中国区域三源融合降水产品的改进效果评估
发布时间：2021-07-02 14:29
高质量、高时空分辨率的网格降水产品对于智能网格预报、水循环、地气相互作用以及防灾减灾具有重要意义。国家气象信息中心对原三源降水CMPAS （CMA Multi-source merged Precipitation Analysis System）进行了升级,进一步融合了质控后的国家级非考核站降水信息,研发了新的三源降水产品CMPASnew。利用中国气象局的站点观测数据和水利部降水观测数据对CMPAS和CMPASnew降水产品进行检验评估,并与CMORPH、GPM降水产品进行对比。结果表明:CMORPH、GPM、CMPAS和CMPASnew降水产品都能够合理地反映出中国地区降水的空间分布;使用中国气象局逐小时站点观测进行检验评估,从误差时间序列可以看出,融合了非考核站降水观测的CMPASnew优于CMPAS;使用水利部日降水观测数据进行检验评估,从误差时间序列、均方根误差空间分布可以看出,CMPASnew优于其他三种降水产品,CMPAS优于GPM,GPM优于CMORPH,未来可...
【文章来源】：水文. 2020,40(06)北大核心CSCD
【文章页数】：7 页
【部分图文】：
中国气象局降水观测站点分布
图2给出了2018年7月中国区域CMORPH、GPM、CMPAS以及CMPAS＿new的月降水空间分布。可以看出，四种降水的空间结构和量级较为相近，能够较好地反映出我国降水的空间分布情况；东部地区降水量高于西部地区，且在四川盆地地区降水较高，但在四川西部有一定差异；在我国新疆地区和甘肃西部地区，CMORPH、CPMAS、CMPAS＿new降水量级较为相近，GPM降水量高于其他三套。由图3可知，在新疆、青藏高原地区以及四川盆地，CMPAS＿new降水量基本高于CMPAS降水；在我国东部，CMPAS＿new降水量在部分地区小于CM-PAS降水，但差异都比较小，在-5mm/month左右；而在四川西部，CMPAS＿new降水明显地高于CMPAS降水。
将逐小时的CMORPH、GPM、CMPAS和CM-PAS＿new降水插值到2380个站点上，并与中国气象局站点观测进行对比，计算2018年4～10月日尺度的偏差、均方根误差和相关系数（见图4）。从偏差可以看出，CMPAS和CMPAS＿new的偏差较小，为-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的偏差为-0.2～0.1mm/h,CMORPH偏差相对大于GPM；从均方根误差可以看出，CMPAS＿new的均方根误差小于CMPAS，为0～1mm/h,CMORPH降水和GPM降水的均方根误差为0.25～2.0mm/h,CMORPH的均方根误差略大于GPM；从相关系数可以看出，CMPAS和CMPAS＿new两种降水与站点的相关系数基本保持在0.9左右，相比之下，CMPAS＿new的相关系数略高于CMPAS，而CMORPH和GPM基本在0.4～0.6之间，GPM的相关系数优于CMORPH，且相对稳定。从全国的误差时间序列可以看出，CMPAS＿new优于CMPAS,CMPAS优于GPM,GPM优于CMORPH。图4 基于气象观测站下各降水产品的误差时间序列
【参考文献】：
期刊论文
[1]2016年汛期中国降水极端特征及与1998年对比[J]. 高荣,宋连春,钟海玲. 气象. 2018(05)
[2]北京“7·20”特大暴雨的时空多要素分析[J]. 杨默远,潘兴瑶,邸苏闯. 水文. 2018(02)
[3]大气、陆面与水文耦合模式在中国西北典型流域径流模拟中的新应用[J]. 孟现勇,王浩,蔡思宇,龙爱华,殷刚. 水文. 2017(06)
[4]基于江西省水文资料对中国融合降水产品的质量评估[J]. 李显风,周自江,李志鹏,潘旸,师春香,沈艳,徐宾,谷军霞. 气象. 2017(12)
[5]称重与人工观测降水量的差异[J]. 李林,范雪波,崔炜,张治国,刘旭林. 应用气象学报. 2015(06)
[6]中国区域逐日融合降水数据集与国际降水产品的对比评估[J]. 宇婧婧,沈艳,潘旸,熊安元. 气象学报. 2015(02)
