多源融合降水实况分析产品在海河流域的适用性评估

基于逐小时地面站点降水观测数据和国家气象信息中心研发的5 km多源融合降水实况分析产品,采用算术平均法对2021年6~9月海河流域面雨量进行估算。通过相关系数、平均误差和均方根误差等多种评估指标,客观定量评估多源融合降水实况分析产品在海河流域的适用性。结果表明:多源融合降水实况分析产品与地面观测资料估算的面雨量结果基本一致,能较好地反映2021年6~9月海河流域面雨量的时空变化特征,但在量值上存在高估且随着降水量增加,估算误差也越大。分区对比,融合实况分析产品和站点的误差与子流域的平均降水量、海拔高度和面积密切相关。对于各量级面雨量出现的频次,融合实况分析产品与站点整体相差不大,准确率可以达到90%及以上。总体而言,5 km多源融合降水实况分析产品的质量较高,可进一步应用于海河流域精细化面雨量监测业务中。

多源融合实况降水分析产品在大渡河流域的适用性评估

为进一步提高大渡河流域水文预报水平,基于2019~2022年5~10月大渡河流域气象观测降水量和多源融合实况降水分析产品ART_1KM,采用相关分析、晴雨预报正确率、TS评分等方法评估了该降水产品在大渡河流域的适用性,并采用2020年8月14日四川盆地持续性强降雨事件进行检验。结果表明:ART_1KM在大渡河流域具有较高的参考价值,相关系数均大于0.99,平均值误差为-0.54~-0.13 mm,均方根误差为0.57~1.24 mm,平均绝对误差为0.32~0.75 mm,平均相对误差为-0.10~0.03,晴雨正确率均达到0.96以上。TS评分总体较高,尤其是下游各量级降雨TS评分可达0.95,空报率较低,全流域各量级降雨空报率在3%以内。漏报率随降雨量级增大而增大,上游和下游漏报率整体比中游低。在2020年8月14日降雨事件中,ART_1KM融合格点降雨产品的小时面雨量变化趋势与实况面雨量一致,峰值出现时间与实况匹配度高。

省级降水实况分析产品在北京地区的适用性评估

利用自动气象站观测数据,采用误差分析、有效降水时次占比等方法评估2022年9月—2023年8月省级降水实况分析产品在北京地区的一致性和准确性,并从累积降水量、降水强度、逐小时降水量误差等方面对“23·7”极端降水过程进行分析。结果表明:省级降水实况分析产品在北京地区的均方根误差不足1 mm,平均绝对偏差低于0.16 mm,与自动气象站观测结果接近。省级降水实况分析产品误差随降水量等级增加而增大,小雨等级降水被高估,中雨及以上等级降水被低估;误差空间分布差异明显,在中雨和暴雨等级下,最大负偏差均出现在延庆区,最大正偏差均出现在昌平区。“23·7”极端降水过程中,省级降水实况分析产品的平均均方根误差为1.8 mm,平均绝对偏差为0.806 mm,降水强度与自动气象站观测随时间变化趋势一致,较真实地反映了降水强度的变化趋势。

两种融合降水实况分析产品在山东地区的适用性评估

以质量控制后的观测降水数据作为“真值”,采用多种指标评估检验国家气象信息中心研制的5 km逐小时降水实时三源融合实况分析产品(简记为“FRT_05”)和1 km逐小时降水实时多源融合实况分析产品(简记为“RT_01”)在山东地区2021年汛期以及台风“烟花”过程的适用性。结果表明:(1)两种降水产品在山东的适用性较好,但RT_01产品的精细化实况监测能力优于FRT_05。(2)检验指标的月变化明显,在降水量次多的9月降水产品的适用性最优。(3)两种降水产品在鲁中山区西部、威海东部和青岛沿海一带地形复杂的区域以及大部分海岛上的适用性相对较差。(4)由降水量级的检验评估来看,随降水量增加,平均绝对误差、均方根误差增大;中雨量级相对偏差最小,两种降水产品均高估了中雨及以下量级的实际降水强度,低估了大雨及以上量级的实际降水强度。(5)无论是降水量级还是降水落区,RT_01产品对台风“烟花”降水过程的监测和再现能力优于FRT_05,但整体来看两种产品均低估了“烟花”过程的降水强度。

