Research on the Quality Evaluation of GPM Satellite Precipitation Data Products

Xi JIANG, Yan-li LIU, Yong-xiang WU, Gao-xu WANG, Wei WU, Jun-liang JIN, Rui-min HE, Cui-shan LIU

PDF(3050 KB)
节水灌溉
China Rural Water and Hydropower ›› 2021 ›› (6) : 91-97.

Research on the Quality Evaluation of GPM Satellite Precipitation Data Products

Author information +
History +

Abstract

Satellite precipitation products serve as an important data supplement to ungauged or data-deficient region， whose temporal and spatial accuracy is crucial to hydrological simulation and prediction. The Yarlung Zangbo River Basin is a typical data-deficient region due to the high-cold mountainous location and extremely difficult for local observation. The applicability of the two satellite precipitation products， GSMap and GPM-IMERG， in this area is evaluated through the combination of quantitative indicators and classification indicators.The results show that both satellite precipitation products can accurately detect the occurrence of precipitation events. Compared with their previous generation TRMM satellite precipitation data， the two satellite precipitation data present higher accuracy （Bias<0.579）， the correlation is more significant （CC>0.902）， in contrast with the measured ground precipitation data. It is consistent for the spatial distribution of the correlation between the two types of satellite precipitation data and the ground-measured data，a strong correlation in the middle reaches of the river， and weak in the upstream and downstream. For the Yarlung Zangbo River Basin， GPM satellite precipitation products undertake better applicability than TRMM precipitation products， and could better meet the precipitation data requirements of water resources development and utilization. In the future， they can be integrated and assimilated with ground-based observation data to generate more reliable precipitation data products.

Key words

GSMap / GPM-IMERG / data-deficient region / applicability analysis / rainfall / Yarlung Zangbo River Basin

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations
Xi JIANG , Yan-li LIU , Yong-xiang WU , Gao-xu WANG , Wei WU , Jun-liang JIN , Rui-min HE , Cui-shan LIU. Research on the Quality Evaluation of GPM Satellite Precipitation Data Products. China Rural Water and Hydropower. 2021, 0(6): 91-97
降水是水文循环的重要环节［1］，是水文分析的重要指标，同时也是水文、气象、环境等学科主要研究对象［2］。降水资料的准确性、完整性和客观性对工程实践与科学研究具有至关重要的作用［3］。我国主要的降水信息来源于水文站、气象站等地面雨量计，其能够提供长系列、高精度的降水信息，但对于地面观测站点稀疏地区，地面观测站的降水资料代表性较差，不能准确的反映该区域降水的时空分布特征，这对水文分析计算与水资源优化配置产生较大影响［4-6］。随着遥感卫星应用的发展，多源、多时相、多尺度以及不同类型遥感卫星的应用，卫星降水产品的开发利用发展为降水研究的重要趋势［7］，其覆盖范围与时空连续性均能作为地面站点的有效补充。这为地面站点分布稀疏、降水资料缺失区域的降水研究提供了有力的数据支撑［8］。雅鲁藏布江（雅江）流域地处高寒区域，地面雨量计分布稀疏、不均匀，地面资料代表性不足，是我国典型的缺资料地区，研究卫星降水产品的适用性具有重要现实意义［9］。
全球范围内应用较为广泛的降水数据产品有TRMM（Tropical Rainfall Measuring Mission）、GPM-IMERG（Integrated Multi-satellite Retrievals for GPM）、GSMap（Global Satellite Mapping of Precipitation）、PERSIANN（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks）、APHRODITE（Asian Precipitation-Highly-Resolved Observational Data Integration Towards Evaluation）、CMORPH（Climate Prediction Center Morphing Technique）、CRU（Climatic Research Unit）、GLDAS（Global Land Data Assimilation System）等（表1）［1-6］，这些数据产品已经应用在水文、气象、生态等研究领域［10］。TRMM降水数据已被验证在亚洲、美洲等多地具有较好的精度和适用性［4，11，12］，GPM卫星降水产品为NASA与JAXA联合发布的TRMM降水产品的新一代产品，GPM-IMERG与GSMap为GPM（Global Precipitation Measurement）系列数据产品中的两个代表，其空间分辨率由TRMM卫星降水产品的0.25°提升至0.1°，GSMap时间分辨率由TRMM卫星降水产品的3 h提升至1 h，GPM IMERG提升至0.5 h［12］。其时空精度均高于TRMM降水产品，更能满足水文模拟、预报等研究对降水数据的需求，更加具有应用潜力。
Tab.1 Spatio-temporal accuracy information of common data products

