雅鲁藏布江流域不同源降水数据质量对比研究

本文以雅鲁藏布江流域为研究区,利用13个气象站点的实测降水量数据在年和月尺度上验证了中国地面降水网格数据、CRU(Climatic Research Unit)降水数据和GLDAS(Global Land Data Assimilation System)降水数据的精度,并分析了不同源数据降水量年际变化特征和概率分布特性之间的差异。结果表明：4种不同来源的降水数据均存在一定程度的差异。年尺度和月尺度上中国地面降水网格数据与实测降水量数值最接近;而CRU降水数据和GLDAS降水数据与实测降水量相差较大,在使用时需谨慎。从空间差异性看,年尺度上CRU降水数据在每个站点与实测降水数据的相关性均高于GLDAS降水数据,说明前者的空间一致性较好,但相对误差却比GLDAS降水数据大。从年内变化趋势看,中国地面降水网格数据能较好地反映流域降水月尺度的变化特征,CRU降水数据则在流域大部分地区的汛期时段都存在明显的高估,而GLDAS数据无法反映月降水变化趋势,年内坦化现象十分显著。从年际变化特征看,中国地面降水网格数据能较好地反映实际降水量的年际变化特征,而GLDAS降水数据和CRU降水数据反映的降水量年际变化特征偏小,其中GLDAS数据的坦化现象更严重,会高估低降水值,低估高降水值。从降水概率分布情况来看,3种来源的降水数据均不能反映站点实测的极端降水事件。     

不同源降水数据在天山南坡阿克苏河流域适用性分析

降水是水热循环以及气候变化研究的重要环节,降水资料的准确与否直接影响流域尺度的水文过程研究。本文基于2000-2015年天山南坡阿克苏河流域气象站点观测降水数据,对比分析了Tropical Rainfall Measuring Mission（TRMM）降水数据集和Global Land Data Assimilation System（GLDAS）两种具有代表性的降水格网数据集在阿克苏河流域的适用性。结果表明：TRMM3B43数据在阿克苏河流域的整体表现优于GLDAS-2数据。两种数据的精度在月尺度上表现最优,相关系数分别为0.938和0.901,通过了0.01的显著性检验;在季节尺度,TRMM3B43数据各季节与站点插值的拟合度要优于GLDAS-2数据,但二者均呈现出高估冷季降水而低估暖季降水的趋势;在年尺度上,两种数据表现较差。在空间分布上,两种数据类型均能够反映出阿克苏河流域降水自西北向东南递减的空间分布趋势。并且两种数据在平原区的表现均优于山区,低估高海拔地区降水而高估低海拔地区的降水。     

不同偏差校正方法对青藏高原地区GPM的应用效果研究

新一代卫星降水产品GPM在全球降雨观测精度上较TRMM有大幅提升,但在青藏高原地区的精度仍然不理想,而目前遥感降水数据校正缺乏对数据中降水量、雨天频率以及概率分布多重属性的综合考虑。本文根据19个典型站点2014—2017年的日降水数据,在分析GPM降水探测精度的基础上,采用线性缩放法(LS)、局部强度缩放法(LOCI)、Gamma分布映射法以及Gamma和LOCI结合的方法(Gamma-LOCI)对青藏高原GPM数据进行了偏差校正。结果表明:(1)GPM对青藏高原日降水事件探测能力总体上表现出从年降水量较少的西北部洪积平原区以及中部腹地向年降水更丰富的东部山地区和平原区转好的趋势,从日降水强度来看,存在对小雨事件(2 mm)高估和对大雨事件(10 mm)低估的现象;(2)经四种方法校正后,GPM与站点观测数据在各百分位点上的整体偏差均有不同程度的降低,Gamma分布映射对降水时间序列的概率分布进行调整,修正了降水量并保留了极值,使其在降水偏丰区域的应用效果优于LS和LOCI;和LOCI结合后同时对降水数据中雨量、雨天频率和时间概率分布校正,其应用效果进一步改善了GPM日降水过程的精度,提高了与站点日降水序列的拟合度和匹配度。研究结果为GPM在青藏高原地区的准确应用提供参考的校正方法,为区域水文模拟、水资源管理研究奠定基础条件。     

