降水是气候变化研究重点关注的问题，其分布和异常可能导致灾害的发生，因此倍受关注^[1]，降水资料缺乏限制了降水问题的研究。高精度的格点降水资料是大气、气候、水文、生态模式所需的重要输入参数，也是检测和评估模式预报、预测准确性的必要数据^[2]。20世纪以来，气象学家一直致力于创建和改善全球降水长序列资料，进行了大量的研究工作，根据不同的研究方向和使用目的，建立了不同版本的全球或区域格点数据集，到21世纪初期已陆续发展了多个具有代表性的全球陆地和海洋的降水序列^[3]。近年来，我国气象工作者利用这些降水资料库对降水频率、降水强度以及不同等级降水变化特征的研究逐渐增多，韩振宇等^[4]利用APHRO资料与我国559个台站观测资料对比，考察了该降水资料在我国的适用性，认为该资料可以准确表征雨带的季节性移动，但降水强度偏弱；李锐等^[5]利用GPCP和TRMM (Tropical Rainfall Measuring Mission) PR (Precipitation Radar) 资料，分析了热带地区月平均降水差异及主要原因，认为这两种资料能反映热带降水的主要分布特征，但降水强度和范围存在差异；自勇等^[6]利用GPCP资料比较分析了其在中国大陆与实况降水的异同，认为在中国台站雨量计分布密集地区 (100°E以东) GPCP日平均降水分布与实况降水具有很好的一致性；闻新宇等^[7]利用CRU资料揭示了中国年降水量在1951—2000年的变化，其结果与160个站观测相吻合, 认为中国东部四季降水量和重建资料十分一致, 秋季一致性最好；唐佳等^[8]利用1979—2009年JRA-25和NCEP/NCAR再分析资料揭示了东亚地区夏季850 hPa风场变率的优势模态；吴正华等^[9]利用NOAA/NACR高空再分析格点资料及同期北京夏季相当暴雨日数及太平洋海面温度资料，进行了北京旱涝对比和相关分析。但这些降水资料是否适用于有着特殊地理位置的云南及周边地区，是否能合理描述云南及周边地区的降水变化特征，不同种类、不同分辨率资料在该地区的适用性有何异同，仍需进一步进行分析。

本文采用云南及周边地区降水资料，包括云南全部、贵州西部、广西西部、四川南部, 该区域内纬度低于30°，海拔高度为2000 m左右，地处我国西南边陲，南近海洋，北倚青藏高原，属于亚热带季风气候，地理环境复杂，气候环境多变，降水受到夏季风及复杂地形的综合影响，有明显的季节性和区域性特征，造成了各地降水的不均匀。本文选取了5套格点降水资料，比较了它们在云南及周边地区的适用性，并与测站月降水量的差异性进行了对比分析。

本研究均选用5套格点降水资料21°~29.5°N, 97°~107°E范围数据。

① APHRO  日本综合地球环境研究所 (RIHN) 和日本气象厅气象研究所 (MRI/JMA) 建立了一套逐日的高分辨率网格化降水数据集^[10]，包括4个子数据集，分别描述季风区 (MA)、中亚 (ME)、俄罗斯 (RU) 及日本 (JA) 的降水特征^[1]。本文使用的数据集是APHRO_MA_050_V1003R1, 时间为1951—2007年，水平分辨率为0.5°×0.5°，本文将该资料简称为APHRO。该数据由综合地球环境研究所 (APHROODITE’S Water Resourced) 提供 (网址为www.chikyu.ac.jp/precip)。

② GPCC  全球降水气候中心 (Global Precipitation Climatology Centre) 研制了一个技术先进的资料选择、质量控制及客观内插系统进行全球陆地雨量计观测分析^[11-12]。本文使用GPCC数据集中的gpcc_full_data_v005_05_degree，为月降水量完全数据，水平分辨率为0.5°×0.5°，时间为1951—2009年，本文将该资料简称为GPCC。该资料由全球降水气候中心提供 (网址为ftp-anon.dwd.de/pub/data/gpcc/)。

