开发高时空分辨率、高精度和长序列的降水分析产品，合理准确地估计降水的时空分布，对于天气气候、生态、农业与环境研究具有重要意义。地面站点降水资料是最可信赖的降水观测资料，但站点观测时空分布上存在明显的不连续，难以反映气候空间总体变化及连续过渡的基本特征(Morrissey et al，1995；Villarini et al，2008)。中国台站位置存在分布东密西疏(图 1)，观测资料时间和空间分布不均匀(江志红等，2008)等问题，使得基于地面观测的格点数据质量受到影响(Chen et al，2010；熊秋芬等，2011)。卫星反演降水资料观测范围广、时间间隔短，相对于独立、离散的站点观测而言时空分布较为连续(Hsu et al，1997)，在天气和气候研究与预报中得到广泛运用(Yang et al，2008；师春香等，2008；徐海明等，2007；赵姝慧等，2010)。但卫星对降水的观测是间接观测，由于遥感探测仪器或反演算法等各种原因，卫星降水产品的精度相对较低(Shen et al，2010；潘旸等，2011；Wu et al，2012)。 为更加真实地描述降水变化，主流的做法是将能够较好捕获降水场时空分布的高分辨率卫星反演降水资料与地表站点降水资料进行融合(Xie et al，1997；Adler et al，2003)，发挥不同观探测系统的优点，提高降水产品的质量，得到高精度、高时空分辨率的降水产品。目前，国际上已有较多基于台站观测和卫星反演的高分辨率融合降水产品，例如GPCP(Global Precipitation Climatology Project)月产品(Huffman et al，1997)、GPCP旬产品(Xie et al，2003)、GPCP 1DD(One-Degree Daily)日产品(Huffman et al，2001)、TRMM 3B42(Tropical Rainfall Measuring Mission 3B42)(Huffman et al，2007)降水产品等。

中国多源降水融合技术的研究(Lu et al，2004；Xie et al，2011；潘旸等，2012；宇婧婧等，2013)也已逐步开展，目前，中国国家气象信息中心已研发了一种基于全中国3万多个自动气象站和CMORPH产品融合的0.1°×0.1°分辨率的逐时降水融合资料。无论通过计算平均偏差、均方根误差和相关系数等统计量(沈艳等，2013；张蒙蒙等，2013)，还是引入空间、时间技巧评分以及结构函数等指标(江志红等，2013)的评估，结果均表明，中国区域融合降水资料时、空精度远高于卫星降水资料。考虑到逐时自动气象站观测资料的质量(任芝花等，2010)，该逐时融合降水资料产品序列仅自2008年开始，时间序列较短，还难以满足当前气候研究的需要。利用全中国2400多个台站观测的日降水量，中国国家气象信息中心曾开发了一种空间分辨率为0.25°×0.25°的中国逐日降水格点分析产品(沈艳等，2010)。但由于插值得到的格点分析产品与站点样本数及站点分布密切相关，因此，在中国站点稀疏区的误差相对较大，反映的降水分布型不合理(Shen et al，2010；吴佳等，2013)，因此，有待于进一步优化。最近，通过与美国国家海洋大气局(NOAA)气候预测中心(CPC)合作，利用中国逐日降水格点分析产品及CPC开发的CMORPH卫星反演降水产品，采用两步融合法(Xie et al，2011)，建立了序列长度达15 a(1998—2012年)的中国地面观测和卫星资料融合降水量数据集，产品分辨率为逐日、0.25°×0.25°(China Merged daily Precipitation Analysis，简称CMPA_Daily)。数据集使用的融合方法(Xie et al，2011；潘旸等，2012；廖捷等，2013；宇婧婧等，2013)可有效地融入地面观测和卫星降水信息，发挥地面观测和卫星反演降水各自的优势，融合降水资料的降水量接近地面观测值，而形成的降水分布又较地面观测直接插值的格点降水分析产品更合理。

该数据集的质量如何，能否合理体现中国降水天气气候特征，本研究将通过该数据集与国际上质量较高的两种降水融合产品进行对比评估，了解该数据产品对中国区域降水估计的优越性。首先利用“独立样本”数据定量计算CMPA_Daily与国际上同类融合降水产品的误差统计量，对比各资料误差的时空分布；进而利用15 a的CMPA_Daily数据，通过比较分析各种融合降水产品在降水气候态特征、年际变化以及对强降水过程监测等方面的能力，了解CMPA_Daily在天气气候研究中的适用性，以期为资料使用者提供更详实全面的参考。 2 资料与方法简介 2.1 中国区域逐日融合降水数据

