1963年至2022年间印度季风前降雨动态的变化：海洋-大气驱动因素的作用及区域影响

《Atmospheric Research》：Changing dynamics of pre-monsoon rainfall over India (1963–2022): The role ocean-atmosphere drivers and regional impacts

本研究评估了2016-2020年西南中国及周边地区八个主流降水产品（含卫星、模型及融合产品），基于525个国家级站和13713个区域级独立观测数据，发现地形复杂度（海拔梯度25-1000米）导致降水估计不确定性显著增加（KGE<0），模型产品（如ERA5）在极端降水捕捉上表现更优，但空间代表性整体不足，需优化多源数据融合方法。

　　

张竹青|赵龙|姜耀志|周建宏|余文平|罗琦|周恒

中国西南大学地理科学学院重庆金佛山喀斯特生态系统国家观测与研究站，重庆400715

摘要

中国西南地区地形复杂，地表异质性明显，因此需要高质量的降水数据来监测和模拟地表过程。然而，该地区现有网格化降水产品的质量仍不明确。本研究利用2016–2020年间来自525个国家级气象站和13,713个区域级气象站的高密度观测数据，对八种主流网格化降水产品进行了全面评估，包括三种基于卫星的产品（GSMaP-Gauge、IMERG-Final、GSMaP-Mvk）、两种基于模型的产品（ERA5、ERA5-Land）以及三种融合产品（MSWEP、CMFD、GLDAS）。研究结果表明：（1）没有一种产品在整个研究区域的性能令人满意（KGE < 0），且随着地形复杂性的增加（子网格异质性从约25米增加到约1000米），降水估计的不确定性显著增加（从约150毫米/年增加到约400毫米/年）；（2）所有产品都能合理捕捉到季节性变化，但在极端强降雨和弱降雨事件的表现较差；基于模型的产品在降水检测能力上相对较好（例如，ERA5和ERA5-Land的POD > 0.90且CSI > 0.50）；（3）虽然大多数产品与国家级气象站的观测数据一致性较好，但在区域级气象站的表现明显下降（例如，月平均KGE值从>0.50降至<0）。进一步分析表明，基于模型的产品（如ERA5和ERA5-Land）能够更好地描述监测稀疏地区的降水空间分布，结合地面观测数据可以进一步减少上述不确定性（偏差<60毫米）。

引言

高质量的降水数据对于干旱和洪水监测（Sharma等人，2018年）以及水资源管理（Piao等人，2010年；Sheffield等人，2018年）至关重要。作为离线地表和水文模型的关键输入，可靠的降水数据也是模拟地表状态和通量的前提（Renard等人，2010年；Chao等人，2021年）。然而，由于地形、气候和地表条件的影响，降水具有强烈的时空异质性，这给大规模降水估计带来了挑战（Sun等人，2018a年）。地面观测数据在局部尺度上提供了直接且相对可靠的测量结果，但其利用受到空间覆盖范围和代表性限制（New等人，2001年；Cecinati等人，2017年）。相比之下，网格化降水产品可以在区域和全球尺度上提供连续的时空数据（Kidd和Levizzani，2011年；Sun等人，2018a年）。过去几十年中，出现了多种基于不同数据源和方法的网格化产品，包括地面观测插值、卫星反演、数值再分析和多源融合（Sun等人，2018b年）。

基于地面观测的数据产品，如全球降水气候中心（GPCC）的月度产品（Schneider等人，2014年）和气候预测中心（CPC）的日度产品（Xie等人，2007年），主要通过空间插值生成。它们的性能高度依赖于地面观测数据的密度和质量（Garcia等人，2008年；Merino等人，2021年）。基于卫星的产品，如TMPA（Huffman等人，2007年）、CMORPH（Joyce等人，2004年）、GSMaP（Kubota等人，2007年）和IMERG（Huffman等人，2023年），通过遥感信号获取降水数据。然而，卫星估计的精度受到反演算法和地形条件等因素的影响（Anagnostou等人，2010年；Amjad等人，2020年）。再分析产品通常通过数据同化系统生成，该系统使用最优估计技术将模型预报与多种观测数据整合（Bauer等人，2015年）。因此，再分析降水的质量取决于模型物理过程和同化方案。常用的再分析产品包括ERA5（Hersbach等人，2020年）、ERA5-Land（Mu?oz-Sabater等人，2021年）、JRA-3Q（Kosaka等人，2024年）、CRA-40（Liu等人，2023年）、CFSR-2（Saha等人，2014年）和MERRA-2（Gelaro等人，2017年）。

为了减少单一降水产品的不确定性，多源融合产品结合了多种数据源（如地面观测、卫星数据和再分析数据），采用空间插值、偏差校正、加权平均和机器学习算法等技术（Zhu等人，2022年）。代表性的产品包括MSWEP（Beck等人，2017年、2019年）、GLDAS（Rodell等人，2004年）、CMFD（He等人，2020年）、TPHiPr（Jiang等人，2023年）等。近年来，基于不确定性分析的融合方法受到越来越多的关注（Dong等人，2020年；Xu等人，2020年；Paul和Alemohammad，2025年）。这些方法通常使用统计不确定性估计方法，如三重配置（TC；Stoffelen，1998年）、分类三重配置（CTC；McColl等人，2016年）和三角帽（TCH；Premoli和Tavella，1993年）来量化不同降水数据集之间的相对误差。然后利用这些信息确定各数据集的最佳权重，从而得到更可靠的融合降水结果（例如SUPER（Dong等人，2022年）。所有这些先进方法都利用了不同数据类型的互补优势（Baez-Villanueva等人，2020年），但融合产品的可靠性仍高度依赖于输入数据源和融合方法（Zhao等人，2022年；Gavahi等人，2023年）。