③ CRU  英国East Anglia大学气候研究部 (Climatic Research Unit) 建立了一套覆盖完整、高分辨率且无缺测的平均地表气候要素数据集, 这套数据集是通过将气象站点的实际观测资料插值到经纬度格点上得到。提供的地表气候要素数据集包括平均气温、最高气温、最低气温、降水量、云量、日较差、水汽压、霜日和露日^[13-15]。本文使用的数据集为月降水量资料，水平分辨率为0.5°×0.5°，时间为1951—2006年，这里简称为CRU。该资料由英国East Anglia大学气候研究部提供 (网址为 www.cru.uea.ac.uk)。

④ CMAP  降水资料研究计划CMAP (CPC Merged Analysis of Precipitation) 构建了较完整的、整体质量较好的全球格点降水资料集^[16-17]。本文使用CMAP提供的月降水量资料，水平分辨率为2.5°×2.5°，时间为1979—2009年，本文将该资料简称为CMAP。该资料由地球系统研究实验室提供 (网址为www.esrl.noaa.gov/psd/data/gridded/data.cmap.html)。

⑤ GPCP  全球降水气候计划 (the Global Preciptation Climatology Project, GPCP) 融合红外和微波对降水量的估计，结合全球约6000个地面气象站点的雨量计观测，给出了自1979年至今的2.5°×2.5°格点上全球逐月降水量数据^[18-19]。本文使用GPCP提供的全球月降水量资料，水平分辨率为2.5°×2.5°，时间为1979—2009年。本文将该资料简称为GPCP。该资料由地球系统研究实验室提供 (网址为www.esrl.noaa.gov/psd/data/gridded/data.gpcp.html)。

本文使用的台站观测资料由中国气象局整编，研究对象为云南及周边地区地面气候月降水量资料。经过较严格的质量控制，选取云南及周边地区地面台站148个，包括云南省124个台站、四川省9个台站、贵州省11个台站和广西省4个台站，对比5套格点降水资料的时间长度，最终选取其中的1979—2006年降水资料作为研究对象 (图 1)。

图 1

图 1. 台站分布示意图 Fig 1. Location of rain gauge stations

最邻近点插值方法、双线性插值算方法是广泛应用的插值算法。最邻近点插值方法是一种非线性插值方法, 但质量不高。双线性插值方法减轻了在最邻近插值中出现的阶梯状直线边界的问题，变换后的图像质量高, 连续性好^[20-21]。本文采用双线性插值方法将5套格点降水资料数据插值到站点，采用EOF分解、相关分析等方法对5套格点降水资料的降水分布型态及与STN的差异进行对比分析。

图 2给出了5套格点降水资料与STN 1979—2006年共28年平均日降水量空间分布，图中左下角数值表示各套格点降水资料与STN相关系数r、均方根误差E_RMS。

图 2

图 2. 5套格点降水资料与STN 1979—2006年平均日降水量的空间分布 (单位：mm) Fig 2. Spatial distributions of five precipitation datasets and STN averaged daily precipitation during 1979—2006 (unit:mm)

由图 2可以看出，STN资料显示云南及周边地区的降水呈现U形分布，平均日降水量自南向北递减，其中滇南、滇西北及滇黔桂三省交界降水量偏多，云南景洪东部、思茅东南部平均日降水量大于4 mm，滇中、滇北及川南降水偏少，其中云南中甸一带平均日降水量少于1 mm。STN分布表明：降水分布的最大水平梯度位于滇南、滇西北，滇、黔、桂三省交界处也呈现较大的水平梯度。另外，选定1月代表冬季，7月代表夏季。1月及7月平均日降水量分布 (图略) 也反映了雨带分布的U形特征，1月和7月平均日降水量分布差异明显，7月明显大于1月，1月各地平均日降水量基本在0.9 mm以下，平均日降水量水平梯度大值中心位于滇南、滇西北，平均日降水量达到1~3 mm，滇中、滇北降水偏少，其中滇北小于0.2 mm，而7月，平均日降水量明显加大，滇南最大平均日降水量可达13 mm，而滇、黔、桂三省交界处平均日降水量也较大，可达10~12 mm。