CMPA_Daily融合降水产品数据源包括地面观测和卫星反演两个来源的降水数据。其中，地面观测降水资料来自中国国家气象信息中心发布的中国逐日格点降水量实时分析数据集(沈艳等，2010)，该数据集是基于中国2400多个国家级地面气象站(图 1a)日降水量观测值(08时—次日08时，北京时，下同)，采用“基于气候背景场”的最优插值法(Optimal Interpolation: OI)，插值生成空间分辨率为0.25°×0.25°的网格日降水分析场(以下简称Grain)。卫星反演降水选用了在中国区域精度相对较高的CMORPH卫星反演降水产品(Shen et al，2010)。CMORPH卫星降水产品(Joyce et al，2004)采用运动矢量方法，即首先计算连续静止气象卫星红外云图的空间相关，以此确定云的运动矢量；进一步采用时间权重插值法外推微波反演降水量，估计无微波观测期内的降水。该产品的原始分辨率为30 min、8 km×8 km，为与地面观测格点资料匹配，该资料进一步处理成逐日0.25°×0.25°分辨率产品。

图 1(a)中国2400多个国家级地面气象站及(b)3万余个自动观测站(包括国家站和区域站)分布Fig. 1 Distribution of(a)the about more than 2400 national automatic weather stations(AWS); and (b)about more than 30，000 national and regional AWS over China

图选项

基于两步数据融合的概念模型(Xie et al，2011)，首先采用概率密度函数匹配(PDF)来剔除卫星产品的系统误差(宇婧婧等，2013)，并用中国区域多年观测台站资料，重新估算了概念模型中的参数，利用最优插值法实现地面观测和系统误差订正后的CMORPH产品的有效结合(潘旸等，2012)，得到中国区域逐日融合降水产品。CMORPH卫星降水产品从1998年开始，因此，该降水融合数据集的时间序列也从1998年开始。2.2 国际上融合降水数据

国际上发布的精度较高且时间序列较长的高分辨率逐日降水资料并不多，本研究选取两种较为常用的台站和卫星融合降水产品，即美国国家航空航天局(NASA)发布的GPCP-1DD降水数据集以及TRMM 3B42逐日降水估计产品。2.2.1 GPCP逐日降水产品

GPCP是世界气候研究计划(WCRP)中全球能量与水循环试验(GEWEX)的重要组成部分，GPCP降水资料融合了卫星红外、微波、探空观测等资料及6000多个地面测站的降水观测数据(中国区域包括近200个地面台站)。其中，红外探测信号来自静止气象卫星GOES(Geostationary Operational Environmental Satellites)、GMS(Geostationary Meteorological Satellite)、Meteosat(Meteorological Satellite)以及NOAA(National Oceanic and Atmospheric Administration)业务极轨卫星；微波信号来源于美国国防部气象卫星(Defense Meteorological Satellite Program，DMSP)上专用传感器微波成像仪(SSM/I)。Huffman等(2001)开发了1 d、1°×1°分辨率的降水分析技术(阈值匹配降水指数算法)，该技术首先定义一个融合上述多类卫星产品的日降水场，再通过逐月资料调整日降水量，使其和GPCP降水分析月值一致，形成1°×1°分辨率的逐日全球格点降水资料(本研究利用较新版本V1.2)。该资料时间长度为1996年10月至今。2.2.2 TRMM(3B42)降水产品

TRMM测雨产品3B42(Huffman et al，2007)是热带测雨卫星(TRMM)与其他卫星联合反演的降水产品，提供准全球格点降水资料。该产品首先订正热带测雨卫星微波成像仪(TMI)资料，并联合专用传感器微波成像仪、改进的微波扫描辐射计(AMSR-E)、高级微波探测器(AMSU-B)等多种高质量的资料估计降水，其次利用GPCP的红外降水估值订正微波降水并实现二者的联合降水估测，最后再与GPCC(Global Precipitation Climatology Centre)逐月雨量计观测资料匹配。产品空间分辨率为0.25°×0.25°，覆盖50°S—50°N纬度带，自1998年1月开始至今。本研究使用的是最新的V7版日降水量产品。 2.3 检验标准和方法

