登录后查看更多精彩内容~
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
本帖最后由 andrewsoong 于 2014-1-13 15:25 编辑
注1：此数据是国家气象信息中心制作的高分辨率的风压湿温降水辐射数据，覆盖了整个东亚地区，分辨率为0.0625*0.0625.实时更新！另外，此数据逐小时的通过CMACAST广播下发到各个省局，市局。也可免费注册下载。下载地址：http://cdc.cma.gov.cn/featureObj.do?method=getContent&typeId=47 注2：部分图无法显示，故而附上原始pdf。 此文件来自国家气象信息中心师春香研究员。
QQ群：227822709，CLDAS-陆面数据同化交流
CMALand Data Assimilation System Version1.0（CLDAS-V1.0） 中国气象局陆面数据同化系统第一版本
产品说明
编写：姜立鹏师春香张涛
国家气象信息中心
2013-07-24
目 录
1. CLDAS简介中国气象局气象信息网络十二五计划中明确提出到2015年研制出高分辨率的多源土壤温湿度业务产品的目标。为此国家气象信息中心在研制多源土壤温湿度融合分析产品方面进行了较长远的发展规划，并进行了总体目标和实施方案的设计。陆面数据同化技术是获取高质量土壤湿度数据的有效手段,根据国内外陆面数据同化技术的发展情况，制定了分阶段实现CMA陆面数据同化业务系统的计划,该计划分为四个阶段，即CLDAS-V1.0--CLDAS-V4.0。 CLDAS-V1.0的科学目标是利用数据融合与同化技术，对地面观测、卫星观测、数值模式产品等多种来源数据进行融合，获取高质量的温度、气压、湿度、风速、降水和辐射等要素的格点数据，进而驱动陆面过程模型，获得土壤温湿度等陆面变量。研究重点是对于陆面驱动数据的处理和合适陆面过程模型的选择。CLDAS-V1.0的业务目标是设计一个可扩展性强的陆面数据同化系统框架，开发一个可用于业务运行的CLDAS-V1.0系统，并为版本升级预留接口。 CLDAS-V2.0将实现多个陆面模式的运行和多模式集成，并继续改进地表、土壤和植被参数和陆面驱动数据；CLDAS-V3.0将实现地面观测土壤湿度、卫星反演土壤湿度数据的同化；CLDAS-V4.0将实现卫星观测亮温数据同化。 CLDAS-V1.0于2013年7月投入业务试运行。该系统逐小时输出不同层次的土壤湿度产品，以及气温、气压、风速、湿度、太阳辐射等陆面驱动产品，可满足农业干旱监测、山洪地质灾害气象服务、气候系统模式评估、空间细网格实况数据服务等业务对土壤湿度产品等陆面产品的需求。 2. CLDAS-V1.0输入数据CLDAS-V1.0的输入数据主要包括： （1）地面观测数据目前，全国已建成自动观测站（包括国家级自动站和区域自动站）3万余个，其观测资料实时上传，且经过了包括气候学界限值、区域界限值、时间一致性、空间一致性检查等在内的严格质量控制，国家自动站可用率达98.9%，区域自动站的可用率也达到81.6%（任芝花等，2007）。CLDAS-V1.0中，气温要素使用质量控制后的所有自动站观测，气压、湿度和风速目前仅使用质量控制后的国家级自动站观测数据。 （2）NCEP/ GFS数值产品CLDAS-V1.0利用美国国家海洋大气局（National Oceanic andAtmospheric Administration，NOAA）全球预测系统（Global Forecast System，GFS） 的1°×1°分辨率数值预报产品作为背景场。GFS初始时刻为分析场，每3小时一个预报场，能提供长达7天的精细预测及16天的趋势预测。 （3）小时降水格点数据小时降水格点产品数据源主要包括国家气象信息中心制作的中国区域小时降水量融合产品、国家卫星气象中心利用FY-2E静止卫星反演的小时降水，以及NCEP-CPC制作的CMORPH卫星融合降水产品。 CMORPH产品是对多颗卫星微波反演降水产品进行融合，并利用红外冷云信息进行时间外推获取的8km分辨率全球半小时降水产品。 中国区域小时降水量融合产品包括全国自动站观测降水量和FY-2E反演产品融合的实时产品（1小时滞后），以及全国自动站观测降水量和CMORPH卫星融合产品融合的近实时产品（2天滞后），融合方法采用PDF（probabilitydensity function）和OI（optimalinterpolation）两步融合方法，产品分辨率为0．1°×0．1°。 （4）FY2系列卫星一级产品风云二号卫星是地球静止轨道气象卫星，位于36000公里高空。CLDAS-V1.0主要利用FY2卫星一级产品反演太阳短波辐射。 3. CLDAS-V1.0技术方法（1）气温、气压、湿度、风速的融合气温、气压、湿度和风速的融合主要通过LAPS/STMAS系统实现。LAPS系统是一个多源资料的综合分析系统，主要包括5大功能模块，风分析、地面分析、温度分析、云分析、水汽分析，后面的分析需要前面的分析结果，因此，分析必须按照图中的顺序依次进行。5个模块的分析结果可以进行诊断分析，得到一些诊断量用于天气的诊断，也可以经过平衡分析，接入数值模式，这样可以实现模式的热启动。 STMAS是在LAPS的框架下开发的新一代融合系统，算法与采用的是多重网格顺序变分方法，与传统的LAPS有较大差别。从功能上来讲，STMAS用地面分析模块代替了LAPS的地面分析，用STMAS3D模块替代了LAPS的风分析和温度分析，输入输出以及云分析、水汽分析、平衡分析依然依赖于LAPS，STMAS计划逐步吸收LAPS中的非绝热初始化技术，而形成一个独立的系统（张涛，2013）。 （2）地面入射太阳辐射遥感反演地面入射太阳辐射反演算法采用Stamnes 等的离散纵标法进行辐射传输计算, 这种算法可以计算任意方向的辐亮度, 因而能够考虑大气层顶反射太阳辐射的各向异性, 即先计算出大气层顶卫星观测方向的反射太阳辐射辐亮度, 然后换算为卫星可见光通道观测的可见光双向反照率. 入射到大气层顶的太阳辐射在穿越大气到达地面的传输过程中, 包含了与大气、地面相互作用的一系列物理过程。反演模式中主要考虑了: ① 臭氧吸收；②分子瑞利多次散射；③ 云滴的多次散射和吸收；④水汽吸收；⑤ 气溶胶的多次散射和吸收；⑥ 地面与大气的多次反射(师春香，2008)。 （3）降水CLDAS-V1.0中，实时产品利用国家卫星气象中心FY2降水估计产品（半圆盘）与国家气象信息中心基于风云卫星降水的融合产品（中国区域）拼接而成。