从图 2中APHRO资料的平均日降水空间型态分布可以看到，云南及周边地区平均日降水量存在一定的空间不均匀性，APHRO资料对此空间分布特征的描述与STN较为一致, 也体现出从北部和中部向东、南、西递增的趋势，降水最大水平梯度中心位于滇西北及滇南，表明APHRO与STN平均日降水量的空间分布型态差异很小，但仍存在差异，7月APHRO在滇、黔、桂三省交界处未出现降水梯度大值区 (图略)，此外，降水量级分布也有差异，APHRO降水强度小于STN。

其他4套格点降水产品的平均日降水量空间分布特征也与STN较为一致，基本都存在U形降水分布特征，在滇南均出现最大水平梯度中心，差异也存在，其中CRU，CMAP，GPCP在滇西北、滇桂黔交界处未出现最大梯度中心，等值线稀疏，其空间分布与STN有较明显差异。

本文对5套格点降水资料28年平均日降水量、1月及7月平均日降水量进行EOF分解，对累积方差贡献率进行统计，采用North等^[22]提出的计算特征值误差范围的方法对前10个模态进行显著性检验 (详见表 1)。

表 1

表 1 5套格点降水资料与STN平均日降水量EOF分析统计结果 Table 1 The EOF results of daily precipitation of five precipitation datasets and STN 统计量 STN APHRO GPCC CRU CMAP GPCP 第1模态方差贡献率/% 30.90 42.57 43.46 47.62 66.43 66.86 第2模态方差贡献率/% 9.35 13.26 14.86 19.71 11.47 15.75 前3个模态累积方差贡献率/% 46.82 63.59 65.72 77.25 86.13 89.70 累积方差达到90%时所需的最少主分量个数 18 11 10 6 5 4 通过显著性检验的模态个数 4 6 3 4 3 4

表 1 5套格点降水资料与STN平均日降水量EOF分析统计结果 Table 1 The EOF results of daily precipitation of five precipitation datasets and STN

分析表 1可知，对于格点降水资料多年平均日降水量APHRO的第1模态、前3个模态贡献率均最低；其次为GPCC, CRU, CMAP；GPCP最高。第2模态差异不明显。选取90%的累积方差贡献率时，APHRO所需主分量个数最多；其次为GPCC, CRU, CMAP；GPCP最少。可见APHRO的降水场变化比其他4套格点降水资料的要复杂，APHRO所能提取出来的降水场信息最接近STN，GPCP的降水场变化最简单，与STN的降水信息差别也最大；通过显著性检验的模态个数APHRO最高，其他4套格点降水资料差异不明显。从季节上分析，5套格点降水资料与STN 1月的第1模态、第2模态、前3个模态的贡献率均比7月偏高 (表略)；选取同样大小的累积方差贡献率，7月所需主分量个数大于1月，可见1月能够提取降水场变化的信息比7月多，1月降水场的大尺度特征比7月明显，即7月降水场变化远比1月复杂。

根据EOF方法统计原理，如果特征向量的各分量均为同一符号函数，说明该区域变量变化趋势基本一致，反之，则代表了两种分布类型。图 3给出了5套格点降水资料与STN EOF分解第1模态空间形态，r表示各套资料的第1空间特征向量与STN的第1空间特征向量的相关系数。由图 3可以看出，STN特征向量空间分布基本为正值，说明降水量空间分布受大尺度气候异常的影响，表现为全区较一致的多雨或少雨，但在滇西北、川南特征根出现负值，说明该地区的降水变化与云南及周边其他地区反位相。另外，1月特征向量空间分布基本为正值，说明降水空间分布表现为全区一致的多雨或少雨 (图略)。7月特征向量在滇西北、滇东北、川南一带出现负值，说明这些地区降水变化与云南及周边的其他地区相反 (图略)。

图 3

图 3. 5套格点降水资料与STN的EOF第1模态空间形态 Fig 3. Spatial distributions of leading EOF modes of five precipitation datasets and STN

由图 3可知，5套格点降水资料的第1模态空间分布与STN较为一致，APHRO正负值区域位置分布与STN一致，只是负值面积略减小。GPCC 1月未出现负值区，7月空间分布负值面积有所增大 (图略)，位置不变，而年平均的负值位置一致，但面积明显减小，与STN分布基本保持一致。CRU，CMAP的空间分布与STN有较明显差异，1月及7月分布均未出现负值区 (图略)。GPCP在7月出现较小区域的负值区，与STN相比有较明显差异 (图略)。