多源融合实况分析产品在重庆地区的适用性分析

文章利用重庆市范围内的1984个地面自动气象观测站2019年11月—2021年10月的气象观测资料,通过误差、平均误差、绝对误差、平均绝对误差、均方根误差、相关系数等评估指标对气温、相对湿度、风速、能见度、降水等5大类12种的5 km多源融合实况分析产品在重庆地区的适用性进行评估分析。评估结果表明:多源融合实况分析产品整体质量良好,温度产品最优,相对湿度和降水产品次之,风速产品最差;产品质量呈现季节性变化趋势,春、冬季优于夏、秋季,其中降水产品随季节变化最为明显。因此需结合本地特点和应用选择适合的产品。

基于WebGIS的实况网格产品应用分析平台及关键技术

实况网格产品是智能网格预报业务重要数据源。为满足气象业务及气象服务对实况网格产品的服务需求,在实时收集和处理各种实况网格产品基础上,采用JavaScript、HTML、CSS等web技术,构建了基于WebGIS的实况网格产品应用分析平台。采用Leaflet、Canvas等技术搭建了基于HTML5的WebGIS框架,实现了各种实况网格产品叠加地理信息统一展示。通过格点与站点观测数据的对比分析,提供产品的实时数据质量评估分析。基于网格格点,实现任意区域、不同要素等级的格点面积及面积比例等定量指标的统计分析。平台自投入业务应用以来,为各级业务应用和精细化气象服务提供了数据支撑。平台基于全国统一的数据环境和参数配置方式,具有很强的应用推广价值。

多源融合降水实况分析产品在山东一次强降水过程中的质量评估

利用山东省地面观测小时降水数据,针对2021年发生在山东地区的一次强降水过程,从降水时空特征、降水分量级检验等多个方面,评估分析了1 km逐小时降水实时多源融合实况分析产品的数据质量。结果表明:1) 融合降水产品质量较高,能较好地反映降水落区与降水变化趋势,整个降水过程的平均绝对误差为0.21 mm,均方根误差为1.04 mm,相对偏差为3.12%,相关系数达0.97。2) 在降水发生初期和末期,融合降水产品与观测降水的相对偏差较大、相关性较差,在降水较强的时段降水产品与观测降水更接近。3) 融合降水产品在弱降水量级的技巧评分和命中率最好,但对弱降水存在明显的高估;对于大值降水,降水产品的命中率较低,并存在低估大值降水的现象。

融合气温实况产品在内蒙古地区的适用性评估分析

采用邻近插值法,以地面观测站点资料为真值,并采用均方根误差、平均误差、平均绝对误差以及相关系数评估指标,对2021年5KM和1KM两种气温实况融合产品进行了评估。结果表明:5KM和1KM气温实况融合产品的数据质量较高,与站点观测值具有较强的相关性,相关系数均达到了0.99,1KM产品在内蒙古的适用性优于5KM,站点均方根误差大部分在1℃以下,平均误差小于0.05℃。两种气温实况融合产品误差随季节变化明显,夏季温热短暂,均方根误差和平均误差偏小,冬季随着气温的降低,实况产品以高估为主,均方根误差在0.8~1.2℃之间,平均误差在1~2月份达到峰值;1KM和5 KM气温实况融合产品都能较好地监测高温天气,落区与观测相当,但对于40℃以上的高温,表现稍差,其站点数较观测偏少,数据偏小。