表1 常见数据产品时空精度信息

降水产品 空间精度 空间覆盖范围 最小时间精度 时间范围 发布单位
TRMM 0.25° 60°N~60°S 3 h 1997-2015 NASA
50°N~50°S 月
GPM-IMERG 0.10° 90°N~90°S 0.5 h 2014至今 NASA
GSMap 0.10° 60°N~60°S 1 h 1998至今 JAXA
PERSIANN 0.25° 60°N~60°S 3 h 1983至今 UC Irvine
CMORPH 8 km 60°N~60°S 0.5 h 1998至今 NOAA/CPC
0.25° 3 h
GLDAS 0.25° 60°N~90°S 3 h 2000至今 NASA
CRU 0.50° 全球陆地范围 月 1901-2018 Univercity of East anglia
APHRODITE 0.25° 东亚地区 日 1951-2007 Hirosaki University
卫星数据产品的精度和准确性对后续的研究有着至关重要的作用。目前，常用的降水数据产品质量评估方法有定量分析与分类分析等，定量分析包括相关性分析，偏差分析，均方误差分析、均方根误差分析等；分类分析包括探照率分析，错报率分析等［10， 13］。陈晓宏［14］等通过相关性、错报率等指标验证GPM IMERG降水产品在北江流域具有良好的适用性；XU R ［8］等按气象站点高程进行划分，发现在青藏高原高海拔地区，GPM IMERG与TRMM 3B42 V7对降水的检测能力较低；M Yang ［15］ 等按降雨强度对降雨事件进行划分，通过雨量站降水数据与IMERG降水数据进行相关性、均方根误差等的分析，检验IMERG卫星降水产品在四川省的精度。FRANCHITO S H ［16］等通过不同季节和不同区域的划分，在巴西境内进行TRMM卫星降水产品评估。
在雅江流域，黄浠［17］等在年、月尺度上对中国地面降水网格数据、CRU和GLDAS的精度进行评估，发现在月尺度和年尺度的网格数据与实测降水数值最接近，而CRU和GLDAS与实测降水量相差较大；孙赫［9］等对选取CMA和APHRODITE、PERSIANN和 GPM、GLDAS、HAR（High Asia Refined analysis） 与实测数据对比，结果表明APHRODITE、GPM和HAR降水低估（10%~30%）， PERSIANN和GLDAS整体高估上游流域站点降水（28%~60%），但低估下游流域站点降水（11%~21%）；吕洋［18］等选取相关系数、相对偏差对TRMM 3B42日降水数据与TRMM 3B43月降水数据在雅江流域16个地面站进行站点精度评估，表明TRMM月降水产品质量很高，日尺度产品相关性较差；刘江涛［3］等对TRMM 3B42与PERSIANN在降水产品精度进行的定量指标和分类指标评估，结果显示两种降水数据对弱降水的估值偏高，而对于强降水的估值偏低。目前，关于雅江流域的卫星降水数据评估已有一些成果，但主要以TRMM卫星产品为主，GPM降水产品空间范围覆盖更广，时空精度更高，更符合水文模拟与预报的数据需求，本文将通过定量分析与分类分析结合的方式，对GPM系列降水产品（GPM IMERG、GSMap）进行时空尺度的适用性分析。

1 研究区及降水数据概况

1.1 研究区域概况

雅鲁藏布江起源于我国青藏高原寒区，是我国最长的高原河流，水资源量丰富，其流域内冰川广泛分布，流域面积24.04万km2，河长2 057 km。与澜沧江、怒江每年出境水量高达 5 000 多亿m3，接近我国年用水总量6 000 亿m3 左右。相对于中国东部地区，雅江流域独特的地理特征与气候环境为水文要素的监测增加困难，地面监测站点稀少，气象站仅有13个（图1），对流域时空特征的评估带来较大困难，对流域进行基本水文模拟造成一定程度的影响。卫星降水产品在很大程度上可以弥补雅江流域地面站点稀少、数据代表性差的不足，为雅江流域的水文气象等分析提供数据基础。
Fig.1 Overview of the Yarlung Zangbo River Basin

