排序方式： 共有15条查询结果，搜索用时 187 毫秒
1.
气象站和卫星降雨资料估算降雨侵蚀力时存在无法反映空间异质性且精度差的问题,基于CLDAS多源融合降水,利用EI60模型从不同的时空尺度对中国的降雨侵蚀力进行评估,并结合降雨量、侵蚀性降雨次数、侵蚀密度等指标,探讨降雨对土壤侵蚀的潜在作用。结果表明：（1） CLDAS降雨侵蚀力与地面实测数据在不同的时间尺度均有良好的回归关系,相关系数达到0.8以上,与CMORPH降雨侵蚀力相比,其相对误差显著降低,可以准确反映全国范围的降雨侵蚀力季节性变异。（2） 在2001—2020年,不同雨量区的降雨侵蚀力、降雨量和侵蚀性降雨次数的变化趋势基本一致,高雨量区的年际变化波动剧烈,侵蚀性降雨次数和暴雨过程协同影响降雨侵蚀力的大小。（3） 空间上,中国的降雨侵蚀力值的特点为东南沿海地区高、西北内陆地区低。时间上,侵蚀性降雨集中在5—8月,夏、秋两季对土壤造成的侵蚀影响更大。（4） 通过对年降雨量、年侵蚀密度和年暴雨量进行分区定量分析,结果表明暴雨量与侵蚀密度成正相关关系,即年降雨量一定,暴雨事件越多,降雨侵蚀密度越大。 相似文献
2.
改进的CLDAS降水驱动对中国区域积雪模拟的影响评估 总被引：4，自引：3，他引：1
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。 相似文献
3.
本文利用2010—2015年2400多国家气象站逐小时观测数据对覆盖中国的EAR70、CLDAS和ERA Interim 3种表层土壤温度进行了评估和对比。结果表明：空间上CLDAS表层土壤温度精度最高（平均误差为-0.5 ℃，均方根误差为3.0 ℃，相关系数为0.96），受益于CLDAS高精度的陆面初始场，EAR70平均误差得到了改善；时间上ERA Interim再分析表层土壤温度在6:00和夏、秋季精度会明显下降，再分析表层土壤温度在数值较高时段表现出冷偏差，原因是模拟的土壤温度数值上升速度慢，对应的参数化方案有待改进。再分析表层土壤温度在东北地区冬季存在冷偏差，可能和积雪覆盖有关，陆面参数化方案也有待提高。在地形复杂的青藏高原地区，融合地面观测的CLDAS提高了大气驱动的质量进而改进了土壤的模拟。ERA Interim分辨率较粗不适合在青藏高原或者沿海地区使用，结合了CLDAS的EAR70在青藏高原精度提高。土壤表层温度的精度随着高精度的土壤状态初始场进入模式中时间延长会显著下降。因此，CLDAS的实时同化方式，能够有效提高在分析数据的精度。 相似文献
4.
内蒙古地区下垫面变化对土壤湿度数值模拟的影响 总被引：2，自引：0，他引：2
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。 相似文献
5.
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。 相似文献
6.
基于CLDAS温度适宜度指标空间化方法 总被引：2，自引：0，他引：2
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。 相似文献
7.
基于2008—2020年青海省的灾情记录,利用灾损指数分析了青海省洪涝灾害的时空分布特征,确定了青海省的洪涝灾害高风险区。同时采用2017—2020年多源融合的CLDAS降水数据,利用机器学习算法建立了洪涝灾害预报模型,确定了致灾雨量阈值。结果表明：（1）青海省洪涝灾害2018年最多,共98次,2014年最少,共16次,7—8月是洪涝灾害的高风险时段。空间变化表现为,基于年平均灾害次数的高风险区为海南州-海西州东部,基于年平均灾损指数的高风险区为海东市-西宁市。（2）利用多种机器学习算法,得到基于CLDAS数据的1 h、2 h和24 h雨强是预警灾害的降水因子,海南州-海西州东部1 h或2 h最大雨强达到6.8 mm,或者24 h最大雨强达到11.1 mm,是预警洪涝灾害的降水阈值。海东市-西宁市及邻近地区1 h或2 h最大雨强达到13 mm,或者24 h最大雨强达到18.2 mm,是其预警洪涝灾害的降水阈值。 相似文献
8.
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 mm3·mm-3,平均均方根误差为0.04~0.05 mm3·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。 相似文献
9.
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。 相似文献
10.
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/km2,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。 相似文献