气候模式同站点插值外推气象数据的比较

在气象站稀疏的中亚荒漠地区采用基于大气物理机制的区域气候模式,可获得高分辨率格点气象资料进行气候变化研究.针对中亚地区1958-2001年的气候变化,采用RegCM区域气候模式对ERA40和NCEP/NCAR两套气象再分析数据进行动力降尺度至40 km,并将结果同三套基于气象站点插值外推的格点数据(CRU、WM和APHRO)进行比较.所有数据一致表明,1960年代以来新疆地区的气温显著增加,南疆地区降水增加、天山山区降水减少.除APHRO外,数据都表明北疆地区降水呈增加趋势.RegCM模拟的气温和降水数据与站点外推数据空间分布格局基本一致;但RegCM数据年平均气温低于站点外推数据,RegCM数据在新疆山区的年降水量是站点外推数据年降水量的1.3倍.由于研究区内73％的气象站点分布在中山带以下的干热气候区,站点外推数据可能低估山区降水并高估该区域气温.与站点插值外推的格点数据相比,区域气候模式具有能细致描述区域内中小尺度的地形/下垫面特征、更精确反映气象要素空间变异格局的能力.但因为缺乏足够的地面观测以及高精度遥感反演气象数据,当前尚无法全面评估区域气候模式在中亚地区尤其是山区的模拟精度.     

塔里木河流域TRMM降水数据精度评估

利用塔里木河流域24个气象站降水数据,分析了2000-2013年TRMM多卫星降水数据(TRMM 3B43 v7)在塔里木河流域的适用性。检验结果表明:全年来看,TRMM数据对研究区所有站点的年均降水量拟合较好(R²=0.8846),流域内24个站点平均年降水量相对偏差为19.02%,其中60%的站点表现为TRMM年降水量高于地面实测年降水量;月降水方面,除个别站点(于田、且末、乌恰)较差外,大部分站点的拟合度都较好;就季节而言:春季拟合效果最好,夏、秋季的TRMM数据存在低估问题,而冬季则偏高估;流域降水量由东南向西北递增,并在西北部边缘地区增加较显著,形成一个相对丰水带;而向沙漠腹地方向延伸的降水量则呈减少趋势。同时流域最大降水区域在一年中变化存在一定的规律。     

基于地理加权回归模型的典型山地卫星反演降水产品降尺度研究

降水是陆地水循环的关键变量,高分辨率降水数据的获取是准确模拟陆地水循环过程的前提。虽然卫星反演降水产品具有较强的空间代表性和连续性,但其空间分辨率较低的问题限制了它的应用。以太行山、横断山和喀斯特山区为研究对象,基于降水与高程(DEM)、植被指数(NDVI)之间存在较好相关关系的假设,构建了GPM降水(Global Precipitation Measurement Mission)与高程、植被指数的地理加权回归模型,得到了2014—2016年研究区1km分辨率GPM降水数据。研究结果表明:地理加权回归模型能有效地提高GPM数据的空间分辨率。降尺度后,GPM数据精度在太行山和横断山区略有提高。年尺度上,相比于原始GPM数据,太行山和横断山区降尺度数据站点实测数据的确定系数分别提高了0.06和0.08,RMSE分别降低了0.45%和3.89%,MAE分别降低了0.16%和1.70%;月尺度上,太行山区67%的月份,横断山区83%的月份GPM产品降尺度后更加接近于站点实测数据。喀斯特地区GPM数据降尺度后精度略有下降,降尺度后,年尺度的降雨数据与实测数据的RMSE和MAE分别增加了10.00%和8.00%,R^2降低了0.06,月尺度上仅8月和9月降尺度后的精度更高。降雨与地形和NDVI的关系较弱是喀斯特地区降尺度效果较差的主要原因。     

羌塘高原降水空间分布及其变化特征

羌塘高原作为典型的青藏高原内流区,其降水变化直接影响自身及其周边区域冰冻圈与生态系统的变化。但由于站点观测资料的限制,羌塘高原降水时空格局尚不明确。因此,基于2015年羌塘高原9个自动观测站逐小时降水数据和5套降水格点产品以及1978-2015年西藏地区26个国家台站逐日降水数据,分析羌塘高原降水的空间分布和变化特征。结果表明:(1)2015年羌塘高原核心区降水量和降水日数的均值分别约为154.9 mm和50天,其中,降水量约为东南边缘以及西藏地区多年均值的1/3和1/4。在空间上,降水量呈现东南多、北部少的特征,其中,昆仑山脉以北地区降水量最低,这从降水角度验证了该区域是"寒旱核心"的主要地区之一。(2)雨季与干季分明。西北部雨季分布在6-8月,比东南边缘地区约短1~2个月;且前者降水量呈现单峰型而后者呈现双峰型。(3)在高原核心区,热带降雨测量计划(TRMM)3B43数据和全球降水量测量计划(GPM)IMERG算法数据高估了多数站点的年降水量,主要是高估了干季降水量所致。(4)1978-2015年羌塘高原改则和狮泉河站降水量和降水日数呈现微弱增加趋势,且强降水事件增多。     

