中国高时空卫星合并降水分析外文翻译资料

 2022-12-03 14:40:44

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

中国高时空卫星合并降水分析

1潘旸,沈艳,宇婧婧,赵平

国家气象信息中心，中国气象局，中国北京2国家重点实验室

中国气象科学研究院恶劣天气中国北京

摘要:利用中国3万多个自动气象站的小时雨量数据，结合2008〜2010年暖季（5〜9月）气候降水中心变化（CMORPH）降水产品，评估了概率密度函数最优插值法（PDF-OI）方法，用于在仪表观测值和CMORPH产品之间生成0.25°times;0.25°和每小时0.1°times;0.1°合并降水产品的日均值。 我们发现，PDF-OI方法中的误差相关性，规范和卫星数据的误差方差以及匹配策略取决于所使用数据的空间和时间分辨率。 努力改进小时和0.1°times;0.1°产品的参数和匹配策略。 这些改进不仅适用于无雨事件的高频描述，而且准确地描述了小时计和卫星场的误差结构。 连续合并降水算法或产品分别被称为原始PDF-OI（Orig_PDF-OI）和改进的PDF-OI。 交叉验证结果表明，与CMORPH降水和Orig_PDF-OI相比，改进方法有效减少了系统偏差和随机误差。 从2008年到2010年，中国每小时0.1°分辨率的合并降水产品得到改进。与Orig_PDF-OI相比，改进后的产品大大降低了低估率，偏差和均方根误差较小，空间相关性较高。 改进后的产品可以更好地捕捉恶劣天气下每小时降水的一些变化特征。

1. 介绍

由于强降雨造成的闪电和随之而来的山体滑坡已成为世界上最严重的自然灾害之一。 为了监测和预报当地的短期强降水事件，需要高精度和时空分辨率的定量降水估计（QPE）来揭示暴雨的变化。 目前，雨量计和卫星遥感是测量降水的两个主要手段，并且它们已被广泛应用于监测暴雨事件。

雨量计可以提供点位置处地表降水的精确测量; 然而，它缺乏复杂地形的空间表征和高空间变化的强降水[Ciach，2003]。 因此，基于点源测量的空间内插QPE通常会成为问题[Zawadzki，1975]。 因此，基于规范的分析的准确性依赖于规范网络的密度和配置以及插值策略[Chen et al。，2008; Hofstra等，2008]。 最后，通过混合被动微波（PMW）和红外（IR）传感器产生的基于卫星的降水产品能够以较低的分辨率检测降水的空间模式和时间变化，这在较差的地区尤其有用。 然而，基于卫星的遥感是降水的间接估计，固有地包含区域和季节性系统偏差和随机误差[Ebert等，2007; Shen等，2010a; Tian等人，2010; Xu等人，2010; Yong等人，2010]。 这些误差可以通过合并卫星产品与雨量计数据得到纠正[Xie et al。，2007; Huffman等，2007; Boushaki等，2009; Xie和Xiong，2011]，在全球范围内开发更高精度的QPE合成产品方面取得了重大进展[Huffman等，1997; Adler等人，2003; Xie和Arkin，1997; 谢等人，2003]。

卫星轨距组合QPE的原始月产品之一是经纬度为2.5°的分辨率[Huffman et al。，1997; Adler等，2003]。 利用卫星IR，PMW和探空观测资料[Huffman等，2001]，从全球降水气候学项目（GPCP）获得分辨率为1.0°的日降水量。 全球降水气候学

中心月降水量分析[Schneider et al。，2011]用于校准卫星估值，其权重与误差方差成反比，然后将校正后的卫星估值用作其降水产物[Huffman等，1997,2001; Adler等，2003]。 NOAA的气候降水中心（CPC）通过合并仪表和卫星估算，生成每月和每小时CPC降水合并分析（CMAP），分辨率为2.5°[Xie和Arkin，1997; 谢等人，2003]。 然而，GPCP和CMAP的时间（月度或五度）和空间（2.5°或1.0°）分辨率对于监测强降水的日变化和中尺度特征相对较粗[Dai et al。，2007]。