图1 雅鲁藏布江流域概况图

Full size|PPT slide

1.2 降水资料选取

1.2.1 实测数据的选取

对于单一站点数据精度的分析，考虑降水资料的完整性与代表性，本文选取雅江流域内部波密站、林芝站、江孜站、拉孜站、当雄站、普兰站共7个地面观测站实测值作为评估依据。时间序列为2001.01.01-2019.12.31年的日降水序列与月降水序列，数据来源于中国气象数据网（http：//data.cma.cn）。
由于卫星降水数据产品多为栅格数据，本文在卫星数据产品时空精度分析过程中，选取中国地面降水格点数据集（V2.0）作为实测降水数据与卫星降水产品进行时空精度分析，空间分别率为0.5°×0.5°，时间序列为2001.01.01-2019.12.31年日降水序列与2014.03-2018.08月降水序列，数据来源于中国气象数据网（http：//data.cma.cn）。

1.2.2 卫星数据的选取

卫星降水数据选取为GPM系列降水产品，GPM-IMERG（https：//gpm.nasa.gov/data-access/downloads/gpm）与GSMap（https：//sharaku.eorc.jaxa.jp/GsMap/index.htm）的日尺度降水与月尺度降水，空间分辨率为0.1°×0.1°。GPM-IMERG时间序列选择为2014.03.01-2019.12.31的GPM-IMERG＿Final日尺度数据产品与月尺度数据产品，GSMap日尺度卫星降水产品时间序列选取为2001.01.01-2019.12.31，其中2001.01-2010.12为 GSMap_MVK V5 数据集，2011.01-2014.02为GSMaP_RNL数据集，2014.03-2019.12为GSMap_MVK V7数据集。由于GSMap MVK月尺度卫星降水产品起始时间为2014年3月，本文月尺度适用性分析的时间序列选取为2014.03-2018.08。

2 数据产品质量评估方法

由于中国地面降水格点数据集（V2.0）空间精度为0.5°的格网数据，GPM系列降水数据集空间精度为0.1°，本文选取最邻近边界插值法对地面格网数据进行空间插值，从而实现数据集空间精度的统一。
质量评估采用定量分析和分类分析结合的方式，定量分析指标选择Person相关系数（CC）、偏差（Bias）和均方根误差（Rmse）。分类分析选取指标为探照率（POD）、错报率（FAR）。Person相关系数（CC）用来描述卫星观测数据与地面实测数据的相关关系强弱，偏差（Bias）与均方根误差（Rmse）用来描述卫星观测数据与地面实测数据的偏离程度，代表数据的准确程度。探照率（POD）与错报率（FAR）用来描述卫星监测能力与监测的准确程度。各指标具体计算方法如下：
CC=∑1n(Ai-A¯)(Bi-B¯)∑1n(Ai-A¯)2∙∑1n(Bi-B¯)2
Bias=∑i=1n(Ai-Bi)∑i=1nBi
Rmse=∑i=1n(Ai-Bi)2n
POD=TT+M
FAR=FT+F
式中：n代表参与计算的降水总天数；i代表第i个卫星降水产品降水值或地面观测站点实测值；A表示与对应于地面观测站的卫星数据产品降水值，mm； A¯表示卫星数据产品降水值的平均值，mm；B表示地面雨量站测得降水值，mm； B¯表示地面雨量站测得降水值的平均值，mm；T代表降水卫星正确监测降水事件的次数；F代表实际未发生降雨事件，降水卫星误判为发生降水事件的次数；M代表实际发生降水事件，而降水卫星未能探测到降水的次数（表2）。
Tab.2 Table of precipitation observation about satellite precipitation and ground observation station

表2 卫星降水与地面观测站降水观测情况表

卫星监测 地面实测
发生 未发生
发生 T F
未发生 M 0

3 结果与讨论

3.1 流域整体精度评定

3.1.1 时间尺度

地面实测降水量与GPM降水系列两种数据产品月、日尺度数据集的定量分析结果见图2、图3，可以看出，对于月尺度降水产品，两种卫星降水数据与地面实测数据一致性表现较好，均达到显著水平，GSMap与GPM-IMERG卫星降水数据与实测降水数据的CC值分别达到0.927、0.949，对于偏离程度，GSMap卫星降水数据与地面实测数据相比具有一定程度的低估Bias= -0.124，Rmse=16.989，而GPM-IMERG卫星降水数据与地面实测数据相比则有一定程度的高估Bias=0.478，Rmse=42.144。两种卫星降水产品日尺度数据集与实测数据相关性不显著，相关系数均在0.5左右，但在偏离程度方面，GSMap与GPM-IMERG卫星降水数据与实测数据相比均有一定程度的高估，Bias分别为0.033与0.378，Rmse分别为2.287与2.681。两种卫星降水的偏离程度（Bias）具有较大的差异，可能是由于两种卫星降水产品的反演算法不同的原因造成，GSMap_MVK采用双向云移动矢量法对源数据进行处理，GPM-IMERG_Final是全球降水气候中心站点数据校正后的数据集。两种卫星降水日尺度数据与地面实测数据一致性表现较差主要由于卫星观测降水事件受地形、气候等多种原因的影响显著，由于雅江位于高寒地区，地形复杂，对卫星监测降水增加了难度。
Fig.2 Monthly scale GSMap， GPM-IMERG precipitation products and measured data scatter density map

