中国陆地高空间分辨率月气温和降水格点数据集的修正与对比

发布时间：2020-05-25 17:23

【摘要】：高空间分辨率气候格点数据集为研究区域气候变化、气候类型迁移以及建立水文模型等提供基础数据。目前中国气象局己发布覆盖中国全境的气候格点数据集,但其空间分辨率较低(0.50×0.50),不能满足相关研究对高空间分辨率的要求。基于ANUSPLIN软件插值得到的LanZhou Univesity数据(简称LZU0025),其空间分辨率为0.025°,但该数据集的降水误差数据集不符合“事物绝对量越大误差越大”的规律,同时由于该数据集在插值过程中未加入境外数据使得边境地区表现不好。本文在加入部分周边站点数据的基础上,利用ANUSPLIN生成了LZU0025气温数据集并输出了相应的误差数据集；对于降水量插值,根据软件说明书中对降水站点数据进行开方运算可减少插值误差的提示,首先对降水站点数据进行开方,降低数据峰度,然后在插值计算表面值后,选择恢复转换来输出LZU0025降水数据集和相应的误差数据集。结果表明：(1)气温误差数据集分布符合“站点越多误差越小”的理论,但其存在站点误差大于周边插值误差的问题,经分析是由该软件插值存在漏洞引起的；(2)降水总体误差在西部地区明显小于东部的,并在局部得到改善；(3)误差数据空间分布合理说明LZU0025数据集准确。为满足气象学常用软件对读入数据格式的要求,本文还给出了修正后LZU0025(.asc格式)转为.nc格式的代码。关于不同数据集的对比,鉴于中国气象局(China Meteorological Administration)发布的0.5°气候数据集(简称CMA)的插值方法与LZU0025的相同,而且其插值所用的站点较LZU0025及其它已发布且被广泛使用的数据集数量更多,故本文选择CMA作为基准数据。将LZU0025及其他气候数据产品处理为与CMA同一空间分辨率(其中处理后的LZU0025简称为LZU),首先从时间序列、气候平均状态、气候变化趋势对比LZU及其它数据集与CMA的差异,而后从统计的角度采用泰勒图法通过对距离平均状态的标准差(std)、体现平均状态的均值(mean)以及随时间变化的趋势(trend)这三个指标在全国年均尺度、季节尺度和区域尺度表现上的差异进行数据集的对比。结果表明：(1)时间序列上,LZU及其他数据集在整个时间段和各个时间节点的变化趋势几乎一致,且LZU年均温和年均降水量与CMA的绝对值相近；(2)平均状态上,LZU气候态、标准差和时间趋势的空间分布格局与CMA的最为相似,且较其他数据集更能突出高大山脉的分布；(3)从统计而言,LZU与CMA较为相似,且相似程度受季节和区域差异影响较小。总之,LZU数据集可靠,LZU0025由于具有更高的空间分辨率能凸显更多的细节信息。修正的LZU0025可作为区域气候变化、区域水循环等研究的基础数据。
【图文】：

曲线,月气温,标准误差

报告中给出了民ＴＧＣＶ的逐月变化曲线（国家气象信息中屯、，２０１２），，但缺乏对逡逑基于ＡＮＵＳ化ＩＮＥ输出的相应误差数据集的讨论和展示。本文通过吴}钡龋ǎ玻埃保矗╁义瞎ぷ鳎≡袷涑觯玻埃保澳辏吩缕潞徒邓脑げ獗曜嘉蟛睿ㄍ迹岛屯迹叮Ｓ赏迹靛义嫌耍蝈义希铮麇义贤迹靛澹玻埃保澳辏吩缕碌脑げ獗曜嘉蟛铄义希疲椋纾澹靛澹裕瑁邋澹穑椋澹洌椋悖簦椋铮铄澹螅簦幔睿洌幔颍溴澹澹颍颍铮蝈澹铮驽澹耄恚穑澹颍幔簦酰颍邋澹椋铄澹剩酰欤澹玻埃保板义希危卞蹇阱义希儒澹担埃罚常插义贤迹跺澹玻埃保澳辏吩陆邓脑げ獗曜嘉蟛铄义希疲門B．６邋Ｔｈｅ邋ｐｒｅｄｉｃｔｉｏｎ邋Ｓ化ｎｄａｒｄ邋ｅｒｒｏｒ邋ｏｆ邋Ｐ化ｃｉｐｉｔａｔｉｏｎ邋ｉｎ邋Ｊｕｌｙ邋２０１０逡逑１８逡逑

曲线,标准误差,月降水,月气温

报告中给出了民ＴＧＣＶ的逐月变化曲线（国家气象信息中屯、，２０１２），但缺乏对逡逑基于ＡＮＵＳ化ＩＮＥ输出的相应误差数据集的讨论和展示。本文通过吴}钡龋ǎ玻埃保矗╁义瞎ぷ鳎≡袷涑觯玻埃保澳辏吩缕潞徒邓脑げ獗曜嘉蟛睿ㄍ迹岛屯迹叮Ｓ赏迹靛义嫌耍蝈义希铮麇义贤迹靛澹玻埃保澳辏吩缕碌脑げ獗曜嘉蟛铄义希疲椋纾澹靛澹裕瑁邋澹穑椋澹洌椋悖簦椋铮铄澹螅簦幔睿洌幔颍溴澹澹颍颍铮蝈澹铮驽澹耄恚穑澹颍幔簦酰颍邋澹椋铄澹剩酰欤澹玻埃保板义希危卞蹇阱义希儒澹担埃罚常插义贤迹跺澹玻埃保澳辏吩陆邓脑げ獗曜嘉蟛铄义希疲門B．６邋Ｔｈｅ邋ｐｒｅｄｉｃｔｉｏｎ邋Ｓ化ｎｄａｒｄ邋ｅｒｒｏｒ邋ｏｆ邋Ｐ化ｃｉｐｉｔａｔｉｏｎ邋ｉｎ邋Ｊｕｌｙ邋２０１０逡逑１８逡逑
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P412.2

【参考文献】