中国气象学会主办。
文章信息
- 江志红, 卢尧, 丁裕国. 2013.
- JIANG Zhihong, LU Yao, DING Yuguo. 2013.
- 基于时空结构指标的中国融合降水资料质量评估
- Analysis of the high-resolution merged precipitation products over China based on the temporal and spatial structure score indices
- 气象学报, 71(5): 891-900
- Acta Meteorologica Sinica, 71(5): 891-900.
- http://dx.doi.org/10.11676/qxxb2013.076
-
文章历史
- 收稿日期:2013-04-17
- 改回日期:2013-05-24
降水是全球能量和水循环过程的重要组成部分,也是最重要的气候变量之一。随着天气预报、气候诊断预测精细化要求的提高及极端气候事件的加剧、频发,急需高时空分辨率、高精度的降水资料。目前,已经有不少基于台站资料和卫星产品的高分辨率网格化降水资料,如日本气象厅气象研究所和综合地球环境研究所建立的高分辨率逐日亚洲陆地降水数据集(Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation of Water Resources,简称APHRODITE)(Yatagai et al,2009),美国国家海洋大气局(NOAA)气候预测中心开发的高分辨率降水资料(CMORPH)(Jorce et al,2004),美国国家航空航天局(NASA)戈达德数据中心研发的高密度热带亚热带降水产品(TRMM 3B42)(Huffman et al,2004)等。近期,中国国家气象信息中心基于全中国3万多个地面自动站降水资料与CMORPH卫星反演降水资料,研发出了高时空分辨率的融合降水产品,该产品采用概率密度函数匹配和最优插值(潘旸等,2012)相结合的两步融合方案,生成了2008—2010年逐时0.1°×0.1°高时空分辨率的融合降水产品。
高密度降水资料的应用必须基于可靠的质量评估,目前,对于评价高分辨率降水资料在中国区域的可靠性已有不少研究。韩振宇等(2012)选取降水频率、降水强度和降水等级等统计指标,采用空间相关系数、均方根误差等统计方法,对APHRODITE高分辨率逐日降水资料在中国大陆地区的适用性进行了评估和分析。Shen等(2010)也采用平均偏差和相关系数等统计量,检验了高分辨率降水计划(PEHRPP)中的各项降水资料在中国的适用精度,发现该计划所研究的几种卫星产品都能反映中国降水东南多西北少的空间分布特征,在6种降水产品中,CMORPH产品的相关性优于其他产品。Wu等(2012)则从降水量、降水频数、降水强度空间分布、分级降水量、降水频数比较以及降水日变化等方面,对CMORPH和TRMM卫星降水资料在青藏高原及其以东的四川盆地、长江中下游地区暖季进行了适用性评估,发现两种卫星资料对降水频数的反演好于降水强度,空间分布上,CMORPH和TRMM 3B42在青藏高原东北部、四川盆地和长江流域等地区与观测降水比较一致,而对高原的反演精度较低。最近,张蒙蒙等(2013)通过计算平均偏差、均方根误差和相关系数等统计量,评估了融合降水资料在中国区域的适用性,结果表明,融合降水有效利用了地面观测和卫星反演降水各自的优势,在精度改善方面效果显著。
值得注意的是,上述资料质量评估大都基于考察单一方面的统计指标,如平均偏差、均方根误差,主要反映评估降水与观测降水在空间场或时间场上的总体偏离程度,但其大小都与降水量自身大小有关;相关系数可以衡量评估和观测时空序列的相似程度,但又无法定量地反映实际偏差大小。鉴于中国降水时空差异大,迫切需要通过一些具有相对意义的复合统计量,来提高评估的全面性和客观性。近期,Chen等(2011)利用综合考虑场相关系数以及平均偏差的指数——无量纲空间技巧评分(Pierce et al,2009),评估了国际耦合模式比较计划第3阶段(CMIP3)的多个全球耦合模式对中国区域气候的模拟能力,取得了较好效果。另外,由于观测台站密度的合理性与降水场自身的均一性有关,在此进一步引入结构函数,探讨融合资料精度与降水场的均一性及台站密度的关系,通过与CMORPH和TRMM卫星降水资料的对比,全面评估融合降水资料在中国区域的适用性。
