降水测量综述

降水测量综述
一、背景
NASA的降水测量任务（PMM）是通过开发和部署先进的星载传感器，去获取降水过程的物理数据，并通过数据分析对天气、气候以及与降水相关的自然灾害做出监测和预报。

降水测量任务包括热带降雨测量任务（TRMM）和全球降水测量任务（GPM），这两者都是由NASA 和JAXA（日本航空航天局）发起的，GPM是TRMM建立在TRMM的基础上的一个提供全球雨雪观测的国际卫星网络，其最重要的部分是核心卫星的部署，该卫星搭载先进的雷达或辐射计系统对太空降水进行测量，给全球降水量的测量提供参考数据。

另外，通过对全球降水量测量的改进，GPM也加深了我们对地球水和能源循环的了解，从而对自然灾害和灾难可以进行更好地预测和预防。

GPM的核心设计是TRMM高度成功的降雨感应软件包的扩展，此软件包主要关注热带和亚热带海洋上的大到中度的降雨。

由于中高维度的降水主要是小雨和落雪，相对于TRMM而言，GPM主要扩展了对小雨、固体降水以及土壤微物理特性的测量能力。

对于降水特征的研究，GPM提供了更高的精度、覆盖范围和动态范围的全球降水量测量，预计将来GPM可以通过吸收瞬时降水信息来对天气和降水进行预报。

二、算法
TRMM和GPM依靠被动和主动测量来测量降水的性质。

GPM的双频降水雷达等有源雷达发送和接收反射回雷达的信号，反射回雷达接收器的信号提供了对云中多个垂直上雨滴或雪滴的大小和数量的度量；
而GPM微波成像仪等无源降水辐射仪可以测量整个观测区域的自然
热辐射也就是亮度温度。

得到雷达反射率和亮度温度的数据后，可使用算法将这些数据转换为降水信息，这些科学算法由PMM团队设计，转换为计算机代码，由降水处理系统进行运行和编译，通过与地面验证数据的对照可看出算法性能。

GPM一般使用较多的算法有以下四种：雷达算法、辐射计算法、雷达加辐射计组合算法、多卫星算法。

雷达算法的独特功能是提供降雨的三维结构，从而获得有关海洋和陆地的高质量降雨估计。

降水辐射计通过使用多个无源频率为解释云中的雨雪提供了额外的自由度。

每个频率下的亮度温度是测量区域中所有物体的量度，从低端到高端的频率对应从对液体雨滴的敏感到对雪和冰粒的敏感，因此，简化后，当云柱中有雨水时，低频区域将做出反应；下雪时，高频区域将做出反应。

有源和无源微波传感器数据的组合使用可提供有关降水云的宏观和微观过程的补充信息，换句话说，组合算法使用辐射计信号作为对雷达可见衰减的约束，可减少不确定性。

除了PMM卫星外，还有多颗卫星携带与降水有关的传感器，多卫星算法的目标是使用从这个国际卫星群算出的所有降水量估计值去创建高分辨率降水产品，使其在选定的区域和记录的时间里得到完全覆盖。

三、意义
GPM旨在增进对地球水和能源循环的科学理解，同时为各种社会应用提供实时数据，其结合了主动和被动遥感技术，提高了太空降水
的测量能力，可以通过高频无源微波辐射仪来测量雪和小雨的比率，改善寒冷季节中高纬度的降水测量。

GPM还可以根据全球降水数据集，来诊断地球大气层和地表内的水传输速率，检测全球水循环中的加速度和减速度，以及这些加速度对全球气候系统的影响。

通过了解云降水过程在气候敏感性和反馈中的作业，GPM可以研究气候系统的变异性，对气候进行诊断，进行气候模型模拟和分析，从而改善气候预测。

除此之外，GPM可以更准确、更频繁地测量受降水影响的微波辐射率和瞬时降水率，通过将基于卫星的降水信息吸收到数值天气预报系统中来提高数字天气预报技能。

这就可以监控极端降水事件和淡水可用性，改进台风和飓风的预测定位。

通过缩减规模和创新的水文模型，GPM可提供高分辨率的降水数据，提高了人类对洪水、干旱、滑坡等自然灾害事件的预测。

四、应用
GPM提供了来自太空的雨、雪及暴风雨的三维视图，记录了液滴或颗粒的大小，还有降水量的大小以及其随时间的变化。

这些数据不仅可以用来研究地球的水和能源循环，而且对干旱或飓风等单个事件的研究也很有用，可以发现世界各地的极端天气。

2019年7月8日上午，华盛顿特区经历了极端降雨，导致山洪泛滥。

GPM核心天文台的双频降水雷达在某些地区测量的降雨率超过100毫米/小时，随后里根国家机场的报告数据证实了GPM所检测的
高速率，国家气象局在早上发布了一次罕见的山洪暴发紧急情况，许多道路被封，同时警方也敦促人们不要上路，由此可见，GPM数据可以帮助人们更好地降低自然灾害带来的伤亡。

浏览NASA的官网我们发现，GPM估算的全球降水量可以为阿拉斯加的野火控制提供有效信息，还可以测量加勒比海区域多里安飓风造成的降雨累积，及时发现暴雨。

GPM降雨量测量可以帮助人们知道哪些地区由干旱的危险。

总之，GPM的应用给我们的生活带来了极大的便利，不仅让人类对自然有了更深的了解，其对自然灾害事件的预测也让人类有更好的预防，减少了人类的损失。