最近，具有较高时间和空间分辨率的多卫星IR和PMW观测已被用于降水估计。 这些估计的产品包括8 km分辨率的CPC Morphing（CMORPH）产品[Joyce et al。，2004]，使用人工神经网络的遥感信息的降水估计（PERSIANN）[Hsu et al。，1997,1999; Sorooshian等，2000]，空间分辨率为4 km的PERSIANN云分类系统[Hong et al。，2004]，与海军研究实验室的PMW-IR产品匹配的概率密度函数（PDF）[Turk等，2003]，热带降雨测量任务（TRMM 3B42）[Huffman等，2007]的规范调整PMW-IR合并分析和全球PMW合并气候研究合作研究所的高度合并降水估计，分辨率最佳插值来自卫星的微波降水[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，改进合并方案对于克服这些误差并提高卫星产品质量非常重要。 已经针对不同的气候区域开发了多种轨距卫星合并算法。 例如，在南美洲，已经提出了一种组合的加法和乘法偏差校正技术，用日常时间尺度观测值校准TRMM 3B42RT估值[Huffman等，2007] [Vila et al。，2009; Rozante等，2010]。 他们的结果显示，该产品比TRMM 3B42产品更精确，该产品使用TRMM组合仪器产品和月度仪表数据来纠正每小时3小时TRMM 3B42RT数据的偏差[Huffman et al。，2007]。 在美国，每日时间尺度上的贝叶斯逻辑被用来建立TRMM 3B42RT / CMORPH卫星降水估计值和CPC测量值分析之间的统计关系[Xie et al。，2007; Chen et al。，2008]，它可以在夏季减少70-100％的卫星偏差[Tian et al。，2010]。

最近，中国国家气象信息中心利用两步合并算法，结合了由Xie和Xiong [2011]每天以0.25°分辨率开发的PDF匹配方法和最优插值（OI），并将其称为原始PDF-OI（Orig_PDF-OI）在这项研究中。 它生成一个日常操作和0.25°分辨率的操作测量卫星合并降水产品。 但是，有些问题仍未得到解答。 每日0.25°合并算法是否适合以较高的时间（小时）和空间（0.1°）分辨率生成量表卫星产品？ 如何调整合并策略以生成高精度，高分辨率的降水产品？ 本文的其余部分安排如下。 我们在第2节中描述了规范降水分析和CMORPH卫星数据。第3节介绍了PDF-OI方法的评估和相关改进。分析了合并算法的广义交叉验证，并对合并降水产品进行了比较评估第4节。最后，总结和讨论在第5节。

2. 仪表和卫星数据

在这项研究中，我们使用2008-2010年温暖季节（5月至9月）期间在中国超过30,000个自动气象站（AWS）上的小时雨量数据（图1a）。 中国北方和西部的AWS雨量计在寒冷季节（从十月到四月）不运行。 从图1a可以看出，AWS的分布是不均匀的。 一般来说，超过50％的分辨率为0.1°的网格箱在中国东部至少有一个雨量计，而中国西部（90°E以西）500 km半径范围内通常没有台站。 每小时的雨量观测值都在质量控制下[Ren等，2010]。 质量控制数据使用基于气候学的OI插值算法插值到中国大陆空间分辨率为0.1°的规则网格点上[Xie et al。，2007; Shen等人，2010a，2010b]。 图1b显示了2009年7月2日23时Z的基于标尺的小时降水分析场的例子。最大降雨率超过35毫米/小时的强降雨带是

a

b

图1.（a）2009年7月2日23 Z分辨率为0.1°的雨量计分析场（表）的超过30,000次自动气象站（红点），（b）小时降水量（毫米/小时） （c）与图1b相同，但是原始的每小时CMORPH产品（Orig_CMPH）。 图1c中的两个三角形分别代表图9中东北和西北地区的中心位置。

显示中国南部接近25°N; 然而，在中国西部，AWS网络稀少的地方描绘了一些不切实际的降雨中心。

我们还使用全球CMORPH降水估计，时间间隔为30 min，水平分辨率为8 km，覆盖60°S和60°N之间的地区[Joyce et al。，2004]。 CMORPH降水被累计为小时率，并在纬度和经度上以0.1°的水平分辨率内插。 图1c给出了一个原始小时CMORPH数据的例子，其分辨率为0.1°（Orig_CMPH），时间为2009年7月2日23日。虽然CMORPH能够捕获降水的主要空间格局[Ebert et al。，2007; 谢等人，2007; Liang和Xie，2007; 田等人，2009; Shen et al。，2010a]系统比较表明，CMORPH资料大致低估了中国的小时降水量20％[Shen et al。，2010a]。

由于翻斗式雨量计仪器对中国的敏感性有限，所观测到的小于0.1毫米的小时降雨量设为零。 在插值过程中降雨分析小于0.1毫米时，该值也被设置为零。 在CMORPH每小时应用相同的舍入来确保本文中的可比性。 本文中的所有分析都仅适用于可用计量表的网格框以确保良好的统计显着性。 另一方面，由于中国尺度分布的异质性，本文得出的统计结果倾向于超过人口最多，多雨的东部地区。

