总云量实况分析产品在四川省的检验分析

吴薇 黄晓龙 郭旭 王会兵

(1.四川省气象探测数据中心，四川成都 610072； 2.高原与盆地暴雨旱涝灾害四川省重点实验室，四川成都 610072； 3.四川省峨眉山气象站，四川峨眉山 614200)

引言

云是影响地气系统辐射收支平衡、能量分配、水汽循环的重要因子。云量指云遮蔽天空视野的成数，云量观测对天气预报、气候变化、人工影响天气具有重要意义[1-3]。常规获取云量资料的方式有地面气象台站人工目测、卫星探测资料反演和数值模式模拟与资料同化[4]。地面气象台站人工目测在一定的天气条件下被认为较真实可靠，但往往受到站点空间分布、观测时间、气象条件等因素的限制。遥感反演的云量资料虽然能够实现空间上的连续观测，但反演精度较低。数值模式的空间和时间分辨率较高，但受模型参数化方案的影响较大，给模拟结果带来较多不确定性。

近年，国家气象信息中心综合各种不同资料的优点，利用多源数据融合及同化系统对不同来源的观测、反演和模式模拟资料进行分析处理后输出规则的、时间连续的、高空间分辨率的陆面再分析产品。2018年，为满足全国智能网格气象预报业务需求，国家气象信息中心研制完成降水、气温、风、湿度、能见度、总云量等6个要素的实况分析产品[14-15]。通过在全国各地的检验评估表明，降水、气温、湿度等实况分析产品在中国区域具有较好的适用性[16-19]。

已有研究通过卫星遥感资料和同化资料的总云量对比分析表明，国际卫星云气候计划产品(ISCCP)与地面观测总云量具有较好的一致性[5-7]。有应用NOAA/AVHRR数据反演总云量，并进行质量评估[8]，有应用FY2卫星总云量产品和地面观测资料，分析二者的相关性和差异性[9-12]，也有利用再分析总云量资料与地面观测总云量资料的时空分布关系进行对比[4,13]，而应用总云量实况分析产品进行检验评估的研究较少。四川省为中国地形最复杂的区域以及总云量分布的高值区[20]，总云量实况分析产品的区域适用性评估检验，对于总云量实况分析产品的研制与应用具有重要意义。本文利用四川省地面气象观测总云量资料，检验总云量实况分析产品在四川省的适用性，对比分析二者的相关性和误差，为总云量实况分析产品的应用提供参考。

1 资料与方法

1.1 地面观测资料

地面观测资料为人工观测总云量，在地面观测中，总云量指观测时天空被所有的云遮蔽的总成数，记为整数，单位为成。全天无云，总云量记0；天空完全为云所遮蔽，记10；天空完全为云所遮蔽，但只要从云隙中可见青天，则记为“10-”；云占全天十分之一，总云量记1；云占全天十分之二，总云量记2，其余依次类推；天空有少许云，其量不到天空的十分之零点五时，总云量记0[21]。

2019年四川省41个基本、基准气象站有总云量观测任务，每天08时、11时、14时、17时、20时(北京时，下同)共5次定时观测。

1.2 实况分析产品

总云量实况分析产品(简称实况分析产品)是由国家气象信息中心研制，覆盖中国区域，时间分辨率1 h、空间分辨率0.05°×0.05°的等经纬度网格融合分析产品，利用GFS数值预报产品、Himawari-8卫星一级数据、雷达基数据，采用逐步订正关键技术研发。

1.3 匹配方法

地面站点观测每天5个时次定时观测，实况分析产品为逐小时产品，选取2019年每日08时、11时、14时、17时、20时的实况分析产品与地面站点数据进行对比。

实况分析产品为一定空间分辨率内云量分布状况，站点观测是定点观测，所以在空间匹配上，应用邻近法、双线性插值法以及将一定区域内格点值求平均，作为该产品在观测站点的总云量值，通过几种方法的对比，确定相对较优的空间匹配方法。

地面站点观测的单位为成，实况分析产品的单位为%，将地面站点总云量观测单位由“成”转换为“%”，1成、2成…，10成即为10%、20%…，100%，“10-”成按100%计算。

