基于GLDAS的中国区地表能量平衡数值试验

利用全球陆面数据同化系统(GLDAS)的软件平台—陆面信息系统(LIS)模拟了中国区域2003年能量平衡方程的各个分量,在此基础上进行了残差分析和地表温度的对比验证。残差的分布具有一定的时空分布特征,残差的时间分布特征表明LIS对春秋两季的模拟效果要好于其它季节,残差的空间分布特征表明LIS对纬度较高和海拔较高地区的模拟效果要逊于其他地区。对比了模拟的GLDAS地表温度与MODIS地表温度产品,结果显示两者之间的差值介于-5～5K之间,两者的散点图和标准离差显示模拟的夜间地表温度要比模拟的白天地表温度精确2～3K。     

GLDAS月降水数据在中国区的适用性评估

全球陆面数据同化系统(GLDAS)是全球变化与水循环研究的重要数据源之一.对比分析了1979—2012年间GLDAS多套降水数据与中国地面观测逐月降水数据所反映的中国降水趋势变化空间特征,采用相关系数、平均偏差、相对绝对误差和均方根误差4个指标,从时间变化和空间分布特征两个方面,对GLDAS降水数据在中国区域的数据质量进行了系统评估.结果表明:GLDAS-1的几套数据在时间上具有明显不连续性,1996年数据质量严重异常,2000年数据质量也较差,而且,不论是GLDAS-1数据,还是GLDAS-2数据,都存在前期(1979—1995年)与实测数据吻合度高于后期(1997年以后)的现象;GLDAS数据在中国东部湿润区的质量高于在西部干旱区;从相关性与误差指标来看,GLDAS-1数据质量略优于GLDAS-2(主要体现在1995年以前时段),但是GLDAS-2在数据一致性、数据质量季节稳定性及对趋势性描述能力方面则明显优于GLDAS-1数据.     

数据同化在气候模拟中的应用——对中国西部区域气候研究的展望

现代数值模拟技术是一种把数值模型与观测资料结合起来对地球系统状态进行理想化评估的方法。除了在数值天气预报和气候分析中发挥重要作用外，数据同化技术也被应用于气候研究的许多方面，如模式初始化、确认及最优化。主要通过几个与中国西部区域气候研究紧密相关的议题，讨论了数据同化在气候模拟中的应用。并且阐述了其将面对的挑战、潜在方法学、最新研究成果和未来发展。     

WRF模式制备的气象驱动数据在新疆喀依尔特斯河流域的验证

随着寒区水文模拟研究的深入,空间分布式模型的快速发展,迫切需求高分辨率的气象驱动数据.研究基于WRF模式动力降尺度和Micromet统计降尺度方法,制备了阿尔泰山额尔齐斯河源区喀依尔特斯河流域春季1 km分辨率气象驱动数据,并利用地面观测资料从小时尺度上对其进行了验证,为该流域春季分布式融雪径流模型做充分准备.结果表明:小时尺度上2 m气温、2 m相对湿度、10 m风速、地表接收的短波辐射和长波辐射的平均绝对误差MBE分别为0.43℃、-2.9%、3.7 m·s~(-1)、28.2 W·m~(-2)和-36.2 W·m~(-2),其平均均方根误差RMSE分别为3.81℃、18.2%、4.8 m·s~(-1)、163.5W·m~(-2)和52 W·m~(-2),与实测对比拟合的R~2分别为0.84、0.32、0.03、0.7和0.3.在小时尺度上,2 m温度和地表接收短波辐射的模拟结果比较理想,可以用于高时间分辨率水文模拟.     

