Please wait a minute...
高级检索
高原气象  2011, Vol. 30 Issue (6): 1615-1625    
论文     
基于国家气象观测站逐日降水格点数据的
交叉检验误差分析
1. 中国气象局气象干部培训学院, 北京100081; 2. 中国科学院 地理科学与资源研究所, 北京100101;
3. 国家气象中心, 北京100081
Cross-Validation Error Analysis of Daily Gridded Precipitation
Based on China Meteorological Observation
 全文: PDF(1228 KB)  
摘要: 利用2006-2008年2 403个国家气象观测站地面雨量计的逐日降水量资料, 采用与网格点最近的观测站有\, 无降水确定该网格点有\, 无降水和Barnes插值方案确定网格点降水大小的混合插值方案, 得到全国空间分辨率为0.1°×0.1°(约10 km×10 km)的逐日降水量格点数据, 在此基础上通过交叉检验方法统计格点数据的误差, 从相关系数、 平均偏差、 平均绝对误差、 平均相对误差、 均方根误差、 复合相对误差、 观测均方根、 插值均方根、 相对方差比率和降水概率密度函数分布等方面研究了在该混合插值方案下得到的我国逐日降水格点数据的误差分布, 分析了误差统计量的时空变化特征。交叉检验的统计结果表明: (1)观测站逐日降水量的估计序列(即在不使用该观测站实际观测情况下由周围观测站插值得到网格数据, 再由网格数据反插观测站估计值)与实际观测序列比较, 两者的相关系数为0.81, 平均偏差为-0.02 mm·d-1, 平均绝对误差为1.3 mm·d-1, 平均相对误差为58.67%, 均方根误差为4.5 mm·d-1, 复合相对误差为41.17%, 相对方差比率为93.12%, 即格点化的降水资料具有较高的精度。(2)观测站逐日降水量的估计序列与实际观测序列的概率密度分布比较接近, 插值误差基本符合正态分布。(3)逐日降水格点误差的空间分布规律是: 平均绝对误差和均方根误差从我国西北向东南逐步增大; 而平均相对误差的分布特点是东部特别是东部平原小\, 西部相对大; 相关系数的分布特点是东部高\, 西部相对低。(4)误差统计量的逐月变化规律是: 绝对误差和均方根误差明显表现为随月降水总量的增减而相应增减, 一般是7月达最大, 12月为全年最小值; 而相关系数的大小与降水性质有关, 一般大尺度系统性降水多时(11月)相关系数偏高, 局地对流性降水偏多时(8月)相关系数偏低。
关键词: 降水空间插值交叉检验误差统计量    
Abstract: Based on  daily precipitation of 2 403 gauge observations in China for the periods from 2006 to 2008, a gridded dataset with 0.1°×0.1° (about 10 km×10 km) is established using the methods by combining the Barnes interpolation and observation precipitation frequency. Then the precision of  gridded data is assessed by examining cross-validation statistics of the correlation coefficient(COR), the mean bias error(MBE), the mean absolute error(MAE), the mean relative error(RMAE), the root mean square error(RMSE), compound relative error(CRE), observation mean square deviation σ(O), interpolation estimated mean square deviation σ(I), the relative variance ratio(RVAR) and the probability density function(PDF) distribution, the temporal and spatial characteristics of the statistics are investigated and the annual cycle of interpolation error for the gridded data is discussed. The results show that daily gridded precipitation has a higher precision with the correlation coefficient at 0.81, the mean bias error is -0.02 mm·d-1, the mean absolute error is 1.3 mm·d-1, the mean relative error is 58.67%, the root mean square error is 4.5 mm·d-1 and compound relative error is 41.17%, and the relative variance ratio is 93.12%. Moreover, the PDF distribution of interpolation precipitation is closer to observation as well as the interpolation error is the normal distribution. The mean absolute errors and the root mean square errors for gridded precipitation increase from northwest China to southeast China. The mean relative errors are small in the east of China, especially in the flatland but large in the west of China. In the meanwhile, the correlation coefficients show high in the east part of China and relatively low in the west part of China. In addition, the annual cycle of monthly mean absolute errors and the root mean square errors for gridded precipitation are increasing with the augment of monthly total precipitation, the maximum errors in July while the minimum in December in general. But the precipitation characteristics, such as convection activities, have a heavy impact on the distribution of error statistics. The correlation coefficient, reaching its peak in November and valley in August, associates with the precipitation characteristics that the high correlations are related to large-scale and systematic precipitation while the low correlations are related to local the convective precipitation.
Key words: Precipitation    Spatial interpolation    Cross-validation    Error statistic
出版日期: 2011-12-25
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
熊秋芬
黄玫
熊敏诠
胡江林