1.4 评估方法

考虑到地面站点和实况分析产品在观测方式上的差异，从准确性、一致性以及定量评估、分级检验等多个方面对二者进行检验。

1.4.1 准确性

对整个检验时间段，以准确率、误判率、漏判率作为检验指标，检验实况分析产品对总云量的判识能力。

(1)

(2)

(3)

式(1)～式(3)中，PC为准确率;PE为误判率;PO为漏判率。NA、NB、NC、ND为总云量判识分类(表1)，NA为站点观测有云量，实况分析产品也有云量的总次数；NB为站点观测云量为0，实况分析产品有云量的总次数；NC为站点观测有云量，实况分析产品云量为0的总次数；ND表示站点观测云量为0，实况分析产品云量也为0的总次数。

1.4.2 一致性

由于地面云观测为人工目测，具有一定的主观性，所以在检验中当实况分析产品与站点观测值之差的绝对值小于等于20%时，认为二者一致。总云量一致率为

(4)

式(4)中，n为站点数；Ntotal为一个站点在检验时段内参与检验的总时次数，即样本总数；Ncorr为参与检验的所有时次中实况分析产品与站点观测判识一致的时次数。

表1 总云量判识分类Table 1 Identification classification of total cloud cover

1.4.3 定量分析

通过计算实况分析产品与站点观测云量的相关系数(COR)、平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)，对实况分析产品的质量进行检验。

(5)

(6)

(7)

(8)

式(5)～式(8)中，Oi为站点观测值；Gi为实况分析产品计算得到的站点总云量值；N为参与检验的总样本数(站次数)。

1.4.4 云量分级检验

参考天气预报中云量等级定义，对地面观测云量进行分级，总云量0～1成为晴天，总云量2～3成为少云，总云量4～7成为多云，总云量8～10成为阴天。根据此分级，对不同云量等级的实况分析产品相对站点观测云量的准确性、一致性和误差进行检验评估。

1.5 空间匹配方法对比

参考李娅等[10]对空间匹配方法的分析研究，分别利用邻近法、双线性插值法,以地面站点为中心，选取5 km、10 km和15 km半径内的所有格点值的算术平均作为实况分析产品在该站点的总云量值，与地面站点观测值进行对比分析。评估结果表明(表2)，无论是判识准确率、一致率还是定量评估(除ME外)，以一定区域内格点值的算术平均作为站点总云量值的评估结果均优于邻近法和双线性插值法。在三种半径范围的评估中，判识准确率差异明显，而一致率和定量指标对评估结果的影响则较小。判识准确率中， 10 km半径的准确率最高， 5 km半径的准确率最低，两者相差2.7%。从一致率来看， 5 km半径的一致率最高， 10 km半径次之，两者一致率相差0.02%。定量评估中，除平均误差外，其他三个评估指标均为10 km半径最优， 15 km半径次之， 5 km半径最差，而10 km和15 km半径的平均误差也仅相差0.026%。综上，在几种空间匹配方法中， 10 km半径的评估结果较优。

表2 2019年四川省实况分析产品与地面观测总云量不同空间匹配方法评估Table 2 Evaluation of different spatial matching methods between real-time analysis of cloud cover products and ground observations in Sichuan province in 2019

