不同分辨率的氣溫格點(diǎn)實(shí)況分析產(chǎn)品 在重慶的對比檢驗(yàn)

李奇臨 曠蘭 魏麟驍 朱浩楠 王娜

（1 重慶市氣象信息與技術(shù)保障中心，重慶 401147；2 重慶市綦江區(qū)氣象局，重慶 401420； 3 重慶市氣候中心，重慶 401147；4 重慶市渝北區(qū)氣象局，重慶 401120）

0 引言

站點(diǎn)觀測、風(fēng)云衛(wèi)星和氣象雷達(dá)單一的探測系統(tǒng)都有一定的局限性，多源數(shù)據(jù)融合技術(shù)讓多圈層觀測系統(tǒng)發(fā)揮最大化效益，多源數(shù)據(jù)融合技術(shù)也因此逐步由科研技術(shù)成果轉(zhuǎn)化為業(yè)務(wù)化產(chǎn)品，在天氣氣候監(jiān)測、氣候變化研究、模式預(yù)報(bào)檢驗(yàn)等業(yè)務(wù)中廣泛應(yīng)用[1-4]。中國氣象局研發(fā)的陸面數(shù)據(jù)同化系統(tǒng)（CLDAS）已實(shí)現(xiàn)多模式集成的業(yè)務(wù)化運(yùn)行，其輸出的實(shí)況分析產(chǎn)品時(shí)空分辨率為5 km/h，包含亞洲區(qū)域范圍的降水、氣溫、風(fēng)等氣象要素[5-6]。CLDAS是經(jīng)質(zhì)量控制后的溫、壓、濕、風(fēng)觀測數(shù)據(jù)與歐洲中期天氣預(yù)報(bào)中心（ECMWF）分析背景場通過時(shí)空多尺度數(shù)據(jù)分析同化系統(tǒng)（STMAS）融合，并訂正高度后生成的實(shí)況分析產(chǎn)品。2020年4月底，CLDAS升級(jí)產(chǎn)品（CLDAS-V2.1）新增了非考核站觀測資料和產(chǎn)品質(zhì)量標(biāo)識(shí)碼，其質(zhì)量、時(shí)效、穩(wěn)定性均有提升，各省已在業(yè)務(wù)應(yīng)用中。2020年7月，高分辨率多源融合實(shí)況分析產(chǎn)品（HRCLDAS）時(shí)空分辨率提高到1 km/h，融合了非考核站點(diǎn)資料，并通過服務(wù)器移植、編譯器和庫函數(shù)的升級(jí)，以及程序與流程的優(yōu)化，其時(shí)效和空間分辨率均優(yōu)于CLDAS系列產(chǎn)品。對比國際同類產(chǎn)品[7-9]，包括ECMWF研發(fā)的第五代全球大氣再分析數(shù)據(jù)高精度地面融合產(chǎn)品ERA5-Land、ECMWF再分析產(chǎn)品ERA-interim、美國國家環(huán)境預(yù)報(bào)中心（NCEP）和美國國家大氣研究中心（NCAR）聯(lián)合制作的NCEP/NCAR再分析數(shù)據(jù)集、韓國陸地?cái)?shù)據(jù)同化系統(tǒng)產(chǎn)品KLDAS、日本氣象廳（JMA）研發(fā)的55年全球大氣再分析產(chǎn)品JRA-55等，CLDAS與HRCLDAS產(chǎn)品在空間分辨率、數(shù)據(jù)準(zhǔn)確率方面呈現(xiàn)出一定的優(yōu)勢。

