遥感技术与应用, 2019, 34(5): 1111-1120 doi: 10.11873/j.issn.1004-0323.2019.5.1111

降水遥感观测专栏

TRMM卫星3B43降水数据在黄河流域的精度分析

黄桂平,1, 曹艳萍,1,2

1.河南大学环境与规划学院，河南 开封 475004

2.黄河中下游数字地理技术教育部重点实验室，河南 开封 475004

Accuracy Analysis of TRMM 3B43 Precipitation Data in the Yellow River Basin

Huang Guiping,1, Cao Yanping,1,2

1.College of Environment and Planning，Henan University，Kaifeng 475004，China

2.Laboratory of Geospatial Technology for the Middle and Lower Yellow River Region，Kaifeng 475004，China

通讯作者: 曹艳萍(1986 - )，女，河南封丘人，博士，讲师，主要从事水文遥感等方面的研究。E⁃mail: caoyp@henu.edu.cn。

收稿日期: 2018-06-27   修回日期: 2019-07-25  

基金资助: 国家自然科学基金项目.  41701503
河南大学引进博士科研启动基金项目.  B2015060

Received: 2018-06-27   Revised: 2019-07-25  

作者简介 About authors

黄桂平(1996-)，男，江西赣州人，学士，主要从事遥感、地理信息系统应用等方面的研究E⁃mail:1299847273@qq.com , E-mail：1299847273@qq.com

摘要

利用黄河流域90个气象站点实测降水数据，分别从流域和格网两个空间尺度，运用相关分析、相对误差等统计分析方法对TRMM卫星3B43 v7降水数据在黄河流域的精度进行了评估，在此基础上分析了精度评价指标的空间分布特征，讨论高程、降水强度等因素对精度的影响。结果表明：①在流域尺度上，TRMM月降水数据与站点实测月降水数据呈高度线性相关，TRMM降水数据比站点实测降水数据略微偏高。②在格网尺度上，大部分格网的TRMM月降水数据与站点实测月降水数据的相关系数较高，偏差较小。③TRMM降水精度与降水强度、高程相关，TRMM降水量与实测降水量的平均绝对误差呈自东南向西北递减规律，与黄河流域降水分布规律相一致；相对误差、平均误差和平均绝对误差等指标随着高程的增加呈现逐渐减小的趋势。整体上，对于黄河流域，随着降水量的增多，TRMM数据倾向于低估降水量；高海拔区域，TRMM低估降水量，低海拔区域，TRMM高估降水量。通过评估TRMM卫星降水产品在黄河流域的精度，为本地区地面降水产品提供有效补充。

关键词： TRMM降水 ; 黄河流域 ; 精度评估 ; 影响因素

Abstract

Based on the correlation analysis and relative error methods， the accuracy of TRMM 3B43 v7 precipitation data at the watershed and grid scale in the Yellow River Basin was validated using 90 meteorological stations data. The spatial distribution characteristics of the accuracy evaluation indexes were analyzed. The influence of elevation and precipitation intensity on the accuracy of TRMM precipitation was discussed. The results show that： （1） At the basin scale， the TRMM monthly precipitation data is highly linearly related to the measured precipitation data at the site. TRMM precipitation data is slightly higher than the site-measured precipitation data. （2） At the grid scale， the TRMM monthly precipitation data of most grids have a high correlation coefficient with the measured precipitation data at the site. The deviation between TRMM precipitation and in site measured precipitation is small. （3） The accuracy of TRMM precipitation is related to precipitation intensity and elevation. The average absolute error between TRMM precipitation and measured precipitation is decreasing from southeast to northwest， which is consistent with precipitation distribution in the Yellow River Basin. The relative error， average error and average absolute error tend to decrease with the increase of elevation. Overall， over the Yellow River Basin， TRMM data tend to underestimate precipitation as precipitation increases. TRMM data underestimates precipitation in high altitude areas， overestimates precipitation in low altitude areas. By assessing the accuracy of TRMM satellite precipitation products in the Yellow River Basin， it provides an effective supplement for ground precipitation products in the region.

Keywords： TRMM Precipitation ; Yellow River Basin ; Accuracy Assessment ; Influencing Factors

PDF (2700KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

黄桂平, 曹艳萍. TRMM卫星3B43降水数据在黄河流域的精度分析. 遥感技术与应用[J], 2019, 34(5): 1111-1120 doi:10.11873/j.issn.1004-0323.2019.5.1111

Huang Guiping, Cao Yanping. Accuracy Analysis of TRMM 3B43 Precipitation Data in the Yellow River Basin. Remote Sensing Technology and Application[J], 2019, 34(5): 1111-1120 doi:10.11873/j.issn.1004-0323.2019.5.1111

