中國區(qū)域三源融合降水產(chǎn)品的改進效果評估
發(fā)布時間：2021-07-02 14:29
高質(zhì)量、高時空分辨率的網(wǎng)格降水產(chǎn)品對于智能網(wǎng)格預報、水循環(huán)、地氣相互作用以及防災減災具有重要意義。國家氣象信息中心對原三源降水CMPAS （CMA Multi-source merged Precipitation Analysis System）進行了升級,進一步融合了質(zhì)控后的國家級非考核站降水信息,研發(fā)了新的三源降水產(chǎn)品CMPASnew。利用中國氣象局的站點觀測數(shù)據(jù)和水利部降水觀測數(shù)據(jù)對CMPAS和CMPASnew降水產(chǎn)品進行檢驗評估,并與CMORPH、GPM降水產(chǎn)品進行對比。結(jié)果表明:CMORPH、GPM、CMPAS和CMPASnew降水產(chǎn)品都能夠合理地反映出中國地區(qū)降水的空間分布;使用中國氣象局逐小時站點觀測進行檢驗評估,從誤差時間序列可以看出,融合了非考核站降水觀測的CMPASnew優(yōu)于CMPAS;使用水利部日降水觀測數(shù)據(jù)進行檢驗評估,從誤差時間序列、均方根誤差空間分布可以看出,CMPASnew優(yōu)于其他三種降水產(chǎn)品,CMPAS優(yōu)于GPM,GPM優(yōu)于CMORPH,未來可...
【文章來源】：水文. 2020,40(06)北大核心CSCD
【文章頁數(shù)】：7 頁
【部分圖文】：
中國氣象局降水觀測站點分布
圖2給出了2018年7月中國區(qū)域CMORPH、GPM、CMPAS以及CMPAS＿new的月降水空間分布�？梢钥闯觯姆N降水的空間結(jié)構(gòu)和量級較為相近，能夠較好地反映出我國降水的空間分布情況；東部地區(qū)降水量高于西部地區(qū)，且在四川盆地地區(qū)降水較高，但在四川西部有一定差異；在我國新疆地區(qū)和甘肅西部地區(qū)，CMORPH、CPMAS、CMPAS＿new降水量級較為相近，GPM降水量高于其他三套。由圖3可知，在新疆、青藏高原地區(qū)以及四川盆地，CMPAS＿new降水量基本高于CMPAS降水；在我國東部，CMPAS＿new降水量在部分地區(qū)小于CM-PAS降水，但差異都比較小，在-5mm/month左右；而在四川西部，CMPAS＿new降水明顯地高于CMPAS降水。
將逐小時的CMORPH、GPM、CMPAS和CM-PAS＿new降水插值到2380個站點上，并與中國氣象局站點觀測進行對比，計算2018年4～10月日尺度的偏差、均方根誤差和相關系數(shù)（見圖4）。從偏差可以看出，CMPAS和CMPAS＿new的偏差較小，為-0.04～0mm/h，加入了非考核站的CMPAS＿new降水的偏差略小于CM-PAS降水，CMORPH和GPM的偏差為-0.2～0.1mm/h,CMORPH偏差相對大于GPM；從均方根誤差可以看出，CMPAS＿new的均方根誤差小于CMPAS，為0～1mm/h,CMORPH降水和GPM降水的均方根誤差為0.25～2.0mm/h,CMORPH的均方根誤差略大于GPM；從相關系數(shù)可以看出，CMPAS和CMPAS＿new兩種降水與站點的相關系數(shù)基本保持在0.9左右，相比之下，CMPAS＿new的相關系數(shù)略高于CMPAS，而CMORPH和GPM基本在0.4～0.6之間，GPM的相關系數(shù)優(yōu)于CMORPH，且相對穩(wěn)定。從全國的誤差時間序列可以看出，CMPAS＿new優(yōu)于CMPAS,CMPAS優(yōu)于GPM,GPM優(yōu)于CMORPH。圖4 基于氣象觀測站下各降水產(chǎn)品的誤差時間序列
【參考文獻】：
期刊論文
[1]2016年汛期中國降水極端特征及與1998年對比[J]. 高榮,宋連春,鐘海玲. 氣象. 2018(05)
[2]北京“7·20”特大暴雨的時空多要素分析[J]. 楊默遠,潘興瑤,邸蘇闖. 水文. 2018(02)
[3]大氣、陸面與水文耦合模式在中國西北典型流域徑流模擬中的新應用[J]. 孟現(xiàn)勇,王浩,蔡思宇,龍愛華,殷剛. 水文. 2017(06)
[4]基于江西省水文資料對中國融合降水產(chǎn)品的質(zhì)量評估[J]. 李顯風,周自江,李志鵬,潘旸,師春香,沈艷,徐賓,谷軍霞. 氣象. 2017(12)
[5]稱重與人工觀測降水量的差異[J]. 李林,范雪波,崔煒,張治國,劉旭林. 應用氣象學報. 2015(06)
[6]中國區(qū)域逐日融合降水數(shù)據(jù)集與國際降水產(chǎn)品的對比評估[J]. 宇婧婧,沈艷,潘旸,熊安元. 氣象學報. 2015(02)
[7]基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達三源降水融合試驗[J]. 潘旸,沈艷,宇婧婧,熊安元. 氣象學報. 2015(01)
[8]基于時空結(jié)構(gòu)指標的中國融合降水資料質(zhì)量評估[J]. 江志紅,盧堯,丁裕國. 氣象學報. 2013(05)
[9]China land soil moisture EnKF data assimilation based on satellite remote sensing data[J]. SHI ChunXiang1, XIE ZhengHui2, QIAN Hui3, LIANG MiaoLing4 & YANG XiaoChun1 1 National Satellite Meteorological Center, China Meteorological Administration, Beijing 100081, China; 2 Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China; 3 Institute of Geology, Chinese Academy of Geological Sciences; Key Geodynamics Laboratory, the Ministry of Land and Resources, Beijing 100037, China; 4 National Meteorological Center, China Meteorological Administration, Beijing 100081, China. Science China（Earth Sciences）. 2011(09)