從以往的氣溫格點(diǎn)實(shí)況產(chǎn)品的評(píng)估研究[10-16]中可見，CLDAS與HRCLDAS產(chǎn)品在中國東部地區(qū)的適用性優(yōu)于西部地區(qū)，低海拔地區(qū)的適用性優(yōu)于高海拔地區(qū)，對全國范圍的整體檢驗(yàn)多，針對區(qū)域的特色評(píng)估不多，尤其是高溫災(zāi)害天氣過程中產(chǎn)品準(zhǔn)確率的研究較少。重慶地區(qū)地形地貌復(fù)雜，盛夏期間高溫天氣過程頻繁，本文針對重慶地區(qū)2020年8月氣溫顯著偏高月份，對CLDAS與HRCLDAS產(chǎn)品的氣溫格點(diǎn)實(shí)況分析產(chǎn)品質(zhì)量進(jìn)行對比檢驗(yàn)，分析產(chǎn)品的誤差時(shí)、空特征和準(zhǔn)確率，并從海拔高度、高溫區(qū)間對兩類產(chǎn)品進(jìn)行對比檢驗(yàn)，以期為兩種產(chǎn)品在業(yè)務(wù)上的合理應(yīng)用和數(shù)據(jù)改進(jìn)提供參考依據(jù)，助力精細(xì)化網(wǎng)格預(yù)報(bào)業(yè)務(wù)建設(shè)。

1 資料與方法

1.1 數(shù)據(jù)來源

本文針對不同分辨率的國家級(jí)氣溫格點(diǎn)實(shí)況產(chǎn)品進(jìn)行對比檢驗(yàn)，使用的資料均來源于國家氣象信息中心。格點(diǎn)實(shí)況產(chǎn)品包括CLDAS-V2.1（5 km/h）和HRCLDAS（1 km/h），地面站點(diǎn)觀測資料包括重慶地區(qū)35個(gè)國家氣象站和1937個(gè)省級(jí)自動(dòng)站的逐小時(shí)觀測資料，對以上3種資料分別提取2020年8月期間逐小時(shí)的氣溫要素?cái)?shù)據(jù)，其中地面站點(diǎn)觀測數(shù)據(jù)經(jīng)過了氣象資料業(yè)務(wù)系統(tǒng)（MDOS）三級(jí)質(zhì)量控制流程質(zhì)控[17-18]。根據(jù)質(zhì)控碼為0（代表數(shù)據(jù)正確）、數(shù)據(jù)可用率、設(shè)備可用性等計(jì)算綜合指標(biāo)，篩選出1396440個(gè)樣本數(shù)，選為此次檢驗(yàn)標(biāo)準(zhǔn)數(shù)據(jù)的“真值”數(shù)據(jù)，以確保評(píng)估檢驗(yàn)結(jié)果的科學(xué)性。重慶地區(qū)氣象站點(diǎn)空間分布如圖1所示。

圖1 重慶地區(qū)地形與國家氣象站分布 Fig. 1 Topography of Chongqing and spatial distribution of national weather stations in Chongqing

1.2 檢驗(yàn)方法

依照中國氣象局發(fā)布的《實(shí)況分析產(chǎn)品質(zhì)量評(píng)估規(guī)范（2019版）》[19]提出的統(tǒng)計(jì)評(píng)估方法和誤差指標(biāo)，對小時(shí)氣溫格點(diǎn)實(shí)況產(chǎn)品進(jìn)行評(píng)估。以經(jīng)過質(zhì)量控制的站點(diǎn)觀測資料作為“真值”，采用非獨(dú)立樣本檢驗(yàn)方法，對比檢驗(yàn)2020年8月1 km與5 km兩種不同分辨率的小時(shí)氣溫格點(diǎn)實(shí)況分析產(chǎn)品，基于雙線性插值方法，對逐日、逐時(shí)的誤差指標(biāo)、準(zhǔn)確率以及不同海拔高度、不同高溫區(qū)間的誤差變化特征進(jìn)行分析。各誤差指標(biāo)及準(zhǔn)確率計(jì)算方法如下：

其中，Oi為站點(diǎn)觀測值，Gi為實(shí)況產(chǎn)品插值到檢驗(yàn)站點(diǎn)得到的數(shù)值，和分別為站點(diǎn)觀測與格點(diǎn)插值到站點(diǎn)后的平均值，N為參與檢驗(yàn)的總樣本數(shù)（站數(shù)），t為設(shè)定的判斷閾值，本文設(shè)定準(zhǔn)確率閾值t為1 ℃和2 ℃。

