一種多分辨率協(xié)同的中國降水格點(diǎn)分析產(chǎn)品

一種多分辨率協(xié)同的中國降水格點(diǎn)分析產(chǎn)品

1與地面觀測的降水融合技術(shù)高時率和高精度預(yù)測降水產(chǎn)品的開發(fā)非常重要。包括預(yù)測值、模型驗(yàn)證、中尺度氣候變量分析等。近年來,中國氣象局已經(jīng)布設(shè)了一套分布較為密集的地面觀測網(wǎng),在中國共建設(shè)了3萬多個自動氣象觀測站,絕大多數(shù)位于中國的東部和南部(圖1)。基于這些自動站的逐時降水觀測資料,中國國家氣象信息中心開發(fā)了一套高時空分辨率的中國降水格點(diǎn)分析產(chǎn)品(ChinesePrecipitationAnalyses,CPA),該產(chǎn)品在中國東部和南部具有較高的質(zhì)量和精度(沈艷等,2012)。但由于中國西部地區(qū)的站點(diǎn)比較稀疏,降水格點(diǎn)分析產(chǎn)品在這些地區(qū)的精度尚不能滿足業(yè)務(wù)和科研的需要。衛(wèi)星資料由于空間覆蓋廣闊、觀測頻次高而逐步受到氣象學(xué)家的重視,隨著衛(wèi)星遙感探測技術(shù)的發(fā)展,已能夠彌補(bǔ)廣袤海洋和無人區(qū)地面觀測站稀少的缺陷。因此,從20世紀(jì)末開始,國際上不少研究機(jī)構(gòu)都相繼推出了衛(wèi)星反演的降水產(chǎn)品,如PERSIANN(PrecipitationEstimationFromRemotelySensedInformationUsingArtificialNeuralNetwork)(Hsu,etal,1997)、CMORPH(ClimatePredictionMorphingTechnique)(Joyce,etal,2004)、TRMM-3B42RT(TropicalRainfallMeasuringMission)(Huffman,etal,2007)等。這些衛(wèi)星產(chǎn)品都能較好地把握中國地區(qū)降水的空間分布,然而精度較差,多數(shù)產(chǎn)品描述的3h累積降水量都偏低20%左右(Shen,etal,2010),顯然尚不能滿足現(xiàn)代氣象業(yè)務(wù)和科研的需求,仍需要地面觀測資料對其進(jìn)行訂正。例如,TRMM-3B42采用地面觀測的月降水量進(jìn)行訂正,能將偏差控制在-0.4%,取得了較顯著的改進(jìn)(Shen,etal,2010)。所以,開發(fā)衛(wèi)星和地面觀測降水的融合產(chǎn)品已是國際上發(fā)展高質(zhì)量降水產(chǎn)品的一個趨勢。在此趨勢推動下,國際上相關(guān)研究機(jī)構(gòu)開發(fā)了各種融合技術(shù),例如:GPCP數(shù)據(jù)集采用的誤差方差反比加權(quán)法(Huffman,1995)、CMAP數(shù)據(jù)集采用的適用于海表溫度資料融合分析的泊松法(Reynolds,1988;Xie,etal,1997),以及GPCP1DD(OneDegreeDaily)數(shù)據(jù)集(Huffman,etal,2001)和TRMM-3B42(Huffman,etal,2007)采用月尺度的衛(wèi)星與雨量計降水的比率來訂正更短時間尺度的衛(wèi)星反演降水。但這些方法多是針對月或日降水。同時,由于國際上難以獲取中國地區(qū)較為密集的站點(diǎn)資料,這些降水產(chǎn)品的空間分辨率均在1.0°×1.0°左右,因而這些方法是否適用于逐時和更高空間分辨率的降水融合還有待進(jìn)一步研究。