两种高分辨率气温实况融合产品在四川省的质量评估

2022-05-18蒋雨荷黄晓龙

高原山地气象研究 2022年1期

蒋雨荷 , 黄晓龙 , 杜冰

（1. 高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072；2. 四川省气象探测数据中心, 成都 610072）

引言

多年以来，地面气象要素及土壤湿度等数据的获取主要依靠地面人工站和自动站的观测仪器进行定时观测，但限于站点离散且分布不均匀，难以覆盖整个中国区域。利用数学方法将站点观测值插值成格点数据，在站点密集且空间变异少的区域，效果良好。但在地形复杂、区域广阔、站点稀少的区域，尤其是在中国西部的川西高原等地区，单纯的数学方法难以获得高质量的格点实况数据[1]。近年来，国内外学者将陆面数值模式和卫星、雷达、站点观测等信息进行融合，以获取更为可靠的地面气象要素、陆表土壤温湿度和地表热通量等数据[2-3]。如美国大气研究中心(NCAR)的高分辨率陆面数据同化系统(HRLDAS)[4-5]已经具备提供土壤湿度的预报能力；韩国气象局(KMA)发展的韩国陆面数据同化系统（KLDAS）[6]已用于提供中尺度天气预报模式（WRF）模式的陆面初始场。

我国在引进国际先进融合技术的基础上，消化吸收并自主创新，建成了业务化的亚洲区域CMA陆面数据同化业务系统（CLDAS）和中国区域融合降水分析系统（CMPS-Hourly V2.1），以及实时运行的全球海表温度产品系统（CODAS-SST）和中国区域三维云融合系统（3DCloudAS）。其中CLDAS-V2.0实现了亚洲区域时间分辨率为1h、空间分辨率为0.0625°×0.0625°（5 km×5 km）的大气驱动场（2 m气温、地面气压、2 m比湿、风速、小时降水、短波辐射）和陆面要素集合分析（土壤湿度、地表温度、土壤相对湿度和土壤体积含水量）等陆面产品的实时生产和发布[7-8]。2017年3月19日，为进一步满足气象业务的需求，国家气象信息中心研发的HRCLDAS-V1.0（高分辨率CMA陆面数据同化系统第一版）进入业务化试运行，该系统采用多种来源资料，包括地面站点观测数据、ECMWF数值分析和预报产品以及DEM数字高程模型数据，采用多重网格变分同化（STMAS）技术研制了2 m气温、2 m比湿、10 m风、地面气压、降水等融合分析产品，时间分辨率为1 h，空间分辨率为0.01°×0.01°（1 km×1 km），该产品与国内外同类产品比较，时空分辨率更高[9]。

近几年，国内气象学者在上述5 km和1 km模式融合产品的评估释用方面做了一系列工作[9-12]。例如，龙柯吉等[9]对中国区域1 km气温实况融合产品进行评估分析，结果表明：逐小时实况融合产品与站点实况基本一致，有较高的参考性，但在海拔较高，地形复杂的区域需要细致评估后使用。陈玉玮等[10]通过检验评估广东省智能网格实况分析产品得出结论：气温网格实况的趋势与站点实况相近，最低气温误差大于最高气温。俞剑蔚等[11]分析评估了5 km国家级格点实况分析产品在江苏省的适用性，表明日最高气温的误差值较小，在江苏的丘陵地带误差较大。王利亚[12]利用处于3种不同地形的站点数据对内蒙古地区5 km气温实况融合产品进行评估分析，发现气温融合产品的质量从高到低依次为平原、丘陵、山地。

四川省地处我国西南部，西部为高原山地，东部多为盆地、丘陵，下垫面复杂多样，且高原台站分布相对稀疏，对实况网格融合产品的适用性评估与服务应用有着迫切的需求。2 m气温实况融合产品是CLDAS与HRCLDAS的重要组成部分，其可信度是评估实况融合产品质量的重要参考依据。本文基于四川省156个国家级考核站、1282个区域考核站、1411个区域非考核站的气温观测数据，通过相关系数、平均值误差、均方根误差等指标对CLDAS（5 km×5 km）、HRCLDAS（1 km×1 km）2 m气温实况融合格点分析产品进行质量评估，以了解高、低分辨率实况融合产品对四川省气温的刻画能力，以期为融合产品在区域气候研究、防灾减灾、决策服务等方面的科学应用提供技术支撑。

1 资料与方法

1.1 资料来源

（1）本文所用的2 m气温实况融合格点分析产品（以下简称“融合产品”）数据为国家气象信息中心提供的四川省2019年8月1日00时~2020年7月31日23时（北京时）1 km×1 km和5 km×5 km高分辨率逐小时气温数据。

