引言
多年来，提高定量降水估计（QPE）一直是研究的重点，因为它对水循环和能量收支具有重要意义（Trenberth et al., 2009, He et al., 2013, Kucera et al., 2013, Levizzani and Cattani, 2019）；然而，由于降水具有间歇性、高的时空变异性、正偏分布以及高质量观测数量有限等混乱特性，这使得提高QPE的难度相当大。遥感QPE取得了许多进展，无论是地面雷达还是空间卫星，例如使用不同的技术和传感器来提高反演精度（Milani and Kidd 2023），以及将现场观测与遥感QPE相结合以创建更精确的格点QPE产品的新方法（Huffman et al., 2015, Nelson et al., 2016, Zhang et al., 2016）。这些产品被广泛应用于多种应用，从水文学建模、数值天气预报验证、降水估计互比，到实时预报和态势感知。
在中纬度地区，冷季的QPE相比暖季面临更多挑战，因为地表的降水可以同时以液态和冻结相发生，或以两者混合的形式出现。由于降水相态的复杂动态，现场降水观测在时空上可能有限，随仪器更换或位置移动而随时间变化，或者根据用于收集观测的仪器类型而精度降低（Tokay et al., 2010, Rasmussen et al., 2012, Martinaitis et al., 2015, Filipiak et al., 2025a）。影响现场观测精度的因素包括观测是手动还是自动的，自动降水计所使用的机制类型（翻斗式或称重式），雨量计是否加热，以及是否配备防风屏及其尺寸以减少漏测。
雷达或卫星的QPE可以填补现场观测的时空空白，但它们也可能难以应对冷季降水，特别是在冻结降水期间，因为各种降水相态中存在多种微物理特性（Kulie et al., 2010, Kirstetter et al., 2015, Fuller et al., 2023）。对于雷达而言，生成QPE时存在许多潜在误差来源，其中包括：(i) 地物杂波和波束遮挡，(ii) 强降水导致的波束衰减，(iii) 大气温度梯度引起的波束弯曲，导致雷达波束沿非正常路径传播，(iv) 与雷达的距离，导致体积样本增大且估计值位于更高的地面以上高度，以及 (v) 反射率到降水率的转换（关于不确定性潜在来源的更全面综述，参见Villarini and Krajewski, 2010, Sokol et al., 2021）。
尽管存在这些不确定性和误差来源，格点雷达QPE产品由于数据集具有更高的时空分辨率，通常被选为降水的参考数据集。许多研究利用这些产品评估卫星降水产品（Beck et al., 2019, Wang et al., 2021, Li et al., 2023, Wang et al., 2025）以及不同尺度的数值天气预报模型（Prein et al., 2020; English et al., 2021, James et al., 2022, Khaira and Astitha, 2023, Bytheway et al., 2024, Khaira et al., 2024, Filipiak et al., 2025b, Schwartz et al., 2025）。在这些情况下使用格点QPE产品的好处是它们具有空间覆盖的一致性，这是现场雨量计不一定能提供的；然而，了解这些产品相对于现场雨量计的表现很重要，因为现场雨量计通常是"最佳"、最精确的可用测量。
在美国本土48州（CONUS），有两种主要的雷达衍生、雨量计校正的QPE产品通常被用于前述应用：NCEP Stage IV（以下简称Stage IV；Nelson et al. 2016）和多雷达多传感器（以下简称MRMS；Zhang et al. 2016）。虽然Stage IV和MRMS的最终产品通常可以互换使用，但其处理流程中存在许多差异，表明需要对其进行相互对比评估。之前的研究通常分别评估这些产品（Wootten and Boyles, 2014, Martinaitis et al., 2015, Prat and Nelson, 2015, Bytheway et al., 2020, Nelson et al., 2021, Moazami and Najafi, 2021, Wang and Tian, 2025），这使得很难概括它们在不同区域、时间段和参考数据集之间结果的对比情况。很少有研究直接比较Stage IV和MRMS；一些研究使用较旧的处理方法生成QPE（Wu et al. 2012），将Stage IV作为参考与MRMS进行比较（Cocks et al. 2016），或者使用了两个QPE系统的不同步骤和处理流程（Cocks et al. 2017）。
尽管此前已有许多涉及Stage IV和MRMS的研究，但这些QPE产品仍有一些特定方面需要进一步深入探讨。这些产品提供了从1小时到日尺度的多种时间分辨率QPE，但以往很少有研究探讨不同的时间分辨率如何影响两种产品的精度。Nelson et al. (2016) 指出，Stage IV最准确的产品是24小时累计值，但终端用户可能根据应用和天气现象的不同，对较短的时间段更感兴趣。虽然大多数研究评估了24小时累计窗口下的Stage IV和MRMS，但一些研究在逐小时（Bytheway et al., 2020, Wang and Tian, 2025）或多个时间尺度上进行了评估（Wu et al. 2012），但尚未在一致的区域上，针对这些产品的较新版本，进行多种分辨率的直接比较。
另一个需要进一步探索的领域是降水相态对QPE精度的影响。两种产品的特定区域（Wootten and Boyles, 2014, Cocks et al., 2016, Nelson et al., 2021）或特定应用（如雨量计质量控制；Martinaitis et al. 2015）中的相态影响已得到研究，但这些研究依赖温度来确定降水相态，这在准确分类方面可能存在困难。所有这些研究都指出了冻结降水存在的问题，但按降水相态分离的长期评估很少。
本研究的目标是与一个一致的参考数据集比较Stage IV和MRMS，以了解时空特征和降水相态如何影响QPE产品。这一目标有助于终端用户更好地理解这些产品之间的对比关系，这一点很重要，因为本研究中统计指标的数值并不代表Stage IV或MRMS的真实精度。为实现这一目标，我们评估了2020年至2025年冷季（此处定义为11月1日至次年5月1日，不含5月1日）期间，四个国家气象局（NWS）河段预报中心（RFC）的85个现场称重式雨量计的这两款产品；该分析包括使用1小时、6小时和24小时QPE产品，探索整体表现、区域表现以及不同降水相态下的表现，以更好地了解Stage IV和MRMS的优势和局限性。第2节描述了不同的数据集及其处理和评估的细节。第3节重点介绍了Stage IV和MRMS三种不同比较的结果。第4节讨论了结果对各类终端用户的影响。本工作的总结及未来研究方向见第5节。
Brian C. Filipiak|Brendan Raykoff|Matthew Sinchi|Diego Cerrai|Marina Astitha
