国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

青海省長序列高分辨率氣象要素柵格數(shù)據(jù)集構(gòu)建與評(píng)估

2023-10-24 09:19:28權(quán)晨趙彤何杰沈曉燕申燕玲
關(guān)鍵詞:陸面柵格數(shù)據(jù)氣象站

權(quán)晨 趙彤 何杰 沈曉燕 申燕玲

(1 青海省氣象科學(xué)研究所,青海省防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室,西寧 810001;2 中國科學(xué)院青藏高原研究所,北京 100101)

0 引言

青海省地處青藏高原東北部,擁有“中華水塔”三江源區(qū)、“聚寶盆”柴達(dá)木盆地,同時(shí)也是氣候變化的敏感區(qū)和生態(tài)環(huán)境脆弱區(qū)。因此,研究青海省的氣候變化、水文過程、生態(tài)演變以及陸氣相互作用能夠?yàn)閰^(qū)域經(jīng)濟(jì)和社會(huì)發(fā)展、清潔能源規(guī)劃和利用、生態(tài)保護(hù)和國家公園建設(shè)等方面提供重要支撐。

陸面驅(qū)動(dòng)數(shù)據(jù)作為陸面模式的輸入,是開展氣候、水文、生態(tài)等過程的模擬,進(jìn)而揭示地表與大氣交換的物理及生物化學(xué)過程不可或缺的數(shù)據(jù)[1]。根據(jù)不同的科研需求,陸面系統(tǒng)模式對(duì)其輸入數(shù)據(jù)的要求也不盡相同,但隨著模式技術(shù)的發(fā)展,進(jìn)行長時(shí)間、高分辨率的數(shù)值模擬是必然趨勢(shì),也是各國科研機(jī)構(gòu)開發(fā)長時(shí)間序列、高時(shí)空分辨率模式輸入數(shù)據(jù)的一個(gè)主要?jiǎng)訖C(jī)[2]。目前,用于數(shù)值模式輸入的再分析資料有很多,其中使用最為廣泛的是美國生產(chǎn)的NCEP/NCAR再分析資料[3]和MERRA-2再分析資料[4]、歐洲中期天氣預(yù)報(bào)中心的ERA5再分析資料[5],以及日本的JRA-55再分析資料[6]。除此之外,還有旨在用于陸面數(shù)值模式的Princeton驅(qū)動(dòng)數(shù)據(jù)[7],專注于描述大氣輻射狀況的GEWEX-SRB數(shù)據(jù)[8],以及根據(jù)TRMM衛(wèi)星遙感數(shù)據(jù)和其他衛(wèi)星數(shù)據(jù)反演得到的降水?dāng)?shù)據(jù)產(chǎn)品[9]等。國內(nèi)再分析或陸面驅(qū)動(dòng)數(shù)據(jù)取得了重大進(jìn)展,主要有中國氣象局中國全球大氣/陸面再分析數(shù)據(jù)集(CMA-RA)[10-11]和CMA陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)近實(shí)時(shí)產(chǎn)品數(shù)據(jù)集[12],以及中國區(qū)域近地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集(CMFD)[13]。這些數(shù)據(jù)產(chǎn)品中的大多數(shù)都覆蓋了全球范圍,或至少覆蓋了地球表面的大部分,但這并不意味著同一產(chǎn)品中的數(shù)據(jù)在不同的區(qū)域都具有相同的可信度。由于全球范圍觀測(cè)數(shù)據(jù)的分布不均,以及數(shù)據(jù)同化系統(tǒng)自身存在缺陷等原因,數(shù)據(jù)產(chǎn)品中可能出現(xiàn)區(qū)域性的系統(tǒng)偏差。青藏高原地區(qū)地形復(fù)雜、站點(diǎn)稀少,各類數(shù)據(jù)集往往存在較大偏差或空間分辨率較低。劉婷婷等[14]對(duì)ERA5降水與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)評(píng)估得出高原地區(qū)整體低于0.40,無法滿足該地區(qū)格點(diǎn)化氣象分析以及水文、生態(tài)模型的應(yīng)用需求。