中國國家衛(wèi)星氣象中心也研制了中國區(qū)域風(fēng)云系列衛(wèi)星反演逐時降水0.1°×0.1°的融合產(chǎn)品,采用的是同時考慮距離因子和站點(diǎn)相對于格點(diǎn)取向的智能型客觀分析方法(Lu,etal,2004)。但是,由于風(fēng)云系列的衛(wèi)星估測降水僅由紅外遙感資料通過統(tǒng)計方法估計而成,本身誤差較大,引入站點(diǎn)資料訂正后雖然有效提高了有站點(diǎn)分布地區(qū)降水的精度,但對降水空間結(jié)構(gòu)的連續(xù)性影響很大(潘旸等,2011),特別是在站點(diǎn)密度變化非常劇烈的地區(qū),降水的精度還有待進(jìn)一步提高。最優(yōu)插值(OptimumInterpolation,OI)最早由Eliassem(1954)和Gandin(1965)應(yīng)用于氣象領(lǐng)域的研究,Reynolds等(1994)曾采用該方法融合了衛(wèi)星反演和海洋浮標(biāo)、船舶觀測的全球海表溫度,取得非常好的效果。與上述其他降水資料融合方法相比,最優(yōu)插值的優(yōu)點(diǎn)在于它既考慮了各種觀測誤差的自相關(guān)關(guān)系,又考慮了不同觀測間的相關(guān)關(guān)系,這樣權(quán)重函數(shù)不僅是距離的單變量關(guān)系,還考慮了不同觀測間誤差的相互影響,并且,最優(yōu)插值只在分析點(diǎn)一定范圍內(nèi)求解最優(yōu)值,特別適合降水這種時空變率較大的單要素的分析。Xie等(2011)就采用這種方法在逐日、0.25°×0.25°尺度上成功地建立了衛(wèi)星反演與地面站觀測降水融合的概念模型,可是降水的誤差根據(jù)時空尺度不同,變化非常劇烈(Hong,etal,2006),這種方法是否適用于更高時空分辨率的降水資料融合,還有待進(jìn)一步研究和試驗(yàn)。因此,本文采用最優(yōu)插值技術(shù)開展了中國地區(qū)0.1°×0.1°逐時降水的融合試驗(yàn),衛(wèi)星反演降水資料選用美國國家海洋大氣局(NationalOceanicandAtmosphericAdministration,NOAA)氣候預(yù)測中心(ClimatePredictionCenter,CPC)研制的CMOR-PH,該資料在東亞地區(qū)的精度較高(Xie,etal,2007;Shen,etal,2010),且與中國國家衛(wèi)星氣象中心的風(fēng)云系列衛(wèi)星估測降水產(chǎn)品相比,能更合理地反映降水的空間結(jié)構(gòu)(潘旸等,2011)。2數(shù)據(jù)采集和對比CMORPH是以被動微波反演降水量為基準(zhǔn),對連續(xù)的靜止衛(wèi)星紅外圖像采用運(yùn)動矢量方法估計被動微波反演降水的空間傳播特征,進(jìn)而做出高質(zhì)量降水估計產(chǎn)品(Joyce,etal,2004)。其時間間隔為30min,空間分辨率為8km,覆蓋了60°S—60°N的區(qū)域。在融合前,將30min間隔的原始數(shù)據(jù)累加成逐時降水值,再插值成0.1°×0.1°分辨率的格點(diǎn)資料。由于最優(yōu)插值的基本假設(shè)要求所有不同來源觀測的誤差相互獨(dú)立,并且,不存在系統(tǒng)誤差,所以,針對CMORPH資料的系統(tǒng)性偏差,還采用概率密度匹配(ProbabilityDensityFunction,PDF)方法進(jìn)行訂正,即利用一定時空范圍內(nèi)降水概率密度相對穩(wěn)定的特性,將CMORPH逐時降水的概率密度分布調(diào)整到與地面觀測一致(宇婧婧等,待刊)。地面觀測采用的是中國3萬個自動氣象觀測站雨量計記錄的逐時降水量。