（2）参与检验的站点数据为四川省气象探测数据中心业务质控流程质控过的四川省地面逐小时气温观测资料，并选取质量控制码为0（数据正确）的观测数据进行研究，包括国家站156个、区域考核站1282个、区域非考核站1411个。

1.2 方法

将四川省156个国家气象观测站、1282个区域考核站以及1411个区域非考核站逐小时气温观测资料作为实况真值，把融合产品按双线性插值的方法插值到站点，通过统计比较一段时间内两者的评估指标对数据进行评估。评估检验期间所有参与检验的样本均以小时观测数据结果累积计算得到。

双线性插值方法即先在纬（经）向后在经（纬）向进行一元一次线性插值。

评估指标主要有：相关系数（COR）、平均值误差（ME）、均方根误差（RMSE）。具体公式如下：

式中：Oi为站点观测值，Gi为实况网格分析产品插值到检验站点的数值，N为参与检验的样本总样本数（站次数）。

2 两种融合产品的质量对比评估

从四川省2019年8月1日00时~2020年7月31日23时的整体评估情况（表1）来看，1 km融合产品与实况资料的相关程度更高，其质量较5 km有明显的改进，两种产品的平均值误差分别为-0.069℃和-0.083℃，均方根误差分别为1.419℃和1.87℃。综合全年评估情况来看，两种融合产品与实况站点资料的相关程度高，误差小，具有很高的参考性。

表1 两种气温融合产品评估结果

2.1 误差的空间评估

参考地区地貌类型和市州管辖范围，将四川分为攀西地区（攀枝花和凉山州）、川西高原（甘孜州和阿坝州）、盆地中部（资阳、遂宁和内江）、盆地南部（自贡、泸州和宜宾）、盆地西南部（雅安、眉山和乐山）、盆地东北部（南充、巴中、达州和广安）、盆地西北部（成都、德阳、绵阳和广元）7个地区（图1）。

图1 四川不同地区划分

2.1.1 分站点评估

2.1.1.1 国家站

如图2a、b所示，国家站的相关系数基本都在0.98以上，表明两种融合产品与实况资料的相关程度较高。其中，相关系数较小的台站主要分布在甘孜州的九龙和德格、阿坝州的松潘和茂县、凉山州的美姑（以下简称“三州”）以及盆地内的峨眉山，大都位于攀西平原与青藏高原的过渡带和高山河谷地区，海拔高且地势起伏大。

如图2c、d所示，平均值误差主要集中在-1~1℃，位于三州西部边缘、三州-盆地过渡带的台站平均值误差大都在-1~0℃，而位于盆地中部、三州中部地区的台站平均值误差大都在0~1℃。造成这一现象的原因是：位于三州-盆地过渡带、三州西部边缘的台站，如宝兴、雅江、九寨沟等，大都位于高山河谷区域，地势较低，气温的观测值也会略高于四周，使融合产品的插值结果小于观测值，造成平均值误差为负，出现低估值；反之，位于盆地中部的台站为避免受周围建筑物的遮挡，选址相对较高，如汉源、宁南、峨眉山等，较高的地势，使得气温略低于周边区域，融合产品的插值结果大于观测值，造成平均值误差为正，出现高估值。融合产品对地形因子的影响比较敏感，而1 km融合产品由于分辨率更高，在这些地形复杂区域的评估效果要优于5 km融合产品。

如图2e、f所示，均方根误差介于0~1.8℃的台站数较多，主要分布在盆地内部、三州中部；三州-盆地过渡带、甘孜州西部、阿坝州北部地区的平均绝对误差值较大，在此区域内5 km融合产品的误差值多≥0.6℃，而1 km融合产品有了明显的优化，误差值主要集中在0~0.6℃。

图2 1 km（左）和5 km（右）融合产品与国家站的对比评估结果（a、b. COR，c、d. ME，e、f. RMSE）

2.1.1.2 区域考核站

如图3a、b所示，区域考核站的相关性在盆地内部最好，相关系数基本≥0.98；位于盆地与高原过渡带、甘孜州西南部、阿坝州北部台站的相关性较差，相关系数<0.92的台站数较多。如图3c、d所示，盆地中部、西南部、南部的平均值误差介于-1~1℃的台站最多，高估值略多于低估值；盆地西北部、东北部以及盆地高原过渡带上的平均值误差<-1℃的台站数较多，此区域地势起伏大，地形较复杂，位于高山河谷的台站数较多，多出现低估值。如图3e、f所示，盆地东北部、中部的均方根误差主要集中在0~1.8℃，三州中部、攀枝花地区主要集中在0.6~2.7℃，三州与盆地过渡带、甘孜州西部、阿坝州南部主要集中在1.8~3.6℃，且个别台站的均方根误差≥3.6℃。1 km融合产品在三州、三州-盆地过渡带等地形较复杂区域的误差值较5 km融合产品有明显的减小。