因此,為了滿足陸面數(shù)值模擬工作的需要,有必要消除既有資料中的偏差,開發(fā)出一套適用于青海高原區(qū)域的長時(shí)間序列、高時(shí)空分辨率的陸面模式驅(qū)動(dòng)數(shù)據(jù)(QMFD),以求獲得更好的模擬結(jié)果。該數(shù)據(jù)集主要采用陽坤團(tuán)隊(duì)研發(fā)的中國區(qū)域氣象要素驅(qū)動(dòng)數(shù)據(jù)集(CMFD)研制方法[13],融合了青海省氣象局1980—2003年1日4次(時(shí)間分辨率為6 h)和2004—2018年國家氣象站(50個(gè)站)逐小時(shí)氣壓、氣溫、降水、相對(duì)濕度、風(fēng)速,以及日平均氣溫、日最高氣溫、日最低氣溫等高時(shí)空分辨率氣象觀測(cè)數(shù)據(jù)制作而成,其時(shí)間分辨率為3 h,水平空間分辨率0.01°×0.01°,包含近地面氣溫、地表氣壓、近地面空氣比濕、近地面全風(fēng)速、地面降水率共5個(gè)要素(變量)。該數(shù)據(jù)集實(shí)現(xiàn)了青海區(qū)域較高時(shí)間和空間分辨率,且數(shù)據(jù)質(zhì)量不低于國內(nèi)外主流陸面驅(qū)動(dòng)數(shù)據(jù)集,能夠很好地滿足高原地區(qū)中小區(qū)域內(nèi)生態(tài)水文過程模擬以及氣象資料分析,相對(duì)于主流數(shù)據(jù)集具有不可替代的作用。各氣象要素見表1所示。

表1 各氣象要素物理意義及單位Table 1 Physical significance and units of meteorological elements

1 數(shù)據(jù)及方法

1.1 數(shù)據(jù)

1.1.1 地面氣象觀測(cè)數(shù)據(jù)

地面氣象站觀測(cè)數(shù)據(jù)包括青海省1980—2003年1日4次(時(shí)間分辨率為6 h)和2004—2018年國家氣象站(50個(gè)站)逐小時(shí)氣壓、氣溫、降水、相對(duì)濕度、風(fēng)速,以及日平均氣溫、日最高氣溫、日最低氣溫。

1.1.2 TRMM衛(wèi)星降水?dāng)?shù)據(jù)

采用2004—2018年TRMM衛(wèi)星降水再分析數(shù)據(jù)(3B42),時(shí)間分辨率為3 h,空間分辨率為0.25°。TRMM降水?dāng)?shù)據(jù)的準(zhǔn)確度已經(jīng)成為國際公認(rèn)的事實(shí),TRMM 3B42數(shù)據(jù)在本工作中不僅起到了為插值提供“背景”的作用,而且是作為判斷某時(shí)刻某格點(diǎn)上是否出現(xiàn)降水的依據(jù)。這種通過衛(wèi)星遙感數(shù)據(jù)判斷降水是否發(fā)生的方法極大地克服了純數(shù)學(xué)插值方法在格點(diǎn)上產(chǎn)生虛假降水的難題。區(qū)域內(nèi)40°N以北地區(qū),TRMM數(shù)據(jù)未覆蓋地區(qū)由APHRODITE(Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation of Water Resources)降水?dāng)?shù)據(jù)集替代,該數(shù)據(jù)集是由日本綜合地球環(huán)境研究所(RIHN)和日本氣象廳氣象研究所(MRI/JMA)整編了亞洲各國家和地區(qū)的雨量站觀測(cè)資料建立的一套逐日高分辨率網(wǎng)格化降水?dāng)?shù)據(jù)集[15]。

1.1.3 GLDAS同化數(shù)據(jù)

GLDAS(Global Land Data Assimilation System)是描述全球陸地信息的模型,該模型包含了全球降雨量、水分蒸發(fā)量、地表徑流、地下徑流、土壤濕度、地表積雪的分布以及溫度和熱流分布等數(shù)據(jù)[16]。模型的空間分辨率有1°×1°和0.25°×0.25°,時(shí)間分辨率為逐3 h、逐日、逐月不等。

