基于統(tǒng)一高度Cressman方法的地面2 m氣溫客觀分析

朱文剛 ，李昌義，車軍輝

(1.山東省氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，山東 濟(jì)南 250031；2.山東省氣象科學(xué)研究所，山東 濟(jì)南 250031；3.山東省氣象服務(wù)中心，山東 濟(jì)南 250031)

引言

近年來(lái)隨著我國(guó)氣象觀測(cè)網(wǎng)建設(shè)的快速發(fā)展，自動(dòng)氣象站觀測(cè)數(shù)據(jù)時(shí)空密度大大提高，并且在大力發(fā)展氣象無(wú)縫隙精細(xì)化智能網(wǎng)格預(yù)報(bào)技術(shù)背景下和人類生產(chǎn)活動(dòng)對(duì)基于位置的氣象服務(wù)要求下，將高時(shí)空分辨率不規(guī)則、離散站點(diǎn)實(shí)況資料快速、準(zhǔn)確生成規(guī)則的格點(diǎn)資料具有重要的社會(huì)服務(wù)和業(yè)務(wù)應(yīng)用價(jià)值。

將站點(diǎn)資料利用數(shù)據(jù)融合分析技術(shù)生成格點(diǎn)資料主要有遙感反演、資料同化、客觀分析和統(tǒng)計(jì)插值等方法，由于受衛(wèi)星空間分辨率、反演算法和復(fù)雜下墊面的制約，遙感反演的精度還有待提高[1-3]，而后三種方法在氣象領(lǐng)域應(yīng)用較廣泛，如美國(guó)NOAA/ESRL(National Oceanic and Atmospheric Administration/Earth System Research Laboratory)開發(fā)的局地分析與預(yù)報(bào)系統(tǒng)LAPS(Local Analysis and Prediction System)，后來(lái)升級(jí)為時(shí)空多尺度分析系統(tǒng)STMAS(Space-Time Multiscale Analysis System)，方法也從Barnes客觀分析轉(zhuǎn)變?yōu)檫B續(xù)變分資料同化，通過(guò)對(duì)不同尺度的觀測(cè)信息進(jìn)行分析能夠消除長(zhǎng)波信息與短波信息之間的干擾，得到更精確、細(xì)致的格點(diǎn)分析場(chǎng)[4-6]。張濤等[7]通過(guò)對(duì)比分析LAPS和STMAS地面2 m氣溫融合效果，結(jié)果表明在東部觀測(cè)密集區(qū)LAPS和STMAS都有不錯(cuò)的表現(xiàn)，在資料稀疏地區(qū)STMAS的優(yōu)勢(shì)更為明顯。李超等[8]以LAPS系統(tǒng)本地化為基礎(chǔ)研發(fā)了一套地面、高空多要素客觀分析產(chǎn)品，結(jié)果顯示氣溫的融合效果最好。師春香等[9-10]基于LAPS/STMAS系統(tǒng)研制完成的中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS陸面要素融合分析產(chǎn)品，與中、外同類產(chǎn)品比較在中國(guó)區(qū)域的時(shí)、空分辨率和質(zhì)量更高[11-13]，在CLDAS-V2.0基礎(chǔ)上，高分辨率中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)(HRCLDAS-V1.0)也已經(jīng)投入試運(yùn)行，產(chǎn)品分辨率提高至1 km[14]，產(chǎn)品質(zhì)量有了進(jìn)一步提高。但是，地形高度調(diào)整的不合理性對(duì)LAPS、STMAS在山區(qū)的融合效果有所影響，而且STMAS方法中將背景誤差協(xié)方差和觀測(cè)誤差協(xié)方差的比值簡(jiǎn)單定義為常數(shù)，較為簡(jiǎn)單。張璐等[15]將多重網(wǎng)格策略引入非線性最小二乘三維變分同化方法NLS-3DVar(Non-linear Least Squares-based on Three-dimensional Variational Data Assimilation)，并應(yīng)用于2 m氣溫?cái)?shù)據(jù)融合，NLS-3DVar 產(chǎn)品相比于STMAS和Cressman 插值產(chǎn)品來(lái)說(shuō)，其具有更高的精度。何斌等[16]利用Multiquadric和Cressman插值法對(duì)浙江省自動(dòng)氣象站的2 m氣溫資料進(jìn)行客觀分析，結(jié)果表明當(dāng)站點(diǎn)較密集時(shí)兩種方法分析結(jié)果差異非常小。鄺建新等[17]對(duì)廣東省自動(dòng)氣象站的2 m氣溫、壓強(qiáng)、風(fēng)場(chǎng)、雨量進(jìn)行質(zhì)量控制后，采用Barnes方法進(jìn)行客觀分析，建立一套自動(dòng)氣象站資料客觀分析的業(yè)務(wù)運(yùn)行系統(tǒng)。何險(xiǎn)峰等[18]提出KNN、Barnes重采樣技術(shù)為主線，梯度提升樹(GBT)回歸最優(yōu)化的客觀分析方法，實(shí)現(xiàn)了對(duì)傳統(tǒng)氣象Barnes客觀分析、k最鄰近法、Spark機(jī)器學(xué)習(xí)框架的改進(jìn)與融合，生成1 km高分辨全要素格點(diǎn)場(chǎng)客觀分析產(chǎn)品。馬諾等[19]利用協(xié)同克里金、統(tǒng)一高度普通克里金、多元線性回歸3 種空間插值方法對(duì)天山區(qū)域的氣溫進(jìn)行插值，統(tǒng)一高度普通克里金方法雖然考慮了地形偏差的影響，但是認(rèn)為氣溫垂直遞減率是一常數(shù)(6.5 ℃·km-1)。以上研究表明在資料密集的平原地區(qū)不同客觀分析方法得到的產(chǎn)品質(zhì)量相差不大，接近站點(diǎn)觀測(cè)值。但是在站點(diǎn)稀疏和地形復(fù)雜區(qū)域，由于不同客觀分析方法使用的背景場(chǎng)和地形處理方案不同，產(chǎn)品質(zhì)量存在明顯的差異。

