基于多源降水融合试验的四川省降水实况分析产品优化

doi:10.3969/j.issn.1673-503X.2023.04.019

摘要/Abstract

摘要：

选用2021年4—9月四川省地面观测降水数据、雷达定量估测降水产品，基于国家气象信息中心降水融合算法生成四川省0.01°/1 h分辨率降水实况分析产品（SC），参考四川省地面观测数据，以观测值是否被修改分为两类，分别对SC与国家气象信息中心三源融合实时降水实况分析产品（RT）进行精细化对比评估，分析融入错误观测数据对RT的影响，应用支持向量机回归算法对RT进行优化并评估。结果表明：观测值未修改情况下，两种产品在四川盆地内部性能相近，川西高原和凉山、攀枝花地区RT性能较好，大部分区域RT平均绝对误差较小，均方根误差较大，即RT与观测值间易出现个别较大误差。观测值被修改情况下，四川省SC明显优于RT，RT较观测值明显偏大，表明错误的观测数据对RT性能存在显著影响。优化后，四川全省区域产品的平均绝对误差减小了29.9%，均方根误差减小了41.1%，相关系数增大了4.94%。

关键词: 降水实况产品, 支持向量机回归, 精细化评估

Abstract:

Based on the CMPAS (CMA Multi-source merged Precipitation Analysis System) algorithm developed by National Meteorological Information Center(NMIC), using the ground observational precipitation data and radar quantitative precipitation estimation data, Sichuan provincial precipitation products of 0.01°/1 h (SC) during April to September, 2021, were produced.Taking the hourly precipitation observation data as true value, SC and real-time precipitation products of 0.01°/1 h (RT) developed by NMIC were evaluated.The evaluation was divided into two categories according to whether the observation data is modified or not.On this basis, using the machine learning support vector regression algorithm (SVR), the improvement method of RT was developed.The results show that, in the case of observation data is not modified, RT is prone to overestimation and SC is prone to underestimation.These two kinds of products have similar performance in the basin area.RT has a better performance in Panzhihua, Liangshan, Ganzi and Aba region.In the case in which the observation data are modified, no matter the whole province or each region within the province, SC is clearly better than RT.RT is significantly larger than the observation value.This implies that the wrong observational data before modification have a significant impact on the performance of RT.The mean absolute error of the improved products is reduced by 29.9% and the root mean square error is reduced by 41.1% and the correlation coefficient is increased by 4.94% compared with that before the improvement.

Key words: Merged precipitation products, Support vector regression (SVR), Fine assessment

中图分类号:

P457.6

杜冰,吴薇,黄晓龙,蒋雨荷,李施颖. 基于多源降水融合试验的四川省降水实况分析产品优化[J]. 气象与环境学报, 2023, 39(4): 155-161.

Bing DU,Wei WU,Xiaolong HUANG,Yuhe JIANG,Shiying LI. Improvement of merged precipitation products in Sichuan province based on precipitation merging experiment[J]. Journal of Meteorology and Environment, 2023, 39(4): 155-161.