图2 月尺度GSMap与GPM-IMERG降水产品与实测数据散点密度图

注：图中颜色表示通过高斯核函数计算的散点密度。

Full size|PPT slide

Fig.3 Daily scale GSMap， GPM-IMERG precipitation products and scatter density map
注：图中颜色代表散点的密集程度，即指定半径内存在散点的数目。图3　日尺度GSMap与GPM-IMERG降水产品与实测数据散点密度图

Full size|PPT slide

雅江流域降水主要集中在6-9月，夏季、秋季降水量较大，降雨次数较多，而春季和冬季降水量很少，对夏、秋两季卫星降水产品日尺度数据进行定量指标分析（图4），发现，夏季GPM IMERG卫星降水与地面实测降水的相关性与精确度优于 GSMap卫星降水产品，而秋季GSMap卫星降水与地面实测降水的相关性与精确度优于GPM IMERG。参考夏季、秋季在对雅江流域进行降水分析结果，在以后进行降水分析时可根据不同季节选取不同卫星降水产品。
Fig.4 Scatter plot of precipitation data of GSMap， GPM IMERG satellite precipitation products and measured data in spring and summer

图4 GSMap与GPM IMERG卫星降水产品在春夏两季与实测降水数据散点图

Full size|PPT slide

黄浠［17］曾对CRU、GLADS两种降水产品进行评估，两种降水产品所测数据与地面实测数据相关性分别为CC=0.24，CC=0.35，刘江涛［3］曾对TRMM 3B42与PERSIAN在雅江流域进行定量评估，计算得出其与实测数据偏离程度分别为Bias=0.579、 Bias=0.845，吕洋［18］对TRMM 3B42与3B43 进行全流域一致性评估，计算得出月尺度卫星降水数据与实测数据CC=0.902，日尺度卫星降水数据与实测数据CC=0.465。孙赫［9］等对APHRODITE、GPM、PERSIANN-CDR、GLDAS、HAR五种降水产品日尺度数据集在雅江子流域的适用性进行分析，GPM降水产品相关性与偏离程度表现明显优于PERSIANN-CDR、GLDAS、HAR，与APHRODITE相比，在不同子流域表现不同。GPM卫星降水产品作为TRMM的升级版本，结合本文分析结果，可以看出，GSMap与GPM-IMERG卫星降水产品在精确度方面明显优于TRMM（Bias<0.579），两种卫星降水产品的数据与实测数据相关性优于TRMM（月尺度CC>0.902，日尺度CC>0.465）。与TRMM卫星降水数据相比，GSMap与GPM-IMERG均能更加准确的对实际降水情况进行估计，更好地满足水文、气象等领域对于数据精度的要求。

3.1.2 空间尺度

两种卫星降水产品与地面实测栅格数据集的相关性在空间上分布趋势一致（图5），均为在雅江中游相关性显著，而上游与下游表现相对较差。对于两种产品月尺度降水数据，GSMap卫星降水数据与地面实测数据的相关系数范围为0.177~0.954，GPM-IMERG卫星降水与地面实测数据的相关系数范围为0.293~0.993，GSMap卫星降水与IMERG卫星降水日尺度数据与地面实测数据相关系数分布范围分别为0.001~0.420、0.003~0.553。分析认为雅江流域上游与下游卫星降水产品与地面实测栅格数据集的相关性较差，主要是因为实测栅格数据集由地面测站监测降水数据通过样条插值得到，而上下游区域地面观测站点设置稀疏，在插值过程中产生一定程度的误差。
Fig.5 The spatial distribution of correlation coefficients between satellite precipitation data and ground-measured data in the Yarlung Zangbo River Basin

