三套再分析降水资料在安徽省的适用性评估

doi:10.3969/j.issn.1673-503X.2023.04.007

摘要/Abstract

摘要：

利用1979—2018年安徽省台站降水观测资料，分别从年、季、月尺度和梅雨量对三套高分辨率再分析降水资料(CMA-RA、CMFD、ERA5)在安徽省的适用性进行分析评估。结果表明：三套再分析资料均能模拟出安徽省夏雨集中，春雨多于秋雨，冬雨最少的季节降水特征；多年平均月降水量较实况均为正偏差，12月降水量的平均绝对百分比误差最大。三套资料均明显高估了安徽省山区的降水量。其中，CMA-RA资料的年降水和夏、冬季降水及沿江江南地区梅雨量空间分布表征最好；CMFD资料的降水量年际变化表征较好，但空间分布较差，春、秋季降水时空分布以及梅雨量年际变化表征最好；ERA5资料的降水量模拟存在系统性高估，且偏差最大，仅1月降水量较其他资料略好。

关键词: 再分析资料, CMA-RA, 降水量

Abstract:

In this study, three high resolution reanalysis precipitation datasets (CMA-RA, CMFD, and ERA5) were compared with annual, seasonal and monthly precipitation and the amount of Meiyu precipitation observed at weather station in Anhui province from 1979 to 2018 and their applicability were evaluated The results show that all three datasets can well describe the variation characteristics of seasonal precipitation in Anhui province, with most rainfall concentrated in summer, more rainfall in spring than in autumn, and least in winter.However, all the monthly precipitation is overestimated, with the maximum mean absolute percentage error (MAPE) found in December.In addition, precipitation in mountainous areas is significantly overestimated by the three datasets.Comparatively, the CMA-RA dataset agrees better with the observations than the other two datasets in describing the spatio-temporal distribution characteristics of the annual, summer and winter rainfall across the whole province and the Meiyu precipitation in regions along and south to Yangtze River.In general, the CMFD well captures the interannual variations of the precipitation on all timescales, but is rather poor in depicting their spatial distributions.However, it performs slightly better in describing the spatial-temporal characteristics of precipitation in spring and autumn and the interannual variation characteristics of Meiyu precipitation.As for the ERA5, the precipitation in Anhui province is systematically overestimated, with the bias being the largest among the three datasets, and it performs slightly better than other datasets in the precipitation in January.

Key words: Reanalysis data, CMA-RA, Precipitation

中图分类号:

P468.0⁺24

高金兰,温华洋,郑小艺,曹亚楠,王云. 三套再分析降水资料在安徽省的适用性评估[J]. 气象与环境学报, 2023, 39(4): 47-56.

Jinlan GAO,Huayang WEN,Xiaoyi ZHENG,Ya'nan CAO,Yun WANG. Applicability evaluation of three reanalysis precipitation datasets in Anhui province[J]. Journal of Meteorology and Environment, 2023, 39(4): 47-56.

