基于CLDAS土壤相对湿度的云南农业干旱监测

选取2016-2020年云南37个土壤水分观测站逐日0-10cm土层相对湿度观测数据和逐日降水、气温观测资料,采用线性插值法,将CLDAS格点数据插值到观测站点上,用于与站点观测数据对比分析。利用回归订正法对插值后的CLDAS土壤相对湿度产品进行订正。采用相对误差、平均偏差、相关系数、标准差和均方根误差统计指标,定量评估CLDAS土壤相对湿度在云南的适用性。结果表明:云南土壤水分观测站相对湿度数据观测有效率不高,选用陆面融合数据开展农业干旱监测十分必要;云南地区近80%的CLDAS土壤相对湿度与土壤水分观测站观测值的相对误差绝对值<30%,数据可信度高;在干旱发生频率高的云南中部地区,CLDAS土壤相对湿度与土壤水分观测站观测值的相关系数均在0.8以上,平均偏差小于10%。从农业干旱监测效果来看,基于CLDAS土壤相对湿度的干旱监测指标能很好地描述由气温和降水异常导致的土壤墒情变化,当日降水量接近或超过5.0mm时,能快速响应轻旱站点数的减少;当连续有效降水发生后,监测指标可反映中等及以上等级农业干旱的缓解。综合来看,CLDAS土壤相对湿度在云南农业干旱监测的适用性好。

CLDAS降水产品的适用性分析及机器学习订正应用

为获得中国气象局陆面数据同化系统(CLDAS)多源降水融合实况分析产品在甘肃省的精细化评估结论并提高该产品的精度,采用甘肃省2215个地面站的降水数据作为检验源,评估CLDAS快速融合和实时融合降水产品的适用性,并基于评估结论采用机器学习方法及优化策略,订正CLDAS降水产品。结果表明:CLDAS降水产品能较好地反映甘肃省降水时空分布,日值的精度整体不如小时值;XGBoost算法较其他模型有显著优势,且在降水量大时订正效果更显著;通过提升训练数据集质量、特征工程和精细调参优化后的XGBoost模型使3级以上降水量的均方根误差减少近50%,1~2级的误判降水得到明显改善,该模型和算法能推广应用于具有相同气候特征的领域。

CLDAS V2.0逐时气温实况产品在宝鸡市的检验评估

基于宝鸡市所有国家级自动站和区域站观测数据,通过准确率、平均误差、平均绝对误差、均方根误差,对2019-2022年中国气象局第二代陆面数据同化系统(CLDAS V2.0)在宝鸡市的逐时气温网格数据(网格实况)进行检验评估。结果表明:网格实况在国家级自动站的准确率指标高于区域站,平均误差、平均绝对误差、均方根误差指标低于区域站;在国家级自动站中,网格实况对渭滨站、陈仓站、千阳站、麟游站、凤翔站的质量较高;网格实况在9、10月份质量最高,1、2月份质量最低;网格实况在宝鸡市大部分范围平均误差均在-2~2℃,其在第四季度质量最高。

基于MODIS和CLDAS的综合干旱监测模型研究

传统的干旱监测指数主要考虑单一影响因子,往往无法全面综合反映干旱状况.基于MODIS数据和CLDAS数据,选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量,以综合气象干旱指数(CI)为因变量,通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型,并以2015—2018年华北地区干旱为例进行了研究.结果表明模型监测结果与站点CI计算值具有显著的相关性,训练集和测试集决定系数分别达到0.945和0.655,均方根误差(RMSE)分别为0.033和0.082,综合干旱监测模型具有较高的精度.且模型监测与CI监测各月等级一致率均在65%以上,并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60,能较好地反映气象干旱和农业干旱状况.典型干旱情况监测表明,综合干旱监测模型综合考虑多种干旱影响因素,能较准确地识别出干旱的发生,表征综合干旱发生状况.

