中国区域高时空分辨率驱动数据的建立及其在Noah-MP陆面模式中的应用

发布时间：2020-05-12 01:15

【摘要】：发生在陆地表面与大气之间水分、热量和动量交换的过程,称之为陆面过程。借助于不同复杂程度的陆面模式进行模拟是目前陆面过程研究的重要方法之一,而高精度、高时空分辨率的驱动数据可以有效地改进陆面模式的模拟结果。本文设计了一个实验,对多重网格变分分析方法的融合效果进行了独立性检验；利用多重网格变分分析方法融合了ERA-Interim再分析数据和2015年12月国家气象信息中心资料服务室制作的中国区域4万个以上地面气象站逐小时观测数据,并结合CMORPH降水产品、融合降水产品以及FY-2短波辐射产品,建立了2008-2014年高时空分辨率(1小时,0.0625。)的中国气象局陆面数据同化系统(CMA Land Data Assimilation System, CLDAS) 2.0版本驱动数据,根据国家级气象站的逐小时观测数据,对CLDAS2.0驱动数据与ERA-Interim再分析数据、美国同类业务产品(GLDAS驱动数据)进行了评估与比较；使用CLDAS2.0驱动数据,运行Noah-MP陆面模式,模拟得到了中国区域2013-2014年的逐小时土壤湿度和土壤温度数据,并基于自动气象站的逐小时观测数据,评估模拟结果。具体结论如下：(1)利用多重网格变分分析方法,将2013年的ERA-Interim再分析资料(近地面气温、气压、湿度、风速)作为背景场,在融合中国区域的地面气象观测数据时,将4万多个观测站点中的国际交换站观测数据剔除,作为独立样本对融合结果进行独立性检验,结果表明：多重网格变分分析方法能够有效地获取观测信息,在背景场与观测不符合时,能够根据观测数据对背景场进行有效的修正,这对于将多重网格变分分析方法引入高时空分辨率驱动数据的制作提供了基础。(2)利用国家级气象站点的观测数据,对CLDAS2.0驱动数据与ERA-Interim再分析数据、GLDAS驱动数据进行了评估与比较,结果表明：三种资料都能够反映出观测数据的空间分布特征,而融合了高密度观测数据的CLDAS2.0驱动数据质量不仅优于ERA-Interim再分析数据,也优于美国同类业务产品。目前CLDAS2.0驱动数据已经投入业务使用,并在北京师范大学、中国科学院大气物理研究所等单位得到了很好地应用。(3)利用中国气象局布设的自动气象站逐小时土壤湿度和土壤温度观测数据,对Noah-MP模式的模拟结果进行了评估,并按照气候特点将中国分为8个研究区,分析了区域平均的土壤湿度和土壤温度时间变化特点,结果表明：Noah-MP模式能够很好地模拟出中国区域的0-10cm土壤湿度空间分布,偏差主要分布在±0.06m3/m3以内,相关系数主要分布在0.5以上,从区域尺度看,Noah-MP能够很好地模拟出各研究区的土壤湿度变化,偏差都在±0.03m3/m3以内;Noah-MP模式的10cm和40cm土壤温度模拟值与观测数据相关性都很强,相关系数主要分布在0.8以上,偏差主要分布在正负2℃以内,从区域尺度看,Noah-MP能够较好地模拟出各研究区的表层土壤温度变化,但是对于东北地区冬季的表层土壤温度存在低估。
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P412.2

【相似文献】