数据分享 | SM2RAIN-ASCAT全球规模降雨产品数据集（2007年-2020年6月）
01
产品简介
长期网格化降水产品对于水文学，农业和气候科学中的多种应用至关重要。由于地面网络的密度不均匀以及合并多个卫星传感器的困难，目前可用的降水产品存在时空不一致的问题。最近的“自下而上”方法利用卫星土壤湿度观测值通过SM2RAIN（土壤水分到雨）算法估算降雨，该方法适合于建立一致的降雨数据记录，因为使用了单极轨道卫星传感器。
SM2RAIN-ASCAT是一种通过SM2RAIN算法从ASCAT卫星土壤湿度数据获得的新型全球规模降雨产品(Brocca et al., 2014; 2019)。SM2RAIN-ASCAT降雨数据集(以mm/d为单位)在全球范围内以0.1度采样(3600x1801)通过常规网格提供。该乘积表示指定日期的00:00和23:59之间的累计降雨量。
降雨数据集以netCDF格式提供。总共提供14个netCDF文件(2007-2020年，每年/个)。数据集随附的质量标记已被用来掩盖低质量数据，以及掩盖了复杂地形，冻土和热带森林的地区。
02
项目支持
作为欧洲气象卫星开发组织（EUMETSAT）极地系统计划的一部分，在2006年，2012年和2018年发射的三颗气象业务（MetOp）卫星上利用先进的SCATterometer（ASCAT）。通过MetOp第二代计划，直到2040年代中期，可以确保散射计传感器的连续性。因此，通过将SM2RAIN算法应用于ASCAT土壤湿度观测，将获得从2007年开始一直持续到2040年代中期的长期降雨数据记录。
03
质量评价
论文中介绍了数据预处理，SM2RAIN算法公式化和数据后处理方面的最新改进，这些数据可用于获取2007年至2020年以12.5公里空间采样的SM2RAIN-ASCAT准全球（仅陆地上）每日降雨量数据记录。通过与欧洲，美国，印度和澳大利亚的高质量地面网络进行比较，对SM2RAIN–ASCAT数据记录的质量在区域范围内进行了评估。
SM2RAIN–ASCAT数据记录的皮尔逊相关系数和均方根误差图与作为基准的ERA5重新分析数据集进行了比较（2007-2018年）
此外，通过使用三重配置（TC）技术进行了全球范围的评估，这使我们也可以将这些数据与全球降水测量综合多卫星检索（IMERG）的早期版本，以及基于仪表的全球降水气候中心（GPCC）产品进行比较。
结果表明，SM2RAIN–ASCAT降雨数据记录在区域和全球范围内均表现较好，与其他产品相比，主要表现在均方根误差（RMSE）方面。特别是，SM2RAIN–ASCAT数据记录在诸如非洲和南美等世界上数据稀少的地区提供的性能优于IMERG和GPCC。在这些地区，期望将SM2RAIN–ASCAT用于水文和农业应用会获得更大的收益。SM2RAIN–ASCAT数据记录的局限性在于对峰值降雨事件的低估和由于高频土壤水分波动而导致的虚假降雨事件的存在，这些将来可能会通过更先进的偏差校正技术进行校正。
04
数据评估
在验证期间，已使用几种指标来评估产品性能。作为连续得分，我们计算了皮尔逊相关系数R、均方根误差RMSE、估计降雨量与参考降雨量之间的平均误差BIAS以及估计降雨量与参考降雨量的时间变化率STDRATIO。通过考虑累积降雨的1 天，逐个像素地计算出连续得分。
此外，已经计算出三个分类分数，即检测概率POD、错误警报率FAR和威胁分数TS。POD是正确识别的降雨事件的比例(最优值POD=1)，FAR是非事件的预测事件的比例(最优值FAR =0)，而TS提供了其他两个得分的组合(最优值TS=1)。通过考虑0.5 mm/d(而不是0 mm/d)的降雨阈值进行分类评估，以排除可能由于参考数据集中的降雨插值或重新网格化而导致的虚假事件。
根据皮尔逊相关系数R，两种不同构型在1009个测试点的性能表示。
不同校验方法在1009个测试点的性能表示
1.皮尔逊相关系数R/2.均方根误差RMSE/3.变异率STDRATIO/
4.估计降雨量与参考降雨量之间的平均误差BIAS/5.误报率FAR/
6.检测概率POD/7.威胁评分TS
05
结果评价
下图显示了从地面观测和BC-MON配置获得的四个地区平均降雨的时间序列。R值大于0.83，BIAS值极低，与观测值的空间平均降雨量一致。此外，从时间和强度两个方面正确再现了区域范围的降雨事件。
SM2RAIN–ASCAT数据记录的皮尔逊相关系数R和均方根误差RMSE图与作为基准的ERA5重新分析数据集进行了比较（2007-2018年）。该分析以1 d和12.5 km的时空分辨率进行。下图显示，SM2RAIN–ASCAT数据记录在美国西部，巴西，南美南部和西部，南部非洲，萨赫勒地区，欧亚大陆中部南部和澳大利亚（绿色）表现良好。
SM2RAIN–ASCAT降雨数据记录的区域评估，并与GPCC，ERA5和GPM-ER降雨产品进行比较。作为参考，使用了意大利，美国，印度和澳大利亚的高质量地面数据集。根据皮尔逊相关系数R/均方根误差RMSE/变异率STDRATIO/估计降雨量与参考降雨量之间的平均误差BIAS/误报率FAR/检测概率POD/威胁评分TS进行评价。
全局三重配置TC结果:(a图是SM2RAIN–ASCAT的RTC映射)、(b图是GPM-ER的RTC映射)、c图是a和b之间的差异:即SM2RAIN–ASCAT（GPM-ER）区域的蓝色像素也表现更好，红色表示那些差，和d框的曲线图RTC为SM2RAIN-ASCAT，GPM-ER，和GPCC的映射。结果显示在南美和非洲（不包括沙漠和热带森林地区），SM2RAIN–ASCAT的性能明显优于GPM-ER，其他两个卫星产品的性能相似。
