地理科学进展  2016 , 35 (3): 339-348 https://doi.org/10.18306/dlkxjz.2016.03.008

研究论文

雅鲁藏布江流域不同源降水数据质量对比研究

黄浠12, 王中根1*, 桑燕芳1, 杨默远12, 刘晓聪12, 巩同梁3

1. 中国科学院地理科学与资源研究所,陆地水循环及地表过程重点实验室,北京 100101
2. 中国科学院大学,北京 100049
3. 西藏自治区水利厅,拉萨 850000

Precision of data in three precipitation datasets of the Yarlung Zangbo River Basin

HUANG Xi12, WANG Zhonggen1*, SANG Yanfang1, YANG Moyuan12, LIU Xiaocong12, GONG Tongliang3

1. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
3. Water Resources Department of Tibet Autonomous Region, Lhasa 850000, China

通讯作者:  王中根(1973-),男,河南潢川人,研究员,博士,从事流域水文模拟及水资源管理工作, E-mail: wangzg@igsnrr.ac.cn

收稿日期: 2015-07-25

接受日期:  2015-11-25

网络出版日期:  2016-03-25

版权声明:  2016 地理科学进展 《地理科学进展》杂志 版权所有

基金资助:  国家自然科学基金重点项目(41330529)中国科学院战略性先导科技专项(XDB03030202)西藏自治区水资源承载力研究项目

作者简介:

作者简介:黄浠(1991-),女,湖南岳阳人,硕士研究生,主要从事水文水资源研究,E-mail: huangx.13s@igsnrr.ac.cn

展开

摘要

本文以雅鲁藏布江流域为研究区,利用13个气象站点的实测降水量数据在年和月尺度上验证了中国地面降水网格数据、CRU(Climatic Research Unit)降水数据和GLDAS(Global Land Data Assimilation System)降水数据的精度,并分析了不同源数据降水量年际变化特征和概率分布特性之间的差异。结果表明:4种不同来源的降水数据均存在一定程度的差异。年尺度和月尺度上中国地面降水网格数据与实测降水量数值最接近;而CRU降水数据和GLDAS降水数据与实测降水量相差较大,在使用时需谨慎。从空间差异性看,年尺度上CRU降水数据在每个站点与实测降水数据的相关性均高于GLDAS降水数据,说明前者的空间一致性较好,但相对误差却比GLDAS降水数据大。从年内变化趋势看,中国地面降水网格数据能较好地反映流域降水月尺度的变化特征,CRU降水数据则在流域大部分地区的汛期时段都存在明显的高估,而GLDAS数据无法反映月降水变化趋势,年内坦化现象十分显著。从年际变化特征看,中国地面降水网格数据能较好地反映实际降水量的年际变化特征,而GLDAS降水数据和CRU降水数据反映的降水量年际变化特征偏小,其中GLDAS数据的坦化现象更严重,会高估低降水值,低估高降水值。从降水概率分布情况来看,3种来源的降水数据均不能反映站点实测的极端降水事件。

关键词: 雅鲁藏布江 ; 降水 ; 数据挖掘 ; 时空变化 ; 概率分布

Abstract

The Yarlung Zangbo River is a transboundary river with rich hydropower resources. Reliable precipitation data are important for water resource development planning of the region. Due to the high elevation, complex topography, and severe climate, especially in the western part of the basin, however, rainfall stations are sparse. Precipitation estimation from satellite data or assimilation provides potential alternatives for precipitation measurements in regions where conventional precipitation gauges are not readily available. In this study, the performance of the gridded Chinese ground precipitation dataset, the Climatic Research Unit (CRU) precipitation dataset, and the precipitation data of the Global Land Data Assimilation System (GLDAS) in 1973-2013 were evaluated for the Yarlung Zangbo River Basin using observations from 13 meteorological stations. The results show that the four precipitation datasets significantly differ. The annual gridded Chinese ground precipitation dataset is the closest to the observed data while CRU and GLDAS precipitation datasets should be calibrated before use due to their limited precision. The CRU precipitation data show strong correlation with the observed precipitation, which indicates that there is a relatively high consistency between the CRU precipitation dataset and observed precipitation although its mean relative error is large. Monthly data analysis shows that the gridded Chinese ground precipitation dataset can reflect the variation characteristics while the CRU precipitation dataset tends to overestimate in flood season. Different from these two datasets, the GLDAS precipitation dataset presents obvious smoothing effect during the year. Annual variation of precipitation in the gridded Chinese ground precipitation dataset is closer to that of the observed precipitation while the coefficients of variation of precipitation in the other two datasets are much smaller. The GLDAS dataset overestimates precipitation in drier areas and underestimate precipitation in areas where annual precipitation is high. All the three precipitation datasets are unable to reflect the extreme precipitation events according to the probability distribution. The probability distribution of the GLDAS dataset concentrates in the range of 300~500 mm while the probability distribution of CRU precipitation ranges from 200~500 mm, higher than the observed precipitation.

Keywords: Yarlung Zangbo River ; precipitation ; data mining ; spatiotemporal variation ; probability distribution

0

PDF (705KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

黄浠, 王中根, 桑燕芳, 杨默远, 刘晓聪, 巩同梁. 雅鲁藏布江流域不同源降水数据质量对比研究[J]. , 2016, 35(3): 339-348 https://doi.org/10.18306/dlkxjz.2016.03.008

HUANG Xi, WANG Zhonggen, SANG Yanfang, YANG Moyuan, LIU Xiaocong, GONG Tongliang. Precision of data in three precipitation datasets of the Yarlung Zangbo River Basin[J]. 地理科学进展, 2016, 35(3): 339-348 https://doi.org/10.18306/dlkxjz.2016.03.008

1 引言

雅鲁藏布江位于青藏高原东南部,是世界上最长的高原河流,也是国际典型PUB(Prediction in Ungauged Basins)问题研究区(刘苏峡等, 2010)。该流域水资源总量十分丰富,仅次于长江和珠江,居全国第三位,但流域内降水时空变异性大,水资源分布不均,开发利用率很低,不能完全适应西藏自治区经济社会可持续发展的需求。揭示和认识雅鲁藏布江流域降水的时空变化特性,是了解高原流域独特的水循环过程、开展水文模拟预报以及水资源合理开发利用等一系列问题的重要基础。然而受复杂气候条件和高寒地理环境条件的综合影响,雅鲁藏布江流域水循环过程呈现出明显的空间分异性,导致降水变化及水循环特性研究十分困难。

目前,该流域及其周边的国家气象站仅有10多个,水文气象基础观测数据(尤其是降水观测数据)十分缺乏,无法满足实际研究需要。许多学者尝试利用卫星遥感反演生成降水数据(骆三等, 2011),或者进行数据融合与同化(胡庆芳, 2013)等手段获取更加丰富的降水数据,并对其质量和实用性进行评估,以弥补实测数据量的不足。在青藏高原地区,也有类似研究,如Wang等(2012)通过比较青藏高原63个气象站点的实测资料与MERRA、NCEP/NCAR-1、CFSR、ERA-40、ERA-Interim及GLDAS等6种再分析资料,发现GLDAS的降水数据与观测数据最接近;Wang等(2015)依据站点融合降水数据比较了2007-2010年拉萨河流域4种基于卫星反演的降水数据(CMORPH实时降水数据、CMOPRH站点校正数据、TMPA实时降水数据和TMPA站点校正数据)质量,结果表明:CMOPRH两套数据的误差均小于对应的TMPA降水数据,而经过校正的两套数据误差都比二者的实时降水数据误差小。然而,对于不同来源的降水数据在地形复杂的青藏高原腹地,尤其是雅鲁藏布江流域的适用性研究却十分不足,因此,本文将针对此问题作进一步分析验证。

本文主要选择目前广泛应用的4个来源降水数据资料——常规气象观测站点降水数据、国家气象局发布的中国地面降水网格数据、英国CRU(Climatic Research Unit)降水数据和美国GLDAS(Global Land Data Assimilation System)降水数据,开展雅鲁藏布江流域不同源降水数据质量的比较研究。以常规国家气象站点降水数据为基准,选择合适的指标,通过分析其他来源降水数据的时空特性评估其数据质量,为雅鲁藏布江流域水循环基础研究和水资源管理提供科学依据。