本研究主要引入基于时空技巧指标的统计量(Pierce et al,2009; Chen et al,2011)和Drozdov(1946)提出的结构函数,以观测降水资料为真值,通过与CMORPH和TRMM卫星降水资料的对比,评估融合降水资料在中国区域的适用性,从而为融合降水资料在天气和气候研究方面的进一步应用提供一定的科学依据。2 资料方法2.1 资料介绍
使用的资料主要有:(1)中国国家气象信息中心基于全中国3万多个地面自动站降水资料开发的时空分辨率为逐时0.1°×0.1°的地面观测降水资料(任芝花,2010;沈艳等,2010);(2)美国气候预测中心开发的CMORPH卫星反演降水产品(Jorce et al,2004),其时空分辨率已插值为与资料(1)一致;(3)中国国家气象信息中心研发的地面降水资料(资料(1))与CMORPH卫星反演降水资料结合而成的融合降水资料(宇婧婧等,2013;沈艳等,2013;潘旸等,2012),其时空分辨率亦为逐时0.1°×0.1°;(4)美国国家航空航天局戈达德数据中心的热带亚热带降水产品TRMM 3B42(Huffman et al,2004),时空分辨率为3 h、0.25°×0.25°。4种资料的时间段均为2008—2010年。为便于分析,将4种资料均处理为逐日降水。必须指出的是,评估所用的真值以地面观测降水资料为准,融合降水资料中包含该观测资料,主要目的是通过融合降水资料与卫星产品的比较,评估融合资料相对于卫星资料的改善,同时考察引入的评估指标的合理性。
2.2 评估方法对气象要素数据的评估,常用的手段有平均偏差、均方根误差、相关系数等常规统计方法。本研究不仅考虑了这些常用方法,还进一步采用了综合考虑要素场相关与偏差的复合指标——空间技巧评分(记为SS)、时间技巧评分(记为ST)以及结构函数,从而更加详细、系统地考察不同资料的质量。
2.2.1 空间技巧评分设Mk和Ok分别为降水的评估场(融合降水、CMORPH和TRMM卫星资料)和观测场(地面观测降水资料),则观测与评估的空间场平方误差定义为
类似于空间技巧评分,定义无量纲化的时间技巧评分,设Yt和Xt分别为降水的评估和观测时间序列,评估序列和观测序列的平方误差为
世界气象组织1970年发布了Gandin(1970)报告,系统地探讨了结构函数方法及其在气象站网合理布局中的应用,并提出结构函数在不同距离条件下对应的数值变化可以表征气象要素场的统计结构特征。
根据Gandin(1970)的研究,某气象要素的结构函数定义为空间两点上距平差值平方序列的时间平均值,即气象要素X在空间A、B两点间对应的结构函数为
具体计算某区域的结构函数b(l)的方法如下:
(1)根据式(6)计算区域内每两点的结构函数b(A,B);
(2)计算出这两点对应的距离l
(3)利用这k(k-1)/2对数据,容易得到结构函数值与距离l的函数b(l),该函数曲线即可明确地反映出该区域内结构函数与距离的对应关系(Mooley et al,1982;杨贤为等,1987;于杰等,2003;赵瑞霞等,2007)。为了保证各区域结构函数的可比性,对结构函数值进行了标准化处理。3 融合降水资料的质量评估3.1 误差的时间变化
以观测降水为参考标准(真值),分别计算2008—2010年逐日融合降水、CMORPH及TRMM卫星反演降水与中国区域观测降水的SS值,可得到三者的逐日变化曲线(图 1a)。由图 1a可见,在3年的大部分时段,融合降水资料的SS值高于CMORPH和TRMM卫星降水资料,这表明融合降水资料的精度总体高于以上两种卫星资料。