06
综合评估
基于前文中三重配置数据的结果，性能最佳的产品。SM2RAIN–ASCAT在非洲，南美，中西部美国和中亚的三种产品中表现最佳。GPCC在北半球其余地区和澳大利亚都表现最好。GPM-ER是热带和赤道地区的最佳产品。
07
数据获取/引用
1.Zendo学术平台下载链接
The SM2RAIN–ASCAT data record is freely available at https://doi.org/10.5281/zenodo.3405563 (recently extended to the end of July 2020) (Brocca et al., 2019).Brocca, L., Filippucci, P., Hahn, S., Ciabatta, L., Massari, C., Camici, S., Schüller, L., Bojkov, B., Wagner, W. (2019). SM2RAIN-ASCAT (2007-2018): global daily satellite rainfall from ASCAT soil moisture. Earth System Science Data, 11, 1583–1601, doi:10.5194/essd-11-1583-2019. https://doi.org/10.5194/essd-11-1583-2019.08
参考文献
Brocca, L., Ciabatta, L., Massari, C., Moramarco, T., Hahn, S., Hasenauer, S., Kidd, R., Dorigo, W., Wagner, W., Levizzani, V. (2014). Soil as a natural rain gauge: estimating global rainfall from satellite soil moisture data. Journal of Geophysical Research, 119(9), 5128-5141, doi:10.1002/2014JD021489.Brocca, L., Filippucci, P., Hahn, S., Ciabatta, L., Massari, C., Camici, S., Schüller, L., Bojkov, B., and Wagner, W. (2019). SM2RAIN-ASCAT (2007–2018): global daily satellite rainfall from ASCAT soil moisture, Earth Syst. Sci. Data Discuss., https://doi.org/10.5194/essd-2019-48, in review.Wagner, W., Hahn, S., Kidd, R., Melzer, T., Bartalis, Z., Hasenauer, S., Figa, J., de Rosnay, P., Jann, A., Schneider, S., Komma, J., Kubu, G., Brugger, K., Aubrecht, C., Zuger, J., Gangkofner, U., Kienberger, S., Brocca, L., Wang, Y., Bloeschl, G., Eitzinger, J., Steinnocher, K., Zeil, P., Rubel, F. (2013). The ASCAT Soil Moisture Product: A Review of its Specifications, Validation Results, and Emerging Applications. Meteorologische Zeitschrift, 22(1), 5-33, doi:10.1127/0941-2948/2013/0399.09
数据处理
用于在一个或多个站点\位置处提取SM2RAIN-ASCAT降雨的简单Python和Matlab代码
#extract_SM2RAIN_data.py#Python script for extracting 1 point (longitude and latitude coordinates stored in the text of the code) from SM2RAIN-ASCAT rainfall dataset
import netCDF4import numpy as npfrom scipy import spatialimport matplotlib.pyplot as pltfrom datetime import datetime, timedeltanc_f='path/to/the/data/SM2RAIN_ASCAT_0125_2007.nc'nc_fid = netCDF4.Dataset(nc_f, 'r')# Coordinates of the station you want to extractstat=[11.88,44.31]lat_ = nc_fid.variables['Latitude'][:]lon_ = nc_fid.variables['Longitude'][:]tree=spatial.KDTree(zip(lon_.ravel(),lat_.ravel()))[d,ID]=tree.query(stat)# Extraction