图5 雅江流域卫星降水数据与地面实测数据相关系数空间分布图

Full size|PPT slide

3.2 单一站点数据精度评定

通过对单一站点相关性与偏差的分析，可以进一步验证时空精度评估的结果（表3、4），7个地面观测站对应的GSMap与GPM-IMERG两种卫星降水产品月尺度数据与地面实测栅格数据相关性表现较好，在雅江中游区域，各站点卫星降水量数据与地面实测数据相关系数CC均大于0.8（表3）；相反，日尺度的卫星降水数据与地面实测栅格数据的相关性较差（表4），除波密站外，CC值均小于0.5。由7个实测站的相对偏差Bias的范围为0.007至0.993不等，可以看出Bias随地理位置的变化，表现出明显的差异性。
Tab.3 Statistical table of correlation and relative deviation between two kinds of satellite precipitation data and ground-measured data at monthly scale

表3 月尺度两种卫星降水数据与地面实测数据相关性、相对偏差统计表

站点 GSMap卫星降水产品 GPM IMERG卫星降水产品
CC Bias CC Bias
波密站 0.471 -0.247 0.919 -0.062
林芝站 0.798 -0.267 0.959 0.251
江孜站 0.870 0.021 0.966 0.451
拉孜站 0.864 -0.288 0.963 0.489
当雄站 0.895 0.128 0.949 0.007
泽当站 0.858 0.488 0.976 -0.592
普兰站 0.306 0.425 0.582 -0.993
Tab.4 Statistical table of correlation and relative deviation between two kinds of satellite precipitation data and ground-measured data at daily scale

表4 日尺度两种卫星降水数据与地面实测数据相关性、相对偏差统计表

站点 GSMap卫星降水产品 GPM IMERG卫星降水产品
CC Bias CC Bias
波密站 0.238 -0.375 0.542 -0.123
林芝站 0.339 -0.029 0.458 0.049
江孜站 0.079 1.568 0.309 0.404
拉孜站 0.156 0.639 0.335 0.361
当雄站 0.195 0.379 0.373 0.556
泽当站 0.261 0.541 0.329 0.270
普兰站 0.155 1.647 0.256 2.091

3.3 分类指标评定

在定量分析的基础上进行卫星降水数据产品的分类指标分析，可以更好的反应卫星降水产品对降水时间的监测捕捉能力。本文对分类指标中的探照率（POD）与错报率（FAR）进行分析，GSMap卫星降水产品的POD为0.958，GPM_IMERG卫星降水产品的POD为0.924，两种卫星降水产品在探照率上表现差异不大，说明两种卫星降水产品均能够探测到大部分的降水事件；GSMap与GPM-IMERG的FAR分别为0.100与0.172，说明两种卫星降水产品对降水事件的错误判断情况相似，仅有小部分降水事件被错误判断。
Tab.5 Table of classification analysis results table

