共查询到18条相似文献，搜索用时 109 毫秒
1.
近50年中国降水格点日值数据集精度及评估 总被引：9，自引：0，他引：9
利用高质量的2472个气象台站逐日降水资料和薄盘样条法,对1961 2010年中国大陆降水资料进行了空间内插,得到了中国地面降水0.5°×0.5°格点日值数据集。对该数据集的评估结果表明:夏季误差明显大于其他季节,冬、春、夏、秋季分别有96.7%,91.8%,63.2%和94.0%的台站绝对误差在±1 mm·d-1之间;冬、春、夏、秋季分别有53%,68%,72%和70%的台站相对误差在±10%之间。基于台风"碧利斯"等3个强降水事件的分析和插值试验表明,格点化降水可以较好地描述一定范围内的面雨量。对比CP和APHRO两套格点资料表明,APHRO格点资料在刻画长江以南的年降水量气候态空间特征方面与观测值较一致;CP格点资料对青藏高原、天山山脉和塔里木盆地等大地形附近的降水空间特征描述较准确。另外,CP和APHRO格点资料都可以再现江淮梅雨日变化特征。当出现大雨和中雨日时,两套网格化降水资料同等程度地弱化了降水强度,而出现小雨日时,CP格点资料更接近实测降水。 相似文献
2.
中国地面均一化相对湿度月值格点数据集的建立 总被引：3，自引：3，他引：0
基于1951—2014年2400余个中国国家级地面气象站均一化相对湿度资料,采用薄盘样条法,进行空间内插,得到了中国地面均一化相对湿度月值0.5°×0.5°格点数据集(CR数据集)。数据集的质量评估结果表明:冬季插值误差相对夏季偏高。冬、春、夏、秋季分析值与站点实测值的插值偏差空间区域特征不显著,平均偏差分别为0.002%/月、0.013%/月、0.008%/月和0.007%/月。冬、春、夏、秋季平均相对误差分别为0.431%/月、0.439%/月、0.286%/月和0.382%/月。分析值与站点实测值间的平均相关系数达0.89。整体来看,插值后的格点化相对湿度资料能够比较准确、细致地描述我国年平均相对湿度场的东南湿、西北干的主要空间特征。能够较好地展现长江以南地区、黄河以南长江以北地区、西北地区、天山南北麓、塔里木盆地等大地形的相对湿度变化特征。由于青藏高原台站稀少,格点数据集对该地区空气相对湿度特征的刻画是否合理很难给出定性、定量的判断。通过对CR数据集进行长时间序列气候变化趋势分析,表明60年来全国平均相对湿度呈减小趋势。 相似文献
3.
近38年中国气温和降水的1 km网格数据集 总被引：1，自引：0，他引：1
对中国38年的气温和降水进行了空间插值分析,选取最优模型去生成1km网格数据集,为中国大陆的植被分布、气候变化和环境生态等研究提供支持。基于国家气象中心839个气象站的逐日气温和降水数据,用经度、纬度和海拔作为ANUSPLIN软件插值的3个变量,对降水进行开平方预处理,采用3次样条的薄盘光滑样条法,得到了1980—2017年中国大陆月平均气温和月累计降水1km网格插值数据集。数据集的广义交叉验证均方根(RTGCV)和均方根误差(RMSE)具有年周期性和明显的季节变化特征;各站点的平均误差(MBE)的频率分布近似正态分布,绝对误差(MAE)的空间分布也符合中国大陆气候的变化特征。数据集在精准度和时间序列上较新,且提供公共下载服务,可为全国陆地生态系统的研究提供信息支持。 相似文献
4.
5.
气象要素是资源、环境、灾害以及全球变化等领域研究的数据基础,格点化数据在未来研究应用中显得日益重要。本文基于中国境内667个基本和基准地面气象观测站点的基本气象资料,使用ANUSPLIN专用气候插值软件对1961-2006年逐日气温、降水进行插值,并利用未参与插值的全国1667个加密站点对插值结果的准确性进行检验,同时与反向距离权重法和普通克吕格法等插值方法的结果进行对比。结果表明,利用667个站点使用ANUSPLIN软件进行逐日平均气温插值有92.0%的误差在2.0℃以内,75.0%的误差在1.0℃以内,0.9%的误差在5.0℃以上,平均绝对误差为0.8℃;对逐日降水进行插值,75.0%的误差小于5.0mm,85%的误差小于10.0mm,平均绝对误差为6.4mm,误差大小与降水量呈现出正相关性,对局地强降水的插值效果不好,这可能与参与局部拟合插值的样本数太少有关;同时,夏季的温度插值误差小于冬季,而冬季的降水误差小于夏季。将ANUSPLIN的局部薄盘样条插值结果分别与反向距离权重法和普通克吕格法的插值结果进行对比,显示ANUSPLIN软件的插值误差最小。结果同样表明,适当增加站点数量和提高DEM精度可进一步提高ANUSPLIN软件的插值精度。 相似文献
6.