1 引 言

高精度区域尺度和时间尺度的降水数据对于认识水循环过程，模拟水文、气候、气象等过程至关重要。目前降水数据的获取方式主要有3种：气象站点观测、天气雷达观测以及卫星监测。气象站点获取的降水数据是应用最普遍，精度高的一套数据，但是由于受到地面气象站点密度、地形高低起伏等因素的制约，基于气象站观测单点数据很难获得区域尺度的降水数据。雷达观测降水则受到电子信号以及运行环境等多种误差来源的影响，例如地形遮挡、雷达射线抬升和Z-R关系的不确定性等，相对而言在地形复杂地区具有较大的不确定性［1］。基于卫星获取降水数据则是近些年新兴的定量遥感方法。相较于气象站点和雷达观测两种方式，基于卫星获取的降水数据具有观测面积广、连续观测时间长、时空分辨率高、不受地形天气限制等优点［2］，能够在一定程度上弥补前两种方式的不足，特别是在资料稀缺、地形复杂的地区具有很大的应用前景。

热带降雨测量计划（Tropical Rainfall Measuring Mission，TRMM）卫星，是由美国国家宇航局（NASA）与日本国家空间发展局（NASDA）联合研制，于1997年11月12日发射成功。TRMM卫星是第一颗通过多频率微波、可见远红外线以及太空降雨雷达来测量热带和亚热带降雨的卫星［3］。卫星的初始轨道高度为350 km，覆盖全球南北纬30°之间地区，自2001年8月卫星轨道高度抬升至402.5 km之后［4］，可提供全球50° N~50° S间的降水数据。

目前国内外已有许多学者对TRMM卫星降水产品的精度以及应用方面进行了研究，如评估TRMM卫星降水数据在京津冀地区［5］、怒江流域［6］、鄱阳湖流域梅川江子流域［7］、孟加拉国［8］、巴西南部［9］、雅鲁藏布江流域［10］、西北内陆河流域［11］、川渝地区［12］、长江流域［13］、横断山区［14］的适用性和精度。大量研究表明TRMM降水数据精度较高，目前已在国内外很多区域广泛应用，如青藏高原［15］、黑河流域［16］、甘肃临夏地区［17］、喜马拉雅河流域［18］、圣弗朗西斯科河流域［19］、亚马逊盆地［20］、印度次大陆地区［21］。研究显示TRMM卫星数据在不同区域的精度存在差异，且影响因素不同。已有研究成果既有相似的结论，也存在不同甚至相悖的结论。例如：李相虎等［22］利用TRMM 3B42 V6数据在鄱阳湖流域分析降雨时空分布特征时，发现TRMM卫星对山区降雨的探测精度受到高程和坡度的影响。吴雪娇等［23］利用黑河流域9个站点降水数据分析TRMM 3B42 V7数据在山区降雨精度时，发现TRMM降水数据精度受海拔的影响，随海拔的上升而下降。高洁［24］通过TRMM 3B43月降水数据与中国718个地面雨量站实测月降水数据进行对比，结果表明两者呈高度线性相关，TRMM数据普遍表现为低估。而李威等［25］利用26个气象站点实测降水数据和同期TRMM 3B43月降雨数据分析TRMM数据在喀斯特山区的适用性时，发现在该区域TRMM数据高估降水量。蔡妍聪等［26］利用TRMM 3B42 V7数据和53个气象站点数据评估TRMM卫星数据在中高纬度内蒙古地区精度时，发现研究区域东部地区TRMM 3B42数据高估降雨量，而西部地区低估降雨量。

TRMM降水数据精度及分布规律随数据产品的版本和研究区域的尺度范围、气候条件及地理地形等不同而存在差异，针对特定区域有必要具体分析，为TRMM精度订正和提高区域适用性奠定基础［27］。本文以黄河流域为研究区域，通过对比分析TRMM卫星3B43 v7降水数据与黄河流域内90个气象站点的实测降水数据，研究该套TRMM降水数据在黄河流域的精度及其与降水强度、区域高程等因素的关系，分析讨论TRMM降水数据在黄河流域的适用性。

2 研究区概况

黄河流域位于96°~119°E，32°~42°N之间，总面积约80万km2［28］，地势自东向西逐渐升高，跨越三级阶梯，分别经过黄淮海平原、黄土高原、内蒙古高原、青藏高原。流域海拔在0~6 127 m之间，地形复杂，地貌差异悬殊（图1）。黄河流域年降水量自东南向西北逐渐减少，东南多雨，西北干旱，山区降水大于平原［29］。流域内降水量年内分配极不均匀，夏季（6~8月）降水量最多，最大降水量出现在7月，而冬季（12~2月）降水量最少，最小降水量出现在12月。长时序上流域降水量的年际变化大，最大与最小年降水量的比值约在1.7~7.5倍之间［29］。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   黄河流域地理位置以及90个气象站点分布

Fig.1   Location of the Yellow river basin and the distribution of the 90 meteorological stations


3 数据与方法

3.1　降水数据与处理

TRMM 3B43 v7降水数据从NASA降水测量计划网站（https：//pmm.nasa.gov/）获得，时间跨度为1998~2016年，时间分辨率为月，空间分辨率为0.25°。该产品是融合TRMM卫星与其他卫星以及地面观测降水量的产品。首先订正TRMM/TMI资料，并联合SSM/I，AMSR-E，AMSU-B资料估值降水，其次利用全球降水气候计划（GPCP）的红外降水估值订正微波降水，再进行微波和红外资料联合估值。此外，该套数据生产过程中融合地面实测雨量计资料，最大限度地利用了已有的探测资料，提供每个标准观测时次每个格网降水的最优估值，具有准确性好、分布面广、时空分辨率较高等特点［30］。

