内。 图S1还显示了每个纬度区间的分布。

为了考虑分析产品的不同时间覆盖率，分析进行了两个不同的时间段：（一）1998年1月1日至2013年12月31日，只有TRMM产品可用; （二）2014年4月1日至2015年6月30日，对GPM产品进行分析。 分析产品特性的简要总结报告于表1中。

分析是在网格域上进行的。 小区尺寸设置为卫星卫星产品的空间分辨率（见表1）。 每个雨量计根据其位置分配给相关单元格。 在一天中有多个记录的单元格的情况下，考虑到该值（即，如果多个雨量计属于一个单元格，则只考虑每天记录的最大降水深度）。

对于每年和单位，卫星年度时间序列中确定的Ntot最重要的日常事件与雨量计记录的Ng最重要的事件进行比较。 这些事件的发生日期分别被称为“卫星重要日期”和“雨量计有效日期”。

我们通过对数据子集的初步分析来设置Ntot = 5的值，目的是增加结果的鲁棒性并限制程序中的噪声。 另一方面，为了测试结果的灵敏度，我们让数字Ng同时为所有细胞在5和15之间变化。

然后通过检查Ntot中有多少个卫星事件在测量记录的重大事件中找到对应物，来评估两组日期之间的协议。 为了检查时间评估的质量，我们考虑检测的概率[33]，定义为在总数中正确匹配的有效日期的分数：

其中，Nmatch是与雨量计有效日期相匹配的卫星有效日数，Ntot是考虑的卫星重要事件数。 检测的概率随着考虑的量规重大事件的数量Ng而变化。 范围为0-1，最优值为1。

对每个Ng值评估PODNg。 Ng用作代表匹配精度的代理。 Ng的增加导致匹配的可能性增加，并且对于给定的概率，仪器识别正确时机的能力下降。 对这种敏感性的评估被认为有助于探索卫星数据的潜力，并提供最佳的改进理由。

3．结果与讨论

图2（a）显示了所有细胞中平均PODNg和不同分析产物的Ng之间的关系，按照表1所述的时期。与期间（I）相关的结果表示为箱体图，表示 所有细胞中平均PODNg的时间跨度。 对于不同的产品，绘制代表整个周期的所有单元格中平均PODNg的期间（II）。

我们观察到，在（I）期间，使用TRMM数据在大约35％的日期之间提供了“卫星有效日期”和“雨量计重要日期”之间的匹配。 匹配率随着预期的增加而增加，当考虑到15个最重要的事件时，Ng的增长超过了50％。

对于（II）期，在考虑Ng的整个范围内，GPM显示匹配率比TRMM大5％。这是一个重大的结果，因为3IMERGHH产品处于发展的前期阶段，与TRMM的例子相似，改进算法和改进卫星设备将会提高质量随着GPM的错误向前移动。实际上，尽管图2（a）中TRMM年度表现的箱子形状似乎表明随着时间的推移变化不大，但TRMM绩效多年来可以显着改善。指的是（II）期间TRMM表现的一直高于箱子图的第75个百分点，这表明随着时间的推移有所改善。平均PODNg值的线性趋势增加通过具有5％显着性水平的student-T检验证实。这导致从TRMM生命周期的开始到结束时检测严重降雨时间的能力平均提高10％。这种改进是由于TRMM星座的演变而出现的，因为考虑到最新版本（即版本7），算法中的细化的影响是无效的。 1998年至2014年期间平均PODNg值的分布变化如图S2所示。可以看到对应于TRMM卫星星座中的主要添加和升级（例如，2000年的声音单元开始等）可以看到可见的改进。与（II）期间GPM的PODNg中值的比较可以显示仪器的潜力。如果在GPM任务期间进一步改进，Ng = 5的检测概率将接近50％的准确度。

此外，不同分析的GPM分辨率之间的比较（图2（a））表明，由于水疗分辨率的提高导致的准确度下降可以忽略不计。 这允许人们使用最好的可用分辨率并利用仪器的所有功能。

我们分析的第二阶段集中在空间尺度上的时序精度的变异性。 为了降低复杂度，Ng的值固定为10.首先，域被分为10的纬度带。 然后对每个间隔评估POD10。 表示每个纬度频带的小区中平均POD10的周期（I）内的变化的方框图如图2（b）所示。 对于期间（II），报告了每个纬度带的POD10的平均值。

TRMM和GPM都显示出纬度的明显变异性，纬度35 N和25 S的对应关系最大，赤道处和GPM和TRMM域边界处的最小值。具有纬度的POD10的波动与雨量计的分布显示出显着的相似性（图S1）。两个结果都表现出同时出现的双峰行为;雨量密度较大的区域似乎显示出较大的POD10。这个结果可以部分地归因于在具有较高雨量密度的区域中结果的更强的鲁棒性，其中POD10对异常值较不敏感。较高的密度与在同一电池中具有多个雨量计的较大概率相一致。这为比较提供了更长的系列，并有助于识别重大事件。此外，具有较高雨量密度的地区与提供更频繁更新降雨数据的国家（例如美国，澳大利亚）相吻合。低密度区域（例如，在赤道地区）对异常值更为敏感，缺乏完整的系列会使系统中增加噪声来识别顶级事件。图2（b）中的赤道带表现出较小的恶化，即使是较小的恶化，GPM分辨率与原始分辨率相比更小。粗略的空间分辨率可能允许通过衰减较小规格密度的负面影响来进行更鲁棒的验证（即，即使在低密度存在的情况下也允许同一单元中的多个雨量计）。因此，识别的主要问题可能更多地归因于验证阶段中使用的数据集，而不是真正降低检测性能。因此，一旦密度较高的数据集可用，建议在低密度的纬度地区进行进一步的调查，因为目前的状态

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26248]，资料为PDF文档或Word文档，PDF文档可免费转换为Word