近实时产品由CMORPH降水产品（全球）与国家气象信息中心基于CMORPH的降水融合产品（中国区域）拼接而成。 （4）陆面模式CLDAS-V1.0采用CLM3.5陆面模式进行土壤湿度产品制作。CLM模式主要包括以下几个部分： 生物地球物理过程—描述大气能量、水、动量的即时交换，其考虑了微气象、冠层生理、土壤物理、辐射传输和水文过程的各个方面。表层能量、水汽和动量的通量影响模拟的表面气候。 水文循环—陆地水文循环包括植物叶子截留的水，透冠雨和茎流、渗透、径流、土壤水，雪。这些和生物地球物理过程直接相连，同时影响温度、降水和径流。总径流(表层和次表层排水)用河道模式汇流到海洋。 生物地球化学—描述大气化学成分的即时交换，目前包括碳、生物挥发性有机化合物、沙尘、干沉降等。 动态植被—包括碳循环，还有对扰动(例如，火，土地利用)响应的群落成分和植被结构的变化。该动力过程有两个时间尺度：考虑几百年时间上群落成分和植被结构的变化，与火或者土地利用等扰动一致；生物地球物理过程对气候在更长时间上响应。 CLDAS-1.0中，陆面模式每小时运行一次，输入数据包括：重启动文件（restart file）、地表参数和陆面驱动数据。其中，重启动文件由上时次运行输出产生。 4. CLDAS-V1.0产品CLDAS-V1.0产品包括气温、气压、比湿、风速、降水和太阳短波辐射等陆面驱动产品和土壤湿度产品。产品覆盖范围为东亚区域（0°～60°N，70°E～150°E），空间分辨率：1/16°×1/16°，时间分辨率为1小时，实时（RealTime，RT）产品滞后3小时，近实时（Near Real Time，NRT）产品滞后2天3小时。 CLDAS-V1.0产品清单如下表所示。 表1CLDAS-V1.0产品清单 | 产品名称 |
文件名
|
文件大小 （字节）
|
CLDAS气温融合实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_TMP_HOUR_yyyymmddhh.nc
|
4924408
|
CLDAS气压融合实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_RRS_HOUR_yyyymmddhh.nc
|
4924408
|
CLDAS比湿融合实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_RHU_HOUR_yyyymmddhh.nc
|
4924408
|
CLDAS地面风速融合实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_WIN_HOUR_yyyymmddhh.nc
|
4924408
|
CLDAS太阳短波辐射实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SRA_HOUR_yyyymmddhh.nc
|
4924408
|
CLDAS降水实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_PRE_HOUR_yyyymmddhh.nc
|
6153684
|
CLDAS 0-05cm土壤湿度实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SM00-05_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 0-10cm土壤湿度实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SM00-10_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 0-20cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SM00-20_HOUR_yyyymmddhh.nc
|
|
CLDAS 10-40cm土壤湿度实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SM10-40_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 40-80cm土壤湿度实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SM40-80_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 80-200cm土壤湿度实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_RT_EA16_SM80-200_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS降水近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_PRE_HOUR_yyyymmddhh.nc
|
6153684
|
CLDAS 0-05cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_SM00-05_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 0-10cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_SM00-10_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 0-20cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_SM00-20_HOUR_yyyymmddhh.nc
|
|
CLDAS 10-40cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_SM10-40_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 40-80cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_SM40-80_HOUR_yyyymmddhh.nc
