多源降水融合产品在新疆暖季的适用性评估

Applicability Assessment of Multi-Source Precipitation Fusion Products in the Warm Season in Xinjiang

摘要

基于新疆1 889个自动气象站降水观测资料，检验评估了由中国区域融合降水分析系统（CMPAS）发布的2020—2023年5—9月（暖季）多源降水融合产品在新疆的适用性，结果表明：2022—2023年多源降水融合产品与实测降水的各项检验指标较2020—2021年明显变优，近2年二者的相关系数和TS评分已分别从0.86和0.648上升至0.939和0.854，增幅为9.2%和31.8%，均方根误差从0.692 mm降低至0.484 mm，降幅为30%，空报率从0.325降至0.101，降幅高达68.9%，漏报率变化不大。暖季各月中，8月降水融合产品综合质量最好；在实测降水较大时段（15—21时），降水融合产品与实测降水的相关系数较大且相对稳定，但由于空报率、漏报率较高导致TS评分略低。多源降水融合产品与实测降水的检验指标随降水强度增大而变差，但差距呈逐年减小的趋势。降水融合产品质量较差区域主要集中在北疆西北部、天山山区中段南北两侧、南疆西部、昆仑山北坡、阿勒泰山区及东疆地区。2022—2023年与前2年相比，降水融合产品与实测降水的各项指标在不同时间尺度、不同降水等级及不同海拔高度的检验评估中质量均明显变优，说明2021年下半年降水融合产品算法的优化对产品质量提升效果显著。

Abstract

Based on the precipitation observation data from 1 889 automatic meteorological stations in Xinjiang, this study assesses the applicability of the multi-source precipitation fusion product (with a spatial resolution of 1 km and a temporal resolution of 1 hour) released by the CMA Multi-source Precipitation Analysis System (CMPAS) for the warm season (May to September) from 2020 to 2023. The results show that the product has significantly improved in 2022-2023 compared to the 2020-2021 period across all evaluation indicators. The correlation coefficient (COR) and TS score in 2022-2023 increased from 0.86 and 0.648 to 0.939 and 0.854, respectively, representing an increase of 9.2% and 31.8%. The root mean square error decreased from 0.692 mm to 0.484 mm, a reduction of 30%. The false alarm rate dramatically decreased from 0.325 to 0.101, a reduction of 68.9%, while the missed rate showed no significant change. Among the months of the warm season, the comprehensive quality of the precipitation fusion product was the best in August. During periods of high actual precipitation (15:00-21:00), the correlation coefficient between the precipitation fusion product and the actual precipitation was relatively high and stable. However, the TS score was slightly lower due to the higher false alarm rate and missed rates. The performance of the multi-source precipitation fusion product deteriorated with increasing precipitation intensity, but the gap was trending downward annually. The areas with relatively poor precipitation fusion product quality are mainly located in the northwest of northern Xinjiang, the middle section of the Tianshan Mountains (both northern and southern slopes), the western part of southern Xinjiang, the northern slope of the Kunlun Mountains, the Altay Mountains, and the eastern Xinjiang region. Compared to the 2020-2021 period, the quality of the precipitation fusion product improved significantly in 2022-2023 across various time scales, precipitation intensities, and altitudinal ranges. This indicates that the optimization of the precipitation fusion product algorithm in the second half of 2021 has significantly enhanced the product accuracy and reliability.

Graphical abstract

关键词

降水融合产品 / CMPAS / 暖季 / 适用性评估

Key words

precipitation fusion product / CMPAS / warm season / applicability assessment

降水是研究天气预报和气候变化的焦点问题，在大气循环中扮演着重要的角色。新疆位于欧亚大陆腹地，属温带大陆性干旱气候，地形广袤，气候复杂，山区、戈壁、绿洲和沙漠交错分布。近年来全球气候变暖，新疆极端暴雨的频率和强度明显增加^[1-5]，给当地经济发展、居民生活和水库安全带来了巨大的挑战^[6-7]。新疆观测站点稀少且分布不均，特别是高海拔山区气象监测能力较弱，无法全面掌握降水状况，使用网格化、高分辨率的降水融合产品是解决这一问题的有效途径。