中國國家氣象信息中心對該資料進(jìn)行了嚴(yán)格的質(zhì)量控制,包括氣候?qū)W界限值檢查、區(qū)域界限值檢查、時間一致性檢查和空間一致性檢查(任芝花等,2010)。在此基礎(chǔ)上,采用“氣候背景場”的優(yōu)化插值方法(沈艷等,2010),對質(zhì)量控制后的自動站逐時降水進(jìn)行空間插值,生成時空分辨率為逐時、0.1°×0.1°格點(diǎn)分析產(chǎn)品(沈艷等,2012)。該產(chǎn)品每個時次每個格點(diǎn)上包含兩個變量:一個是該時次網(wǎng)格內(nèi)的平均降水率,另一個是該時次該網(wǎng)格點(diǎn)內(nèi)包含的雨量計觀測數(shù)(圖1)。在融合時,只選取網(wǎng)格上至少有一個雨量計觀測的格點(diǎn)降水值(以下稱為“有效格點(diǎn)”)參與最優(yōu)插值分析。從2009年汛期開始中國國家氣象信息中心對中國區(qū)域自動站實(shí)時傳輸業(yè)務(wù)進(jìn)行了考核,資料可用率達(dá)到81.6%,具有相對穩(wěn)定且較好的質(zhì)量,因而本文選取2009年6、7、8月的資料,針對受關(guān)注較多的夏季降水進(jìn)行試驗(yàn)和分析。在檢驗(yàn)本融合試驗(yàn)產(chǎn)品精度時,還用了中國國家衛(wèi)星氣象中心發(fā)布的FY-2C靜止氣象衛(wèi)星(簡稱“FY-2C”)逐時0.1°×0.1°的降水融合產(chǎn)品作對比評估。該產(chǎn)品以FY-2C搭載的可見光和紅外自旋掃描輻射計(VISSR)遙感探測的紅外資料為主,選用云頂溫度梯度、云體相對于云團(tuán)中心的偏移量、云團(tuán)移動速度作為影響因子回歸得到衛(wèi)星降水估計,再以中國2400個國家級地面站常規(guī)雨量計觀測的逐時降水資料對衛(wèi)星估測降水進(jìn)行訂正(Lu,etal,2004)。3采用最佳插值降水分析3.1確定線性方程最優(yōu)插值分析首先需要一個初估場,衛(wèi)星反演降水的空間覆蓋率高,將其設(shè)為初估場。在網(wǎng)格內(nèi)有站點(diǎn)分布的格點(diǎn)上,中國降水格點(diǎn)分析產(chǎn)品的精度較高,將其作為觀測值。每一個格點(diǎn)上的降水分析值A(chǔ)k等于該點(diǎn)的初估值Fk加上該格點(diǎn)上觀測值與初估值的偏差,而這個偏差由一定范圍內(nèi)n個格點(diǎn)上已知的觀測值Oi與初估值Fi的偏差加權(quán)估計得到式中,k為分析格點(diǎn),i為“有效格點(diǎn)”,Wi為權(quán)重函數(shù),表示i點(diǎn)上觀測值與初估值的偏差在估計時分配的權(quán)重?？紤]到中國東西部站網(wǎng)密度差異過大,分析范圍的半徑設(shè)為100km,以保證在站點(diǎn)相對稀疏的地區(qū)也能搜索到一定數(shù)量的有效格點(diǎn),再從中選取距分析格點(diǎn)最近的幾個有效格點(diǎn)參與最優(yōu)插值,但最多不超過9個。分析點(diǎn)上分析值的誤差方差為式中,Tk為k點(diǎn)的真值。假設(shè),觀測誤差和初估場誤差不相關(guān),即將式(1)代入式(2),再結(jié)合式(3),則分析誤差方差可化為針對式(4)利用最小二乘法構(gòu)建線性方程式中,μfij表示初估場誤差協(xié)相關(guān),μoij表示觀測誤差協(xié)相關(guān),λi為i點(diǎn)上觀測誤差標(biāo)準(zhǔn)偏差σio和初估誤差標(biāo)準(zhǔn)偏差σif的比率?？