2 数据与方法

2.1 研究区概况

雅鲁藏布江是世界上海拔最高的国际河流,在中国境内全长2057 km,流域面积24.2万km2,多年平均径流量1661亿m3(全国第二次水资源调查评价结果) (刘昌明, 2014);受印度洋季风和西风环流带,以及高原地理环境的影响,雅鲁藏布江流域降水时空分布特性十分复杂,降水量空间分布极不均匀,年降水量自藏东南最高5000 mm以上,逐渐向西北减少,到仲巴县河源区则低于300 mm。除支流拉萨河流域降水量自下游往上游递增外,其他河流的降水分布规律大都表现为自下游往上游递减(巩同梁等, 2006)。受地形影响,相邻地区的降水量也可能有很大差异,如相隔仅80 km的江孜和日喀则地区年降水量相差高达40%。此外,降水量的垂直分布规律也十分明显,从非冰川区过渡到冰川区年降水量随高程增加的递增率为10~30 mm/100 m(巩同梁, 2006)。

2.2 数据来源

在考虑站点资料长度和完整性的基础上,选取国家气象局公开发布的常规气象观测站点降水数据和中国地面降水网格数据,以及国外广泛应用的英国CRU降水数据和美国GLDAS降水数据开展研究。4种降水数据源均出自国内外权威机构,且具有1973-2013年完整的系列长度。各数据源基本信息介绍如下:

(1) 中国国家常规气象站数据。取自中国气象科学数据共享服务网的日降水观测数据,雅鲁藏布江流域及其周边共有13个气象站点(图1)。本文将该降水数据作为评估分析其他降水数据质量的基准。

图1   雅鲁藏布江流域地理位置及气象站点分布图

Fig.1   Location of rainfall stations in the Yarlung Zangbo River Basin

(2) 中国地面降水网格数据。基于中国2472个国家级地面气象站基本气象要素资料,采用TPS(Thin Plate Spline)薄盘样条法,并尽可能地消除起伏地形对降水空间插值精度的影响,通过专项整编最新生成的中国地面水平分辨率0.5°×0.5°的日降水、气温格点数据(赵煜飞等, 2015),研究区范围内共有91个格点(图1)。

(3) 英国CRU降水数据。由英国East Anglia大学通过整合全球若干个知名数据库,重建了一套覆盖完整、高分辨率、且无中断的地表气候要素数据集,包括降水、气温等数据(闻新宇等, 2006)。本文获取的是空间分辨率为0.5°×0.5°的月降水数据。

(4) 美国GLDAS降水数据。GLDAS是由美国哥达德空间飞行中心(GSFC)和美国国家环境预报中心(NCEP)联合发展的一个全球高分辨率的陆面模拟系统(Wang et al, 2011)。基于多源观测数据、再分析资料和大气同化产品,形成GLDAS的气象要素数据。其中,GLDAS降水数据来源于卫星遥感观测降水数据以及NOAA气候预报中心的业务化融合分析降水资料CMAP(王婉昭等, 2013)。本文获取的是空间分辨率为0.5°×0.5°的月降水数据。

2.3 分析方法

为对比研究不同来源降水数据的过程相似性,以及时程变化特征及空间差异性,选择下述分析方法和评估指标开展研究,将上述4类降水数据统一到月尺度和年尺度进行分析。4类降水数据中,中国地面降水网格数据、英国CRU降水数据和美国GLDAS降水数据是基于不同源数据处理生成的降水数据产品,为分析这些数据产品的质量,选择实测的气象观测站点降水数据为参照,可避免降水数据产品之间横向比较带来的不确定性。

(1) 插值方法。为获得CRU降水数据、GLDAS降水数据和降水网格数据在气象站点所处位置的数值,需要对其中的网格站点降水数据进行插值处理。这是因为CRU降水数据与GLDAS降水数据是网格化数据,气象站点坐标所在网格单元的降水量值即为所求,而降水网格站点数据为呈网格状的站点数据,需采用反距离加权IDW(Inverse Distance Weighted)法进行插值从而获得气象站点所处位置的降水量。该方法基本思路:假设任意点(x,y)的值与它周围n个参证点的值成正比,与该点到参证点的距离成反比。待估点 (x,y)的值 P*(x,y)可以表示为:

P*(x,y)=i=1na(t)iPi(t)(1)

ai(t)=1/Dibi=1n(1/Dib)(2)

式中: Pi(t)为第i个参证站的观测值; ai(t)为第i个参证站的权重;Di为待估点(x, y)到第i个参证站的距离;n=4为计算待估点用到的参证站的个数;b为权重指数,常取2。

(2) 误差分析。以气象站实测降水数据为基准,对比分析降水网格数据、CRU降水数据、GLDAS降水数据,主要采用相关系数(r),相对误差(MRE)和纳西效率系数(NSE)等评估指标,具体公式如下:

r=i=1nxi-x¯yi-y¯i=1nxi-x¯2i=1nyi-y¯2(3)

MRE=1ni=1nyi-xixi(4)

NSE=1-i=1nxi-yi2i=1nxi-x¯2(5)

式中:xiyi分别表示长度为n的两个降水序列,其中xi为国家气象站点实测降水数据, x¯y¯分别表示两个降水序列的均值。r的取值范围为[0,1],其值越接近1表明数据一致性越好(吕洋等, 2013);MRE反映的是两种数据在数值上的偏离程度,其值越接近0则数值越精确;NSE反映的是两个系列的相似程度,其值越接近1表明数值越接近气象站点降水观测值。

(3) 年际变化分析。为分析各个来源降水数据的年际变化特征,比较不同来源降水数据的变差系数 Cv,其计算公式如下:

Cv=σx¯=1x¯1n-1xi-x¯2(6)

式中: σ为样本标准差;其余符号同上。

Cv的大小反映了降水量的年际变化, Cv越大,说明年降水量波动越大; Cv越小,说明年降水量的年际变化很小,逐年降水量之间差异不大(马淑红等, 1991)。

(4) 概率分布。通过绘制降水量累积频率曲线,比较不同来源降水数据降水量的频率分布情况。分布函数公式如下:

G(x)=1-F(x)=1-P(Xx)(7)

式中:Xx为降水事件; G(x)F(x)分别为XxXx的概率;事件 x1Xx2的概率为 G(x2)-G(x1)

3 结果与分析

3.1 相关性分析

以雅鲁藏布江流域内地面气象站的实测年降水量(1973-2013年)为基准,分别与对应的降水网格数据、CRU降水数据和GLDAS降水数据进行相关性分析。考虑到卫星数据在1998年前精度不高,此处将数据分为1973-1998年和1999-2013年两段进行对比分析。结果表明(图2),中国地面降水网格数据在两个时间段相关系数差别不大,分别为0.51和0.48,而全时段与气象站实测降水量数据的相关性达0.79。CRU降水数据的相关性从1998年之前的0.12提高到1998年之后的0.24。GLDAS降水数据相关系数也有了明显提高,从0.25提高到0.35。为进一步对比分析,对各单站点进行分析验证。

图2   3种降水数据与气象站点实测降水量散点图

Fig.2   Scatter diagram of precipitation data obtained from three sources in relation to observations at the 13 meteorological stations

3.2 单站月过程分析

对于流域上游的拉孜站及周边的普兰站和定日站,CRU降水数据能够反映年内变化趋势,但存在明显高估的现象,误差极大,尤其在汛期6-9月份。GLDAS降水数据坦化现象明显,无法反映降水的月变化过程。流域内拉孜站的网格降水数据几乎与气象站实测数据重合,较准确地反映了降水的年内变化过程,但在降水量少的非汛期偏差较大,导致月平均相对误差较大。对于流域外的普兰站和定日站,网格站点降水数据也能很好反映峰值和月变化趋势,但误差较大,纳西效率系数也较低,这是由于流域内外显著的地理环境差异所致。

网格点月降水数据的效果(表1)在流域中游日喀则、拉萨、当雄、泽当和江孜站效果较好,能反映降水年内不同月份的趋势变化和峰值;汛期(6-9月)在日喀则、拉萨和江孜站略偏大,但非汛期相对误差较为显著,其中日喀则站12月的相对误差高达1685.5%,其他几个站也有类似的现象,导致月平均相对误差极大。CRU降水数据(表2)仍然表现出明显高估的现象,5-10月该现象尤为明显。GLDAS降水数据(表3)仍然坦化严重,无法反映降水年内趋势变化和峰值,除流域外隆子站,其余中游各站点汛期降水量都明显偏小,非汛期降水量则明显偏大。流域外隆子站地理环境比较独特,3种不同来源的降水数据均不能反映隆子站降水月尺度特性。

表1   网格站点降水数据与实测站点降水数据月过程比较

Tab.1   Difference of monthly precipitation between gridded Chinese ground precipitation dataset and observed precipitation at the 13 meteorological stations