土壤水分同化系统的敏感性试验研究

利用1998年7月6日至8月9日青藏高原GAME-Tibet试验区MS3608站点的4cm、20cm和100cm的土壤水分观测数据同化SiB2模型输出的表层、根区和深层土壤水分,探讨了一个基于集合卡尔曼滤波和简单生物圈模型的单点土壤水分同化方案。分析和评价了集合大小、同化周期、模型误差、背景场误差以及观测误差对同化系统性能的影响。结果表明:①增加集合数目可以减小土壤水分同化系统的误差,但同时又降低了运行效率;②对于集合卡尔曼滤波,初始场的估计是否准确对同化系统性能影响不大;③模型误差和观测误差的准确估计可以提高土壤水分的估计精度;④利用数据同化的方法对土壤水分的估计有显著提高。     

土壤湿度遥感估算同化研究综述

土壤湿度是影响气候的至关重要的变量之一。利用数据同化方法反演大规模高精度土壤湿度数据是目前土壤水分研究的一个重要方向。结合国内外土壤湿度遥感估算研究现状,总结了土壤水分同化算法主要应用进程,梳理了目前实现土壤水分反演且应用广泛的陆面过程模型,Noah模型、通用陆面过程模型CLM、简单生物圈模型Si B2、北方生产力模拟模型BEPS,介绍了大范围卫星土壤水分数据集,包括陆面同化系统数据集、ASCAT数据集、AMSR-E数据集及SMOS数据集,最后探讨了遥感土壤水分同化过程中存在的问题及发展方向。     

面向水文数据整合的一体化水文索引模型研究

随着水文行业信息化程度的不断提高,对数据的需求逐渐从单一、具体化向多源、综合化方向发展。当前,在水文行业内,对数据按照大类分而治之的管理模式已渐与用户需求脱节,给数据的综合利用带来困难。针对该问题,梳理了现有数据结构与管理模式,提出一种水文数据整合与索引模型(Hydrological Data Integration and Index Model, HDIIM),利用该模型在多个水文数据库与水文应用之间搭建水文数据整合层,建立多库统一的一体化水文索引,实现对多库信息的整合与快速查询。该方法有效屏蔽了多个水文数据库之间的异构性,支持跨库的数据检索与应用,从而提高水文数据的获取与使用效率。实验证明,HDIIM能够有效提高水文数据的检索效率,特别是针对批量检索操作,HDIIM的表现较现有方法更加高效和稳定。     

非线性滤波方法与陆面数据同化

陆面数据同化研究近几年成为地球科学研究的新兴领域,其中以非线性滤波为代表的数据同化方法发展迅速并得到了广泛应用。在贝叶斯理论框架内,从递推贝叶斯估计理论的角度系统地分析了扩展卡尔曼滤波、无迹卡尔曼滤波、集合卡尔曼滤波、SIR粒子滤波等非线性滤波方法的异同;针对应用比较广泛的集合卡尔曼滤波和SIR粒子滤波应用中存在的问题,论述了几种提高滤波性能的实用方法,如协方差矩阵的Localization方法、协方差矩阵的Inflation方法、双集合卡尔曼滤波方法、扰动集合、扰动大气驱动和模型参数、平方根集合卡尔曼滤波以及粒子滤波算法的改进等。最后总结讨论了各种非线性滤波方法应用中的特点、难点以及各种算法在陆面数据同化中的应用前景和发展方向。     

分布式流域水文模型的DEM数据处理

分布式流域水文模型从DEM数据中提取河流,由于地图数据的比例尺、DEM网格的分辨率等原因,生成的河流可能与真实的河流不重合,流域内的径流可能汇集不到出口断面,必须对DEM数据进行处理。目前GIS软件中常用的处理方式是将河流经过的网格高程普遍降低,这种方法还不够理想。理想的DEM数据处理方法应满足以下原则:修改后生成的河流与真实的河流重合,流域内的径流能够汇入河道到达流域出口断面;DEM数据中网格的高程来自实测地图,最能代表网格的高程,只是由于对网格高程的插值滤掉了一些地形细节,因此高程修改的网格数目应达到最小。基于这个原则,提出DEM数据修改方法,平滑掉河流经过的凸起网格并且填充流域内的洼地,修改最少的网格高程,使由DEM数据生成的河流能够与真实的河流重合,达到模拟真实的径流流动路径的目的。     

