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。     

基于CLDAS融合降水的中国降雨侵蚀力研究

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。     

改进的CLDAS降水驱动对中国区域积雪模拟的影响评估

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。     

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。     

基于CLDAS温度适宜度指标空间化方法

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。     

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。     

基于CLDAS的贺兰山区5—9月降水时空分布特征及其与地形的关系分析

利用2008—2016年5—9月中国气象局陆面数据同化系统(CLDAS)格点融合分析降水资料以及降水观测资料,在对CLDAS格点降水融合资料进行验证的基础上,对贺兰山区降水时空分布特征以及与地形的关系进行了分析。结果表明：贺兰山区降水呈“东多西少、南多北少”的分布特征,贺兰山主峰偏西0.1°存在一个超过240 mm的降水高值中心,日降水量极值西侧高于东侧。8月降水量和短时强降水次数最多,11:00—18:00降水次数最多,午后到前半夜短时强降水次数最多。贺兰山区降水以小雨为主,其次是中雨,中雨和小雨雨量占区域总雨量的比例高达85%。贺兰山区降水量随海拔高度的增加而增加,西坡降水随高度的增加率为5.1 mm/hm,东坡降水随高度的增加率为2.1 mm/hm,西坡明显高于东坡。中雨日数与地形高度的相关性较好,其它级别降雨日数与地形相关性不强。     

青海省洪涝灾害的时空分布和致灾雨量特征

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。     

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。     

中国自动土壤水分观测资料质量控制方法设计与效果检验

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。