台站相关系数纳西效
率系数
绝对误差/mm
1月2月3月4月5月6月7月8月9月10月11月12月
普兰0.980.253.016.6111.9319.4631.7866.1863.8557.8048.3824.546.752.30
定日0.990.662.634.1210.136.872.181.120.480.410.853.294.322.19
拉孜1.000.993.662.794.321.890.150.120.050.060.070.180.993.37
日喀则1.000.970.804.074.241.700.050.170.160.140.100.511.6416.88
江孜1.000.851.372.041.561.040.420.250.300.360.381.431.900.99
尼木1.000.971.252.731.370.700.110.000.150.160.140.293.101.04
拉萨1.000.960.170.100.360.260.180.230.140.130.150.150.700.44
当雄1.000.990.210.090.120.060.010.100.080.030.100.070.020.26
泽当0.990.976.364.521.770.880.320.270.020.030.030.952.278.86
嘉黎1.000.990.270.350.310.240.070.040.080.110.060.240.420.37
隆子0.68-2.660.300.190.252.433.376.394.363.534.473.691.170.07
林芝0.990.990.750.700.080.050.060.060.010.020.180.130.301.41
波密0.700.540.320.640.750.650.490.340.220.460.290.580.440.32

注:绝对误差为网格站点数据减去实测站点降水数据。

新窗口打开

表2   CRU降水数据与实测站点降水数据月过程比较

Tab.2   Difference of monthly precipitation between CRU precipitation dataset and observed precipitation at the 13 meteorological stations

台站相关系数纳西效率
系数
绝对误差/mm
1月2月3月4月5月6月7月8月9月10月11月12月
普兰0.910.3126.4745.3742.0340.8728.4216.368.8828.8015.5311.1514.1016.00
定日0.94-1.8313.2821.9630.8942.2150.00130.58130.8397.7282.4431.0115.1713.53
拉孜0.98-1.288.7217.2924.8535.5240.86107.78137.37101.9473.0423.5810.199.43
日喀则0.98-0.203.6910.0512.4527.6735.6298.14123.9581.2463.1917.003.203.24
江孜0.97-5.043.306.7312.5341.0351.53154.55184.25136.1884.2528.654.500.91
尼木0.98-1.610.191.435.7627.4729.79110.42140.2690.1754.4712.882.410.55
拉萨0.980.600.120.203.3218.4610.9556.6372.4229.5322.753.620.470.65
当雄0.990.882.181.240.256.055.3928.7939.9021.725.097.360.902.91
泽当0.97-0.200.590.220.4024.0723.5893.7697.3557.8832.506.441.230.02
嘉黎0.970.816.7410.2514.8018.2851.6545.9920.3024.5540.2418.495.824.29
隆子0.58-15.598.288.767.4750.2560.22187.36224.45164.71101.4131.613.223.83
林芝0.970.940.340.877.7711.2920.135.8130.1012.9922.2012.420.370.66
波密0.730.562.0220.7169.7570.3644.6310.3652.7843.9116.2447.5610.942.60

注:绝对误差为CRU降水数据减去实测站点降水数据。

新窗口打开

表3   GLDAS降水数据与实测站点降水数据月过程比较

Tab.3   Difference of monthly precipitation between GLDAS precipitation dataset and observed precipitation at the 13 meteorological stations

台站相关系数纳西效率
系数
绝对误差/mm
1月2月3月4月5月6月7月8月9月10月11月12月
普兰0.850.6013.4418.0626.5328.9019.903.3037.1127.963.5520.6311.469.58
定日0.800.4416.7116.4327.0929.4423.0119.4348.3560.5720.9334.8321.9413.71
拉孜0.870.6213.4112.4016.5320.4116.511.6049.6752.5618.7036.4515.9510.34
日喀则0.890.656.059.5210.5018.0310.953.4165.4966.909.7038.9214.256.29
江孜0.870.734.575.187.6919.6317.2110.3926.2424.9113.6136.3116.236.61
尼木0.930.842.733.022.689.729.540.4223.6723.6612.3133.7213.173.98
拉萨0.920.751.200.320.618.202.9219.5451.0546.432.5533.0612.753.29
当雄0.960.691.491.523.585.6616.5637.9755.8946.3021.8715.675.360.18
泽当0.930.811.790.761.695.108.351.5237.7632.731.4330.7812.834.41
嘉黎0.940.395.4110.3018.1228.5960.1492.3078.3965.1958.266.141.841.59
隆子0.41-0.206.7512.7315.3811.5426.5044.1243.2038.2740.3632.5014.001.57
林芝0.970.612.081.2610.7821.0327.7561.7662.7048.0457.314.8213.986.94
波密0.740.498.0311.3364.5878.0344.1170.7624.412.9053.7843.5211.8412.25

注:绝对误差为GLDAS降水数据减去实测站点降水数据。

新窗口打开

流域下游的嘉黎站网格站点降水数据质量良好,仅7、8月降水量略高于实测降水量。CRU降水数据汛期一致性较差且整体偏小。林芝站网格降水数据与实测值的一致性和纳西效率系数都非常好,但不同月份间降水波动比实际小。CRU降水数据在林芝站汛期明显高估,但非汛期效果较好,整体月平均相对误差小于网格站点降水数据。由于波密站地处藏东南海拔较低处,地形起伏较大,不同来源的数据均不能很好地反映该地降水量的年内变化,特别是8月份的低值无法反映。3种来源降水数据在该地的误差都很大。

GLDAS降水数据在流域下游的三站都呈现出明显的坦化,说明GLDAS降水数据的坦化现象与地理位置无关,是数据本身的特点。

总体来说,网格站点降水数据能较好地反映流域降水月尺度的变化特征,CRU降水数据在流域大部分地区的汛期时段都存在明显的高估,而GLDAS数据则无法反映月降水变化趋势,年内坦化现象十分显著。

3.3 单站年过程分析

雅鲁藏布江流域内和流域周边13个地面气象站1971-2013年年降水量与其他3种数据年降水量的对比结果如表4

表4   3种降水数据与气象站实测降水数据对比

Tab.4   Difference between precipitation obtained from three different precipitation datasets and observed precipitation at the 13 meteorological stations

台站网格降水数据CRU降水数据GLDAS降水数据
相对误差/%相关系数纳西效率系数相对误差/%相关系数纳西效率系数相对误差/%相关系数纳西效率系数
普兰356.64-0.33-82.77303.750.39-67.75162.400.18-16.58
泽当25.070.800.0989.470.83-11.5019.640.440.18
波密-33.270.28-5.26-22.250.58-1.94-39.330.14-7.51
林芝-6.670.860.61-7.070.870.70-38.140.24-5.97
隆子106.810.54-18.21240.680.71-120.9338.410.13-2.18
定日78.030.84-6.02237.360.72-69.1054.24-0.05-2.58
嘉黎11.140.920.10-35.850.80-7.82-57.550.23-22.04
拉孜14.50.800.63192.830.46-39.8038.47-0.16-0.68
日喀则-14.380.700.32117.190.79-20.1921.950.06-0.10
江孜41.910.73-1.94255.850.75-109.3239.270.24-1.62
尼木24.160.46-0.32143.100.64-37.1126.760.24-0.37
拉萨-14.080.840.2750.050.96-4.4419.790.36-0.24
当雄-7.880.930.7217.320.830.13-33.430.34-2.94

新窗口打开

3类数据中,网格站点的降水数据整体上能较好地反映实测降水量随时间的变化,但存在一定误差,无法准确代表实测降水量。13个气象站中,普兰站、嘉黎站、泽当站、尼木站、江孜站、拉孜站、隆子站、定日站网格数据比实测数据偏大,日喀则站、拉萨站、当雄站、林芝站、波密站的数据比实测数据偏小,相对误差的正负偏差在空间上未表现出明显的规律性。所有站点中,网格站点降水数据在波密站和普兰站质量最差,其中波密站的相对误差大,相关系数小,纳西效率系数低,可靠性差,可能与波密处在雅鲁藏布江的下游地区,海拔相对较低,且附近地形起伏剧烈有关,因此在插值过程中出现较大偏差;而普兰站是所有站点中唯一处于流域边界之外且属于印度河上游与雅鲁藏布江上游水文区的,由于地势高寒,印度洋水汽难以到达,与流域内其他地区气候差别显著,导致该站相关系数最小,为负值,相对误差最大,纳西效率系数最低。当雄站、嘉黎站的降水网格数据与实测降水量的相关系数高达0.93和0.92,说明数据的一致性最好。当雄站、林芝站和拉孜站的纳西效率系数都在0.6以上,说明降水网格数据与实测降水量的相似性好。林芝站和当雄站的相对误差最小,均在10%以内,说明这两个站点的网格降水数据与实测数据最接近。