而Cressman方法作為氣象領(lǐng)域應(yīng)用廣泛且比較成熟的客觀分析方法，是將站點(diǎn)視為同一平面上分布的離散點(diǎn)，其忽略了地形高度等影響因素，在降水客觀分析方面取得較為理想的分析結(jié)果，但是對(duì)于2 m氣溫這種受地形高度偏差影響比較大的氣象要素，Cressman方法較難獲得高精度的估算結(jié)果。因此本文基于山東省自動(dòng)氣象站分布較密集結(jié)合地形特征，采用統(tǒng)一高度Cressman客觀分析方法、地形訂正等關(guān)鍵技術(shù)，對(duì)山東省2 m氣溫進(jìn)行客觀分析生成逐1 h、0.01°×0.01°高分辨率格點(diǎn)產(chǎn)品，供全省業(yè)務(wù)應(yīng)用和社會(huì)服務(wù)。

1 資料和質(zhì)量控制

1.1 資料介紹

本文使用的資料主要有2020年5—12月山東省及周邊省自動(dòng)氣象站(國(guó)家級(jí)氣象觀測(cè)站、區(qū)域氣象觀測(cè)站、海島觀測(cè)站、浮標(biāo)觀測(cè)站等，以下統(tǒng)稱“自動(dòng)站”)觀測(cè)資料，包含逐小時(shí)地面2 m氣溫、逐1 h累計(jì)降水量和逐小時(shí)地面氣壓；歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts， ECMWF)預(yù)報(bào)的海上2 m氣溫和海平面氣壓，水平分辨率為0.125°×0.125°；1970—2019年50 a間山東省123個(gè)國(guó)家級(jí)氣象觀測(cè)站2 m月最高溫和月最低溫資料；山東省中尺度數(shù)值預(yù)報(bào)系統(tǒng)(WRF-RUC)預(yù)報(bào)的垂直位溫遞減率和地面氣壓，水平分辨率為3 km；分辨率為90 m的地形高程數(shù)據(jù)SRTM(shuttle radar topography mission)。