图/表 12

图1

表1

图2

图3

图4

表2

图5

图6

表3

图7

表4

图8

参考文献 24

1	刘婷婷,朱秀芳,郭锐,等.ERA5再分析降水数据在中国的适用性分析[J].干旱区地理,2022,45(1):66-79.
2	刘向培,佟晓辉,贾庆宇,等.1960—2018年辽河流域日降水集中程度分析[J].气象与环境学报,2020,36(5):18-24.
3	程胡华,王益柏,闻斌,等.基于NCEP FNL资料的山西岢岚地区雨雪天气诊断可信度分析[J].气象与环境学报,2019,35(2):23-31.
4	张若愚. PREC/L再分析降水数据在石羊河流域的适用性及其应用研究[D]. 武汉: 华中科技大学, 2019: 1-8.
5	蓝玉峰,侯君杏,黄嘉宏.三套再分析降水资料在华南地区的适用性评估[J].气象研究与应用,2020,41(2):14-20.
6	YeM S,YaoX P,ZhangT,et al.Intercomparison of CRA-Interim precipitation products with ERA5 and JRA-55[J].Journal of Tropical Meteorology,2021,27(2):136-147.
7	罗潇,廖春花,罗菁,等.两套新型高分辨率再分析降水资料在湖南年季尺度上的适用性评估[J].暴雨灾害,2021,40(2):167-173.
8	谢潇,何金海,祁莉.4种再分析资料在中国区域的适用性研究进展[J].气象与环境学报,2011,27(5):58-65.
9	张德杰,师春香,张涛,等.多种资料的总云量产品在中国区域的对比分析[J].高原气象,2022,41(3):803-813.
10	赵天保,符淙斌,柯宗建,等.全球大气再分析资料的研究现状与进展[J].地球科学进展,2010,25(3):242-254.
11	李红莉,彭菊香,张艳霞.多源观测资料在LAPS中尺度分析场中的作用分析[J].暴雨灾害,2014,33(3):273-280.
12	单帅,沈润平,师春香,等.中国北部积雪区冬季地表温度和2 m气温再分析数据评估[J].高原气象,2020,39(1):37-47.
13	魏莹,段克勤.1980—2016年青藏高原变暖时空特征及其可能影响原因[J].高原气象,2020,39(3):459-466.
14	闫燕,刘罡,何军,等.重庆地区卫星及再分析降水资料评估[J].高原气象,2020,39(3):594-608.
15	唐娴,周荣卫,何晓凤,等.多源降水预报集成技术应用研究[J].气象与环境学报,2021,37(4):26-32.
16	王旻燕,姚爽,姜立鹏,等.我国全球大气再分析(CRA-40)卫星遥感资料的收集和预处理[J].气象科技进展,2018,8(1):158-163.
17	KistlerR,KalnayE,CollinsW,et al.The NCEP-NCAR 50-year reanalysis: Monthly means CD-ROM and documentation[J].Bulletin of the American Meteorological Society,2001,82(2):247-268.
18	刘鹏飞,刘丹丹,梁丰,等.三套再分析降水资料在东北地区的适用性评价[J].水土保持研究,2018,25(4):215-221.
19	李建,宇如聪,陈昊明,等.对三套再分析资料中国大陆地区夏季降水量的评估分析[J].气象,2010,36(12):1-9.
20	成晓裕,王艳华,李国春,等.三套再分析降水资料在中国区域的对比评估[J].气候变化研究进展,2013,9(4):258-265.
21	王红丽,刘健,况雪源.四种再分析资料与长江中下游地区降水观测资料的对比研究[J].长江流域资源与环境,2008,17(5):703-711.
22	朱景,袁慧珍.ERA再分析陆面温度资料在浙江省的适用性[J].气象科技,2019,47(2):289-298.
23	中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 梅雨监测指标(GB/T 33671—2017)[S]. 北京: 中国标准出版社, 2017.
24	TaylorK E.Summarizing multiple aspects of model performance in a single diagram[J].Journal of Geophysical Research: Atmospheres,2001,106(D7):7183-7192.

评价指标	计算公式	取值范围	最优值
Pearson相关系数(R)	$R=\frac{\sum\limits_{i=1}^n\left(A_i-\bar{A}\right)\left(G_i-\bar{G}\right)}{\sqrt{\sum\limits_{i=1}^n\left(A_i-\bar{A}\right)^2 \sum\limits_{i=1}^n\left(G_i-\bar{G}\right)^2}} $	[-1, 1]	1
平均绝对百分比误差(MAPE)	$\text { MAPE }=\sum\limits_{i=1}^n\left\|\frac{G_i-A_i}{G_i}\right\| \times \frac{100}{n} $	[0, +∞]	0
相对误差(RE)	$ \mathrm{RE}=\frac{G_i-A_i}{G_i} \times 100$	[-∞, +∞]	0
泰勒评分(TSS)	$ \mathrm{TSS}=\frac{4(1+R)^4}{\left(\sigma_{\mathrm{obs}} / \sigma_{\mathrm{sim}}+\sigma_{\mathrm{sim}} / \sigma_{\mathrm{obs}}\right)^2\left(1+R_0\right)^4}$	[0, 1]	1

时段	T-TSS			S-TSS			MAPE/(%)
时段	ERA5	CMA-RA	CMFD	ERA5	CMA-RA	CMFD	ERA5	CMA-RA	CMFD
春季	0.66	0.82	0.96^*	0.94^*	0.94^*	0.83	15.52	6.77	5.12^*
夏季	0.86	0.91	0.98^*	0.96	0.98^*	0.96	19.32	7.14^*	7.29
秋季	0.70	0.87	0.95^*	0.85^*	0.85^*	0.57	14.56	10.02	8.65^*
冬季	0.90	0.91	0.98^*	0.74^*	0.64	0.59	15.16	7.07^*	7.76
年	0.90	0.94	0.97^*	0.97^*	0.96	0.92	14.94	6.41^*	6.63