1.1.4 Princeton陸面模式驅(qū)動(dòng)數(shù)據(jù)

Princeton陸面模式驅(qū)動(dòng)數(shù)據(jù)是由Princeton大學(xué)陸面水文研究組開發(fā)的一套旨在用于陸面過程數(shù)值模擬的格點(diǎn)資料[7]。其時(shí)間序列覆蓋了1948—2006年的近60年長度,時(shí)間分辨率為3 h,水平空間分辨率為1.0°。文中采用近地面氣溫、地表氣壓、近地面空氣比濕、近地面全風(fēng)速這4個(gè)變量。

1.1.5 評(píng)估數(shù)據(jù)

利用青海省不同區(qū)域、不同海拔高度的30個(gè)區(qū)域氣象站觀測(cè)資料對(duì)生成的柵格數(shù)據(jù)進(jìn)行評(píng)估(表2)。該數(shù)據(jù)在柵格數(shù)據(jù)生成過程中未參與融合。

表2 數(shù)據(jù)集評(píng)估所需區(qū)域氣象站信息Table 2 Information of regional meteorological stations for dataset evaluation

1.2 技術(shù)方法

1.2.1 總體方案

氣象臺(tái)站觀測(cè)數(shù)據(jù)準(zhǔn)確,因此,制作柵格數(shù)據(jù)產(chǎn)品最簡單的思路是直接用臺(tái)站觀測(cè)數(shù)據(jù)進(jìn)行空間插值,但在觀測(cè)站點(diǎn)稀少地區(qū),通過簡單數(shù)學(xué)插值方法將站點(diǎn)數(shù)據(jù)插值至格點(diǎn)會(huì)產(chǎn)生巨大的偏差。再分析或遙感格點(diǎn)產(chǎn)品雖具有區(qū)域性的系統(tǒng)偏差,但其時(shí)空分布連續(xù)性好,其空間分布可作為空間插值的參考信息。因此,為了得到高時(shí)空分辨率的氣象要素柵格數(shù)據(jù)產(chǎn)品,就必須將這兩類數(shù)據(jù)融合,使其優(yōu)點(diǎn)相結(jié)合。如:降水?dāng)?shù)據(jù)采用TRMM衛(wèi)星降水?dāng)?shù)據(jù)、GLDAS同化數(shù)據(jù)以及地面站點(diǎn)數(shù)據(jù);氣溫、氣壓、全風(fēng)速、比濕等要素則采用Princeton陸面模式驅(qū)動(dòng)數(shù)據(jù)和地面氣象觀測(cè)數(shù)據(jù)。

本數(shù)據(jù)集采用CMFD的研發(fā)思路[13],即先假定所需的Princeton陸面模式驅(qū)動(dòng)數(shù)據(jù)、GLDAS同化數(shù)據(jù)和TRMM衛(wèi)星遙感數(shù)據(jù)相對(duì)于氣象站觀測(cè)數(shù)據(jù)的偏差在空間上是連續(xù)分布的,在每個(gè)站點(diǎn)對(duì)應(yīng)的位置上求出該氣象要素的偏差并將其插值到格點(diǎn)上,再訂正原始的再分析資料或衛(wèi)星遙感數(shù)據(jù)中的偏差,最終實(shí)現(xiàn)再分析或衛(wèi)星遙感柵格資料與氣象站點(diǎn)觀測(cè)數(shù)據(jù)的融合。其中,在近地面氣壓、氣溫、全風(fēng)速、比濕和降水率等5個(gè)要素?cái)?shù)據(jù)集的建立過程中,采用“差值法”來表示再分析資料相對(duì)于觀測(cè)數(shù)據(jù)的偏差,在向下短波輻射數(shù)據(jù)中采用“比值法”來描述??臻g降尺度方面,選擇ANUSPLIN插值工具來將站點(diǎn)數(shù)據(jù)插值到0.01°空間分辨率格點(diǎn),對(duì)于氣溫、氣壓等對(duì)地形高度比較敏感的變量,利用高分辨率的地形數(shù)據(jù)來提供高空間分辨率的信息。