2014年中国气象局国家气象信息中心在引进国际先进融合技术的基础上，自主创新建成了业务化的中国区域融合降水分析系统（CMA Multi-source Precipitation Analysis System，CMPAS）^[8-9]。该系统基于“概率密度函数+贝叶斯模型平均（BMA)+最优插值”方法，引入雷达定量降水估测产品，研制出时间分辨率为1 h、空间分辨率为5 km的地面、卫星、雷达三源融合降水产品^[8-11]，并在2016年将空间分辨率提高至1 km。2020年三源降水融合产品实现了实时业务发布，产品范围为全国陆地区域（70°～140°E，0°～60°N)，空间分辨率为1 km，时间分辨率为1 h。2021年下半年，国家气象信息中心对降水融合产品算法进行了优化。多源降水融合产品虽然具有高时空分辨率，但使用前还需进行适用性检验评估。目前该产品已在全国多个省市进行本地化检验评估^[12-16]，在新疆的适用性、2021年产品算法优化的效果尚不清晰。本文应用2020—2023年5—9月降水观测资料，对空间分辨率1 km、时间分辨率1 h的多源降水融合产品在新疆地区的适用性进行检验评估，以期为新疆智能网格预报检验、精细化预报服务等提供参考。为了更好地分析2021年算法优化的效果，将降水融合产品分为2020—2021年和2022—2023年2个数据集。

1 资料与方法

降水观测资料选用2020—2023年5—9月新疆气象信息中心1 889个自动气象站小时降水观测数据；2020—2023年5—9月降水融合产品时间分辨率为1 h，空间分辨率为1 km。采用邻近插值法将降水融合产品插值到观测站点进行检验和评估，检验方法及指标参考中国气象局关于降水融合产品检验评估的要求细则，选用相关系数（COR，C_OR）、相对误差（RE，R_E）、均方根误差（RMSE，R_MSE）、技巧评分（TS，T_S）、空报率（FAR，F_AR）、漏报率（MR，M_R）、偏差（BIAS，B_IAS）作为检验指标^[12-16]，公式如下：

C_{\mathrm{O}\mathrm{R}}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^N}(G_i-\overline{G})(O_i-\overline{O})}{\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^N}(G_i{-\overline{G})}^{\mathrm{2}}}\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^N}(O_i{-\overline{O})}^{\mathrm{2}}}}，（1）

R_{\mathrm{E}}=\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}\frac{(G_i-O_i)}{O_i}\times \mathrm{100}\mathrm{\%}，（2）

R_{\mathrm{M}\mathrm{S}\mathrm{E}}=\sqrt[]{\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}(G_i-O_i{)}^{\mathrm{2}}}，（3）

T_{\mathrm{S}}=\frac{\sum N_{\mathrm{A}}}{\sum N_{\mathrm{A}}+\sum N_{\mathrm{B}}+\sum N_{\mathrm{C}}}，（4）

F_{\mathrm{A}\mathrm{R}}=\frac{\sum N_{\mathrm{B}}}{\sum N_{\mathrm{A}}+\sum N_{\mathrm{B}}}，（5）

M_{\mathrm{R}}=\frac{\sum N_{\mathrm{C}}}{\sum N_{\mathrm{A}}+\sum N_{\mathrm{C}}}，（6）

B_{\mathrm{I}\mathrm{A}\mathrm{S}}=\frac{\sum N_{\mathrm{A}}+\sum N_{\mathrm{B}}}{\sum N_{\mathrm{A}}+\sum N_{\mathrm{C}}}。（7）

式中：O_i 为站点小时降水观测数据，G_i 为降水融合产品插值到站点得到的数值。删除降水观测值和融合值均为0的样本。N为参与检验样本数量，N_A表示观测与降水产品均有降水产生的站点数量，N_B表示降水产品发生而观测不发生的站点数量，N_C表示降水产品不发生而观测发生的站点数量。

2 结果分析

2.1 不同时间尺度适用性评估

2.1.1 年际特征

由2020—2023年暖季降水融合产品在新疆的检验（表1）可知，2022—2023年降水融合产品与实测降水的相关系数从2020—2021年的0.86上升至0.939，均方根误差减少约30%，降至0.484 mm；降水融合产品与实测降水的相对误差存在明显的阶段性差异，2020—2021年二者的相对误差为正，说明降水融合值较观测值偏大，2022—2023年二者的相对误差由正转负，说明近2年降水融合值表现出较观测值偏小的特征。导致降水融合产品与实测降水均方根误差明显减小的原因，可能是2022—2023年空报率从前2年的0.325降至0.101，漏报率稳定在0.055，由于空报率和漏报率的明显改善，使降水融合产品与实测降水的偏差降低、TS评分上升。2022—2023年降水融合产品的TS评分已上升至0.854，较2020—2021年上升了31.8%。2022年开始，降水融合产品的各项指标均明显变优，说明优化后的降水融合算法对产品质量提升效果显著。