of SM2RAIN-ASCAT rainfall from 2007 to 2018datahub=[]for ii in np.arange(2007,2019): nc_f='path/to/the/data/SM2RAIN_ASCAT_0125_'+str(ii)+'.nc' nc_fid = netCDF4.Dataset(nc_f, 'r') Rain=nc_fid.variables['Rainfall'][ID] # np.concatenate does not preserve masking of MaskedArray inputs, here np.ma.concatenate is used datahub=np.ma.concatenate((datahub,Rain), axis=0)
DD = np.arange(datetime(2007,1,1), datetime(2019,1,1), timedelta(days=1)).astype(datetime)plt.plot(DD,datahub)plt.ylabel('rainfall [mm/day]')plt.title('SM2RAIN-ASCAT lon;lat='+str(stat[0])+';'+str(stat[1]))plt.show()%extract_stat_SM2RAINASCAT.m%Matlab script for extracting 1 point (longitude and latitude coordinates stored in the text of the code) from SM2RAIN-ASCAT rainfall dataset
%% Extraction of SM2RAIN-ASCAT rainfall at one station
lonlat_stat=[11.88,44.31]; % Coordinates of the station you want to extract
%Extraction of the pixel closest to the selected coordinatesnamefile='SM2RAIN_ASCAT_0125_2018.nc';lon_=ncread(['SM2RAIN_ASCAT_0125_2018.nc'],'Longitude');lat_=ncread(['SM2RAIN_ASCAT_0125_2018.nc'],'Latitude');ID=knnsearch([lon_,lat_],lonlat_stat);
% Extraction of SM2RAIN-ASCAT rainfall from 2007 to 2018D=(datenum('1-jan-2007'):datenum('31-dec-2018'))';Psim_SM2RASC=[];for ii=2007:2018 % loop over the years 2007 to 2018 ii Psim_SM2RASC=[Psim_SM2RASC;... ncread(['SM2RAIN_ASCAT_0125_',num2str(ii),'.nc'],'Rainfall',[1 ID],[yeardays(ii) 1])];end
% Plotting the figureplot(D,Psim_SM2RASC)grid on, box ondatetickylabel('rainfall [mm/day]')title(['SM2RAIN-ASCAT lon;lat=',num2str(lonlat_stat(1),'%3.2f'),';',num2str(lonlat_stat(2),'%3.2f')])%extract_Npoints_SM2RAINASCAT.m%Matlab script for extracting N points (longitude and latitude coordinates stored in the text file "lonlat_ext.txt") from SM2RAIN-ASCAT rainfall dataset
clc,clear,close alllonlat_ext=load('lonlat_ext.txt');
lon_=ncread(['SM2RAIN_ASCAT_0125_2018.nc'],'Longitude');lat_=ncread(['SM2RAIN_ASCAT_0125_2018.nc'],'Latitude');
ID=knnsearch([lon_,lat_],lonlat_ext);D=(datenum('1-jan-2007'):datenum('31-dec-2018'))';Psim_SM2RASC=[];for ii=2007:2018 ii PP=ncread(['SM2RAIN_ASCAT_0125_',num2str(ii),'.nc'],'Rainfall'); Psim_SM2RASC=[Psim_SM2RASC,PP(:,ID)'];end
% Plotting the figureplot(D,Psim_SM2RASC)grid on, box ondatetickylabel('rainfall [mm/day]')title(['SM2RAIN-ASCAT ',num2str(size(lonlat_ext,1)),' points'])分享、在看与点赞，至少我要拥有一个吧