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。

改进的CLDAS降水驱动对中国区域积雪模拟的影响评估

积雪因为其特定的属性在气候变化和水文循环中扮演着重要角色,在大气和陆面之间起到了调节能量和水交换的显著作用,而陆面驱动数据的质量直接决定着模式对积雪的模拟效果。本文采用CLDAS(CMA Land Data Assimilation System)和改进后的降水驱动(CLDAS-Prcp)分别驱动Noah3.6陆面模式对积雪变量进行模拟,并对中国主要的积雪区东北区域、新疆区域、青藏高原区域的积雪覆盖率、雪深、雪水当量的模拟效果进行了评估。结果表明,CLDAS-Prcp改善了原有驱动在冬季由于低估降水所造成的模拟积雪量偏少的情况;东北区域模拟结果与观测的时间变率最为一致,积雪覆盖率、雪深、雪水当量的相关系数分别为0.42,0.78,0.93;而雪水当量的改进效果最明显,均方根误差和偏差分别减小了54.8%和83.1%,相关系数提高了0.47;同时,CLDAS-Prcp不仅能反映积雪变量的年际变率,而且能够较准确地反映出强度较大的突发降雪事件。

CLDAS融合土壤相对湿度产品适用性评估及在气象干旱监测中的应用

基于2008—2017年全国自动气象观测站逐旬土壤相对湿度观测数据,综合评估中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)0~20 cm层融合土壤相对湿度产品在中国地区的适用性,评估表明CLDAS土壤相对湿度产品在中国东北、西北、江南大部及华南等地区存在较大系统性误差,总体上适用性较差。为消除CLDAS土壤相对湿度产品的系统性误差,采用回归订正法、7旬滑动平均订正法和临近加权前旬订正法对CLDAS土壤相对湿度产品进行误差订正处理,对订正结果评估发现:订正处理后CLDAS土壤相对湿度产品与站点观测的相关性显著增加,系统偏差基本消除,适用性明显提高,3种订正方法中临近加权前旬订正法的订正效果最优。最后,采用经不同方法订正后的CLDAS土壤相对湿度产品对2017年5月东北—华北地区一次气象干旱个例进行重现,对比验证表明:相对其他两种订正方法,经临近加权前旬订正法处理后的CLDAS土壤相对湿度产品能更为精准地重现2017年5月东北—华北地区气象干旱的落区和强度。

CLDAS土壤相对湿度数据不同时空尺度适用性评估

基于2020—2021年中国气象局陆面数据同化系统(CLDAS)模拟的逐日土壤相对湿度和土壤水分自动站观测的逐小时土壤相对湿度资料,采用多个统计对比指标,在日和月时间尺度、点和区域空间尺度系统性地评估了CLDAS模拟的土壤相对湿度适用性。结果表明:CLDAS模拟的土壤相对湿度与观测值具有一致的逐日变化规律;0~10 cm、0~20 cm层次CLDAS模拟值与观测值较为接近,0~50 cm层次模拟值普遍低于观测值;各层次上,CLDAS模拟值与观测值的相关系数普遍大于0.6,均方根误差普遍小于30%。区域尺度上,0~10 cm层次CLDAS模拟值和观测值相关系数为0.78~0.95,以华南最高;均方根误差为5.70%~17.26%,以华东最小;偏差为−6.63%~15.80%,以华中偏差绝对值最小。0~20 cm层次CLDAS模拟值和观测值相关系数为0.78~0.95,以东北和内蒙古最高;均方根误差为4.45%~14.03%,以华东最小;偏差为−5.36%~12.56%,以华东偏差绝对值最小。0~50 cm层次CLDAS模拟值和观测值相关系数为0.68~0.97,以东北最高;均方根误差为4.00%~15.83%,以华东最小;偏差为−9.83%~9.62%,以东北偏差绝对值最小。区域月尺度CLDAS模拟值和观测值整体的相关性较好,相关系数在6—10月较高;均方根误差普遍小于15%,华东各个层次逐月均方根误差均较小。总体来看,CLDAS模拟的土壤相对湿度空间上在华东、华中和东北精度最高,时间上在6—10月精度最高。

Improving Land Surface Hydrological Simulations in China Using CLDAS Meteorological Forcing Data