CLDAS地表温度产品在青藏高原多年冻土区的适用性评估与校正

青藏高原多年冻土区现有的地表温度数据主要包括点位观测的地表和浅表层地温数据,以及遥感反演、模式模拟和再分析等手段获取和制备的空间数据。中国气象局陆面数据同化系统(CLDAS)数据产品在全国大部分地区的表现较好,但受实测数据稀缺的限制以及对多年冻土特殊下垫面考量不足的影响,该数据在青藏高原多年冻土区的适用性有待进一步评估和修正。文中基于多年冻土区2008—2018年7个站点的逐日连续地表温度定点观测数据,对CLDAS地表温度数据进行评估,分析在不同时期以及不同下垫面类型下,CLDAS地表温度的适用性情况。结果表明:CLDAS在7个站点的地表温度与实测值存在较大偏差(bias=2.09℃,MAE=3.64℃,RMSE=4.67℃,R^(2)=0.83),主要表现为对地表温度的高估。其中,CLDAS在融化期的适用性相对较好,在冻融交替期、冻结期的适用性较差;在高寒荒漠、高寒荒漠草原地区的适用性较好,在高寒沼泽草甸地区的适用性较差。据此,在考虑归一化植被指数(NDVI)、归一化积雪指数(NDSI)、积雪深度、高程、坡度、坡向、土壤质地对地表温度的影响基础上,构建了多元逐步回归校正模型。校正模型考虑了研究区下垫面情况的差异,提高了CLDAS的模拟精度。结果显示,区分冻结期、融化期、交替期构建模型校正的结果优于不考虑冻融期构建的校正模型。区分冻融期分别构建多元逐步回归模型进行校正后,CLDAS地表温度的精度得到了明显提升(bias=-0.11℃,MAE=2.42℃,RMSE=3.23℃,R2=0.89)。

基于准对称混合滑动训练法对CLDAS气温的订正检验

基于准对称混合滑动训练期方法,对近两年来中国气象局陆面同化分析系统(CMA Land Data Assimilation System,CLDAS)输出的日最高气温、日最低气温网格实况分析产品进行订正,以期提高该产品在重庆地区的适用性。结果表明:订正前,2021年CLDAS日最高气温产品的平均误差为0.63℃,平均绝对误差为1.14℃,订正后平均误差减小至-0.03℃,平均绝对误差减小至0.64℃,误差小于或等于1℃的准确率由约64%提高到约90%,明显改善了该产品在重庆西部和东南部地区的适用性;订正前,2021年CLDAS日最低气温的平均误差为-0.22℃,平均绝对误差为0.75℃,订正后平均误差减小至-0.03℃,平均绝对误差减小至0.55℃,误差小于或等于1℃的准确率由约91%提高到约93%,改善了该产品在重庆中部地区的适用性。

CLDAS土壤相对湿度产品在资阳市的适用性评估

依据资阳市人工土壤相对湿度观测数据,利用相关系数、均方根误差和平均偏差等统计指标对CLDAS土壤相对湿度产品的适用性进行了评估分析;并选择东山棉花沟水库为代表站,对2种土壤相对湿度在2022年伏旱过程中变化情况进行了对比分析。结果表明,各土层的CLDAS土壤相对湿度与人工观测值具有显著的正相关性,相关系数在0.7以上;在不同土壤层次中,CLDAS土壤湿度与人工观测湿度的变化趋势基本一致,但在土壤偏干,特别是较长的干旱时段里,CLDAS土壤相对湿度会明显偏大。总体来看,CLDAS土壤相对湿度产品在资阳市具有很好的适用性,但出现长期干旱时,应结合降雨量等气象数据以及农田墒情调查,采用适当的数据处理方法,使得CLDAS土壤相对湿度产品更好地反映实际土壤墒情状况。

CLDAS短波辐射实况产品在广西的适用性评估

以广西地区2011—2020年的三个辐射站(南宁、北海、桂林)数据为基准,进行多时空尺度的评估检验。结果表明(:1)在季节尺度上产品与观测对比有较好的一致性,反映季节变化特征,夏秋季整体偏差较小。(2)在日尺度上,产品日变化特征一致性较好,相关系数分别均超过0.89,RMSE的范围为42.78~52.4 W·m^(-2)。(3)在小时尺度上,产品呈现纺锤型分布,季节和日变化特征明显,误差指标较好。综合而言,该产品能较好表征辐射随时间变化的能力,可作为研究广西太阳辐射活动的重要数据。

CLDAS 10m风速产品在漳州沿海的本地化应用评估

CLDAS 10m风速产品是中国气象局利用多源观测数据和数值模式产品,通过数据同化技术生成的地面以上10m高度的风速数据产品。该产品具有高时空分辨率和准确性,能够满足气象、农业、环境等多个领域对地表风速信息的需求。为评估国家气象信息中心研发的CLDAS-V2.0产品中10m风速数据在漳州沿海地区的适用性,文章选取了漳州沿海的镇海角、古雷头、列屿3个区域站,收集了2020年12月—2021年11月期间的风速数据,通过双线性插值法将CLDAS风速数据插值至地面站点同一经纬度,与地面气象自动站实测风速数据进行比较,计算了平均偏差误差、相关系数、均方根误差、平均绝对误差等评估指标,并通过线性回归分析建立了回归方程。研究结果表明,CLDAS风速数据与镇海角实测风速数据相关性较高,而与古雷头的相关性较低。CLDAS风速整体低于镇海角观测值,而高于古雷头和列屿观测值。通过回归方程的建立,可提高CLDAS再分析资料在漳州沿海地区的应用效果,对提升LNG、渔港、核电等气象服务具有重要意义。