国家气象信息中心(NMIC)和美国大气海洋局气候预测中心合作开发了"中国逐日格点降水量实时分析系统(V1.0)",并已在NMIC投入业务试运行。该系统基于我国2419个国家级地面气象站日降水量观测(08:00—08:00,北京时)数据,采用"基于气候背景场"的最优插值方法,实时生成空间分辨率为0.5°×0.5°的格点化日降水量资料。通过对汛期典型区域和单站降水过程的对比分析表明:该格点化产品的精度较高,能准确捕捉并再现每一次降水过程。误差分析表明:约91%的数据绝对误差小于1.0 mm/d。该产品在定量分析天气实况、检验天气气候模式精度、检验卫星产品精度等方面有应用前景。 相似文献
7.
《气象与环境学报》2016,(6)
利用国家气象信息中心基于最优插值法(Optimal Interpolation,OI)、ANUSPLIN插值法(AV 2.0)、普通克里格法(Ordinary Kriging,OK)的1.0°×1.0°与0.5°×0.5°格点化的1961—2004年中国区域月温度和月降水资料及1961—2004年美国NCDC的GHCN 5.0°×5.0°月降水资料,对中国大陆地区温度和降水不同插值方法空间插值数据的精度及时间序列进行了对比研究。结果表明:在1961—2004年平均气候态下,中国区域不同插值法插值后的降水和温度空间分布型较一致,年循环变化也较一致。在中国区域、东部区域和西部区域,OI与AV 2.0方法插值的降水场绝对误差分别为2.15 mm、1.28 mm和0.00 mm,OK与AV 2.0方法插值的温度场绝对误差分别为0.20℃、0.05℃和0.45℃。对于中国区域降水场时间序列,AV 2.0和OI方法插值的降水与GHCN不同季节的降水变化趋势较一致,且不同插值方法插值的夏季降水量差异较大,冬季降水量差异较小。1961—2004年AV 2.0与OI方法插值的降水场相关系数在0.22—0.98之间变化,冬季和春季降水场相关性较高,夏季和秋季降水场相关性较低;个别年份秋季和冬季插值后降水量的偏差稍大,最大偏差达3.08 mm,1961—2004年平均降水量偏差为0.64 mm。AV 2.0与OK方法插值的年平均温度差值小于0.54℃,且多年时间序列变化趋势较一致。 相似文献
8.
《气象与环境学报》2017,(1)
自动站降水资料的格点化是目前气象业务及研究亟需解决的问题,空间插值方法是数据格点化最直接有效的方法。本文选取3个降水个例分别作为大范围强降水、大范围弱降水和局地强对流3种类型降水的典型代表,采用8种常用的插值方法,设计3组试验,通过交叉检验对比8种插值方法降水的插值效果及站点密度对插值效果的影响。结果表明:高密度站点试验表明(站点平均距离约为9.0 km),8种插值方法降水的插值效果依次为CR、IW、NN、LP、KR、TL、MQ和SP,8种插值方法之间的差异小于样本间的差异,即插值效果主要取决于站点的分布而不是插值的方法。低密度站点试验表明(站点平均距离约为30.0 km),大范围降水个例(包括大范围强降水和大范围弱降水)插值的均方根误差(Root Mean Square Error,RMSE)显著增大,不同插值方法之间的差异也增大;而局地强对流个例中,插值后均方根误差增大幅度较小,不同插值方法之间的差异较小。利用CR、IW和NN等3种插值方法开展站点密度敏感性试验,试验表明站点密度提高有利于减小降水插值误差,但站点平均距离达13.0 km甚至更密时,降水误差减小的趋势变缓。 相似文献
9.
