没有合适的资源?快使用搜索试试~ 我知道了~
青藏高原多源雪深数据适用性综合评估.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 22 浏览量
2023-02-23
20:19:52
上传
评论
收藏 531KB DOCX 举报
温馨提示
试读
35页
青藏高原多源雪深数据适用性综合评估.docx
资源推荐
资源详情
资源评论
0 引言
积雪是水循环过程的关键要素,全球约有 5%的降水以雪的形式出现,高
纬度地区的比例更大
[ 1-2]
。积雪融水是河流与地下水的重要补给源,为世界约
六分之一的人口提供饮用水,占世界灌溉用水的三分之一以上
[ 3-4]
。同时,积
雪是重要的气候变量,通过影响陆气之间的水分和能量交换,与区域气候变化
存在紧密联系,被认为是衡量区域和全球气候变化的有效指标
[ 5-6]
。
青藏高原(后文简称高原)平均海拔 4 000 m 以上,被称为“第三极”,是
我国三大典型积雪区之一
[ 7]
。高原冬春季积雪异常通过影响海陆热力差异调
制东亚夏季风爆发时间和强度
[ 8]
;高原积雪融水是长江、黄河的重要水源,
占其年流量的 20%以上
[ 9]
。因而全面认知高原积雪时空变化对我国气候预测
以及水资源管理具有重要意义。
积雪深度是衡量积雪变化的重要特征量,也是高原雪灾评估的重要指标
[ 10]
,高原冬季积雪深度比积雪面积对区域气候影响更为重要
[ 11]
。气象观测
站具有较长时间序列的积雪深度观测记录,被认为是最直接可靠的积雪数据
[ 12 ]
。基于站点观测数据,高原积雪深度的一些基本特征被揭示
[ 13-15]
。然而,
由于高原观测站点稀疏且分布不均匀,主要分布在中东部,且多位于海拔相对
较低的河谷或平原,站点观测数据不足以全面反映高原积雪特征,特别是高原
西部及高山地区
[ 15-16]
。遥感以及再分析等数据的研制为积雪研究提供了更多
数据选择,这些数据在高原的应用丰富了对高原积雪的认知,如高原西部积雪
变化
[ 17]
、高原高山区域积雪变化
[ 18-19]
等。
然而,由于遥感数据在反演算法上、再分析数据在模型设计及数据同化上
以及各种资料空间分辨率等方面存在差异,导致遥感与再分析积雪数据对积雪
气候特征及其变化的反映存在不确定性,基于站点观测数据对这些数据进行适
用性评估是后续应用的基础。Xiao 等
[ 20]
以偏差、均方根误差、相对偏差、相
关系数四个指标评估了 AMSR-E、AMSR2、GlobSnow、ERA-Interim、MERRA2
五种数据的平均积雪深度在北半球的适用性,表明 GlobSnow、ERA-Interim
的空间分布与地面观测的一致性更好,分别在积雪累积期和消融期具有较小的
不确定性。欧亚中高纬地区,JRA-55 的冬季积雪深度在偏差、年际变化、趋
势上综合表现相对较好
[ 21]
。在中国区域,肖林等
[ 16]
以偏差和均方根误差作
为评价指标对五种数据的月平均积雪深度进行评估,结果显示中国雪深长时间
序列数据集在中国北方表现较好,AMSR-E 在中国中部以及东南地区表现较好。
由于遥感与再分析数据的不确定性往往表现出区域特征
[ 16]
,高原等区域尺度
上的积雪评估也开展较多。Bian 等
[ 22]
对多种不同类型积雪数据针对高原雪水
当量进行评估,结果表明没有任何数据能同时较好描述时间变化和空间形态,
从时间相关、偏差、均方根误差综合考虑,MERRA2 表现最好
[ 22]
;Zhang 等
[ 23]
基于积雪深度和积雪日数两个变量,从偏差和相关系数两个指标比较了几
种常用再分析数据与观测数据在高原的差异,表明 MERRA2、JRA-55 总体优
于 ERA5。以上研究从变量选取方面,多对描述积雪平均状态的变量进行评估,
对描述极端状态的变量,如极端最大积雪深度等少有涉及,这些变量是积雪灾
害研究
[ 24]
和工程建设需要参考的重要参数。由于工程规划建设时,往往需要
全面考虑,既要考虑平均状态,又要考虑极值情况和变化趋势,迫切需要开展
多变量多指标综合量化评价,才能优选出可靠的资料进行分析。
本文拟基于高原站点观测数据,对三种遥感和再分析积雪深度数据进行适
用性评价。构建面向年平均积雪深度、年最大积雪深度、年积雪日数三个变量,
从区域平均和空间分布两个维度,涵盖季节循环、平均值、极大值、标准差、
年际变化、线性变化趋势在内的多评价指标体系,采用秩评分方法,分指标、
分变量和综合多角度开展定量适用性评估,并探讨高原西部无观测资料地区三
种资料反映的积雪变化趋势差异。
1 研究区域、资料及方法
1.1 研究区 域
研究区域西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北迄
昆仑山至祁连山北麓
[ 25]
,研究区范围、气象站分布以及相关地理信息如图 1
所 示 , 高 原 边 界 自 国 家 青 藏 高 原 科 学 数 据 中 心 下 载 ( https :
//data.tpdc.ac.cn/zh-hans/data/61701a2b-31e5-41bf-b0a3-607c2a9bd3b3/?