|
4924636
|
CLDAS 80-200cm土壤湿度近实时产品
|
Z_NAFP_C_BABJ_yyyymmddhhmmss_P_CLDAS_NRT_EA16_SM80-200_HOUR_yyyymmddhh.nc
|
4924636
|
5. CLDAS-V1.0验证与评估利用2012年1-12月全年结果开展了对CLDAS-V1.0输出产品的验证评估。降水和辐射产品利用了多年数据进行评估。 5.1 驱动场产品验证评估5.1.1气温、气压、湿度和风速CLDAS-V1.0融合气温产品与国家级自动地面观测气温数据比较表明二者偏差在1度之内，均方根误差小于1.5度。融合气压产品与国家级自动地面观测数据比较表明：有较明显的负偏差，均方根误差小于10hPa占全部样本的75%。融合相对湿度产品与国家级自动地面观测数据比较表明：偏差在6%左右，均方根误差小于10%。风速融合产品与国家级自动地面观测数据比较表明：偏差与均方根误差都在0.5m/s左右。图1是CLDAS-V1.0融合产品与国家级自动地面观测数据对比的偏差与均方根误差直方图（张涛，2013）。 | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image002.jpg |
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image004.jpg
|
① 气温融合产品81% Bias在正负0.5度之内； ② 气温融合产品96% Bias在正负1度内； ③ 气温融合产品83% RMSE小于1度； ④ 气温融合产品96% RMSE小于1.5度。
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image006.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image008.jpg
|
① 气压融合产品74% Bias在正负10hPa之内； ② 气压融合产品74% RMSE小于10hPa；
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image010.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image012.jpg
|
① 相对湿度融合产 品93% Bias在正负4%之内； ② 8相对湿度融合产品8% RMSE小于6%；
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image014.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image016.jpg
|
① 97% Bias在正负0.5m/s之内； ② 99% Bias在正负m/s之内； ③ 90RMSE小于1m/s；
|
图1 CLDAS-V1.0融合产品与国家级自动地面观测数据对比的偏差与均方根误差直方图
5.1.2太阳短波辐射图2给出了地面入射太阳辐射反演产品月平均值与15个地面观测站点的对比，对比时间为2005年7月-2009年12月。从图中可以看出，地面入射太阳辐射产品与地面观测具有很好的一致性。从图3的统计结果来看，地面入射太阳辐射最大偏差大约为30w/m2，相关系数基本在0.8以上，均方根误差在20～40 w/m2之间。地面入射太阳辐射反演产品精度可满足陆面模式的需要。图2和图3中也给出了国外其他几种卫星辐射产品与中国15个地面站观测资料的对比结果，结果表明FY2卫星地面入射太阳辐射反演产品精度与国外同类产品精度相当，但是FY2产品具有更高的时空分辨率，并且可以实时获取（Binghao Jia,2013）。 file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image018.gif 图2月平均地面入射太阳辐射与15个站点地面观测对比 file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image020.jpg 图3 FY2及国外三种卫星辐射产品与中国15个地面观测站点的偏差、 均方根误差和相关系数。 5.1.3降水CLDAS-V1.0中，实时产品利用国家卫星气象中心FY2降水估计产品与国家气象信息中心基于风云卫星降水的融合降水产品拼接而成，近实时产品由国家卫星气象中心FY2降水估计产品与国家气象信息中心基于CMORPH的降水融合产品拼接而成，最终生成覆盖东亚区域的小时降水估计产品用于驱动陆面模式运行。下面是将格点降水产品插值到地面观测站位置，并处理得到3小时累积降水量，然后对几种卫星降水及融合降水产品与地面观测3小时降水数据之间的对比和误差统计分析（成璐，2013）。 （1） 相关系数空间分布从几种降水产品与地面观测的3小时降水量时间相关系数空间分布（图4A）和样本百分率（图4B）可以看出，三种融合降水产品的时间相关系数在我国的东南部地区高于西北部地区，最高可以达到0.5及以上，在西北地区的相关系数较低。其中CMORPH的相关系数普遍比TRMM 3B42的稍高。TRMM 3B42和FY2降水产品在我国的东北、华北等部分地区相关系数明显偏低。NMIC融合降水资料的相关系数在全国范围内（图4A（d））都较高，普遍都在0.8以上，这说明融合的降水数据与地面台站观测降水数据之间的线性关系非常好。结合图4（B）的统计也可以看出，CMORPH、TRMM 3B42和FY2融合降水产品的相关系数大部分在0.3-0.5之间，而融合降水数据的相关系数明显提高，大于0.8的时间相关系数的样本占大部分比例。
| file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image022.jpg | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image024.jpg | | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image026.jpg | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image028.jpg |