基于CLDAS土壤湿度产品的自动土壤水分数据质量控制技术的研究

为了全面、及时掌握青海省空间区域土壤水分动态状况,文章从相关系数、均方根误差两个指标对比分析青海省2021-2022年卫星遥感资料反演为主的陆面同化CLDAS土壤湿度与自动土壤湿度站资料。结果表明,CLDAS土壤湿度与自动土壤水分站监测的数据之间具有较好的相关性,各站点相关数据均稳定通过0.01水平的显著性检验;大部分站点均方根误差在合理范围内。总体来看,CLDAS土壤湿度资料在时空领域可以弥补青海部分地区自动站较少的问题,对全省土壤墒情监测预估和土壤干旱等级评价等农业气象服务具有重要的参考价值。

基于CLDAS强迫CLM3.5模式的新疆区域土壤温度陆面过程模拟及验证

利用中国气象局国家气象信息中心研发的中国气象局陆面数据同化系统(China Meteorological Administration Land Data Assimilation System,CLDAS)大气近地面强迫资料,驱动美国国家大气研究中心公用陆面模式(Community Land Model,CLM3.5),对中国新疆地区土壤温度时空分布进行逐小时Off-line模拟(模拟时段为2009—2012年);利用国家土壤温度自动站(新疆区域105站点)数据验证CLDAS驱动场强迫下的CLM3.5模式在中国新疆地区3个土壤层(5cm、20cm和80cm)的土壤温度模拟能力。研究发现:在月变化方面,第1层(5cm)土壤温度模拟与实测值差异最大,在每年7月最大差异达5k左右;第2层(20cm)在每年7月达最大差异(3k左右),而第3层(80cm)在每年7月均模拟的很好。造成这种现象的原因可能因为新疆地区7月前后浅层土壤温度变化剧烈,温度白天最高可达300K以上,昼夜温差大,导致模式不能很好抓住浅层土壤温度的变化趋势。研究还发现,在80cm土壤深度,模式在1月、12月的模拟结果均较前两层差。在日变化方面,研究发现:较浅的两层(5cm和20cm)土壤温度模拟值在夏季和秋季均较差。与月变化模拟结果类似的是,80cm土壤层日变化在1、12月模拟较差,然而在其他时段却模拟的很好。在小时变化方面,分析发现:第1层土壤(5cm)模拟结果在每年的1—4月及9—11月的全天(即24 h),模式也会有不同的偏差:其中,在03UTC—21UTC之间主要表现为模式结果比观测结果偏高,而在日内21UTC—00UTC主要表现为模拟结果偏小。在每年的5—8月,全天模拟值都偏小,其中在09UTC达当日最大值。而距离第2层(20cm)处的土壤温度模拟值在大部分月份都偏差较小(-1K至1k之间),并在日内12UTC偏差达到当日最大值。研究发现,在土壤20cm处,模式模拟的最大值较观测值提前,而第3层(80cm)的土壤温度基本不受日内变化影响,表现较为平稳。造成这种影响的原因可能是因为新疆地区5—8月、9—11月为昼夜温差大,深层土壤温度较浅层土壤温度温差变化小,这也造成了模式对于浅层土壤模拟较深层差的主要原因。总体研究表明:CLDAS驱动场强迫下的CLM3.5模式可较为精确的模拟中国新疆地区多年平均土壤温度时空分布,并较为准确的反映中国新疆地区土壤温度的小时、日、月及年际的变化规律。模式浅温度模拟不好的原因可能与模式参数化方案及地表参数有关,后期将继续修正该问题。