为了在统一标准下更加合理地评估3种产品的精度，需要进行独立样本检验，即选取完全独立于各种融合产品的降水资料作为参考(真值)。本研究利用经过严格质量控制(任芝花等，2010)的30000多全中国自动气象观测站(图 1b)逐时降水资料，剔除融合数据中用到的2400多个国家级地面气象站(图 1a)数据后，将剩下的区域自动气象站(约28000个站)降水资料作为独立检验数据。为了进一步保证区域自动气象站数据质量，只选择24个时次均无缺测，且质量控制标识均为正确的数据。为与融合产品比较其累加成日值并处理成0.25°×0.25°的格点数据(沈艳等，2012)，且只选取独立检验数据网格内有观测台站的资料作为真值(以下称“有效独立样本格点”，中国区域约有5500多个)。独立样本检验时段为2008—2010年5—9月。定量误差估计的统计指标主要有平均偏差(Bias)、均方根误差(RMSE)和相关系数。在计算误差过程中，因GPCP分辨率为1°×1°，需插值为与CMPA_Daily和TRMM 3B42资料一致的分辨率(0.25°×0.25°)后再进行计算，这里根据面降水量定义，设定每1°×1°网格内4个0.25°×0.25°网格面降水量值相同。

本研究还使用降水强度和降水频率等降水特征量进行评估，并定义日降水量大于0.1 mm为有效降水，发生有效降水的称为有效降水日，降水频率为有效降水日数占总日数的比例，降水强度为有效降水日的平均降水率。参考气象预报业务上的降水分级规范，按日降水量大小确定降水等级：降水小于10 mm为小雨，10—24.9 mm为中雨，25—49.9 mm为大雨，50—99.9 mm为暴雨，不小于100 mm为大暴雨。 3 数据集误差的对比评估

5—9月是中国降水较为集中和重要的时段，首先利用2008—2010年共3 a的独立检验数据，定量计算并对比该时段CMPA_Daily、GPCP和TRMM 3B42的误差。3.1 误差随时间的变化

图 2给出了各种降水产品2008—2010年共3 a平均的5—9月平均误差统计量的逐日变化曲线，其中，计算样本为整个中国区域存在有效独立样本检验格点。可明显看出，CMPA_Daily与独立检验数据的相关系数最大，且相关系数随时间的变幅不大，基本维持在0.8上下；其次是TRMM 3B42产品，与独立检验数据的相关系数维持在0.6上下；与独立检验数据相关系数最小的是GPCP产品，约为0.4，且随时间的变幅较大(图 2a)。3种产品中CMPA_Daily的平均偏差和均方根误差均最小且随时间的变化幅度较小，平均偏差振幅不超过2 mm/d，均方根误差约为5 mm/d。TRMM 3B42和GPCP产品的平均偏差和均方根误差基本相当，且随时间的摆动较大，平均偏差振幅最大超过5 mm/d，均方根误差超过8 mm/d(图 2b、c)。对比3种资料统计误差可见，CMPA_Daily降水量较TRMM 3B42和GPCP与地面观测值最为接近，且统计误差量随时间变化最为稳定。

图 2 中国区域3种降水产品误差统计指标的逐日变化(a．相关系数，b．平均偏差，c．均方根误差)Fig. 2 Day-to-day variations for(a)correlation coefficient，(b)Bias and (c)RMSE between CMPA_Daily / TRMM 3B42 /GPCP and the independent validation data over China

图选项

为了解各降水产品误差的空间分布，计算了3种融合降水产品在中国区域存在有效独立样本检验格点上的相关系数(图 3a—c)和均方根误差(图 3d—f)，总样本数为独立样本数据所有的时间样本，即3 a(2008—2010年)乘以153 d(5—9月的天数)。3种融合降水产品中，CMPA_Daily与独立检验数据的相关系数最大，且相关系数随区域变化较小，大部分地区为0.7—0.9，即使在地形变化较为复杂的青藏高原东部、云贵高原地区相关系数也在0.5以上。其次是TRMM 3B42产品，与独立检验数据的相关系数基本为0.5—0.7，且随区域变化较大，在东部区域的相关系数为0.6—0.7，而在东北、西北等地的相关系数较小，为0.3—0.5，个别站点上的相关系数甚至低于0.2。与独立检验数据相关系数最低的是GPCP资料，大部分为0.3—0.5，只在东南部分区域的相关系数能超过0.6。特别值得注意的是，即使在站点稀疏的新疆中部地区，CMPA_Daily与地面观测整体的相关系数也较TRMM 3B42和GPCP大。3种融合降水产品均方根误差的空间分布与中国实际降水量的空间分布有关，降水量越大的区域均方根误差也越大。但综合整个空间分布CMPA_Daily的均方根误差是3种融合降水产品中最小的。就东南沿海区域 而言，CMPA_Daily产品的均方根误差多为3.0—7.0 mm/d，与之对应的TRMM 3B42和GPCP多维持在8.0—12.0和10.0—15.0 mm/d。在中国中西部地形复杂地区，例如云南省CMPA_Daily大部分地区误差为3—7 mm/d，TRMM 3B42稍大，约为5—7 mm/d，GPCP误差则在7 mm/d以上，但各产品在云南南部高山地区误差均偏大，为8—12 mm/d，相比之下CMPA_Daily误差大的区域范围稍小；而四川盆地，CMPA_Daily误差范围(大部分地区仅为5—7 mm/d)则明显优于TRMM 3B42和GPCP(大部分地区为7—10 mm/d)。为进一步分析各种资料的误差受地形变化的影响特征，选取云南高山地区—四川盆地(沿(25°N，100°E)—(30°N，106°E)线)这一地形高度变化较大的剖面，对比3种资料相关系数及均方根误差(图 4)。可见3种降水产品误差均与地形高度变化存在一定的相关，地形高度大，均方根误差大，相关系数小；地形高度低，均方根误差小，相关系数大。即误差特征值在地形平坦、高度低的地方要小于地形起伏、高度高的地方；地形高度变化越剧烈时，均方根误差变化幅度越大。特别值得注意的是，在地形高度起伏程度剧烈时，CMPA_Daily的相关系数变化幅度不大，TRMM和GPCP的相关系数则随着地形变化幅度陡变而明显降低，说明CMPA_Daily的空间相关即使在地形起伏时效果仍较稳定。