Cressman客觀分析時(shí)由于邊界觀測(cè)資料較少會(huì)引起較大分析誤差，因此Cressman客觀分析所用的離散站點(diǎn)區(qū)域要大于生成格點(diǎn)產(chǎn)品的區(qū)域范圍，圖1中白色d01框(34.0°～39.0°N，114.0°～123.0°E)為不規(guī)則離散站點(diǎn)分布，紅色d02框(34.25°～38.55°N，114.65°～122.80°E)為Cressman客觀分析生成的格點(diǎn)場(chǎng)，陸地上藍(lán)色離散點(diǎn)是自動(dòng)站位置，約有3 500個(gè)站，海洋上白色點(diǎn)是ECMWF預(yù)報(bào)的格點(diǎn)位置，約有900個(gè)格點(diǎn)，魯中山區(qū)和半島地區(qū)自動(dòng)站密度分布稀疏，平原地區(qū)自動(dòng)站密度分布較密集。由于海上自動(dòng)站資料較匱乏，根據(jù)多模式的檢驗(yàn)結(jié)果，ECMWF預(yù)報(bào)的地面2 m氣溫平均誤差和均方根誤差最小，因此使用ECMWF預(yù)報(bào)的2 m氣溫作為補(bǔ)充，和自動(dòng)站2 m氣溫組成Cressman客觀分析所用的離散站點(diǎn)，約有4 400個(gè)站。離散的站點(diǎn)經(jīng)過(guò)Cressman客觀分析后輸出一個(gè)緯度方向431個(gè)格點(diǎn)，經(jīng)度方向816個(gè)格點(diǎn)，分辨率為0.01°×0.01°的等經(jīng)緯度格點(diǎn)產(chǎn)品。

圖1 不規(guī)則離散站點(diǎn)分布(白色d01框)和Cressman客觀分析生成的格點(diǎn)場(chǎng)(紅色d02框；陸地上藍(lán)色點(diǎn)是自動(dòng)站位置，海洋上白色點(diǎn)是 ECMWF預(yù)報(bào)的格點(diǎn)位置)Fig.1 Distribution of irregular discrete stations (white box d01) and grid field generated by the Cressman objective analysis (red box d02) (blue point on the land for location of ground automatic weather station, white point on the ocean for grid position predicted by ECMWF)

1.2 質(zhì)量控制

自動(dòng)站觀測(cè)資料易受到站點(diǎn)周邊環(huán)境、人工維護(hù)、數(shù)據(jù)傳輸、儀器設(shè)備等多種因素的影響導(dǎo)致自動(dòng)站觀測(cè)數(shù)據(jù)出現(xiàn)缺失或異常等現(xiàn)象，嚴(yán)重影響了氣象觀測(cè)數(shù)據(jù)的質(zhì)量和應(yīng)用。因此Cressman客觀分析前需要對(duì)觀測(cè)資料進(jìn)行質(zhì)量控制。本文對(duì)自動(dòng)站觀測(cè)資料主要使用極值檢查、背景場(chǎng)檢查、時(shí)間一致性檢查、區(qū)域一致性檢查常規(guī)的質(zhì)量控制方法來(lái)剔除異常和可疑的數(shù)據(jù)[20-24]。

1.2.1 極值檢查

極值檢查主要用來(lái)剔除明顯異常的氣溫?cái)?shù)據(jù)，利用1970—2019年50 a間山東省123個(gè)國(guó)家級(jí)自動(dòng)站觀測(cè)的月最高溫和月最低溫作為極值檢查的閾值指標(biāo)(表1)，為了避免極端天氣發(fā)生時(shí)的實(shí)況資料丟失，極值檢查的閾值范圍比統(tǒng)計(jì)閾值范圍略大，當(dāng)觀測(cè)的自動(dòng)站2 m氣溫高于或低于這個(gè)閾值指標(biāo)時(shí)剔除。

表1 1970—2019年山東省123個(gè)國(guó)家級(jí)氣象觀測(cè)站月極端氣溫值

1.2.2 時(shí)間一致性檢查

時(shí)間一致性檢查主要是檢查地面2 m氣溫隨時(shí)間的變化是否為一個(gè)連續(xù)變化的過(guò)程，通過(guò)檢查觀測(cè)數(shù)據(jù)時(shí)間變化率，剔除不真實(shí)的跳躍或無(wú)變化值。根據(jù)山東省地面2 m氣溫1 h變溫的統(tǒng)計(jì)結(jié)果，本文時(shí)間一致性檢查分為：當(dāng)自動(dòng)站有降水天氣現(xiàn)象發(fā)生時(shí)，前1 h溫差絕對(duì)值大于12.0 ℃時(shí)剔除該自動(dòng)站觀測(cè)資料；當(dāng)自動(dòng)站沒有降水發(fā)生時(shí)，前1 h溫差絕對(duì)值大于8.0 ℃時(shí)剔除該自動(dòng)站觀測(cè)資料。