GPM卫星降水数据的降尺度研究 ——以陕西省为例

以陕西省内2019年33个地面气象观测站点的测量数据为真实值,选取相关系数(CC)、均方根误差(RMSE)以及相对误差(BIAS)等多种统计分析指标对GPM(Global precipitation measure-ment)卫星降水数据进行精度验证,并引入地形因子作为空间参考要素,基于地理加权回归模型(GWR)对GPM降水数据进行降尺度研究。结果表明:(1)在年际尺度上,GPM降水数据与实测降水数据之间有着明显的相关性,相关性较好(CC=0.89),相对误差则较低(BIAS=-0.45);(2)在季节尺度上,春、夏两季GPM降水数据的降尺度结果与实测降水数据之间的CC值分别为0.92和0.80,而秋季则为0.93;(3)降尺度降水量结果与高程呈现出明显的负相关性,随着海拔升高,降水相对减少。总体而言,GWR降尺度降水数据在陕西省内有着较好的精度,能够较为准确地反映陕西省内的降水分布。     

太行山区遥感卫星反演降雨产品降尺度研究

高时空分辨率降雨数据的获取对陆地水循环研究至关重要。遥感卫星反演降水产品虽然能有效再现降雨的空间格局,但存在空间分辨率较低的问题。以植被指数NDVI(Normalized Difference Vegetation Index)和海拔高度为自变量,通过构建太行山区GPM降水(Global Precipitation Measurement Mission)的时滞地理加权回归模型,得到了2014—2016年研究区1 km分辨率GPM降水数据。研究结果表明：利用植被指数和海拔高度构建的时滞地理加权回归模型能够有效地对太行山月尺度GPM降雨数据进行尺度下延,在提高GPM数据空间分辨率的同时保留了原始数据的观测精度。考虑NDVI的时滞性提高了地理加权回归模型的降尺度效果,相对于多元线性回归模型和不考虑NDVI时滞效应的地理加权回归模型,时滞地理加权回归模型的降尺度结果与站点实测数据的确定性系数更高,RMSE更低。冬季降雨与第二年春季植被NDVI的关系较为密切,虽然采用第二年春季的NDVI作为解释变量构建降尺度模型能有效地提高冬季降雨的降尺度效果,但基于植被指数和海拔高度构建的时滞地理加权回归模型更加适用于植被生长季GPM降雨数据的降尺度研究。     

TRMM3B42降水产品在鄱阳湖流域梅川江子流域的精度评价(英文)

在鄱阳湖流域的梅川江子流域,利用52个站点9年(2001-2005及2007-2010)的日降水数据对V6和V7两个版本的TRMM 3B42降水产品进行了精度评价。该评价针对多个时空尺度进行,包括栅格和流域两个空间尺度,日、月和年三个时间尺度。为避免尺度不匹配问题,本文利用泰森多边形方法将点尺度的站点观测数据转换到与TRMM数据相同的栅格尺度。评价结果表明,V6和V7两个版本的TRMM3B42降水产品差别较小,整体上均轻微高估了降水量(偏差均为0.04)。在日尺度,栅格和流域空间尺度上V6和V7TRMM3B42降水产品的精度均较差,相对均方根误差在135%-199%之间。因此,在该地区利用3B42数据进行日尺度的水文分析前需要对其进行校正。在月和年尺度,栅格和流域两个空间尺度上V6和V7两个版本的TRMM 3B42降水产品精度均较高,决定系数达到0.91-0.99,相对均方根误差在4%-23%之间。这表明TRMM 3B42降水产品在该地区月和年尺度的水文分析方面具有很好的应用前景。     

Comparison of precipitation products to observations in Tibet during the rainy season

