福建區域內實況網格氣溫產品的適用性驗證

林瑩晶 李雙錦

(福建省氣象信息中心，福建 福州 350001)

1 概述

隨著氣象觀測技術的快速發展，觀測手段日益完善，包括了地面自動氣象站、雷達、衛星等，獲取到的觀測數據不斷豐富，由此反演得到的數值模式模擬數據的質量也在不斷提高。防汛、民航等部門和單位對氣象數據產品的要求持續加強，特別是空間精度更高、時間連續性更強的氣象產品。目前，許多研究通過數據融合和同化技術，結合不同來源的氣象觀測數據和多模式的模擬數據，得到高精度、時空連續的多源數據融合氣象網格產品。

目前，在國際上有許多認可度較高的融合氣象網格產品，包括由歐洲中期天氣預報中心研發的再分析數據集ERA-Interim。ERA-Interim涵蓋1979年至2019年8月31日期間的大氣和地面參數。第二版研究和應用的現代再分析數據集MERRA-2是由美國國家航空航天局(NASA)全球模擬和同化辦公室推出的高分辨率全球再分析資料，覆蓋時間由1980年至今。中國氣象局國家信息中心在學習國際先進融合技術的基礎上，創建了中國氣象局陸面數據同化系統(CMA Land Data Assimilation System,CLDAS)[1-2]。

近些年，許多學者開展了CLDAS 2.0產品的驗證和應用研究。劉瑩等評估了CLDAS氣溫數據在中國區域的可信性和適用性，認為CLDAS氣溫較好地反映了中國氣溫的年際變化[3]。孫帥等使用地面觀測降水數據對 1998—2015 年CLDAS長序列融合水數據集進行了評估，認為CLDAS 長序列融合降水數據效果優于CMORPH衛星反演產品、MERRA2再分析降水產品以及CMPA_Hourly降水產品，能夠滿足中國區域的陸面水文模擬、氣候研究等相關領域的需要[4]。劉晨等利用CLDAS V2.0降水產品等對2017年6月20日發生在蘭州的冰雹過程進行分析，闡述了導致冰雹過程的物理機制[5]。

多源數據融合格點產品能彌補艱苦環境地區臺站分布稀疏的缺憾，完善全球陸面氣象資料。但在實際應用中還存在一些亟待解決的問題，如空間尺度上粗細網格變化、時間分辨率的高低等，以及在不同地形地勢、不同氣候狀況、不同天氣系統條件下如何切實改進多源融合格點分析產品。如何評價融合網格數據的“真實性”，通過評價為融合、同化技術找到存在的不足，提出有價值的建議。

福建省境內峰巒疊嶂、山嶺聳峙，河谷與盆地錯落相間，屬多山地區。全省海拔80m以上的丘陵和山地占全省土地面積的89.3%，且地形坡度較大，平原主要分布在沿海地區，地勢總體為西北高，東南低。目前CLDAS資料在福建省的適用性研究幾乎空白，亟待開展較為細致的評價工作。本文聚焦CLDAS在福建省的適用性，選取2m氣溫作為研究參數，討論在福建復雜地形背景下我國研發的多源融合格點實況數據是否有較好的代表性。

2 數據與方法

為驗證多源融合網格實況數據的氣溫質量，本文使用福建省2021年8月的5km×5km實況格點產品中的2m氣溫要素和70個國家級地面氣象站的實測數據。70個國家級地面氣象站包括國家氣象觀測站、國家基本氣象站、國家基準氣候站，每個臺站設有雙套設備，降低數據的缺測率，也為主站數據提供一致性參考，及時發現儀器異常。觀測要素包括氣溫、相對濕度、氣壓、能見度、天氣現象、草面溫度、淺層地溫、深層地溫、日照、降水量、風向、風速和地面溫度。本文使用國家級地面氣象站2021年8月2m氣溫資料，時間分辨率為1h。使用的格點實況數據為CLDAS 2.0版的氣溫產品，空間分辨率為5km，時間分辨率為1h。CLDAS陸面數據同化產品利用多重網變分、空間格點拼接、離散縱坐標短波輻散遙感反演以及CLM、Noah-MP、CoLM多陸面模式集合模擬等技術研發而成[1]。CLDAS陸面數據同化產品被證實在中國區域的時空分布特征更加準確，適用性更強[6-10]。

選用鄰近插值和雙線性插值兩種方法將氣溫實況融合格點產品插值到70個國家級考核站，鄰近插值法是將與氣象站最鄰近的網格點的數據作為格點資料在臺站的要素值；雙線性插值就是將包圍氣象站的4個格點進行x方向一元線性插值后，再進行y方向一元線性插值，對于剛好在x(y)網格線上的臺站，則將y(x)方向上上下(左右)2個格點的值進行一元線性插值，得到臺站的格點產品值。