1.2.3 區(qū)域一致性檢查

自動(dòng)站空間分布距離相近的站點(diǎn)的特征值比距離較遠(yuǎn)的站點(diǎn)相關(guān)性要大，因此利用單站資料對(duì)該站進(jìn)行質(zhì)量控制的基礎(chǔ)上再結(jié)合鄰近臺(tái)站的觀測(cè)資料進(jìn)行質(zhì)量控制能夠進(jìn)一步提高觀測(cè)資料的準(zhǔn)確率，區(qū)域一致性檢查就是充分利用同時(shí)刻鄰近的多個(gè)臺(tái)站觀測(cè)資料，對(duì)該站觀測(cè)資料進(jìn)行質(zhì)量控制的方法[24]?？紤]氣象要素隨海拔高度的垂直變化、氣象要素距離相關(guān)性的衰減等原因，本文在地形訂正后再進(jìn)行區(qū)域一致性檢查，首先將地面2 m氣溫利用地形訂正方法訂正到海平面高度并轉(zhuǎn)換為位溫，然后采用箱線圖異常值的方法進(jìn)行區(qū)域一致性檢查，影響半徑取10 km，若訂正后的位溫大于上限(Q3+1.5×IQR)或小于下限(Q1-1.5×IQR)，均視為異常值，其中，Q3為75%分位數(shù)，Q1為25%分位數(shù)，IQR=Q3-Q1。

1.2.4 背景場(chǎng)檢查

數(shù)值預(yù)報(bào)產(chǎn)品能夠反映三維大氣的時(shí)空變化演變特征，利用數(shù)值預(yù)報(bào)產(chǎn)品對(duì)觀測(cè)資料進(jìn)行質(zhì)量控制，能有效剔除不符合氣候態(tài)的觀測(cè)資料。將山東省中尺度數(shù)值預(yù)報(bào)系統(tǒng)(WRF-RUC)預(yù)報(bào)的地面2 m氣溫作為背景場(chǎng)(B)，利用反距離權(quán)重方法插值到自動(dòng)站，和自動(dòng)站觀測(cè)的2 m氣溫(O)計(jì)算觀測(cè)余差(O-B)，當(dāng)自動(dòng)站觀測(cè)的降水這一天氣現(xiàn)象和數(shù)值預(yù)報(bào)相同，且|O-B|大于8.0 ℃時(shí)剔除該自動(dòng)站觀測(cè)資料，當(dāng)自動(dòng)站降水這一天氣現(xiàn)象和數(shù)值預(yù)報(bào)不一致時(shí)，即數(shù)值模式降水出現(xiàn)空?qǐng)?bào)和漏報(bào)時(shí)，|O-B|大于12.0 ℃時(shí)剔除該自動(dòng)站觀測(cè)資料。

2 方法

2.1 地形訂正方法

統(tǒng)計(jì)表明地面2 m氣溫和地形高度呈負(fù)相關(guān)并具有統(tǒng)計(jì)學(xué)上的依賴關(guān)系，地形每升高100 m溫度降低0.65 ℃左右[25]，但當(dāng)有地面逆溫、焚風(fēng)效應(yīng)等發(fā)生時(shí)，溫度梯度不再是常數(shù)。因此本文利用山東省中尺度數(shù)值模式預(yù)報(bào)的位溫遞減率，借鑒WRFDA變分同化系統(tǒng)中地面2 m氣溫地形矯正方法進(jìn)行地形訂正，公式如下：

(1)

(2)

(3)

θr=θr′+Δθ

(4)