The accuracy of land surface hydrological simulations using an offline land surface model(LSM)depends largely on the quality of the atmospheric forcing data.In this study,Global Land Data Assimilation System(GLDAS)forcing data and the newly developed China Meteorological Administration Land Data Assimilation System(CLDAS)forcing data are used to drive the Noah LSM with multiple parameterizations(Noah-MP)and to explore how the newly developed CLDAS forcing data improve land surface hydrological simulations over China's Mainland.The monthly soil moisture(SM)and evapotranspiration(ET)simulations are then compared and evaluated against observations.The results show that the Noah-MP driven by the CLDAS forcing data(referred to as CLDASNoah-MP)significantly improves the simulations in most cases over China's Mainland and its eight river basins.CLDASNoahMP increases the correlation coefficient(R)values from 0.451 to 0.534 for the SM simulations at a depth range of 0–10 cm in China's Mainland,especially in the eastern monsoon area such as the Huang–Huai–Hai Plain,the southern Yangtze River basin,and the Zhujiang River basin.Moreover,the root-mean-square error is reduced from 0.078 to0.068 m3 m-3 for the SM simulations,and from 12.9 to 11.4 mm month-1 for the ET simulations over China's Mainland,especially in the southern Yangtze River basin and Zhujiang River basin.This study demonstrates that,by merging more in situ and remote sensing observations in regional atmospheric forcing data,offline LSM simulations can better simulate regional-scale land surface hydrological processes.

Applicability Assessment of the 1998–2018 CLDAS Multi-Source Precipitation Fusion Dataset over China

Traditional hourly rain gauges and automatic weather stations rarely measure solid precipitation, except for those stations with weighing-type precipitation sensors. Microwave remote sensing has only a low ability to retrieve solid precipitation. In addition, there are no long-term, high-quality precipitation data in China that can be used to drive land surface models. To address these issues, in the China Meteorological Administration(CMA) Land Data Assimilation System(CLDAS), we blended the Climate Prediction Center(CPC) morphing technique(CMORPH) and Modern-Era Retrospective analysis for Research and Applications version 2(MERRA2) precipitation datasets with observed temperature and precipitation data on various temporal scales using multigrid variational analysis and temporal downscaling to produce a multi-source precipitation fusion dataset for China(CLDAS-Prcp). This dataset covers all of China at a resolution of 6.25 km at hourly intervals from 1998 to 2018. We performed dependent and independent evaluations of the CLDAS-Prcp dataset from the perspectives of seasonal total precipitation and land surface model simulation. Our results show that the CLDAS-Prcp dataset represents reasonably the spatial distribution of precipitation in China. The dependent evaluation indicates that the CLDAS-Prcp performs better than the MERRA2 precipitation, CMORPH precipitation, Global Land Data Assimilation System version 2(GLDAS-V2.1) precipitation,and CLDAS-V2.0 winter precipitation, as compared to the meteorological observational precipitation. The independent evaluation indicates that the CLDAS-Prcp dataset performs better than the Global Precipitation Measurement(GPM) precipitation dataset and is similar to the CLDAS-V2.0 summer precipitation dataset based on the hydrological observational precipitation. The simulated soil moisture content driven by CLDAS-Prcp is slightly better than that driven by the CLDAS-V2.0 precipitation, whereas the snow depth simulation driven by CLDAS-Prcp is much better than that driven by the CLDAS-V2.0 precipitation. This is because the CLDAS-Prcp data have included solid precipitation. Overall, the CLDAS-Prcp dataset can meet the needs of land surface and hydrological modeling studies.

Evaluation of CLDAS and GPM Precipitation Products over the Tibetan Plateau in Summer 2005–2021 Based on Hourly Rain Gauge Observations