使用1980 2010年水平分辨率为25 km的遥感积雪深度资料和0.5°×0.5°降水观测资料分析了青藏高原(下称高原)冬春(12月至翌年5月)积雪异常和中国东部夏季(6 8月)降水的关系,然后通过区域气候模式Reg CM4.1在高原冬春季、春季积雪异常强迫下的试验结果进行对比,进一步验证了高原积雪异常影响中国东部夏季降水的机理。遥感积雪深度和格点降水资料诊断分析表明高原冬春少雪,中国东部夏季降水从北向南呈"-+-+"分布;冬春多雪,降水从北向南呈"+-+-"分布。数值模拟试验结果表明,高原冬春积雪异常影响中国东部夏季降水异常,高原冬春少雪,中国东部夏季降水从北向南呈"+-"分布,高原春季少雪,中国东部夏季降水从北向南呈"+-+"分布;高原冬春季以及春季多雪情形下,中国东部夏季降水异常呈相反的空间分布。同时,数值模拟结果表明高原冬春或春季少(多)雪,东亚夏季风偏强(弱),中国东部夏季降水异常。 相似文献
10.
青藏高原冬春积雪异常和中国东部夏季降水关系的诊断与模拟 总被引：1，自引：0，他引：1
使用1980 2010年水平分辨率为25 km的遥感积雪深度资料和0.5°×0.5°降水观测资料分析了青藏高原(下称高原)冬春(12月至翌年5月)积雪异常和中国东部夏季(6 8月)降水的关系,然后通过区域气候模式Reg CM4.1在高原冬春季、春季积雪异常强迫下的试验结果进行对比,进一步验证了高原积雪异常影响中国东部夏季降水的机理。遥感积雪深度和格点降水资料诊断分析表明高原冬春少雪,中国东部夏季降水从北向南呈"-+-+"分布;冬春多雪,降水从北向南呈"+-+-"分布。数值模拟试验结果表明,高原冬春积雪异常影响中国东部夏季降水异常,高原冬春少雪,中国东部夏季降水从北向南呈"+-"分布,高原春季少雪,中国东部夏季降水从北向南呈"+-+"分布;高原冬春季以及春季多雪情形下,中国东部夏季降水异常呈相反的空间分布。同时,数值模拟结果表明高原冬春或春季少(多)雪,东亚夏季风偏强(弱),中国东部夏季降水异常。 相似文献
11.
Summary A precipitation correction and analysis (PCA) model has been designed and tested during the preparation phase of the BALTEX
main experiment BRIDGE. The PCA model consists of a dynamical bias correction module and a geostatistical module. The bias
correction reduces the systematic undercatch of the rain gauges due to wind-induced, evaporation and wetting losses by taking
instrument-specific properties plus additional information from synoptic observations into account; the mean correction factor
is maximum in February (1.25–1.50) and minimum in August (1.02–1.05). The geostatistical module is an ordinary block kriging
algorithm; it yields gridded daily precipitation values plus error estimates on the 1/6-degree resolution of the meso-scale
BALTEX models.
Here we use 3 years (1996–1998) of 4000 rain gauge observations collected by the BALTEX Meteorological Data Centre for a preliminary
high-resolution climatology of the BALTEX catchment. It comprises: Time-series of area-averaged daily precipitation; and area
distributions of monthly and annual precipitation. Largely independent is the worldwide monthly GPCP data set which includes
also satellite data and is available from 1979 on. GPCP yields, for the years 1996–1998, an average of 2.10 mm/day while our
evaluation yields 2.01 mm/day. The maximum difference (22%) occurs in January; during the summer months the values are about
equal.
Received September 27, 2000 Revised February 6, 2001 相似文献
12.