2.1.2 月变化特征

从2020—2023年暖季逐月降水融合产品的评估结果（图1）可知，2020—2021年只有9月降水融合产品与实测降水的相对误差为负，说明9月降水融合值较观测值偏小，其他月份降水融合值均大于观测值；2022—2023年暖季所有月份相对误差为负，说明各月降水融合值较观测值偏小。与2020—2021年相比，2022—2023年降水融合产品与实测降水各月均方根误差减小、相关系数增大。2022—2023年各月降水融合产品的TS评分稳定在0.85左右，较前2年明显增大，主要源于2022—2023年各月空报率的大幅下降。2020—2021年各月降水融合产品的空报率为0.25～0.37，2022—2023年空报率稳定在0.1左右。近2年降水融合产品各月的漏报率与2020—2021年相比，变化趋势不一致。

综上，2020—2023年暖季降水融合产品与实测降水在8月相关系数最高、均方根误差最低，TS评分为最高或次高，主要原因是8月漏报率最低和较低的空报率，8月的降水融合产品在暖季各月中综合质量最好。9月降水融合产品与实测降水的相关系数较其他月份明显偏小，均方根误差为暖季各月中最大，TS评分为各月中最高或次高，主要原因是该月的漏报率和空报率均较低。近2年各月检验指标较2020—2021年明显变优且趋于稳定。

2.1.3 日变化特征

2020—2023年暖季降水融合产品各项检验指标日变化趋势如图2所示。新疆夏季降水呈明显的日变化特征（图2a），小时降水大值时段主要出现在午后至前半夜（15时—次日2时），后半夜至上午时段的降水量相对较小。14—23时，降水融合产品与实测降水的相关系数逐时变幅相对较小，其他时次波动较大。各时次降水融合产品与实测降水的相对误差具有明显的年际差异，2020—2021年5—13时基本为负值，降水融合值较观测值偏小，其他时次为正值，降水融合值较观测值偏大，15—23时相对误差明显大于其他时次；2022—2023年各时次二者的相对误差均为负，降水融合值低于观测值，18—23时相对误差最小。降水融合产品与实测降水的均方根误差全天波动变化，14时之后呈波动增大趋势， 15—18时达到最大。由图2e可知，0—8时是TS评分较高且变幅较小的时段，之后TS评分逐渐下降，最小值出现在16—17时。结合逐时空报率和漏报率分析发现，这两项指标8时开始缓慢波动上升，在午后达到最大，形成TS评分的日变化规律。降水融合产品与实测降水的偏差各时次均大于1，说明各时次的空报率均大于漏报率，0—12时偏差较小，空报率略大于漏报率，之后偏差缓慢上升，18—20时达最大，说明在实测降水较大的时段，空报率与漏报率的差异较其他时次更大。

降水融合产品与实测降水在各时次的检验指标有一定阶段性差异，15—21时是实测降水较多的时段，该时段二者的相关系数较大且相对稳定，但由于空报率、漏报率较高导致TS评分略低。此外，2020—2021年降水融合产品与实测降水各时次检验指标波动较大，2022—2023年检验指标明显变优。

2.2 不同等级降水适用性评估

按照中国气象局《中国区域降水网格实况分析产品全流程评估细则（2020版）》小时降水量和24 h降水量等级划分标准（表2），对降水融合产品进行分等级检验评估。24 h降水量统计时段为20时—次日20时，分级检验中使用了命中率（POD，P_OD）和成功率（SR，S_R）指标，公式如下：

P_{\mathrm{O}\mathrm{D}}=\mathrm{1}-M_{\mathrm{R}}，（8）

S_{\mathrm{R}}=\mathrm{1}-F_{\mathrm{A}\mathrm{R}}。 （9）2.2.1　日降水量

2020—2023年暖季融合产品日降水量与实测降水的分等级检验结果见图3～4。实测降水为小雨时，降水融合产品的相关系数为各等级降水中最大，2020—2021年其他等级降水融合产品相关系数波动相对较大，近2年各等级降水相关系数在0.8左右且差距不大。降水融合产品与实测各等级降水的相对误差，只有实测降水为小雨时，降水融合值较观测值偏大，其他各等级降水融合值均小于观测值，说明降水融合产品易高估小雨降水量，低估中雨及以上降水量。降水融合产品与实测降水的均方根误差随着降水等级的上升而逐渐增大，TS评分、命中率和成功率均随降水等级上升而逐渐减小、偏差逐渐偏离1。2022—2023年降水融合产品与各等级实测降水的相对误差明显低于2020—2021年，特别是实测降水出现小雨时，降水融合值与观测值的相对误差从前2年的近40%降至10%以下。