时间系数的正负可反映降水的变化，通过5套格点降水资料与STN第1时间系数年际变化 (图略) 可知，云南及周边地区多年平均日降水量基本模态为2~3年的降水偏少，接着有2~3年的降水偏多，然后又有2~3年的降水偏少，这种周期特征比较明显，1997—2002年虽有波动，但降水基本呈偏高趋势，未出现明显的周期性偏少。另外，云南及周边1月降水的基本模态为2~3年的降水偏少，接着有2~3年的降水偏多，一般不会出现连续5年及以上的异常多雨或少雨，这种周期特征与年降水规律较为一致。而7月降水的基本模态周期特征不明显，例如，1979—1985年连续6年降水偏少，随后两年降水偏多，1994—2002年连续9年降水偏多，随后进入一个降水偏少期。

相关系数是衡量两个样本数据之间关系密切程度的量，而均方根误差是衡量两个样本波动大小的重要指标，是数据偏离真实值距离的平均数，能反映数据集的离散程度。本文计算了5套格点降水资料与STN的相关系数及均方根误差，并对相关系数进行了t检验。

图 4给出了5套格点降水资料与STN的相关系数及均方根误差的空间分布，相关系数为0.37, 达到0.05显著性水平，阴影区为相关系数达到0.05显著性水平的区域，等值线为均方根误差，由图 4可知，5套格点降水资料与STN的相关较好，大部分地区达到了0.05的显著性水平，但在滇南、滇西北、川南一带的一致性较差，未通过显著性检验的站点大都集中于此，而滇南、滇西北也是降水高值集中值区域。由1月和7月的相关系数空间分布可知 (图略)，1月相关系数空间分布高于7月，7月未达到0.05显著性水平范围明显大于1月，1月平均日降水量均方根误差较小，低于0.6 mm，7月平均日降水量均方根误差较大，平均值大于2 mm。未达到0.05显著性水平、均方根误差大值区多位于滇南、滇黔川交界、滇黔桂交界处。从5套格点降水资料分布特征看，APHRO与STN的一致性较其他4套格点降水资料好，GPCC次之，CMAP与GPCP差异不明显，CRU最差，未达到0.05显著性水平的区域最大。从5套格点降水资料与STN的对比结果看，APHRO的均方根误差较其他3种偏低，而相关最高; CRU均方根误差最大，相关最低。

图 4

图 4. 5套格点降水资料与STN相关分布 (阴影区) 及平均日降水量均方根误差分布 (等值线，单位：mm) Fig 4. Spatial distributions of correlation coefficients (shadow area) of five precipitation datasets to STN and mean square error of averaged daily precipitation with STN (isoline, unit: mm)

图 5给出了5套格点降水资料与STN的相关系数及均方根误差的时间上的分布，相关系数为0.16, 达到0.05显著性水平。由图 5a可知，5套格点降水资料与STN的相关系数都随时间波动，1998年相关系数均最低，而在1992, 2001年均较高。另外，1月相关系数明显大于7月 (图略)。5套格点降水资料呈现的整体效果较为一致，APHRO资料的相关系数最高；其次是GPCC；CRU的相关系数最低。其中，APHRO，GPCC及CMAP 3套资料1月和7月相关系数全部达到0.05显著性水平；CRU资料1月中的1981，1998年未达到0.05显著性水平，7月中1998，2002，2004，2005年共有4年未达到0.05显著性水平 (图略)；GPCP资料1998年7月未通过显著性检验，1月全部通过检验 (图略)。由图 5c可知，5套格点降水资料的相关系数随季节呈较为一致的波动，6，7，8，9月相对较小，9月以后开始增加，11月达到较高值，随后有所下降，但仍维持较稳定的趋势，一直到5月进入夏季后开始下降，进入一年中相关系数最低时期。APHRO，GPCC在6，7，8月效果最好，与其他3套资料相比相关系数明显偏高，APHRO在1—4月的效果也明显好于其他格点降水资料。CMAP及GPCP在10，11月效果最好，与APHRO差距最小，但仍有较大差距。比较5套格点降水资料可知，APHRO的相关系数最高，其次是GPCC，CMAP及GPCP的效果无明显差别，CRU效果最差，在6月达到最低值，仅为0.32。