（A） file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image030.gif （B） 图4 卫星和融合降水产品与地面台站观测数据3小时降水量 相关系数空间分布图（A）和样本百分率图（B） （2） 偏差空间分布对比三种融合降水产品与地面观测降水之间的偏差空间分布和样本百分率（图5），CMORPH的偏差在我国有着明显的南北差异，在我国的北方地区存在较小的正偏差，而在南方地区普遍为负偏差，这说明CMORPH对于相对干旱少雨的北方的降水有一定的高估，对降水丰沛的南方地区，却低估了降水。相比之下，TRMM 3B42和FY2降水产品没有这种南北差异，在全国大部分地区的偏差都较小，没有明显的区域差异和高值（低值）中心，这可能跟产品中加入了地面降水观测数据订正有关系，使得产品的系统性偏差降低。但是FY2融合降水产品在青藏高原，四川西部以及淮河流域一带地区存在正偏差区域，同时在南方部分地区也存负偏差，但是量值不是很大。这反映出了FY2号融合降水产品在这些地区的降水反演上依然存在一定的弱点，需要进一步改进。NMIC融合降水产品的偏差在全国的大部分地区呈现微弱的负偏差。从偏差的样本百分率数据中也可以看到，CMORPH的偏差主要集中在-0.2mm/3h到-0.05mm/3h之间，而经过融合后的降水产品相对于CMORPH来说，偏差主要分布在-0.1mm/3h到0.02mm/3h之间，使得大部分值更靠近0附近。此外TRMM 3B42和FY2降水产品也因为加入了地面观测数据，使得偏差呈现接近正态分布的趋势，偏差值易出现在在0值附近。
| file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image032.jpg | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image034.jpg | | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image036.jpg | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image038.jpg |
（A） file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image040.gif (B) 图5 卫星和融合降水产品与地面台站观测3小时降水量偏差（单位：mm/3h） 空间分布（A）和样本百分率（B） （3） 均方根误差空间分布
| file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image042.jpg | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image044.jpg | | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image046.jpg | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image048.jpg |
(A) file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image050.gif (B) 图6 三种卫星资料与地面台站观测3小时降水量均方根误差（单位：mm/3h） 空间分布（A）与样本百分率（B） 从图6中可以看到，除了TRMM 3B42在东南地区的均方根误差值较高，达到3mm/3h以上，CMORPH、FY2和NMIC融合降水数据的均方根误差在大部分地区都在3mm/3h以下，且没有明显的区域差异性，其中在内蒙、西北等地，由于降水量级本身偏低，因此均方根误差最低，NMIC融合降水数据相对于其他三种卫星降水资料，对于我国中部四川盆地地区降水的均方根误差有了一定的改进，这点从样本百分率图（图6B）也可以发现，融合降水数据的均方根误差大部分集中在1-2mm/3h之间，比其他三种卫星资料均方根误差降低一个等级。 5.1.4 土壤湿度产品验证评估（1）中国区域土壤湿度空间分布特征图7给出的是2012年CLDAS-V1.0土壤湿度产品（0～10cm）与人工观测和自动观测土壤湿度的平均态的空间分布。左边一列为CLDAS-V1.0土壤湿度产品，中间一列为人工观测土壤湿度，右边一列为自动观测土壤湿度。第一行为2012年年平均土壤湿度，第2～5行分别为1、4、7、10月的月平均土壤湿度。总体而言，CLDAS-V1.0土壤湿度产品很好的体现了我国土壤湿度的时空分布特征，土壤湿度的干湿程度变化与观测基本一致。0-10cm土壤湿度的分布呈现西北部较干，东部较湿。其中，东北和华东地区比较湿润，华北地区比较干燥，新疆大部，内蒙的西部和河套地区为土壤的干中心。与观测相比，土壤湿度干湿趋势在分布上和量级上都较为一致。 由图中可以看出，人工观测和自动观测两种地面观测土壤湿度本身也存在较大的差异，反映出土壤湿度观测与探测的难度大，特别是四川省自动观测土壤湿度比人工观测普遍偏干。 | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image052.jpg 2012年平均 |
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image054.jpg 人工观测2012年平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image056.jpg自动观测2012年平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image058.jpg 2012年1月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image060.jpg 人工观测2012年1月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image062.jpg 自动观测2012年1月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image064.jpg 2012年4月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image066.jpg 