1.2.2 時(shí)間降尺度過程中的質(zhì)量控制

為了避免在制作的數(shù)據(jù)產(chǎn)品中出現(xiàn)物理上不合理的數(shù)值,如負(fù)降水量、大于100%的相對(duì)濕度等情況,必須對(duì)插值結(jié)果進(jìn)行質(zhì)量控制。防止插值“過界”的最簡單辦法就是確定變量的變化閾值,并且將插值結(jié)果中超出閾值的數(shù)值校正到合理范圍之內(nèi)。對(duì)于提供了日變化極值的變量,采用觀測(cè)的日變化極值作為該變量在當(dāng)天的變化閾值。對(duì)于氣象站資料中沒有提供日變化極值的變量,則根據(jù)該變量的物理意義來確定閾值,如:降水量不可能為負(fù),那么降水量的最小閾值就是0;相對(duì)濕度不可能超過100%,則相對(duì)濕度的最大閾值就是100%。此外,為變量設(shè)定閾值并不是避免插值結(jié)果出現(xiàn)不合理數(shù)值的唯一途徑,采用了Logistic變換的方法來避免出現(xiàn)相對(duì)濕度超過100%的情況。

1.2.3 空間插值中地形高度處理

氣溫、氣壓變量的數(shù)值隨高度的變化是十分顯著的,因此在對(duì)這兩個(gè)變量的數(shù)據(jù)進(jìn)行空間插值時(shí)必須考慮地形高程的影響。首先將Princeton格點(diǎn)再分析數(shù)據(jù)和氣象站點(diǎn)觀測(cè)數(shù)據(jù)中的氣溫和氣壓數(shù)據(jù)統(tǒng)一訂正到海平面高度上,然后使用海平面氣溫、氣壓數(shù)據(jù)來完成校正和降尺度過程,最后再將校正后的數(shù)據(jù)訂正回地形高度上,得到最終數(shù)據(jù)產(chǎn)品。

2 數(shù)據(jù)評(píng)估

2.1 評(píng)估方法

數(shù)據(jù)評(píng)估采用直接對(duì)比氣象站點(diǎn)值和與其空間對(duì)應(yīng)的柵格格點(diǎn)值方法,對(duì)氣象站點(diǎn)實(shí)測(cè)值與柵格數(shù)據(jù)估測(cè)降水值進(jìn)行對(duì)比,方法主要包括均方根誤差(RMSE)、相關(guān)系數(shù)(R)、平均絕對(duì)誤差(MAE)、標(biāo)準(zhǔn)偏差(BIAS)。具體公式如下:

式中,n是數(shù)據(jù)記錄的總個(gè)數(shù);i是全體數(shù)據(jù)中的第i個(gè)數(shù)據(jù);xi是柵格數(shù)據(jù)提取的值;yi是臺(tái)站觀測(cè)的值。

2.2 月數(shù)據(jù)評(píng)估結(jié)果

利用青海省50個(gè)國家氣象站和30個(gè)區(qū)域氣象站對(duì)氣溫、降水、風(fēng)速、濕度、氣壓這5個(gè)要素的月值進(jìn)行了評(píng)估。

2.2.1 國家站數(shù)據(jù)評(píng)估

對(duì)1978—2018年50個(gè)國家氣象站的評(píng)估結(jié)果(表3)可以看出,柵格數(shù)據(jù)與地面氣象站間的相關(guān)系數(shù)總體較高,其中氣溫的各站平均相關(guān)系數(shù)高達(dá)1.00;降水次之,為0.97;風(fēng)速相關(guān)系數(shù)達(dá)到0.81;氣壓相關(guān)系數(shù)為0.74;相對(duì)濕度最低,但也達(dá)到了0.69。從各要素RMSE、MAE以及BIAS來看,風(fēng)速數(shù)據(jù)相對(duì)最好,其次為氣溫?cái)?shù)據(jù)。