图/表 6

表1

表2

表3

图1

图2

图3

参考文献 28

1	Arkin P A , Meisner B N . The relationship between large-scale convective rainfall and cold cloud over the western hemisphere during 1982-84[J]. Monthly Weather Review, 1987, 115 (1): 51- 74. doi: 10.1175/1520-0493(1987)115<0051:TRBLSC>2.0.CO;2
2	刘蕾, 陈茂钦, 蓝柳茹, 等. 桂北山区两次突发性大暴雨触发及维持机制分析[J]. 气象与环境学报, 2022, 38 (5): 15- 24.
3	刘元波, 傅巧妮, 宋平, 等. 卫星遥感反演降水研究综述[J]. 地球科学进展, 2011, 26 (11): 1162- 1172.
4	陈桂亚, 袁雅鸣. 山洪灾害临界雨量分析计算方法研究[J]. 人民长江, 2005, 36 (12): 40- 43. doi: 10.3969/j.issn.1001-4179.2005.12.016
5	刘彤, 闫天池. 我国的主要气象灾害及其经济损失[J]. 自然灾害学报, 2011, 20 (2): 90- 95.
6	张婷, 李怡, 李建柱, 等. 多源降雨数据融合及其水文应用研究进展[J]. 自然灾害学报, 2022, 31 (1): 15- 28.
7	汪瑛, 冯业荣, 蔡锦辉, 等. 雷达定量降水动态分级Z-I关系估算方法[J]. 热带气象学报, 2011, 27 (4): 601- 608. doi: 10.3969/j.issn.1004-4965.2011.04.018
8	郑媛媛, 谢亦峰, 吴林林, 等. 多普勒雷达定量估测降水的三种方法比较试验[J]. 热带气象学报, 2004, 20 (2): 192- 197. doi: 10.3969/j.issn.1004-4965.2004.02.011
9	刘少军, 蔡大鑫, 韩静, 等. 卫星遥感反演降水研究进展简述[J]. 气象科技进展, 2021, 11 (1): 28- 33.
10	潘旸, 谷军霞, 宇婧婧, 等. 中国区域高分辨率多源降水观测产品的融合方法试验[J]. 气象学报, 2018, 76 (5): 755- 766.
11	潘旸, 谷军霞, 徐宾, 等. 多源降水数据融合研究及应用进展[J]. 气象科技进展, 2018, 8 (1): 143- 152.
12	孙帅, 师春香, 潘旸, 等. 中国区域三源融合降水产品的改进效果评估[J]. 水文, 2020, 40 (6): 10-15, 23.
13	俞剑蔚, 李聪, 蔡凝昊, 等. 国家级格点实况分析产品在江苏地区的适用性评估分析[J]. 气象, 2019, 45 (9): 1288- 1298.
14	陈玉玮, 黄晓莹. 广东区域智能网格实况分析产品的检验评估[J]. 广东气象, 2021, 43 (1): 42- 44.
15	李超, 李华宏, 杨素雨, 等. 国家级多源融合降水产品在云南的适用性评估[J]. 高原山地气象研究, 2021, 41 (3): 108- 114.
16	许冠宇, 李琳琳, 田刚, 等. 国家级降水融合产品在长江流域的适用性评估[J]. 暴雨灾害, 2020, 39 (4): 400- 408.
17	张玮, 李显风, 何瑶, 等. 基于江西省站点资料对智能网格实况分析产品的检验评估[J]. 江西师范大学学报(自然科学版), 2020, 44 (4): 403- 410.
18	吴薇, 黄晓龙, 徐晓莉, 等. 融合降水实况分析产品在四川地区的适用性评估[J]. 沙漠与绿洲气象, 2021, 15 (4): 1- 8.
19	吴薇, 杜冰, 黄晓龙, 等. 四川区域融合降水产品的质量评估[J]. 高原山地气象研究, 2019, 39 (2): 76- 81.
20	龙柯吉, 谷军霞, 师春香, 等. 多种降水实况融合产品在四川一次强降水过程中的评估[J]. 高原山地气象研究, 2020, 40 (2): 31- 37.
21	郭旭, 龙柯吉, 范江琳, 等. 四种降水融合产品在四川持续性强降水过程中的对比评估[J]. 高原山地气象研究, 2021, 41 (2): 42- 52.
22	苏华英, 曾莉萍, 罗乃兴, 等. 基于雷达资料的定量降水预报外推算法试验[J]. 沙漠与绿洲气象, 2020, 14 (5): 27- 35.
23	张勇, 吴胜刚, 张亚萍, 等. 基于SWAN雷达拼图产品在暴雨过程中的对流云降水识别及效果检验[J]. 气象, 2019, 45 (2): 180- 190.
24	任芝花, 张志富, 孙超, 等. 全国自动气象站实时观测资料三级质量控制系统研制[J]. 气象, 2015, 41 (10): 1268- 1277.
25	王远谋, 李家启, 陈施吉, 等. 基于机器学习的重庆长江航道雾图像特征识别研究[J]. 气象与环境学报, 2021, 37 (1): 106- 112.
26	常甜甜. 支持向量机学习算法若干问题的研究[D]. 西安: 西安电子科技大学, 2010.
27	王国胜. 支持向量机的理论与算法研究[D]. 北京: 北京邮电大学, 2007.
28	张孟库, 姜立春. 基于机器学习的落叶松树皮厚度预测[J]. 北京林业大学学报, 2022, 44 (6): 54- 62.

参数	RT	SC
空间分辨率	0.01°×0.01°	0.01°×0.01°
时间分辨率	1 h	1 h
存储格式	GRIB2	NC
融合资料	地面观测、雷达、卫星	地面观测、雷达
单位	mm·h^-1	mm·h^-1
检验时间	2021年4月1日至9月30日	2021年4月1日至9月30日
产品生产方	中国气象局国家气象信息中心	四川省气象探测数据中心
投影方式	等经纬度投影	等经纬度投影

月份	产品缺测个数(缺测率/%)
月份	RT	SC
4	3(0.42)	46(6.39)
5	0(0)	4(0.54)
6	0(0)	68(9.44)
7	0(0)	21(2.82)
8	23(3.09)	53(7.12)
9	0(0)	24(2.92)
合计	26(0.59)	213(4.85)