TRMM 3B43 v7降水数据获取后，基于ArcMap平台，利用黄河流域矢量边界，从全球格网数据中裁剪出研究区的数据。黄河流域包括1 284个格网，利用ArcMap的区域分析工具计算研究时段内各月区域格网平均降水量；并借助ArcMap提取分析工具，根据气象站点经纬度，得到黄河流域各气象站点所在格网的TRMM月降水数据。

目前降水数据产品较多，但气象站点实测降水数据依然是精度较高的数据资料，所以以站点实测降水数据作为真值来检验TRMM数据在黄河流域的精度［25］。地面气象站点实测日降水数据来源于国家气象科学数据共享服务平台。黄河流域内分布有90个气象站点，获取气象站点1998~2016年的降水数据资料。根据数据说明文档，逐个将站点日降水数据资料处理成月降水数据。为验证TRMM卫星区域降水量，取90个气象站点的月降水量平均值作为对应月份流域降水量，例如流域2001年1月降水量即为90个气象站点该月份实测降水量的平均值。

3.2　评价方法与指标

本文采用相关系数（R）、相对误差（BIAS ）、平均误差（EM ）和平均绝对误差（EMA ）等统计分析方法评价TRMM降水数据的精度。相关系数R定量描述TRMM降水数据与站点降水数据的相关程度，取值范围0~1，越接近1表示两者的相关程度越高。相对误差BIAS 衡量TRMM降水数据与站点降水数据的偏差程度，平均误差EM 、平均绝对误差EMA 衡量TRMM降水数据与站点降水数据在数值上的差异程度。相对误差、平均误差和平均绝对误差3个指标的取值越接近0表示数据的精度越高，其中相对误差BIAS 、平均误差EM 有正负值，正值表示TRMM数据高估降水，负值表示TRMM数据低估降水。

4 结果与分析

主要从流域尺度和格网尺度两个角度分析1998~2016年的TRMM 3B43 v7降水数据在黄河流域的精度。

4.1　流域尺度TRMM卫星降水精度

以1998~2016年间228个月的流域月平均降水量为自变量，对应月份TRMM卫星区域格网月平均降水量为因变量进行一元线性回归分析（图2）。由图2可知，在长时序月尺度上，TRMM月降水数据与站点实测月降水数据间的决定系数R2 = 0.986，斜率K=0.995，相关系数R = 0.993，表示两者呈高度线性相关性。由表1 流域尺度上TRMM降水与站点数据比较可知，TRMM数据精度较高，两者间的相对误差为1.09%，平均误差为0.42 mm，平均绝对误差为2.68 mm，表示TRMM月降水数据与站点实测月降水数据之间的偏差很小，同时也显示两者在数值上具有良好的一致性。由相对误差值与平均误差值均大于0，可知TRMM月降水数据相对于站点实测月降水数据在流域尺度上总体表现为高估降水量。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   流域尺度上TRMM与站点月降水数据的散点图

Fig.2   Scatter diagram of monthly precipitation of TRMM and meteorological station at basin scale


表1   流域尺度上TRMM与站点降水数据比较（1998~2016年）

Table1  Comparisons of TRMM and meteorological station precipitation at basin scale （1998~2016）

评价指标

站点均值x¯

/mm

TRMM均值y¯/mm

相关系数

R

相对误差

BIAS /%

平均误差

EM /mm

平均绝对误差EMA /mm
流域月尺度38.4838.890.9931.090.422.68

新窗口打开| 下载CSV


考虑到黄河流域降水量年际间变化大，而且各年的数据精度可能存在差异，因此对各年TRMM月降水数据的精度进行对比评估（表2）。由表2流域尺度上各年TRMM与站点降水数据比较可知，二者在1998~2016年间各年相关系数值都很高，均在0.98以上。对比各年的相对误差，发现各年的相对误差差异较大，分布在-3.50%~8.24%之间，但均在可接受范围之内。2012年TRMM降水数据的相对误差值最大，显著高估降水量，相对误差的最小值出现在2006年。总体上，1998~2016年TRMM降水数据高估的年份多，其中1999、2003、2005、2006、2011、2014和2015年等7年的相对误差为负值，TRMM数据低估降水量。

表2   流域尺度上各年TRMM与站点降水数据比较

Table2  Comparisons of TRMM and meteorological station precipitation at basin scale in each year

年份相关系数R相对误差BIAS /%年份相关系数R相对误差BIAS /%
19980.9980.4720080.9936.03
19990.997-1.0020090.9971.38
20000.9971.0820100.9952.16
20010.9950.9420110.995-1.74
20020.9881.7720120.9868.24
20030.990-2.9620130.9981.40
20040.9994.7720140.992-3.16
20050.995-1.4020150.994-0.07
20060.995-3.5020160.9985.49
20070.9972.29

