Page 292 - 《高原气象》2026年第1期
P. 292

高     原      气     象                                 45 卷
              288
                                -1
             差范围在 1. 5 mm·h 以内， 且迅速达到 100%， 表                   对这种极端降水的捕获能力较弱， 原因在于其基于
             明其误差较为一致。相比之下， Radar-QPE、 FY4B-                    红外遥感数据进行反演计算， 对流云系发展较强时
             QPE 和 ERA5 的曲线相似， 且较为平缓， 误差主要                      容易高估降水强度（Li et al， 2021）。ERA5 采用模
             集中在 8. 0 mm·h 区间以内， 而 Radar-QPE 的误差                式预报， 受限于子网格对流参数化方案， 无法有效
                             -1
                                   -1
             分布延伸至 15. 0 mm·h 区间， 说明这三种产品在                      捕捉强对流活动， 导致其对强降水尤其是对流降水
             不同站点上的误差差异较大。图 11（d）显示了各降                          的监测性能较差（Wu et al， 2022）。
             水产品 RMSE 的 CDFv 曲线， CMPA 在时间维度上
                                                                4  结论
             的误差也相对较小， 表现出较高一致性， 而其他三
             种产品的时间维度误差较为分散， 波动较大。降水                                本文以 AWS 实况降水观测数据， 对 CMPA、
             核心区的 RMSE 的 CDFc、 CDFv［图 11（e）、 （f）］显              Radar-QPE、 FY4B-QPE、 ERA5四种降水产品在“7·
             示出与整个降水区类似的趋势， 但核心区的误差范                            22”特大暴雨期间的极端降水监测能力进行研究，
             围有所增大。                                             主要结论如下：
                  总体而言， CMPA 在降水量的时空一致性上性                          （1）  降水空间特征方面： 各降水产品能够捕捉
             能最优， 且 RMSE 较为稳定。ERA5 和 Radar-QPE                  到暴雨的总体分布， 但在降水核心区和极端降水捕
             在降水一致性上优于 FY4B-QPE， 但三者的 RMSE                      获上存在一定偏差。CMPA最能准确反映暴雨的空
             时空分布一致性较差， 误差波动较大。                                 间分布与极值， ME 仅为 0. 002 mm·h 、 RMSE 低
                                                                                                   -1
                  图 12 展示了暴雨期间各降水产品最大小时雨                        于 1. 0  mm·h 、  TS>0. 85、  CORR 高 于 0. 9，  同 时
                                                                            -1
             强的 PDF 和空间分布结构。从图 12（a）可以看出，                       rBIAS<10%， KGE集中在0. 95以上， 空间变异性最
             不同降水产品的小时降水量在不同范围内的分布                              小。相比之下， Radar-QPE 能够捕捉暴雨区位置，
             情况具有显著差异。AWS 的最大小时降水量峰值                            但低估降水核心区的降水量， RMSE>3. 0 mm·h ，
                                                                                                            -1
                                                -1
                               -1
             集中在<1. 0 mm·h 和 2. 0~5. 0 mm·h ， 占比超过              虽然 TS 和 CORR 值较高， 但表现出一定的空间变
             20%， 同时在 20. 0~30. 0 mm·h 存在次峰值。CM‐                异性。FY4B-QPE 在降水核心区明显高估降水， 而
                                         -1
                                                  -1
             PA 与 AWS 基本一致， 对于>10. 0 mm·h 以上区间                  ERA5 则表现出低估核心区降水、 高估其他区域降
             的降水强度呈递减趋势， 且变化平缓。Radar-QPE                        水的现象。
             的峰值集中在 2. 0~5. 0 mm·h ， 占比超过 35%， 表                   （2）  降水时间特征方面： CMPA 准确捕获了区
                                        -1
             明 此 区 间 是 Radar-QPE 最 频 繁 的 降 水 强 度 ，  在           域平均小时降水量的时间演变， 各项评价指标稳
                             -1
             20. 0~30. 0 mm·h 存在次峰值， 但是占比低于 5%。                 定且优于其他降水产品。Radar-QPE 在强降水期
                                                         -1
             FY4B-QPE数据分布较为分散， 峰值在5. 0 mm·h ，                   间有所低估， 且误差随着降水强度的增加显著增
             同时在 20. 0~50. 0 mm·h 范围也显示出较高的概                    大 ，  降 水 核 心 区 平 均 RMSE 为 1. 329  mm·h ，
                                    -1
                                                                                                            -1
             率， 表明 FY4B-QPE 高估了这一范围的降水强度。                       CORR 为 0. 96。FY4B-QPE 和 ERA5 的误差相对较
                                                -1
             ERA5 的 峰 值 集 中 在 2. 0~5. 0  mm·h ，  PDF 高 达        大， 尤其在强降水期间， FY4B-QPE 在降水核心区
             40% 以上， 表明 ERA5 数据小时降水量多集中在这                       RMSE>6. 0 mm·h 。尽管各产品在降水核心区的
                                                                                -1
             个区间。随着降水强度的增加， ERA5 的 PDF 快速                       TS 值有所提高， FY4B-QPE 和 ERA5 在强降水开始
                                           -1
             下降， 很难反映出在 10. 0 mm·h 以上区间强度的                      前高估了降水范围， 并且 FY4B-QPE 在降水后期对
             降水。                                                实际范围有所低估。在不同雨强方面， CMPA 对超
                  从最大小时降水量的空间分布结构［图 12（b）］                      过 20 mm·h 的强降水估计有所不足， 而 Radar-
                                                                           -1
             来看， CMPA、 Radar-QPE与 AWS的分布较为相似。                   QPE、 FY4B-QPE和ERA5随着降水强度的增加， 误
                                                                                            -1
             CMPA 由于其空间分辨率更高可以比 AWS 反映更                         差显著增大， 尤其对 20 mm·h 以上的降水效果
             多的降水细节。Radar-QPE 低估了降水核心区的小                        较差。
                                         -1
             时降水量， 尤其是 20. 0 mm·h 以上区间的区域偏                         （3）  降水时空综合偏差特征方面： AWS的经向
             小， 在降水核心区外 Radar-QPE 与 AWS 结果吻合                    和纬向降水均呈双峰分布， 第一峰值位于 107. 0°E，
             较好。FY4B-QPE 小时降水量分布明显偏大， 而                         35. 1°N， 且主要降水时段在 7 月 22 日 12:00 以后，
             ERA5 的小时降水量分布显著偏小， 两者对降水核                          没有明显的东西或南北向传播。CMPA 与 AWS 的
             心区的小时降水量估计存在较大偏差。FY4B-QPE                          降水分布最为接近， 无明显日变化。Radar-QPE 虽
   287   288   289   290   291   292   293   294   295   296   297