CRU数据资料源中不包含卫星观测资料,不使用模式同化,仅仅是整合了国际上比较具有代表性的数据集,主要包括Jones(Jones, 1994; Jones et al, 2003)、Hulme(Hulme, 1992)、GHCNv2(Peterson et al, 1998)和New(New et al, 2000)数据集等,用数学方法进行插值。由于西藏地区的台站明显偏少,这些数据集借用了测站密集的中亚和南亚各国,如毗邻的印度和哈萨克斯坦的观测资料,虽然在一定程度上提高了插值的准确性,却忽视了喜马拉雅山的巨大屏障作用,导致其结果与实际观测结果出现了较大偏差。13个站点中,林芝站CRU降水数据与实测降水量的相关系数很高,误差较小,是由于林芝站地处雅鲁藏布江下游,海拔相对较低,地形相对平缓,插值的精度较大。而位于雅鲁藏布江上游的拉孜站和上游以上的普兰站,误差很大,相关系数也仅为0.46和0.39,说明了海拔较高地区的结果出现了很大的偏差。拉萨站的相关系数高达0.96,说明该站数据一致性很高,但相对误差高达50.05%,纳西效率系数也为负值,说明在数值上与实测降水量存在一定程度的偏差。普兰站、隆子站、定日站、拉孜站、日喀则站、江孜站、尼木站的平均相对误差都超过100%,偏差很大;而隆子站、定日站、日喀则站、江孜站的相关系数都达0.7以上,相关系数较好,说明这些站点的CRU数据结果与实测降水量的一致性较好,插值结果能在一定程度上较好地反映实际降水量的变化趋势,这些站点的数据可以通过整体校正系统误差后使用。

GLDAS数据资料的来源比较广泛,它融合了地面观测资料和遥感反演的卫星观测资料(王玉娟等, 2013)。本文通过比较GLDAS降水数据与雅鲁藏布江流域内和周边的13个站点实际观测资料发现,GLDAS降水数据整体相关系数较低,说明数据的一致性较差;相关系数最高的泽当站,也仅为0.44,说明GLDAS降水数据不能很好地反映降水量的变化趋势。整体上GLDAS降水数据的相对误差比CRU降水数据小,这说明该数据集整体上数值的波动幅度较小。波密站、林芝站、嘉黎站存在明显低估的情况,这三站都处于雅鲁藏布江的下游地区,年降水量相比其他站来说较大,说明GLDAS降水数据对于年降水量偏丰地区存在明显的低估现象,尤其是对有可能出现极端大降水事件的地区。位于雅鲁藏布江南岸的江孜站、普兰站、隆子站、定日站的值比实际观测值大,尤其是对于年降水量很小的普兰站,存在很明显的高估现象;日喀则站、泽当站、拉萨站的数值在观测值平均值附近小幅度波动,能在一定程度上反映实际多年平均的年降水量。总体来说,GLDAS降水数据坦化现象严重,不能反映实测降水量的变化趋势,但是,对于年降水量在400 mm左右的站点,其数值可反映多年平均降水状况。

3.4 单站降水量年际变化

表5为4种不同来源降水数据的变差系数。从表5中不难发现,GLDAS降水数据的年际变化最小(0.06≤Cv≤0.14),其次是CRU降水数据,而网格站点数据和国家气象站点数据较为接近。其中4种降水数据年际变化最小的站点均为嘉黎站,反映了嘉黎站年降水量变化很小的特点。实测降水资料显示,普兰站年降水量的变化最大(Cv=0.34),这一特点在其他降水数据中也得到体现。总体来说,GLDAS反映的降水量年际变化特性与实测降水量存在一定差异性,每个站点都偏小,这也再次验证了GLDAS数据存在坦化特征。CRU数据反映的降水量年际变化特征趋势与实测数据基本相符,但整体也呈现偏小的现象。网格站点数据反映的降水量年际变化特点与实测数据最接近。

表5   不同降水数据变差系数、极大值、极小值和均值比较

Tab.5   Coefficient of variation, maximum, minimum, and average values of precipitation in the four precipitation datasets

台站国家气象站点数据网格站点降水数据
极大值极小值均值变差系数极大值极小值均值变差系数
普兰294.8068.20156.970.34808.10429.20629.860.14
定日474.30104.90294.320.28759.43303.20502.710.18
拉孜587.80122.90341.170.28488.93175.08353.200.28
日喀则665.20210.40427.550.25497.80218.90384.800.25
江孜498.00131.20287.970.24516.85225.75395.590.24
尼木534.90210.10345.460.23566.30254.63399.310.23
当雄706.30327.70475.060.21648.05323.25444.830.21
拉萨613.80229.60439.130.22507.68240.53379.260.22
泽当623.80204.30391.010.26571.93325.75462.180.26
隆子425.60121.00287.260.21737.48431.63570.910.12
嘉黎957.80586.20727.320.13995.00658.80804.920.13
林芝985.00509.60687.670.16813.02491.38651.530.16
波密1152.60536.20890.600.15968.00422.05597.370.15
台站名CRU降水数据GLDAS降水数据
极大值极小值均值变差系数极大值极小值均值变差系数
普兰853.10341.40581.250.23453.06273.59370.930.13
定日1662.80484.60953.950.21544.73313.83408.900.14
拉孜1417.70599.40931.710.17482.16326.62401.260.09
日喀则1184.30477.80907.000.19485.09315.53415.960.09
江孜1571.10586.20996.360.19473.26277.47374.250.10
尼木1228.50488.40820.160.19501.50247.15389.430.12
当雄780.00390.50546.690.18344.33251.30305.430.07
拉萨884.80377.00655.380.21483.09318.66381.900.08
泽当1162.20428.20727.770.22446.89295.43385.810.08
隆子1255.70557.70951.870.14471.89316.17374.160.09
嘉黎604.80356.50465.920.14351.96272.83304.730.06
林芝880.20440.90662.530.14482.92382.03415.220.06
波密929.40497.50692.110.14693.59463.72529.290.10

新窗口打开

此外,从表5中还可以看出,网格站点的降水数据极大值和极小值除流域边界外侧三站外,都与实测值比较接近;日喀则、当雄、拉萨、林芝、波密站的均值偏小,其余站点均偏大。CRU降水数据的极大值、极小值和均值在隆子站及其上游站均偏大,隆子下游站点均偏小;而GLDAS降水数据的极大值除流域外三站偏大之外,其余站点的值都偏小;极小值在当雄、隆子、嘉黎、林芝、波密站偏大,其余站点偏小;普兰、定日、拉孜、酱紫、尼木和隆子站点的均值比实测均值偏大,其余站点偏小。

3.5 整体概率分布分析

对所有13个站点1973-2013年年降水量进行统计,绘制降水量累积频率曲线(图3)。从图3可以看出,与实测降水数据相比,CRU数据的年降水量明显偏大,年降水量在400 mm以下的概率几乎为0,年降水量在400~1000 mm中的概率与降水量呈较显著的线性相关。而GLDAS数据的统计结果显示,大约90%的降水量为300~500 mm,几乎不存在小于300 mm或者大于500 mm的年降水事件;网格站点的曲线与实测降水量曲线在年降水量为500 mm处相交,之后几乎重合,说明这两种来源的数据在年降水量≥500 mm的概率分布是一致的;而在200 mm<年降水量<500 mm时,网格站点的曲线在实测降水量曲线之上,说明如果发生相同的降水事件,网格站点的概率高于实际可能发生的概率。然而与实测降水量相比,另外3种来源的数据都显示不存在降水量小于200 mm的事件,说明三者均不能反映实际可能发生的极端少降水事件。

图3   4种降水数据降水量累积频率曲线

Fig.3   Cumulative frequency curves of precipitation in the four precipitation datasets

4 结论

本文主要利用雅鲁藏布江流域实测站点的降水数据,通过比较相关系数、相对误差、纳西效率系数、变差系数和累积频率分布,对网格站点降水数据、GLDAS降水数据、CRU降水数据的质量进行了分析评价。总体上,3种不同来源降水数据的质量与站点实测数据都存在不同程度的差异,若直接使用这些降水数据在雅鲁藏布江开展流域水循环模拟和水循环要素变化规律研究,需进一步进行修正和调整,主要结论如下:

(1) 网格站点降水数据精度高于GLDAS降水数据和CRU降水数据。在年尺度上,除波密站和普兰站相关系数仅为0.28和-0.33外,其余站点的相关系数都基本达0.7以上。月尺度数据也能很好地反映降水的年内变化趋势,其原因主要在于网格站点降水数据和常规气象站点观测数据本质上同源。

(2) CRU降水数据整体的相关性要优于GLDAS降水数据,说明CRU降水数据与实测数据年、月尺度的一致性均较好,且能比较准确地反映降水的峰值和变化趋势。但CRU降水数据整体误差很大,尤其是在降水量较为充足的汛期呈现严重偏高的现象,需要通过误差校正后才能使用。

(3) GLDAS降水数据坦化现象明显。在年、月尺度的时程分布上均不能反映降水量趋势变化和极端降水事件,只能反映多年平均降水状况;在空间分布上会低估高降水值,高估低降水值。

(4) 3种来源的降水数据都不能反映极端降水事件。GLDAS降水数据的降水量集中在300~500 mm,CRU降水数据的降水量与概率呈现较显著的相关关系,网格站点降水数据与实测降水量的概率分布在>500 mm时基本一致,但会高估200~500 mm时降水事件发生的概率。

The authors have declared that no competing interests exist.