新窗口打开| 下载CSV


4.2　格网尺度TRMM卫星降水精度

由上述分析讨论可知，TRMM月降水数据与站点实测月降水数据在黄河流域尺度上具有很好的相关性，两者偏差较小，TRMM降水数据精度较高。但是流域尺度上的结果往往会掩盖格网尺度上TRMM月降水数据与站点实测月降水数据之间的差异，无法全面客观地反映TRMM月降水数据在各格网间数据精度的不均一性［10］。此外，由于降水受地形、气候、经纬度、海拔和海陆位置等诸多因素的影响［31］，时空变化活跃。因此，仅仅对数据进行流域尺度上的检验是不全面的，需要进行格网尺度上的精度检验。由于黄河流域90个气象站点分布在不同的TRMM格网内，所以采用站点所在格网的TRMM月降水数据与站点实测月降水数据进行对比分析。

4.2.1　整体精度检验

以黄河流域内90个气象站点1998~2016年间228个月的实测月降水数据为自变量，对应月份对应站点所在格网的TRMM月降水数据为因变量进行一元线性回归分析（图3）。经检验，TRMM降水数据与站点实测降水数据间的决定系数R2 = 0.862，斜率K = 0.955，相关系数R = 0.928，说明在格网尺度上TRMM降水数据与站点降水数据之间具有高度的线性相关性。由表3 格网尺度上TRMM与站点降水数据比较可知，TRMM降水数据与站点降水数据的相对误差为4.98%，平均误差为1.91 mm，平均绝对误差为10.09 mm，表示在格网尺度上两者间的偏差很小，在数值上具有良好的一致性，TRMM降水数据总体上表现为高估降水量。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   格网尺度上TRMM与站点月降水数据的散点图

Fig.3   Scatter diagram of monthly precipitation of TRMM and meteorological station at grid scale


表3   格网尺度上TRMM与站点降水数据比较（1998~2016年）

Table3  Comparisons of TRMM and meteorological station precipitation at grid scale （1998~2016）

评价指标

站点均值

x¯/mm

TRMM均值

y¯/mm

相关系数

R

相对误差

BIAS /%

平均误差

EM /mm

平均绝对误差

EMA /mm

格网月尺度38.4840.390.9284.981.9110.09

新窗口打开| 下载CSV


由上述分析可知，在格网尺度上TRMM降水数据具有很好的精度，但是数据整体精度检验会忽略单一格网上TRMM降水数据与站点实测降水数据的差异，无法全面地显示出TRMM降水数据在各气象站点上的精度，同时也无法探讨影响TRMM降水数据精度的因素，因此还需对各气象站点所在格网TRMM降水数据的精度进行检验。

4.2.2　单一格网精度检验

以黄河流域各气象站点1998~2016年的实测月降水数据为自变量，对应时间上各气象站点所在格网的TRMM月降水数据为因变量进行一元线性回归分析，得到各站点实测月降水数据与各站点所在格网TRMM月降水数据之间的相关系数R。并分别计算出黄河流域各气象站点所在格网TRMM月降水的平均绝对误差EMA 、相对误差BIAS 以及平均误差EM。

图4为黄河流域各气象站点实测月降水数据与所在格网的TRMM月降水数据的统计分析结果。从图4（a）相关系数图可知：黄河流域内90个气象站点实测月降水数据与所在格网TRMM月降水数据的相关系数分布在0.77~0.97之间，大部分格网上的相关系数在0.90以上，个别格网上的相关系数低于0.81，例如惠农站和景泰站，所在格网上R值分别为0.77和0.81。从图4（d）平均绝对误差图可知，黄河流域各气象站点所在格网TRMM降水数据的平均绝对误差（EMA ）分布在3.58~23.19 mm之间，大部分格网上TRMM降水数据的平均绝对误差值低于15.28 mm，个别格网上TRMM降水数据的平均绝对误差值偏高，其中栾川站和泰山站所在格网TRMM降水数据的平均绝对误差分别为17.75 mm和23.19 mm。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   TRMM降水精度及空间分布

Fig.4   TRMM precipitation accuracy and the spatial distribution


从图4（b）相对误差图可知，黄河流域各气象站点所在格网TRMM降水数据的相对误差（BIAS ）分布在［-22%，52%］之间，大部分格网上TRMM降水数据的相对误差分布在-20%~20%之间，而贵德、惠农和中宁3个站点所在格网TRMM降水数据的相对误差值异常偏高，相对误差值分别为52.46%、39.66%、36.10%；从图4（c）平均误差图可知，在90个气象站点中有80个站点所在格网TRMM降水数据的平均误差（EM ）分布在 -6.50 mm~6.50 mm之间，表明大部分格网上TRMM月降水数据与站点实测月降水数据在数值上差异小，而泰山、贵德、永济和六盘山等站点所在格网TRMM降水数据的平均误差绝对值偏高，平均误差值分别为-18.33 mm、11.19 mm、11.22 mm、 -11.27 mm。整体而言，黄河流域90个气象站点中有74个站点所在格网TRMM降水数据的偏差大于0，六盘山、泰山、贵南和临夏等16个站点所在格网TRMM降水数据的偏差小于0，表明大部分格网上TRMM月降水数据大于站点实测月降水数据，即TRMM数据高估降水，与流域尺度上TRMM数据高估降水的结论相一致。

