排序方式: 共有20条查询结果,搜索用时 0 毫秒
1.
改进的CLDAS降水驱动对中国区域积雪模拟的影响评估 总被引:4,自引:3,他引:1
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。 相似文献
2.
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。 相似文献
3.
内蒙古地区下垫面变化对土壤湿度数值模拟的影响 总被引:2,自引:0,他引:2
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。 相似文献
4.
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。 相似文献
5.
基于2018年1月~2020年12月中国气象局陆面数据同化系统(CLDAS)资料,利用罗氏法计算四川省大气混合层高度,分析其时空分布特征,并结合大气环境空气质量监测数据,讨论大气混合层高度变化与空气质量的关系。结果表明:四川省大气混合层高度呈西高东低分布特征。盆地与攀西地区、川西高原大气混合层高度季节变化有显著性差异,盆地春季最高,秋季最低;川西高原和攀西地区秋季最高,夏季最低。四川省各地区大气混合层高度月、日变化趋势基本一致。四川省大气混合层高度与O3质量浓度呈显著正相关关系,与PM2.5质量浓度呈显著负相关关系。 相似文献
6.
恩施地区地形复杂,是湖北省的多雾区,其雾的空间分布差异大,但该地区气象站点稀疏,难以揭示其时空分布特征。通过分析亚洲区域中国气象局陆面数据同化系统(China Meteorological Administration Land Data Assimilation System,CLDAS)陆面同化资料以及恩施站温度露点差(
7.
基于2008~2019年青海地质灾害的灾情记录和CLDAS融合数据,分析青海高原滑坡、泥石流和崩塌等气象地质灾害的时空分布,研究诱发气象地质灾害的降水量和土壤湿度变化特征,确定了灾害预警条件。结果表明:近12a青海高原气象地质灾害共发生了23次,灾害易发区在西宁市、海南州、黄南州和玉树州,7月是气象地质灾害发生次数最多的月份。有效降水量和土壤湿度是气象地质灾害的重要影响因子,灾害预警条件为:当天及前一天有效降水量之和达到10mm或持续有效降水量达到18mm,并同时满足0~10cm和10~40cm的土壤体积含水量差值≤0.03mm3/mm3或其中一个深度的土壤体积含水量≥0.27mm3/mm3。 相似文献
8.
基于CLDAS温度适宜度指标空间化方法 总被引:2,自引:0,他引:2
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。 相似文献
9.
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。 相似文献
10.
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。 相似文献