降水遥感数据下载篇

降水遥感数据下载篇：

唐国强, 龙笛, 万玮, 等. 全球水遥感技术及其应用研究的综述与展望. 中国科学: 技术科学, 2015, 45: 1013–1023.

王存光, 洪阳. 卫星遥感降水的反演、验证与应用综述[J]. 水利水电技术, 2018, 49(8): 1-9.

CMORPH数据下载：
CMORPH的数据0.25度的还有继续生产，但是改进的1.0版本只到2017，而0.x版本到2020都有。0.x版本只有原始的数据，没有经过偏差校正和卫星测量混合的降水产品，而且该版本采用的算法是演变的，可能存在质量较低、不确定性较高的问题。CMORPH还有8km的半小时数据。
共三种版本1：raw 2：CRT 3：BLD
CRT – bias-corrected (over-estimates in the tropics?)
BLD – gauge-satellite blended precipitation product

网址：https://rda.ucar.edu/datasets/ds502.1/#description

网址：ftp://ftp.cpc.ncep.noaa.gov/precip/

‘CMORPH_RT/’以及‘CMORPH_V0.x/’里有2020年数据，滞后在一天之内，其余文件夹里没有。
‘TRMM/’下也有2020月份的文件，不知道是什么。
CSDN里hydromonkey的“CMORPH数据处理2”有简单介绍CMORPH数据读取。

GSMaP据下载：
网址：https://sharaku.eorc.jaxa.jp/GSMaP/index.htm
注册后收到下载链接，点击链接选择需要的产品，例如我选择如下目录里的产品（直接打开可能错误，需从邮箱链接里打开）：
ftp://hokusai.eorc.jaxa.jp/realtime_ver/v7/daily0.1/00Z-23Z/202008/
有小时和每天的数据，滞后在一天之内。

TRMM-TMPA简介：
发射时间：1997年11月27日，在日本发射，2015年4月16日终止接收数据，总共运行17年左右。
最终TRMM多卫星降水分析(TMPA，产品3B42/3B43)数据处理将于2019年12月31日结束。
轨道：和赤道35度角，距海平面350km
周期：91分钟一圈。24小时可以转16圈，尽可能地覆盖热带地区。
精度：0.25 x 0.25°，观测范围：50°s~50°n

TRMM卫星的仪器有5个：测雨雷达（Precipitation Radar，PR）、微波成像仪（TRMM & Microwave Imager，TMI）、可见光和红外扫描仪（Visible and Infrared Scanner，VIRS）、云和地球辐射能量系统（Clouds and the Earth Radiant Energy System，CERES）、闪电成像传感器（Lightning Imaging Sensor，LIS）。

GPM-IMERG简介：
网址：https://gpm.nasa.gov/data/directory，里边有各种GPM数据的简介和下载链接，以下为IMERG数据介绍的部分翻译（以能理解大意为目的的简单翻译）。

IMERG系统在近实时情况下运行两次：
“早期”多卫星产品在观测时间后4小时内仅使用前向变形；
“晚期”多卫星产品在观测时间后14小时内同时使用前向和后向变形，以及在收到月度量表分析后运行一次：
“最终”，观测月后约3.5个月的卫星测量产品，使用正向和反向变形，包括月度量表分析。

目前，近实时的“早期”和“晚期”半小时估计没有最后校准，而后实时“最终”运行的多卫星半小时估计被校准了，使其总和等于“最终”运行的月卫星测量组合。在所有情况下，输出都包含多个字段，这些字段提供有关输入数据、选择的中间字段和估计质量的信息。一般来说，完整的校准降水，precipitationCal，是大多数用户数据字段的选择。

下面详细介绍每日的推导过程。
每天的累积量是通过对数据日中网格单元中的有效检索值求和而得出的。 由于0.5小时的源数据以mm/hr为单位，因此将因子0.5应用于求和。因此，对于每个网格单元
Pdaily = 0.5 * SUM{Pi * 1[Pi valid]}, i=[1,Nf]
Pdaily_cnt = SUM{1[Pi valid]}
其中：
Pdaily - Daily accumulation (mm)
Pi - 0.5-hourly input, in (mm/hr)
Nf - Number of 0.5-hourly files per day, Nf=48
1[.] - Indicator function; 1 when Pi is valid, 0 otherwise
Pdaily_cnt - Number of valid retrievals in a grid cell per day.
Pdaily_cnt=0的网格单元格在每日数据中被设置为填充值。注意，Pi=0是一个有效值。
有时，0.5小时的源数据在极少数网格单元中Pi是填充值。尽管这样产生的累积在表示“真实”每日总量时具有较大的不确定性，但仍会发布此类栅格单元的总累积量。 使用包含Pdaily_cnt的“计数”变量可以轻松检测到这些事件，从而用户可以筛选出Pdaily_cnt小于Nf的任何网格单元。

有多种方法可以根据源0.5小时的误差估算每日累积误差。在此版本中，数据文件中提供的每日误差计算如下。首先，对0.5小时的误差求平方和，然后取其平方和的平方根。与降水类似，最后应用因子0.5：
Perr_daily = 0.5 * { SUM[ (Perr_i * 1[Perr_i valid])^2 ] }^0.5 , i=[1,Nf]
Ncnt_err = SUM( 1[Perr_i valid] )
其中：
Perr_daily - Magnitude of the daily accumulated error power, (mm)
Ncnt_err - The counts for the error variable
因此，计算得到的Perr_daily表示最坏的情况，假设0.5小时的源数据(以mm/hr表示)中的错误在源数据的0.5小时周期内累积，然后在一天内累积。然而，这些值可以很容易地用于降雨率的均方根误差估计
rms_err = { (Perr_daily/0.5) ^2 / Ncnt_err }^0.5 (mm/hr)
这个估计假设0.5小时的文件中给出的错误代表了文件0.5小时窗口内的降雨率(mm/hr)的错误，并且全天都是随机的。注意，这应该解释为当天的降雨率(毫米/小时)的误差，而不是每天的累积量。