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。     

不同陆面模式对我国地表温度模拟的适用性评估

基于CLDAS大气驱动数据驱动CLM3.5陆面模式和3种不同参数化方案下的Noah-MP陆面模式模拟得到的地表温度,利用中国气象局2009-2013年2000多个国家级地面观测站地表温度进行质量评估。结果表明:从时间分布看,模拟地表温度与观测的偏差及均方根误差均呈季节性波动;从空间分布看,模拟地表温度与观测的偏差及均方根误差在中国东部地区相对于中国西部地区更小。选择Noah-MP陆面模式3种不同参数化方案模拟结果进行对比,结果表明:Noah-MP模式的非动态植被方案不变时,考虑植被覆盖度的二流近似辐射传输方案的Noah-MP陆面模式模拟的地表温度优于考虑太阳高度角和植被三维结构的二流近似辐射传输方案Noah-MP陆面模式模拟的地表温度;选择动态植被方案的Noah-MP陆面模式模拟的地表温度优于选择非动态植被方案的Noah-MP陆面模式;总体而言,考虑动态植被方案的Noah-MP陆面模式模拟的地表温度优于其他两种参数化方案的Noah-MP陆面模式以及CLM3.5陆面模式模拟的地表温度。     

卫星云图的计算机分析识别

提出了采用数学形态学与句法模式识别结合，将云系结构与天气系统联系起来的卫星云图计算机分析识别方法，克服了传统的统计识别方法不能很好地反映云系整体性结构的缺陷，对一次台风过程不同阶段云系发展演特征，实现了计算机分析识别试验，结果显示，在台风发展的不同阶段，云系的结构，形状和组成是不同的。     

总云量产品在中国区域的分析检验

对ISCCP、常规观测以及MODIS总云量3种目前使用较多的总云量资料进行对比分析, 重点考察时间序列较长的ISCCP和常规观测总云量, 给出定量对比结果, 为使用这3种总云量资料的用户提供参考。研究表明:ISCCP与常规观测总云量相比, 7月二者的空间分布具有很好的一致性, 但白天ISCCP总云量比常规观测总云量多, 夜间却往往比常规观测总云量少, 二者误差分布表现为东部和东南部小于西北部的特征; 而1月二者空间分布比较一致, 但是在天山和东北地区高、低值中心经常不匹配, 这两个区域总云量资料需慎用; 7月ISCCP总云量精度明显高于1月。ISCCP、常规观测以及MODIS总云量对比结果表明:1月MODIS总云量比其他两种资料大, 而7月为最小。相对常规观测, 1月ISCCP总云量精度优于MODIS, 而7月MODIS总云量略优于ISCCP。     

基于多重网格策略的NLS-3DVar资料融合方法及其在气温数据融合中的应用

将多重网格策略引入NLS-3DVar(Non-linear Least Squares-based on Three-dimensional Variational Data Assimilation,非线性最小二乘三维变分同化)方法,进而应用于2400多个国家级气象观测站逐时气温数据和NCEP再分析气温数据的融合,得到中国区域空间分辨率1°×1°,时间分辨率为6小时的气温融合产品。分别从单重网格(分辨率1°×1°)和双重网格(分辨率由2°×2°到1°×1°)利用2014年1~12月(4、5月除外)的独立检验数据考察NLS-3DVar气温融合产品质量,验证基于多重网格策略的NLS-3DVar方法的优越性。在单重网格下,与广泛应用于气象行业的Cressman插值产品(均方根误差和相关系数的年平均值分别为1.961°C d~(-1)和0.924)相比,NLS-3DVar产品全年始终具有最小的均方根误差和最大的相关系数,年平均值分别为1.915°C d~(-1)和0.929;站点间误差分析进一步表明,NLS-3DVar产品在大多数检验站点精度更高,在新疆、甘肃、云南、陕西等地区尤为突出;加入双重网格策略的NLS-3DVar产品与单重网格的NLS-3DVar产品误差对比显示,均方根误差年平均值分别为1.649°C d~(-1)和1.711°C d~(-1),相关系数年平均值分别为0.970和0.968,二者在均方根误差和相关系数的表现上都极为相似,即双重网格NLS-3DVar气温产品尽管对观测数据采取了稀疏化处理,但依旧维持了原有的产品精度,并且在计算效率上提高了1倍多。而与同样在双重网格下基于多尺度的STMAS(Space–Time Multiscale Analysis System)算法相比,双重网格的NLS-3DVar产品在产品精度上同样占据优势,在计算效率上单位时次耗时与STMAS算法几乎相当。     

基于卫星气候资料的1989-2015年南北极海冰面积变化分析

利用被动微波卫星海冰密集度气候资料,分析了1989-2015年南北极海冰面积和密集度的长期变化趋势。结果表明：研究期内,北极年平均海冰面积减少,南极海冰面积增加,变化趋势分别为-0.569×10⁶ km²·（10a）^-1和0.327×10⁶ km²·（10a）^-1,均通过了0.01水平的显著性检验,两极海冰面积变化趋势表现出明显的"非对称性"。两极总海冰面积出现了下降,变化趋势为-0.242×10⁶ km²·（10a）^-1。年海冰密集度在北极地区普遍减少,而在南极地区的变化趋势存在显著的空间差异,威德尔海、罗斯海北部海冰密集度增加,趋势超过了10%·（10a）^-1,别林斯高晋海、阿蒙森海的海冰密集度出现下降。北极各月海冰面积的变化趋势存在明显的季节差异,7-10月海冰面积减少明显,其中9月减少最显著,趋势为-0.955×10⁶ km²·（10a）^-1。南北极海冰冻结和融化的时间不完全对应,北极融化与冻结时间基本平衡,南极海冰冻结时间明显长于融化时间。南极年内海冰面积的变化幅度大于北极,呈现显著的季节性特征。北极极小海冰面积的变化趋势最显著,达到了-0.636×10⁶ km²·（10a）^-1。南极极大海冰面积出现的时间后移明显,趋势为0.733候·（10a）^-1;极小海冰面积出现的时间非常稳定,没有明显的变化趋势。     