表5 分类分析结果表

卫星产品 探照率（POD） 错报率（FAR）
GSMap 0.958 0.100
GPM-IMERG 0.924 0.172

4 结 论

选取定量与定性分析相结合的方式构建适用性评估体系，分别在日尺度、月尺度上对GPM系列降水产品中GSMap与GPM IMERG的精度进行评估，并对两种卫星降水产品在雅江流域的适用性进行分析，主要得出以下结论。
（1）从全流域角度来看，GPM-IMERG卫星降水数据与地面实测数据的相关性略优于GsMap，而GSMap卫星降水数据在偏离程度上表现优于GPM-IMERG。GSMap卫星降水产品与PM-IMERG卫星降水产品的月尺度降水数据与实际观测降水数据具有较高的相关性，但日尺度降水数据与地面观测站点所测降水数据相关性较差，建议通过与地面观测数据融合后使用；两种数据产品精度存在季节性差异，夏季推荐采用GPM IMERG卫星降水产品，而秋季推荐采用GSMap卫星降水产品。
（2）两种卫星降水的日尺度、月尺度数据集均表明雅江流域中游卫星降水数据与地面实测网格数据相关性表现较好，而上游与下游卫星降水数据与地面实测网格数据相关性不显著。
（3）通过选择的7个地面实测站点进行相关性与相对偏差分析，进一步验证了两种卫星降水产品月尺度数据集与地面实测站点相关性显著，而日尺度数据集相关性较差的结论，同时发现两种卫星降水的Bias随地理位置的变化，表现出明显的差异性。
（4）GSMap与GPM-IMERG两种卫星降水产品的探照率和错报率均表现较好，均能准确的探测到大部分降水事件，且仅错误判断少部分降水事件。
（5）在雅鲁藏布江流域，GPM卫星降水数据与TRMM卫星降水数据相比，具有更好的适用性，更能满足水资源开发利用对数据的需求。
综上，GPM系列降水产品延续了TRMM在时空精度上的优势，并具有更好的适用性，但在雅江的水文模拟及预报研究中，还要考虑季节和上下游差异，通过与地面观测数据的融合分析，为水文模拟与预报提供更为可靠的降水数据支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
胡庆芳. 基于多源信息的降水空间估计及其水文应用研究［D］. 北京：清华大学，2013.
本文引用 [2]
2
李哲. 多源降雨观测与融合及其在长江流域的水文应用［D］. 北京：清华大学，2015.
本文引用 [1]
3
刘江涛，徐宗学，赵焕，等. 不同降水卫星数据反演降水量精度评价：以雅鲁藏布江流域为例［J］. 高原气象，2019，38（2）：386-396.
本文引用 [3]
4
赵海根，杨胜天，周旭，等. TRMM3B42降雨数据在渭河流域的应用分析［J］. 水文，2015，35（1）：61-67.
本文引用 [2]
5
孟庆博，刘艳丽，刘冀，等. TRMM卫星降水产品在尼洋河流域的适用性定量分析［J］. 水资源与水工程学报，2019，30（1）： 89-96.
6
杨震宇，宁少尉，金菊良.最新GsMap-gauged与GPM-IMERG卫星降水产品性能评估及其在长江流域中的应用［J］.水电能源科学，2018，36（11）：5-8，13.
本文引用 [2]
7
王晋年，顾行发，明涛，等. 遥感卫星数据产品分类分级规则研究［J］. 遥感学报，2013，17（3）：566-577.
本文引用 [1]
8
XU R， TIAN F， YANG L， et al. Ground validation of GPM IMERG and TRMM 3B42V7 rainfall products over southern Tibetan Plateau based on a high-density rain gauge network［J］. Journal of Geophysical Research： Atmospheres， 2017，122（2）：910-924.
本文引用 [2]
9
孙赫，苏凤阁. 雅鲁藏布江流域多源降水产品评估及其在水文模拟中的应用［J］. 地理科学进展，2020，39（7）：1 126-1 139.
本文引用 [3]
10
孔宇. 中国大陆GPM/IMERG产品的精度评估［D］. 南京：南京信息工程大学，2017.
本文引用 [2]
11
ALIJANIAN M， RAKHSHANDEHROO G R， MISHRA A K， et al. Evaluation of satellite rainfall climatology using CMORPH， PERSIANN-CDR， PERSIANN， TRMM， MSWEP over Iran［J］. International Journal of Climatology， 2017，37（14）：4 896-4 914.
本文引用 [1]
12
TAN M， SAMAT N， CHAN N， et al. Hydro-Meteorological Assessment of Three GPM Satellite Precipitation Products in the Kelantan River Basin， Malaysia［J］. Remote Sensing， 2018，10（7）：1 011.
本文引用 [2]
13
TIAN F， HOU S， YANG L， et al. How does the evaluation of the GPM IMERG rainfall product depend on gauge density and rainfall intensity？［J］. Journal of Hydrometeorology， 2018，19（2）：339-349.
本文引用 [1]
14
陈晓宏，钟睿达，王兆礼，等.新一代GPM IMERG卫星遥感降水数据在中国南方地区的精度及水文效用评估［J］.水利学报，2017，48（10）：1 147-1 156.
本文引用 [1]
15
YANG M， LIU G， CHEN T， et al.Evaluation of GPM IMERG precipitation products with the point rain gauge records over Sichuan， China［J］. Atmospheric Research， 2020.
本文引用 [1]
16
FRANCHITO S H， RAO V B， VASQUES A C， et al. Validation of TRMM precipitation radar monthly rainfall estimates over Brazil［J］. Journal of Geophysical Research， 2009，114（D2）.
本文引用 [1]
17
黄浠，王中根，桑燕芳，等. 雅鲁藏布江流域不同源降水数据质量对比研究［J］. 地理科学进展，2016，35（3）：339-348.
本文引用 [2]
18
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）：1 414-1 425.
本文引用 [2]
PDF(3050 KB)

893

Accesses

0

Citation

Detail
Sections
Recommended
鄂公网安备 42010602001274号　鄂ICP备14015464号-1
Website Copyright © China Rural Water and Hydropower.
Tel: (027)68776133　Fax: xsdbjb@188.com　
Powered by Beijing Magtech Co. Ltd.

/

〈 〉