表3 國家氣象站月尺度數(shù)據(jù)評(píng)估結(jié)果Table 3 Monthly-scale data evaluation results of national meteorological stations

2.2.2 區(qū)域站數(shù)據(jù)評(píng)估

對(duì)2016—2018年30個(gè)區(qū)域氣象站進(jìn)行評(píng)估(表4),可以看出,柵格數(shù)據(jù)與地面氣象站間的相關(guān)系數(shù)總體較高,其中氣溫相關(guān)系數(shù)高達(dá)1.00;相對(duì)濕度次之,為0.92;降水相關(guān)系數(shù)為0.85;氣壓相關(guān)系數(shù)為0.82;風(fēng)速最低,為0.74。從各要素RMSE、MAE以及BIAS來看,風(fēng)速數(shù)據(jù)相對(duì)最好,其次為氣溫?cái)?shù)據(jù)。

表4 區(qū)域氣象站月尺度數(shù)據(jù)評(píng)估結(jié)果Table 4 Monthly-scale data evaluation results of regional meteorological stations

2.3 日數(shù)據(jù)評(píng)估結(jié)果

2.3.1 國家站數(shù)據(jù)評(píng)估

對(duì)1978—2018年50個(gè)國家氣象站的日數(shù)據(jù)評(píng)估結(jié)果(表5)可以看出,柵格數(shù)據(jù)與地面氣象站間的相關(guān)系數(shù)相差較大,其中氣溫相關(guān)系數(shù)高達(dá)0.98;相對(duì)濕度次之,為0.79;風(fēng)速、降水、氣壓相關(guān)系數(shù)均<0.60。從各要素RMSE、MAE以及BIAS來看,氣溫?cái)?shù)據(jù)相對(duì)最好,其次為相對(duì)濕度數(shù)據(jù)。

表5 國家氣象站日尺度數(shù)據(jù)評(píng)估結(jié)果Table 5 Daily-scale data evaluation results of national meteorological stations

2.3.2 區(qū)域站數(shù)據(jù)評(píng)估

對(duì)2016—2018年30個(gè)區(qū)域氣象站日數(shù)據(jù)進(jìn)行評(píng)估(表6),可以看出,柵格數(shù)據(jù)與地面氣象站間的相關(guān)系數(shù)相差很大,其中氣溫相關(guān)系數(shù)高達(dá)0.96;相對(duì)濕度次之,為0.61;風(fēng)速相關(guān)系數(shù)為0.26;降水和氣壓相關(guān)系數(shù)分別為0.17和0.02。從各要素RMSE、MAE以及BIAS來看,氣溫?cái)?shù)據(jù)相對(duì)最好,其次為相對(duì)濕度數(shù)據(jù)。

表6 區(qū)域氣象站日尺度數(shù)據(jù)評(píng)估結(jié)果Table 6 Daily-scale data evaluation results of regional meteorological stations

2.4 與其他同類數(shù)據(jù)對(duì)比

挑選2018年6月和9月NCEP、ERA5、CLDAS這3類數(shù)據(jù)集與青海長序列高分辨率氣象要素柵格數(shù)據(jù)集進(jìn)行評(píng)估對(duì)比,提取了青海省30個(gè)區(qū)域氣象站月數(shù)據(jù),結(jié)果(表7)顯示,青海長序列高分辨率氣象要素柵格數(shù)據(jù)集氣溫?cái)?shù)據(jù)與觀測(cè)數(shù)據(jù)的相關(guān)系數(shù)分別為0.84和0.74,明顯高于ERA5和NCEP數(shù)據(jù)集,RMSE和MAE明顯低于其他數(shù)據(jù),而且時(shí)空分辨率方面亦有優(yōu)勢(shì)。對(duì)于降水?dāng)?shù)據(jù),亦采用相同的評(píng)估方法,結(jié)果(表8)顯示,青海長序列高分辨率氣象要素柵格數(shù)據(jù)集降水?dāng)?shù)據(jù)相關(guān)系數(shù)分別為0.61和0.51,明顯高于除CLDAS外其他數(shù)據(jù)集,RMSE和MAE明顯低于其他數(shù)據(jù),同樣,時(shí)空分辨率方面亦有優(yōu)勢(shì)。