由上述分析可知，在格网尺度上，大部分气象站点实测月降水数据与所在格网的TRMM月降水数据呈现出强相关性，两者在数值上偏差小，具有较好的一致性；而泰山、永济、六盘山和贵德等站点所在格网的TRMM月降水数据与站点实测月降水数据在数值上偏差较大，数据精度不高，较大误差可能是由地理位置、降水强度等因素影响所致。

4.3　TRMM降水精度的影响因素
4.3.1　精度评价指标的空间分布

由图4可知，TRMM 3B43估测降水的精度评价指标呈现出一定的空间分布格局。相关系数（R）在空间上的分布较均一，大都在0.85以上，呈现高度相关性；低于0.85的TRMM格网主要分布在流域的西北部地区，其中惠农站所在格网的相关系数最低，R值为0.77。平均绝对误差（EMA ）在空间上的分布规律为：EMA 高值主要位于流域的南部、东南部地区，低值主要分布在黄河流域的北部、西北部地区。整体上EMA 呈现出由东南向西北递减的变化趋势，与流域自东南向西北递减的降水分布相一致，表明EMA值可能与降水强度有关。

相对误差（BIAS ）在空间上没有明显的分布格局，结合黄河水系分布位置可以发现，BIAS 绝对值大的格网大多分布在黄河河道的附近，而BIAS 绝对值越大，TRMM数据的精度越低，这说明TRMM数据的精度可能与该格网附近的地形有关。平均误差（EM ）在空间上呈现一定的分布格局，EM 绝对值大的格网主要分布在黄河流域的中下游地区，EM 绝对值小的格网主要分布在黄河流域的上游地区。相对误差与平均误差有正负值，均能反映TRMM数据对降水量高低估计的程度，由图4（b）相对误差图与图4（c）平均误差图可知，在黄河流域90个站点所在格网中，TRMM数据高估降水量的格网偏多，低估降水量的格网较少，TRMM低估降水的格网主要分布在黄河流域上游的南部区域。

4.3.2　TRMM降水精度与高程的关系

黄河流域西界巴颜喀拉山，北抵阴山，南至秦岭，东注渤海，流域内地势西高东低，形成自西而东、由高及低3级阶梯，地形高差悬殊。考虑到高程是影响降水的重要因素之一，能直接改变降水的空间分布［26］，因此需要分析TRMM降水精度与高程的关系。

以黄河流域各气象站点高程为自变量，以各气象站点所在格网TRMM数据的精度评价指标值为因变量进行一元线性回归分析。从图5可以看出，相关系数与高程没有显著的相关关系，两者相关系数为0.15，没有通过a = 0.05的显著性检验，高程对相关系数的影响甚微，随着高程的升高，相关系数呈微弱上升趋势。相对误差、平均误差和平均绝对误差均通过a = 0.05的显著性检验，三者与高程呈显著的负相关关系。随着高程的升高，相对误差、平均误差和平均绝对误差均呈下降趋势，说明在海拔高的区域，TRMM数据容易低估降水，而在海拔低的区域，TRMM数据容易高估降水，TRMM数据的精度与该格网所在区域高程有关。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   精度评价指标与各站点高程的关系

Fig.5   Relationships between accuracy evaluation indexes and elevation of meteorological stations


4.3.3　TRMM降水精度与降水强度的关系

以黄河流域各个气象站点1998~2016年多年平均降水量为自变量，以各气象站点所在格网TRMM数据的精度评价指标值为因变量进行一元线性回归分析。由图6可以看出，相关系数和平均绝对误差与多年平均降水量呈显著的正相关关系，两者均通过a = 0.01的显著性检验，说明随着降水量的增多，TRMM数据与站点数据的相关性越强，两者在数值上的差异越大。在降水多的区域，TRMM数据与站点数据的相关系数高，而平均绝对误差大，原因是降水量越大，TRMM降水量和站点降水量越大，两者在数值上的差异也随之增大。相对误差和平均误差均通过a = 0.01的显著性检验，两者与多年平均降水量呈显著的负相关关系，说明随着降水量的增多，TRMM数据倾向于低估降水量，TRMM数据的精度与该格网所在的区域降水强度有关。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   精度评价指标与各站点多年平均降水量的关系

Fig.6   Relationships between accuracy evaluation indexes and average annual precipitation of meteorological stations


5 结 语

对比黄河流域90个气象站点1998~2016年实测月降水数据与气象站点所在格网TRMM月降水数据，从流域和格网两个空间尺度，对月时间尺度上的TRMM降水数据精度进行了评估。采用相关分析、相对误差等统计分析方法结合GIS空间分析方法，揭示了精度评价指标的空间分布特征，同时分析了高程、降水强度等因素对精度的影响。本文主要结论为：

（1） 流域尺度上，黄河流域TRMM降水数据与站点实测降水数据呈现高度的线性相关，两者在数值上具有良好的一致性。各年TRMM降水数据的相关系数亦较高，而相对误差差异较大，分布在 -3.50%~8.24%之间。总体上，TRMM数据在黄河流域高估其降水量。