梢酝ㄟ^求解式(5)確定權(quán)重Wi,最后得到分析誤差的最小方差估計3.2誤差估計ij在最優(yōu)插值中求解Wi時要求σio、μoij、σif和μfij均為已知量,需要對地面觀測和衛(wèi)星反演降水的誤差以及誤差的相關(guān)性進(jìn)行預(yù)先的估計,一般可通過統(tǒng)計方法給定。以下分析所用的誤差均用均方差表示,樣本統(tǒng)計時段為2009年6—8月。3.2.1網(wǎng)格內(nèi)觀測站點(diǎn)雨強(qiáng)分析降水格點(diǎn)分析產(chǎn)品的誤差表現(xiàn)出依賴時空分辨率、站網(wǎng)密度以及雨強(qiáng)而變化的特征(North,etal,1989;Schneider,etal,1993;Rudolf,etal,1994)。文中地面觀測降水的誤差除了考慮降水量本身外,還考慮了網(wǎng)格內(nèi)觀測站數(shù)的影響,即網(wǎng)格內(nèi)觀測站越多,網(wǎng)格點(diǎn)上分析值越能“真實(shí)”地代表該網(wǎng)格區(qū)域內(nèi)的平均降水量。在臺站分布密集的區(qū)域(24°—30°N,110°—118°E),選取該區(qū)域中的有效網(wǎng)格上的中國降水格點(diǎn)分析產(chǎn)品分析值為樣本。以該網(wǎng)格內(nèi)站點(diǎn)觀測的算術(shù)平均值代表格點(diǎn)的“真值”,按照雨強(qiáng)大小分成多個等級,計算每個等級內(nèi)所有樣本的平均雨強(qiáng)和均方差。分別統(tǒng)計在網(wǎng)格內(nèi)不同的觀測站點(diǎn)個數(shù)下,分析誤差隨雨強(qiáng)的變化關(guān)系(圖2):在不同觀測站點(diǎn)個數(shù)下,分析誤差均隨雨強(qiáng)增大而呈近似為冪指數(shù)增加的趨勢;隨著站點(diǎn)個數(shù)的增加,分析誤差則呈減小趨勢,且減小幅度逐漸降低,例如降水量為15mm/h、站數(shù)從1增加到2時,分析誤差減小了2/3,而站數(shù)從2增加到3時,分析誤差僅減小了1/3。另外,當(dāng)雨強(qiáng)在5mm/h以下時,分析誤差隨觀測站數(shù)的變化不大。由上述分析可知,觀測場誤差方差的估計方程可簡化成與雨強(qiáng)成正相關(guān),而與站點(diǎn)個數(shù)成反相關(guān)。3.2.2觀測場誤差的空間相關(guān)在地面觀測降水的空間相關(guān)性定義中,通常認(rèn)為不同臺站的觀測相互獨(dú)立,各個站之間的誤差不相關(guān),每個臺站的觀測誤差只與自身的觀測有關(guān),所以,觀測場誤差的空間相關(guān)可以定義為實(shí)際上,經(jīng)過格點(diǎn)分析之后,格點(diǎn)間降水的誤差存在一定相關(guān)。為了計算簡化,再考慮到格點(diǎn)化時,東部站網(wǎng)密度較大的地區(qū)搜索半徑實(shí)際上不足20km,可以假設(shè)中國降水格點(diǎn)分析場各有效格點(diǎn)間的誤差協(xié)相關(guān)近似滿足式(7)所示的關(guān)系。3.2.3cmorph衛(wèi)星反演降水的均方誤差衛(wèi)星反演降水誤差也受到降水變率、時空取樣等多種因素的影響(Barrett,etal,1981;Hong,etal,2006),一般認(rèn)為它遵循這樣一個規(guī)律:降水誤差方差與降水強(qiáng)度成正比,與樣本數(shù)成反比。對于CMORPH衛(wèi)星反演降水,其空間樣本分布非常均一,所以,誤差主要受降水強(qiáng)度的影響。由于有效格點(diǎn)上的中國降水格點(diǎn)分析產(chǎn)品分析值可信度較高,可將其作為“真值”。