表8 青海長序列高分辨率氣象要素柵格數(shù)據(jù)集(QMFD)與其他同類數(shù)據(jù)集降水評(píng)估結(jié)果對(duì)比Table 8 Comparison of precipitation evaluation results between QMFD and other similar datasets

3 結(jié)論

1)構(gòu)建了1979—2018年長達(dá)40 a的青海省近地面氣壓、氣溫、風(fēng)速、降水率、相對(duì)濕度5個(gè)氣象要素逐3 h的0.01°×0.01°柵格數(shù)據(jù)集,彌補(bǔ)了空間上無站點(diǎn)地區(qū)的氣象數(shù)據(jù),為氣候變化、生態(tài)評(píng)估、水資源評(píng)估提供基礎(chǔ)數(shù)據(jù)。

2)月數(shù)據(jù)評(píng)估結(jié)果顯示,數(shù)據(jù)集與地面氣象站觀測(cè)數(shù)據(jù)間的相關(guān)系數(shù)總體較高,其中氣溫相關(guān)系數(shù)最高,達(dá)1.00;相對(duì)濕度次之,為0.92;降水相關(guān)系數(shù)為0.85;氣壓相關(guān)系數(shù)為0.82;風(fēng)速最低,為0.74。日數(shù)據(jù)評(píng)估結(jié)果顯示,氣溫相關(guān)系數(shù)為0.96,相對(duì)濕度為0.61,其他要素較差??傮w上,青海長序列高分辨率氣象要素柵格數(shù)據(jù)集在月尺度上相關(guān)系數(shù)、均方根誤差及標(biāo)準(zhǔn)偏差指標(biāo)方面表現(xiàn)較好,氣溫和相對(duì)濕度在日尺度上優(yōu)于其他要素。

3)與NCEP、ERA5、CLDAS幾類數(shù)據(jù)集評(píng)估結(jié)果對(duì)比顯示,青海長序列高分辨率氣象要素柵格數(shù)據(jù)集氣溫?cái)?shù)據(jù)相關(guān)系數(shù)超過0.74,降水?dāng)?shù)據(jù)相關(guān)系數(shù)超過0.51,明顯高于除CLDAS外其他2個(gè)數(shù)據(jù)集,而且時(shí)空分辨率方面亦有優(yōu)勢(shì)。

猜你喜歡
陸面柵格數(shù)據(jù)氣象站
珠峰上架起世界最高氣象站
戴永久: 砥礪前行,永遠(yuǎn)奮斗
相似廓線法在星載雷達(dá)陸面衰減訂正中的應(yīng)用
心靈氣象站
趣味(語文)(2019年3期)2019-06-12 08:50:14
基于區(qū)域氣候模式RegCM4的長江流域降水預(yù)報(bào)效果分析
基于GDAL的標(biāo)準(zhǔn)圖幅生成及數(shù)據(jù)批量裁剪方法*1
自動(dòng)氣象站應(yīng)該注意的一些防雷問題
基于ArcGISEngine的南水北調(diào)工程基礎(chǔ)柵格數(shù)據(jù)管理
WRF模式對(duì)西南地區(qū)干旱事件的模擬研究
自動(dòng)氣象站常見故障判斷與維護(hù)
河南科技(2014年12期)2014-02-27 14:10:40
锡林浩特市| 绥中县| 郎溪县| 滨州市| 湖州市| 麦盖提县| 高尔夫| 重庆市| 大连市| 岳池县| 石河子市| 广东省| 湟中县| 保德县| 清水河县| 光山县| 桂东县| 天峨县| 文山县| 乌鲁木齐县| 邢台县| 永靖县| 洪雅县| 克山县| 桃园县| 洱源县| 新龙县| 驻马店市| 义乌市| 隆子县| 三门县| 琼中| 会昌县| 奇台县| 孟州市| 新源县| 盖州市| 福建省| 鲁山县| 化州市| 望城县|