基于FY-2的大气强迫数据构建及模拟检验

通过陆面模式模拟得到的陆面参数精度易受强迫数据质量的影响,为了提高基于NCEP/NCAR的强迫数据精度,提出了一种新的强迫数据构造方法。该方法以静止气象卫星FY-2的反演产品——逐时降水估计和地面入射太阳辐射数据为基础,结合部分NCEP/NCAR再分析数据构造用于陆面模式模拟的高时空分辨率强迫数据(FYDATA),进一步利用陆面模式CLM3.0模拟得到较高精度的时空间连续的土壤湿度数据。与站点观测数据的比较表明,FYDATA的模拟结果在空间分布和时间变率上与观测数据均较为一致;与再分析数据的模拟结果比较表明,无论是月平均的站点尺度还是区域尺度,FYDATA的模拟结果都优于时空分辨率较粗的NCEP/NCAR再分析数据的模拟结果,充分说明该数据构造方法的有效性。

不同大气强迫数据集对流域地表温度模拟的影响

为探讨不同大气强迫数据集对陆面模式模拟地表温度的影响,基于不同大气强迫数据集(CMFD,GSWP,CRU-NCEP)和通用陆面模式CLM 5.0,对黄河流域上中游冬、夏季地表温度的多驱动输出模拟结果进行对比分析。结果表明:(1) CLM5.0模式对地表温度具有良好的模拟性能;(2) 3种强迫数据集中,CMFD数据集驱动模式得到的夏季地表温度结果最好,偏差为0.54℃,均方根误差为0.63℃,相关系数为0.95;(3) GSWP数据集驱动模式得到的冬季地表温度结果最好,偏差为0.87℃,均方根误差为1.24℃,相关系数为0.95。因此,不同大气强迫数据集对陆面模式模拟地表温度的影响较大,在后续预测未来气候和水文过程时有必要选择最优大气强迫数据集驱动陆面模式。