SS值的月平均变化(图 1b)具有明显的季节性特征。其中,在夏季(6—8月),融合降水资料的SS值远高于两种卫星资料,融合降水的夏季平均SS可达到0.77,而CMORPH卫星资料的SS只有0.26。冬季(12—2月),融合降水资料与CMORPH卫星降水资料相比,其SS仍然较高,二者的平均值分别为0.56与-0.54。冬夏季对比,夏季SS值均高于冬季值,这表明夏季降水空间场的精度高于冬季。融合降水与CMORPH卫星降水的SS对比可以看到,降水资料经过融合后,夏季SS的提高幅度小于冬季,即融合资料在冬季的改善程度大于夏季。而张蒙蒙等(2012)利用偏差、均方根误差指标,指出融合资料偏差、均方根误差呈现出夏季大于冬季的特征,其偏差的改善也是夏季大于冬季。显然,这与其评估指标以及降水量大小有关。鉴于SS值是综合考虑了空间场相关系数与评估场偏差的无量纲量,故评估效果呈现的冬夏季对比更为客观、全面。此外,从逐月SS值还可看出,无论是夏季还是冬季,CMORPH卫星降水的精度都要高于TRMM卫星降水。3.2 误差的空间分布
为进一步对比融合降水、CMORPH及TRMM卫星降水资料精度,根据式(5)计算各点的时间技巧评分(ST),得到ST指标冬、夏季的空间分布(图 2)。ST值反映了不同资料序列(融合资料、两种卫星资料分别与观测资料之间)时间演变的相关系数和偏差信息,ST值越接近1,资料精度越高。
由图 2a、c、e可知,夏季,融合前的CMORPH卫星资料在中国东部绝大部分地区的ST为0—0.5,而在新疆北部其ST值小于-2。融合后降水资料的ST空间分布特征与融合前较为一致,但ST高值区的范围更大。中国夏季东部地区(100°E以东)均位于ST高值区,且其ST数值基本都高于融合前,超过了0.5;融合资料在西部(100°E以西及新疆北部小部分地区)ST值高于0.5,其他地区则ST较低。TRMM卫星资料在夏季的ST较高区域主要集中于河套地区、江淮流域、华南以及东北的小部分地区,其值为-1—0.5,低于融合后降水资料;在中国新疆北部地区TRMM卫星资料的ST为-0.5—0.5,高于融合前的CMORPH卫星资料,但仍低于融合后的降水资料。
冬季(图 2b、d、f),CMORPH资料在淮河及其以南地区的ST值主要为-0.5—0.5,华中及其东部小部分地区ST值低于-2。而融合后降水的ST高值区分布比融合前范围略有增大,主要集中于秦岭及其以南和东北的小部分地区,且融合后降水ST值从-0.5—0.5提高至0.5以上。TRMM资料大于0.5的ST高值区相对于融合资料更小,主要集中于华南以及西南一带;华中、华北以及东部的大部分地区,其ST值都小于-2。
总体而言,融合后降水资料的ST值得到了显著提高。在中国东部地区融合降水资料的ST值无论冬、夏季基本都超过了0.5,并普遍呈现出夏季融合效果优于冬季的特征。除青藏高原以外,无论冬、夏季,融合降水ST值皆高于CMORPH及TRMM卫星资料。对比不同区域融合前后ST值的变化发现,降水资料在中国东南区域的融合质量高于西北地区。需要说明的是,由于观测资料在青藏高原等西部地区严重缺乏,因此,该地区的ST指标无法给出。
3.3 不同区域资料的质量评估由于中国不同区域的气候差异很大,下面将进一步分区进行评估。按照表 1中各区经纬度将中国划分为东北、华北、江淮、华南、西南、青藏高原、西北7个区域(图 3),分别评估融合降水资料、CMORPH及TRMM卫星降水与观测降水之间的时间技巧评分指标和结构函数在各区域的变化。
序号 | 地区 | 纬度 | 经度 |
1 | 东北 | 42.25°—54.75°N | 110.25°—135.25°E |
2 | 华北 | 35.25°—42.25°N | 110.25°—129.75°E |
3 | 江淮 | 27.25°—35.25°N | 107.25°—122.75°E |
4 | 华南 | 15.75°—27.25°N | 107.25°—122.75°E |
5 | 西南 | 21.75°—35.25°N | 97.25°—107.25°E |
6 | 青藏 | 26.75°—35.25°N | 77.25°—97.25°E |
7 | 西北 | 35.25°—49.75°N | 72.25°—110.25°E |
表 2给出了融合降水、CMORPH及TRMM卫星降水在各区域的时间演变评分(ST)。可以得出,融合降水资料的ST评分在夏、冬季7个区域的总体平均值分别为0.52和0.21,CMORPH卫星降水评分分别为-0.41和-1.01,TRMM卫星降水评分则分别为-0.46和-1.39。无论冬、夏季,融合资料7个区域平均的ST均高于两种卫星资料,表明融合资料在降水时间变化上的模拟水平要高于CMORPH和TRMM卫星资料。