图3 同图2，但为区域考核站

2.1.1.3 区域非考核站

区域非考核站在盆地西南部、东北部分布较考核站稠密，填补了国家站与区域考核站在此区域的评估空白。区域非考核站在盆地中部、南部的相关性与考核站较为相近（图4a、b），主要集中在0.98~1，三州地区的相关性主要集中在0.92~0.98，位于三州盆地过渡带台站的相关性主要集中在0.92~0.96，且个别台站的相关系数<0.92。非考核站的平均值误差在盆地西南部、东北部多为低估值，误差大都≤-1℃（图4c、d），均方根误差在此区域主要集中在0.6~2.7℃（图4e、f）。

2.1.2 分市州评估

通过对各市州的评估可以看出：两种融合产品与实况值的相关系数都比较高，在0.92以上，且盆地内的相关性高于三州地区，1 km融合产品明显优于5 km(图5a)。盆地内大部分市为正平均值误差，其原因可能是：这些台站为了减小周围建筑物对测站环境的影响多选址在地势相对较高的山坡上，具有海拔较低、地势平坦开阔、地形复杂度低等特点，从而出现小的高估值。而盆地内的巴中、雅安、眉山、广元以及三州、攀枝花等地则为负平均值误差，这些市（州）的台站多位于高原山区的峡谷地区、大巴山与四川盆地的交界处以及低山丘陵等地形较为复杂的区域，具有地势起伏大、海拔较高、地形复杂度较大等特点(图5b)。均方根误差(图5c)则呈现出盆地 <攀枝花<三州的趋势，盆地内的均方根误差介于0.5~2.5℃，攀枝花地区介于1.5~2.8℃，三州地区介于2.0~3.5℃。相对而言，1 km融合产品在三州与攀枝花地区的误差值明显低于5 km产品。

2.1.3 分海拔评估

为研究海拔高度与评估结果的关系，按照分级海拔高度对温度进行评估，将海拔高度分为五级：≤1000 m（低海拔）、1000~2000 m（中海拔）、2000~4000 m（亚高海拔）、4000~6000 m（高海拔）和≥6000 m（极高海拔），由于参与评估站点的最高海拔为4304.1 m，因此评估海拔高度只有前四级(表2)。经统计，1000 m以下的站点有2247个，1000~2000 m的站点有424个，2000~4000 m的站点有296个，4000 m以上的站点有9个（图6）。可以看出，两种融合产品随着海拔升高，参与评估的站点个数逐渐减少， 4000 m以下站点的相关系数随海拔增高而逐渐减小，平均值误差与均方根误差逐渐增大；而4000 m以上的9个站点虽然海拔高，但位置较为平坦开阔，受高山、低谷等复杂地形的影响小，地形复杂度也较小，使其误差值低于2000~4000 m的站点；相对而言，2000~4000 m的站点，囊括了丘陵、山地、中山峡谷等地形，海拔高且地形复杂度较大，评估效果也最差。可见，对于高海拔且地形复杂度较高的地区，融合产品的误差较大，效果比低海拔、地势平坦地区差。

图6 四川省各站点海拔分布

表2 气温融合产品在四川省分海拔评估结果

2.2 误差的时间评估

2.2.1 按日评估

如图7所示，两种融合产品各时次的相关系数都比较高， 5 km融合产品的相关系数都在0.965以上，1 km融合产品的相关系数都在0.980以上；09时达到一天中相关系数的波峰，14时达到波谷；1 km与5 km的平均值误差都在-0.4~0.2℃，并且在09~19时误差较大，在14时达到波谷；均方根误差的分布与平均值误差呈现负相关，于14时出现波峰，均方根误差值达到最大，1 km的均方根误差值较5 km有明显改善。总体而言，1 km与5 km融合产品具有一定的日变化趋势，但变化幅度不大，与实况值较为一致，午后融合产品的误差较其余时刻略大，代表性相对较差。

图7 两种融合产品评估结果的日变化（a. COR，b. ME，c. RMSE）

2.2.2 按季节评估

如图8所示，两种融合产品的相关性在春、夏、秋季都比较高，集中在0.95~0.99，冬季1 km融合产品的相关性较5 km融合产品有明显的提升，且与秋季的相关性较为接近，分别为0.959与0.957；四季的平均值误差较稳定，介于-0.17~0.05℃，春、秋、冬季为负平均值误差，夏季为正平均值误差；均方根误差呈现“U”型分布，夏季误差值最小，春秋季较为接近，冬季的误差值最大，介于1.2~2.2℃。整体来看，两种融合产品在四季的变化趋势较为一致，误差值均在夏季最小，冬季最差，1 km融合产品较5 km在冬季的提升效果更显著。