中国区域高时空分辨率地面观测与卫星反演降水融合资料外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

中国区域高时空分辨率地面观测与卫星反演降水融合资料

摘要本文根据全国3万多个自动站逐小时降水资料与2008-2010年暖季（5月至9月）CMORPH卫星反演降水产品，利用概率密度函数与最优插值两步法(PDF-OI)，生成将地面观测资料与CMORPH卫星产品融合的逐日、0.25°和逐小时、0.1°lat/lon两种高分辨率下的融合降水产品，并评估PDF-OI方法的效果。结果表明，观测资料和卫星数据的误差相关性、误差方差以及PDF-OI方法中的匹配策略取决于所用数据的时空分辨率。本文对逐小时、0.1°分辨率融合产品的参数和匹配策略进行了改进，这些改进不仅适用于无雨事件的高频描述，而且可以精确描述观测资料与卫星资料的误差结构。连续的融合降水算法和产品分别称为原始PDF-OI(Orig_PDF-OI)和改进的PDF-OI。交叉验证结果表明，与CMORPH卫星反演降水和原始的PDF-OI方法相比，改进后的方法有效地降低了系统偏差和随机误差。2008年至2010年，我国逐小时、0.1°分辨率的融合降水产品得到改善。与原始的PDF-OI相比，改进后的方法大大减少了低估事件的发生，具有较小的偏差和均方根误差，以及较高的空间相关性。改进后的产品能更好地捕捉强天气事件中逐小时降水的一些变化特征。

1 引言

暴雨引起的山洪灾害已成为世界上最严重的自然灾害之一。为了监测和预报局地短期暴雨事件，需要高精度与高时空分辨率的定量降水估计（QPE）来揭示暴雨变化。目前，雨量计和卫星遥感是测量降水量的两种主要手段，在暴雨监测中得到了广泛的应用。

雨量计可以提供对点位置的地面降水的精确测量；然而，它在复杂地形以及具有高空间变异性的强降水中缺乏空间表示[Ciach，2003]。因此，基于站点观测进行空间插值的QPE经常存在问题[Zawadzki，1975]。常规观测分析的精度不仅依赖于观测网络的密度和配置也依赖于插值策略[Chen et al., 2008; Hofstra et al., 2008]。最后，通过混合无源微波(PMW)和红外线(IR)传感器产生的基于卫星的降水产品能够以更精细的分辨率检测降水的空间模式和时间变化，这对于测量较差的区域特别有用。然而，卫星遥感间接估计降水量，本身包含区域性和季节性的系统偏差和随机误差[Ebert et al., 2007; Shen et al., 2010a; Tian et al., 2010; Xu et al., 2010; Yong et al., 2010]。通过将卫星产品与雨量计数据进行融合，可以纠正这些误差[Xie et al., 2007; Huffman et al., 2007; Boushaki et al., 2009; Xie and Xiong, 2011]，并在开发全球高精度组合QPE产品方面取得了巨大进展[Huffman et al., 1997; Adler et al., 2003;Xie and Arkin, 1997; Xie et al., 2003]。

卫星-观测组合QPE的原始逐月产品之一是以2.5°lat/lon的分辨率开发的[Huffman et al., 1997; Adler et al., 2003]。利用IR、PMW卫星和探空观测资料，从全球降水气候计划(GPCP)获得了分辨率为1.0°的逐日降水产品[Huffman et al., 2001]。本文利用全球降水气候中心月降水量分析[Schneider et al., 2011]校正具有与误差方差成反比的权重的卫星估计，然后校正的卫星估计被用作其官方降水产品[Huffman et al., 1997, 2001; Adler et al., 2003]。美国国家海洋和大气管理局的气候降水中心（CPC）通过融合观测和卫星估计数据获得2.5°分辨率的逐月和候的CPC融合降水分析(CMAP)[Xie and Arkin, 1997; Xie et al., 2003]。然而，对于监测强降水的日和中尺度特征而言，GPCP和CMAP的时间（月或候）和空间（2.5°或1.0°）分辨率相对粗糙[Dai et al., 2007]。

最近，具有高时空分辨率的多源卫星的IR和PMW观测已用于降水估计。这些估计产品包括具有8km分辨率的CMORPH产品[Joyce et al., 2004]，利用人工神经网络(PERSIANN)从遥感信息反演得到降水估计[Hsu et al., 1997, 1999; Sorooshian et al., 2000]，空间分辨率为4km的PERSIANN云分类系统[Hong et al., 2004]，匹配海军研究实验室PMW-IR产品的概率密度函数(PDF) [Turk et al., 2003]，调整后的观测PMW-IR资料融合了热带降雨测量任务(TRMM 3B42)的分析[Huffman et al., 2007]，以及气候研究合作研究所高分辨率最优插值卫星微波降水的全球PMW融合降水估计[Joseph et al., 2009]。