通過絕對誤差、平均絕對誤差、均方根誤差及相關系數對該產品進行評估。

絕對誤差(AE)：

AE=|G-O|

平均絕對誤差(MAE)：

均方根誤差(RMSE)：

相關系數(COR):

其中，O為站點觀測值，G為實況格點產品插值到檢驗站點得到的數值，N為參與檢驗的總樣本數。絕對誤差AE反映了測量值偏離真值的大小；平均絕對誤差MAE是所有單個絕對誤差的平均值，避免誤差相互抵消，可以準確反映實際預測誤差的大?。痪礁`差RMSE是觀測值與真值偏差的平方和與觀測次數N比值的平方根，用來衡量觀測值同真值之間的偏差，在算數中對誤差進行平方算數，因此受到異常值的影響較大；相關系數COR是按積差方法計算，同樣以兩變量與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變量之間相關程度，相關系數的絕對值越接近1，則相關性越強，當相關系數絕對值大于0.8時，稱為高度相關。

3 結果

3.1 兩種插值方法的比較與日變化

通過鄰近插值和雙線性插值兩種方法對實況格點產品2m氣溫和國家氣象站的實測數據進行比較，圖1展示了兩種插值方法得到的平均絕對誤差、均方根誤差及相關系數的日變化，點段線為國家站平均2m氣溫日變化(本文時間均為北京時)。福建省在2021年8月的日出時間約為5時30分，日落時間約為18時30分。

MAE在0～6h和17～23h都表現為鄰近插值法誤差明顯小于雙線性插值法，在7～16h兩者差距較小(圖1a)。雙線性插值的MAE日變化為0.54～0.86，而鄰近插值法的結果為0.52～0.79，分別在7時和6時達到最低值，在19時和14時達到最高值。MAE的日變化與溫度有著密不可分的聯系，在日出前，氣溫降為最低時，MAE也為日最小值，但隨著日出氣溫增大，MAE急劇增大。日溫度最大時(14時)和日落后(19時)氣溫快速下降時MAE達到最大。綜上，氣溫增大或者氣溫快速變化時，融合網格產品難以精準把握氣溫的實時變化，造成MAE數值增大，且鄰近插值法受該因素的影響較小。

雙線性插值和鄰近插值的RMSE日變化與MAE相似，鄰近插值法的均方根誤差在0～23h都小于雙線性插值結果，尤其在0～6h和17～23h，鄰近插值法得到的結果明顯優于雙線性插值(圖1b)。在日出前降為最小值，在午后或日落后升至最高值(或次峰值)。雙線性插值的RMSE日變化為0.75～1.15，鄰近插值法的結果為0.71～1.04，鄰近插值法的RMSE更小，插值的離散程度更小。

兩種方法都能得到較好的相關性，8月期間鄰近插值法的結果全天都優于雙線性插值結果，鄰近插值法的相關系數全天都在0.9以上(圖1c)。雙線性插值的相關系數為0.88～0.94，鄰近插值法的相關系數為0.90～0.95，且都在21時降為最小值，在16時增加至最大值。8時和17時可觀察到兩個谷值，即在日出后和日落前，再次說明網格實況產品難以準確捕捉到氣溫的快速變化，造成了氣象站觀測值與實況格點產品相關性較差。

圖1 2021年8月實況格點產品和氣象站觀測數值之間的平均絕對誤差(a)、均方根誤差(b)和相關系數(c)的日變化

綜上，對于2m氣溫的實況格點產品，鄰近插值法比雙線性插值法更接近臺站真實狀況。實況網格產品與氣象站之間的誤差及相關性存在明顯日變化，在氣溫較高或者日落氣溫快速變化時的MSE和RMSE較大，而在日出或日落時，實況網格產品與氣象站實測值之間的相關性由于氣溫的快速變化而下降。如何提高日出和日落時實況網格產品氣溫要素的真實性是今后需要關注的難點問題。

3.2 造成差異的影響因素

鄰近插值法的2m氣溫更接近氣象站觀測值，本節使用鄰近插值法的結果分別討論8月份福建省內國家氣象站氣溫要素與氣象站觀測值之間的絕對誤差(AE)受緯度、經度和臺站海拔高度的影響。福建的地理跨度較小，大部分觀測結果集中在24.5°N～27.5°N和117°E～119.5°E。緯度較低(24.5°N以南)站點的氣溫絕對誤差值較小，一般在2℃以內，剩余站點的絕對誤差分布較為離散，存在絕對誤差較大情況(圖2a)。絕對誤差與經度的概率密度分布難以得到明顯的規律，即受到東西向地理條件的影響較小(圖2b)。福建省的臺站集中分布在海拔高度300m以下，這些站點的氣溫絕對誤差也有較大差異，分布較為離散，但是概率密度大值分布在1℃內。300m以上的高山站絕對誤差分布存在較大差異，既有集中分布在2℃以內的站點，也存在離散分布在0～4℃內的站點(圖2c)。綜上，海拔高度較低的站點更有可能存在較低的氣溫絕對誤差，網格數據更容易接近實測狀況，但是海拔高度的增加不是產生較大絕對誤差的充分條件，還存在其他影響因素。