序号 | 地区 | 融合 | CMORPH | TRMM | |||
夏 | 冬 | 夏 | 冬 | 夏 | 冬 | ||
1 | 东北 | 0.58 | 0.20 | -0.39 | -1.09 | -0.94 | -1.10 |
2 | 华北 | 0.91 | 0.35 | -0.26 | -1.01 | -0.22 | -0.52 |
3 | 江淮 | 0.93 | 0.91 | 0.42 | -0.15 | 0.12 | -0.31 |
4 | 华南 | 0.95 | 0.85 | 0.45 | -0.21 | 0.35 | -0.24 |
5 | 西南 | 0.73 | 0.57 | 0.30 | -0.18 | 0.25 | -0.17 |
6 | 青藏 | -0.94 | -1.65 | -1.93 | -2.52 | -2.12 | -3.78 |
7 | 西北 | 0.46 | 0.21 | -2.04 | -1.87 | -0.44 | -3.82 |
夏季,融合前CMORPH卫星降水的ST较高的3个区域为江淮、华南和西南地区,最低值出现在西北,只有-2.04。而融合后ST较高的3个区域为华南、江淮和华北,都超过了0.9,评分最低的区域为青藏高原,只有-0.94(高于融合前CMORPH降水的-1.93)。融合后提高最大的地区为西北区域,ST提高了2.5。夏季TRMM与CMORPH卫星降水类似,ST较高的3个区域也是江淮、华南和西南。评分最低的地区出现在青藏高原,只有-2.12。
冬季,融合前CMORPH卫星降水的ST较高的3个区域为江淮、华南和西南地区,评分最低的地区是青藏高原,只有-2.52。融合后评分较高的3个区域仍为江淮、华南和西南,其中,江淮地区的ST评分最高达到0.91,评分最低的区域同样是青藏高原,只有-1.65。融合后提高最大的地区仍为西北地区,ST提高了2.08。冬季TRMM卫星降水评分最低的地区为西北,只有-3.82。平均而言,融合资料在冬季的提高幅度大于夏季。
通过考察融合降水、CMORPH和TRMM卫星降水的ST在不同区域不同季节的表现可知,夏季融合后降水资料质量最好的两个区域为江淮和华南,最差的区域为青藏高原,冬季融合质量最好的地区为江淮,冬、夏季提高幅度最大区域均在西北。总体而言,空间分布上,降水资料的空间质量表现为:融合后降水资料的ST提高效果十分明显,东部地区降水资料精度高于西部区域,且提高幅度冬季大于夏季。
3.3.2 基于结构函数的区域性评估图 4给出了观测降水、融合降水、CMORPH及TRMM卫星降水在中国7个区域各自的结构函数曲线。
对比各区域降水结构函数随距离的变化发现,东北、华北、江淮以及华南4个区域(图 4a—d),其融合降水结构函数与CMORPH资料、观测资料均比较接近,随距离的变化始终介于CMORPH资料、观测资料之间。融合后的结构函数(与观测的)偏差小于融合前的卫星资料,更接近于观测资料的结构函数变化曲线。当格点间距离从0增大至200 km时,江淮、华南及华北区域融合资料的结构函数值随距离从-2迅速增至1.5,而东北区域的结构函数仅从-1.5增至0.5左右。这3个区域融合资料的结构函数值增长率高于东北地区。根据结构函数的特性,结构函数随格点距离的增大而增大,这种增大反映了气象要素独立性的增强,故可认为,江淮、华南以及华北区域点与点之间的非均一性较强,即这几个区域降水受中小尺度系统影响大,而东北区域则受东亚大尺度环流系统影响较大。也可看到,在某些区域,TRMM降水的结构函数曲线与其他3条曲线偏离较大,这可能与TRMM卫星资料对于高纬度地区的反演能力较差有关,如东北地区(图 4a)。
西南地区(图 4e)融合前的CMORPH和TRMM降水的结构函数值均随距离的增大而迅速增大,融合后降水的结构函数曲线与观测更接近,且随着距离增大,两种卫星资料与融合降水资料结构函数的差异增大。这也从另一方面表明,由于该地区地形复杂,卫星资料往往无法精确反映实际降水情况,观测资料在该区域显得尤为重要。