中国大陆地区ERA5下行短波辐射数据适用性评估与对比

ERA5地表下行太阳短波辐射数据是欧洲中期天气预报中心（ECMWF）最新的,具有高时空分辨率的再分析产品,该短波辐射产品可作为陆面模式大气强迫数据之一,并在区域气候评估、农业以及太阳能资源等方面具有重要应用。本文利用中国区域2011—2018年经过质控的91个国家级地面辐射站点观测数据,对其在中国大陆地区的适用性进行多时空尺度的评估,并与ERA-Interim、CFSR、MERRA2共3套全球大气再分析产品和1套CERES卫星反演SYN1deg的产品进行了比较。结果表明：① 在月均值尺度上,与其他再分析产品比较,ERA5产品与站点数据的Corr最高（0.939）,RMSE最小（28.309 W/m²）,Bias（15.4 W/m²）略大于ERA-Interim产品（13.2 W/m²）;CERES卫星反演产品与站点数据的Corr为0.955,RMSE为20.042 W/m²,Bias为5.3 W/m²;② 5套产品的辐射值均高于地面观测数据,存在高估现象,总体上,ERA5产品在中国大陆地区的整体精度高于其他再分析产品,但与CERES卫星反演产品还存在一定差距,日均值比较结论亦具有相似规律。③ 分区评估结果表明在再分析产品中,ERA5产品在4个区域与观测数据都有更好的一致性,但5套产品均在南部区域表现不佳。并且与东北和北部区域相比,ERA5产品和CERES卫星反演产品在西部区域和观测数据相比的RMSE和Bias也相对偏大。     

集合Kalman滤波在土壤湿度同化中的应用

基于非饱和土壤水模型和集合卡尔曼滤波 (Ensemble Kalman Filter, 简称EnKF) 并结合陆面水文模型——可变下渗能力模型 (Variable Infiltration Capacity, 简称VIC模型) 发展了一个土壤湿度同化方案。利用1998年6~8月淮河流域能量和水循环试验 (HUBEX) 项目外场观测试验区——史灌河流域梅山站土壤湿度逐日观测资料及1986~1993年合肥和南阳两站点的土壤湿度旬观测资料进行同化试验, 结果表明该同化方案能完整估计土壤湿度廓线, 同化的土壤湿度与观测资料基本吻合, 反映了土壤湿度的日、 旬、 月、 季变化, 同化方案是合理的。与基于扩展卡尔曼滤波 (Extended Kalman Filter, 简称EKF) 的土壤湿度同化方案的结果比较, 基于EnKF的土壤湿度同化方案易于实现, 且通过选择恰当的集合样本数其同化效果总体上略优于EKF同化方案, 但前者同化时需要花费较多的计算时间。     

中国区域多种数值模式资料的地面气象要素评估

利用中国气象局国家级自动站(2421个站)的观测资料,分别对2010年7月1日至2013年6月30日的欧洲中期数值预报中心(ECMWF)、日本气象厅(JMA)和美国国家海洋大气局的全球预测系统(GFS)数值模式资料的地面气温、相对湿度和风速在中国区域的适用性进行了比较研究。结果表明,3种数值模式资料都能在一定程度上反映观测资料所具有的时间和空间分布特征,东部地区的适用性要高于西部地区。不同的地面气象要素,差异较大:对于地面气温和地面相对湿度,ECMWF比JMA和GFS更接近实际观测,ECMWF和JMA的分析场数据质量要好于预报场;ECMWF和JMA地面气温在冬季与观测差异最大,GFS地面气温在夏季与观测差异最大;3种数值模式资料的地面相对湿度在秋季和冬季与观测差异最大;对于地面风速,在江淮流域和华南等东部区域JMA与实际观测差异最小,在北部和西部区域ECMWF最好,JMA和GFS地面风速在冬季与实际观测差异最大。     

用神经网络方法对NOAA-AVHRR资料进行云客观分类

利用NOAA AVHRR 5个通道资料建立了 6种云类以及陆地和水体的样本数据库 ,其中包括 8× 8象素样本和单象素样本。AVHRR的 5个探测通道都位于大气窗区 ,吸收物质少 ,比较透明 ,可以比较准确地反映探测表面的性质。理论分析和试验结果表明 :除了不同性质的云在 5个通道中有不同的表现外 ,通道之间的差别也可用于云分类。在理论分析和试验的基础上 ,对 8× 8象素样本库提取了包括光谱特征、灰度特征、通道差特征、灰度统计量和灰度直方图统计量特征在内的 80个特征 ,并利用逐步判别分析方法进行特征筛选 ,共选出 2 0个特征 ,用神经网络方法对 8种类型云和地表样本数据库分类 ,选择网络结构为 2 0 - 4 0 - 15 - 4的B P网络 ,利用 30 0 0多个样本进行神经网络训练 ,并用其余的 3万多个独立样本数据进行检验 ,测试正确率达 79%。类似地 ,对单象素样本数据 ,提取了包括光谱特征、灰度特征、通道差特征在内的 2 0个特征 ,用神经网络方法对 8种类型云和地表分类 ,选择网络结构为 2 0 - 4 0 - 15 - 4的 4层B P网络 ,利用 2 0 0 0多个样本进行神经网络训练 ,并用其余的 2万多个独立样本数据进行检验 ,测试正确率达 78%。设计并编写了实际云图客观云分类系统和软件 ,该系统输入为 5个通道的AVHRR数据 ,可自动获取已