京藏高速呼集段道路结冰期CLDAS气温适用性及其在交通风险预警中的应用

doi:10.3969/j.issn.1673-503X.2023.06.012

摘要/Abstract

摘要：

选用2020—2022年G6京藏高速呼集段(呼和浩特至集宁)沿线26个常规气象观测站及交通气象观测站逐小时气温数据，应用平均偏差(ME)、均方根误差(RMSE)、平均绝对误差(MAE)、准确率(AR)等指标，对比分析道路结冰期高分辨率陆面融合和同化数据(CMA Land Data Assimilation System，CLDAS)的气温特征，评估呼集段沿线CLDAS气温在道路结冰方面的适用性。结果表明：G6高速呼集段结冰期CLDAS气温总体为负偏差，ME日变化为-1.2~1.4 ℃，从呼和浩特到集宁方向，20:00至次日08:00 CLDAS气温由冷偏差转向暖偏差，08:00—20:00冷偏差增大。海拔高度、坡度、坡向均对CLDAS气温精度存在影响，低海拔、平原、阳坡路段误差相对较小。经系统偏差订正的CLDAS气温ME趋近于0，各月逐时RMSE、MAE均减小0.0~0.5 ℃，AR提高0%~14%。订正后的CLDAS气温可用于气温精细化时空特征分析和道路结冰分级预警。

关键词: 高速公路, 交通气象, 气温订正

Abstract:

Hourly air temperature data from 26 conventional and traffic meteorological stations along Hoji section (from Huhhot to Jining) of Beijing-Tibet Expressway during 2020-2022 were used to compare and analyze the temperature characteristics of high-resolution land data assimilation system (CLDAS) of China Meteorological Administration using mean error (ME), root mean square error (RMSE), mean absolute error (MAE) and accuracy rate (AR) during road icing period. The results show that CLDAS air temperature along the Hoji section of the G6 expressway is generally negatively biased during the icing period with ME varying from -1.2 to 1.4 ℃ daily. From Huhhot to Jining, CLDAS temperature changes from cold bias to warm bias during 20:00 to the next day 08:00, and the cold bias increases during 08:00-20:00. Elevation, slope, and aspect have impacts on the accuracy of CLDAS temperature with relatively small errors in low-altitude, plain, and sunny slope sections. After bias correction, the ME of CLDAS temperature approaches 0, and the hourly RMSE and MAE decrease by 0.0-0.5 ℃ each month, with AR increasing by 0-14%. The bias-corrected CLDAS temperature can be used for refined spatial-temporal characteristic analysis of air temperature and classification of early warning for icy road.

Key words: Expressway, Transportation meteorology, Air temperature correction

中图分类号:

P468.0⁺21

贾晓红,李琦. 京藏高速呼集段道路结冰期CLDAS气温适用性及其在交通风险预警中的应用[J]. 气象与环境学报, 2023, 39(6): 96-104.

Xiaohong JIA,Qi LI. Applicability of CLDAS air temperature during road icing period on Hoji section of Beijing-Tibet expressway and its application in traffic risk early warning[J]. Journal of Meteorology and Environment, 2023, 39(6): 96-104.

