降水，和我们的生活息息相关。降水包括降雨、降雪以及冰雹等形式，而降雨是降水最主要的表现形式。无论是“随风潜入夜，润物细无声”的淅沥小雨，还是“黄梅时节家家雨，青草石塘处处蛙”的绵延梅雨，抑或“雷声千嶂落,雨色万峰来”的猛烈雷雨, 都无时不刻地滋润着地球上的万生众灵。古人对降水的描述以定性为主，也不曾想人类社会发展至今，可以通过卫星手段对降水的时空分布进行定量观测。降水是全球水循环的关键要素之一，也是地表水资源(如江河和湖泊)和地下水资源的主要补给来源之一。然而， “惊雷啸起浪滔滔，溃坝决堤猛水高”，极端强降水往往会导致洪水等自然灾害，严重威胁人民的生命与财产安全。因此，降水的近实时定量监测对保障人民的生产以及生活有着至关重要的作用。
在国家重点研发计划和风云卫星应用先行计划等项目的支撑下，北京大学地空学院遥感所遥感时空大数据实验室与中国气象局国家卫星气象中心长期保持密切合作，在气象卫星监测降水方面取得了新进展。近期，研发团队攻关的研究成果以“PECA-FY4A: Precipitation Estimation using Chromatographic Analysis methodology for full-disc multispectral observations from FengYun-4A/AGRI”为题，发表于遥感领域国际权威期刊Remote Sensing of Environment（影响因子：13.85）。论文第一作者为博士生朱思宇(zhusiyu2019@pku.edu.cn)，二作及通讯作者为马自强老师(ziqma@pku.edu.cn)。《Remote Sensing of Environment》(RSE)为遥感领域顶级JCR-1区学术期刊。该研究率先将层析理论引入红外降水估计领域，分析了FY-4A/AGRI不同波段与波段差异在降水估计中的贡献与作用，提出了一套高时空分辨率的FY-4A全圆盘视角降水估计算法(PECA), 提高了国产静止气象卫星FY-4A对降水捕捉的精度和能力。PECA-FY4A算法适用于全圆盘，以亚太为主，可覆盖中国、日韩、以及大多数一带一路国家等，将为推广国产卫星观测的应用提供重要参考。
文章下载地址：
https://www.sciencedirect.com/science/article/pii/S0034425722003406.
静止气象卫星相较低轨气象卫星，可以对大范围区域进行连续观测，其搭载的红外传感器的时空分辨率较高(~4km和15min)，因此用其估计降水能够得到高分辨率且连续的降水数据。上世纪70年代末，静止气象卫星搭载的红外观测仪所观测的数据就被学者们用于降水估计研究，所采用的方法以基于经验公式的统计方法为主。20世纪末，随着机器学习方法的进一步成熟，被引入红外降水估计领域的研究中，代表性的工作为基于人工神经网络（ANN）的红外单通道（~10.8μm）降水快速估计算法PERSIANN-CCS，且该方法至今作为全球高分辨率近实时降水估计的基准算法。近年来，搭载更高光谱分辨率红外传感器的静止气象卫星相继成功发射并提供高质量高时空分辨率的多通道红外观测数据(如FY-4A/B，Himawari-8等)，因此，基于红外多波段观测进行降水估计的理论与方法研究成为该方向的热点和难点。我国静止气象卫星试验星FY-4A与静止气象卫星业务星FY-4B能够对亚太地区形成双星组网观测。以FY-4A为例，其搭载的先进静止轨道辐射成像仪(AGRI)能够提供高光谱分辨率(包括8个红外通道)和高时空分辨率(~4 km，~hourly)的全圆盘观测，为发展国产的静止气象卫星高分辨率近实时降水估算算法提供了坚实的数据基础。
针对国际主流红外降水估计产品PERSIANN-CCS的不足，本研究创新性提出了一种基于层析理论的算法(PECA, Precipitation Estimation using Chromatographic Analysis)，可以有效挖掘FY-4A/AGRI红外多通道观测的信息，为风云/国际静止气象卫星降水快速估算提供了理论与算法参考。我们将层析理论引入降水估计领域中，依据该理论能够发现、分离并量化不同红外观测波段在降水估计中的贡献和作用。模型由层析核组装而成，层析核则为有着特定映射函数的处理单元，其中的映射函数(类比机器学习中的激活函数)形态遵循输入特征与降水估计的数值规律。相较PERSIAN-CCS采用单波段与机器学习的思路，PECA能够捕捉不同波段及波段差异信息对降水特征的响应，更有效发挥红外多通道优势；同时由层析核组成的PECA模型可解释性强。基于PECA方法和FY-4A/AGRI多通道红外观测可以生产FY-4A全圆盘视角下高时空分辨率(~4km，~hourly)降水估计数据。此外，PECA还具有较高的计算效率和稳定性，在为静止气象卫星提供业务化降水估算算法方面具有重大应用潜力(如中国风云FY系列，美国GOES系列, 欧洲Meteosat系列以及日本Himawari系列)。