CLDAS土壤湿度模拟结果及评估

中国气象局陆面数据同化系统(CLDAS V1.0)由陆面驱动数据融合和陆面模式模拟两部分组成。基于驱动数据,选取Canmunity Land Model 3.5(CLM3.5)作为CLDAS V1.0系统的陆面模式进行模拟试验,并对土壤模拟结果进行评估。利用2013年经过质量控制的中国气象局业务化自动土壤水分观测站实况数据、青藏高原试验观测数据及国际同类产品对模拟结果进行评估,结果表明:从各省以及全国平均结果看,相关系数普遍在0.8以上,偏差基本为-0.04~0.04 mm^3·mm^(-3),平均均方根误差为0.04~0.05 mm^3·mm^(-3),在青藏高原地区与国际同类产品相比,精度也有一定提高。总体而言,模拟结果已达到较高精度,数据集产品对中国区域干旱监测等具有重要意义。

基于CLDAS资料的内蒙古干旱监测分析

以内蒙古地区为研究区域,对中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)的土壤湿度和降水数据进行了评估,使用土壤相对湿度法和连续无降水日数法监测2014年夏季干旱,并选择干旱年(2014年)和湿润年(2013年)与标准化降水指数和降水百分位指数法进行验证分析。结果表明:CLDAS资料能够很好地再现日土壤相对湿度动态变化情况和降水落区与量级,能够满足干旱监测的需求;基于CLDAS数据的土壤相对湿度法可以方便、快捷地监测干旱日变化和区域性变化,连续无有效降水日数法对评估长时间、持续性干旱较为有效;CLDAS同化数据在时效性、分辨率、代表性上能够满足气象服务的需求,可作为观测资料的重要补充广泛应用于业务和科研,特别是对于地广人稀且气象站点相对较少的内蒙古地区气象服务潜力巨大。

CLDAS气温数据在中国区域的适用性评估

以中国48708个地面气象自动站逐小时气温数据为基础,采用平均偏差(Bias)、相关系数、均方根误差(RMSE)、平均绝对误差(MAE)等评估指标,对比分析2017年10月、2018年1月、4月、7月CLDAS-V2.0气温(分辨率为0.0625°),探讨中国8个分区春、夏、秋、冬4个季节CLDAS与站点气温的相关性及偏差分布特征。结果表明:1)CLDAS气温较好地反映了中国气温的年际变化,非独立性检验、独立性检验与站点气温的平均相关系数分别为0.995、0.991,东北地区相关性最高,西南地区相关性最低。2)CLDAS与站点气温的Bias为-0.011℃,非独立性检验的RMSE、MAE分别为1.275、1.645℃,独立性检验的RMSE、MAE分别为0.867、1.089℃,总体上CLDAS气温误差小,可信度较高。3)春、秋季的偏差小于夏、冬季;东北、华北、江淮、华南地区的偏差小于西北、西南地区;84.6%站的冷偏差或暖偏差在1℃内,冷暖偏差空间分布均匀。4)CLDAS的最高气温存在冷偏差,最低气温存在暖偏差,夏季最高气温的最大误差为-0.59℃。5)CLDAS平均偏差的日变化为-0.23~0.07℃,白天呈冷偏差,夜间呈暖偏差,夏季平均偏差的日变化较显著,偏差的日较差为0.26℃;全国8个分区夏季平均偏差日变化最大为1.06℃,秋、冬、春季变幅相似,西南地区平均偏差日变化最大而江淮地区最小。

基于CLDAS数据的广西晚稻寒露风监测精准度评估

为广西晚稻生产寒露风低温冷害的监测提供参考,利用中国陆面同化系统(CLDAS)气温产品,结合多源卫星数据库的水稻种植本底信息,参考寒露风灾害监测指标,对广西2011年9月19—27日的晚稻寒露风低温过程进行动态监测,以验证CLDAS提供数据的精准度。结果表明:此次寒露风造成广西晚稻重度受灾面积3 159.76km^2,中度受灾面积559.77km^2,轻度受灾面积2 452.14km^2;CLDAS反演气温与12个验证气象站点实测气温的相关系数均大于0.93,日平均温差为0.3℃;CLDAS反演的最高气温和最低气温与气象站点实测相应气温的时间差小于1h。CLDAS提供的气温数据与实际监测的气温数据较一致,并具有快速详细监测当地晚稻寒露风灾害等级分布状况的优势,且精准度较高。CLDAS可用于广西地区晚稻生产的寒露风天气监测。