与以上5个区域不同的是,在青藏高原和西北地区(图 4f、g),融合降水的结构函数曲线与观测并不接近,而是与CMORPH卫星降水更为接近,这可能是由于在西部地区观测资料缺测较多,并且,网格内站点稀疏,导致该地区融合降水资料主要取决于卫星降水资料。
综合以上分析发现,在中国江淮、华南、华北以及东北地区,随着区域内任意两点间距离的增大,融合降水资料的结构函数值始终与观测降水最为接近。表明融合产品与CMORPH及TRMM卫星资料相比,精度更高。西南地区地形复杂,卫星资料无法精确反映实际降水情况,故高密度观测资料更为重要。而在西北、青藏高原等区域,融合产品与观测降水的结构函数曲线之间偏差较大,该地区融合降水资料主要取决于卫星降水资料。4 结论与讨论
利用中国国家气象信息中心研发的地面和卫星融合的逐日降水资料,引入最新的时空技巧评分指标(SS、ST)以及结构函数等方法,通过该融合降水资料与CMORPH及TRMM卫星降水资料、观测降水资料的对比,探讨逐日融合降水精度的时空分布特征,综合评估了该融合降水资料的质量及其在中国大陆地区的适用性,主要得到以下几点结论:
(1)融合降水各个月的空间技巧评分(SS)均显著高于CMORPH及TRMM卫星降水资料,3年平均的SS值则由接近0值提高到融合后的0.66,表明融合后降水的空间场误差显著减小,其在中国区域的精度显著高于两种卫星资料。
(2)时间变化上,融合后降水资料的时间技巧评分(ST)提高亦十分明显,说明融合资料显著提高了对降水时间变化的模拟能力,且东部地区降水资料精度高于西部区域,改善幅度冬季大于夏季。对比不同区域的ST,融合资料与卫星资料在中国东南区域的模拟效果普遍好于西北区域。
(3)对结构函数的分析表明,在江淮、华南、华北以及东北等地区,随着网格区域内任意两点距离的增大,融合产品与观测降水的结构函数曲线始终十分接近,融合产品相对于CMORPH及TRMM卫星资料,质量更好。西南地区地形复杂,卫星资料无法精确反映实际降水情况,故观测资料更为重要。而在西北、青藏高原等区域,融合产品与观测降水的结构函数曲线偏差较大,该地区融合降水资料主要取决于卫星降水资料。
本研究采用的时空结构评估指标(SS、ST),相对于传统的平均偏差和均方根误差等评估方法,更加全面客观,能够综合反映出评估资料与观测资料时空分布特征的差异程度。研究表明,融合资料的总体表现优于其他卫星资料,这说明基于观测资料的订正的确具有显著的效果;同时也注意到,在站点稀少的西部及高原地区,对于插值得到的观测资料,质量本身存在一定的不足,可能会导致一定的误差,因此,该区域分析结果的可信度和融合资料的质量尚有待改进。此外,基于资料的限制,只分析了3年的数据,期待未来可以获取更长的资料序列,得出更全面的结论。
韩振宇, 周天军. 2012. APHRODITE高分辨率逐日降水资料在中国大陆地区的适用性. 大气科学, 36(2): 361-373 |
潘旸, 沈艳, 宇婧婧等. 2012. 基于最优插值方法分析的中国区域地面观测与卫星反演逐时降水融合试验. 气象学报, 70(6): 1382-1389 |
任芝花, 赵平, 张强等. 2010. 适用于全国自动站小时降水资料的质量控制方法. 气象, 36(7): 123-132 |
沈艳, 冯明农, 张洪政等. 2010. 我国逐日降水量格点化方法. 应用气象学报, 21(3): 279-286 |
沈艳, 潘旸, 宇婧婧等. 2013. 中国区域小时降水量融合产品的质量评估. 大气科学学报, 36(1): 38-46 |
杨贤为, 何素兰. 1987. 江淮平原二类气象站网的设计. 气象学报, 45(1): 104-110 |
于杰, 曾文华, 王建刚. 2003. 中国东南地区气象要素场线性内插标准误差初步分析. 解放军理工大学学报(自然科学版), 4(5): 95-99 |
宇婧婧, 沈艳, 潘旸等. 2013. 概率密度匹配法对中国区域卫星降水资料的改进. 应用气象学报,24(5): 544-553 |
张蒙蒙, 江志红. 2013. 我国高分辨降水融合资料的适用性评估. 气候与环境研究,18(4): 461-471 |
赵瑞霞, 李伟, 王玉彬等. 2007. 空间结构函数在北京地区气象观测站网设计中的应用. 应用气象学报, 18(1): 94-101 |