2.2 Cressman方法

Cressman 客觀分析方法由CRESSMAN[26]于1959年首先提出，至今依然用于各種氣象資料的空間插值。Cressman客觀分析方法采用逐步訂正方法將離散點(diǎn)(站點(diǎn))插值到規(guī)則格點(diǎn)上。先假定格點(diǎn)上初猜場(chǎng)的值，本文使用掃描半徑R范圍內(nèi)的區(qū)域平均值作為初猜場(chǎng)，然后用掃描半徑內(nèi)的觀測(cè)資料與初猜場(chǎng)的分析增量(ΔGij)訂正初猜場(chǎng)，得到新的初猜場(chǎng)，逐步迭代直到訂正的初猜場(chǎng)逼近觀測(cè)資料為止。通常，一次客觀分析過(guò)程需要設(shè)置多個(gè)掃描半徑R進(jìn)行多次Cressman分析才能取得較好的分析結(jié)果，公式如下：

(5)

(6)

(7)

(8)

2.3 統(tǒng)一高度Cressman方法

山東省自動(dòng)站觀測(cè)網(wǎng)分布較密集，但山區(qū)和地形復(fù)雜區(qū)域尤其是山頂觀測(cè)資料仍然較少且分布不均勻，如魯中山區(qū)和山東半島區(qū)域(圖1)，這些區(qū)域站點(diǎn)的時(shí)空代表性較差，因此需要對(duì)這些區(qū)域進(jìn)行地形訂正減少地形對(duì)氣象要素插值引起的誤差。另外，由于常規(guī)Cressman方法客觀分析時(shí)沒有考慮地形對(duì)地面2 m氣溫的影響，造成氣溫等值線和地形不匹配這顯然是不合理的，因此本文采用統(tǒng)一高度Cressman方法對(duì)山東省地面2 m氣溫進(jìn)行客觀分析。步驟(圖2紅色框)如下：首先利用反距離權(quán)重插值方法將WRF-RUC預(yù)報(bào)的垂直位溫遞減率插值到離散站點(diǎn)位置，然后利用基于位溫遞減率的地形訂正方法將地面2 m氣溫轉(zhuǎn)換為海平面高度上的位溫，接著對(duì)位溫進(jìn)行Cressman客觀分析生成0.01°×0.01°海平面高度位溫格點(diǎn)分析場(chǎng)，最后再利用基于位溫遞減率地形訂正方法將海平面位溫訂正到真實(shí)地形高度(SRTM)生成地面2 m氣溫格點(diǎn)分析場(chǎng)。

圖2 統(tǒng)一高度Cressman客觀分析方法流程圖Fig.2 Flow chart of the Cressman objective analysis method with elevation correction

2.4 檢驗(yàn)辦法

本文檢驗(yàn)使用了平均誤差、平均絕對(duì)誤差、均方根誤差、預(yù)報(bào)準(zhǔn)確率檢驗(yàn)指標(biāo)，公式如下：

(9)

(10)

(11)

(12)

其中，Oi為第i站(次)實(shí)況溫度，F(xiàn)i為第i站(次)客觀分析溫度，NA為|Fi-Oi|≤2 ℃或|Fi-Oi|≤1 ℃的站(次)數(shù)，NB為客觀分析或?qū)崨r的總站(次)數(shù)。PC溫度預(yù)報(bào)準(zhǔn)確率指溫度客觀分析絕對(duì)誤差≤2 ℃或1 ℃的百分比。

3 結(jié)果分析

3.1 地形訂正影響

兩種客觀分析方法的主要區(qū)別是統(tǒng)一高度Cressman方法考慮了地形偏差對(duì)2 m氣溫的影響。圖3為2020年5月14日14時(shí)山東省魯中山區(qū)2 m氣溫格點(diǎn)產(chǎn)品等值線圖，圖3a為常規(guī)Cressman方法客觀分析結(jié)果，圖3b為統(tǒng)一高度Cressman方法客觀分析結(jié)果，檢驗(yàn)時(shí)兩種產(chǎn)品都沒有進(jìn)行臨近站點(diǎn)替換。通過(guò)對(duì)比，利用統(tǒng)一高度Cressman方法客觀分析后，地面2 m氣溫等值線和地形結(jié)構(gòu)走向一致，氣溫隨高度上升溫度降低，地形梯度越大的地方溫度梯度也越大。而常規(guī)Cressman客觀分析的地面2 m氣溫等值線在魯中山區(qū)較平滑。如徂徠山(圖3a、b紅色圓圈)海拔高度為1 028 m，兩種Cressman方法客觀分析時(shí)都沒有使用該站觀測(cè)資料，顯然統(tǒng)一高度Cressman方法客觀分析結(jié)果更合理。

