常用降雨栅格数据集对比与选型指南

为什么要关注降雨栅格数据

降雨数据最常见的原始形态是雨量站观测记录，但水文模拟、气候变化分析、洪涝风险评估、农业干旱监测和 GIS 制图通常需要连续空间面的输入，这就需要把点状观测、卫星反演、雷达估计、再分析资料或多源融合结果转换为规则网格，也就是常说的降雨栅格数据集或降水格点产品。

这类数据看起来都是一张张降雨量栅格图，但来源差异很大。站点插值产品更接近地面观测，卫星产品覆盖广且时间分辨率高，再分析产品变量体系完整，多源融合产品则试图在精度、覆盖范围和时效之间折中。选错数据，后续模型结果、极端降雨统计和空间制图都会出现明显偏差。

本文按“实际研究中如何选择”的角度，梳理中国及全球常用降雨栅格数据集。

先看结论

如果只做中国大陆长期逐日降水分析，优先看 CHM_PRE V2。如果研究对象是小时级暴雨、城市内涝、山洪或台风降雨过程，应优先考虑 CMPA、CLDAS-V2.0、GPM IMERG、GSMaP、MSWEP 这类小时或半小时产品。若研究跨境流域、全球对比或没有本地站点资料，则可以选 IMERG、MSWEP、CHIRPS、ERA5-Land 等全球一致性产品。

一个简单判断规则是：

主要数据集对比

按数据来源理解差异

1. 站点插值类

代表数据包括 CHM_PRE、CN05.1、CMA 0.5°格点降水、APHRODITE 和 GPCC。这类数据的优势是更接近地面雨量站观测，适合长期气候统计、日尺度降水、区域气候评估和论文中的基准对照。

它的主要问题是站点密度不均。在中国西部、高山峡谷、青藏高原边缘、沙漠和边境地区，网格值的可靠性会受到站点数量和插值方法影响。即使空间分辨率看起来很高，也不代表每个格网都有同等可信度。

2. 卫星反演类

代表数据包括 GPM IMERG、GSMaP、CMORPH 和 PERSIANN-CDR。这类产品覆盖广、时间分辨率高，特别适合暴雨过程、台风降雨、跨区域对比和缺站区域研究。

但卫星降水不是直接量雨。它依赖微波、红外等遥感信号反演，在复杂地形、冷季降雪、弱降水和强对流峰值上容易出现偏差。用于中国流域模型前，最好用本地雨量站或本土融合产品做校正。

3. 多源融合类

代表数据包括 CMFD、CLDAS、CMPA、MSWEP 和 CHIRPS。它们通常把站点、卫星、雷达、再分析或模式背景场结合起来，试图获得比单一数据源更稳定的结果。

融合产品要重点看三件事：是否使用了本地站点资料，时间延迟是否满足业务需求，目标变量是否是降水观测本身还是模型强迫变量。例如 CMFD 更适合作为陆面模型驱动，CMPA/CLDAS 更适合小时降水过程，MSWEP 更适合全球一致性水文模拟。

4. 再分析类

ERA5-Land 是最常见的再分析/陆面模式产品之一。它的优势是变量完整、时空连续、全球一致，适合需要温度、湿度、风、辐射、降水等多变量共同驱动的模型。

但再分析降水不是雨量站观测，也不是卫星直接反演结果，而是模式和同化系统输出。它适合做背景场、驱动场和跨变量一致分析，不宜未经校正就作为局地实测降雨替代。

典型场景怎么选

中国大陆长期逐日降水

首选 CHM_PRE V2。它覆盖 1960-2024 年，空间分辨率 0.1°，提供日尺度 NetCDF 以及月、年尺度 NetCDF/GeoTIFF 文件。对于年降水量、月降水距平、极端降水指数、SPI/SPEI 前处理和流域日降水序列，它比许多全球卫星产品更适合作为中国大陆基准。