q=%E8%BE%B9%E7%95%8C)。
图 1
图 1 高原气象站分布及相关地理信息
Fig. 1 Location of the meteorological observation stations and related
geographic information in the Tibetan Plateau
1.2 资料
积雪深度数据包括来自中国气象数据网(http://data.cma.cn)的气象站
观测数据(后文以 OBS 表示)、国家青藏高原科学数据中心提供的基于遥感
反演的中国雪深长时间序列数据集(https://data.tpdc.ac.cn/zh-hans/)(后
文以 CHE 表示)、以欧洲中期天气预报中心(ECMWF)第五代全球再分析
数据(ERA5)
[ 26]
(https://cds.climate.copernicus.eu/)为基础生成的 ERA5-
Land、美国航空航天局(NASA)发布的新一代再分析数据 MERRA2(https:
//disc.gsfc.nasa.gov/)
[ 30]
。
OBS 为逐日积雪深度数据,选取高原范围 126 站 1980 年 1 月—2020 年
12 月期间观测结果。
CHE 为 1979—2020 年中国范围的逐日积雪深度分布数据,空间分辨率
0.25°×0.25°。该数据基于交叉订正后的 SMMR、SSM/I 和 SSMI/S 逐日被动
微波亮温数据,在中国南、北区域采用不同算法
[ 16]
。CHE 在高原积雪研究中
有较为广泛的应用,因此使用该数据代表遥感数据进行适用性评估。
ERA5-Land 空间分辨率 0.1°×0.1°,时间分辨率 1 h。ECMWF 的上一代
再分析数据 ERA-Interim 广泛应用于气候变化研究,最新的 ERA5 系列代表了
目前再分析数据的前沿水平。ERA5-Land 使用的积雪模型来自 TESSEL,是
一个单层的能量与质量平衡模型
[ 27]
。与 ERA5 相比,ERA5-Land 的主要改进
在于校正的热力学输入的非线性动力降尺度,对积雪深度量值的模拟,二者因
区域不同互有优劣
[ 29 ]
。ERA5 对亚洲高山地区的积雪深度存在明显高估
[ 28 ]
,
而 ERA5-Land 高原积雪适用性评估较少,需要进一步研究。
MERRA2 空间分辨率为 0.625°×0.5°,时间分辨率为 1 d。该数据提供积
雪覆盖率以及积雪覆盖区的平均积雪深度,两者相乘可以得到对应像元的平均
积雪深度。MERRA2 的积雪模块是一个三层积雪模型,模型生成的降水数据
通过观测降水进行校正
[ 16 ]
。已有研究表明 MERRA2 对高原雪水当量的模拟
具有优势
[ 22]
,针对多变量的综合评估需要进一步研究。
1.3 方法
1.3.1 气候统 计 方 法
根据国家气象信息中心发布的《气候资料统计整编方法(地面)》,将 7
月 1 日至次年 6 月 30 日定义为一个积雪年。结合选用数据的时间范围,本文
的研究时段为 1981 年 7 月 1 日至 2020 年 6 月 30 日,共 39 年。所有数据的
时间分辨率统一为 1 d,小时数据通过平均的方式进行转换,积雪深度单位统
一为 cm。由于气象站观测的积雪深度最小值为 1 cm,将≥1 cm 作为所有数据
积雪日的判定条件。对于 OBS,年平均积雪深度、年积雪日数的统计中对缺
测数据的处理遵循以下原则:(1)一个月中缺测 7 天及以上,月值为缺测;
(2)一年中各月缺测 1 个及以上,年值为缺测。对于年统计量,OBS 有 35%
的 站 无 缺 测 , 37% 的 站 缺 测 率 大 于 0 小于 等 于 5%, 28% 的 站 缺 测 率 介 于
5%~15%之间。CHE 数据集已经对缺失的像元点采用当前时刻之前最近的数
据补齐。
1.3.2 线性变 化 趋 势 分 析及检验 方 法
剩余34页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3701
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功