三源融合降水产品在陕西省的适用性评估

基于陕西省391个自动站逐小时降水量观测数据对国家级格点实况三源融合降水产品的适用性进行检验评估,结果表明:融合降水产品与站点观测之间的误差小、相关性高,但融合降水产品的标准差和极大值明显小于站点观测;相关系数较低的站点以区域站为主,国家气象观测站的效果明显优于区域站;误差时空分布和降水特征关系密切,在降水频次增多和强度增大时,融合降水产品相比站点观测的误差增大。将融合降水产品视为一种“预报”,站点观测资料作为“真值”进行分级检验,结果显示:融合降水产品可以较好反映有无降水,随降水量级增大空报率变化平稳,漏报率增长明显,导致TS评分逐渐下降。对典型个例的误差成因分析显示:融合降水产品可以较好地体现降水起止时间及性质、强弱演变趋势,但对雨强较大的区域性降水、分散性局地强降水表现欠佳。多种指标综合显示:融合降水产品小量级降水准确率高,对大雨以上量级降水强度有一定程度削弱;陕南秦巴山地的融合降水产品与站点观测偏差较大,应用中需特别关注。

湖南省实况分析产品质量评估分析

以湖南省地面气象站观测数据为基础,采用均方根误差、平均绝对误差、相关系数等方法,对湖南2020-2021年实况分析产品二源三源降水、气温数据进行检查评估,结果表明:实况分析产品降水数据与站点数据的相关性较高,三源降水产品相关性略高于二源降水;小时及日MAE、RMSE变化趋势一致,且存在一定的季节变化。实况分析产品中气温数据与站点数据的相关性评估期内每个月均≥0.90,相关较性很高;平均气温及最低气温的MAE较小。

不同分辨率的气温格点实况分析产品在重庆的对比检验

通过对比检验1 km与5 km分辨率的国家级气温格点实况分析产品在重庆地区高温月份的数据质量,为两种产品在业务上的合理应用和高温天气过程中数据改进提供参考依据。结果表明:1 km与5 km气温产品数值均以偏小为主,平均绝对误差分别为0.63℃、1.1℃。站点观测气温偏高时,两种产品的平均值误差均增大,1 km产品在各高温区间的平均误差始终小于5 km产品;随海拔的升高,两种产品的准确率均降低,且均在气温观测值为[20,25]℃区间内准确率最高;在不同海拔高度区间,1 km产品准确率均比5 km的产品准确率要高,5 km产品准确率呈现夜间高于白天的特征。两种实况产品受高温天气及高海拔影响较大,未来可以结合重庆本地复杂的地形特征,选择最优的数据融合方案做本地化改进。

融合多种机器学习模型的2 m气温空间降尺度方法

高分辨率气象资料是精细化气象业务服务的重要数据基础,文章利用2020年1月—2021年3月逐小时的2 m气温网格数据,选取海拔、经度、纬度等地形因子,综合应用LightGBM(LGB)、XGBoost(XGB)、梯度提升树(gradient boosting tree,GBT)和随机森林(random forest,RF)4种机器学习方法,实现1 km分辨率的2 m气温网格数据降尺度至100 m,并对4种机器学习降尺度结果进行加权融合。将不同模型降尺度结果与双线性插值结果对比,结果表明:各降尺度模型结果与站点观测值较为一致,LGB,XGB和RF模型与双线性插值降尺度结果空间结构相似,但更为精细;各降尺度模型具有相同的时空误差分布特征,与双线性插值结果相比,LGB,XGB和GBT的数据精度均有明显提高,均方根误差(root mean square error,RMSE)分别降低了5.2%,4.1%和4.6%,而加权融合后的RMSE降低了5.9%,优于单一机器学习模型;LGB,XGB和GBT模型对不同地形条件下的降尺度结果均具有一定改善,尤其对高海拔地区(海拔在600 m以上)的改进效果更为显著,LGB,XGB和BGT和融合模型的相关系数分别提高了0.45%,0.40%,0.63%和0.66%,RMSE分别降低了9.1%,8.0%,12.7%和13.1%。研究显示,多种机器学习加权融合的降尺度模型兼顾了提升空间分辨率和保持数据精度两方面的要求,适用于研究区2 m气温数据的降尺度研究,为研制高分辨率数据产品具有一定参考意义。