3. 合并算法

在最初的PDF-OI方法中，第一步是通过将其PDF与规范降水分析的PDF匹配来纠正每小时CMORPH的偏差。 然后，通过OI方法[Gandin，1965]将偏差校正的CMORPH降水与规范分析合并。 该合并算法基于以下假设：基于量规的分析场对于具有量表的盒子是无偏的，并且卫星估计通常是有偏差的，但包含空间模式的有用信息。 要解决的一个问题是，PDF中数据对的匹配策略和OI中的误差估计是否受到测量仪和卫星降水数据的时间和空间分辨率的影响。 为了回答这个问题，检查这些决议对PDF-OI方法的影响是有用的。

图2.（a）2009年6月至8月每小时CMORPH小时偏差的时间序列（mm / h）[Yu et al。，2013]，（b）偏差（mm / h）和相对偏差（％） （c）与图2相同，但每小时初始CMORPH和基于仪表的降水产品的频率除外。

3.1. 偏见特征

每小时CMORPH估计的偏差在2009年6月至8月之间进行评估。如图2a所示，每小时CMORPH数据和仪表数据之间存在偏差，这些偏差从-0.3 mm / h变化到0.4 mm / h。 图2b显示了2008-2010年5月至9月偏差或相对偏差与降水强度之间的关系。 当规范降水量低于（高于）1.0 mm / h时，偏差和相对偏差为正值（负值），这表明在每小时CMORPH降水过高估计（低估）。 当估计降水强度超过20 mm / h时，估计值会随降水量增加而增加，几乎达到70％。 另外，我们计算了不同降水强度下的规范和CMORPH降水的PDF值。 一般来说，CMORPH降水会捕获测量数据的PDF结构（图2c）。 但是，当降水量le;1.0mm / h时，仪表和CMORPH数据之间的PDF差异约为1％。 例如，小时雨量降水中的无降水频率（89.3％）大于CMORPH数据中的降水频率（88.9％）。 日尺度和CMORPH降水资料的无雨事件频率分别为60.9％和47.6％[Yu et al。，2013]，表明小时雨量计和卫星资料中零降雨的PDF值较高。 因此，有必要减少CMORPH降水的系统偏差。

3.2. 随机错误特征

随机误差强烈地依赖于中国的时空分辨率和降水量[Shen et al。，2010a]，从现有的对美国的研究可以看出[Hong et al。，2006]。 因此，

(a)

(b)

图3.（a）基于标准降水分析的随机误差曲线，具有每小时0.1°和每日0.25°分辨率的真实降水量。 （b）与图3a相同，但对于经偏倚修正的CMORPH估计。 实线和虚线分别是每小时0.1°和每日0.25°分辨率的t线。

需要在OI处理的第一步中定义歪斜的卫星和仪表数据的随机误差结构。 CMORPH产品中的偏差按照3.3节中的策略进行修正，并且量规数据被认为是不合格的。 我们研究了基于规范的降水分析和偏差校正的CMORPH降水在24°-30°N和110°-118°E范围内的随机误差特征，每日0.25°和每小时0.1°分辨率。 这里的随机误差表示为相对均方根误差（RMSE）。 计量分析的随机误差是在至少有一个计量表可用的格子箱上计算的，其中箱内计量观测的算术平均值被用作“真实”值（图3a）。 在两种分辨率下，仪器分析的随机误差值不同，随着降水量的增加而迅速下降，然后分别维持小时，0.1°和日，0.25°分辨率的55％和25％的值。 同时，使用规范分析作为事实，我们获得了偏差校正的CMORPH估计的随机误差与规范降水量之间的关系（如图3b所示）。 虽然CMORPH和规范数据的随机误差表现出类似的变化并随着降水量的减少而降低，但对于两种分辨率而言，CMORPH降水的随机误差都大于规范数据的随机误差。 例如，每小时0.1°分辨率的量表和卫星数据的最大随机误差分别为120％和400％。 另一方面，每日0.25°分辨率的卫星随机误差大于（小于）小时，0.1°分辨率时的降水量小于（大于）20mm。 当降水量小于1毫米时，最大卫星随机误差分别为日平均值和小时分辨率的600％和400％。 随机误差随着降水量的减少而降低，分别降至小时和日分辨率的70％和50％。 当我们应用原始的PDF-OI方法来生成

小时卫星合并降水，水平分辨率为0.1°，中国降水明显低估（见第4部分）。 为了生成具有更高时空分辨率的量表卫星合并产品，需要调整匹配PDF中的对和OI中的误差参数的策略

Orig_CMPH

Crtd_CMPH

lt;

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21607]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章