圖3 2020年5月14日14時(shí)山東省魯中山區(qū)2 m氣溫格點(diǎn)產(chǎn)品等值線圖(a.常規(guī)Cressman方法，b.統(tǒng)一高度Cressman方法)Fig.3 Contour map of gridded products of 2-m air temperature in mountainous area of central Shandong at 14:00 BST 14 May 2020 (a. the conventional Cressman method, b. the Cressman method with elevation correction)

表2為2020年5月山東省2 m氣溫Cressman客觀分析格點(diǎn)產(chǎn)品檢驗(yàn)結(jié)果，Test1為常規(guī)Cressman方法，Test2為統(tǒng)一高度Cressman方法。Test2、Test1的平均誤差分別為-0.008 6 ℃、-0.162 9 ℃，降低了0.154 3 ℃，平均絕對(duì)誤差分別為0.159 7 ℃、0.417 2 ℃，降低了0.257 5 ℃，均方根誤差分別為0.353 7 ℃、0.614 7 ℃，降低了0.261 0 ℃，2 ℃以內(nèi)準(zhǔn)確率分別為99.60%、98.14%，提高了1.46%，1 ℃以內(nèi)準(zhǔn)確率分別為98.09%、96.51%，提高了1.58%。結(jié)果表明統(tǒng)一高度Cressman方法相比常規(guī)Cressman方法提高了客觀分析產(chǎn)品的質(zhì)量，尤其在沒有資料和地形復(fù)雜區(qū)域，客觀分析產(chǎn)品的結(jié)果也更加合理。

表2 2020年5月山東省2 m氣溫客觀分析格點(diǎn)產(chǎn)品檢驗(yàn)結(jié)果

3.2 檢驗(yàn)與分析

利用中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS和HRCLDAS地面2 m氣溫格點(diǎn)實(shí)況產(chǎn)品，和統(tǒng)一高度Cressman客觀分析格點(diǎn)產(chǎn)品(沒有進(jìn)行臨近站點(diǎn)替換)進(jìn)行對(duì)比，HRCLDAS產(chǎn)品2020年7月底業(yè)務(wù)試運(yùn)行。HRCLDAS和統(tǒng)一高度Cressman產(chǎn)品水平分辨率為1 km，自動(dòng)站和格點(diǎn)距離較近，因此取臨近格點(diǎn)和自動(dòng)站實(shí)況資料進(jìn)行匹配，CLDAS產(chǎn)品水平分辨率為5 km，自動(dòng)站和格點(diǎn)距離較遠(yuǎn)，因此利用雙線性插值到山東省1 635個(gè)自動(dòng)站上和實(shí)況資料進(jìn)行匹配。通過(guò)分析2020年5—12月CLDAS、HRCLDAS和統(tǒng)一高度Cressman格點(diǎn)產(chǎn)品地面2 m氣溫的檢驗(yàn)結(jié)果(表3)，三種產(chǎn)品平均誤差分別為-0.025 6 ℃、-0.020 0 ℃和-0.003 9 ℃，均為負(fù)偏差，這主要是由于插值對(duì)極值平滑而引起的，平均絕對(duì)誤差分別為0.516 0 ℃、0.174 0 ℃和0.146 9 ℃，均方根誤差分別為0.872 3 ℃、0.407 7 ℃和0.359 7 ℃，2 ℃以內(nèi)準(zhǔn)確率分別為97.24%、99.62%和99.64%，1 ℃以內(nèi)準(zhǔn)確率分別為86.40%、97.43%和98.24%。總體上CLDAS產(chǎn)品不如HRCLDAS和統(tǒng)一高度Cressman產(chǎn)品，這主要是因?yàn)镃LDAS產(chǎn)品分辨率較低，CLDAS產(chǎn)品臨近站點(diǎn)的格點(diǎn)和自動(dòng)站距離較遠(yuǎn)，而HRCLDAS和統(tǒng)一高度Cressman產(chǎn)品臨近站點(diǎn)的格點(diǎn)和自動(dòng)站點(diǎn)距離較近甚至重合；HRCLDAS產(chǎn)品8月誤差較大，各項(xiàng)檢驗(yàn)指標(biāo)均不如統(tǒng)一高度Cressman產(chǎn)品，9月統(tǒng)一高度Cressman產(chǎn)品質(zhì)量略優(yōu)于HRCLDAS產(chǎn)品，10、11和12月HRCLDAS產(chǎn)品質(zhì)量除了平均誤差外其他各項(xiàng)檢驗(yàn)指標(biāo)均略優(yōu)于統(tǒng)一高度Cressman產(chǎn)品，以上分析結(jié)果表明了通過(guò)統(tǒng)一高度Cressman方法客觀分析得到的產(chǎn)品質(zhì)量接近HRCLDAS產(chǎn)品質(zhì)量。