[7]基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 潘旸,沈艳,宇婧婧,熊安元. 气象学报. 2015(01)
[8]基于时空结构指标的中国融合降水资料质量评估[J]. 江志红,卢尧,丁裕国. 气象学报. 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]. 卢乃锰,游然,张文建. Acta Meteorologica Sinica. 2004(02)
本文编号：3260643
【文章来源】：水文. 2020,40(06)北大核心CSCD
【文章页数】：7 页
【部分图文】：
中国气象局降水观测站点分布
图2给出了2018年7月中国区域CMORPH、GPM、CMPAS以及CMPAS＿new的月降水空间分布。可以看出，四种降水的空间结构和量级较为相近，能够较好地反映出我国降水的空间分布情况；东部地区降水量高于西部地区，且在四川盆地地区降水较高，但在四川西部有一定差异；在我国新疆地区和甘肃西部地区，CMORPH、CPMAS、CMPAS＿new降水量级较为相近，GPM降水量高于其他三套。由图3可知，在新疆、青藏高原地区以及四川盆地，CMPAS＿new降水量基本高于CMPAS降水；在我国东部，CMPAS＿new降水量在部分地区小于CM-PAS降水，但差异都比较小，在-5mm/month左右；而在四川西部，CMPAS＿new降水明显地高于CMPAS降水。
将逐小时的CMORPH、GPM、CMPAS和CM-PAS＿new降水插值到2380个站点上，并与中国气象局站点观测进行对比，计算2018年4～10月日尺度的偏差、均方根误差和相关系数（见图4）。从偏差可以看出，CMPAS和CMPAS＿new的偏差较小，为-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的偏差为-0.2～0.1mm/h,CMORPH偏差相对大于GPM；从均方根误差可以看出，CMPAS＿new的均方根误差小于CMPAS，为0～1mm/h,CMORPH降水和GPM降水的均方根误差为0.25～2.0mm/h,CMORPH的均方根误差略大于GPM；从相关系数可以看出，CMPAS和CMPAS＿new两种降水与站点的相关系数基本保持在0.9左右，相比之下，CMPAS＿new的相关系数略高于CMPAS，而CMORPH和GPM基本在0.4～0.6之间，GPM的相关系数优于CMORPH，且相对稳定。从全国的误差时间序列可以看出，CMPAS＿new优于CMPAS,CMPAS优于GPM,GPM优于CMORPH。图4 基于气象观测站下各降水产品的误差时间序列
【参考文献】：
期刊论文
[1]2016年汛期中国降水极端特征及与1998年对比[J]. 高荣,宋连春,钟海玲. 气象. 2018(05)
[2]北京“7·20”特大暴雨的时空多要素分析[J]. 杨默远,潘兴瑶,邸苏闯. 水文. 2018(02)
[3]大气、陆面与水文耦合模式在中国西北典型流域径流模拟中的新应用[J]. 孟现勇,王浩,蔡思宇,龙爱华,殷刚. 水文. 2017(06)
[4]基于江西省水文资料对中国融合降水产品的质量评估[J]. 李显风,周自江,李志鹏,潘旸,师春香,沈艳,徐宾,谷军霞. 气象. 2017(12)
[5]称重与人工观测降水量的差异[J]. 李林,范雪波,崔炜,张治国,刘旭林. 应用气象学报. 2015(06)
[6]中国区域逐日融合降水数据集与国际降水产品的对比评估[J]. 宇婧婧,沈艳,潘旸,熊安元. 气象学报. 2015(02)
[7]基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 潘旸,沈艳,宇婧婧,熊安元. 气象学报. 2015(01)
[8]基于时空结构指标的中国融合降水资料质量评估[J]. 江志红,卢尧,丁裕国. 气象学报. 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]. 卢乃锰,游然,张文建. Acta Meteorologica Sinica. 2004(02)
本文编号：3260643
本文链接：https://www.wllwen.com/projectlw/dqwllw/3260643.html
最近更新
教材专著