雙線性插值方法[15]：雙線性插值是有兩個(gè)變量的插值函數(shù)的線性插值擴(kuò)展，其核心思想是在兩個(gè)方向分別進(jìn)行線性插值。首先在緯向方向進(jìn)行線性插值：

然后在經(jīng)度方向進(jìn)行線性插值：

T(x,y)是插值后站點(diǎn)變量值。其中T(x1,y1)、T(x2,y1)、T(x1,y2)、T(x2,y2)為對應(yīng)網(wǎng)格變量值，T(x,y1)、T(x,y2)分別是x1、x2緯度上的線性插值結(jié)果。

2 結(jié)果分析

2.1 逐日誤差對比

將2020年8月1—31日1 km與5 km小時(shí)氣溫格點(diǎn)實(shí)況分析產(chǎn)品分別插值到重慶地區(qū)1972個(gè)站點(diǎn)，計(jì)算可得出產(chǎn)品插值與站點(diǎn)觀測值的偏差序列，再分別統(tǒng)計(jì)四個(gè)誤差指標(biāo)逐日值，結(jié)果如圖2所示。從圖2a平均值誤差指標(biāo)可見，1 km與5 km產(chǎn)品數(shù)值均以偏小為主，ME區(qū)間分別為[?0.29，0.15] ℃和[?0.45，0.1] ℃，其中5 km產(chǎn)品在14—17日、22—23日偏小較明顯。從圖2b平均絕對誤差指標(biāo)可見，1 km產(chǎn)品在15日和23日處于誤差峰值，5 km產(chǎn)品在16日和23日處于誤差峰值，8月MAE分別為0.63 ℃、1.1 ℃。圖2c表示的均方根誤差與圖2b走勢幾乎一致，1 km與5 km產(chǎn)品RMSE分別為1.04 ℃、1.56 ℃，兩種產(chǎn)品在14—17日、22—25日期間誤差波動(dòng)均較大。以上三種誤差指標(biāo)與圖2d相關(guān)系數(shù)較為對應(yīng)，1 km產(chǎn)品的相關(guān)系數(shù)大于5 km產(chǎn)品，兩者均在24日處于最低值。

圖2 2020年8月不同分辨率氣溫格點(diǎn)實(shí)況分析產(chǎn)品日序誤差對比圖 （a）平均值誤差（ME），（b）平均絕對誤差（MAE），（c）均方根誤差（RMSE），（d）相關(guān)系數(shù)（COR） Fig. 2 Comparison chart of daily sequence errors of gridded real-time temperature analysis products with different resolutions in August 2020 (a) ME, (b) MAE, (c) RMSE, (d) COR

進(jìn)一步研究高溫天氣（≥35 ℃），兩種格點(diǎn)實(shí)況分析產(chǎn)品的誤差指標(biāo)情況，結(jié)果如圖3所示。在高溫站次樣本中發(fā)現(xiàn)，隨著觀測氣溫的不斷升高，高溫站次樣本數(shù)相應(yīng)降低，而兩種產(chǎn)品的平均值誤差呈負(fù)增長趨勢。1 km產(chǎn)品在[35, 38）℃的高溫區(qū)間內(nèi)，平均值誤差小于?1 ℃，5 km產(chǎn)品在高溫天氣下，平均值誤差均超過?1 ℃；1 km產(chǎn)品在40 ℃以上的高溫天氣下，平均值誤差超過?2 ℃；5 km產(chǎn)品在39 ℃以上的高溫天氣下，平均值誤差超過?2 ℃。1 km產(chǎn)品在各高溫區(qū)間的平均值誤差始終小于5 km產(chǎn)品。

圖3 不同高溫區(qū)間的氣溫格點(diǎn)實(shí)況分析產(chǎn)品平均值誤差變化 Fig. 3 Mean error distribution of gridded real-time temperature analysis products in different high temperature intervals