利用国家卫星气象中心处理的NOAA下午轨道卫星的OLR资料,用Xie等在1998年的文章中提出的月降水量计算模式,计算了1991-2008年地理范围在10°～60°N、75°～150°E、分辨率为0.5°×0.5°的中国大陆月降水量,得出:用OLR月距平资料可以计算出月降水量,模式估算出的降水量通过与NCEP提供的18年月降水量陆地观测数据对比,精度为:冬季相对误差49.14%、绝对误差7.97 mm;春季相对误差37.60%、绝对误差14.97 mm;夏季相对误差27.37%、绝对误差31.61mm;秋季相对误差37.99%、绝对误差16.95 mm,可见精度效果并不是太好,造成误差的主要原因是降水机制不一,层状云降水特别是逆温层状云和连续阴天不下雨,以及月平均OLR不能完整地反映月内降水云和降水量是造成用OLR月距平估算月降水量的主要误差来源.通过对FY-2C卫星云分类产品的图像分析,得出中国南方冬季主要是层状云降水,OLR月距平值较高,用全球的A、B系数估算出的降水量偏低于实况,因此对中国大陆进行分区、分季节统计A、B系数,是解决OLR月距平估算月降水量精度问题的途径. 相似文献
13.
X. Yin 《Theoretical and Applied Climatology》1999,63(3-4):183-194
Summary A lack of information for surface water vapor pressure (WVP) represents a major impediment to model-assisted ecosystem analysis
for understanding plant-environment interactions or for projecting biospheric responses to global climate change. This paper
reports on a generic algorithm that captures global variation in monthly WVP. The algorithm solves WVP in terms of reduction
from saturation WVP as a negative exponential function of potential evapotranspiration; the reduction rate per unit potential
evapotranspiration in turn varies with monthly precipitation and a series of variables that distinguish local climate regimes.
Data input to the algorithm is limited to monthly air temperature and precipitation, plus latitude, longitude and elevation.
The algorithm is specified through regression fitting to monthly climate normal data from 852 stations around the world. It
accounts for 96% of the variance in the WVP data, with a root mean square error of 0.17 kPa, or 12% of the data mean. The
algorithm closely reproduces five-year sequential monthly WVP data for each of five selected United States locations representitative
of diverse climate regimes: the average error generally falls within ±12% of the data mean, and the absolute error within
±0.2 kPa. Its projections also compare favorably against the WVP output from the General Circulation Models for temperature
and precipitation conditions under the scenario of a doubled atmospheric carbon-dioxide concentration: the two fall within
±10% of each other for 75% of a total 264 data cases, or within ±20% for 94% of the cases. These statistics suggest that the
spatially-based algorithm is useful for projecting temporal variation in WVP, and for extrapolative applications beyond the
fluctuation range of present climate.
Received March 4, 1999 相似文献
14.
中国区域高分辨率多源降水观测产品的融合方法试验 总被引：5，自引：0，他引：5
高质量、高分辨率降水产品研制对于数值天气模式检验、水文陆面模拟、山洪地质灾害监测有着重要意义。利用中国近4万自动气象站逐时降水资料、中国雷达定量降水估计和CMORPH卫星反演降水产品,开展0.05°×0.05°和0.01°×0.01°两种高分辨率下的三源降水融合方法研究试验,探讨如何有效引入雷达高分辨率信息来提高降水产品质量。一方面,在0.05°分辨率上,先以自动气象站观测降水数据为基准,采用概率密度函数（PDF）匹配法订正雷达和卫星估测降水产品的系统偏差,将雷达降水产品的偏差从-0.05 mm/h降至-0.008 mm/h;再采用贝叶斯模型平均（BMA）方法融合雷达和卫星降水产品,形成0.05°分辨率的中国区域覆盖完整且最优的联合降水背景场。此外,在0.01°分辨率上,以0.05°分辨率的卫星-雷达贝叶斯模型平均联合降水产品为背景,采用1 km雷达估测降水的空间结构信息进行降尺度,亦能有效提高0.01°分辨率背景场的质量。然后,分别以不同分辨率的卫星-雷达联合降水产品为背景,采用统计方法量化误差估计,再采用最优插值方法融入地面观测。通过2419个中国国家级气象台站的独立样本检验,评估了多种类型的降水资料及融合试验产品在中国地区的质量。结果表明,两种分辨率的三源融合试验产品的精度均优于任何单一来源的降水产品,特别是在站点稀疏地区,降水精度均较融合前有显著提高,达到了较好的融合效果,其中在0.05°分辨率上采用“概率密度函数+贝叶斯模型平均+最优插值”方法的三源融合降水产品整体质量最好,而0.01°分辨率上基于“概率密度函数+贝叶斯模型平均+降尺度+最优插值”方法的三源融合降水产品在强降水监测上更有优势。 相似文献
15.