引用本文:

熊秋芬, 黄玫, 熊敏诠, 胡江林. 基于国家气象观测站逐日降水格点数据的
交叉检验误差分析[J]. 高原气象, 2011, 30(6): 1615-1625.

XIONG Qiu-Fen, HUANG Mei, XIONG Min-Quan, HU Jiang-Lin. Cross-Validation Error Analysis of Daily Gridded Precipitation
Based on China Meteorological Observation. PLATEAU METEOROLOGY, 2011, 30(6): 1615-1625.

链接本文:

http://www.gyqx.ac.cn/CN/        http://www.gyqx.ac.cn/CN/Y2011/V30/I6/1615

[1]Ghelli A, Lalaurette F. Verifying precipitation forecasts using upscaled observations[J]. ECMWF Newsletter, 2000, 87: 9-17.

[2]熊秋芬. GRAPES_Meso模式的降水格点检验和站点检验分析[J].气象, 2011, 37(2): 185-193.

[3]Hong Y, Nix H A, Hutchinson M F,et al. Spatial interpolation of monthly mean climate data for China[J]. Inter J Climat, 2005, 25(10): 1369-1379.

[4]Mitchell K E, Lohmann D, Houser P R,et al. The multi-institution north American land data assimilation system (NLDAS): Utilizing multiple GCIP products and partners in a continental distributed hydrological modeling system[J]. J Geophys Res, 2004, 109, D07S90, doi:10.1029/2003JD003823.

[5]Huffman G J, Adler R F, Morrissey M M,et al. Global precipitation at one-degree daily resolution from multisatellite observations[J]. J Hydromet, 2001, 2(1): 36-50.

[6]Eischeid J K, Pasteris P A, Diaz H F,et al. Creating a serially complete, national daily time series of temperature and precipitation for the western United States[J]. J Appl Meteor, 2000, 39(9): 1580-1591.

[7]Silva V B S, Kousky V E, Shi W,et al. An improved gridded historical daily precipitation analysis for Brazil[J]. J Hydromet, 2007, 8(4): 847-861.

[8]Brant L, Dave A. Daily precipitation grids for south America[J]. Bull Amer Meteor Soc, 2005, 86(11): 1567-1570.

[9]阿迈德·迪狄安·迪阿罗, 刘晓阳, 毛节泰, 等. 卫星雷达联合重构大尺度流域降水场[J]. 高原气象,  2004,  23(1): 11-17.

[10] 马学谦, 董万胜, 楚荣忠, 等. X波段双偏振多普勒天气雷达降雨估算试验[J]. 高原气象, 2008, 27(2): 382-391.

[11] 徐枝芳, 熊军, 葛文忠. 使用遗传算法优化雷达测量降水Z-R关系[J]. 高原气象,  2006,  25(4): 710-715.

[12] 邵月红, 张万昌, 刘永和, 等. BP神经网络在多普勒雷达降水量的估测中的应用[J]. 高原气象, 2009, 28(4): 846-853.

[13] Feng S, Hu Q, Qian W H. Quality control of daily meteorological data in China, 1951-2000: A new dataset[J]. Inter J Climae, 2004, 24(7): 853-870.

[14] 胡江林, 张人禾, 牛涛. 长江流域0.1°网格逐日降水数据集及其精度[J]. 自然资源学报, 2008, 23(1): 136-149.

[15] 钱永兰, 吕厚荃, 张艳红. 基于ANUSPLIN 软件的逐日气象要素插值方法应用与评估[J]. 气象与环境学报, 2010, 26(2): 7-15.

[16] Chen D L, Ou T H, Gong L B, et al. Spatial interpolation of daily precipitation in China: 1951-2005[J]. Adv  Atmos Sci, 2010, 27(6): 1221-1232.

[17] 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.

