降水作为水循环过程中重要的环节之一，是地-气相互过程和能量交换的重要变量。卫星遥感反演降水技术克服了地面观测技术受限于观测时间和数据空间代表性差等不足，为获取全球降水信息提供帮助。目前主要有两种遥感反演降水数据方法，一种是基于“自上而下”法（Top-Down approach）获得的降水资料，利用遥感辐射计和雷达等传感器，通过反演大气信号获取瞬时降水率。另一种是基于“自下而上”法（Bottom-Up approach）获得的降水资料，以降水和土壤湿度之间的关系为基础，通过土壤水分平衡方程反推降水获取累积降水量。
青藏高原地形复杂且地表类型多样，降水分布从西北到东南逐渐增多。然而，由于缺乏足够的地面数据支撑，以往研究中关于青藏高原地区降水产品的评价有限。中科院青藏高原所地气作用与气候效应团队马伟强研究员等运用中国气象局国家气象信息中心青藏高原地区1584个雨量筒降水观测数据，详细对比分析“自上而下”法的降水产品Global Precipitation Measurement Integrated MultisatellitE Retrievals（GPM IMERG）和“自下而上”法的降水产品Soil Moisture To Rain-Advanced SCATterometer （SM2RAIN-ASCAT；SM2RASC）各自在青藏高原的总体表现和在时间、空间上的适用性，并讨论海拔和降水量对降水产品的影响。
研究结果表明，1. 两种降水产品均能较好描述青藏高原降水从西北到东南逐渐增多的空间分布特征。在草原下垫面，SM2RASC的表现更好；在森林下垫面，由于受密集植被覆盖，土壤湿度微波遥感观测质量较低，GPM IMERG数据更接近地面观测。2. 在估算小到中等降雨区间（5-25 mm/day），SM2RASC的精度高于GPM IMERG；但在大雨（>25 mm/day）的情况下，土壤水分趋于饱和，无法承载更多水分，多余的降水流失，不能被算法反演，导致该区间的降水被严重低估。3. 由于ASCAT土壤湿度数据高频率波动，SM2RASC容易在较干的环境条件下错误估算出降水，相较GPM IMERG会产生更大的偏差。所以土壤湿度数据的精度将直接影响“自下而上”类降水产品的精度。
以上研究成果近日以“Respective Advantages of “Top‐Down” Based GPM IMERG and “Bottom‐Up” Based SM2RAIN‐ASCAT Precipitation Products Over the Tibetan Plateau”为题，在国际学术期刊《Journal of Geophysical Research: Atmospheres》发表。马伟强研究员为通讯作者，我所在读硕士生樊奕茜为第一作者。本研究获得“第二次青藏高原综合科学考察研究”专项(2019QZKK0103)，中国科学院前沿科学重点研究项目(XDA20060101, XDA19070301)和国家自然科学基金项目(41830650)等资助。
文章链接：https://doi.org/10.1029/2020JD033946
（地气作用与气候效应团队）
图1. 雨量筒观测数据与遥感降水产品对比的密度散点分布
注：（a）SM2RASC；（b）IMERG；（c）IMERG 和 SM2RASC 的交叉验证。
根据 x，y 的最大最小值将坐标分成 150×150 个小格，色标的蓝色到黄色代表了相应格子里 数据的数量。
图2. 定量统计指数的空间分布
注：（a和b）CC；（c和d）MB；（e和f）RMSE；（g）2015年青藏高原土地类型分布。
划分出三个子区域：草地，森林和喜马拉雅山北部。
图3. SM2RASC和IMERG在不同程度降雨下RMSE的箱型图
注：（a）1-5 mm/day；（b）5-10 mm/day；（c）10-25 mm/day；（d）>25 mm/day。
框中的中位线代表中位值，每个框的中位线右边显示的是产品RMSE的中位数。
图4. 2015年5-10月第52931号站点巴隆站的ASCAT土壤湿度数据、SM2RASC降水数据和地面雨量筒观测随时间变化图