對比1 km和5 km產(chǎn)品誤差在1 ℃、2 ℃以內(nèi)的準(zhǔn)確率（圖4），1 km產(chǎn)品準(zhǔn)確率明顯優(yōu)于5 km產(chǎn)品，14—17日、22—25日期間兩種產(chǎn)品的準(zhǔn)確率均下降。根據(jù)8月天氣形勢來看， 14—17日處于持續(xù)性高溫天氣過程，日平均氣溫在27.4～29.2 ℃，19個(gè)區(qū)縣最高氣溫超過37 ℃，18日出現(xiàn)強(qiáng)降水過程，日平均氣溫降至24.7 ℃，兩種產(chǎn)品準(zhǔn)確率有所提升。5 km產(chǎn)品誤差在1 ℃以內(nèi)的準(zhǔn)確率相對偏低，尤其在16日和23日偏低明顯，1 km產(chǎn)品誤差在1 ℃以內(nèi)的準(zhǔn)確率與5 km產(chǎn)品誤差在2 ℃以內(nèi)的準(zhǔn)確率較一致，誤差在2 ℃以內(nèi)的1 km產(chǎn)品準(zhǔn)確率在各日均高于其余指標(biāo)，可達(dá)82%以上。

圖4 2020年8月不同分辨率氣溫格點(diǎn)實(shí)況分析產(chǎn)品誤差≤1 ℃、誤差≤2 ℃準(zhǔn)確率日序圖 Fig. 4 Daily sequence diagram of error ≤1 ℃ and error ≤2 ℃ for the gridded real-time temperature analysis products with different resolutions in August 2020

2.2 逐時(shí)誤差對比

對兩種產(chǎn)品2020年8月逐時(shí)誤差指標(biāo)序列進(jìn)行分析，如圖5a所示，1 km與5 km產(chǎn)品數(shù)值在09—18時(shí)數(shù)值均明顯偏小，5 km產(chǎn)品在10時(shí)ME達(dá)到最大值?0.61 ℃。在11—13時(shí)，1 km較5 km產(chǎn)品數(shù)值偏小更嚴(yán)重，ME達(dá)到?0.27 ℃以上，5 km產(chǎn)品ME在0.19 ℃以下。對照平均絕對值誤差與均方根誤差指標(biāo)，如圖5b、5c，1 km產(chǎn)品在11—13時(shí)也較其他時(shí)次誤差偏大，MAE分別為0.90 ℃、0.76 ℃、0.90 ℃，5 km產(chǎn)品在10時(shí)的MAE達(dá)到最大值1.5 ℃，兩者在10—17時(shí)數(shù)值波動(dòng)較大。

對比1 km和5 km產(chǎn)品誤差分別在1 ℃、2 ℃以內(nèi)的準(zhǔn)確率（圖5d），1 km產(chǎn)品準(zhǔn)確率在11時(shí)、13時(shí)這兩個(gè)時(shí)次偏低，而5 km產(chǎn)品準(zhǔn)確率在10時(shí)、14時(shí)偏低，5 km產(chǎn)品準(zhǔn)確率呈現(xiàn)夜間高于白天的特征。從誤差在1 ℃內(nèi)的準(zhǔn)確率來看，1 km產(chǎn)品明顯高于5 km產(chǎn)品，5 km產(chǎn)品在02—08時(shí)準(zhǔn)確率略超過60%，其余時(shí)刻均小于60%。從誤差在2 ℃內(nèi)的準(zhǔn)確率來看，1 km產(chǎn)品仍然優(yōu)于5 km產(chǎn)品，1 km產(chǎn)品準(zhǔn)確率范圍在87%～97%，5 km產(chǎn)品準(zhǔn)確率范圍在75%～87%。

