高分辨率大气强迫和植被功能型数据对青藏高原土壤温度模拟影响

土壤温度是陆气相互作用以及陆面模式模拟的关键参量,但高分辨率时空连续的土壤温度获取困难,尤其是我国青藏高原地区,融合遥感资料的陆面模式模拟可以获得高时空分辨率的资料。研究制作了新的地表植被功能型融合数据(MVEG),然后利用最新的高时空分辨率的中国气象局陆面数据同化系统HRCLDAS-V1. 0(1 km,1 h)驱动CLM模式对青藏高原2015年10 cm的土壤温度开展了模拟研究。结果表明,HRCLDAS-V1. 0的大气强迫数据(1 km,1 h)显著降低了模式模拟的误差,MVEG可以改善对极值的模拟,并使土壤温度空间分布较为合理。CLDAS/CLM(6 km,1 h)模拟值整体比观测值偏高1℃左右,HRCLDAS/CLM(1 km,1 h)有所改进,模拟的土壤温度年平均偏差绝对值和均方根误差分别降低0. 82和0. 18℃。HR-MVEG/CLM(1 km,1 h,同时改进了植被功能型)的模拟值最接近观测值,年平均均方根误差减小0. 27℃,且可以体现出土壤温度空间分布的细节特征。     

CLDAS温湿产品在贵州的适用性评估及订正

使用贵州自动观测站逐时资料对2019年中国气象局陆面数据同化系统（CLDAS）温度、相对湿度产品进行了检验评估及线性订正。结果表明,CLDAS温度同观测有较好的一致性,相对湿度产品系统性低于观测,使用本地资料订正CLDAS温湿产品提高了产品的可用性。全年CLDAS温度产品在贵州的平均误差为0.2985℃,均方根误差为1.5578℃,相关系数为0.9822。12.4%的站点温度年均方根误差超过了2℃。从00:00-23:00（北京时）温度平均误差先减小后增大,均方根误差在中午前后存在最大值。订正后,CLDAS温度产品平均误差绝对值、均方根误差缩小,相关系数增大,全年均方根误差减小至1.2369℃。订正格点产品时有效距离越小订正效果越好。全年CLDAS相对湿度产品在贵州的平均误差为-4.501%,均方根误差为9.021%,相关系数为0.863,夜间相关系数为0.711。相对湿度产品平均误差及相关系数在中午前后达到最大值,均方根误差则是在日夜交换之际存在最值。线性订正对相对湿度产品有明显的正效果。订正后全年相对湿度均方根误差减小了2.317%,夜间相关系数较订正前增加了0.104。夜间时刻相...     

两种陆面模式对中国区域土壤温度模拟的对比分析

为研究不同陆面模式对中国区域土壤温度的模拟效果,基于中国气象局陆面数据同化系统（CMA Land Data Assimilation System,CLDAS）大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟（简称:CLDAS_Noah和CLDAS_Noah-MP试验）,使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统（The Global Land Data Assimilation System,GLDAS）驱动的Noah模式（GLDAS_Noah试验）模拟的土壤温度结果,从空间分布、季节、分区等角度进行了评估,实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明: GLDAS_Noah、CLDAS_Noah和CLDAS_Noah-MP试验均能合理模拟出中国区域土壤温度空间分布,但在量级上有一定差异,主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据,均方根误差显示CLDAS_Noah试验在季节与分区上均优于GLDAS_Noah试验,间接表明CLDAS大气驱动数据优于GLDAS大气驱动数据,且大气驱动数据是提高土壤温度模拟精度的重要因素之一;对于相同驱动数据不同陆面模式,总体上CLDAS_Noah-MP试验棋拟效果优于CLDAS_Noah试验,其中CLDAS_Noah试验模拟的10和40 cm深度土壤温度在冬季积雪区误差明显大于CLDAS_Noah-MP试验,可能与Noah-MP模式改进了积雪方案有关,但10和40 cm深度下CLDAS_Noah-MP试验在东北、华北、青藏高原地区对春季土壤温度模拟误差明显大于CLDAS_Noah试验,可能与Noah-MP模式融雪方案有关。总之,本研究对于后续开展土壤温度多模式集成、土壤温度站点资料同化,最终研制中国区域高质量土壤温度数据集具有一定的参考意义。      

CLDAS 10 m风产品在陕西的质量检验分析

以陕西省99个地面自动气象站和1台测风塔作为检验站点,评估了2018年1月1日至2020年12月31日中国气象局陆面数据同化业务系统(CLDAS)的10 m风产品在陕西省的质量.结果表明:CLDAS 10 m风速产品能够较好地反映陕西省风速的时间和空间分布特征,陕西大部分地区风速的准确率为55％～75％、平均绝对误差小...     