图/表 11

图1

图2

图3

图4

图5

图6

图7

表1

图8

图9

图10

参考文献 28

1	成璐, 沈润平, 师春香, 等. CMORPH和TRMM 3B42降水估计产品的评估检验[J]. 气象, 2014, 40 (11): 1372- 1379.
2	高路, 郝璐. ERA-Interim气温数据在中国区域的适用性评估[J]. 亚热带资源与环境学报, 2014, 9 (2): 75- 81.
3	宋海清, 李云鹏, 张静茹, 等. 内蒙古地区多种土壤湿度资料的初步评估[J]. 干旱区资源与环境, 2016, 30 (8): 139- 144.
4	Rodell M , Houser P R , Jambor U , et al. The global land data assimilation system[J]. Bulletin of the America Meteorological Society, 2004, 85 (3): 381- 394. doi: 10.1175/BAMS-85-3-381
5	齐媛媛, 陈莹莹, 施建成. 欧洲陆面数据同化系统组成, 系统设计和原理简介[J]. 遥感信息, 2007, (4): 93- 97.
6	黄春林, 李新. 陆面数据同化系统的研究综述[J]. 遥感技术与应用, 2004, 19 (5): 424- 430.
7	曲学斌, 王彦平, 杨淑香, 等. 2014—2018年内蒙古大兴安岭地区干雷电时空分布特征[J]. 气象与环境学报, 2021, 37 (1): 53- 58. doi: 10.3969/j.issn.1673-503X.2021.01.007
8	龚伟伟. CMA陆面数据同化系统(CLDAS)产品评估[D]. 南京: 南京信息工程大学, 2014.
9	吴颖菊, 朱奎, 鲁帆, 等. 基于CLDAS数据和机器算法模型的大清河流域地表土壤湿度降尺度研究[J]. 水利水电技术, 2019, 50 (10): 18- 24.
10	李依瞳, 慕秀香, 朴美花, 等. 2019—2020年1—3月降水和气温的多源数据融合产品检验评估及对比分析[J]. 气象灾害防御, 2021, 28 (3): 1- 5.
11	崔园园, 敬文琪, 覃军. 基于TIPEX Ⅲ资料对CLDAS-V2.0和GLDAS-NOAH陆面模式产品在青藏高原地区的适用性评估[J]. 高原气象, 2018, 37 (5): 1143- 1160.
12	Chen Y , Yuan H L . Evaluation of nine sub-daily soil moisture model products over China using high-resolution in situ observations[J]. Journal of Hydrology, 2020, 588, 125054. doi: 10.1016/j.jhydrol.2020.125054
13	刘莹, 师春香, 王海军, 等. CLDAS气温数据在中国区域的适用性评估[J]. 大气科学学报, 2021, 44 (4): 540- 548.
14	高亮书, 余鹏. CLDAS地面要素产品在陕西的适用性评估[J]. 陕西气象, 2023, (1): 67- 72.
15	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.
16	鲁奕岑, 徐宁, 王丽吉, 等. 浙江多源融合实况分析产品质量评估及应用[J]. 科技通报, 2021, 37 (9): 23- 28.
17	林莹晶, 李双锦. 福建区域内实况网格气温产品的适用性验证[J]. 海峡科学, 2022, (6): 23- 27.
18	越昆, 金林雪, 吴瑞芬, 等. 基于CLDAS内蒙古日光温室低温风险指数及灾害风险区划研究[J]. 中国农业资源与区划, 2023, 44 (2): 99- 109.
19	董春卿, 郭媛媛, 张磊, 等. 基于CLDAS的格点温度预报偏差订正方法[J]. 干旱气象, 2021, 39 (5): 847- 856.
20	陈燕丽, 何燕, 丁美花, 等. CLDAS数据在早稻低温冷害监测中的应用[J]. 中国农学通报, 2018, 34 (11): 152- 158.
21	张超, 吴国周, 宋海清, 等. 基于CLDAS温度适宜度指标空间化方法[J]. 气象科技, 2017, 45 (3): 555- 560.
22	韩帅. 基于多源融合数据的中国1979-2018年葡萄气候区划及风险防范技术集成研究[D]. 北京: 中国农业科学院, 2020.
23	钱龙. 基于CLDAS再分析数据集估算中国地区参考作物蒸散量[D]. 昆明: 昆明理工大学, 2022.
24	孙翠梅, 马俊峰, 孔启亮, 等. 镇江市道路结冰影响指数分级预报方法[J]. 气象与环境学报, 2013, 29 (4): 84- 88.
25	罗小川, 唐荣年, 宁雨珂, 等. 基于CLDAS和ConvLSTM的海南岛区域网格温度短临预报[J]. 海南大学学报(自然科学版), 2021, 39 (3): 297- 305.
26	杨春华, 郑莉, 黄河清, 等. 重庆山地区域气象要素空间插值方法对比[J]. 气象与环境学报, 2022, 38 (4): 57- 66. doi: 10.3969/j.issn.1673-503X.2022.04.007
27	杨富燕, 彭芳, 于飞, 等. CLDAS温湿产品在贵州的适用性评估及订正[J]. 高原气象, 2023, 42 (2): 472- 482.
28	龙柯吉, 宋雯雯, 黄晓龙. 智能网格能见度实况融合格点分析产品在一次大雾天气过程中的评估[J]. 气象研究与应用, 2021, 42 (4): 50- 55.