（2） 格网尺度上，流域内90个气象站点所在格网的相关系数较高，88 %的格网R值在0.90以上。大部分格网上TRMM降水数据与站点实测降水数据间的偏差较小，两者在数值上的差异不明显；只有泰山、永济、六盘山和贵德等站点所在格网的TRMM降水数据与站点实测降水数据间的偏差较大。

（3） TRMM数据的精度评价指标具有明显的空间分布特征，与高程和降水强度有关。相对误差、平均误差和平均绝对误差都随着高程的增加呈现逐渐减小的趋势。整体上，高海拔区域，TRMM低估降水量；低海拔区域，TRMM高估降水量。平均绝对误差与多年平均降水量呈显著的正相关关系，相关性达到0.77；相对误差和平均误差与多年平均降水量呈显著的负相关关系，随着降水量的增多，TRMM数据倾向于低估降水量。

本文不足之处在于：实测数据为点数据，而TRMM数据为面数据，以点数据作为真值来检验TRMM 3B43 v7数据在黄河流域的精度可能存在差异。经检验分析，在黄河流域大部分格网上TRMM降水数据与站点实测降水数据呈现强相关性，两者在数值上偏差小，具有较好的一致性。个别格网，或许由于格网内地形起伏较大，降水分布不均导致二者在数值上差异较大。

综上所述，TRMM卫星3B43 v7降水产品数据在黄河流域的精度较高，其精度与高程和降水强度有关。根据TRMM数据在黄河流域内不同高程和降水强度的分布规律，后期可进一步深入研究，以期通过高程及降水强度等对TRMM数据进行精度订正，为其在黄河流域内的水文模拟及预报、水资源规划及管理方面的应用提供价值。

参考文献

Tang Guoqiang， Li Zhe， Xue Xianwu， et al.

A Study of Substitutability of TRMM Remote Sensing Precipitation for Gauge-based Observation in Ganjiang River Basin

［J］. Advance in Water Science， 2015， 26（3）： 340-346.

[本文引用: 1]

唐国强， 李哲， 薛显武， 等.

赣江流域TRMM遥感降水对地面站点观测的可替代性

［J］. 水科学进展， 2015， 26（3）： 340-346.

[本文引用: 1]

Hao Zhenchun， Tong Kai， Zhang Leilei， et al.

Applicability Analysis of TRMM Precipitation Estimates in Tibetan Plateau

［J］. Journal of China Hydrology， 2011， 31（5）： 18-23.

[本文引用: 1]

郝振纯， 童凯， 张磊磊， 等.

TRMM降水资料在青藏高原的适用性分析

［J］. 水文， 2011， 31（5）： 18-23.

[本文引用: 1]

Yang Shaoe， Wu Bingfang， Xiong Jun， et al.

Calculation of Monthly Precipitation Anomaly Percentage Using TRMM Rainfall Product

［J］. Remote Sensing Information， 2010（5）： 62-66.

[本文引用: 1]

杨绍锷， 吴炳方， 熊隽， 等.

基于TRMM降水产品计算月降水量距平百分率

［J］. 遥感信息， 2010（5）： 62-66.

[本文引用: 1]

Li Jinggang， Li Jiren， Huang Shifeng， et al.

Characteristics of the Recent 10-Year Flood/Drought over the Dongting Lake Basin based on TRMM Precipitation Data and Regional Integrated Z-Index

［J］. Resources Science， 2010， 32（6）： 1103-1110.

[本文引用: 1]

李景刚， 李纪人， 黄诗峰， 等.

基于TRMM数据和区域综合Z指数的洞庭湖流域近10年旱涝特征分析

［J］. 资源科学， 2010， 32（6）： 1103-1110.

[本文引用: 1]

Yang Rongfang， Cao Genhua， Zhang Jing.

Research of TRMM

3B43 Satellite Precipitation Data Applicability in Beijing-Tianjin-Hebei Region［J］. Journal of Glaciology and Geocryology， 2019， 41（4）：1-8.

[本文引用: 1]

杨荣芳，曹根华，张婧.

TRMM 3B43卫星降水数据在京津冀地区的适用性研究

［J］.冰川冻土，2019，41（4）：1-8.

[本文引用: 1]

Xu Dong， Zou Jin， Lu Ying， et al.

Evaluation on Applicability of TRMM Satellite Precipitation Product in the NuJiang River Basin

［J］. Research of Soil and Water Conservation， 2019，26（1）：240-251.

[本文引用: 1]

徐东，邹进，陆颖，等.

TRMM卫星降水数据在怒江流域的适用性分析

［J］.水土保持研究， 2019，26（1）：240-251.

[本文引用: 1]

Liu J Z， Zhu A X， Duan Z.

Evaluation of TRMM 3B42 Precipitation Product Using Rain Gauge Data in Meichuan Watershed， Poyang Lake Basin， China

［J］. Journal of Resources and Ecology， 2012， 3（4）： 359-366.

[本文引用: 1]

Tarek M H， Hassan A， Bhattacharjee J， et al.