图 3 3种降水产品(a、d．CMPA_Daily，b、e．TRMM 3B42，c、f．GPCP)与独立检验数据的相关系数(a—c)和均方根误差(d—f，单位：mm/d)在中国区域的空间分布Fig. 3 Spatial distribution of(a-c)correlation coefficient /(d-f)RMSE(mm/d)between CMPA_Daily(a，d)，TRMM 3B42(b，e)，GPCP(c，f) and the independent validation data over China

图选项

图 4 3种降水产品与独立检验数据(蓝线：CMPA_Daily，红线：TRMM 3B42，黑线：GPCP)沿(25°N，100°E)—(30°N，106°E)线的(a)相关系数和(b)均方根误差变化(黄线表示海拔高度(单位：m))Fig. 4 Variations along the diagonal line from(25°N，100°E)to(30°N，106°E)of(a)correlation coefficient(b)RMSE between CMPA_Daily(blue line)/ TRMM 3B42(red line)/ GPCP(black line) and the independent validation data，yellow line is height above sea level(m)

图选项

综上分析，CMPA_Daily产品因融入了更多的站点观测信息，不论在中国东部沿海，还是中西部地形复杂区，其精度均优于TRMM 3B42和GPCP产品。3.3 不同降水量级下的误差

为进一步考察降水产品误差随降水量的变化，分别计算了小雨、中雨、大雨、暴雨和大暴雨时，CMPA_Daily、TRMM 3B42和GPCP的误差统计指标(表 1)。可见随着雨强增大，3种产品的平均偏差和相对偏差均由正值变为负值，但这种变 化所对应的雨强不同：CMPA_Daily产品出现的雨强在≥100 mm/d，TRMM 3B42产品出现的雨强为25—50 mm/d，GPCP产品出现的雨强为10—25 mm/d。说明与独立检验数据相比，CMPA_Daily只对大暴雨有所低估，TRMM 3B42低估了大雨以上量级的降水，而GPCP低估了除小雨以外所有量级的降水。而对于25 mm/d以上降水而言，CMPA_Daily产品相对偏差控制在10%以内，其误差范围明显优于TRMM 3B42(30%以内)和GPCP(60%以内)产品。

利用独立样本数据定量计算了3种数据集的误差，结果表明，CMPA_Daily产品的误差范围较TRMM 3B42及GPCP产品更小，且误差统计指标随时间的变化幅度较小。CMPA_Daily产品降水量与地面观测的相关更高，系统偏差和随机误差更小，尤其对于强降水来说，相对误差在10%以内，远超过TRMM 3B42及GPCP的精度。

由于在中国西部青藏高原地区增设的自动观测站较少，而独立样本数据是剔除2400多个国家级地面气象站的自动观测站的降水数据，因而独立样本数据在青藏高原地区的样本数很少，以上独立样本数据检验评估主要分析了中国中西部地区误差，为了了解各种产品在中国青藏高原地区的精度，下面将利用中国西部地区所有站点观测数据(仍使用2008—2010年5—9月数据)对比各产品在青藏高原地区的误差。