卫星降水估计包含大量的系统偏差和随机误差，因此，改进融合方案对于克服这些误差，提高卫星产品的质量具有重要意义。针对不同的气候区域，已经发展了多种观测-卫星融合算法。例如，在南美洲，为利用逐日时间尺度上的观测资料[Vila et al., 2009; Rozante et al., 2010]来校准TRMM 3B42RT估计[Huffman et al., 2007]，已经提出了加法和乘法联合偏差订正技术。他们的结果表明，该产品比TRMM 3B42产品更精确，TRMM 3B42产品使用TRMM组合仪器产品和逐月的观测数据来订正三小时TRMM 3B42RT数据的偏差[Huffman et al., 2007]。在美国，采用逐日的贝叶斯推理建立TRMM 3B42RT/CMORPH卫星降水估计与CPC观测分析之间的统计关系[Xie et al., 2007; Chen et al., 2008]，这减少夏季70%-100%的卫星偏差 [Tian et al., 2010]。

最近，中国国家气象信息中心采用了两步融合算法，并结合了Xie和Xiong[2011]在逐日、0.25°分辨率下开发的PDF匹配方法和最优插值（OI），在本文中称其为原始PDF-OI（Orig_PDF-OI）。它产生一个逐日、0.25°分辨率的可操作观测-卫星融合降水产品。然而，仍有问题尚未解决。逐日、0.25°融合算法是否适用于产生具有更高时间（小时）和空间（0.1°）分辨率的观测-卫星融合产品？如何调整融合策略以产生高精度、高分辨率降水产品？本文的其余部分整理如下。我们在第2节中描述了观测降水分析和CMORPH卫星数据，在第3节中介绍PDF-OI方法的评估和相关的改进，在第4节中分析了融合算法的广义交叉验证，并对融合降水产品进行了比较评估。最后，在第5节中进行总结与讨论。

2 观测与卫星资料

因为在寒冷季节（从10月到4月）中国北方和西部地区的自动气象站不使用雨量计，本文采用中国区域2008-2010年暖季（5-9月）三万多个自动气象站（AWSs）逐小时雨量计数据（图1a）。从图1a可以看出，自动气象站分布不均匀的。总的来说，在中国东部区域，超过50%的分辨率为0.1°的网格框中至少存在一个观测点，而在西部区域（90°E以西）方圆500公里内通常没有站。本文也控制逐小时雨量计观测数据的质量[Ren et al., 2010]，并利用基于气候学的改进OI插值算法[Xie et al., 2007; Shen et al., 2010a, 2010b]，将进行质量控制的数据插值到中国大陆上空空间分辨率为0.1°的规则网格点上。图1b是2009年7月2日23点的常规逐小时降水分析场的一个例子。中国南方在25°N附近显示出最大降雨速率超过35mm/h的强降雨带；然而，在自动气象站稀疏的中国西部地区描绘了一些不切实际的降雨中心。

图1 (a) 3万多个自动气象站的分布（红点）；(b)2009年7月2日23点的常规降水分析场的分辨率为0.1°的逐小时降水量；(c)与图1(b)相同，针对原始的CMORPH产品，其中两个三角形分别表示图9中的东北和西北区域的中心位置

我们还使用全球CMORPH降水估计值，其时间间隔为30分钟，水平分辨率为8公里，覆盖60°S至60°N之间区域[Joyce et al., 2004]。CMORPH降水量以时速累积，在经纬度上插值到0.1°的水平分辨率。图1c以2009年7月2日23点分辨率为0.1°的原始逐小时CMORPH数据(Orig_CMPH)为例。虽然CMORPH可以描述降水的主要空间型[Ebert et al., 2007; Xie et al., 2007; Liang and Xie, 2007; Tian et al., 2009; Shen et al., 2010a]，但系统比较显示，CMORPH数据大约将中国每小时降水量低估了20% [Shen et al., 2010a]。

由于翻斗式雨量计在中国的灵敏度有限，观测值小于0.1mm的小时降雨量设为零。在插值过程中，当降雨分析小于0.1mm时，这个值也被设置为零。为了保证算法的可比性，对逐小时的CMORPH数据进行了同样的舍入。本文的所有分析都是针对有观测的网格盒进行的，以确保具有良好的统计意义。另一方面，由于中国各地观测站分布不均匀，本文的统计结果往往从人口最稠密、雨量最多的东部地区中获得。