Assessment of TRMM Data for Precipitation Measurement in Bangladesh

［J］. Meteorological Applications， 2017， 24（3）： 349-359.

[本文引用: 1]

Fensterseifer C， Allasia D G， Paz A R.

Assessment of the TRMM 3B42 Precipitation Product in Southern Brazil

［J］. Journal of The American Water Resources Association， 2016， 52（2）： 367-375.

[本文引用: 1]

Lu Yang， Yang Shengtian， Cai Mingyong， et al.

The Applicability Analysis of TRMM Precipitation Data in the Yarlung Zangbo River Basin

［J］. Journal of Natural Resources， 2013， 28（8）： 1414-1425.

[本文引用: 2]

吕洋， 杨胜天， 蔡明勇， 等.

TRMM卫星降水数据在雅鲁藏布江流域的适用性分析

［J］. 自然资源学报， 2013， 28（8）： 1414-1425.

[本文引用: 2]

Cai Xiaohui， Zou Songbing， Lu Zhixiang， et al.

Evaluation of TRMM Mouthly Precipitation Data over the Inland River Basins of Northwest China

［J］. Journal of Lanzhou University（Natural Sciences Edition）， 2013， 49（3）： 291-298.

[本文引用: 1]

蔡晓慧， 邹松兵， 陆志翔， 等.

TRMM月降水产品在西北内陆河流域的适应性定量分析

［J］. 兰州大学学报（自然科学版）， 2013， 49（3）： 291-298.

[本文引用: 1]

Ji Tao， Yang Hua， Liu Rui， et al.

Applicability Analysis of the TRMM Precipitation Data in the Sichuan-Chongqing Region

［J］. Progress in Geography， 2014， 33（10）： 1375-1386.

[本文引用: 1]

嵇涛， 杨华， 刘睿， 等.

TRMM卫星降水数据在川渝地区的适用性分析

［J］. 地理科学进展， 2014， 33（10）： 1375-1386.

[本文引用: 1]

Gu Huanghe， Yu Zhongbo， Yang Chuangguo， et al.

Application of Satellite Radar Observed Precipitation to Accuracy Analysis in Yangtze River Basin

［J］. Water Resources and Power， 2010， 28（8）： 3-6.

[本文引用: 1]

谷黄河， 余钟波， 杨传国， 等.

卫星雷达测雨在长江流域的精度分析

［J］. 水电能源科学， 2010， 28（8）： 3-6.

[本文引用: 1]

Zhu Guofeng， Pu Tao， Zhang Tao， et al.

The Accuracy of TRMM Precipitation Data in Hengduan Mountainous Region， China

［J］. Scientia Geographica Sinica， 2013， 33（9）： 1125-1131.

[本文引用: 1]

朱国锋， 蒲焘， 张涛， 等.

TRMM降水数据在横断山区的精度

［J］. 地理科学， 2013， 33（9）： 1125-1131.

[本文引用: 1]

Qi Wenwen， Zhang Baiping， Pang yu， et al.

TRMM-Data-based Spatial and Seasonal Patterns of Precipitation in the Qinghai-Tibet Plateau

［J］. Scientia Geographica Sinica， 2013， 33（8）： 999-1005.

[本文引用: 1]

齐文文， 张百平， 庞宇， 等.

基于TRMM数据的青藏高原降水的空间和季节分布特征

［J］. 地理科学， 2013，33（8）： 999-1005.

[本文引用: 1]

Wang Chao， Zhao Chuanyan.

A Study of the Spatio-Temporal Distribution of Precipitation in Upper Reaches of Heihe River of China Using TRMM Data

［J］. Journal of Natural Resources， 2013， 28（5）： 862-872.

[本文引用: 1]

王超， 赵传燕.

TRMM多卫星资料在黑河上游降水时空特征研究中的应用

［J］. 自然资源学报， 2013， 28（5）： 862-872.

[本文引用: 1]

Yang Wenyue， Ma Jinhui， Yang Wenkai.

Variation Characteristics of Precipitation based on TRMM Data during

2001-2010 in Linxia of Gansu Province［J］. Journal of Arid Meteorology， 2014， 32（6）： 934-939.

[本文引用: 1]

杨文月， 马金辉， 杨文凯.

基于TRMM卫星的近10a甘肃临夏降水变化特征

［J］. 干旱气象， 2014， 32（6）： 934-939.

[本文引用: 1]

Kumar B， Lakshmi V.

Accessing the Capability of TRMM 3B42 V7 to Simulate Streamflow during Extreme Rain Events： Case Study for a Himalayan River Basin

［J］. Journal of Earth System Science， 2018， 127（2）： 27.

[本文引用: 1]

Santos C A G， Neto R M B， Da Silva R M， et al.

Integrated Spatiotemporal Trends using TRMM 3B42 Data for the Upper Sao Francisco River Basin， Brazil

［J］. Environmental Monitoring and Assessment， 2018， 190（3）： 175. doi：10.10071s10661-018-6536-3

[本文引用: 1]

Hierro R， Llamedo P， de la Torre A， et al.