选择103°E(四川盆地)以西地形较高、站点稀疏区为研究区域，该区域地形复杂，站点较少(图 5a)，若将站点插值为格点资料会出现虚假，这里根据站点所在的经纬度找出所处的格点进行融合格点数据与测站数据的比对(翟盘茂等，1997)(图 5b—j)。从平均偏差分布可以看到，CMPA_Daily在整个青藏高原地区以正偏差为主，TRMM 3B42及GPCP在青藏高原南部(A、C区)呈现明显的正偏差，青藏高原北侧(B区)以负偏差为主，但CMPA_Daily平均偏差在A、B区明显小于TRMM 3B42和GPCP，只有在青藏高原至盆地过渡的C区偏差大于TRMM 3B42。而在均方根误差的分布图上，CMPA_Daily则明显低于TRMM 3B42和GPCP，在站点较为稀疏的A、B区大部分区域均方根误差在2 mm/d以下，而在降水较大的C区均方根误差也仅为2—4 mm/d。TRMM 3B42在青藏高原南部(A、C区)均方根误差在6 mm/d以上，GPCP则更大，普遍在8 mm/d以上。在与青藏高原地区站点资料相关系数的空间分布上，CMPA_Daily资料仍表现出明显的高相关，相关系数普遍在0.7以上，TRMM 3B42在青藏高原至盆地过渡的C区相关系数在0.6左右，在站点更加稀疏的A、B区相关系数更小，小于0.5；GPCP与站点观测相关的分布特征与TRMM 3B42类似，只是相关系数更小。

可见，在站点稀疏的青藏高原地区，CMPA_Daily降水量仍更接近站点观测。 4 气候特征的对比评估

GPCP与TRMM 3B42降水产品时间序列较长且质量较高，已在中国气候研究领域得到广泛应用(自勇等，2007；白爱娟等，2008)。为了解CMPA_Daily产品对中国降水气候特征的描述能力，选取3 种产品共同的时段(1998—2012年)，分别从气候平均的降水量、降水强度及降水频率的分布以及对区域降水的年际变化等方面进行对比分析。中国各季节的降水大值主要处于站点较为密集的中国东部区域，基于2400个地面站观测的中国逐日插值格点降水分析资料(Grain)在该区域较为准确，可作为衡量标准进行分析，因此，将其引入作为部分参考。此外，通过对比各种资料的异同，也可分析各融合降水产品对降水特征描述的特点及能力。

图 5(a)高原地形高度(阴影)和地面站点(绿色空心圆)分布(A、B和C分别代表高原中南部、中北部和高原—盆地过渡区域)及(b、e、h)CMPA_Daily、(c、f、i)TRMM 3B42、(d、g、j)GPCP降水产品与测站观测降水的平均偏差(b-d)、均方根误差(e-g)和相关系数(h-j)的空间分布Fig. 5(a)Height above sea level and the distribution of the stations(the green hollow circle)above the Tibetan Plateau(TP)(A： the mid-northern TP; B: the mid-southern TP； C： the transition region from TP to the Sichuan basin)； the spatial distribution of mean bias(b-d)，RMSE(e-g) and correlation coefficient(h-j)between CMPA_Daily(b，e，h)，TRMM 3B42(c，f，i)，GPCP(d，g，j) and the station precipitation data above TP

图选项

从4种资料在中国区域的年、夏季和冬季平均降水分布(图 6)可以看出，4种资料反映的年、夏季和冬季平均降水特征以及大值降水带降水量、位置和整体形态均较为一致，体现了中国年平均降水从西北向东南增多的不均匀分布；夏季，降水带向西向北伸展，6—8 mm/d量级的降水带扩展至整个长江中下游，中国南部沿海地区出现降水大值中心，超过10 mm/d；到了冬季，降水量明显减小，降水量大值约为2—4 mm/d，位置则仅在华南东部地区。

图 6 1998—2012年中国区域各资料的年(a—d)、夏季(e—h)、冬季(i—l)平均降水量的空间分布Fig. 6(a、e、i．Grain，b、f、j．CMPA_Daily，c、g、k．TRMM 3B42，d、h、l．GPCP)Fig. 6 Annual(a-d)，summer(e-h) and winter(i-l)mean precipitation distribution over China for 1998-2012(a，e，i. Grain; b，f，j. CMPA_Daily; c，g，k. TRMM 3B42; d，h，l. GPCP)

图选项

进一步对比各种资料的降水分布可见，站点分布密集的中国东部地区，无论是降水分布型还是降水量，CMPA_Daily与Grain最为接近，其次是TRMM 3B42，GPCP差异最大。TRMM 3B42降水量与CMPA_Daily相近，而CMPA_Daily产品在降水的空间分布上则更能反映小尺度降水的分布，在东部地区降水分布的细致结构更接近Grain。GPCP因空间分辨率低，降水分布较为平滑，不能细致反映降水落区。 4.2 降水强度和降水频率