[10]A FUSING TECHNIQUE WITH SATELLITE PRECIPITATION ESTIMATE AND RAINGAUGE DATA[J]. 盧乃錳,游然,張文建. Acta Meteorologica Sinica. 2004(02)
本文編號：3260643
【文章來源】：水文. 2020,40(06)北大核心CSCD
【文章頁數(shù)】：7 頁
【部分圖文】：
中國氣象局降水觀測站點分布
圖2給出了2018年7月中國區(qū)域CMORPH、GPM、CMPAS以及CMPAS＿new的月降水空間分布�？梢钥闯觯姆N降水的空間結(jié)構(gòu)和量級較為相近，能夠較好地反映出我國降水的空間分布情況；東部地區(qū)降水量高于西部地區(qū)，且在四川盆地地區(qū)降水較高，但在四川西部有一定差異；在我國新疆地區(qū)和甘肅西部地區(qū)，CMORPH、CPMAS、CMPAS＿new降水量級較為相近，GPM降水量高于其他三套。由圖3可知，在新疆、青藏高原地區(qū)以及四川盆地，CMPAS＿new降水量基本高于CMPAS降水；在我國東部，CMPAS＿new降水量在部分地區(qū)小于CM-PAS降水，但差異都比較小，在-5mm/month左右；而在四川西部，CMPAS＿new降水明顯地高于CMPAS降水。
將逐小時的CMORPH、GPM、CMPAS和CM-PAS＿new降水插值到2380個站點上，并與中國氣象局站點觀測進行對比，計算2018年4～10月日尺度的偏差、均方根誤差和相關系數(shù)（見圖4）。從偏差可以看出，CMPAS和CMPAS＿new的偏差較小，為-0.04～0mm/h，加入了非考核站的CMPAS＿new降水的偏差略小于CM-PAS降水，CMORPH和GPM的偏差為-0.2～0.1mm/h,CMORPH偏差相對大于GPM；從均方根誤差可以看出，CMPAS＿new的均方根誤差小于CMPAS，為0～1mm/h,CMORPH降水和GPM降水的均方根誤差為0.25～2.0mm/h,CMORPH的均方根誤差略大于GPM；從相關系數(shù)可以看出，CMPAS和CMPAS＿new兩種降水與站點的相關系數(shù)基本保持在0.9左右，相比之下，CMPAS＿new的相關系數(shù)略高于CMPAS，而CMORPH和GPM基本在0.4～0.6之間，GPM的相關系數(shù)優(yōu)于CMORPH，且相對穩(wěn)定。從全國的誤差時間序列可以看出，CMPAS＿new優(yōu)于CMPAS,CMPAS優(yōu)于GPM,GPM優(yōu)于CMORPH。圖4 基于氣象觀測站下各降水產(chǎn)品的誤差時間序列
【參考文獻】：
期刊論文
[1]2016年汛期中國降水極端特征及與1998年對比[J]. 高榮,宋連春,鐘海玲. 氣象. 2018(05)
[2]北京“7·20”特大暴雨的時空多要素分析[J]. 楊默遠,潘興瑤,邸蘇闖. 水文. 2018(02)
[3]大氣、陸面與水文耦合模式在中國西北典型流域徑流模擬中的新應用[J]. 孟現(xiàn)勇,王浩,蔡思宇,龍愛華,殷剛. 水文. 2017(06)
[4]基于江西省水文資料對中國融合降水產(chǎn)品的質(zhì)量評估[J]. 李顯風,周自江,李志鵬,潘旸,師春香,沈艷,徐賓,谷軍霞. 氣象. 2017(12)
[5]稱重與人工觀測降水量的差異[J]. 李林,范雪波,崔煒,張治國,劉旭林. 應用氣象學報. 2015(06)
[6]中國區(qū)域逐日融合降水數(shù)據(jù)集與國際降水產(chǎn)品的對比評估[J]. 宇婧婧,沈艷,潘旸,熊安元. 氣象學報. 2015(02)
[7]基于貝葉斯融合方法的高分辨率地面-衛(wèi)星-雷達三源降水融合試驗[J]. 潘旸,沈艷,宇婧婧,熊安元. 氣象學報. 2015(01)
[8]基于時空結(jié)構(gòu)指標的中國融合降水資料質(zhì)量評估[J]. 江志紅,盧堯,丁裕國. 氣象學報. 2013(05)
[9]China land soil moisture EnKF data assimilation based on satellite remote sensing data[J]. SHI ChunXiang1, XIE ZhengHui2, QIAN Hui3, LIANG MiaoLing4 & YANG XiaoChun1 1 National Satellite Meteorological Center, China Meteorological Administration, Beijing 100081, China; 2 Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China; 3 Institute of Geology, Chinese Academy of Geological Sciences; Key Geodynamics Laboratory, the Ministry of Land and Resources, Beijing 100037, China; 4 National Meteorological Center, China Meteorological Administration, Beijing 100081, China. Science China（Earth Sciences）. 2011(09)
[10]A FUSING TECHNIQUE WITH SATELLITE PRECIPITATION ESTIMATE AND RAINGAUGE DATA[J]. 盧乃錳,游然,張文建. Acta Meteorologica Sinica. 2004(02)
本文編號：3260643
本文鏈接：http://sikaile.net/projectlw/dqwllw/3260643.html
最近更新
教材專著