圖5 2020年8月不同分辨率氣溫格點(diǎn)實(shí)況分析產(chǎn)品時(shí)序誤差對比圖 （a）平均值誤差（ME），（b）平均絕對誤差（MAE），（c）均方根誤差（RMSE），（d）準(zhǔn)確率 Fig. 5 Comparison chart of hourly sequence errors of gridded real-time temperature analysis products with different resolutions in August 2020 (a) ME, (b) MAE, (c) RMSE, (d) accuracy

2.3 空間誤差對比

分析重慶地區(qū)2020年8月站點(diǎn)觀測平均小時(shí)氣溫?cái)?shù)據(jù)與小時(shí)氣溫格點(diǎn)實(shí)況分析產(chǎn)品的平均絕對誤差空間分布特征，如圖6所示，5 km產(chǎn)品誤差明顯大于1 km產(chǎn)品，尤其在海拔較高的站點(diǎn)，平均絕對誤差在1～3 ℃的站點(diǎn)較多。統(tǒng)計(jì)MAE在不同區(qū)間的站點(diǎn)個(gè)數(shù)（表1）可知，1 km產(chǎn)品平均絕對誤差小于2 ℃的站點(diǎn)達(dá)到99%，絕對誤差小于1 ℃的站點(diǎn)達(dá)到96%；5 km產(chǎn)品平均絕對誤差小于2 ℃的站點(diǎn)達(dá)到96%，絕對誤差小于1℃的站點(diǎn)為80 %。MAE超過6 ℃的站點(diǎn)有1個(gè)，為萬盛地區(qū)的自動(dòng)觀測站，1 km產(chǎn)品MAE為6.4 ℃，5 km產(chǎn)品MAE為6.3 ℃。經(jīng)核查，該站點(diǎn)位于城市中心區(qū)域，受城市熱效應(yīng)影響較大，因此實(shí)況分析產(chǎn)品數(shù)值偏低。從兩種產(chǎn)品的最大誤差值站次來看，1 km產(chǎn)品誤差更大，且這些誤差大的站點(diǎn)海拔也較高。

表1 不同分辨率氣溫格點(diǎn)實(shí)況分析產(chǎn)品平均絕對值誤差在不同區(qū)間站點(diǎn)個(gè)數(shù)統(tǒng)計(jì)表 Table 1 Statistical table of number of stations in different interval with Average Error of the temperature gridded real-time analysis products with different resolutions

圖6 2020年8月不同分辨率氣溫格點(diǎn)實(shí)況產(chǎn)品平均絕對值誤差空間分布 （a）1 km產(chǎn)品，（b）5 km產(chǎn)品 Fig.6 Spatial distribution of MAE for the gridded real-time temperature analysis products in August 2020 (a) 1 km, (b) 5 km

2.4 不同海拔的準(zhǔn)確率對比

按照海拔高度劃分，對比分析1 km與5 km氣溫格點(diǎn)實(shí)況分析產(chǎn)品在不同海拔平均絕對誤差≤1 ℃的準(zhǔn)確率，結(jié)果如表2所示，分別給出了兩種產(chǎn)品在海拔高度500 m以下、500～1000 m和1000 m以上MAE≤1 ℃的準(zhǔn)確率對比。1000 m海拔高度以下，兩種產(chǎn)品均在25～30 ℃區(qū)間的樣本數(shù)最多，20 ℃以下的樣本數(shù)最少；1000 m海拔高度以上，兩種產(chǎn)品均在20～25 ℃區(qū)間的樣本數(shù)最多，35 ℃以上的樣本數(shù)量最少。隨海拔的升高，總樣本數(shù)下降，兩種產(chǎn)品的準(zhǔn)確率也下降，但1 km產(chǎn)品準(zhǔn)確率始終比5 km產(chǎn)品準(zhǔn)確率要高。

表2 不同分辨率氣溫格點(diǎn)實(shí)況分析產(chǎn)品在不同海拔高度平均絕對誤差值≤1 ℃的準(zhǔn)確率對比 Table 2 Comparison of accuracy between the temperature gridded real-time analysis products with different resolutions with MAE≤1 ℃ at different altitudes