从暖季降水融合产品日降水量综合评估（图4）可知，2022—2023年与2020—2021年相比，各等级降水融合产品与实测降水的TS评分、命中率、成功率均明显增大，偏差趋于1，除大暴雨外其他等级降水的指标已非常接近。分析2022—2023年实测降水为大暴雨时降水融合产品的检验指标，发现2023年该级降水的相对误差、均方根误差较大，TS评分偏低，成功率为各等级中最小。2023年大暴雨降水检验样本数量只有12个，较其他年份明显偏少，可能是2023年该级降水各项检验指标表现不佳的原因。

与2020—2021年相比，2022—2023年各等级降水检验指标均呈质量变优、等级间差距变小的趋势，降水等级越高则逐年变幅越大。2023年实测降水为大暴雨时，降水融合产品各项检验指标质量明显偏差，说明降水融合产品在降水等级较高且样本数量较少时质量还不够稳定。

2.2.2 小时降水量

从2020—2023年暖季降水融合产品小时降水分等级检验结果（图5、6）可知，各等级小时降水融合产品与实测降水的相关系数随降水等级升高而减小，相对误差和均方根误差随降水等级升高而增大。只有2020—2021年小时降水等级为1级时，降水融合产品与实测降水的相对误差为正，说明降水融合值较观测值偏大，其他各等级降水融合值较观测值均偏小。各等级小时降水融合产品较实测降水的TS评分、命中率、成功率均随降水等级升高而减小，偏差大都小于1。2022—2023年较2020—2021年各等级小时降水融合产品的检验指标质量变优，质量增幅随量级上升而增大，各等级降水检验指标的差距逐年缩小。2022—2023年除实测降水为5级时检验指标质量稍差外，其他降水等级各项检验指标已经非常接近。

2.3 不同海拔高度适用性评估

按照站点的海拔高度，将参与检验的站点分为≤1.5 km、1.5～2 km、2～3 km和≥3 km 4个等级，各级站点数量分别占总站数的69.5%、16.1%、10.3%和4.1%。从2020—2023年暖季降水融合产品与实测降水在不同级别海拔高度检验结果（图7）可知，2020—2021年降水融合产品与实测降水的相关系数在海拔低于3 km站点为0.85左右，高于3 km站点的相关系数下降至0.69；2022—2023年海拔高于3 km站点降水融合产品的相关系数虽为各等级中最低，但较前2年已大幅提升至0.9。近2年各等级海拔高度站点的均方根误差明显减小，不同海拔高度间差异缩小。降水融合产品与实测降水的相对误差2020—2021年在海拔低于2 km站点为正、高于2 km为负，说明降水融合产品在低海拔地区容易高估，在高海拔地区容易低估；2022—2023年降水融合产品在不同海拔地区较观测值均低估。降水融合产品与实测降水在不同海拔站点TS评分差距不大，海拔低于1.5 km站点稍低。结合不同海拔站点的空报率和漏报率分析发现，空报率明显高于漏报率，海拔低于1.5 km站点的空报率高于其他海拔高度的空报率。空报率相对较高是导致海拔低于1.5 km站点TS评分偏低的主要原因。总体来看，2022—2023年降水融合产品与实测降水在不同海拔高度的各项指标较2020—2021年质量变优且趋于稳定。

统计各指标的站点数发现，总站数中有65.1%的站点降水融合产品与实测降水相关系数＞0.9，而相关系数＜0.5的站点数量占总站数的3.1%，97.0%的站点均方根误差＜1 mm。57.2%的站点降水融合值小于观测值，其余站点降水融合值大于观测值，而相对误差较大（＜-30%和＞30%）的站点数量占总站数的4.2%，各项检验指标质量较差站点的空间分布具有较高的一致性，主要集中在北疆西北部、天山山区中段南北两侧、南疆西部、昆仑山北坡、阿勒泰山区及东疆地区（图8）。空报率＜0.1的站点数量占总站数的19.6%，而漏报率＜0.1的站点数量占到总站数的81.3%，二者差异明显，说明大多数站点的空报率高于漏报率。漏报率＞0.5的站点仅在天山山区、昆仑山北坡偶有出现，均方根误差较大、空报率较高的站点出现在海拔高度≤2 km地区的概率较高。