人工观测2012年4月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image068.jpg 自动观测2012年4月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image070.jpg 2012年7月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image072.jpg 人工观测2012年7月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image074.jpg 自动观测2012年7月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image076.jpg 2012年10月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image078.jpg 人工观测2012年10月平均
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image080.jpg 自动观测2012年10月平均
| | | | | | |
图7 CLDAS-V1.0和地面观测土壤湿度年平均与月平均对比 （2）区域尺度（分省）土壤湿度评估利用中国气象局2012年业务运行的自动站观测数据分省统计了CLDAS-V1.0土壤湿度产品（0-10cm）与自动观测土壤湿度的相关系数、偏差和均方根误差。同时，考虑到土壤中冰水的影响，把冬季观测数据剔除，仅利用2012年第100～300天的观测数据进行了统计。图8a-c是各省CLDAS-V1.0土壤湿度产品（0-10cm）与自动观测土壤湿度的相关系数、偏差和均方根误差直方图分布。图9是各省CLDAS-V1.0土壤湿度产品（0-10cm）与自动观测土壤湿度时间序列。 从统计结果来看，剔除冬季数据后，大多数省份的相关系数有所提高，但偏差和均方根误差也有不同程度的增大，这可能与夏季降水较多有关。就全年统计结果而言，全国平均相关系数为0.8922，偏差为0.0356，均方根误差为0.0376。统计的26个省份当中，有16个省份的相关系数在0.8以上，20个省份的相关系数在0.7以上；10个省份的均方根误差在0.05以下，18个省份均方根误差在0.07以下。四川省虽然具有最高的相关系数0.97，但其均方根误差也最大，达0.1748，不过从图16中看出，四川省自动观测土壤湿度比人工观测普遍偏干，初步判断四川省自动观测土壤湿度数据定标可能存在问题。综合相关系数和均方根误差来看，河南、江苏、湖南、山东、辽宁、云南、河北、广西等省的产品质量较好。广东省自动观测与CLDAS-V1.0产品看起来差异较大，但进一步分析广东省平均土壤湿度时间序列发现，在前半年二者差异大，到后半年自动观测与CLDAS-V1.0产品变化趋势已经比较一致，量值也接近。 从偏差来看，绝大多数省份为正偏差，表明CLDAS-V1.0土壤湿度产品略微偏湿，这与其他学者对CLM3.5偏湿的评估结果一致。 file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image082.gif 图8a 2012年CLDAS-V1.0土壤湿度产品与站点观测的相关系数 file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image084.gif 图 8b 2012年CLDAS-V1.0土壤湿度产品与站点观测的偏差 file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image086.gif 图 8c 2012年CLDAS-V1.0土壤湿度产品与站点观测的均方根误差
| file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image088.jpg |
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image090.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image092.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image094.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image096.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image098.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image100.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image102.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image104.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image106.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image108.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image110.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image112.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image114.jpg
|