EAR70、CLDAS和ERA Interim表层土壤温度在中国地区的评估

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。     

CLDAS数据质量在线评估系统的设计与实现

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。     

CLDAS土壤湿度模拟结果及评估

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。     

CLDAS地面要素产品在陕西的适用性评估

基于陕西省1 540个地面自动气象站的观测资料,采用平均误差、平均绝对误差、均方根误差、相关系数等评估指标对5 km分辨率的CLDAS小时产品——2 m气温、2 m相对湿度、能见度、10 m风速在陕西的适用性进行了评估检验。结果表明:CLDAS 2 m气温、2 m相对湿度产品在陕西质量较好,能见度次之,10 m风速质量相较差。对CLDAS 2 m气温评估结果的进一步分析表明,各评估指标具有一定的月变化、日变化特征,但整体质量趋于稳定;高海拔地区,评估指标变化明显,代表性相对差。CLDAS 2 m气温对日最高、最低气温也有很好的指示性。分辨率为1 km与5 km的CLDAS 2 m气温产品对比评估表明,1 km气温产品的误差较小,相关系数更大,尤其对于高海拔地区,质量有明显改善,代表性增强。     

两种高分辨率气温实况融合产品在四川省的质量评估

选取四川省156个国家级考核站、1282个区域考核站及1411个区域非考核站2019年8月1日～2020年7月31日的气温数据,利用相关系数、平均值误差、均方根误差等指标,评估了CLDAS(5 km×5 km)和HRCLDAS(1 km×1 km)两套气温实况融合产品在四川省的适用性.结果表明:两套融合产品的相关性都很...     

CLDAS陆面同化资料和ERA5-Land再分析资料气温产品在江西省的适用性评估

以江西省376个气象自动观测站的逐小时气温数据为基准,采用偏差、相关性和平均绝对误差等评价指标,对比分析2017—2022年CLDAS陆面同化和ERA5 Land再分析气温资料在江西省的适用性。结果表明： 1） ERA5 Land、CLDAS资料均能很好反映大部分站点的气温变化,CLDAS资料与观测资料的相关系数为0.99,相关系数区间分布较为集中;ERA5 Land资料与观测资料的相关系数为0.97,分布较为分散。2） 相较于观测站点多年平均气温,CLDAS资料较为接近,ERA5 Land资料则偏离较大。3） CLDAS资料的平均绝对误差明显低于ERA5 Land资料,二者均存在平原、盆地部分站点平均绝对误差较小而局部高海拔山区站点异常偏大的空间特征,以及秋季最大而冬季最小的季节特征。4） ERA5 Land资料偏差的日变化范围为-0.65—0.39 ℃,整体呈现单谷形分布;CLDAS资料偏差日变化范围为-0.05—0.05 ℃,波动幅度较小,没有明显的变化特征。5） 两种格点资料均能较好反映大部分站点的低温日数变化,但对于高温日数变化,ERA5 Land资料偏差较大,CLDAS资料偏差较小。     

Land response to atmosphere at different resolutions in the common land model over East Asia