地形因子		ME/℃	MAE/℃	r_ME	r_MAE
海拔高度	≤1300 m	-0.22	1.01	0.01	0.55^**
海拔高度	＞1300 m	-0.13	1.40	0.01	0.55^**
坡度	平原	-0.01	1.08	-0.32	0.28
	微斜坡	-0.18	1.13
	缓斜坡	-0.30	1.33
坡向	阳坡	-0.16	1.07	-	-
坡向	阴坡	-0.38	1.62	-	-

[1]	任丽媛,熊明明,孙玫玲,王雪娇. 天津地区低能见度时空特征及其在高速公路气象服务中的应用[J]. 气象与环境学报, 2023, 39(3): 72-78.
[2]	李云峰, 谢勇, 金顺梅, 刘野军. 吉林省高速公路交通事故与气象要素的关系研究[J]. 气象与环境学报, 2021, 37(3): 94-101.
[3]	林毅,肇毓,李倩,马东雷,张广梅,马强,李岚,赵凡. 基于数据挖掘处理的影响辽宁高速公路冬季交通事故主要气象要素分析[J]. 气象与环境学报, 2020, 36(3): 55-63.
[4]	张婉莹,孙秀博,李岚,张建强,孙丽,齐昕. 辽宁沿海高速公路浓雾气候特征及气象影响因子[J]. 气象与环境学报, 2020, 36(1): 67-73.
[5]	王春玲, 郭文利, 李迅, 姜江, 李宏宇, 陈传雷. 京津冀地区高速公路冰冻灾害风险区划[J]. 气象与环境学报, 2018, 34(1): 45-51.
[6]	顾婷婷, 潘娅英, 骆月珍. 浙江省高速公路低温雨雪冰冻灾害风险评估与区划[J]. 气象与环境学报, 2016, 32(3): 102-106.
[7]	王明华,陆忠艳,才奎志,关颖,袁子鹏,黄阁. 东北高速公路行车安全气象条件预报业务系统[J]. 气象与环境学报, 2010, 26(4): 53-56.
[8]	李岚,唐亚平,孙丽,宋艳秋,王宝香. 辽宁省高速公路不良气象条件分析及服务探讨[J]. 气象与环境学报, 2010, 26(1): 49-53.
[9]	李岚李洋邢江月关建华孙丽孙婧. 沈大高速公路雾气候特征与气象要素分析[J]. 气象与环境学报, 2009, 25(1): 49-53.
[10]	甄宏,. 沈大高速公路旁粮食和水果中重金属污染特征研究[J]. 气象与环境学报, 2008, 24(3): 1-5.
[11]	甄宏. 沈大高速公路两侧土壤重金属污染分布特征研究[J]. 气象与环境学报, 2008, 24(2): 6-9.
[12]	卢娟,郭刚,邢江月,张纯,唐亚平,万志强. 辽宁省高速公路气象保障服务系统设计与展望[J]. 气象与环境学报, 2007, 23(2): 50-53.
[13]	谢静芳,吕得宝,王宝书. 高速公路路面摩擦气象指数预报方法[J]. 气象与环境学报, 2006, 22(6): 18-21.