许多研究表明，网格化降水产品的性能存在显著的时空差异和不确定性（Xu等人，2022年；Cheng等人，2025年）。例如，Mekonnen等人（2023年）评估了八种基于卫星、模型和融合的产品（如IMERG、MSWEP和ERA5）在非洲的实际情况，发现这些产品都受到地形和气候的强烈影响。一些评估表明，基于卫星的产品（如IMERG和GSMaP）在高山和山区受到空间分辨率和反演算法的限制（Lyu等人，2024年；Xiong等人，2025年），而基于模型的产品（如ERA5和ERA5-Land）能更好地捕捉降水的地形梯度（Chen等人，2021年；Lyu等人，2024年）。此外，Mohammadiigder等人（2025年）报告了曼尼托巴省南部基于雷达、模型和卫星的降水产品存在明显的季节性偏差。他们观察到冬季和夏季的误差较大，而春季和秋季的误差较小，并发现大多数产品倾向于高估冬季的轻降雨和低估夏季的强降雨。Dahri等人（2021年）指出，稀疏的观测数据、不均匀的地面观测分布和测量偏差严重限制了网格化降水产品的可靠性（如MSWEP），因为这些产品依赖地面观测数据进行校准和偏差校正。Li等人（2025）评估了中亚地区的降水情况，并强调了在数据稀疏地区改进气象观测网络的必要性。总之，当前的降水产品受到多种地理气候因素和地面观测数据的限制，存在较大的不确定性。

中国西南地区及其周边地区复杂的地形、多样的气候、分布不均的观测数据以及频繁的极端降水事件给可靠的降水估计带来了巨大挑战，但对该地区现有降水产品的系统和独立评估仍然有限。现有研究主要局限于特定流域或局部区域（Tang等人，2023年；Lei等人，2023年），或仅关注少数产品（Huang等人，2023年）。例如，Feng等人（2024年）评估了青藏高原东部的三种卫星和再分析产品（如IMERG、GSMaP和ERA5-Land），Mo等人（2024年）比较了十个卫星、再分析和融合产品（如IMERG、GSMaP、MSWEP、CMFD和ERA5-Land），但仅关注 Chengbi河流域。同样，Chang等人（2024年）研究了三个喀斯特盆地，Lu等人（2024年）专注于云贵高原。此外，这些评估中使用的参考地面观测数据非常有限，可能影响结果的可靠性。

现有评估的另一个问题是缺乏独立的参考数据源（Zhang等人，2023年；Lu等人，2024年）。Nie和Sun（2020年）认为GPCC在中国西南地区的多时间尺度上表现最佳，但他们承认他们的参考数据——中国气象局（CMA）的国家级气象站——参与了多个评估产品的开发，这可能影响了评估的客观性。因此，卫星、再分析和多源降水产品在中国西南地区及其周边地区的可靠性和适用性仍有待进一步明确，强调了需要引入更多独立数据来进行评估。

本研究评估了八种主流网格化降水产品——IMERG-Final、GSMaP-Gauge、GSMaP-Mvk、ERA5、ERA5-Land、MSWEP、CMFD和GLDAS——在中国西南地区及其周边地区的表现。特别是，收集了超过13,000个CMA区域级气象站的降水观测数据用于评估。与参与多种降水产品开发的CMA国家级气象站不同，这些区域级气象站未参与产品的开发，确保了评估的独立性。据我们所知，本研究使用了该地区迄今为止所有降水评估研究中最高的地面观测站密度。本研究重点关注：（1）2016–2020年间这八种产品的质量及其捕捉降水时空变化的能力；（2）地形复杂性和地面观测数据的空间代表性对降水产品的影响；（3）改进中国西南地区及其周边地区网格化降水估计的潜在途径。

研究区域

中国西南地区及其周边地区位于北纬20°–35°、东经96°–113°之间（图1），地形变化显著，空间异质性强。该地区的地貌包括盆地、丘陵、山脉、高原和平原，海拔差异高达7500米。该地区还普遍存在广泛的喀斯特地貌，加剧了土壤侵蚀、植被退化和岩石沙漠化等环境问题。

年降水量空间分布模式

为了评估网格化降水产品在表示研究区域降水空间分布方面的能力，本研究将八种产品的年降水量分布模式与地面观测数据进行了比较，如图2所示。该地区的降水量呈现出从东南向西北逐渐减少的梯度，东南部地区的年降水量超过1500毫米（图2i）。然而，不同产品之间的空间分布模式存在明显差异。

地形对降水不确定性的影响

研究地区的地形以陡峭的海拔梯度为特征，这导致了降水的显著时空异质性（Pepin等人，2022年）。如第3.1节所述，同一区域内不同降水产品之间存在显著差异，尤其是在地形变化较大的地区。为了进一步研究地形的影响，我们分析了地形复杂性与产品间差异之间的关系。

结论

本研究使用高密度CMA区域气象站的地面观测数据作为独立基准，评估了八种广泛使用的网格化降水产品在复杂地形下的表现。主要发现如下：

• （1）
  没有一种降水产品在研究区域的性能令人满意（KGE < 0）。经过地面观测校准的卫星产品和融合产品（例如，偏差<60毫米/年，RMSE

作者贡献声明

张竹青：撰写——审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论、调查、数据分析、概念化。赵龙：撰写——审稿与编辑、资源协调、项目管理、方法论、资金获取、数据分析、概念化。姜耀志：撰写——审稿与编辑、资源协调、方法论、数据分析。周建宏：撰写——审稿与编辑

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究得到了国家自然科学基金（资助编号：42271491和42201021）和中央高校基本科研业务费（资助编号：SWU-KF25023）的共同支持。