3 结论

以新疆自动气象站小时降水观测数据为真值，将2020—2023年5—9月降水融合产品分为2020—2021年和2022—2023年2个数据集，对其在新疆暖季的适用性进行检验评估，得出以下结论：

（1）2022—2023年降水融合产品与实测降水的各项检验指标较2020—2021年明显变优，该产品在新疆的整体质量较好，能反映新疆降水的基本特征。2022—2023年二者的相关系数和TS评分分别上升至0.939和0.854，增幅为9.2%和31.8%；均方根误差降低至0.484 mm，降幅为30%；空报率从0.325降至0.101，降幅达68.9%，漏报率变化不大，说明2021年下半年降水融合产品算法的优化对产品质量提升效果显著。

（2）8月多源降水融合产品综合质量最好，9月相对较差。在实测降水较多时段（15—21时），降水融合产品与实测降水的相关系数较大且相对稳定，但由于空报率、漏报率较高导致TS评分略低。随着降水强度增强，降水融合产品的质量变差，在大量级降水样本数量相对较少的年份，特征更加明显。

（3）降水融合产品各项指标质量较差站点具有较高的空间一致性，主要分布在北疆西北部、天山山区中段南北两侧、南疆西部、昆仑山北坡、阿勒泰山区及东疆地区。2020—2021年降水融合产品在低海拔地区容易高估降水量，在高海拔地区容易低估；2022—2023年降水融合产品在不同等级海拔地区均低估降水量。均方根误差较大、空报率较高的站点出现在海拔≤2 km地区的概率较高。

2022—2023年与2020—2021年相比，降水融合产品与实测降水的各项指标在不同时间尺度、不同降水等级及不同海拔高度的检验评估中，质量均明显变优，但也存在一些问题，比如在某些高海拔区域误差异常偏大，空报率明显高于漏报率等。因此，利用高精度地形数据对降水融合产品进行订正处理是下一步急需开展的工作。根据新疆区域气候和地理环境特征，应用更合理的数据融合方案、更多类型的观测数据，进一步提高产品质量是降水融合产品进行本地化研制需要解决的问题。

参考文献

[1] 姚秀萍,肖峰,马嘉理.新疆地区夏季降水研究进展与展望[J].沙漠与绿洲气象,2023,17(1):1-9.

[2] YAO Xiuping, XIAO Feng, MA Jiali.Research progress and prospect of summer precipitation in Xinjiang[J].Desert and Oasis Meteorology,2023,17(1):1-9.(in Chinese)

[3] 李勇,梅双丽,周宁芳.1961 —2020年西北地区夏季降水趋势变化特征[J].沙漠与绿洲气象,2024,18(1):74-80.

[4] LI Yong, MEI Shuangli, ZHOU Ningfang.Variation characteristics of summer precipitation in northwest China from 1961 to 2020[J].Desert and Oasis Meteorology,2024,18(1):74-80.(in Chinese)

[5] 杨霞,周鸿奎,赵克明,等.1991—2018年新疆夏季小时极端强降水特征[J].高原气象,2020,39(4):762-773.

[6] YANG Xia, ZHOU Hongkui, ZHAO Keming,et al.Variation features of hourly precipitation in Xinjiang Province During 1991-2018[J].Plateau Meteorology,2020,39(4):762-773.(in Chinese)

[7] 吴秀兰,张太西,王慧,等.1961—2017年新疆区域气候变化特征分析[J].沙漠与绿洲气象,2020,14(4):27-34.

[8] WU Xiulan, ZHANG Taixi, WANG Hui,et al.Characteristics of temperature and precipitation change in Xinjiang During 1961-2017[J].Desert and Oasis Meteorology,2020,14(4):27-34.(in Chinese)

[9] 郭玉琳,赵勇,周雅蔓,等.新疆天山山区夏季降水日变化特征及其与海拔高度关系[J].干旱区地理,2022,45(1):57-65.

[10] GUO Yulin, ZHAO Yong, ZHOU Yaman,et al.Diurnal variation of summer precipitation and its relationship with altitude in Tianshan Mountains of Xinjiang[J].Arid Land Geography,2022,45(1):57-65.(in Chinese)

[11] 周雅蔓,赵勇,刘晶.我国新疆北部地区夏季极端降水事件的特征分析[J].冰川冻土,2020,42(2):598-608.