表3 2020年5—12月CLDAS、HRCLDAS和統(tǒng)一高度Cressman地面2 m氣溫格點(diǎn)產(chǎn)品檢驗(yàn)結(jié)果

圖4為2020年5—12月統(tǒng)一高度Cressman方法客觀分析的山東省地面2 m氣溫月平均誤差空間分布，通過(guò)對(duì)每個(gè)月的對(duì)比分析，月平均誤差基本在±1 ℃以內(nèi)，魯西北、魯西南、魯東南、山東半島等平原地區(qū)月平均誤差較小，多數(shù)在±0.5 ℃以內(nèi)。魯中山區(qū)地形高度較高的站月平均誤差較大，多數(shù)在±0.5～±1.0 ℃之間，泰山、嶗山月平均誤差最大，主要是由于在地形復(fù)雜區(qū)域，自動(dòng)站空間分布不均勻，站點(diǎn)高度不一致，溫度梯度較大引起的。氣溫偏低的10、11、12月溫度準(zhǔn)確率均略低于5、6、7、8、9月，這可能是由于冬季空氣的相對(duì)濕度偏低，熱容量小，湍流交換較弱，大氣層結(jié)較穩(wěn)定，溫度受局地輻射和地形的影響使冬季溫度局地性相比夏季偏強(qiáng)引起的，因此統(tǒng)一高度Cressman影響半徑和影響權(quán)重系數(shù)應(yīng)根據(jù)不同的季節(jié)優(yōu)化不同的參數(shù)。

圖4 2020年5—12月統(tǒng)一高度Cressman方法客觀分析的山東省地面2 m氣溫月平均誤差分布(a. 5月，b. 6月，c. 7月，d. 8月，e. 9月，f. 10月，g. 11月，h. 12月；色階，單位：℃)Fig.4 Distribution of monthly mean error of 2-m surface air temperature in Shandong from May to December 2020 by the Cressman objective analysis with elevation correction(a. May, b. June, c. July, d. August, e. September, f. October, g. November, h. December; color scale，units: ℃)

4 業(yè)務(wù)應(yīng)用

利用統(tǒng)一高度Cressman方法生成的地面2 m氣溫格點(diǎn)分析產(chǎn)品，臨近自動(dòng)站的格點(diǎn)和自動(dòng)站較近甚至重合，如果自動(dòng)站實(shí)況和臨近格點(diǎn)的偏差較大，說(shuō)明客觀分析在此格點(diǎn)可能不合理，例如從地面2 m氣溫月平均誤差分布(圖4)來(lái)看，仍然存在誤差較大格點(diǎn)，因此利用經(jīng)過(guò)質(zhì)量控制后的自動(dòng)站2 m氣溫臨近替換格點(diǎn)可以矯正分析不合理的格點(diǎn)，最終生成臨近替換后的山東省逐1 h、0.01°×0.01°高時(shí)空分辨率地面2 m氣溫格點(diǎn)產(chǎn)品并業(yè)務(wù)應(yīng)用。圖5為2020年5月20日14時(shí)經(jīng)過(guò)臨近替換后的客觀分析格點(diǎn)產(chǎn)品在Micaps軟件上的顯示效果，格點(diǎn)產(chǎn)品在山東省不同區(qū)域，如魯中山區(qū)、海岸線、海島、平原地區(qū)，地面2 m氣溫等值線和地形匹配合理，并且和自動(dòng)站觀測(cè)無(wú)偏差。圖6為稀疏化后格點(diǎn)圖像產(chǎn)品，該產(chǎn)品在山東省災(zāi)害性預(yù)警平臺(tái)業(yè)務(wù)應(yīng)用，自業(yè)務(wù)試運(yùn)行以來(lái)，系統(tǒng)運(yùn)行穩(wěn)定、產(chǎn)品無(wú)缺測(cè)，系統(tǒng)收到實(shí)況資料后在2 min內(nèi)運(yùn)算完成并生成格點(diǎn)圖像和數(shù)據(jù)產(chǎn)品。