模型采用FY-4A/AGRI所观测的8通道红外数据(波段7至波段14)作为输入，GPM/DPR主动降水雷达降水观测数据作为训练数据，模型所需数据均投影至FY-4A全圆盘视角以栅格数据处理。具体步骤如图1包括: (1) 数据预处理；(2) 降水事件的判断；(3) 降水值的判断；以及(4) 降水事件与降水值的融合。在降水事件判断中，采用分类建模的思路，先对数据进行非监督分类(K-means)，然后分别定量构建降水概率与不同波段之间关系。在降水值的估计中，主要考虑了如下三个方面：(1) 波段特征须和降水有着较强的相关性；(2) 波段特征之间彼此相关度较低，以减少数据的冗余度；(3) 波段特征之间彼此线性无关。最终选取的降水值估计的主要特征波段/波段组合包括(图2)：(1) 波段12 (10.8μm)，(2) 波段10（7.1μm）减波段14（13.5μm），(3) 波段7（3.75μm，high）减波段14（13.5μm），以及 (4)波段7（3.75μm，high）减波段8（3.75μm，low）。
图1. PECA-FY4A的基本流程框架图。
图2. 在决定关键参数过程中不同波段及波段组合的相关统计结果
本研究生成了2019年1月至2021年11月将近3年的FY-4A全圆盘高时空分辨率(~4 km, 1 h)栅格降水估计数据(PECA-FY4A), 并与国际标准高时空分辨率降水数据（PERSIANN-CCS）、和风云FY-4A官方降水数据(FY4AQPE-Official)做了对比，分别采用中国气象站点数据(CSM, 小时尺度)，NOAA世界气象站点记录降水数据(GSOD, 日尺度) 以及NASA微波降水数据(IMERG-LR)作为真值对上述三类高分辨率降水估计进行质量评估分析。结果表明：PERSIANN-CCS相对FY4AQPE-Official来说质量更高，而PECA-FY4A相对PERSIANN-CCS来说质量总体更优，如相关系数(CC), 均方根误差(RMSE)和事件判断指数(CSI)。如图3所示，PECA-FY4A在2019全年的降水概率与降水值与IMERG-LR更为接近; 同时由于采用星载降水雷达作为训练真值，因此模型可以应用在南半球以及更高纬度地区(PERSIANN-CCS数据范围在60°S至60°N中，FY4AQPE-Official在2020年前降水估计主要覆盖北半球)。对于模型内参数的分析表明，PECA可以自适应不同气候特征的区域以及不同季节，在空间尺度和时间尺度上具有较高的稳定性和自适应性。
图3. PECA-FY4A, PERSIANN-CCS, FY4AQPE-Official以及IMERG-LR降水事件与降水值时空分布，以2019年为例.
为了更好地揭示PECA-FY4A算法中FY-4A/AGRI各波段/波段组合对降水估计的贡献程度，我们选取了台风黑格比(Hagupit, 国际编号：2004)在2020年8月3日16至17时(国际标准时UTC)的单景案例（如图4），区域覆盖22°N至32°N以及117°E至127°E。并在图5对所选定的四个波段/波段组合特征的不同表现进行了详细说明。可以从图5 a-d 中看到，在波段12（~10.8μm） 接近饱和的情况下，波段7减波段8能够进一步揭示强降水(眼墙区域)的更多形态与位置的细节信息，如图5k说明能够通过不同波段/波段组合特征来进一步表征台风系统中不同区域(如台风眼、眼墙、雨带等)的信息。
图4. (a)典型案例区域介绍，不同降水数据在台风黑格比(国际ID：2004)事件中的表现： (b) PECA-FY4A, (c) PERSIANN-CCS, (d) FY4AQPE-Official, (e) IMERG-LR, (f) AMSR2-GPROF，以2020年8月3日16至17时(UTC)为例。
图5. 不同波段/波段组合在揭示和刻画台风黑格比(国际ID：2004)典型时刻强降水结构的案例，以2020年8月3日16至17时(UTC)为例。
本研究提出的风云静止气象卫星FY-4A多通道红外观测降水估算算法PECA-FY4A揭示了波段12，波段10减波段14，波段7减波段14，以及波段7减波段8在降水估计过程中有重要贡献，这些波段/波段组合特征均与降水强相关并且彼此之间冗余信息少。在FY-4A全圆盘视角范围内，PECA-FY4A估计的降水质量显著优于国际基准高分辨率降水数据PERSIANN-CCS和风云官方高分辨率降水FY4AQPE-Official。进一步揭示静止气象卫星不同红外波段/波段组合策略对高时空分辨率近实时降水估计理论与方法的贡献是该方向未来亟需深入开展的重要方向之一。
Siyu Zhu & Ziqiang Ma, 2022. PECA-FY4A: Precipitation Estimation using Chromatographic Analysis methodology for full-disc multispectral observations from FengYun-4A/AGRI. Remote Sensing of Environment, 282, 113234. https://doi.org/10.1016/j.rse.2022.113234.
本研究得到了重点研发计划项目、第二次青藏高原综合科学考察研究项目、风云卫星应用先行计划项目以及可持续发展大数据国际研究中心主任青年基金等项目的支持。
朱思宇，北京大学地空学院遥感所博士研究生，研究方向为高时空分辨率降水估计理论与方法；目前以第一作者在RSE、TGRS等领域主流期刊发表SCI论文6篇。
马自强，北京大学地空学院助理研究员，研究方向为全球卫星遥感降水理论与方法；目前以一作/通讯作者在BAMS, RSE, ESSD等领域主流期刊发表SCI论文20余篇；主持国家级/省部级项目10余项。
