Page 153 - 《武汉大学学报（信息科学版）》2025年第9期

第 50 卷第 9 期 李昊宇等：降雨数据稀缺山区地质灾害的降雨阈值研究——以茂县为例 1881

数据与雨量站数据的参数分析结果。通过降尺
度处理，GPM 数据与地面雨量站的日 CC 从 0.72
提高到 0.75，月 CC 从 0.94 提高到 0.96；日 Bias 从
0.16 降低到 0.08，月 Bias 从 12.51 降低到 7.06；日
RMSE 从 3.49 mm 降低到 3.29 mm，月 RMSE 从
27.07 mm 降低到 18.55 mm；日 MAE 从 1.89 mm
降 低 到 1.71 mm，月 MAE 从 18.27 mm 降 低 到
13.43 mm。由图 5 可以看出，降尺度方法可有效
提高 GPM 数据在茂县地区的适用性，此结果远好
于热带降雨测量任务数据的表现 ［31-32］ 。需要强调
的是，降尺度前后 GPM 数据均高估了地面实际雨
量，可能是由卫星降水遥感反演原理的局限性导
致。降水卫星通过被动微波遥感测量地表至云顶
的微波辐射以推算降雨量 ［33］ ，而山区复杂地形会
增强微波发射复杂性 ［34］ ，加大降水反演难度，从而
图 3 降尺度操作流程
导 致 对 地 面 雨 量 的 高 估 。 综 上 ，降 尺 度 处 理 的
Fig. 3 Downscaling Operation Procedure
GPM 数据可以作为建立茂县地区降雨阈值的有
陇南地区的适用性进行分析，发现 GPM 数据在 效雨量数据来源。
陇南山区具有良好的精度和适用性，可以有效指
示诱发地质灾害的极端降雨事件。本文基于四 3 研究方法
川省地质灾害监测预警平台中的 45 处雨量站（雨
3.1 降雨事件划分标准
量站点分布位置如图 1 所示）监测数据，选取相关
划分诱发灾害的降雨事件是确定降雨阈值
系数（correlation coefficient，， CC）、平均绝对误差
的首要前提。但现有研究中未有统一标准将降
（mean absolute error， MAE）、均 方 根 误 差（root
雨时间序列离散为独立的降雨事件。因此，本文
mean square error，， RMSE）及偏差（Bias）4 种参数
采用文献［35］的方法划分诱发灾害的降雨事件
对茂县地区 0.1°与 1 km 分辨率的 GPM 数据进行
（图 6），该方法认定诱发灾害的降雨事件开始于
精度评价，相关参数的计算式分别为：
)
m 连续 24 h 无降雨后再次下雨的时间，结束时间为
ˉ
∑( G i - G ( R i - R ) 灾害的开始时间。基于上述降雨事件的划分标
ˉ
E CC = i = 1 （1）
m 2 m 2 准，获得诱发地质灾害的降雨事件并计算其相关
∑( G i - G ˉ ) ∑( R i - R ˉ ) 降 雨 特 征 值 参 数 ，如 累 计 降 雨 量（E）、降 雨 历 时
i = 1 i = 1
1 m （D）以 及 降 雨 强 度（I），单 位 分 别 为 mm、h
E MAE = ∑ | G i - R i | （2）
m i = 1 和 mm/h。
1 m 2 3.2 确定临界阈值模型
E RMSE = ∑(G i - R i ) （3）
m 文献［6］提出的 I⁃D 阈值被广泛用于降雨诱
i = 1
1 m 发灾害预警，一般被表示为：
E Bias = ∑(G i - R i ) （4） β
m i = 1 I = αD （5）
ˉ
式中，G 为区域内 GPM 数据；G 为 GPM 数据的平 式中，α 与 β 为拟合系数。然而，降雨强度是降雨
ˉ
均值；R 为区域内雨量站数据；R 为雨量站数据的 持续时间和累计降雨量的函数，为省略降雨强度
平均值。 转化步骤，本文采用 E⁃D 阈值模型建立茂县地区
图 4 展示了随机选取的降尺度前后的 GPM 的降雨阈值，可表示为：
数据图、雨量站插值图及降尺度后 GPM 数据与 E = αD β （6）
雨量站数据的叠合图。由图 4 可以看出，降尺度 基于上述定义的降雨事件划分标准，提取茂
处理显著提高了卫星降雨数据的空间分辨率，且 县地区诱发地质灾害的降雨事件，将其绘制在双
降尺度后的 GPM 数据可有效表征地面实际雨量 对数坐标轴中。参见文献［30］提出的划分标准，
的空间分布规律。图 5 展示了降尺度前后 GPM 使用频率法 ［36］ 确定茂县地区降雨型地质灾害的