Accurate,reliable,and high spatiotemporal resolution precipitation products are essential for precipitation research,hydrological simulation,disaster warning,and many other applications over the Tibetan Plateau(TP).The Global Precipitation Measurement(GPM) data are widely recognized as the most reliable satellite precipitation product for the TP.The China Meteorological Administration(CMA) Land Data Assimilation System(CLDAS) precipitation fusion dataset(CLDAS-Prcp),hereafter referred to as CLDAS,is a high-resolution,self-developed precipitation product in China with regional characteristics.Focusing on the TP,this study provides a long-term evaluation of CLDAS and GPM from various aspects,including characteristics on different timescales,diurnal variation,and elevation impacts,based on hourly rain gauge data in summer from 2005 to 2021.The results show that CLDAS and GPM are highly effective alternatives to the rain gauge records over the TP.They both perform well for precipitation amount and frequency on multiple timescales.CLDAS tends to overestimate precipitation amount and underestimate precipitation frequency over the TP.However,GPM tends to overestimate both precipitation amount and frequency.The difference between them mainly lies in the trace precipitation.CLDAS and GPM effectively capture rainfall events,but their performance decreases significantly as intensity increases.They both show better accuracy in diurnal variation of precipitation amount than frequency,and their performance tends to be superior during nighttime compared to the daytime.Nevertheless,there are some differences of the two against rain gauge observations in diurnal variation,especially in the phase of the diurnal variation.The performance of CLDAS and GPM varies at different elevations.They both have the best performance over 3000–3500 m.The elevation dependence of CLDAS is relatively minor,while GPM shows a stronger elevation dependence in terms of precipitation amount.GPM tends to overestimate the precipitation amount at lower elevations and underestimate it at higher elevations.CLDAS and GPM exhibit unique strengths and weaknesses;hence,the choice should be made according to the specific situation of application.

内蒙古地区下垫面变化对土壤湿度数值模拟的影响

利用第二次全国土壤调查土壤质地数据（SNSS）和中国区域陆地覆盖资料（CLCV）将陆面过程模式CLM3.5（Community Land Model version 3.5）中基于联合国粮食农业组织发展的土壤质地数据（FAO）和MODIS卫星反演的陆地覆盖数据（MODIS）进行了替换,使用中国气象局陆面数据同化系统（CMA Land Data Assimilation System,CLDAS）大气强迫场资料,分别驱动基于同时改进土壤质地和陆地覆盖数据的CLM3.5（CLM-new）、基于只改进陆地覆盖数据的CLM3.5（CLM-clcv）、基于只改进土壤质地数据的CLM3.5（CLM-snss）和基于原始下垫面数据的CLM3.5（CLM-ctl）,对内蒙古地区2011~2013年土壤湿度的时空变化进行模拟试验,研究下垫面改进对CLM3.5模拟土壤湿度的影响。将四组模拟结果与46个土壤水分站点观测数据进行对比分析,结果表明：相对于控制试验,CLM-clcv、CLM-snss和CLM-new都能不同程度地改进土壤湿度模拟,其中CLM-clcv主要在呼伦贝尔改进明显,CLM-snss则在除呼伦贝尔以外的大部地区改进显著,CLM-ctl模拟的土壤湿度在各层上均系统性偏大,而CLM-new模拟土壤湿度最好地反映出内蒙古地区观测的土壤湿度的时空变化特征,显著改善了土壤湿度的模拟,体现在与观测值有着更高的相关系数和更小的平均偏差与均方根误差。

基于CLDAS数据的内蒙古春小麦精细化农业气候区划

利用中国气象局陆面数据同化系统(CLDAS-V2.0)的逐小时0.0625°×0.0625°分辨率的气温、降水格点数据,结合内蒙古自治区119个气象站1981—2015年的地面观测资料,充分考虑内蒙古地区春小麦生产和农业气候特点,基于气候适宜度和关键气象因子相结合的方法确定了春小麦气候区划指标,划分了春小麦综合区划等级,采用Arc GIS栅格计算和多元回归模型方法对区划指标要素进行空间化,形成内蒙古自治区春小麦精细化农业气候区划图并进行了分区评述。结果表明:基于CLDAS格点数据的春小麦农业气候区划结果与基于站点气象数据的区划结果趋势一致,但分布细节更为精细合理,且各气象站点综合区划结果与对应旗县1987—2016年春小麦平均单产数据具有较高的相关性(R=0.70,P<0.01),说明分区结果能够反映气候变暖背景下内蒙古春小麦种植气候适宜性的分布特点;内蒙古春小麦生产中的关键问题是阶段性干旱和扬花灌浆期的干热风,制约了春小麦产量的稳定提高,其中河套灌区、西辽河平原灌溉条件良好,大兴安岭沿麓自然降水充沛,为春小麦最适宜种植区;阴山沿麓东段、大兴安岭北麓和南麓偏南地区,水热适宜,干热风风险低,为适宜种植区;阴山南北麓、燕山丘陵区、西辽河平原的旱作农区,由于在春小麦关键生长期易遭遇阶段性干旱,为较适宜种植区;内蒙古西部的主要旱作农区,自然降水与作物生长的供需矛盾非常尖锐,且干热风风险高,为不适宜种植区。本研究结果对内蒙古春小麦生产具有重要指导意义。