Precipitation is an important component of global water and energy transport and a major aspect of climate change. Due to the scarcity of meteorological observations, the precipitation climate over Tibet has been insufficiently documented. In this study, the distribution of precipitation during the rainy season over Tibet from 1980 to 2013 is described on monthly to annual time scales with meteorological observations. Furthermore, four precipitation products are compared to observations over Tibet. These datasets include products derived from the Asian Precipitation-Highly-Resolved Observational Data(APHRO), the Global Precipitation Climatology Centre(GPCC), the University of Delaware(UDel), and the China Meteorological Administration(CMA). The error, relative error, standard deviation, root-mean-square error, correlations and trends between these products for the same period are analyzed with in situ precipitation during the rainy season from May to September. The results indicate that these datasets can broadly capture the temporal and spatial precipitation distribution over Tibet. The precipitation gradually increases from northwest to southeast. The spatial precipitation in GPCC and CMA are similar and positively correlated to observations. Areas with the largest deviations are located in southwestern Tibet along the Himalayas. The APHRO product underestimates, while the UDel, GPCC, and CMA datasets overestimates precipitation on the basis of monthly and inter-annual variation. The biases in GPCC and CMA are smaller than those in APHRO and UDel with a mean relative error lower than 10% during the same periods. The linear trend of precipitation indicates that the increase in precipitation has accelerated extensively during the last 30 years in most regions of Tibet. The CMA generally achieves the best performance of these four precipitation products. Data uncertainty in Tibet might be caused by the low density of stations, complex topography between the grid points and stations, and the interpolation methods, which can also produce an obvious difference between the gridded data and observations.     

雅鲁藏布江流域降水中氧稳定同位素的时空变化

This paper reveals the temporal and spatial variations of stable isotope in precipita-tion of the Yarlung Zangbo River Basin based on the variations of δ18O in precipitation at four stations (Lhaze,Nugesha,Yangcun and Nuxia) in 2005. The results show that δ18O of pre-cipitation has distinct seasonal changes in the Yarlung Zangbo River Basin. The higher value of δ18O occurs in spring prior to monsoon precipitation,and the lower value occurs during monsoon precipitation. From the spatial variations,with the altitude-effect and rainout process during moisture transport along the Yarlung Zangbo River Valley,18O of precipitation is gradually depleted. Thus,δ18O of precipitation decreases gradually from the downstream to the upstream,and the lapse rate of δ18O in precipitation is approximately 0.34‰/100m and 0.7‰/100km for the two reasons. During monsoon precipitation,spatial variation of δ18O in precipitation is dominated by the amount effect in the large scale synoptic condition.     

Temporal and spatial variations of δ18O in precipitation of the Yarlung Zangbo River Basin

This paper reveals the temporal and spatial variations of stable isotope in precipita-tion of the Yarlung Zangbo River Basin based on the variations of δ18O in precipitation at four stations (Lhaze, Nugesha, Yangcun and Nuxia) in 2005. The results show that δ18O of pre-cipitation has distinct seasonal changes in the Yarlung Zangbo River Basin. The higher value of δ18O occurs in spring prior to monsoon precipitation, and the lower value occurs during monsoon precipitation. From the spatial variations, with the altitude-effect and rainout process during moisture transport along the Yarlung Zangbo River Valley, 18O of precipitation is gradually depleted. Thus, δ18O of precipitation decreases gradually from the downstream to the upstream, and the lapse rate of δ18O in precipitation is approximately 0.34‰/100m and 0.7‰/100km for the two reasons. During monsoon precipitation, spatial variation of δ18O in precipitation is dominated by the amount effect in the large scale synoptic condition.     

Accuracy evaluation of two precipitation datasets over upper reach of Heihe River Basin, northwestern China

As an important forcing data for hydrologic models, precipitation has significant effects on model simulation. The China Meteorological Forcing Dataset (ITP) and Global Land Data Assimilation System (G...     

