Page 285 - 《高原气象》2026年第1期

1 期 伏 晶等：多个高时空分辨率降水数据在西北地区东部“7·22”特大暴雨事件中的精度评估 281

图3 研究区暴雨期间小时降水量的散点图及其线性拟合、 核密度估计
（a） CMPA， （b） Radar-QPE， （c） FY4B-QPE， （d） ERA5. 红线为线性拟合； 填色为核密度估计（单位： %）
Fig. 3 Scatter plots of hourly rainfall during heavy rain in the study area and their linear fitting， as well as kernel
density estimation.（a） CMPA， （b） Radar-QPE， （c） FY4B-QPE， （d） ERA5. Red line is linear fitting，
coloring is kernel density estimation （unit： %）
离 1∶1 线， FY4B-QPE 在 AWS 降水较弱时（<20. 0 小量降水量的ME为负， 表现为低估， 而其他地区则
-1
-1
mm·h ）高估， 强降水时（>60. 0 mm·h ）则低估， 表现为高估。核心降水区 RMSE>3. 0 mm·h ， TS>
-1
同时大量样本集中在 0 附近， 说明与卫星遥感降水 0. 8， CORR>0. 7。 Radar-QPE 的 rBIAS 集 中 在
的灵敏度有关（王一丞等， 2023）。ERA5 的逐时降 -50%~230%， KGE 集 中 在 -1. 4~0. 5， 平 均 值 为
-1
水集中在 20. 0 mm·h 以内， 主要原因是 ERA5 受 -0. 232， β>1. 5 且 RV<1. 0， 说明 Radar-QPE 平均值
其对流参数化方案限制， 难以准确捕捉强对流降水 大约较 AWS 偏高 50% 以上， 且具有一定的变异性
（Jiang et al， 2021）。 特征。FY4B-QPE 在降水核心区的表现与 Radar-
通过对多个评价指标的空间分布（图4， 图5）分 QPE 类似， 但高估更为显著， 且偏差区域更大。降
-1
析。CMPA 在所有评分指标上均优于其他降水产 水 核 心 区 RMSE> 5. 0 mm·h ， TS>0. 5， CORR<
品。CMPA 的小时降水量 ME 仅为 0. 002 mm·h ， 0. 4。FY4B-QPE 的 rBIAS 分布与 Radar-QPE 相似，
-1
-1
降水核心区的 RMSE 低于 1. 0 mm·h ， CORR 高于 集中在-70%~250%， 与 Radar-QPE 不同的是 KGE<
0. 9， TS>0. 85， 此外， CMPA 的 rBIAS<10%， KGE 0， β>2. 1且 RV>1. 0， 说明 FY4B-QPE平均值大约较
集中在 0. 95 以上， 偏置比（β）和相对变化率（RV）非 AWS偏高一倍以上， 且变异性较大。ERA5对降水核
常接近 1. 0， 说明 CMPA 在降水方面相对于 AWS 的 心区表现为ME的负偏差， 对其余地区小时降水量均
-1
变异性较小（表 1）。Radar-QPE、 FY4B-QPE、 ERA5 为高估， 尤其是宁夏南部地区偏高2. 0 mm·h 。降水
的误差空间分布相似， 但 Radar-QPE 在降水核心区 核心区 RMSE> 2. 5 mm·h ， TS>0. 6， CORR<0. 5。
-1