参考文献

[1] 巩同梁. 2006.

雅鲁藏布江流域水循环演变机理与水资源利用战略研究

[D]. 北京: 北京师范大学.

[本文引用: 1]     

[Gong T L.2006.

Mechanism of hydrological cycle and water resources management tragedy in the Yarlung Tsangpo River Basin

[D]. Beijing, China: Beijing Normal University.]

[本文引用: 1]     

[2] 巩同梁, 刘昌明, 刘景时. 2006.

拉萨河冬季径流对气候变暖和冻土退化的响应

[J]. 地理学报, 61(5): 519-526.

Magsci      摘要

<p>20世纪90年代以来,拉萨河流域的气温经历了10年升高0.54 <sup>o</sup>C的气候变暖,这期间以秋冬季升温为主。在近40年 (1963~2004年) 气候和28年 (1976~2004年) 月径流数据的基础上,研究了具有多年冻土的高海拔拉萨河流域的冻土和水文响应。结果表明,冬季径流对11~2月气温升高具有显著响应,在12~2月份增加了16%,其中2月份增加22%。水热相关分析表明,10~11月地表温度升高0.8~0.9 <sup>o</sup>C导致冬季河流水量增多,介于0.9~1.5m深度的季节冻土深度和温度变化导致了径流量变化的响应。20世纪90年代的气候变暖使得多年冻土区的季节冻土深度萎缩了大约14cm,冻土区的冬季径流水文响应比气温更快、更显著。但冻土积雪观测的不足使冬季水文变化具有不确定性。</p>

[Gong T L, Liu C M, Liu J S.2006.

Hydrological response of Lhasa River to climate change and permafrost degradation in Xizang

[J]. Acta Geographica Sinica, 61(5): 519-526.]

Magsci      摘要

<p>20世纪90年代以来,拉萨河流域的气温经历了10年升高0.54 <sup>o</sup>C的气候变暖,这期间以秋冬季升温为主。在近40年 (1963~2004年) 气候和28年 (1976~2004年) 月径流数据的基础上,研究了具有多年冻土的高海拔拉萨河流域的冻土和水文响应。结果表明,冬季径流对11~2月气温升高具有显著响应,在12~2月份增加了16%,其中2月份增加22%。水热相关分析表明,10~11月地表温度升高0.8~0.9 <sup>o</sup>C导致冬季河流水量增多,介于0.9~1.5m深度的季节冻土深度和温度变化导致了径流量变化的响应。20世纪90年代的气候变暖使得多年冻土区的季节冻土深度萎缩了大约14cm,冻土区的冬季径流水文响应比气温更快、更显著。但冻土积雪观测的不足使冬季水文变化具有不确定性。</p>
[3] 胡庆芳. 2013.

基于多源信息的降水空间估计及其水文应用研究

[D]. 北京: 清华大学.

[本文引用: 1]     

[Hu Q F.2013.

Rainfall spatial estimation using multi-source information and its hydrological application

[D]. Beijing, China: Tsinghua Uneversity.]

[本文引用: 1]     

[4] 刘昌明. 2014. 中国水文地理[M]. 北京: 科学出版社.

[本文引用: 1]     

[Liu C M.2014. Chinese Hydrological Geography[M]. Beijing, China: Science Press.]

[本文引用: 1]     

[5] 刘苏峡, 刘昌明, 赵卫民. 2010.

无测站流域水文预测(PUB)的研究方法

[J]. 地理科学进展, 29(11): 1333-1339.

https://doi.org/10.11820/dlkxjz.2010.11.014      Magsci      [本文引用: 1]      摘要

<p>根据国内外研究成果,结合自身的科研体会,借用&ldquo;巧妇面临无米之炊&rdquo;时可能用到的&ldquo;借、替和种米&rdquo;的应对逻辑,将无测站流域水文预测(Predictions in Ungauged Basins, PUB)的研究方法归纳为移植法、替代法和生成法。将移植法归类为两种,一是当研究地区没有测站资料(简称无资料)而周边某个地区有测站资料(简称有资料)时,如果有资料区的自然地理环境与研究地区相似,直接移用该有资料地区的资料到无资料区,即直接移植法;二是倘若周边不只一个区域有资料,那么就借用所有这些点的信息,采用插值法得到无资料区的资料,即间接移植法。定义替代法为如果本研究区域或者相似区域没有资料,但有可能&ldquo;求出&rdquo;资料的辅助信息,则挖掘这些信息的方法。将替代法分为两类,一是根据本研究区域其他信息,通过模型模拟、同化、融合、从本学科和多学科领域挖掘信息等技术,得到本研究区所需资料。二是根据其它研究区域其他信息得到本研究区所需资料,包括就地外延和对比流域法。定义生成法为通过获取第一手资料开展水文预测的方法,包括野外实验和室内实验。通过梳理PUB的这些研究途径,探索了PUB方法发展的可能突破口,旨为推动PUB的研究提供思路。</p>

[Liu S X, Liu C M, Zhao W M.2010.

Towards the methodology for predictions in ungauged basins

[J]. Progress in Geography, 29(11): 1333-1339.]

https://doi.org/10.11820/dlkxjz.2010.11.014      Magsci      [本文引用: 1]      摘要

<p>根据国内外研究成果,结合自身的科研体会,借用&ldquo;巧妇面临无米之炊&rdquo;时可能用到的&ldquo;借、替和种米&rdquo;的应对逻辑,将无测站流域水文预测(Predictions in Ungauged Basins, PUB)的研究方法归纳为移植法、替代法和生成法。将移植法归类为两种,一是当研究地区没有测站资料(简称无资料)而周边某个地区有测站资料(简称有资料)时,如果有资料区的自然地理环境与研究地区相似,直接移用该有资料地区的资料到无资料区,即直接移植法;二是倘若周边不只一个区域有资料,那么就借用所有这些点的信息,采用插值法得到无资料区的资料,即间接移植法。定义替代法为如果本研究区域或者相似区域没有资料,但有可能&ldquo;求出&rdquo;资料的辅助信息,则挖掘这些信息的方法。将替代法分为两类,一是根据本研究区域其他信息,通过模型模拟、同化、融合、从本学科和多学科领域挖掘信息等技术,得到本研究区所需资料。二是根据其它研究区域其他信息得到本研究区所需资料,包括就地外延和对比流域法。定义生成法为通过获取第一手资料开展水文预测的方法,包括野外实验和室内实验。通过梳理PUB的这些研究途径,探索了PUB方法发展的可能突破口,旨为推动PUB的研究提供思路。</p>
[6] 骆三, 苗峻峰, 牛涛, . 2011.

TRMM测雨产品3B42与台站资料在中国区域的对比分析

[J]. 气象, 37(9): 1081-1090.

https://doi.org/10.7519/j.issn.1000-0526.2011.9.004      URL      [本文引用: 1]      摘要

本文利用2004—2008年 6—8月中国673个气象站逐6小时降水资料检验同期TRMM测雨产品3B42的精度。经检验得出:卫星资料日平均降水和降水频率空间分布与台站资料非常 类似,相关系数分别能达到0.79和0.84,降水频率与台站资料相比偏大;从日降水相关空间分布看,卫星资料在东部地区相关性较高,日降水相关系数都在 0.6~0.9之间;从日降水和逐6小时降水平均绝对误差空间分布看,卫星资料在华南地区误差最大,长江流域次之;从中国8个区域逐6小时降水总量日变化 看,卫星资料与台站资料有很好的一致性,但在华南地区20时降水量偏小;按不同雨量等级对比,发现卫星资料绝对误差相对百分率空间分布有如下特点:小雨全 国普遍数值偏高,中雨东部部分地区偏大,大雨和暴雨整体上数值小于1;全国平均漏演率和空演率分别为10%和14%。

[Luo S, Miao J F, Niu T, et al.2011.