2 结果分析

2.1 总云量时间变化趋势

2.1.1 总云量月变化

2019年四川省总云量月变化见图1。由图1a可知，实况分析产品与地面观测总云量月变化趋势一致，夏半季5—10月的总云量相对较高，观测值均为65%以上，产品值为48%以上，其中7月的总云量最高，观测值为84.72%，产品值为69.49%，实况分析产品各月的总云量值均低于地面观测总云量，7月差值最小，为15.23%，3月差值最大，为23.54%。云判识准确率的季节变化趋势与地面观测总云量一致(图1a)，夏半季5—10月准确率相对较高，均为83%以上，其中7月准确率最高，达93.19%，而冬半季准确率呈下降趋势，11月、12月和1月的准确率低于80%。实况分析产品在四川地区整体误判率较低(图1b)，均为5%以内，其中1月、2月、8月、11月和12月相对较高，而其余月份的误判率均为3%以下。漏判率的月变化趋势与准确率相反(图1c)，漏判率相对较高的月份集中在冬半季，夏半季的误判率均为20%以下。从总云量一致率的时间变化来看(图1a)，各月间存在一定差异，7月的一致率最高，为64.51%，3月和5月的一致率相对较低(<55%)，最高值与最低值相差11%左右。总云量定量评估结果中(图1d至图1f)，4月、6月、8月相关系数较高，其中8月的相关系数最高，为0.77。平均误差每月均小于零，6—10月的平均误差明显小于其他月份。平均绝对误差和均方根误差的月变化趋势一致，夏半季误差相对冬半季更小，其中7月误差最小。地面人工为自下向上观测，而实况分析产品融合卫星资料的观测方式与之相反，二者观测方式的差异可能是造成实况分析产品总云量值低于地面观测的主要原因。同时，四川为亚热带季风气候，冬半季降水少，风速小，易造成污染物在近地面积聚，导致雾霾天气多发，能见度降低，影响对云的辨识，这可能是冬半季云判识漏判率较高、误差较大的原因。

图1 2019年四川省实况分析产品与地面观测总云量月平均值以及准确率和一致率(a)、误判率(b)、漏判率(c)、相关系数(d)、平均误差(e)、平均绝对误差与均方根误差(f)的月变化Fig.1 The monthly variation of the average values,accuracy,and consistency (a),misjudgment rate (b),missed rate (c),correlation (d),average error (e),and mean absolute error and root mean square error (f) between real-time analysis cloud cover products and ground observations in Sichuan province in 2019

2.1.2 总云量日变化趋势

2019年四川省实况分析产品与地面观测总云量判识检验的日变化见表3。由表3可知，总云量判识准确率的日变化差异较小，准确率最高为17时，最低为14时，两者相差仅为1%左右。08时误判率最高，20时和11时次之，14时和17时误判率相对较低。漏判率与误判率相反，14时和17时较高，08时最低。从总云量一致率的各时次变化来看，11时的一致率最高，为61.37%，17时一致率最低，为53.19%，最高值与最低值相差8%左右。总云量定量检验日变化11时的相关系数最高，08时的相关系数相对较低。从平均误差来看，所有时次的平均误差均小于0，表明实况分析产品以低估为主，17时平均误差最大。平均绝对误差和均方根误差的变化趋势一致，11时误差最小，08时误差相对较大。总体来看，11时的一致率、相关性最高，MAE和RMSE误差最小。

表3 2019年四川省实况分析产品与地面观测总云量判识检验日变化Table 3 The diurnal variation of identification and validation between real-time analysis of cloud cover products and ground observations in Sichuan province in 2019

2.2 总云量空间分布

2019年四川省地面观测与实况分析产品总云量以及检验评估的空间分布见图2。由图2可知，实况分析产品与地面观测总云量具有基本一致的空间分布，四川盆地为总云量的高值区，盆地内各站点的地面观测总云量均为76%以上，实况分析产品均为58%以上，而川西高原和攀西地区总云量相对较低。

由云判识的空间分布可知(图2c至图2e)，准确率较低(<80%)的12个站均在甘孜州、阿坝州和凉山州，相对而言，盆地内各站点准确率较高。误判率在整个四川省内较低，误判率最高为峨眉山站，为8.93%，误判率最低为都江堰站，仅为0.28%；从漏判率来看，最高为巴塘站，为37.18%，最低为峨眉山站，为3.39%。可见，云量漏判主要与台站地理环境有关，巴塘站四面环山，地面目测受限，而峨眉山站是四川境内唯一高山站，地处峨眉山山顶，视野开阔。

图2 2019年四川省地面观测(a)、实况分析产品(b)总云量以及实况分析产品与地面观测总云量准确率(c)、误判率(d)、漏判率(e)、一致率(f)、相关系数(g)、平均误差(h)、平均绝对误差(i)、均方根误差(j)的空间分布Fig.2 Spatial distribution of observed total cloud cover (a),real-time analysis products (b),and accuracy (c),misjudgment rate (d),missed rate (e),consistency (f) correlation (g),average error (h),mean absolute error (i) and root mean square error (j) between real-time analysis cloud cover products and ground observations in Sichuan province in 2019