中国自动土壤水分观测资料质量控制方法设计与效果检验

土壤湿度资料对气候变化、农业干旱监测、农业气象预报与服务等研究具有重要意义,为剔除土壤湿度观测资料中的异常数据,本文提出了一套适用于全国自动土壤水分观测资料的质量控制方法。首先,以2014年全国自动土壤水分观测资料为基础,根据资料中异常数据的特征将异常数据分为四类。其次,从界限值检查、内部一致性检查、时间一致性检查等方面提出:异常极值检查、异常增大检查、异常减小检查、异常恒定检查四类方法。最后,利用2014—2015年全国观测资料以及中国气象局陆面数据同化系统(CLDAS)土壤体积含水量数据集产品(V2.0)对各检查方法应用效果进行检验,结果表明:(1)四类检查方法均可判断出自动土壤水分观测资料中的疑误数据;(2)四类检查方法的判定结果在时间连续性及空间分布上具有一定的一致性;(3)该质量控制方法可减小观测数据与CLDAS数据之间的均方根误差(RMSE)。目前,该方法已应用于我国气象资料处理业务系统。

内蒙古麦后移栽向日葵精细化气候适宜性区划

基于内蒙古麦后移栽向日葵生育期的分区,利用中国气象局陆面数据同化系统(CLDAS)的降水和气温格点资料以及内蒙古地区119个气象站观测数据,结合灌溉农区空间分布数据,以适宜生长日数和全生育期气候适宜度为区划指标,在ArcGIS环境下开展内蒙古地区麦后移栽向日葵精细化气候适宜性区划研究。结果表明:制约内蒙古麦后移栽向日葵正常生长和产量形成的主要因素是热量不足和干旱,全区可分为生长不适宜区、较适宜区、适宜区和最适宜区,其中河套灌区、土默川、西辽河平原灌溉条件良好,为麦后移栽向日葵生长的最适宜区,而内蒙古中部大部和东部大部地区移栽后热量严重不足,中西部偏北地区降水亏缺严重,麦后移栽向日葵无法完全成熟,为不适宜种植区。基于CLDAS格点资料与气象站观测数据的内蒙古麦后移栽向日葵气候适宜性分布一致性较好,但CLDAS格点数据的区划精细程度优于站点数据。河套灌区是最适宜种植区,与当前麦后移栽向日葵产业布局较为一致,故本文区划结果可为内蒙古地区麦后移栽向日葵生产合理布局提供一定参考。

2014-2018年内蒙古大兴安岭地区干雷电时空分布特征

利用2014-2018年内蒙古大兴安岭地区闪电定位仪监测的雷电及CLDAS逐日降水数据,确定干雷电期间降水阈值并筛选干雷电监测数据,分析干雷电在大兴安岭地区的时空分布特征,为大兴安岭地区雷击火的防范提供科学依据。结果表明:大兴安岭地区CLDAS降水与气象站点降水的误差较小,有较高的适用性,可以满足干雷电的分析需求。大兴安岭地区的年平均雷电次数为36013.4次,以负地闪为主,年平均雷电日数为110.4 d,其中有42.3%的雷电发生时的日降水量小于5 mm,宜作为该地区干雷电发生时的降水阈值。以此阈值筛选,大兴安岭地区年平均干雷电发生15229.8次,每年7月年平均干雷电出现次数最多,干雷电的雷电流绝对强度在5月和9月较强。该地区林业局中,永安山东部、满归南部、阿龙山东部、汗马自然保护区北部、甘河东部、阿里河西部、吉文北部、大杨树东南部、巴林南部、南木、绰尔东部等地的年平均干雷电次数达到0.4次/km^(2),且雷电流绝对强度也普遍偏强,是大兴安岭干雷电的高发区域,应加强上述地区干雷电的日常监测和雷击火防范工作。