Chen W L, Jiang Z H, Li L. 2011. Probabilistic projections of climate change over China under the SRES A1B scenario using 28 AOGCMs. J Climate, 24(17): 4741-4756 |
Drozdov O, Shepelevskii A. 1946. The theory of interpolation in a stochastic field of meteorological elements and its application to meteorological elements and its application to meteorological map and network rationalization problems. Trudy Niu Gügms Series 1. No. 13 |
Gandin L S. 1970. The planning of meteorological station networks (Technical Note No. 111)[R]. WMO No. 265 |
Huffman G J, Adler R F, Stoker E F, et al. 2004. Analyses of TRMM 3-hourly multi-satellite precipitation estimates computed in both real and post-real time//ANS 12th conf on Satellite Meteorology & Oceanography. Seattle, WA |
Jorce R J, Janowiak J E, Arkin P A, et al. 2004. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution. J Hydrometeor, 5(3): 487-503 |
Mooley D A, Mohamed I P M. 1982. Structure functions of rainfall field and their application to network design in the tropics. Arch Me Geoph Biok (Ser B), 30(1-2): 95-105 |
Pierce D W, Barnett T P, Santer B D, et al. 2009. Selecting global climate models for regional climate change studies. Proc Natl Acad Sci, 106(21): 8441-8446 |
Shen Y, Xiong A, Wang Y, et al. 2010. Performance of high-resolution satellite precipitation products over China. J Geophysi Res, 115, D02114 |
Wu L, Zhai P M, 2012. Validation of daily precipitation from two high-resolution satellite precipitation datasets over the Tibetan Plateau and the regions to its east. Acta Meteor Sinica, 26(6): 735-745 |
Yatagai A, Arakawa O, Kamiguchi K, et al. 2009. A 44-year daily gridded precipitation dataset for Asia based on a dense network of rain gauges. SOLA, 5: 137-140 |