Towards a better understanding of hydrological interactions between the land surface and atmosphere, land surface models are routinely used to simulate hydro-meteorological fluxes. However, there is a lack of observations available for model forcing, to estimate the hydro-meteorological fluxes in East Asia. In this study, Common Land Model (CLM) was used in offline-mode during the summer monsoon period of 2006 in East Asia, with different forcings from Asiaflux, Korea Land Data Assimilation System (KLDAS), and Global Land Data Assimilation System (GLDAS), at point and regional scales, separately. The CLM results were compared with observations from Asiaflux sites. The estimated net radiation showed good agreement, with r =0.99 for the point scale and 0.85 for the regional scale. The estimated sensible and latent heat fluxes using Asiaflux and KLDAS data indicated reasonable agreement, with r = 0.70. The estimated soil moisture and soil temperature showed similar patterns to observations, although the estimated water fluxes using KLDAS showed larger discrepancies than those of Asiaflux because of scale mismatch. The spatial distribution of hydro-meteorological fluxes according to KLDAS for East Asia were compared to the CLM results with GLDAS, and the GLDAS provided online. The spatial distributions of CLM with KLDAS were analogous to CLM with GLDAS, and the standalone GLDAS data. The results indicate that KLDAS is a good potential source of high spatial resolution forcing data. Therefore, the KLDAS is a promising alternative product, capable of compensating for the lack of observations and low resolution grid data for East Asia.     

青藏高原CMIP6土壤湿度适用性评估

为了解第六次国际耦合模式比较计划（CMIP6）土壤湿度数据在青藏高原的适用性，利用全球陆面数据同化系统（GLDAS）Noah模型输出的土壤湿度产品，对CMIP6 Historical试验的土壤湿度数据进行评估。结果表明:在青藏高原地区，CMIP6集合平均土壤湿度总体高于Noah产品，季节变化幅度明显小于Noah产品；各模式模拟的土壤湿度差异较大，在偏差、线性相关、标准差、场相关4个维度上，表现最好的模式分别为AWI-ESM-1-1-LR、NorESM2-MM、CanESM5、TaiESM1，而EC-Earth3、EC-Earth3-Veg和GFDL-CM4在两个维度上表现突出；综合考虑4个维度，AWI-ESM-1-1-LR等10个模式在高原适用性较好。      

长时间序列多源土壤湿度产品在中国地区的比较分析

研究利用实测数据对遥感产品(ECV CCI)、全球陆面同化系统产品(GLDAS/CLM、NOAH2.7、NOAH3.3、VIC、MOSAIC)、再分析资料(ERA-Interim、NCEP/DOE)等不同来源的8套长时间序列土壤湿度产品进行时空比较。结果表明:上述产品均可以模拟出中国不同区域土壤湿度的空间分布;从各产品平均态与实测数据的偏差、均方根误差、相关系数统计结果来看,NOAH模式和ERA-Interim表现最好,MOSAIC和NCEP/DOE与实测相差较大;从区域尺度上来看,所有产品在东北区域表现最好,在华南、西南南区和西北西区较差;ERA-Interim有效的模拟了土壤湿度的年际变化。     

基于CLDAS资料的内蒙古干旱监测分析

以内蒙古地区为研究区域,对中国气象局陆面数据同化系统（CMA Land Data Assimilation System,CLDAS）的土壤湿度和降水数据进行了评估,使用土壤相对湿度法和连续无降水日数法监测2014年夏季干旱,并选择干旱年（2014年）和湿润年（2013年）与标准化降水指数和降水百分位指数法进行验证分析。结果表明：CLDAS资料能够很好地再现日土壤相对湿度动态变化情况和降水落区与量级,能够满足干旱监测的需求;基于CLDAS数据的土壤相对湿度法可以方便、快捷地监测干旱日变化和区域性变化,连续无有效降水日数法对评估长时间、持续性干旱较为有效;CLDAS同化数据在时效性、分辨率、代表性上能够满足气象服务的需求,可作为观测资料的重要补充广泛应用于业务和科研,特别是对于地广人稀且气象站点相对较少的内蒙古地区气象服务潜力巨大。     

A 10-Yr Global Land Surface Reanalysis Interim Dataset (CRA-Interim/Land): Implementation and Preliminary Evaluation