圖5 2020年5月20日14時(shí)山東省2 m氣溫客觀分析格點(diǎn)產(chǎn)品(等值線)和自動(dòng)站觀測(cè)填圖(a.山東省區(qū)域，b.泰山山脈，c.山東半島，d.魯西北平原；單位：℃)Fig.5 Gridded product of objective analysis(contour) and automatic weather station observation (scattered number) of 2-m air temperature in Shandong at 14:00 BST 20 May 2020 (a. Shandong Province, b. Mount Tai, c. Shandong Peninsula, d. plains in the northwest of Shandong; units: ℃)

圖6 稀疏化后的山東省2 m氣溫客觀分析格點(diǎn)圖像產(chǎn)品(色階，單位：℃)Fig.6 Sparse gridded products of 2-m air temperature using objective analysis in Shandong(color scale,units: ℃)

5 結(jié)論與討論

本文將地形訂正方法和常規(guī)Cressman方法相結(jié)合形成了統(tǒng)一高度Cressman客觀分析方法，這種處理方式解決了常規(guī)Cressman方法在地形復(fù)雜區(qū)域客觀分析的格點(diǎn)產(chǎn)品和地形不匹配問題。將統(tǒng)一高度Cressman方法應(yīng)用到山東省地面2 m氣溫客觀分析中，生成了逐1 h、0.01°×0.01°高分辨率地面2 m氣溫格點(diǎn)產(chǎn)品。經(jīng)檢驗(yàn)統(tǒng)一高度Cressman客觀分析格點(diǎn)產(chǎn)品質(zhì)量接近HRCLDAS格點(diǎn)實(shí)況產(chǎn)品，取得了較理想的分析結(jié)果。

1)利用山東省中尺度數(shù)值模式預(yù)報(bào)的位溫遞減率，借鑒WRFDA變分同化系統(tǒng)中地面2 m氣溫地形矯正方法進(jìn)行地形訂正，通過(guò)和常規(guī)Cressman方法進(jìn)行對(duì)比分析，表明統(tǒng)一高度Cressman方法相比常規(guī)Cressman方法提高了客觀分析產(chǎn)品的質(zhì)量，并且在沒有資料和地形復(fù)雜區(qū)域，客觀分析產(chǎn)品的結(jié)果更加合理。

2)將改進(jìn)后的統(tǒng)一高度Cressman方法應(yīng)用到山東省地面2 m氣溫客觀分析中，進(jìn)行多級(jí)尺度Cressman客觀分析，該方案經(jīng)多次試驗(yàn)后，確定了較佳的Cressman客觀分析影響半徑和權(quán)重系數(shù)，獲得較為合理的溫度梯度分布并使臨近格點(diǎn)逼近自動(dòng)站觀測(cè)值。

3)評(píng)估了自2020年5月業(yè)務(wù)試運(yùn)行以來(lái)統(tǒng)一高度Cressman客觀分析格點(diǎn)產(chǎn)品的質(zhì)量，全省平均誤差基本在±1 ℃以內(nèi)，平均誤差分布魯中山區(qū)地形高度較高的區(qū)域略大于魯西北、魯西南、魯東南、山東半島等平原地區(qū)。5—12月1 ℃以內(nèi)準(zhǔn)確率為98.24%，溫度偏低的10、11、12月溫度準(zhǔn)確率均低于5、6、7、8、9月。