月份	T-TSS			S-TSS			MAPE/(%)
月份	ERA5	CMA-RA	CMFD	ERA5	CMA-RA	CMFD	ERA5	CMA-RA	CMFD
1月	0.94	0.91	0.97^*	0.96^*	0.96^*	0.88	18.36	13.87	12.19^*
2月	0.92	0.97	0.99^*	0.95	0.97^*	0.94	20.96	9.38	7.87^*
3月	0.91	0.95	0.99^*	0.96	0.98^*	0.98^*	16.67	10.51	6.93^*
4月	0.76	0.92	0.99^*	0.96	0.98^*	0.97	21.61	9.53	5.28^*
5月	0.86	0.90	0.97^*	0.93	0.96^*	0.91	22.67	9.09	6.77^*
6月	0.87	0.92	0.98^*	0.89	0.94^*	0.88	27.09	9.50	7.23^*
7月	0.76	0.88	0.96^*	0.32	0.43^*	0.21	19.14	8.75	7.64^*
8月	0.76	0.90	0.96^*	0.47	0.52^*	0.26	20.38	13.35	11.10^*
9月	0.89	0.88	0.98	0.39^*	0.34	0.34	24.85	19.02	12.12^*
10月	0.91	0.97	0.99^*	0.76^*	0.71	0.65	37.72	15.93^*	25.11
11月	0.91	0.95	0.98^*	0.87^*	0.85	0.83	39.25	18.76	12.18^*
12月	0.96	0.99^*	0.99^*	0.93	0.94^*	0.90	315.50	89.47^*	129.50

区域	T-TSS			S-TSS			MAPE/(%)
区域	ERA5	CMA-RA	CMFD	ERA5	CMA-RA	CMFD	ERA5	CMA-RA	CMFD
江淮地区	0.88	0.95	0.99^*	0.49	0.58	0.71^*	29.23	13.88	6.50^*
沿江江南梅雨区	0.85	0.93	0.95^*	0.52	0.72^*	0.47	25.68	10.74	10.06^*

[1]	孟鑫, 张瑜, 赵婷婷, 王迪, 马云龙, 张旭. 1961—2019年中国东北地区夏季降水特征及其与前期ENSO的关系[J]. 气象与环境学报, 2023, 39(4): 103-113.
[2]	姜珊, 张淑杰, 张菁, 董秋婷, 宋晓巍, 赵璇, 于璐, 杨黎黎. 基于SPI和SPEI指数的辽宁省大豆生长季干旱时空变化特征[J]. 气象与环境学报, 2023, 39(4): 130-137.
[3]	曲辉辉, 王冬冬, 闫敏慧, 翟墨, 刘丹, 闫平, 王晓明, 姜丽霞. 1971—2018年黑龙江省玉米需水量与有效降水量耦合度演变特征[J]. 气象与环境学报, 2022, 38(5): 81-87.
[4]	翟晴飞, 孙凤华, 敖雪, 耿树江, 李成龙, 李遥, 李鸣钰. 基于BCC-CSM2-MR模式CMIP6试验的辽河流域气温降水模拟与预估[J]. 气象与环境学报, 2022, 38(4): 27-36.
[5]	姜珊,张海旭,张菁,宋晓巍,李石,于璐,王新秀. 1981—2020年沈阳地区春玉米生长季水热资源时空特征[J]. 气象与环境学报, 2022, 38(4): 76-84.
[6]	翟晴飞,张晋广,王斌飞,袁健,李遥,李鸣钰. 微波辐射计反演大气温湿度廓线与降水相关性分析[J]. 气象与环境学报, 2020, 36(6): 98-107.
[7]	温舟,温日红,曲梓祎,娄芳蕾,常姝婷,史虹婷,王笑影. 锦州地区逐日降水概率分布特征[J]. 气象与环境学报, 2020, 36(5): 25-32.
[8]	许佳琦,周永吉,姜丽霞,曹义娜,郭立峰. 1965—2014年黑龙江省洪涝灾害时空演变特征[J]. 气象与环境学报, 2020, 36(3): 41-48.
[9]	姜丽霞,王晾晾,吕佳佳,高明,王萍,王秋京,宫丽娟,赵慧颖. 基于Hurst指数的黑龙江省作物生长季降水趋势研究[J]. 气象与环境学报, 2020, 36(2): 70-77.
[10]	杨磊, 孙丽, 王东东, 陈传雷, 王瀛, 才奎志, 张岳. 2017年“海棠”台风影响辽宁不同区域极端暴雨成因分析[J]. 气象与环境学报, 2020, 36(1): 1-10.
[11]	徐爽, 胡鹏宇, 梁红, 吴宇童, 李典, 张帅. 2017—2018年辽宁地区三次降雪天气的GPS水汽变化特征[J]. 气象与环境学报, 2019, 35(5): 27-36.
[12]	万瑜;曹兴;杨莲梅. 中亚低涡背景下中天山地区一次短时强降水过程中尺度特征[J]. 气象与环境学报, 2018, 34(4): 1-10.
[13]	刘蕾, 周晶, 刘俊杰, 高辉. 长江中下游地区持续性暴雨年代际变化特征及环流形势[J]. 气象与环境学报, 2018, 34(3): 28-36.
[14]	杜亮亮, 朱卫浩, 田秀霞, 王式功. 邯郸地区不同等级降水日数气候特征分析[J]. 气象与环境学报, 2017, 33(4): 102-107.
[15]	王秀萍, 王烁, 李潇潇. 1971-2013年大连地区降水变化趋势分析[J]. 气象与环境学报, 2016, 32(3): 47-52.