Comparison of The Applicability of Two Provincial Precipitation Analysis Products and ART_1km in Guangdong
-
摘要: 利用广东省5 634个气象和水文站降水观测，使用概率密度匹配和最优插值方法融合雷达降水估测产品，使用多重网格变分分析方法订正ART_1km降水融合产品，将结果与国内同类产品ART_1km进行对比评估，结果表明：融入更多地面降水观测后，2种方法均可有效提升产品质量，表现在对小时雨强2 mm以下量级降水的空报率和小时雨强20 mm以上量级降水的误差降低，在夏季主汛期时段的误差降低，在雷州半岛西部、粤西沿海一带、粤北山区这些站点稀疏或地形复杂区域的误差降低；据降水过程的独立检验结果，概率密度匹配和最优插值实现站点观测和雷达信息融合，整体质量更高，尤其在站点稀疏、降水极端性和局地性强等站点空间代表性较差的场景下更有优势，但空报率相对高；多重网格变分分析能够很好解析站点观测的短波信息，在站点密集、降水结构连续稳定、极端性不强等站点空间代表性较好的场景下有不错效果，但漏报率相对高；两种方法在复杂地形下都出现一定程度的质量下降。Abstract: Based on precipitation observations from 5 634 meteorological and hydrological stations in Guangdong Province, this study integrated radar quantitative precipitation estimation products using probability density function matching and optimal interpolation. The ART_1km precipitation fusion product was corrected using the space-time multiscale analysis system. Comparison with the domestic similar product ART_1km showed that both methods can effectively enhance product quality through integrating more site observations. The improvement included a reduced false alarm rate for precipitation below 2 mm·h-1 and smaller errors for precipitation over 20 mm·h-1, as well as decreased errors during the main flood season in site observations or topographically complex regions such as the western Leizhou Peninsula, coastal areas of western Guangdong, and mountainous areas of northern Guangdong. According to independent verification of a precipitation process, the fusion of station observations and radar information ere achieved through probability density function matching and optimal interpolation. This approach enhanced overall quality, especially in situations with poor spatial representation of stations, such as sparse sites, extreme and local precipitation. These showed relatively high false alarm rates. The space-time multiscale analysis could well capture the short-wave information of station observations, and had good effects in spatial representation of stations (e. g., dense sites, continuous and stable precipitation structures, precipitation with low extreme intensity), but with a relatively high missing rate. Both methods exhibited measurable accuracy degradation in complex terrain regions.
-
Key words:
- PDF /
- OI /
- STMAS /
- ART_1km /
- fusion correction
-
表 1 逐小时降水量等级划分表
分级 逐小时降水量/mm 1级 0.1~1.9 2级 2.0~4.9 3级 5.0~9.9 4级 10.0~19.9 5级 20.0~49.9 6级 ≥50.0 
下载: 导出CSV
表 2 2022年3种降水实况分析产品统计指标的独立检验结果
产品简称 ME MAE RMSE COR TS FAR MR BIAS ART_1km 0.005 5 0.122 9 0.832 7 0.827 3 0.648 8 0.278 6 0.134 2 1.200 1 ART_1km_OI 0.010 4 0.104 9 0.731 8 0.873 5 0.677 9 0.245 1 0.130 7 1.151 5 ART_1km_STMAS 0.004 8 0.109 9 0.786 3 0.849 5 0.662 8 0.249 9 0.149 3 1.134 1
下载: 导出CSV
表 3 2022年3种降水实况分析产品统计指标的非独立检验结果
产品简称 ME MAE RMSE COR TS FAR MR BIAS ART_1km 0.003 4 0.010 1 0.234 7 0.988 7 0.806 8 0.184 8 0.012 7 1.211 1 ART_1km_OI 0.001 8 0.003 4 0.125 4 0.996 8 0.986 9 0.011 6 0.001 5 1.010 2 ART_1km_STMAS 0.002 0 0.002 9 0.114 9 0.997 4 0.987 5 0.010 2 0.002 3 1.007 9