[12] ZHOU Yaman, ZHAO Yong, LIU Jing.Analyzing on the characteristics of extreme summer precipitation events in northern Xinjiang[J].Journal of Glaciology and Geocryology,2020,42(2):598-608.(in Chinese)

[13] 杨霞,江远安,张林梅,等.哈密市伊吾县峡沟水库集水区汛期降水特征[J].干旱区研究,2024,41(5):753-764.

[14] YANG Xia, JIANG Yuan’an, ZHANG Linmei,et al.Analysis of precipitation characteristics in the Xiagou reservoir watershed in Yiwu County,Hami City,during the rainy season[J].Arid Zone Research,2024,41(5):753-764.(in Chinese)

[15] 张璐,潘旸,谷军霞,等.国际主流多源融合降水实况产品的研究进展与展望[J].气象科技进展,2022,12(6):16-27.

[16] ZHANG Lu, PAN Yang, GU Junxia,et al.Advances and outlook for international mainstream multi-source precipitation merging products[J].Advances in Meteorological Science and Technology,2022,12(6):16-27.(in Chinese)

[17] 周自江,曹丽娟,廖捷,等.水文气象信息概述:观测、融合与再分析[J].气象,2022,48(3):272-283.

[18] ZHOU Zijiang, CAO Lijuan, LIAO Jie,et al.Overview of hydrometeorological information:obeservation,data fusion and reanalysis[J].Meteorological Monthly,2022,48(3):272-283.(in Chinese)

[19] 师春香,潘旸,谷军霞,等.多源气象数据融合格点实况产品研制进展[J].气象学报,2019,77(4):774-783.

[20] SHI Chunxiang, PAN Yang, GU Junxia,et al.A review of multi-source meteorological data fusion products[J].Acta Meteorologica Sinica,2019,77(4):774-783.(in Chinese)

[21] 潘旸,谷军霞,宇婧婧,等.中国区域高分辨率多源降水观测产品的融合方法试验[J].气象学报,2018,76(5):755-766.

[22] PAN Yang, GU Junxia, YU Jingjing,et al.Test of merging methods for multi-source observed precipitation products at high resolution over China[J].Acta Meteorologica Sinica,2018,76(5):755-766.(in Chinese)

[23] 庄园煌,陈宏,余文韬,等.多源融合降水实况分析产品在海河流域的适用性评估[J].气候与环境研究,2024,29(1):25-35.

[24] ZHUANG Yuanhuang, CHEN Hong, YU Wentao,et al.Assessing the applicability of national multisource precipitation analysis product in the Haihe River Basin[J].Climatic and Environmental Research,2024,29(1):25-35.(in Chinese)

[25] 张春燕,郑艳萍,王沛东,等.多源融合实况分析1 km网格降水产品在广东省暴雨过程中的准确性评估[J].暴雨灾害,2023,42(6):679-691.

[26] ZHANG Chunyan, ZHENG Yanping, WANG Peidong,et al.Assessment of multi-source observation merged 1 km-grid precipitation product during the disastrous rainstorms in Guangdong[J].Torrential Rain and Disasters,2023,42(6):679-691.(in Chinese)

[27] 旷兰,田茂举,李强,等.多源降水融合分析产品在重庆复杂地形下的精度评价[J].中国农业气象,2023,44(1):71-81.

[28] KUANG Lan, TIAN Maoju, LI Qiang,et al.Study on accuracy evaluation of multi-source precipitation fusion analysis products under complex terrain in Chongqing[J].Chinese Journal of Agrometeorology,2023,44(1):71-81.(in Chinese)

[29] 许冠宇,李琳琳,田刚,等.国家级降水融合产品在长江流域的适用性评估[J].暴雨灾害,2020,39(4):400-408.

[30] XU Guanyu, LI Linlin, TIAN Gang,et al.Assessing the applicability of national precipitation merged products in the Yangtze River Basin[J].Torrential Rain and Disasters,2020,39(4):400-408.(in Chinese)

[31] 邓悦,任晓炜,丘平珠,等.台风“海高斯”(2007)期间多种降水融合实况产品的误差评估[J].气象研究与应用,2021,42(3):62-68.

[32] DENG Yue, REN Xiaowei, QIU Pingzhu,et al.Error evaluation of multiple precipitation fusion live products during Typhoon Higos (2007)[J].Journal of Meteorological Research and Application,2021,42(3):62-68.(in Chinese)

基金资助

新疆维吾尔自治区重点研发任务专项(2022B030 27-3)