在一定時空范圍內(nèi),取所有有效格點(diǎn)上的衛(wèi)星反演降水為樣本,分別計算不同強(qiáng)度降水下衛(wèi)星反演降水與“真值”的均方偏差,作為衛(wèi)星反演降水的誤差。圖3給出誤差與衛(wèi)星反演降水強(qiáng)度的對應(yīng)關(guān)系,可見與觀測降水誤差類似,衛(wèi)星反演降水的誤差隨著降水量值增大也近似呈冪指數(shù)增加。3.2.4初估場誤差擬合與地面觀測降水不同,衛(wèi)星的觀測手段決定了它總是在一片區(qū)域內(nèi)同時進(jìn)行觀測,并且,用概率密度函數(shù)匹配方法對衛(wèi)星反演降水系統(tǒng)誤差進(jìn)行訂正也是在一定區(qū)域內(nèi)取樣,這就造成了衛(wèi)星反演降水誤差具有相對較強(qiáng)的空間相關(guān)性。仍以有效格點(diǎn)上的中國降水格點(diǎn)分析產(chǎn)品分析值作為“真值”,在一定時空范圍內(nèi),取所有任意兩個有效格點(diǎn)(本身除外)的距離和衛(wèi)星反演降水值與“真值”的偏差協(xié)方差來構(gòu)建初估場誤差的協(xié)相關(guān)μfij。將距離以10km為等分,計算每段距離等分中平均的誤差協(xié)相關(guān)系數(shù),得到不同距離下協(xié)相關(guān)系數(shù)的變化(圖4)?？梢钥吹?衛(wèi)星反演降水誤差的空間相關(guān)性隨距離增加而減小,并可以用負(fù)指數(shù)函數(shù)來擬合。基于上述誤差分析,衛(wèi)星反演與地面觀測降水的誤差及空間相關(guān)性均可通過大量樣本統(tǒng)計擬合后,以確定一個相對穩(wěn)定的誤差估計經(jīng)驗(yàn)公式,從而求解權(quán)重函數(shù)Wi。不難看到,衛(wèi)星反演降水的誤差比地面觀測的大,可以預(yù)見在東部站網(wǎng)密集的地區(qū),地面信息對融合產(chǎn)品的影響將比較顯著。4方法的檢驗(yàn)和評估指標(biāo)針對2009年6—8月中國區(qū)域的降水,采用上述最優(yōu)插值方法進(jìn)行了初步的融合試驗(yàn)。針對試驗(yàn)結(jié)果(COMB),從單時次的個例分析和獨(dú)立樣本檢驗(yàn)的統(tǒng)計分析兩個方面檢驗(yàn)該融合方法的效果和精度。在統(tǒng)計分析時采用的評估指標(biāo)包括平均偏差(Bias)、均方根誤差(RMSE)、相對誤差(RE)和相關(guān)系數(shù)(CC)。為了更嚴(yán)格地對融合方法進(jìn)行評估,去除了地面降水分析值、衛(wèi)星反演降水和融合降水同時為0的樣本(約占總樣本數(shù)的80%)。4.1與地面自動站比較圖5給出一次華南地區(qū)強(qiáng)降水天氣過程中某一時刻(2009年7月2日00時,世界時,下同)的融合試驗(yàn)結(jié)果。從站點(diǎn)觀測來看,在華南中部,有一條橫亙湘贛閩的強(qiáng)降水區(qū)(圖5a),該地區(qū)站點(diǎn)分布較密集,融合降水的中心結(jié)構(gòu)和強(qiáng)度與中國降水格點(diǎn)分析產(chǎn)品非常相似(圖5b、d),與地面自動站觀測降水的分布形態(tài)也很接近(圖5a),而衛(wèi)星反演降水產(chǎn)品與它們略有差異(圖5c),如:湘贛交界的降水中心明顯分裂,橫亙閩中的降水中心強(qiáng)度偏弱并分裂為東西兩個小中心等。此外,融合降水在西部站點(diǎn)稀疏的地方,如青海西部地區(qū),中國降水格點(diǎn)分析產(chǎn)品中由插值帶來成片的虛假降水分布被消除了,保留了衛(wèi)星反演降水分布零散的特征,空間結(jié)構(gòu)更為合理。