为进一步了解CMPA_Daily在反映中国降水逐月演变特征方面的适用性，图 7对比了各降水产品在中国降水集中的夏季(6—8月)逐月降水强度及夏季平均降水频率空间分布，可见各资料都能再现东部强雨带从华南至华东到消退的整个过程。在站点密集的中国东部地区，CMPA_Daily的降水量最接近地面观测分析数据Grain，而TRMM 3B42降水量总体偏大，GPCP则总体偏小。例如，在6、7、8月，TRMM 3B42在整个东北地区降水均偏大，存在降水强度大于12 mm/d的区域性降水大值中心。而在7月华南地区降水消退至华东地区时，TRMM 3B42在华南南部沿海地区仍然出 现大片20 mm/d以上的强降水区域。GPCP降水 强度普遍偏小，6—8月中国东部各强降水雨带范围及中心强度均明显小于地面观测。值得一提的是，在站点稀疏的西部地区，Grain的降水强度分布呈现不规则形状，特别是在西藏和新疆交界的无站点观测区域，出现了降水量超过25 mm/d的不合理大值降水区。而3种融合产品的降水强度空间分布型整体接近，体现了卫星观测降水分布的特点，较站点插值产品更加合理。这也说明融合产品在站点稀疏区对降水分布的描述具有优势。但各产品由于融合的卫星观测资料种类和产品分辨率不同，例如CMPA_Daily在青藏高原上空降水呈现类似云图上的“点”状分布，GPCP因分辨率较低出现成片的雨区。降水频率也是描述降水特征的重要指标，从4种产品夏季平均降水频率的空间分布(图 7d、h、l、p)可以看出，整个中国区域夏季降水频率呈现南多北少，最小值出现在西藏与新疆交界的西部地区，而青藏高原地区降水频率最高。各产品显示的降水频率分布存在区域差异。例如，在华中、华北、东北地区地面观测资料(Grain)的降水频率相对偏低，大部分地区都小于40％，CMPA_Daily和TRMM 3B42的降水频率比较接近，而GPCP降水频率最高，大多超过50％。这一特点可以用小降水的概率分布来解释：Grain是由地面站点观测降水插值得到的，对小于0.5 mm的降水分辨能力较低，(0，0.5 mm]的降水概率为0，造成0降水概率较大(30°N以北地区0降水概率达65％)，降水频率总体偏低；而卫星反演降水可以分辨小降水，CMPA_Daily、TRMM 3B42、GPCP在(0，0.5 mm］的降水概率分别为9.7％、5.1％和10％，因而0降水概率相比较小(0降水概率依次为56％、60％和47％)，因此，3种卫星融合产品降水频率较地面观测插值产品高。但偏北地区夏季小降水容易发生，就这点来说卫星融合产品对该地区降水频率的描述可能更加准确。在东部沿海地区，CMPA_Daily的降水频率呈阶梯变化，从北向南逐步递增，在广西和广东南部及海南省降水频率最大，可超过70％；其降水频率的局地变化分布型与Grian一致，但Grain降水频率要小；TRMM 3B42和GPCP在东南沿海地区显示的是成片的大降水频率区，没有明显的局地变化。在西部站点稀疏地区，CMPA_Daily的降水频率大小和分布与TRMM 3B42最为相似，均体现了青藏高原上空大片且与地形相关的高降水频率区，而因观测站点较少，Grain无法反映这一特点；GPCP因资料空间分辨率较低也不能完全反映。

图 7 1998—2012年中国区域各资料(a、e、i、m)6月、(b、f、j、n)7月、(c、g、k、o)8月平均降水强度及(d、h、l、p)夏季(6—8月)平均降水频率的空间分布(a-d．Grain，e-h．CMPA_Daily，i-l．TRMM 3B42，m-p．GPCP)Fig. 7 Spatial distribution of mean precipitation intensity during June(a，e，i，m); July(b，f，j，n) and August(c，g，k，o) and mean frequency during summer period for 1998-2012 over China(a-d，Grain； e-h，CMPA_Daily； i-l，TRMM 3B42； m-p，GPCP)

图选项

研究降水变化是降水分析的一项重要内容。为了与站点观测资料做比较，选取中国站点密集的东部地区，分析中国较为典型的降水区：即春季(3—5月)华南区和夏季(6—8月)江淮区(施晓晖等，2006)。这两个地区观测站点较多且分布比较均匀，可将站点插值降水产品Grain作为参考。1998—2012年春季华南地区多种资料的逐年降水量变化均显示其降水在逐渐减少(图 8a)，与最近的研究(Xin et al，2006；Zhai et al，2005)结果一致。其中，CMPA_Daily、TRMM 3B42及Grain降水量基本相当；GPCP降水量较其他资料偏小。而从各年降水的相对变化来看，CMPA_Daily和TRMM 3B42与Grain较为相似，曲线升降幅度一致，GPCP相对差异较大，例如其他3种资料均显示2002年降水较2003年少，但GPCP资料则显示2002年降水偏多。