A comparison of TRMM 3B42 products with rain gauge observations in China

[J]. Meteorological Monthly, 37(9): 1081-1090.]

https://doi.org/10.7519/j.issn.1000-0526.2011.9.004      URL      [本文引用: 1]      摘要

本文利用2004—2008年 6—8月中国673个气象站逐6小时降水资料检验同期TRMM测雨产品3B42的精度。经检验得出:卫星资料日平均降水和降水频率空间分布与台站资料非常 类似,相关系数分别能达到0.79和0.84,降水频率与台站资料相比偏大;从日降水相关空间分布看,卫星资料在东部地区相关性较高,日降水相关系数都在 0.6~0.9之间;从日降水和逐6小时降水平均绝对误差空间分布看,卫星资料在华南地区误差最大,长江流域次之;从中国8个区域逐6小时降水总量日变化 看,卫星资料与台站资料有很好的一致性,但在华南地区20时降水量偏小;按不同雨量等级对比,发现卫星资料绝对误差相对百分率空间分布有如下特点:小雨全 国普遍数值偏高,中雨东部部分地区偏大,大雨和暴雨整体上数值小于1;全国平均漏演率和空演率分别为10%和14%。
[7] 吕洋, 杨胜天, 蔡明勇, . 2013.

TRMM卫星降水数据在雅鲁藏布江流域的适用性分析

[J]. 自然资源学报, 28(8): 1414-1425.

https://doi.org/10.11849/zrzyxb.2013.08.014      Magsci      [本文引用: 1]      摘要

以雅鲁藏布江流域为研究区,利用16个气象站点的实测降水量在月尺度和日尺度上验证了TRMM(Tropical Rainfall Measurement Mission)卫星降水数据的精度,并在此基础上基于TRMM月降水数据分析了雅鲁藏布江流域的降水时空分布特征。结果表明:在整体上,TRMM月降水数据与站点实测降水量相关系数<em>R</em>=0.902,斜率<em>K</em>=0.849,数据精度较高,数值上比站点实测降水量略微偏低;就单个站点而言,大部分站点相关系数较高,偏差较小,但波密站相关系数相对较低,江孜站和南木林站数据偏差相对较大。TRMM日降水数据与站点实测降水量相关系数<em>R</em>=0.466,斜率<em>K</em>=0.451,数据精度较低,与站点实测降水量一致性较差。在降水空间分布上,雅鲁藏布江流域整体呈现由西向东逐渐递增的趋势,不同区域间差异极其明显;在降水时间分布上,大部分降水集中在6至9月,12月至第二年2月很少有降水发生。

[Lv Y, Yang S T, Cai M Y, et al.2013.

The applicability analysis of trmm precipitation data in the Yarlung Zangbo River Basin

[J]. Journal of Natural Resources, 28(8): 1414-1425.]

https://doi.org/10.11849/zrzyxb.2013.08.014      Magsci      [本文引用: 1]      摘要

以雅鲁藏布江流域为研究区,利用16个气象站点的实测降水量在月尺度和日尺度上验证了TRMM(Tropical Rainfall Measurement Mission)卫星降水数据的精度,并在此基础上基于TRMM月降水数据分析了雅鲁藏布江流域的降水时空分布特征。结果表明:在整体上,TRMM月降水数据与站点实测降水量相关系数<em>R</em>=0.902,斜率<em>K</em>=0.849,数据精度较高,数值上比站点实测降水量略微偏低;就单个站点而言,大部分站点相关系数较高,偏差较小,但波密站相关系数相对较低,江孜站和南木林站数据偏差相对较大。TRMM日降水数据与站点实测降水量相关系数<em>R</em>=0.466,斜率<em>K</em>=0.451,数据精度较低,与站点实测降水量一致性较差。在降水空间分布上,雅鲁藏布江流域整体呈现由西向东逐渐递增的趋势,不同区域间差异极其明显;在降水时间分布上,大部分降水集中在6至9月,12月至第二年2月很少有降水发生。
[8] 马淑红, 张学文. 1991.

新疆年降水变差系数的若干规律性

[J]. 气象学报, 49(1): 39-45.

https://doi.org/10.11676/qxxb1991.005      Magsci      [本文引用: 1]      摘要

本文采用统计学和水文学中常用的变差系数这个统计量研究了新疆地区年降水量的变化情况。在对近百个测站的25年资料分析的基础上,发现年降水变差系数与年降水量和测站海拔有较好的关系。这个关系可用一个二元函数表示。这一发现无疑对气候理论研究和资料稀少地区的水资源研究都是有实际价值的。

[Ma S H, Zhang X W.1991.

Some rules of variation coefficient of annual rainfall in Xinjiang

[J]. Acta Meteorologica Sinica, 49(1): 39-45.]

https://doi.org/10.11676/qxxb1991.005      Magsci      [本文引用: 1]      摘要

本文采用统计学和水文学中常用的变差系数这个统计量研究了新疆地区年降水量的变化情况。在对近百个测站的25年资料分析的基础上,发现年降水变差系数与年降水量和测站海拔有较好的关系。这个关系可用一个二元函数表示。这一发现无疑对气候理论研究和资料稀少地区的水资源研究都是有实际价值的。
[9] 王婉昭, 高艳红, 许建伟. 2013.

青藏高原及其周边干旱区气候变化特征与GLDAS适用性分析

[J]. 高原气象, 32(3): 635-645.

https://doi.org/10.7522/j.issn.1000-0534.2013.00054      Magsci      [本文引用: 1]      摘要

<p>青藏高原及其周边干旱区的水循环过程对全球变化的响应十分敏感。基于观测资料驱动的全球陆面数据同化系统(GLADS)能为区域尺度水循环变化研究提供更全面的数据。利用GLADS数据, 首先对青藏高原及其周边干旱区进行气候区划分, 分析了各气候区内气温和降水的时空分布和变化特征; 然后检验了GLDAS数据在青藏高原地区的适用性; 最后探讨了模拟期间地表水循环关键要素的时空变化特征及区域水资源分配格局。结果表明, 各气候区在2000-2007年比1979-1994年平均气温上升了0.65~0.97 ℃, 增幅明显提高。不同区域降水量变化各异, 干旱区和半干旱区2000-2007年比1979-1994年平均年降水量分别升高了14 mm和25 mm。1979-1994年间GLDAS气温、 降水数据在青藏高原及其周边地区适用性较高; 极端干旱区气温数据与中国地面气温格点数据之间的均方根误差仅为0.41 ℃; 在各气候区GLDAS数据与APHRODITE平均降水差值均小于0.18 mm&middot;d-1, 但2000-2007年数据质量有待提高。研究时段内研究区域水循环处于动态平衡状态。2000年以来青藏高原及其周边干旱区径流量、 蒸发量呈增长趋势的区域明显扩大, 且幅度大幅上升, 但变化量级存在不确定性。新疆大部分地区水循环变化特征表现为暖干向暖湿转变。青藏高原及其周边干旱区自2000年以来水循环有所加强, 降水仍主要用于蒸发, 多年平均径流系数大多小于0.2。</p>

[Wang W Z, Gao Y H, Xu J W.2013.

Applicability of GLDAS and climate change in the Qinghai-Xizang Plateau and its surrounding arid area

[J]. Plateau Meteorology, 32(3): 635-645.]

https://doi.org/10.7522/j.issn.1000-0534.2013.00054      Magsci      [本文引用: 1]      摘要

<p>青藏高原及其周边干旱区的水循环过程对全球变化的响应十分敏感。基于观测资料驱动的全球陆面数据同化系统(GLADS)能为区域尺度水循环变化研究提供更全面的数据。利用GLADS数据, 首先对青藏高原及其周边干旱区进行气候区划分, 分析了各气候区内气温和降水的时空分布和变化特征; 然后检验了GLDAS数据在青藏高原地区的适用性; 最后探讨了模拟期间地表水循环关键要素的时空变化特征及区域水资源分配格局。结果表明, 各气候区在2000-2007年比1979-1994年平均气温上升了0.65~0.97 ℃, 增幅明显提高。不同区域降水量变化各异, 干旱区和半干旱区2000-2007年比1979-1994年平均年降水量分别升高了14 mm和25 mm。1979-1994年间GLDAS气温、 降水数据在青藏高原及其周边地区适用性较高; 极端干旱区气温数据与中国地面气温格点数据之间的均方根误差仅为0.41 ℃; 在各气候区GLDAS数据与APHRODITE平均降水差值均小于0.18 mm&middot;d-1, 但2000-2007年数据质量有待提高。研究时段内研究区域水循环处于动态平衡状态。2000年以来青藏高原及其周边干旱区径流量、 蒸发量呈增长趋势的区域明显扩大, 且幅度大幅上升, 但变化量级存在不确定性。新疆大部分地区水循环变化特征表现为暖干向暖湿转变。青藏高原及其周边干旱区自2000年以来水循环有所加强, 降水仍主要用于蒸发, 多年平均径流系数大多小于0.2。</p>
[10] 王玉娟, 王树东, 宋文龙, . 2013.

GLDAS数据产品在渭河流域潜在蒸散发模拟中的应用研究

[J]. 干旱区资源与环境, 27(12): 53-58.

