气象站点稀疏会导致观测到的近地表气温空间不连续,基于地表温度数据结合辅助变量估算气温成为获取气温空间分布的有效方式。目前,已有多种地表温度产品,但鲜有研究评估多源地表温度数据在估算气温时的精度及其适用性。针对该问题,首先...气象站点稀疏会导致观测到的近地表气温空间不连续,基于地表温度数据结合辅助变量估算气温成为获取气温空间分布的有效方式。目前,已有多种地表温度产品,但鲜有研究评估多源地表温度数据在估算气温时的精度及其适用性。针对该问题,首先,利用Google Earth Engine平台和随机森林算法,基于Landsat、中分辨率成像光谱仪(moderateresolution imaging spectroradiometer,MODIS)、全球陆面数据同化系统(global land data assimilation system,GLDAS)3种地表温度数据源估算了黄河流域近地表气温的最大值、最小值和平均值;然后,结合站点观测分析了多源地表温度估算气温的精度及适用性。结果表明,3种地表温度数据源估算夏季气温平均值时精度差异较小;对于气温极值估算,GLDAS数据显著优于MODIS和Landsat数据;每种数据源估算气温极值的精度低于其估算气温均值;此外,地表温度的时间分辨率会显著影响近地表气温的估算精度。该成果可以为长时序气温产品估算提供科学参考。展开更多
雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry,GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基...雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry,GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基于GPS-IR技术获取美国板块边界观测(plate boundary observatory,PBO)GPS站的雪深时间序列;然后利用美国积雪遥测(SNowTELemetry,SNOTEL)站观测数据构建雪水当量转换模型;最后以北美历史与预测气候数据项目(historical and projected climate data for North America,ClimateNA)的气候预测数据作为参数约束,将GPS日雪深快速转化为雪水当量,并对雪水当量估计与验证过程的影响因素进行评价。实验结果表明,基于GPS-IR技术得到的雪深序列具有良好可靠性,与观测值的相关系数(R^(2))达到0.98,均方根误差(root mean square error,RMSE)为11.1 cm,偏差(Bias)为-3.7 cm;快速转化模型对雪水当量估计具有较高精度(R^(2)=0.98,RMSE=4.2 cm,Bias=-2.5 cm)与稳定性;转化模型时空稳定性较高,残差集中在5 cm内;气候预测数据的引入、积雪分布差异对雪水当量估计与验证影响较小。所提方法在积雪监测设备缺乏区域可实现雪水当量快速估计,同时也为现有积雪观测网络增强、积雪产品改善等研究提供参考。展开更多
文摘气象站点稀疏会导致观测到的近地表气温空间不连续,基于地表温度数据结合辅助变量估算气温成为获取气温空间分布的有效方式。目前,已有多种地表温度产品,但鲜有研究评估多源地表温度数据在估算气温时的精度及其适用性。针对该问题,首先,利用Google Earth Engine平台和随机森林算法,基于Landsat、中分辨率成像光谱仪(moderateresolution imaging spectroradiometer,MODIS)、全球陆面数据同化系统(global land data assimilation system,GLDAS)3种地表温度数据源估算了黄河流域近地表气温的最大值、最小值和平均值;然后,结合站点观测分析了多源地表温度估算气温的精度及适用性。结果表明,3种地表温度数据源估算夏季气温平均值时精度差异较小;对于气温极值估算,GLDAS数据显著优于MODIS和Landsat数据;每种数据源估算气温极值的精度低于其估算气温均值;此外,地表温度的时间分辨率会显著影响近地表气温的估算精度。该成果可以为长时序气温产品估算提供科学参考。
文摘利用2005-2011年的全球大地测量观测系统（global geodetic observing system,GGOS）Atmosphere提供的2.5°×2°（经度×纬度）的天顶湿延迟（zenith wet delay,ZWD）格网数据和欧洲中尺度天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）提供的2.5°×2°可降水量（precipitable water vapor,PWV）格网数据,在全球范围内计算得到各格网点的地基GPS水汽反演关键参数Π-1的时间序列,分析了其时空分布特征,建立了一种转换系数Π的全球经验模型。该模型无需站点气象数据,仅与站点经纬度、年积日和海拔相关。利用未参与建模的2012年的GGOS Atmosphere和ECMWF格网数据、2012年661个无线电探空站的探空资料对模型进行精度检验。结果显示,采用格网数据检验,其偏差的平均值（Bias）为-0.179mm,均方根误差（root mean square error,RMS）的平均值为1.806mm;采用无线电探空资料进行检验,其Bias为0.465mm,RMS为0.789mm。结果都表现出了较小的系统性偏差与较高的精度,说明所建立的湿延迟与可降水量转换系数模型在全球范围内具有较高的精度与稳定性。
文摘雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry,GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基于GPS-IR技术获取美国板块边界观测(plate boundary observatory,PBO)GPS站的雪深时间序列;然后利用美国积雪遥测(SNowTELemetry,SNOTEL)站观测数据构建雪水当量转换模型;最后以北美历史与预测气候数据项目(historical and projected climate data for North America,ClimateNA)的气候预测数据作为参数约束,将GPS日雪深快速转化为雪水当量,并对雪水当量估计与验证过程的影响因素进行评价。实验结果表明,基于GPS-IR技术得到的雪深序列具有良好可靠性,与观测值的相关系数(R^(2))达到0.98,均方根误差(root mean square error,RMSE)为11.1 cm,偏差(Bias)为-3.7 cm;快速转化模型对雪水当量估计具有较高精度(R^(2)=0.98,RMSE=4.2 cm,Bias=-2.5 cm)与稳定性;转化模型时空稳定性较高,残差集中在5 cm内;气候预测数据的引入、积雪分布差异对雪水当量估计与验证影响较小。所提方法在积雪监测设备缺乏区域可实现雪水当量快速估计,同时也为现有积雪观测网络增强、积雪产品改善等研究提供参考。