图 8 各资料(a)春季华南地区和(b)夏季江淮地区平均降水量1998—2012年的年际变化Fig. 8 Annual variation of mean precipitation from 1998 to 2012 for(a)southern China in spring，and (b)the Jianghuai region in summer described by Grain，CMPA_Daily，TRMM 3B42 and GPCP datasets

图选项

各种资料对夏季江淮地区降水的年际变化对比(图 8b)更显示出CMPA_Daily不论是逐年的降 水量还是降水量的年际变化趋势均与Grain最为一 致，TRMM在2007年前与CMPA_Daily较为一致，而2007年以后则与GPCP变化较为一致。

以上结果表明，CMPA_Daily的年际降水偏多和偏少的特点最接近站点观测资料，在描述中国东部降水年际变化特征上具有优势。TRMM 3B42与CMPA_Daily降水量大小和年际变化趋势都较为一致，GPCP表现出的年际变化趋势则稍差。 5 强降水过程监测

数据显示，2008年是自1880年以来全球第9个最暖年，世界许多地方发生了极端天气、气候事件(徐雨晴等，2009)。2008年夏季，中国也发生了多次强降水事件。本研究选取2008年6月中下旬在华南前汛期即将结束之时，江南、华南地区又出现的强降水事件，考察各种资料对此次事件(6月16—18日)开始、发生、结束整个过程的监测结果(图 9)。从Grain降水分布可以看到，16日江南、华南和西南局地出现暴雨，降水大值中心较为零散，日降水量大于60 mm的降水区域主要在湖南、广西、广东以及云南地区。该地区站点较为密集，因此，Grain可以较为准确地反映该地区降水的分布及强度。通过对比发现，无论从降水结构还是中心雨强，CMPA_Daily都很接近Grain。GPCP虽然可以刻画此次降水事件的分布型，但降水强度明显小于Grain和CMPA_Daily，且降水大值区连成一片，没有显示出局地降水大值中心。TRMM 3B42刻画的降水分布较为细致，接近Grain和CMPA_Daily，广东、广西的降水强度也接近站点观测，但扩大了降水区域，而在湖南省的降水中心值又明显小于站点观测，没有体现出该区域的强降水中心及分布。

图 9 2008年6月16—18日(a—c)Grain、(d—f)CMPA_Daily、(g—i)TRMM 3B42及(j—l)GPCP资料逐日降水空间分布Fig. 9 Day-to-day spatial distribution of precipitation from 16 to 18 June 2008 over China described by Grain(a-c)，CMPA_Daily(d-f)，TRMM 3B42(g-i) and GPCP(j-l)datasets

图选项

Grain显示，17日的降水加强，并北上东移到达江淮地区，呈现出一条自江苏至广东的东北—西南向强降水带。在浙江与江苏交界处，中心降水强度超过100 mm/d，能较为准确地反映出该降水带中心强度及位置的资料是CMPA_Daily。TRMM 3B42以及GPCP在降水带东北部(安徽、江苏及浙江省境内)的大值降水中心明显断裂，安徽省境内的降水中心较站点观测偏北，且GPCP在浙江与江苏交界处的降水量明显偏小。18日，东北—西南走向的降水带减弱并南退，大部分地区降水强度降到50 mm/d以下，只有广东和广西南部沿海地区仍存在大于80 mm/d的降水。CMPA_Daily均能反映降水撤退及局地大值降水分布。TRMM 3B42的降水带强度虽然偏小，但在江西东侧整条降水带强度仍超过80 mm/d，而广西和广东的中心降水大值在80 mm/d以下，明显低于站点观测。而GPCP的降水中心值更小。

整个强降水事件监测表明：CMPA_Daily产品可以较为准确地反映出降水分布结构以及强度，在站点密集地区与Grain相似。TRMM 3B42可以较为细致地表现降水分布结构，体现了高分辨率资料的特点，但对降水强度和雨区形状的反映能力低于CMPA_Daily。而GPCP因分辨率较低，只能大致反映降水分布型，不能细致分析局地降水，且降水中心值一般偏小。