A land surface reanalysis dataset covering the most recent decades is able to provide temporally consistent initial conditions for weather and climate models, and thus is crucial to verifying/improving numerical weather/climate forecasts/predictions. In this paper, we report the development of a 10-yr China Meteorological Administration (CMA) global Land surface ReAnalysis Interim dataset (CRA-Interim/Land; 2007–2016, 6-h intervals, approximately 34-km horizontal resolution). The dataset was produced and evaluated by using the Global Land Data Assimilation System (GLDAS) and NCEP Climate Forecast System Reanalysis (CFSR) global land surface reanalysis datasets, as well as in situ observations in China. The results show that the global spatial patterns and monthly variations of the CRA-Interim/Land, GLDAS, and CFSR climatology are highly consistent, while the soil moisture and temperature values of the CRA-Interim/Land dataset are in between those of the GLDAS and CFSR datasets. Compared with ground observations in China, CRA-Interim/Land soil moisture is comparable to or better than that of GLDAS and CFSR datasets for the 0-10-cm soil layer and has higher correlations and slightly lower root mean square errors (RMSE) for the 10-40-cm soil layer. However, CRA-Interim/Land shows negative biases in 10-40-cm soil moisture in Northeast China and north of central China. For ground temperature and the soil temperature in different layers, CRA-Interim/Land behaves better than the CFSR, especially in East and central China. CRA-Interim/Land has added value over the land components of CRA-Interim due to the introduction of global precipitation observations and improved soil/vegetation parameters. Therefore, this dataset is potentially a critical supplement to the CRA-Interim. Further evaluation of the CRA-Interim/Land, assimilation of near-surface atmospheric forcing variables, and extension of the current dataset to 40 yr (1979–2018) are in progress.     

内蒙古地区下垫面变化对土壤湿度数值模拟的影响

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。     

CLDAS融合土壤相对湿度产品适用性评估及在气象干旱监测中的应用

基于2008—2017年全国自动气象观测站逐旬土壤相对湿度观测数据,综合评估中国气象局陆面数据同化系统（CMA Land Data Assimilation System,CLDAS）0～20 cm层融合土壤相对湿度产品在中国地区的适用性,评估表明CLDAS土壤相对湿度产品在中国东北、西北、江南大部及华南等地区存在较大系统性误差,总体上适用性较差。为消除CLDAS土壤相对湿度产品的系统性误差,采用回归订正法、7旬滑动平均订正法和临近加权前旬订正法对CLDAS土壤相对湿度产品进行误差订正处理,对订正结果评估发现：订正处理后CLDAS土壤相对湿度产品与站点观测的相关性显著增加,系统偏差基本消除,适用性明显提高,3种订正方法中临近加权前旬订正法的订正效果最优。最后,采用经不同方法订正后的CLDAS土壤相对湿度产品对2017年5月东北—华北地区一次气象干旱个例进行重现,对比验证表明：相对其他两种订正方法,经临近加权前旬订正法处理后的CLDAS土壤相对湿度产品能更为精准地重现2017年5月东北—华北地区气象干旱的落区和强度。〖JP〗     

CLDASSD: Reconstructing Fine Textures of the Temperature Field Using Super-Resolution Technology

Before 2008,the number of surface observation stations in China was small.Thus,the surface observation data were too sparse to effectively support the High-resolution China Meteorological Administration’s Land Assimilation System(HRCLDAS)which ultimately inhibited the output of high-resolution and high-quality gridded products.This paper proposes a statistical downscaling model based on a deep learning algorithm in super-resolution to research the above problem.Specifically,we take temperature as an example.The model is used to downscale the 0.0625°×0.0625°,2-m temperature data from the China Meteorological Administration’s Land Data Assimilation System(CLDAS)to 0.01°×0.01°,named CLDASSD.We performed quality control on the paired data from CLDAS and HRCLDAS,using data from 2018 and 2019.CLDASSD was trained on the data from 31 March 2018 to 28 February 2019,and then tested with the remaining data.Finally,extensive experiments were conducted in the Beijing-Tianjin-Hebei region which features complex and diverse geomorphology.Taking the HRCLDAS product and surface observation data as the"true values"and comparing them with the results of bilinear interpolation,especially in complex terrain such as mountains,the root mean square error(RMSE)of the CLDASSD output can be reduced by approximately 0.1℃,and its structural similarity(SSIM)was approximately 0.2 higher.CLDASSD can estimate detailed textures,in terms of spatial distribution,with greater accuracy than bilinear interpolation and other sub-models and can perform the expected downscaling tasks.