In this study, tropical monthly mean precipitation estimated by the latest Global Precipitation Climatology Project （GPCP） version 2 dataset and Tropical Rainfall Measurement Mission Precipitation Radar （TRMM PR） are compared in temporal and spatial scales in order to comprehend tropical rainfall climatologically. Reasons for the rainfall differences derived from both datasets are discussed. Results show that GPCP and TRMM PR datasets present similar distribution patterns over the Tropics but with some differences in amplitude and location. Generally, the average difference over the ocean of about 0.5 mm d^-1 is larger than that of about 0.1 mm d^-1 over land. Results also show that GPCP tends to underestimate the monthly precipitation over the land region with sparse rain gauges in contrast to regions with a higher density of rain gauge stations. A Probability Distribution Function （PDF） analysis indicates that the GPCP rain rate at its maximum PDF is generally consistent with the TRMM PR rain rate as the latter is less than 8 mm d^-1. When the TRMM PR rain rate is greater than 8 mm d^-1, the GPCP rain rate at its maximum PDF is less by at least 1 mm d^-1 compared to TRMM PR estimates. Results also show an absolute bias of less than 1 mm d^-1 between the two datasets when the rain rate is less than 10 mm d^-1. A large relative bias of the two datasets occurs at weak and heavy rain rates. 相似文献
16.
华南地区5月降水的水汽特征分析 总被引：1，自引：0，他引：1
利用国家气候中心的降水资料及NCEP/NCAR再分析资料、NOAA海温资料分析了华南地区5月降水的主要水汽通道及变异机制。发现异常多雨年的水汽主要来自南海、孟加拉湾和青藏高原南侧;异常少雨年则因西太平洋副热带高压(简称副高)偏东,来自南海的水汽缺失,只有来自孟加拉湾和高原南侧的两股水汽,因而南海的水汽是影响华南地区5月降水的重要因素。分析发现当北太平洋的准东西向海温异常是"负正负"分布时,南海地区为异常的反气旋性环流,有利于副高西伸加强;北太平洋海温距平为"正负正"异常分布时,南海地区为异常的气旋性环流,副高东退减弱。此外,北方南下冷空气的阻挡使得季风北界位置偏南,冷空气和季风在华南地区交汇导致5月降水异常增多。 相似文献
17.
X. Yin 《Theoretical and Applied Climatology》1999,64(1-2):61-68
Summary Bright sunshine duration (BSD) is of singular importance for estimating solar irradiance, and its data base is small in comparison.
This paper reports a generic algorithm that captures global variation in monthly BSD data in relation to temperature, precipitation
and geographic location. The algorithm depicts BSD in terms of reduction from daylength as a negative exponential function
of standard station pressure, with the exponential reduction rate as proportional to the product of a series of multiplicative
functions reflective of global generalities and regional idiosyncrasies. The algorithm is parameterized by regression fitting
to monthly climate normal data for 729 stations worldwide. It accounts statistically for 85% of the variance in the BSD data,
with a root mean square error of 1.0 hr, or 15% of the data mean. The data fitting tends to be least robust for tropical humid
climates or for tropical and subtropical monsoonal Asia. The spatially-based algorithm projects with a reasonable accuracy
5-yr sequential monthly BSD data for five stations representative of the climate regimes in the conterminous United States:
the absolute error is within ±1.5 hr for 70% to 93% of the 60 monthly mean BSD values for each of the stations.
Received April 22, 1999 相似文献
18.
采用多尺度时空投影(MSTP)预测思路建立广东月降水和季节降水预测方法。通过EOF分解、小波分析和Lanczos滤波方法进行周期分解, 采用MSTP方法进行预测。借鉴年际增量法, 对预报结果用最小二乘法进行误差订正, 得到降水预测结果。PS预测评分和均方根误差10年独立样本检验(2006—2015年)结果显示:订正后, PS预测评分起伏较小, 68.8%的月降水和季节降水PS预测评分明显提高的年份超过6年, 且有87.5%的月降水和季节降水PS预测平均分达到70以上; 在±0.5个标准差范围内, 订正后均方根误差在40%以上的概率分布明显高于订正前, 订正后的月和季节降水占81.3%, 订正前占31.3%;在±1个标准差范围内, 概率分布在70%以上的月季降水订正前后相差不多, 订正后占56.3%, 订正前占50%。 相似文献