Temporal and spatial variations of δ^18O in precipitation of the Yarlung Zangbo River Basin

This paper reveals the temporal and spatial variations of stable isotope in precipitation of the Yarlung Zangbo River Basin based on the variations of δ^18O in precipitation at four stations （Lhaze, Nugesha, Yangcun and Nuxia） in 2005. The results show that δ^18O of precipitation has distinct seasonal changes in the Yarlung Zangbo River Basin. The higher value of δ^18O occurs in spring prior to monsoon precipitation, and the lower value occurs during monsoon precipitation. From the spatial variations, with the altitude-effect and rainout process during moisture transport along the Yarlung Zangbo River Valley, δ^18O of precipitation is gradually depleted. Thus, δ^18O of precipitation decreases gradually from the downstream to the upstream, and the lapse rate of δ^18O in precipitation is approximately 0.34‰/100m and 0.7%J‰/100km for the two reasons. During monsoon precipitation, spatial variation of δ^18O in precipitation is dominated by the amount effect in the large scale synoptic condition.     

近50 年雅鲁藏布江流域潜在蒸散量的变化特征

采用1961-2010 年雅鲁藏布江流域6 个气象站近50 年逐日气温、气压等气象资料,利用Penman-Monteith (P-M) 模型计算了月、季及年的潜在蒸散量(PE),分析了雅江流域PE变化特征。研究表明:流域平均年、干季和湿季PE 呈微弱的增加趋势,增幅均在3.00 mm/10a 以下;PE的年代际变化表明20 世纪60 年代至80 年代,年PE有一个增加的过程,而后减少;雅江流域的PE在1981 年发生突变。     

雅鲁藏布江流域径流特性变化分析

本文采用Morlet小波对1956~2000年雅鲁藏布江流域6个站点的径流序列进行了分析,揭示了不同时间尺度下四个季节以及年平均径流量的丰枯交替特性、突变性和周期性,通过小波方差确定各序列存在的主要周期。结果表明:在15年时间尺度上,雅江流域四个季节的径流变化趋势基本一致;发生突变的年份主要在1957、1967、1976、1983、1992年;径流序列第一主周期主要以15年长周期和2年短周期为主,第二主周期以15、6、2~3年的长、中、短周期为主;秋季和冬季径流序列的周期空间分布基本一致,年平均径流序列的周期分布与夏季最为接近;除拉萨河子流域春季在2~3年尺度上处于枯水期外,其他子流域其他时段在任何时间尺度上未来几年里都将处于丰水期。     

1961—2015年雅鲁藏布江流域降雨侵蚀力

降雨是土壤侵蚀的主要动力,也是风水蚀复合区沙漠化的主要驱动力。研究降雨侵蚀力时空变化对雅鲁藏布江流域土壤侵蚀的监测、评估、预报和治理具有重要意义。利用1961—2015年雅鲁藏布江流域8个气象站日降雨量气象资料,采用趋势系数、气候倾向率、MK检验等研究方法对雅鲁藏布江流域降雨侵蚀力时空变化进行分析。结果表明:雅鲁藏布江流域年降雨侵蚀力平均值为758.1 MJ·mm·hm^-2·h^-1,变差系数Cv值为0.29,趋势系数r值为0.3140。空间分布呈现由东向西逐渐递减的特点,东部可达2 000 MJ·mm·hm^-2·h^-1以上,最西部仅为200MJ·mm·hm^-2·h^-1。雅鲁藏布江流域年降雨侵蚀力总体呈波动上升趋势,其中嘉黎和波密站年降雨侵蚀力上升趋势明显,日喀则、泽当站年降雨侵蚀力呈下降趋势。通过MK检验及滑动T检验得知,流域内年降雨侵蚀力在1982年发生突变,年侵蚀性降雨突变不显著。雅鲁藏布江流域年降雨侵蚀力与侵蚀性降雨相关性显著。     

雅鲁藏布江流域降水中δ18O 的时空变化

通过研究2005年西藏雅鲁藏布江流域拉孜、奴各沙、羊村和奴下4个站点降水中的δ18O变化,揭示了雅鲁藏布江流域降水中稳定同位素的时空变化规律.研究显示,雅鲁藏布江流域降水中δ18O季节变化明显,高值出现在季风降水之前的春季,而低值出现在季风降水季节,其间降水中δ18O具有明显的"降水量效应";从空间上看,降水中的δ18O从下游至上游递减,造成这种分布特征主要是由于"高程效应"以及水汽远距离输送导致其中的18O被贫化的结果.经计算表明,雅鲁藏布江流域降水中δ18O由于"高程效应"造成的递减率为0.34‰/100m,而水平方向上自东向西由于水汽远距离输送造成的递减率为0.7‰/100km.从季风期间大范围的降水过程来看,降水中δ18O的空间变化主要受"降水量效应"制约.