云量一致率空间分布表明(图2f)，四川全省一致率为47%～69%，攀枝花站一致率最好，为68.21%，甘孜州巴塘站和凉山州雷波站一致率较差(<50%)，这两站均地处高山河谷中。

实况分析产品与地面观测总云量相关系数的空间分布表明(图2g)，四川全省相关系数主要集中在0.6～0.9，凉山州雷波站和乐山峨眉山站相关系数相对较低，均为0.6以下。平均误差的空间分布(图2h)与一致率的空间分布相似，攀枝花为平均误差较好的地区，每个站的平均误差均小于0，说明实况分析产品相对于地面观测来说均为低估。平均绝对误差(图2i)和均方根误差(图2j)的空间分布基本一致，攀枝花地区、凉山州中部及西南部和四川东北部分区域为误差相对较小的区域，误差较大的站与平均误差基本一致，为凉山州雷波，甘孜州巴塘和新龙，以及内江东兴区。综上，四川地区的云判识准确率较高，准确率80%以上站占比为71%，漏判多于误判。

2.3 总云量分级检验

2019年四川省地面观测与实况分析产品不同云量等级分级检验对比见图3。由图3可知，四川地区主要以阴天为主，不同云量等级之间一致率差异明显，晴天时一致率最高，达90.69%，多云时一致率最低，仅为27.56%，两者之间相差达69%。阴天的判识准确率最高，为96.01%，在少云的情况下判识准确率相对较低，仅为48.6%。根据误判的定义(观测无，产品有)，误判只可能发生在晴天，晴天的误判率为15.78%。从漏判来看，阴天的漏判率最低，少云的漏判率最高。多云时的一致率低、晴天的误判和少云的漏判应该与人工目测和卫星观测方式的差异有关。

图3 2019年四川省实况分析产品与地面观测不同云量等级判识检验Fig.3 Identification and validation of different cloud cover levels between real-time analysis products and ground observations in Sichuan province in 2019

2019年四川省不同云量等级的定量检验见表4。由表4可知，晴天的平均误差、平均绝对误差和均方根误差均较小，表明晴天时实况分析产品与人工观测云量最接近。从平均误差来看，除了晴天为正误差，其余均为负误差，表明晴天时实况分析产品高于观测云量，其余情况下，实况分析产品以低估为主。多云时，平均误差、平均绝对误差和均方根误差均相对较大。

表4 2019年四川省实况分析产品与地面观测不同云量等级定量检验Table 4 Quantitative validation of different cloud cover levels between real-time analysis products and ground observations in Sichuan province in 2019 %

3 结论与讨论

(1)2019年实况分析产品与地面观测总云量在四川地区具有基本一致的时空变化特征，夏半季的总云量高于冬半季，盆地内的总云量高于川西高原和攀西地区。实况分析产品对总云量有较好的判识能力，判识准确率为84.35%，误判率为2.69%，漏判率为12.96%。云判识准确率与观测总云量的时空变化规律具有较高的一致性，即云量越多准确率越高。

(2)不同时空尺度的平均误差均小于0，说明实况分析产品相对于地面观测值存在不同程度的低估。云判识准确率的日变化差异较小，7月的云判识准确率最高，一致性最好，误差最小。从总云量分量级检验来看，晴天时一致率最高，误差相对较小，而阴天准确率最高。

(3)总云量实况分析产品在四川地区具有一定的适用性，但由于总云量实况分析产品从2018年6月开始正式业务准入应用，根据地面气象观测自动化的要求，2020年4月开始取消地面人工云量的观测，所以实况分析产品与地面总云量观测并行的完整年度仅有2019年，对于从气候变化特征来评估实况分析产品的适用性来说，检验分析样本量较小。另外，雾、轻雾、霾等天气现象以及观测者所处地理位置和环境对人工目测的影响，地面人工观测与卫星观测方式的差异，二者观测精度的不同，均会影响地面观测与实况分析产品的评价检验。