下载: 导出CSV
表 4 2022年2种省级降水实况分析产品在不同站点密度下统计指标的独立检验结果
指标 RMSE FAR MR 级别/mm 产品 高密度 中密度 低密度 高密度 中密度 低密度 高密度 中密度 低密度 [10, 20) ART_1km_OI 5.460 5.469 5.925 0.397 0.408 0.444 0.430 0.463 0.482 ART_1km_STMAS 5.374 5.283 5.926 0.380 0.385 0.429 0.400 0.425 0.509 [20, 50) ART_1km_OI 10.088 10.331 10.939 0.326 0.317 0.358 0.397 0.399 0.443 ART_1km_STMAS 10.340 10.620 11.991 0.313 0.281 0.311 0.394 0.425 0.509 ≥50 ART_1km_OI 21.663 20.878 23.840 0.367 0.399 0.456 0.508 0.625 0.590 ART_1km_STMAS 22.952 22.566 27.560 0.417 0.407 0.405 0.468 0.618 0.644
下载: 导出CSV
表 5 2022年2种省级降水实况分析产品在不同地形下统计指标的独立检验结果
指标 RMSE FAR MR 级别/mm 产品 山地丘陵 平原 山地丘陵 平原 山地丘陵 平原 [10, 20) ART_1km_OI 5.724 5.726 0.429 0.427 0.504 0.463 ART_1km_STMAS 5.901 5.613 0.413 0.407 0.537 0.459 [20, 50) ART_1km_OI 10.890 10.616 0.356 0.339 0.497 0.412 ART_1km_STMAS 11.976 11.294 0.300 0.301 0.552 0.456 ≥50 ART_1km_OI 20.681 22.941 0.566 0.420 0.753 0.575 ART_1km_STMAS 24.779 25.746 0.490 0.401 0.720 0.606
下载: 导出CSV
表 6 5月9日22时—14日00时3种降水实况分析产品评价指标的检验结果
产品简称 ME MAE RMSE COR TS FAR MR BIAS ART_1km -0.107 1 0.576 3 2.315 3 0.829 0 0.725 6 0.217 2 0.091 6 1.160 3 ART_1km_OI -0.007 0 0.435 9 1.572 2 0.920 2 0.756 0 0.173 1 0.101 9 1.086 1 ART_1km_STMAS -0.083 0 0.498 7 2.161 2 0.847 4 0.742 8 0.181 9 0.110 2 1.087 7 ART_1km -0.002 3 0.072 7 0.654 2 0.988 2 0.842 0 0.150 7 0.010 1 1.165 6 ART_1km_OI 0.007 6 0.012 8 0.220 8 0.998 7 0.989 6 0.008 9 0.001 5 1.007 5 ART_1km_STMAS 0.007 3 0.009 8 0.204 5 0.998 8 0.991 9 0.007 0 0.001 1 1.006 0
下载: 导出CSV
表 7 5月9—13日暴雨过程3种产品独立检验站小时雨量超过50 mm的误差情况
站号（时次） 观测值 格点值（ART） 格点值（OI） 格点值（STMAS） 误差值（ART） 误差值（OI） 误差值（STMAS） G5552(2022051013) 65.5 27.5 36.0 27.6 -38.0 -29.5 -37.9 G2702(2022051023) 65.3 9.3 27.3 4.8 -56.0 -38.0 -60.5 G6503(2022051219) 64.8 26.4 47.7 26.4 -38.4 -17.1 -38.4 G6503(2022051220) 56.9 25.4 52.9 25.4 -31.5 -4.0 -31.5 G5552(2022051218) 51.4 24.8 42.5 24.8 -26.6 -8.9 -26.6
下载: 导出CSV
表 8 7月1日00时—6日00时3种降水实况分析产品评价指标的检验结果
产品简称 ME MAE RMSE COR TS FAR MR BIAS ART_1km 0.044 9 0.693 5 1.800 0 0.879 1 0.725 4 0.227 3 0.077 9 1.193 4 ART_1km_OI 0.131 7 0.627 9 1.687 0 0.906 3 0.750 4 0.204 4 0.070 5 1.168 3 ART_1km_STMAS 0.082 0 0.623 0 1.690 8 0.896 1 0.727 2 0.201 3 0.109 6 1.114 8 ART_1km 0.008 1 0.030 1 0.420 4 0.994 5 0.854 8 0.142 2 0.004 1 1.161 0 ART_1km_OI 0.007 0 0.015 6 0.225 9 0.998 4 0.990 4 0.009 2 0.000 4 1.008 8 ART_1km_STMAS 0.008 3 0.011 6 0.155 5 0.999 3 0.989 2 0.007 4 0.003 5 1.003 9
下载: 导出CSV
表 9 7月1—6日台风降水过程3种产品独立检验站小时雨量超过50 mm的误差情况
站号（时次） 观测值 格点值（ART） 格点值（OI） 格点值（STMAS） 误差值（ART） 误差值（OI） 误差值（STMAS） G2825(2022070216) 58.7 39.1 60.7 42.5 -19.6 2.0 -16.2 G9004(2022070214) 58.5 36.9 58.6 35.0 -21.6 0.1 -23.5 G1318(2022070216) 52.7 37.0 45.0 38.4 -15.7 -7.7 -14.3 G4743(2022070500) 51.0 39.3 33.1 42.8 -11.7 -17.9 -8.2
下载: 导出CSV
-
