Page 287 - 《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 283

图5 暴雨期间各类降水产品评估指标箱线图
箱线图中黑线为中位数， 左右边界线为第25和75分位数
Fig. 5 Box plot of evaluation indicators of various precipitation products during rainstorm. The black line in
the box plot is the median， and the left and right boundary lines are the 25th and 75th quantiles
表1 各降水产品评估指标平均值
Table 1 Average value of each precipitation product evaluation index
-1
-1
降水产品 ME/（mm·h ） rBIAS/% RMSE/（mm·h ） CORR KGE β RV TS
CMPA 0. 002 0. 73 0. 033 0. 996 0. 965 1. 007 0. 992 0. 939
Radar_QPE -0. 151 54. 92 1. 610 0. 712 -0. 232 1. 550 0. 778 0. 688
FY4B_QPE 0. 192 60. 55 2. 749 -0. 002 -1. 141 2. 187 1. 061 0. 187
ERA5 0. 080 35. 13 1. 439 0. 101 -0. 382 1. 427 0. 558 0. 372

3. 2 时间变化特征 稳定， 接近最优， 显示出与 AWS 的高度一致。Ra‐
图 6（a）和（c）展示了暴雨期间 AWS和各降水产 dar-QPE 的误差随着降水的增加而显著增加， ME<
-1
品的逐时降水区（降水核心区）平均降水时间序列， -1. 0 mm·h ， RMSE<3. 0 mm·h ， CORR>0. 9。
-1
图 6（b）和（d）显示了相应的随时间累积平均降水曲 FY4B-QPE 和 ERA5 与 Radar-QPE 类似， 但误差较
线， 表 2显示降水核心区小时平均 CORR和 RMSE。 大， 且 CORR 较低， 尤其是 FY4B-QPE 在降水核心
-1
强降水主要发生在 7 月 22 日 21:00 至 23 日 08:00 期 区RMSE>6. 0 mm·h 。
间。CMPA 与 AWS 的平均降水量高度一致， CORR 在降水捕获能力上（TS 和 FBI）， CMPA 最优，
为 0. 99 以上。Radar-QPE 对整个降水过程低估， 特 Radar-QPE 次之。FY4B-QPE 在降水后期表现较
别是在强降水期间， 但 CORR 也达到 0. 96 以上， 差， 而 ERA5 在降水前期表现较差。在降水核心
-1
RMSE 为 1. 329 mm·h 。 FY4B-QPE 大 多 时 段 低 区， 随着降水强度的增加， 所有产品的 ME、 RSME
估， 降水区累积平均降水量明显高于 AWS， 但在 23 指标值均显著增加， CORR 有所降低。不同产品的
日 20:00 以后对降水核心区又存在低估。ERA5 在 TS 在降水核心区均表现较好， 对强降水捕捉能力
部分时段（22 日 14:00 -19:00 及 23 日 18:00 后）高 较强。此外， FY4B-QPE 和 ERA5 在强降水开始前
估， 但总体仍低估降水量。FY4B-QPE 和 ERA5 在 高估了降水范围， 同时 FY4B-QPE 在后期对降水范
降 水 核 心 区 的 CORR 均 远 低 于 CMPA 和 Radar- 围有所低估。
QPE， RMSE 也是明显偏高， 尤其 FY4B-QPE 误差 图 8为逐小时降水量在不同阈值区间内各降水
显著。 产品的综合性能的对比。CMPA 在所有区间内
图 7为暴雨期间降水区和降水核心区各降水产 RMSE 和 FAR 最低， POD 和 TS 得分最高， ME 接近
品评估指标的时间热力图及 AWS 区域平均降水。 0， FBI 接近 1。然而， 降水量超过 20. 0 mm·h 时，
-1
从图 7 中可以看出， CMPA 的评估结果随时间保持 CMPA 的 ME 和 FBI 低于最优， 显示对强降水的捕