1 km和5 km產(chǎn)品均在觀測值為 [20, 25) ℃區(qū)間內(nèi)準(zhǔn)確率最高。1 km產(chǎn)品在海拔1000 m以下的站點(diǎn)，觀測值為[25, 30) ℃區(qū)間內(nèi)準(zhǔn)確率次高，在海拔1000 m以上的站點(diǎn)，觀測值小于20 ℃內(nèi)準(zhǔn)確率次高；5 km產(chǎn)品在海拔500 m以下的站點(diǎn)，觀測值為[25, 30) ℃區(qū)間內(nèi)準(zhǔn)確率次高，在海拔500 m以上的站點(diǎn)，觀測值小于20 ℃內(nèi)準(zhǔn)確率次高。

3 總結(jié)與展望

通過對2020年8月兩種分辨率氣溫格點(diǎn)實(shí)況分析產(chǎn)品CLDAS-V2.1與HRCLDAS的檢驗(yàn)，結(jié)果與全國范圍的評(píng)估、國際同類產(chǎn)品對比驗(yàn)證結(jié)果一致，1 km的HRCLDAS產(chǎn)品更加精細(xì)，融合實(shí)況數(shù)據(jù)質(zhì)量顯著提升，主要結(jié)論如下：

1）1 km與5 km產(chǎn)品數(shù)值均以偏小為主，平均絕對誤差分別為0.63 ℃和1.1 ℃。兩種產(chǎn)品在14—17日、22—25日期間受持續(xù)性高溫天氣影響，誤差波動(dòng)均較大，在此期間內(nèi)準(zhǔn)確率也下降。

2）隨著觀測氣溫的升高，高溫站次樣本數(shù)相應(yīng)降低，而兩種產(chǎn)品的平均值誤差呈負(fù)增長，且1 km產(chǎn)品在各高溫區(qū)間的平均誤差始終小于5 km產(chǎn)品。

3）逐時(shí)來看，兩種產(chǎn)品在09—18時(shí)數(shù)值均偏小，其中1 km產(chǎn)品在11—13時(shí)數(shù)值比5 km產(chǎn)品數(shù)值偏小更嚴(yán)重，其余時(shí)次以偏大為主，5 km產(chǎn)品準(zhǔn)確率呈現(xiàn)夜間高于白天的特征。

4）從空間特征來看，5 km產(chǎn)品誤差明顯大于1 km產(chǎn)品，1 km產(chǎn)品平均絕對誤差小于2 ℃的站點(diǎn)達(dá)到99%，絕對誤差小于1 ℃的站點(diǎn)達(dá)到96%；5 km產(chǎn)品平均絕對誤差小于2 ℃的站點(diǎn)達(dá)到96%，絕對誤差小于1 ℃的站點(diǎn)為80%。另外，1 km產(chǎn)品的最大誤差值站次較5 km產(chǎn)品更大，這些誤差大的站點(diǎn)海拔均較高。

5）隨海拔的升高，兩種不同分辨率產(chǎn)品的準(zhǔn)確率均降低，在不同海拔高度區(qū)間對比下，1 km產(chǎn)品準(zhǔn)確率始終比5 km產(chǎn)品準(zhǔn)確率要高得多，兩者均在氣溫觀測值為[20, 25) ℃區(qū)間內(nèi)準(zhǔn)確率最高。

總體來說，2020年8月1 km氣溫格點(diǎn)實(shí)況分析產(chǎn)品優(yōu)于目前業(yè)務(wù)應(yīng)用的5 km產(chǎn)品，有效提高了產(chǎn)品的精度，而兩種產(chǎn)品均受高溫天氣及高海拔影響較大，產(chǎn)品所代表的地形高度與觀測實(shí)際高度也有一定差異，未來可以結(jié)合重慶本地復(fù)雜的地形特征，選擇最優(yōu)的數(shù)據(jù)融合方案，對氣溫格點(diǎn)實(shí)況分析產(chǎn)品做進(jìn)一步的本地化改進(jìn)。