URL      [本文引用: 1]      摘要

蒸散发量是水资源管理的一个重要参数,目前的蒸散发模型中需要的 大量气象参数,一般都是通过气象站点数据插值得到,对于缺资料和无资料地区有巨大的局限性.文中在对GLDAS气压、气温和风速数据产品年、月、日尺度进 行有效性分析的基础上,将其应用于渭河流域潜在蒸散发模拟研究中,模型选用Pen-man-Manteith公式,对渭河流域2006-2009年日尺度 上的潜在蒸散发时空结构进行了定量分析.结果表明:GLDAS数据产品精度较高,完全满足蒸散发研究的需要,较地面气象站点观测,具有较好的时空连续性, 在全国性及区域性蒸散发模拟中具有较好的应用前景.

[Wang Y J, Wang S D, Song W L, et al.2013.

Application of GLDAS data to the potential evapotranspiration monitoring in Weihe River Basin

[J]. Journal of Arid Land Resources and Environment, 27(12): 53-58.]

URL      [本文引用: 1]      摘要

蒸散发量是水资源管理的一个重要参数,目前的蒸散发模型中需要的 大量气象参数,一般都是通过气象站点数据插值得到,对于缺资料和无资料地区有巨大的局限性.文中在对GLDAS气压、气温和风速数据产品年、月、日尺度进 行有效性分析的基础上,将其应用于渭河流域潜在蒸散发模拟研究中,模型选用Pen-man-Manteith公式,对渭河流域2006-2009年日尺度 上的潜在蒸散发时空结构进行了定量分析.结果表明:GLDAS数据产品精度较高,完全满足蒸散发研究的需要,较地面气象站点观测,具有较好的时空连续性, 在全国性及区域性蒸散发模拟中具有较好的应用前景.
[11] 闻新宇, 王绍武, 朱锦红, . 2006.

英国CRU高分辨率格点资料揭示的20世纪中国气候变化

[J]. 大气科学, 30(5): 894-904.

https://doi.org/10.3878/j.issn.1006-9895.2006.05.18      Magsci      [本文引用: 1]      摘要

中国覆盖比较完整的台站观测始于1951年,1951年之前虽然有一些观测记录,但是残缺不全.所以要建立更长的气候序列就要吸收代用资料,但是代用资料可能与气候要素仅有一定程度的相关,不可能一一对应,因此应用代用资料重建的气候序列有一定的不确定性.英国East Anglia大学的Climatic Research Unit(简称CRU)通过整合已有的若干个知名数据库,重建了一套覆盖完整、高分辨率、且无缺测的月平均地表气候要素数据集,时间范围覆盖1901~2003年,空间为0.5°×0.5°经纬网格覆盖所有陆地.这套资料和中国已有的气候数据相比具有如下优点: 第一,中国西部20世纪前半期非常缺少观测,CRU资料尽管包含插值带来的误差,经比较仍可作为有一定信度的参考; 第二,中国现有的百年温度序列只是年或季分辨率,而CRU资料达到月分辨率; 第三,建立这个序列仅使用观测结果,做统计内插,不包括代用资料所带来的不确定性.因此,CRU的序列与用代用资料补充得到的序列在资料方面有较大不同,比较这两个序列,不仅可以进一步确认中国气候变化的特征,也可以彼此校正.结果表明:(1)CRU资料反映的全国年平均温度年际变化和考虑代用资料重建的序列吻合得很好,相关系数达到0.84;(2)区域尺度上,两者在10个典型分区的气温变率也相当一致,相关整体保持在0.8左右,仅新疆西南部和西藏西北部两者差异较大;(3)CRU资料揭示的中国年总降水量在1951~2000年的变化与160站观测吻合,相关系数达到0.93;(4)CRU资料的中国东部四季降水量和重建资料十分一致,秋季一致性最好,相关0.93;(5)CRU资料和重建的序列比较一致地表现出中国温度和降水年代际变化的主要特征,其给出的20世纪20年代中国大旱和20世纪40年代中国高温的空间分布与作者过去的结论相一致.这表明,作者过去重建的中国气候序列有比较大的可靠性,而CRU资料也提供了新的信息,特别是在20世纪前半期和中国西部.

[Wen X Y, Wang S W, Zhu J H, et al.2006.

An overview of China climate change over the 20th century using UK UEA/CRU high resolution grid data

[J]. Chinese Journal of Atmospheric Sciences, 30(5): 894-904.]

https://doi.org/10.3878/j.issn.1006-9895.2006.05.18      Magsci      [本文引用: 1]      摘要

中国覆盖比较完整的台站观测始于1951年,1951年之前虽然有一些观测记录,但是残缺不全.所以要建立更长的气候序列就要吸收代用资料,但是代用资料可能与气候要素仅有一定程度的相关,不可能一一对应,因此应用代用资料重建的气候序列有一定的不确定性.英国East Anglia大学的Climatic Research Unit(简称CRU)通过整合已有的若干个知名数据库,重建了一套覆盖完整、高分辨率、且无缺测的月平均地表气候要素数据集,时间范围覆盖1901~2003年,空间为0.5°×0.5°经纬网格覆盖所有陆地.这套资料和中国已有的气候数据相比具有如下优点: 第一,中国西部20世纪前半期非常缺少观测,CRU资料尽管包含插值带来的误差,经比较仍可作为有一定信度的参考; 第二,中国现有的百年温度序列只是年或季分辨率,而CRU资料达到月分辨率; 第三,建立这个序列仅使用观测结果,做统计内插,不包括代用资料所带来的不确定性.因此,CRU的序列与用代用资料补充得到的序列在资料方面有较大不同,比较这两个序列,不仅可以进一步确认中国气候变化的特征,也可以彼此校正.结果表明:(1)CRU资料反映的全国年平均温度年际变化和考虑代用资料重建的序列吻合得很好,相关系数达到0.84;(2)区域尺度上,两者在10个典型分区的气温变率也相当一致,相关整体保持在0.8左右,仅新疆西南部和西藏西北部两者差异较大;(3)CRU资料揭示的中国年总降水量在1951~2000年的变化与160站观测吻合,相关系数达到0.93;(4)CRU资料的中国东部四季降水量和重建资料十分一致,秋季一致性最好,相关0.93;(5)CRU资料和重建的序列比较一致地表现出中国温度和降水年代际变化的主要特征,其给出的20世纪20年代中国大旱和20世纪40年代中国高温的空间分布与作者过去的结论相一致.这表明,作者过去重建的中国气候序列有比较大的可靠性,而CRU资料也提供了新的信息,特别是在20世纪前半期和中国西部.
[12] 赵煜飞, 朱江. 2015.

近50年中国降水格点日值数据集精度及评估

[J]. 高原气象, 34(1): 50-58.

https://doi.org/10.7522/j.issn.1000-0534.2013.00141      Magsci      [本文引用: 1]      摘要

<p>利用高质量的2472个气象台站逐日降水资料和薄盘样条法, 对19612010年中国大陆降水资料进行了空间内插, 得到了中国地面降水0.5&deg;&times;0.5&deg;格点日值数据集.对该数据集的评估结果表明: 夏季误差明显大于其他季节, 冬、春、夏、秋季分别有96.7%, 91.8%, 63.2%和94.0%的台站绝对误差在&plusmn;1 mm&middot;d<sup>-1</sup>之间; 冬、春、夏、秋季分别有53%, 68%, 72%和70%的台站相对误差在&plusmn;10%之间.基于台风&quot;碧利斯&quot;等3个强降水事件的分析和插值试验表明, 格点化降水可以较好地描述一定范围内的面雨量.对比CP和APHRO两套格点资料表明, APHRO格点资料在刻画长江以南的年降水量气候态空间特征方面与观测值较一致; CP格点资料对青藏高原、天山山脉和塔里木盆地等大地形附近的降水空间特征描述较准确.另外, CP和APHRO格点资料都可以再现江淮梅雨日变化特征.当出现大雨和中雨日时, 两套网格化降水资料同等程度地弱化了降水强度, 而出现小雨日时, CP格点资料更接近实测降水.</p>

[Zhao Y F, Zhu J.2015.