從融合降水分別與中國降水格點(diǎn)分析產(chǎn)品及衛(wèi)星反演降水的散點(diǎn)分布上也可以看到相同的情況(圖6):網(wǎng)格內(nèi)觀測站個數(shù)越多,融合降水與中國降水格點(diǎn)分析產(chǎn)品的散點(diǎn)分布越集中,線性擬合線與y=x越接近;而在沒有觀測的地方(圖6中g(shù)auge=0處),融合降水與衛(wèi)星降水更接近。這結(jié)果與融合的基本思路是一致的。4.2獨(dú)立樣本檢驗(yàn)為了定量評估該方案的融合效果,利用2009年夏季的降水進(jìn)行獨(dú)立樣本檢驗(yàn)。將網(wǎng)格內(nèi)有3個及以上觀測的站點(diǎn)保留起來(如圖1所示,共有1278個網(wǎng)格4433個站點(diǎn),約占全部自動站的15%),只用余下的站點(diǎn)進(jìn)行格點(diǎn)化分析,再與衛(wèi)星資料融合,檢驗(yàn)時則以網(wǎng)格內(nèi)包含3個及以上觀測信息的中國降水格點(diǎn)分析產(chǎn)品分析值為“真值”,并在這些網(wǎng)格上對融合值進(jìn)行檢驗(yàn),由于格點(diǎn)化和融合時完全沒有用到格點(diǎn)內(nèi)的觀測信息,所以,稱這種檢驗(yàn)為“獨(dú)立樣本檢驗(yàn)”。圖7是2009年6—8月獨(dú)立樣本檢驗(yàn)的平均偏差和相關(guān)系數(shù)的逐日變化。與融合前的衛(wèi)星反演降水產(chǎn)品的精度相比,雖然融合降水的平均偏差只是從-0.037mm/h提高到-0.004mm/h,但基本在0值附近小幅擺動,擺動幅度明顯減小;平均的空間相關(guān)系數(shù)由0.368大幅提高到0.778,且融合前相關(guān)系數(shù)多在0.2—0.6大幅變化,而融合后的相關(guān)系數(shù)絕大多數(shù)為0.7—0.9。衛(wèi)星反演降水融合產(chǎn)品的均方根誤差也從融合前的2.267mm/h下降至1.271mm/h,減幅接近50%;相對誤差更是從57.93%大幅下降至15.964%(表1)。融合前后統(tǒng)計指標(biāo)的變化表明,與單純的衛(wèi)星反演降水相比,融合產(chǎn)品在降水量值和空間分布上均與地面資料更為接近,該融合方法能夠穩(wěn)定且有效地引入地面觀測信息從而提高衛(wèi)星反演降水的精度。4.3均方根誤差和相對誤差圖8是2009年7月1日00時—3日23時的中國降水格點(diǎn)分析場分別與融合降水和FY-2C降水的散點(diǎn)分布。顯然,融合降水散點(diǎn)分布要比FY-2C的降水更加集中,融合降水的相關(guān)系數(shù)和均方根誤差分別為0.84和1.420mm/h,優(yōu)于FY-2C的0.50和2.512mm/h,說明在這些獨(dú)立的檢驗(yàn)網(wǎng)格上,融合值比FY-2C的降水更接近地面觀測。從2009年6—8月平均的統(tǒng)計評估結(jié)果上看(表1),FY-2C的偏差偏高了0.162mm/h,均方根誤差和相對誤差均比融合降水的大,相關(guān)系數(shù)只有0.392,也比融合降水的要低,表明融合降水的精度要高于FY-2C的融合產(chǎn)品,這與個例檢驗(yàn)的結(jié)果一致。這說明2400站的站網(wǎng)密度下尚不能準(zhǔn)確反映0.1°×0.1°網(wǎng)格上的降水信息,有必要融入更高密度站網(wǎng)的觀測信息。5第三,關(guān)于降水參數(shù)和誤差估計問題本文采用最優(yōu)插值技術(shù)在0.1°×0.1°逐時的時空尺度上開展了衛(wèi)星與地面觀測降水的融合試驗(yàn)。以衛(wèi)星反演降水為初估場,以