观测值质控码分类	评估区域	观测均值/ (mm·h^-1)	产品均值/ (mm·h^-1)	ME/ (mm·h^-1)	MAE/ (mm·h^-1)	RMSE/ (mm·h^-1)	COR
观测值未修改	全省	0.229/0.208	0.231/0.207	0.003/-0.001	0.067/0.091	0.542/0.465	0.931/0.927
	盆地	0.248/0.224	0.252/0.228	0.004/0.004	0.073/0.095	0.581/0.479	0.933/0.935
	攀西地区	0.170/0.153	0.172/0.138	0.002/-0.015	0.061/0.078	0.495/0.449	0.893/0.863
	川西高原	0.157/0.154	0.156/0.130	-0.001/-0.024	0.038/0.081	0.285/0.391	0.918/0.820
观测值被修改	全省	0.742/0.730	3.047/0.629	2.306/-0.101	2.814/0.459	8.804/2.288	0.260/0.798
	盆地	0.861/0.851	3.415/0.757	2.554/-0.094	3.062/0.454	9.638/2.244	0.284/0.861
	攀西地区	0.619/0.588	2.392/0.346	1.772/-0.241	2.462/0.501	6.684/2.332	0.104/0.463
	川西高原	0.283/0.298	2.035/0.371	1.752/0.073	2.004/0.420	6.566/2.450	0.043/0.171

[1]	杨若子,轩春怡,王冀,杜吴鹏,王华. 适用于海绵城市规划建设的北京城市副中心降水特征研究[J]. 气象与环境学报, 2023, 39(3): 154-160.
[2]	朱晓彤,姚凯,李尚锋,曲美慧. SAL方法在东北地区台风降水预报检验中的应用[J]. 气象与环境学报, 2023, 39(3): 31-39.
[3]	于跃, 毕明林, 阎琦, 林海峰, 冯冬蕾, 于凡越. 辽宁区域性大暴雨成因分析及多模式数值预报空间检验[J]. 气象与环境学报, 2022, 38(4): 11-18.
[4]	王东东, 孙丽, 杨磊, 沈历都, 王恕, 陈宇. 台风“巴威”不同类型降水多模式预报与空间检验对比评估[J]. 气象与环境学报, 2022, 38(4): 37-46.
[5]	包慧濛,郭达烽,李葳. 基于频率匹配法的江西省ECMWF降水预报订正研究[J]. 气象与环境学报, 2022, 38(2): 12-20.
[6]	唐娴,周荣卫,何晓凤,王津宇,任晓晨. 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.
[7]	刘静,陈传雷,严俊,王瀛,才奎志,任川,韩梅,董巍. 2015—2019年辽宁省暴雨红色预警信号分布及其特征[J]. 气象与环境学报, 2021, 37(1): 100-105.
[8]	杨瑞雯,孙欣,谭政华,张宸赫,于亚鑫. 辽宁省春季透雨集合预报误差分析[J]. 气象与环境学报, 2021, 37(1): 26-32.
[9]	蔡义勇, 危国飞, 党皓飞, 林青. 基于降水目标的主雨带识别及预报误差空间检验[J]. 气象与环境学报, 2020, 36(1): 36-42.
[10]	王秀英, 廖留峰, 王俊杰. 基于多元线性回归的滇西南短时强降水预报模型研究[J]. 气象与环境学报, 2019, 35(2): 15-22.
[11]	纪永明, 陈传雷, 蒋大凯, 任志杰, 孟莹, 才奎志, 张硕, 胡鹏宇. 基于雷达组网拼图的定量降水反演II:方案改进及综合评估[J]. 气象与环境学报, 2019, 35(1): 79-87.
[12]	张丽, 徐朋飞, 吴胜平, 董方有. 安庆市降水相态识别判据研究[J]. 气象与环境学报, 2018, 34(1): 30-37.
[13]	储海, 漆梁波. 基于模式相对湿度的降水概率预报方法研究[J]. 气象与环境学报, 2017, 33(1): 44-50.
[14]	李崇, 吉曹翔, 夏传栋, 张治, 李典, 孟鹏, 班伟龙, 梁红. 沈阳地区强对流天气潜势预报环境参数特征分析[J]. 气象与环境学报, 2016, 32(6): 43-51.
[15]	朱占云, 陈光宇, 姜瑜君, 沈萍月, 许娈. 浙江省六大水库流域面雨量模式预报效果检验[J]. 气象与环境学报, 2016, 32(3): 28-33.