另外，在观测站点较少的青藏高原地区，由观测值插值产品Grain基本不能反映降水分布型。而CMPA_Daily和TRMM 3B42融合降水产品在这些区域可以呈现出更完整合理的降水分布型。此外，由于CMPA_Daily在数据处理过程中利用概率密度函数法订正了卫星反演降水的系统误差，因此，既使在观测站点稀疏区融合产品的降水量也更加准确。例如可以看到新疆西北地区降水量更接近站点观测值。6 结论与讨论

基于国家级地面观测气象站与CMORPH卫星降水资料，利用概率密度函数和最优插值法两步数据融合方法，研制了中国区域1998年以来的日、0.25°×0.25°分辨率的融合降水量产品CMPA_Daily。首先通过独立检验数据，定量对比了CMPA_Daily与国际上广泛使用的TRMM 3B42和GPCP产品误差的时空分布和随降水量的变化。在此基础上，对比分析了各种降水产品在描述中国降水气候平均特征、降水强度、频率、年际变化以及强降水事件监测方面的精度。主要结论如下：

(1)独立样本检验表明，在误差的时间变化和空间分布上，CMPA_Daily均具有最高的相关系数和最小的平均偏差和均方根误差，TRMM 3B42其次，GPCP的误差相对较大。CMPA_Daily产品因融入了更多的站点观测信息，不论在中国东部沿海，还是中西部地形复杂区，其精度均优于TRMM 3B42和GPCP产品，即使在站点稀疏的青藏高原地区，CMPA_Daily也更接近站点观测降水量，呈现明显的高相关。在地形起伏剧烈时CMPA_Daily的相关系数变化幅度不大。而TRMM 3B42和GPCP的相关系数随着地形变化幅度陡变而降低。CMPA_Daily只低估了大暴雨，而TRMM 3B42低估了大雨以上量级的降水，GPCP低估了除小雨以外的所有降水。尤其对于大雨来说，CMPA_Daily产品相对偏差在10%以内，其误差范围明显优于TRMM 3B42(30%以内)和GPCP(60%以内)产品。

(2)从气候特征来看，在站点分布较密的东部地区，CMPA_Daily资料降水分布及量值整体上与地面观测分析资料(Grain)最为相似。GPCP资料因空间分辨率低，不能反映出降水落区的细致变化。TRMM 3B42降水量与CMPA_Daily相近，而CMPA_Daily在中国东部降水大值区的降水空间分布上则更能反映小尺度降水特征。此外，各种降水产品在中国西部观测站点稀疏区降水强度空间分布型较为接近，较地面插值产品更为合理，体现了融合产品在观测站点稀少时对降水分布的描述具有优势。

(3)由于卫星反演降水可以分辨小降水，3种卫星融合产品的降水频率较地面观测资料高，对于夏季小降水容易发生的北方地区，卫星融合降水资料对降水频率的描述更加合理。CMPA_Daily在东部沿海地区的降水频率分布较TRMM 3B42和GPCP 资料更能凸出局地变化。在中国西部地区，CMPA_Daily与TRMM 3B42均能表征出高原上空大片且与地形相关的高降水频率区，而Grain和GPCP不能完全反映。

(4)CMPA_Daily在表现中国东部降水的年际变化上有一定优势，年际降水偏多和偏少的特点最接近站点观测资料，TRMM 3B42与CMPA_Daily降水量大小和年际变化趋势都较为一致，而GPCP表现出的年际变化趋势差异较大。

(5)强降水过程监测方面，CMPA_Daily产品可以较为准确地反映出降水分布型以及强度大小。TRMM 3B42也可以较为细致地表现降水分布结构，但对降水强度大小和降水落区形状的准确度低于CMPA_Daily。而GPCP资料因分辨率较低，只能大致反映降水分布型，无法反映降雨的局地性，且降水中心值偏低。而在站点分布较稀的青藏高原地区，CMPA_Daily及TRMM 3B42均能呈现更完整合理的降水分布。

可见，CMPA_Daily产品因合理地融入了中国更多的站点观测信息，在误差范围以及反映中国降水气候态特征、年际变化以及强降水过程监测上，均较国际上同类产品具有一定优势，在中国的中东部大部分地区对降水的估计精度更高。另外，由于融入卫星资料，在中国站点稀疏区体现了卫星资料对降水分布型的合理性，较站点观测插值资料对降水分布型的描述更准确。CMPA_Daily作为中国区域高分辨率高精度的逐日融合降水产品，预期将在中国天气、气候、水文等研究领域得到广泛使用。

致谢： 美国国家环境预测中心(NCEP)气候预测中心(CPC)的谢平平博士为方案的设计提供了许多宝贵的建议与程序和CMORPH数据支持；中国国家气象信息中心资料质量控制团队提供了经过质量控制后的地面站点观测数据，在此一并表示感谢。