基于CLDAS温度适宜度指标空间化方法

为了避免站点观测数据空间插值误差,提高玉米温度适宜度指标空间化精度,本文利用陆面数据同化系统CLDAS逐小时气温同化数据,基于内蒙古玉米动态适宜度计算方法,利用GIS空间分析和建模功能,构建逐日温度适宜度指标的空间化计算模型。该模型根据温度适宜度动态模型计算指定日期的"三基点"温度指标空间分布;结合CLDAS日平均气温空间分布,利用条件函数实现适宜度指标分段空间化计算。以2015年5—8月为例,进行常规气象站点误差检验,结果表明:常规站检验最大绝对误差0.156,90%的站点绝对误差小于0.1;最大相对误差36.9%,70%的站点相对误差不足8%;CLDAS数据很好的把握了5月高温、8月低温的不利影响,适宜度为0。基于CLDAS气温拟合数据的温度适宜度模型流程清晰实用,适宜度指标空间化精度较高。

CLDAS数据质量在线评估系统的设计与实现

数据质量评估是模式业务运行中重要环节。本文利用土壤水分观测数据和中国气象局陆面数据同化系统(CLDAS)产品数据,采用MySQL数据库和html、JavaScript、HighChart等Web技术,建立CLDAS数据质量在线评估系统。系统采用相关系数、均方根误差、相对偏差和平均偏差等统计指标,实现对任意站点及省份、任意时段、不同土壤层次的土壤湿度的评估分析,并以时间序列图,散点图等多种方式对比显示土壤湿度观测与模拟值。系统具备各类统计指标的实时计算,并通过Web页面实时展示评估结果,实现对模式产品的数据质量进行实时监视。

CLDAS和GLDAS土壤温度数据在陕西省的适用性评估

利用陕西省2016年97站逐日5cm土壤温度观测数据,结合相关系数、平均偏差和均方根误差等统计参数,评估了中国气象局陆面数据同化系统CLDAS2.0和美国全球陆面数据同化系统不同陆面模式(Noah-GLDAS2.1,Noah-GLDAS1,CLM-GLDAS1)土壤温度数据在陕西省的适用性。结果表明:(1)CLDAS2.0在陕西省的相关系数最高,均方根误差最小,Noah-GLDAS2.1次之,Noah-GLDAS1最差。(2)从陕西省3个区域的时间演变序列的分析可以看到,CLDAS2.0和Noah-GLDAS2.1能很好模拟出土壤温度的季节变化以及日变化,Noah-GLDAS1、CLMGLDAS1对于日变化的模拟较差,且前两者偏差也明显小于后两者。(3)Noah-GLDAS2.1在陕北与关中地区土壤温度模拟能力与CLDAS2.0相差无几,但在陕南地区CLDAS2.0要好于Noah-GLDAS2.1。总体来看,CLDAS2.0对陕西省土壤温度模拟能力最好,在陕西省有着更好的适用性。

基于CLDAS的格点温度预报偏差订正方法

利用国家气象信息中心CLDAS格点温度实况、中央气象台SCMOC格点温度预报以及山西省站点观测温度,采用非独立性检验综合评估CLDAS在山西区域的适用性。在此基础上,采用滑动训练期订正方案,基于格点实况开展SCMOC温度预报场的客观订正。结果表明:(1)复杂地形对山西CLDAS格点温度实况的精度有一定影响,但最高气温的分析精度优于最低气温,表明地形对最低气温的偏差影响更显著,高海拔地区CLDAS最低气温一般对应为负偏差,低海拔地区一般对应为正偏差。(2)CLDAS格点温度实况的偏差空间分布具有时间延续性,进行简单的系统偏差订正后,最高、最低气温格点实况的精度分别提升1.1%、9.7%,与站点观测更为吻合。(3)基于改进后的CLDAS格点温度实况,采用滑动偏差订正方案,显著改善了山西省SCMOC温度预报的准确率。2019年,滑动偏差订正后的24 h时效最高、最低气温预报准确率较SCMOC温度预报分别提升2.7%、4.7%,订正后的短期温度预报质量有较大提高,优于预报员主观预报。

CLDAS数据在早稻低温冷害监测中的应用

本研究旨在实现水稻低温灾害的实时动态监测,改善目前遥感数据在南方地区应用受云雨天气影响受限的现状。利用CLDAS气温数据,结合遥感水稻种植本底信息,参考低温冷害监测指标,选取广西典型早稻低温冷害过程进行监测试验。试验结果表明:利用CLDAS气温分量数据可对区域气温变化状况进行有效的动态监测,结合水稻种植空间分布信息,可实现精细化的水稻受灾面积及等级监测。CLDAS反演的气温精度较高,与气象台站实测气温误差多小于0.5℃。CLDAS和遥感数据结合可为水稻精细化低温冷害监测提供一种新的有效途径。