3 融合算法

在原始的PDF-OI方法中，第一步是通过将逐小时CMORPH资料的概率密度函数与观测降水分析的概率密度函数进行匹配来校正CMORPH资料的偏差。然后，用OI方法将偏差校正后的CMORPH降水资料与测量分析资料融合[Gandin, 1965]。这种融合算法假设常规降水分析场对于具有观测值的网格盒是无偏的，并且卫星估计数据通常是有偏的，但其包含空间模式的有用信息。需要解决问题是，PDF中数据对的匹配策略和OI中的误差估计是否受观测和卫星降水数据的时间和空间分辨率的影响。要回答这个问题，需检查分辨率对PDF-OI方法的影响。

3.1 偏差特征

评估在2009年6月至8月间逐小时CMORPH估计的偏差。逐小时CMORPH数据与观测数据之间存在0.3mm/h到0.4mm/h不等的偏差，如图2a所示。图2b显示了2008-2010年5-9月期间偏差或相对偏差与降水强度之间的关系。当观测降水量低于(高于)1.0mm/h时，偏移和相对偏移为正(负)，这表示高估(低估)了逐小时CMORPH降水量。低估值随降水量的增加而增加，当降水强度超过20mm/h时，低估值达到70％左右。此外，本文计算了不同降水强度下观测降水和CMOPH降水的PDF。通常，CMORPH降水与观测数据的PDF结构一致（图2c）。然而，当降水量le;1.0mm/h时，观测资料与CMOPH资料PDF差异约为1%，例如，逐小时观测资料中无降水出现的频率(89.3%)比CMORPH资料中无降水出现的频率(88.9%)大。逐日的观测和CMOPH降水数据的无雨事件频率分别为60.9%和47.6%[Yu et al.,2013]，表明逐小时的观测和卫星数据中无降水事件的PDF较高。因此，有必要降低CMORPH降水资料的系统偏差。

图2 (a) 2009年6-8月份逐小时原始CMORPH资料的时间序列偏差(mm/h)[Yu等人，2013]，(b)2008-2010年5月至9月期间不同降水强度的逐小时原始CMORPH资料的偏差(mm/h)和相对偏差(％)，以及(c)除频率外与图2相同的逐小时原始CMORPH资料和观测的降水产品。

3.2 随机误差特征

从美国现有研究来看[Hong et al., 2006]，随机误差强烈依赖于中国上空的时空分辨率和降水量[Shen et al., 2010a]。因此，在OI处理的第一步中，需要定义去偏卫星和观测数据的随机误差结构。CMORPH产品中的偏差按照3.3节中的方法进行订正，将观测数据视为无偏。我们检验了在24°-30°N和110°-118°E区域内，具有逐日0.25°和逐小时0.1°分辨率的常规降水分析与偏差订正后的CMORPH降水的随机误差特征。这里的随机误差表示为均方根误差（RMSE）。观测分析的随机误差在至少具有一个可用观测值的网格箱上计算，其中箱内观测值的算术平均值被用作“真”值（图3a）。两种分辨率下测量分析的随机误差值不同，随降水量的增加而迅速减小，分别保持在逐小时、0.1°和逐日、0.25°分辨率资料的55%和25%。同时，将测量分析作为事实，我们得到了偏差校正后的CMORPH估计的随机误差与观测降水之间的关系（如图3b所示）。尽管CMORPH资料和观测资料的随机误差变化趋势相似且均降水量的增大而减小，但在所有分辨率下CMORPH降水资料的随机误差均大于观测资料的随机误差。例如，逐小时0.1°分辨率的观测数据和卫星数据的最大随机误差分别为120%和400%。另一方面，当降水量小于20mm时，逐日，0.25°分辨率下的卫星资料随机误差大于（小）逐小时0.1°分辨率下的随机误差。当降水量小于1mm时，逐日与逐小时分辨率的卫星资料的最大随机误差分别达到600%和400%。随机误差随降水量的增加而减小且逐小时与逐日分辨率分别减小到70%和50%。当应用原始的PDF-OI方法产生逐小时水平分辨率为0.1°的观测-卫星融合降水资料时，中国各地的降水量明显被低估(见第4节)。为了生成具有较高时空分辨率的观测-卫星融合产品，需要调整PDF中的配对策略和OI中的误差参数。

图3 (a)用于已知逐小时、0.1°和逐日、0.25°分辨率的真实降水的常规降水分析的随机误差曲线。(b)与图3(a)相同，但对于已进行偏差订正的CMORPHH估计。实线和虚线分别为逐小

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18800]，资料为PDF文档或Word文档，PDF文档可免费转换为Word