图 9 2012年CLDAS-V1.0土壤湿度产品与站点观测的均方根误差 （3）与卫星反演土壤湿度产品的对比分析 自气象卫星发射以来，在不同阶段已有搭载在多颗卫星上的微波探测器探测的数据可用于反演土壤湿度。收集处理了2012年全年的FY3、SMOS、ASCAT卫星土壤湿度产品数据，分析了不同卫星土壤湿度产品月平均、年平均空间分布，与人工观测和自动站观测土壤湿度对比，以及与CLDAS-V1.0土壤湿度产品的对比分析。图10给出了不同卫星（FY3、SMOS、ASCAT）土壤湿度产品平均空间分布。结合图7与图10中可以看出，各卫星土壤湿度产品之间差异非常大，有些区域甚至出现干湿相反的情况，与地面观测资料的比较也证明了现有卫星反演土壤湿度产品质量不高。综合分析可以得出：CLDAS-V1.0土壤湿度产品优于目前的几种卫星反演土壤湿度产品。 | file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image116.jpg |
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image118.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image120.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image122.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image124.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image126.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image128.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image130.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image132.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image134.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image136.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image138.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image140.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image142.jpg
|
file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image144.jpg
|
FY3B（从上之下为年平均，1、4、7、10月平均）
|
SMOS（从上之下为年平均，1、4、7、10月平均）
|
ASCAT（从上之下为年平均，1、4、7、10月平均）
|
图10 卫星反演土壤湿度产品分布图 6. CLDAS-V1.0产品使用6.1数据可视化 产品可通过pyncview软件查看。pyncview下载地址为： http://sourceforge.net/projects/pyncview/ file:///C:/Users/Soong/AppData/Local/Temp/msohtmlclip1/01/clip_image146.jpg 6.2数据读取（1）Fortran样例程序 subroutine READ_CLDAS(filename,varname,data)usenetcdf
implicitnoneinteger::status,ncFileID
character(*)::filename
character(*)::varname
real,dimension(:,:)::data
integer::VarID
! real,dimension(1001,841,1,1)::pressstatus=nf90_open(path=trim(filename),mode=nf90_nowrite,ncid=ncFileID)callcheck_netcdf_error("nf90_open",status)status=nf90_inq_varid(ncid=ncFileID,name=trim(varname),varid=VarID)callcheck_netcdf_error("nf90_inq_varid",status)status=nf90_get_var(ncFileID,VarID,data)!,start=(/1,1,1/)callcheck_netcdf_error("nf90_get_var",status)status=nf90_close(ncFileID)callcheck_netcdf_error("nf90_close",status)! print*,press(1:10,1,1,1)end SUBROUTINESUBROUTINEcheck_netcdf_error(routine,status)usenetcdf
implicitnoneinteger,intent(in)::statuscharacter(len=*),intent(in)::routine
if(status/=nf90_noerr)thenwrite(*,'("Netcdfroutine",1x,A,1x,,"terminated with error:",X,A)')&trim(routine),trim(nf90_strerror(status))stop"program abnormal stopped"end ifEND SUBROUTINE
在fortran程序中调用READ_CLDAS函数，给定文件名、变量名、数据数组，就可以返回数据。使用该函数需要安装netcdf。