如果要和早期论文或模式评估工作对齐，可以同时保留 CN05.1 或 CMA 0.5°格点降水作为敏感性对比。

小时级暴雨和城市内涝

不要用日尺度数据替代小时过程。城市内涝、山洪、短历时暴雨和台风降水过程更需要 1 小时或 30 分钟数据。国内业务和研究中可以优先查 CMPA、CLDAS-V2.0；跨区域或无 CMA 数据权限时，可考虑 IMERG、GSMaP、CMORPH 或 MSWEP。

需要注意，卫星小时降水常常能较好描述空间形态，但峰值强度、降水起止时间和山地降水仍需站点校正。

陆面、水文、生态模型

如果模型需要多个气象变量共同输入，可以优先考虑 CMFD 2.0 或 ERA5-Land。CMFD 更贴近中国及周边陆地区域应用，ERA5-Land 胜在全球一致性、变量完整和时间连续。

这类数据的降水变量更像“模型驱动用强迫数据”，而不是单独的降雨观测产品。做降水统计结论时，要把这一点写清楚。

农业干旱和季节监测

CHIRPS、MSWEP 和 CHM_PRE 都可以用于农业干旱、季节累计降水、降水距平和区域干湿变化。若研究区在中国大陆，CHM_PRE 更适合作为本土基准；如果研究区跨越多个国家或区域，CHIRPS 和 MSWEP 的全球一致性更方便。

高分辨率空间制图

HRLT 和 CDMet 的空间分辨率较高，适合做空间格局表达、生态环境分析、农业气候区划和地图制图。但高分辨率不等于高真实性，尤其不能把 1 km 或 4 km 的格点值理解成相应尺度上的真实雨量站观测。

使用前要检查的几个问题

1. 时间尺度是否匹配：日尺度产品不能直接用于小时暴雨过程，月尺度产品不能用于单场洪水模拟。
2. 空间分辨率是否真的有意义：统计降尺度得到的 1 km 数据，不代表 1 km 网格内有真实观测。
3. 单位是否需要转换：常见单位包括 mm/day、mm/hour、mm/month、kg m-2 s-1、m 等，ERA5-Land 等产品尤其要注意累计量和单位转换。
4. 缺失值和掩膜是否正确：NetCDF、GeoTIFF、HDF5 的缺失值编码不同，区域平均前应先处理无效值。
5. 数据是否经过站点校正：Final、Late、Early、Near real-time 版本精度不同，不能混用。
6. 许可是否允许当前用途：MSWEP、部分 CMA 数据和部分平台数据可能存在访问权限或使用限制，公开发表前应核对数据许可。

Python 读取示例

多数降雨栅格数据最终会以 NetCDF、GeoTIFF、HDF5 或 GRIB 形式提供。对于 NetCDF，可优先使用 xarray：

import xarray as xr

ds = xr.open_dataset("precipitation.nc")
print(ds)
prec = ds["prec"]

对于多个年度文件，可以用 open_mfdataset 延迟读取：

from pathlib import Path
import xarray as xr

paths = sorted(Path("daily").glob("*.nc"))
ds = xr.open_mfdataset(paths, chunks="auto", combine="by_coords")
prec = ds["prec"]

GeoTIFF 更适合 GIS 制图和空间叠加，可用 rioxarray 读取：

import rioxarray

raster = rioxarray.open_rasterio("precipitation.tif", masked=True)
print(raster.rio.crs)

实际处理时，建议先把研究区边界、时间范围、时间尺度和单位统一，再做统计分析。不要在没有单位转换和时间聚合说明的情况下，把多个数据集直接相减或求平均。

小结

降雨栅格数据没有绝对最优，只有适不适合当前问题。中国大陆长期逐日研究优先 CHM_PRE V2；小时级过程优先 CMPA、CLDAS、IMERG 或 MSWEP；多变量模型驱动优先 CMFD 或 ERA5-Land；跨境和全球对比优先 IMERG、MSWEP、CHIRPS 等全球产品。

真正可靠的做法，是先按研究目标选择候选数据，再用本地雨量站、流域出口径流、历史暴雨记录或已有权威产品进行交叉验证。对于降雨这种空间变异极强的变量，数据来源、尺度和误差结构往往比文件格式本身更重要。