ABSTRACT Knowing the spatiotemporal distribution of precipitation is undoubtedly important for planning various economic/social activities, such as agriculture, livestock, and energy production. The coarse observation density over certain regions may significantly compromise the quality of precipitation products interpolated by only surface observations. To minimize the lack of observations over certain regions, the Centre for Weather Forecast and Climate Studies (CPTEC) of National Institute for Space Research (INPE) developed two types of blended precipitation products, namely, the Combined Scheme (CoSch) and MERGE, which combine observed precipitation data with satellite estimates on a daily scale. To understand how different blending methodologies impact the final results, a comparison of each algorithm with independent rain gauges was performed with a focus over the Brazilian territory. Both products were generated at a 10-km horizontal resolution using input data from the Global Precipitation Measurement (GPM) Integrated Multi-satellitE Retrievals for GPM (IMERG-Early) for product (Version 5) in conjunction with surface observations from Surface Synoptic Observations (SYNOP), data collection platforms (DCPs) and data from regional meteorological centres. The cumulative 24-hour precipitation was evaluated for the period from June 2014 to June 2017. The results show that both products reliably characterize the precipitation regimes over most of the study regions, although MERGE and CoSch tend to over- and underestimate the amount of precipitation, respectively. However, the magnitude of the Bias achieved by MERGE is smaller than that achieved by CoSch. Overall, MERGE outperforms CoSch when analysing rain/no rain and light to moderate rainfall (0.5 to 20.0 mm). For heavy precipitation (>35.0 mm), the performance of both products is similar. The most significant differences between the two products occur over the Northeast Region of Brazil (R3 and R4), where CoSch tends to encounter difficulties characterizing the precipitation regime during the northeastern wet period (April – November). In R3 and R4, MERGE relies more on surface observations, whereas CoSch relies on GPM-IMERG-Early, which could be associated with the deficiency of GPM-IMERG-Early in estimating the amount of precipitation associated with warm clouds.

中文翻译：

---

从卫星和地面观测组合获得的降水产品的性能

摘要 了解降水的时空分布对于规划农业、畜牧业和能源生产等各种经济/社会活动无疑是重要的。某些区域的粗观测密度可能会显着影响仅通过表面观测插值的降水产品的质量。为了尽量减少某些地区的观测不足，美国国家空间研究所 (INPE) 的天气预报和气候研究中心 (CPTEC) 开发了两种类型的混合降水产品，即组合方案 (CoSch) 和 MERGE，它们将观测到的降水数据与每日规模的卫星估计值相结合。要了解不同的混合方法如何影响最终结果，将每种算法与独立雨量计进行了比较，重点是巴西领土。这两种产品都是使用来自全球降水测量 (GPM) 综合多卫星检索 GPM (IMERG-Early) 产品（第 5 版）的输入数据以 10 公里水平分辨率生成的，并结合地表天气观测（Surface Synoptic Observations）的地表观测（ SYNOP)、数据收集平台 (DCP) 和来自区域气象中心的数据。对 2014 年 6 月至 2017 年 6 月期间的累积 24 小时降水进行了评估。 结果表明，这两种产品都可靠地表征了大部分研究区域的降水状况，尽管 MERGE 和 CoSch 倾向于高估和低估降水量， 分别。然而，MERGE 实现的偏差幅度小于 CoSch 实现的偏差。总体而言，在分析有雨/无雨和小到中雨（0.5 到 20.0 毫米）时，MERGE 的表现优于 CoSch。对于强降水（>35.0 mm），两种产品的性能相似。两种产品之间最显着的差异发生在巴西东北部地区（R3 和 R4），在那里 CoSch 在描述东北部湿润期（4 月至 11 月）的降水情况时往往会遇到困难。在 R3 和 R4 中，MERGE 更依赖于地表观测，而 CoSch 依赖于 GPM-IMERG-Early，这可能与 GPM-IMERG-Early 在估计与暖云相关的降水量方面的不足有关。在分析雨/无雨和小到中雨（0.5 到 20.0 毫米）时，MERGE 的表现优于 CoSch。对于强降水（>35.0 mm），两种产品的性能相似。两种产品之间最显着的差异发生在巴西东北部地区（R3 和 R4），在那里 CoSch 在描述东北部湿润期（4 月至 11 月）的降水情况时往往会遇到困难。在 R3 和 R4 中，MERGE 更依赖于地表观测，而 CoSch 依赖于 GPM-IMERG-Early，这可能与 GPM-IMERG-Early 在估计与暖云相关的降水量方面的不足有关。在分析雨/无雨和小到中雨（0.5 到 20.0 毫米）时，MERGE 的表现优于 CoSch。对于强降水（>35.0 mm），两种产品的性能相似。两种产品之间最显着的差异发生在巴西东北部地区（R3 和 R4），在那里 CoSch 在描述东北部湿润期（4 月至 11 月）的降水情况时往往会遇到困难。在 R3 和 R4 中，MERGE 更依赖于地表观测，而 CoSch 依赖于 GPM-IMERG-Early，这可能与 GPM-IMERG-Early 在估计与暖云相关的降水量方面的不足有关。两种产品之间最显着的差异发生在巴西东北部地区（R3 和 R4），在那里 CoSch 在描述东北部湿润期（4 月至 11 月）的降水情况时往往会遇到困难。在 R3 和 R4 中，MERGE 更依赖于地表观测，而 CoSch 依赖于 GPM-IMERG-Early，这可能与 GPM-IMERG-Early 在估计与暖云相关的降水量方面的不足有关。两种产品之间最显着的差异发生在巴西东北部地区（R3 和 R4），在那里 CoSch 在描述东北部湿润期（4 月至 11 月）的降水情况时往往会遇到困难。在 R3 和 R4 中，MERGE 更依赖于地表观测，而 CoSch 依赖于 GPM-IMERG-Early，这可能与 GPM-IMERG-Early 在估计与暖云相关的降水量方面的不足有关。