面向水文数据共享的水文核心元数据模型研究及应用

研究了目前水文及相关元数据的研究和发展情况,分析了水文数据及元数据的特点,在此基础上研究设计了符合水文数据共享需求,同时具有简洁、适用性强的水文核心元数据模型。提出的水文核心元数据模型在水文水资源科学数据共享中得到了应用,并取得了较好的应用效果。     

世界数据中心(WDC)回顾、变革与展望

世界数据中心(WDC)隶属于国际科学联合会(ICSU),自1957年成立以来已经在全球建立了51个学科中心,其所倡导的科学数据开放和共享的理念和做法影响巨大,为地球科学和相关学科的发展提供了大量的数据支撑服务.WDC在发展的同时,也面临着4个方面的问题与挑战:①WDC系统可持续性;②WDC系统顸层设计和总体布局;③针对国际科学计划的数据支撑服务能力;④不同数据中心之间的网络互操作体系.针对这些问题,国际科学联合会组织了包括WDC中国学科中心在内的所有中心共同研究制定解决对策,并于2008年10月最终确立了WDC的变革方案.该方案的核心就把ICSU下属的WDC和天文与地球物理联合服务中心(FAGS)合并重组,并吸收其他符合条件的中心,共同建立新的世界数据系统(WDS).在对该组织架构分析的基础上,提出中国WDC学科中心发展的6点具体建议.     

模式时间关联误差对集合平方根滤波估算土壤湿度的影响

为了定量评估模式时间关联误差对NOAH陆面模式同化表层土壤湿度观测估算土壤湿度廓线的影响,采用集合平方根滤波(En SRF)与状态增广相结合的技术,开展同时更新状态变量和订正模式偏差的观测系统模拟试验,结果表明:同化时若不对存在较大系统性偏差的模式时间关联误差进行处理,En SRF就不能有效估算土壤湿度廓线,而采用状态增广和En SRF相结合的技术,可以在更新土壤湿度时同步订正模式偏差,土壤湿度估算精度明显提高。敏感性试验进一步表明:模式偏差大小、同化时间间隔和观测误差会以不同方式对同化结果造成影响。     

陆面数据同化系统误差问题研究综述

同化系统中的误差问题一直被认为是制约数据同化性能的瓶颈问题。从分析陆面数据同化系统的误差问题研究现状出发,统一定义了同化系统的误差来源及误差表现,简要综述了顺序同化方法及连续同化方法中的误差定义和相关理论问题。从误差估计的角度,重点介绍了目前研究中各种误差估计的方法和面临的困难。针对误差处理方法的研究,介绍了在集合数据...     

Application of Bias Correction and Spatial Disaggregation in Removing Model Biases and Downscaling over China

Global Climate Models (GCM) are the primary tools for studying past climate change and evaluating the projected future response of climate system to changing atmospheric composition. However, the state of art GCMs contain large biases in regional or local scales and are often characterized by low resolution which is too coarse to provide the regional scale information required for regional climate change impact assessment. A popular technique, Bias Correction and Spatial Disaggregation (BCSD), are widespreadly employed to improve the quality of the raw model output and downscaling throughout the world. Unfortunately, this method has not been applied in China. Consequently, the detailed principle and procedure of BCSD are introduced systematically in this study. Furthermore, the applicability of BCSD over China is also examined based on an ensemble of climate models from phase five of the Coupled Model Intercomparison Project (CMIP5), though the excellent performance of it has been validated for other parts of the world in many works. The result shows that BCSD is an effective, model independent approach to removing biases of model and downscaling. Finally, application scope of BCSD is discussed, and a suite of fine resolution multimodel climate projections over China is developed based on 34 climate models and two emissions scenarios (RCP4.5 and RCP8.5) from CMIP5.