[1] 潘旸, 谷军霞, 宇婧婧, 等. 中国区域高分辨率多源降水观测产品的融合方法试验[J]. 气象学报, 2018, 76(5): 755-766. [2] 张璐, 潘旸, 谷军霞, 等. 国际主流多源融合降水实况产品的研究进展与展望[J]. 气象科技进展, 2022, 12(6): 16-27. [3] HUFFMAN G J, ADLER R F, RUDOLF B, et al. Global precipitation estimates based on a technique for combining satellite-based estimates, rain gauge analysis, and NWP model precipitation information[J]. J Climate, 1995, 8(5): 1 284-1 295. [4] XIE P, ARKIN P A. Global precipitation: A 17 year monthly analysis based on gauge observations, satellite estimates, and numerical model outputs[J]. Bull Amer Meteorol Soc, 1997, 78(11): 2 539-2 558. [5] XIE P, XIONG A. A conceptual model for constructing highresolution gauge-satellite merged precipitation analyses[J]. J Geophys Res, 2011, 116: D21106. [6] SEO D J, BREIDENBACH J P. Real-time correction of spatially nonuniform bias in radar rainfall data using rain gauge measurements[J]. J Hydrometeor, 2002, 3(2): 93-111. [7] 师春香, 潘旸, 谷军霞, 等. 多源气象数据融合格点实况产品研制进展[J]. 气象学报, 2019, 77(4): 774-783. [8] 潘旸, 沈艳, 宇婧婧, 等. 基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 气象学报, 2015, 73(1): 177-186. [9] 郑艳萍, 张春燕, 王沛东, 等. 广东省降水网格实况产品真实性评估报告[R]. 广州: 广东省气象局, 2023. [10] 张春燕, 郑艳萍, 王沛东, 等. 多源融合实况分析1km网格降水产品在广东省暴雨过程中的准确性评估[J]. 暴雨灾害, 2023, 42(6): 679- 691. [11] 陈逸智, 郑艳萍, 张春燕, 等. 基于CMPAS的"韦帕"台风过程降水真实性评估[J]. 广东水利水电, 2023(12): 21-28. [12] 中国气象局. 地面气象观测资料质量控制: QX/T118-2010[S]. 北京, 2010. [13] 侯灵, 陈逸智, 黄伟, 等. 广东省地面自动气象站质控技术设计与应用[J]. 广东气象, 2023, 45(5): 73-76. [14] 刘祖俐, 温耀美, 李子平, 等. 气象和水文降雨监测的区别探究[J]. 南方农业, 2020, 14(21): 158-159+179. [15] WANG G L, LIU L P, DING Y Y. Improvement of radar quantitative precipitation estimation based on real-time adjustments to Z-R relationships and inverse distance weighting correction schemes[J]. Adv Atmos Sci, 2012, 29(3): 575-584. [16] XIE Y, KOCH S, MCGINLEY J, et al. A space-time multiscale analysis system: A sequential variational analysis approach[J]. Mon Wea Rev, 2011, 139(4): 1 224-1 240. [17] 李显风, 张玮, 黄少平, 等. 江西省气象-水文-雷达小时雨量信息融合试验结果分析[J]. 暴雨灾害, 2020, 39(3): 276-284. [18] 韩帅, 师春香, 姜志伟, 等. CMA高分辨率陆面数据同化系统(HRCLDAS-V1.0)研发及进展[J]. 气象科技进展, 2018, 8(1): 102-108, 116. [19] 张涛, 苗春生, 王新. LAPS与STMAS地面气温融合效果对比试验[J]. 高原气象, 2014, 33(3): 743-752. [20] 宇婧婧, 沈艳, 潘旸, 等. 概率密度匹配法对中国区域卫星降水资料的改进[J]. 应用气象学报, 2013, 24(5): 544-553. [21] 沈艳, 冯明农, 张洪政, 等. 我国逐日降水量格点化方法[J]. 应用气象学报, 2010, 21(3): 279-286. [22] 庞紫豪, 师春香, 谷军霞, 等. 多源融合实况分析产品全流程检验评估细则[R]. 北京: 国家气象信息中心, 2021-03-12. [23] 李芷卉, 胡娅敏, 赵亮. 2022年2月广东降水异常偏多特征及成因分析[J]. 广东气象, 2023, 45(1): 5-10. [24] 勾亚彬, 刘黎平, 杨杰, 等. 基于雷达组网拼图的定量降水估测算法业务应用及效果评估[J]. 气象学报, 2014, 72(4): 731-748. [25] 梁巧倩, 蒙伟光, 孙喜艳, 等. 广东前汛期锋面强降水和后汛期季风强降水特征对比分析[J]. 热带气象学报, 2019, 35(1): 51-62. [26] 蔡占文, 王彤, 朱传林, 等. 广东2022年一次强降水的FY-4A观测及闪电特征[J]. 热带气象学报, 2023, 39(3): 313-322. [27] 何立富, 陈涛, 孔期. 华南暖区暴雨研究进展[J]. 应用气象学报, 2016, 27(5): 559-569. [28] 伍红雨, 李芷卉, 李文媛, 等. 基于区域自动气象站的广东极端强降水特征分析[J]. 气象, 2020, 46(6): 801-812. [29] 盛杰, 张小雯, 孙军, 等. 三种不同天气系统强降水过程中分钟雨量的对比分析[J]. 气象, 2012, 38(10): 1 161-1 169. [30] 聂高臻, 钱奇峰. 2022年西北太平洋和南海台风活动概述[J]. 海洋气象学报, 2023, 43(4): 99-109. -
点击查看大图
图(14) / 表(9)
计量
- 文章访问数: 109
- HTML全文浏览量: 5
- PDF下载量: 79
- 被引次数: 0
粤公网安备 4401069904700003号