Assessing quality of grid daily precipitation datasets in china in recent 50 years

[J]. Plateau Meteorology, 34(1): 50-58.]

https://doi.org/10.7522/j.issn.1000-0534.2013.00141      Magsci      [本文引用: 1]      摘要

<p>利用高质量的2472个气象台站逐日降水资料和薄盘样条法, 对19612010年中国大陆降水资料进行了空间内插, 得到了中国地面降水0.5&deg;&times;0.5&deg;格点日值数据集.对该数据集的评估结果表明: 夏季误差明显大于其他季节, 冬、春、夏、秋季分别有96.7%, 91.8%, 63.2%和94.0%的台站绝对误差在&plusmn;1 mm&middot;d<sup>-1</sup>之间; 冬、春、夏、秋季分别有53%, 68%, 72%和70%的台站相对误差在&plusmn;10%之间.基于台风&quot;碧利斯&quot;等3个强降水事件的分析和插值试验表明, 格点化降水可以较好地描述一定范围内的面雨量.对比CP和APHRO两套格点资料表明, APHRO格点资料在刻画长江以南的年降水量气候态空间特征方面与观测值较一致; CP格点资料对青藏高原、天山山脉和塔里木盆地等大地形附近的降水空间特征描述较准确.另外, CP和APHRO格点资料都可以再现江淮梅雨日变化特征.当出现大雨和中雨日时, 两套网格化降水资料同等程度地弱化了降水强度, 而出现小雨日时, CP格点资料更接近实测降水.</p>
[13] Hulme M.1992.

A 1951-80 global land precipitation climatology for the evaluation of general circulation models

[J]. Climate Dynamics, 7(2): 57-72.

https://doi.org/10.1007/BF00209609      URL      [本文引用: 1]      摘要

Previous evaluations of model precipitation fields have suffered from two weaknesses; they have used only mean observed climatologies which have prevented an explicit evaluation of interannual variability, and they have generally failed to quantify the significance of differences between model and observed fields. To rectify these weaknesses, a global precipitation climatology is required which is designed with model evaluation in mind. This paper describes such a climatology representative of the period 1951 80. The climatology is based on historical gauge-precipitation measurements from over 2500 land-based station time series representing over 28% of the Earth's surface. It is necessarily biased towards terrestrial areas. The climatology (CRU5180) is derived from month-by-month gridbox precipitation estimates at 5掳 resolution. Although other global precipitation climatologies exist, this is the first one to have used a consistent reference period for each station, and to include the details of interannual variability. Fields of mean seasonal and annual precipitation and mean temporal variability are presented, and the variability of global-mean precipitation over 1951 80 assessed. The resulting mean monthly global precipitation fields are compared briefly with two other observed climatologies used for model evaluation, those prepared by Jaeger and Legates and Willmott. The global and hemispheric means, mean seasonal cycles, and spatial patterns of the three cimatologies are compared. Although based on a smaller set of stations than Legates and Willmott, the CRU5180 precipitation estimates agree closely with their uncorrected climatology.
[14] Jones P D.1994.

Hemispheric surface air temperature variations: A reanalysis and an update to 1993

[J]. Journal of Climate, 7(11): 1794-1802.

URL      [本文引用: 1]     

[15] Jones P D, Moberg A.2003.

Hemispheric and large-scale surface air temperature variations: An extensive revision and an update to 2001

[J]. Journal of Climate, 16(2): 206-223.

URL      [本文引用: 1]     

[16] New M, Hulme M, Jones P.2000.

Representing twentieth-century space-time climate variability. Part II: Development of 1901-96 monthly grids of terrestrial surface climate

[J]. Journal of Climate, 13(13): 2217-2238.

URL      [本文引用: 1]     

[17] Peterson T C, Vose R, Schmoyer R, et al.1998.

Global Historical Climatology Network (GHCN) quality control of monthly temperature data

[J]. International Journal of Climatology, 18(11): 1169-1179.

https://doi.org/10.1002/(SICI)1097-0088(199809)18:11<1169::AID-JOC309>3.0.CO;2-U      URL      [本文引用: 1]      摘要

Abstract All geophysical data bases need some form of quality assurance. Otherwise, erroneous data points may produce faulty analyses. However, simplistic quality control procedures have been known to contribute to erroneous conclusions by removing valid data points that were more extreme than the data set compilers expected. In producing version 2 of the global historical climatology network's (GHCN's) temperature data sets, a variety of quality control tests were evaluated and a specialized suite of procedures was developed. Quality control traditionally relies primarily on checks for outliers from both a time series and spatial perspective, the latter accomplished by comparisons with neighbouring stations. This traditional approach was used, and it was determined that there are many data problems that require additional tests to detect. In this paper a suite of quality control tests are justified and documented and applied to this global temperature data base, emphasizing the logic and limitations of each test. 漏 1998 Royal Meteorological Society
[18] Wang A H, Zeng X B.2012.

Evaluation of multireanalysis products with in situ observations over the Tibetan Plateau

[J]. Journal of Geophysical Research: Atmospheres, 117(D5): D05102.

https://doi.org/10.1029/2011JD016553      URL      摘要

As the highest plateau in the world, the Tibetan Plateau (TP) strongly affects regional weather and climate as well as global atmospheric circulations. Here six reanalysis products (i.e., MERRA, NCEP/NCAR-1, CFSR, ERA-40, ERA-Interim, and GLDAS) are evaluated using in situ measurements at 63 weather stations over the TP from the Chinese Meteorological Administration (CMA) for 1992-2001 and at nine stations from field campaigns (CAMP/Tibet) for 2002-2004. The measurement variables include daily and monthly precipitation and air temperature at all CMA and CAMP/Tibet stations as well as radiation (downward and upward shortwave and longwave), wind speed, humidity, and surface pressure at CAMP stations. Four statistical quantities (correlation coefficient, ratio of standard deviations, standard deviation of differences, and bias) are computed, and a ranking approach is also utilized to quantify the relative performance of reanalyses with respect to each variable and each statistical quantity. Compared with measurements at the 63 CMA stations, ERA-Interim has the best overall performance in both daily and monthly air temperatures, while MERRA has a high correlation with observations. GLDAS has the best overall performance in both daily and monthly precipitation because it is primarily based on the merged precipitation product from surface measurements and satellite remote sensing, while ERA-40 and MERRA have the highest correlation coefficients for daily and monthly precipitation, respectively. Compared with measurements at the nine CAMP stations, CFSR shows the best overall performance, followed by GLDAS, although the best ranking scores are different for different variables. It is also found that NCEP/NCAR-1 reanalysis shows the worst overall performance compared with both CMA and CAMP data. Since no reanalysis product is superior to others in all variables at both daily and monthly time scales, various reanalysis products should be combined for the study of weather and climate over the TP.
[19] Wang F X, Wang L, Koike T, et al.2011.

Evaluation and application of a fine-resolution global data set in a semiarid mesoscale river basin with a distributed biosphere hydrological model

[J]. Journal of Geophysical Research: Atmospheres, 116(D21): D21108.

https://doi.org/10.1029/2011JD015990      URL      [本文引用: 1]      摘要

ABSTRACT Accurate estimates of basin-wide water and energy cycles are essential for improving the integrated water resources management (IWRM), especially for relatively dry conditions. This study aims to evaluate and apply a fine-resolution global data set (Global Land Data Assimilation System with Noah Land Surface Model, GLDAS/Noah; 3-h, 0.25-degree) in a semiarid mesoscale basin (鈭15000 km2). Four supporting objectives are proposed: (1) validating a Water and Energy Budget-based Distributed Hydrological Model (WEB-DHM) for GLDAS/Noah evaluation and application; (2) evaluating GLDAS forcing data (precipitation; near-surface air temperature, Tair; downward shortwave radiation, Rsw,d; downward longwave radiation, Rlw,d); (3) investigating GLDAS/Noah outputs (land surface temperature, LST; evapotranspiration; fluxes); (4) evaluating the applicability of GLDAS forcing in modeling basin-wide water cycles. Japanese 25-year reanalysis and in situ observations (precipitation; Tair; Rsw,d; discharge) are used for GLDAS/Noah evaluation. Main results include: (1) WEB-DHM can reproduce daily discharge, 8-day LST and monthly surface soil moisture (point scale) fairly well; (2) the GLDAS is of high quality for daily and monthly precipitation, Tair, monthly Rlw,d, while it overestimates monthly Rsw,d; (3) the GLDAS/Noah agrees well with the verified WEB-DHM and JRA-25 in terms of LST, upward shortwave and longwave radiation. While the net radiation, evapotranspiration, latent and sensible heat fluxes modeled by GLDAS/Noah are larger than WEB-DHM and JRA-25 simulations in wet seasons; (4) the basin-integrated discharges and evapotranspiration can be reproduced reasonably well by WEB-DHM fed with GLDAS forcing except linear corrections of Rsw,d. These findings would benefit the IWRM in ungauged or poorly gauged river basins around the world.
[20] Wang S, Liu S X, Mo X G, et al.2015.

Evaluation of remotely sensed precipitation and its performance for streamflow simulations in basins of the southeast Tibetan Plateau

[J]. Journal of Hydrometeorology, 16(6): 2577-2594.

https://doi.org/10.1175/JHM-D-14-0166.1      URL      摘要

Not Available

/