Spatiotemporal Structures of Rainfall over the Amazon Basin derived from TRMM Data

［J］. International Journal of Climatology， 2016， 36（3）： 1565-1574.

[本文引用: 1]

Anandh P C， Vissa N K， Broderick C.

Role of MJO in Modulating Rainfall Characteristics Observed over India in All Seasons Utilizing TRMM

［J］. International Journal of Climatology， 2018， 38（5）： 2352-2373.

[本文引用: 1]

Li Xianghu， Zhang Qi， Shao Min.

Spatio-temporal Distribution of Precipitation in Poyang Lake Basin based on TRMM Data and Precision Evaluation

［J］. Progress in Geography， 2012， 31（9）： 1164-1170.

[本文引用: 1]

李相虎， 张奇， 邵敏.

基于TRMM数据的鄱阳湖流域降雨时空分布特征及其精度评价

［J］. 地理科学进展， 2012， 31（9）： 1164-1170.

[本文引用: 1]

Wu Xuejiao， Yang Meixue， Wu Hongbo， et al.

Verifying and Applying the TRMM TMPA in Heihe River Basin

［J］. Journal of Glaciology and Geocryology， 2013， 35（2）： 310-319.

[本文引用: 1]

吴雪娇， 杨梅学， 吴洪波， 等.

TRMM多卫星降水数据在黑河流域的验证与应用

［J］. 冰川冻土， 2013， 35（2）： 310-319.

[本文引用: 1]

Gao Jie.

Accuracy Assessment of Rainfall Measurement based on TRMM Products

［J］. Water Power， 2015， 41（6）： 28-31.

[本文引用: 1]

高洁.

基于TRMM卫星数据的降雨测量精度评价

［J］. 水力发电， 2015， 41（6）： 28-31.

[本文引用: 1]

Li Wei， Jiang Ping， Zhao Weiquan， et al.

Analysis on Applicability of TRMM Precipitation Data in Karst Areas—A Case Study in Gui Zhou Province

［J］. Research of Soil and Water Conservation， 2016， 23（1）： 97-102.

[本文引用: 2]

李威， 蒋平， 赵卫权， 等.

TRMM卫星降水数据在喀斯特山区的适用性分析——以贵州省为例

［J］. 水土保持研究， 2016， 23（1）： 97-102.

[本文引用: 2]

Cai Yancong， Jin Changjie， Wang Anzhi， et al.

Accuracy Evaluation of the TRMM Satellite-based Precipitation Data over the Mid-high Latitudes

［J］. Chinese Journal of Applied Ecology， 2014， 25（11）： 3296-3306.

[本文引用: 2]

蔡研聪， 金昌杰， 王安志， 等.

中高纬度地区TRMM卫星降雨数据的精度评价

［J］. 应用生态学报， 2014， 25（11）： 3296-3306.

[本文引用: 2]

Wang Jialing， Chen Hua， Xu Chongyun， et al.

Evaluation of Accuracy and Streamflow Simulation of TRMM Satellite Precipitation Data

［J］. Journal of Water Resources Research， 2016， 5（5）：434-445.

[本文引用: 1]

王佳伶， 陈华， 许崇育， 等.

TRMM卫星降雨数据的精度及径流模拟评估

［J］. 水资源研究， 2016， 5（5）：434-445.

[本文引用: 1]

He Zhen， He Junping.

Temporal and Spatial Variation of Extreme Precipitation in the Yellow River Basin from 1960 to 2012

［J］. Resources Science， 2014， 36（3）： 490-501.

[本文引用: 1]

贺振， 贺俊平.

1960年至2012年黄河流域极端降水时空变化

［J］. 资源科学， 2014， 36（3）： 490-501.

[本文引用: 1]

Sun Rui， Liu Changming， Zhu Qijiang.

Relationship between the Fractional Vegetation Cover Change and Rainfall in the Yellow River Basin

［J］.Acta Geographica Sinica，2001，56（6）： 667-672.

[本文引用: 2]

孙睿， 刘昌明， 朱启疆.

黄河流域植被覆盖度动态变化与降水的关系

［J］. 地理学报， 2001， 56（6）： 667-672.

[本文引用: 2]

Fu Rong， Hu Liang， Gu Guojun， et al.

A Comparison Stydy of Summer-time Synoptic-scale Waves in South China and the Yangtze River Basin Using the TRMM Multi-Satellite Precipitation Analysis Daily Product

［J］. Science in China Series D： Earth Science， 2007， 37（9）： 1252-1259.付容， 胡亮， 谷国军，等. 利用TRMM降水资料对华南和长江流域夏季天气尺度波的对比分析［J］. 中国科学（D辑： 地球科学）， 2007（9）： 1252-1259.

[本文引用: 1]

Zeng Hongwei， Li Lijuan.

Accuracy Validation of TRMM

3B43 Data in Lancang River Basin［J］. Acta Geographica Sinica， 2011， 66（7）： 994-1004.

[本文引用: 1]

曾红伟， 李丽娟.

澜沧江及周边流域TRMM 3B43数据精度检验

［J］. 地理学报， 2011， 66（7）： 994-1004.

[本文引用: 1]

/

〈 〉