图 5

图 5. 5套格点降水资料与STN的相关系数及均方根误差年际和年变化 (a) 相关系数年际变化，(b) 均方根误差年际变化，(c) 相关系数年变化，(d) 均方根误差年变化 Fig 5. Changes of correlation coefficients and mean square errors between five precipitation datasets and STN (a) inter-annual correlation coefficients, (b) inter-annual mean square error, (c) annual correlation coefficients, (d) annual mean square error

由图 5b可知，5套格点降水资料与STN平均日降水量的均方根误差年际变化具有较为一致的波动性。7月均方根误差远大于1月，表明云南及周边地区夏季年际变化远大于冬季 (图略)。由图 5d可知，均方根误差随季节波动，6，7，8月较大，7月达到最高值，随后逐渐减小，12，1月达到最低值，以后又开始增加，7月达到最高值。5套格点降水资料11，12，1，2月平均日降水量均方根误差差异不大，但在夏季差异明显。APHRO在各月的均方根误差均最低，与STN误差最小；GPCC次之；CMAP，GPCP，CRU的均方根误差变化趋势相似。其中，CRU均方根误差略高于CMAP及GPCP，在11，12，1月均方根误差相对其他月份偏小，但与APHRO相比，仍有较大差距。比较5套格点降水资料可知，APHRO的均方根误差最小；其次是GPCC；CRU的均方根误差最大。比较图 5a, 5c与图 5b, 5d可知，5套格点降水资料与STN相关系数及均方根误差的波动变化基本为反相位，即相关系数的小值区对应均方根误差的大值区。

由图 6可知，APHRO对降水有偏低的估计趋势，GPCC与APHRO相比，偏差正负区域位置变化不大，总体呈偏弱趋势，但偏弱幅度小于APHRO；CRU资料与APHRO相比存在较明显差异，偏差值明显增大；CMAP资料与CRU所描述的偏差位置较一致，只是偏强幅度没有CRU明显；GPCP整体呈现明显偏强趋势，其正值中心也出现在滇中、滇西北、滇桂黔交界一带，负值中心位于滇南，正负中心的位置与其他4套资料出现的位置较一致。即5套格点降水资料正负偏差的位置较为一致，只是偏差范围有所不同，其中APHRO，GPCC估计偏弱，GPCP降水估计明显偏高，CRU，CMAP趋势尚不十分明确。

图 6

图 6. 5套格点降水资料与STN平均日降水量偏差的空间分布 Fig 6. Spatial distributions of daily precipitation deviation of five precipitation datasets to STN

由图 7a，7b，7c可知，5套格点降水资料与STN的偏差随季节波动并不一致，其中GPCP，CMAP波动较一致。由图 7a可知，GPCP，CRU对降水均有过高的估计，GPCP表现尤其明显；APHRO，GPCC对降水均有过低的估计；CMAP的降水估计趋势不明确。由波动幅度可知，APHRO及GPCC的波动幅度远不及GPCP和CRU，也就是说，GPCP，CRU对降水的过高估计的量级大于APHRO及GPCC对降水估计偏低的量级。由图 7b可知，1月5套格点降水资料整体呈偏弱趋势，APHRO，GPCC波动幅度小，趋势不明确，GPCP，CMAP，CRU波幅较大，且整体呈偏弱趋势。7月GPCP，CRU对降水有过高估计的趋势 (图 7c)，且幅度较大；而APHRO及GPCC对降水有过低估计，幅度小于GPCP及CRU；CMAP尚不明确。由图 7d可知，APHRO，GPCC各月均为负值，说明这两套资料对降水估计偏低，CRU在1月、2月、3月、12月均为负值，说明该时段CRU对降水估计偏低，而在6月、7月、8月、9月对降水均有过高的估计，在4月、5月、10月、11月对降水估计较好。CMAP在4月、5月、8月、9月对降水估计偏高，而在其余的8个月里均有偏低的降水估计，在3月达到最低值，为-13.50%。而GPCP对降水估计明显偏高，3—9月表现明显，在4月达到最大值，为18.73%，只在1，2月对降水估计偏低。