（2）Java样例程序 public void readCLDAS(URI uri, String varname) { NetcdfFilecdmf = null; float[][] grid2d = null; try { cdmf =NetcdfFile.openInMemory(uri); List<Dimension>dims = cdmf.getDimensions(); System.out.println("\nDimensions: "); for (int i = 0; i < dims.size(); i++) { Dimensiondim = dims.get(i); System.out.println(dim.getName() + " "+ dim.getLength()); } grid2d =new float[dims.get(0).getLength()] [dims.get(1).getLength()]; List<Variable>vars = cdmf.getVariables(); for (int kk = 0; kk < vars.size(); kk++) { Variablevar = vars.get(kk); Stringname = var.getFullName(); if (var.getDataType() == DataType.FLOAT &&var.getFullName().equalsIgnoreCase(varname)) { Arraytmp = var.read(); for (int i = 0; i < dims.get(0).getLength(); i++){ for (int j = 0; j < dims.get(1).getLength(); j++){ int index = j * (dims.get(0).getLength()) + i; grid2d[j]=tmp.getFloat(index); } } } } } catch (IOException e) { e.printStackTrace(); } finally { try { cdmf.close(); } catch (IOException e) { e.printStackTrace(); } } } 该程序需要netcdfAll-4.3.jar包，可从 http://www.unidata.ucar.edu/software/netcdf-java/下载。 （3）IDL样例程序 filename = 'F:\Z_NAFP_C_BABJ_20130718054756_P_CLDAS_RT_EA16_RRS_HOUR_2013071804.nc' NCid = NCDF_OPEN(filename) ;打开文件 NCinfo = NCDF_INQUIRE(NCid) ;获取文件信息 ; 查询NC文件中的变量，以及变量的 att 信息 FOR iVar = 0, NCinfo.Nvars-1 DO BEGIN Varinfo = NCDF_VARINQ(NCid, iVar) print, "VarName: ", Varinfo.Name print, "AttNumber: ", Varinfo.Natts FOR iAtt = 0, Varinfo.Natts-1 DO BEGIN AttName = NCDF_ATTNAME(NCid, iVar, iAtt) NCDF_ATTGET, NCid, iVar, AttName, Att print, AttName, ": ", STRING(Att) ENDFOR ENDFOR iVar=0 ;读取第几个变量用户根据需求修改 Varinfo = NCDF_VARINQ(NCid, iVar) Dataid = NCDF_VARID(NCid, Varinfo.Name) ;获取数据ID NCDF_VARGET, NCid, Dataid, Data ;读取数据，并保持到Data变量 NCDF_CLOSE,NCid help,data 6.3技术支持产品使用过程中遇到问题，请联系： 4) QQ群：227822709，CLDAS-陆面数据同化交流 参考文献
- Shi C X, Xie Z H, Qian H, et al. China land soil moisture EnKF data assimilation based on satellite remote sensing data. Sci China Earth Sci, 2011, doi: 10.1007/s11430-010-4160-3.
- 张涛，2013. 基于LAPS/STMAS的多源资料融合及应用研究.硕士学位论文，南京：南京信息工程大学。
- 师春香, 2008.基于EnKF算法的卫星遥感土壤湿度同化研究. 博士学位论文, 北京: 中国科学院研究生院。
- 师春香, 谢正辉. 2008，基于静止气象卫星观测的降水时间将尺度研究.地理科学进展, 27(4): 15-22.
- 朱晨,师春香等, 2013.中国区域不同深度土壤湿度模拟和评估[J].气象科技,41(3):529~536.
- 任芝花,熊安元.地面自动站观测资料三级质量控制业务系统的研制[J]. 气象, 2007,(01) :19-24.
- 游然,卢乃锰: FY-2C 卫星降水估计产品http://satellite.cma.gov.cn/jsp/basic/online help.jsp#.
- 潘旸，沈艳，宇婧婧等. 2012, 基于OI方法分析的中国区域地面观测与卫星反演小时降水融合试验. 气象学报.
- Joyce R J, Janowiak J E, Arkin P A, et al. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution[J].Journal of Hydrometeorology, 2004, 5(3):487-503.?
- Binghao Jia,Zhenghui Xie,Aiguo Dai. 2013, Evaluation of satellite and reanalysis products of downward surface solar radiation over East Asia: Spatial and seasonal variationsJOURNAL OF GEOPHYSICAL RESEARCH: ATMOSPHERES, VOL. 118, 1-16, doi:10.1002/jgrd.50353, 2013.
- 成璐，2013，融合降水及多种卫星降水产品评估研究.硕士学位论文，南京：南京信息工程大学.
| 
窥视卡
雷达卡
发表于 2013-10-28 12:45:20
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
发表于 2013-10-28 13:31:11
楼主
感谢分享