【数据集1】Global precipitation from FY-3 polar orbit satellites
一、基本信息
- 标题：Global precipitation from FY-3 polar orbit satellites
- 作者：Runze Zhao, Kaicun Wang, Xiangde Xu
- 关键词：FY-3 satellites, passive microwave (PMW), precipitation retrieval, machine learning, IMERG
- doi：https://doi.org/10.1016/j.scib.2024.05.007
二、文章概述
本文旨在解决当前全球降水卫星星座老化导致被动微波（PMW）数据不足、影响IMERG产品质量的问题。通过开发机器学习算法（SOM-ANN），利用FY-3系列卫星（FY-3C、3D、3E）的PMW传感器数据反演降水，并将其融合到IMERG产品中，以提升全球降水数据的时空覆盖和精度。结果表明，FY-3降水反演产品及融合后的IMERG-FY产品在误差、偏差及降雪估算等方面均优于原始IMERG，尤其改善了PMW数据缺口时段的降水估计质量。
三、研究背景
降水的时空分布对生态、健康及社会经济系统影响显著，但因其时空不连续性，准确估算仍是挑战。当前全球降水产品（如IMERG）依赖多卫星PMW数据，但现有卫星星座老化导致PMW数据不足，限制了产品质量。FY-3系列卫星搭载MWHS、MWTS等PMW传感器，其中FY-3E为全球首颗晨昏轨道卫星，可补充早间/傍晚观测缺口。因此，本文将FY-3的PMW数据整合到现有产品中，以缓解PMW数据短缺问题，提升全球降水估算精度。
四、研究思路
- 提出研究问题：当前全球降水产品因PMW数据不足（卫星星座老化）导致质量受限，需引入新卫星PMW数据（如FY-3）解决该问题。
- 构建研究框架：开发机器学习算法反演FY-3 PMW降水，评估其精度后融合到IMERG产品，分析融合对降水估算的改善效果。
- 选择研究方法：采用自组织映射（SOM）分类降水与下垫面类型，结合人工神经网络（ANN）反演降水；使用全球约4400个站点的小时雨量计数据验证精度。
- 分析数据：对比FY-3反演产品与IMERG、GPROF的RMSE、偏差等指标，评估融合后IMERG-FY在不同区域、时段及降水类型（降雨/降雪）的改善效果。
- 得出结论：FY-3 PMW数据可有效补充IMERG的PMW缺口，提升全球降水估算精度，尤其改善降雪和PMW数据稀缺时段的表现。
五、研究结果
- FY-3卫星（C、D、E）的PMW降水反演产品RMSE较IMERG降低10%-20%，降水检测矩阵（除漏检率外）优于IMERG和GPROF。
- 融合FY-3数据后，IMERG在PMW数据稀缺时段（如早间6:00-10:00、傍晚18:00-22:00）的PMW观测占比从20%提升至55%。
- 融合产品（IMERG-FY）的降水总量高估减少38%、低估减少20%，强度高估改善34%、低估改善36%，更接近雨量计数据。
- 降雪估算改善显著，RMSE降低17.5%（高于降雨的14%），偏差提升79.3%，因FY-3的MWHS高频通道可有效捕捉降雪信号。
- 融合后降水的日循环特征（总量、频率、强度）更接近观测，尤其修正了IMERG在早间/午后的高估问题。
六、研究结论、不足与展望
- 研究结论：FY-3卫星的PMW数据通过SOM-ANN算法反演的降水产品精度优于IMERG和GPROF；将其融合到IMERG后，显著提升了PMW数据覆盖度，改善了降水总量、强度、日循环及降雪估算的精度，有效缓解了IMERG因PMW数据不足导致的质量限制。
- 研究的创新性：首次将FY-3系列卫星（含全球首颗晨昏轨道FY-3E）的PMW数据用于全球降水反演，开发SOM-ANN算法实现高精度降水 retrieval；通过融合FY-3数据，针对性解决了IMERG的PMW观测缺口问题，尤其改善了降雪估算和日循环特征。
- 研究的不足之处：SOM-ANN反演因使用IMERG训练，存在与IMERG类似的高估偏差；部分区域（如欧洲、阿拉斯加）融合后出现正负偏差反转，归因于SOM-ANN在高纬度降水估计偏多；验证数据依赖有限站点（中国、欧美），全球其他区域的适用性需进一步检验。
- 研究展望：未来可纳入更多FY-3卫星（如后续发射型号）及其他未被采用的PMW数据源，扩大样本量以优化机器学习模型；结合地面雷达数据提升反演精度，尤其针对复杂地形区域；探索FY-3数据在极端降水事件监测中的应用，评估其对灾害预警的价值；开展长期序列分析，验证融合产品在气候变化研究中的可靠性。
- 研究意义：本文证明FY-3卫星PMW数据可有效补充全球降水观测网络，提升IMERG等主流产品的质量，为气象、水文、生态等领域提供更高精度的全球降水数据；同时推动国产卫星数据在国际地球观测中的应用，增强我国在全球气候变化研究中的数据话语权。