图 7

图 7. 5套格点降水资料与STN平均日降水量偏差年际变化及相对误差年变化 (a) 全年平均日降水量偏差，(b) 1月平均日降水量偏差，(c) 7月平均日降水量偏差, (d) 相对误差年变化 Fig 7. Average deviation of five datasets to STN with the relative error (a) the deviation of daily precipitation throughout the year, (b) the deviation of daily precipitation in Jannary, (c) the devation of daily precipitation in July, (d) annual changes of the relative error

综合以上的分析结果，表 2给出了5套格点降水资料与STN资料平均日降水量对比结果。

表 2

表 2 5套格点降水资料与STN效果对比 Table 2 The comparison among five precipitation datasets and STN 降水资料 相关系数 均方根误差/mm 第1模态方差贡献率/% 与STN的相对误差/% APHRO 0.81 1.04 42.57 -4.73 GPCC 0.70 1.20 43.46 -3.84 CRU 0.51 1.52 47.62 2.91 CMAP 0.58 1.41 66.43 -0.39 GPCP 0.57 1.46 66.86 11.34

表 2 5套格点降水资料与STN效果对比 Table 2 The comparison among five precipitation datasets and STN

分析表 2可知，APHRO与STN的相关系数最高；GPCC次之；CRU与STN的相关最差。5套格点降水资料的均方根误差变化趋势与相关系数接近，也是APHRO的均方根误差最小；GPCC次之；CRU最差。由EOF分析可知，APHRO的第1模态方差贡献率最低，其次为GPCC；GPCP最高；APHRO, GPCC对降水估计偏低；CRU对降水估计稍偏高；GPCP对降水估计明显偏高，达到了11.34%；CMAP对降水估计略偏低，仅为-0.39%。这些统计结果仅基于1979—2006年平均，并不代表CMAP对降水估计能力好于其他产品。

1) 5套格点降水资料能较准确描述云南及周边地区气候分布特征及降水异常变化，但在滇南、滇西北、滇川黔交界的3个区域分布特征与STN有较大不同，第1模态特征根负值区、未达到0.05显著性水平区域、均方根误差的大值区、与STN偏差大值区大都集中于此。

2) 各套格点降水资料与STN在1月的相关系数明显大于7月，而均方根误差明显小于7月，即相关系数与均方根误差的波动基本呈反相位；各套格点降水资料EOF分布特征与STN具有较一致的波动性。

3) 在降水空间分布、相关系数及均方根误差3个方面，APHRO适用性最好，GPCC次之，CMAP与GPCP无明显差别，CRU最差；APHRO的第1模态、前3个模态贡献率在5套格点降水资料中均最低；其次为GPCC，CRU，CMAP；GPCP最高；APHRO，GPCC在各月均对降水估计偏低，CRU对降水估计总体稍高，CMAP略偏低，而GPCP对降水估计明显偏高，且幅度最大，特别是当降水强度增大时，这一趋势更为明显。

综合上述分析结果可知，APHRO适用性最好，GPCC次之，二者对降水的估计均偏弱；GPCP最差，降水估计明显偏强。总之，这5套格点降水资料基本能够描述云南及周边地区降水的时空分布特征，但本文分析结果表明：各套格点降水资料在描述降水强度方面较台站资料仍存在较明显偏差，特别是在夏季降水增大时，该偏差更为明显。由于在数据处理时使用了双线性插值方法，因此分析比较结果会受到插值方法的影响。参考前人所做的工作，APHRO和GPCP在云南及周边地区的适用性比在东部平原地区差，但是比西藏、新疆等地区要好^[4-6]，其他3种资料尚无相关工作对比。由于GPCC，CRU，CMAP和GPCP资料的实时性和时间分辨率较低, 故其整体效果较APHRO差。另外，分辨率低的产品 (CMAP，GPCP) 的适用性明显比分辨率高的产品 (APHRO，GPCC) 差，但CRU的分辨率为0.5°×0.5°，其适用性比分辨率为2.5°×2.5°的CMAP和GPCP要差，因此在不同地区分析应用相关资料时有必要进行多种资料的比较分析，不能单纯依赖某一种资料。另外，本文在对各套格点降水资料与STN进行对比分析时，仅使用了云南及周边地区的148个台站的资料，而对我国其他地区的对比分析尚未涉及，这也是下一步研究工作的目标和方向。