為了進一步探尋造成實況格點產品與氣象站實測數據之間誤差較大的影響因素，選取研究結果中MAE最大的10個臺站，通過站點環境基本信息，討論造成插值結果誤差較大的可能原因。將站點資料整理成表1，其中MAE最大的站點為九仙山站，該站位于海拔高度1653.9m的山頂，地形復雜，周圍地勢起伏度較大，削弱了站點的區域代表性，在這類高山站點使用實況網格產品時需引起注意[3]。在MAE最大的10個站點中，有9個臺站位于山頂，且其中5個存在建筑物或樹木等障礙物遮擋。福建境內峰嶺聳立，丘陵連綿，山地、丘陵占全省總面積的80%以上，在復雜地形的影響下，氣象站的代表性大大減小。除山地丘陵地形影響外，建筑物或者樹木等障礙物遮擋也是使得站點區域代表性下降的重要原因，站點在選址和維護中應當避免和及時清除這種影響，一方面能增加臺站的區域代表性，另一方面能使得融合數據與實測數據之間的差異減小。

圖2 2021年8月實況格點產品的鄰近插值和氣象站觀測數值之間，受緯度(a)、經度(b)和海拔高度(c)影響的絕對誤差

表1 鄰近插值結果中MAE最大10個臺站的環境基本信息

以十地市為單位，計算各個城市在研究期間的絕對誤差，并開展絕對誤差的分布離散性討論，對比各地市格點實況產品氣溫的適用性差異。所有地市都表現出上四分位數和下四分位數組成的箱盒偏下，說明各地市的絕對誤差更偏向低值，格點氣溫在各地市都表現較好。絕對誤差上四分位數大于1℃的臺站有三明、南平、龍巖，且中位數也較大，這三個城市的絕對誤差相對偏大。同時，這三個市的上下邊緣間隔較遠，即市內的最大絕對誤差與最小絕對誤差的差距較大，離散性強。福建省地勢總體上西北高、東南低，在西部形成由武夷山脈、杉嶺山脈等組成的閩西大山帶，較高的地勢和復雜的丘陵下墊面是造成三明、南平、龍巖絕對誤差相對較大、數值分布較為離散的原因。此外，這三個城市屬福建省內陸城市，而其余七個屬沿海城市。由于海洋比熱容較大，能調節氣溫變化，使得日出或日落時的氣溫變化減緩，使得沿海城市的絕對誤差總體較小，絕對誤差數值較為集中，離散度小。

受到地形和下墊面的影響，三明、南平、龍巖的平均氣溫相對較低，為討論氣溫對于網格模擬結果的真實性影響，對匹配結果的絕對誤差和實測氣溫的相關性開展研究。

圖3 2021年8月實況格點產品與觀測值之間的

氣溫和絕對誤差密集分布在24～29℃和0～1℃。當氣溫較低時(小于20℃)，絕對誤差在0～4.5℃之間離散分布。當氣溫增長到22℃及以上時，絕對誤差集中分布在1℃以內。這可能來源于高山或者地表反照率高的站點，這些站點在日出前氣溫達到日最低氣溫，在日出后氣溫快速變化，實測溫度和模擬結果之間容易存在較大的差距。

圖4 2021年8月實況格點產品的氣溫絕對誤差與

4 結論與討論

本文針對2021年8月的福建區域內5km×5km的實況網格產品2m氣溫數據和70個國家站的小時氣溫數據開展誤差分析，得到以下結果：

①對于2m氣溫要素，鄰近插值法比雙線性插值法更接近臺站真實狀況。實況網格產品與氣象站之間的誤差及相關性存在明顯日變化，在氣溫較高或者日落氣溫快速變化時的MSE和RMSE較大。

②緯度較低(24.5°N以南)站點的氣溫絕對誤差值較小，海拔高度較高站點的絕對誤差較大，這與站點周圍地形緊密相關。

③除山地丘陵地形影響外，障礙物遮擋也是造成格點資料誤差較大的重要原因。

④受到緯度和下墊面的影響，三明、南平、龍巖的平均氣溫相對較低，絕對誤差相對較大，數值分布較為離散。

⑤高山或者地表反照率高的站點在日出后氣溫快速變化，實測溫度和模擬結果之間容易存在較大的差距。

未來在改善實況網格產品的研究中，丘陵等復雜地形的誤差分析系統及偏差訂正技術是研究重點。另外，如何提高日出后、日落前實況網格產品氣溫要素的真實性也是今后需要關注的問題。站點在選址和維護中應當避免和及時發現對氣象數據有影響的障礙物，以增加臺站的區域代表性，使得融合數據與實測數據之間的差異減小。