[18] 柯灵红, 王正兴, 宋春桥, 等. 青藏高原东北部MODIS地表温度重建及其与气温对比分析[J]. 高原气象, 2011, 30(2): 277-287.

[19] 李新, 程国栋, 卢玲. 青藏高原气温分布的空间插值方法比较[J]. 高原气象, 2003, 22(6): 565-573.

[20] Daly C. Guidelines for assessing the suitability of spatial climate data sets[J]. Inter J Climat, 2006, 26: 707-721.

[21] Chen M Y, Shi W, Xie P P, et al. Assessing objective techniques for gauge-based analyses of global daily precipitation[J]. J Geophys Res, 2008, 113,D04110,doi:10.1029/2007JD009132.

[22] 王雨. 若干数值模式对2003年夏季青藏高原中南部降水预报检验[J]. 高原气象, 2004, 23(增刊): 53-58.

[23] 时兴合, 秦宁生, 唐红玉, 等. 青藏铁路青海段夏季温度预测的精度检验[J]. 高原气象, 2003, 22(5): 513-517.

[24] 任雨, 张雪芹, 彭莉莉. 青藏高原1951 -2006 年气温距平序列的建立与分析[ J] . 高原气象, 2010, 29( 3): 572- 578.

[25] 中国气象局预测减灾司, 中国气象局国家气象中心. 中国气象地理区划手册[Z]. 北京: 气象出版社, 2006: 1-72.

[26] Ahrens B. Distance in spatial interpolation of daily rain gauge data[J]. Hydrology Earth System Sci, 2006, 10: 197-208.

[27] 林忠辉, 莫兴国, 李宏轩, 等. 中国陆地区域气象要素的空间插值[J]. 地理学报, 2002, 57(1): 47-56.

[28] Jones D A, Wang W, Fawcett R. High-quality spatial climate data-sets for Australia[J]. Aust Meteor Ocean J, 2009, 58: 233-248.

[29] 冯锦明, 赵天保, 张英娟. 基于台站降水资料对不同空间内插方法的比较[J]. 气候与环境研究, 2004, 9(2): 261-277.

[30] Shen S S P, Dzikowski P, Li G L, et al. Interpolation of 1961-97 daily temperature and precipitation climate data onto Alberta polygons of ecodistrict and soil landscape of Canada[J]. J Appl Meteor, 2001, 40: 2162-2177.

[31] 周锁铨, 薛根元, 周丽峰, 等. 基于GIS降水空间分析的逐步插值方法[J]. 气象学报, 2006, 64(1): 100-111.

[32] Barnes S L. Applications of Barnes objective analysis scheme, Part Ι: Effects of undersampling, wave position and station randomness[J]. J Atmos Ocean Tech, 1994, 11: 1433-1448.

[33] 封志明, 杨艳昭, 丁晓强, 等. 气象要素空间插值方法优化[J]. 地理研究, 2004, 23(3): 357-364.

[34] 庄立伟, 王石立. 东北地区逐日气象要素的空间插值方法应用研究[J]. 应用气象学报, 2003, 14(5): 605-615.

[35] Thiessen A H. Precipitation average for large areas[J]. Mon Wea Rev, 1911, 39: 1082-1089.

[36] Franke R . Scattered data interpolation: Test of some methods[J].Mathematic Computa, 1982, 33: 181-200.

[37] Cressman G P. An operational objective analysis system[J]. Mon Wea Rev, 1959, 87: 367-374.

[38] Hutchinson M F. Interpolating mean rainfall using thin plate smoothing splines[J]. Inter J Geograp Inform Systems, 1995, 9(4): 385-403.

[39] Garen D C, Johnson G L, Hanson C L. Mean areal precipitation for daily hydrologic modeling in mountainous regions[J]. Water Res Bull, 1994, 30: 481-491.

[40] Daly C, Neilson R P, Phillips D L. A statistical-topographic model for mapping climatological precipitation over mountainous terrain[J]. J Appl Meteor, 1994, 33(2): 140-158.

[41] Xie P P, Yatagai A, Chen M Y, et al. A gauge-based analysis of daily precipitation over east Asia[J]. J Hydrometeorology, 2007, 8(3): 607 626.

[42] 蔡敏, 丁国裕, 江志红. 我国东部极端降水时空分布及其概率特征[J]. 高原气象, 2007, 26(2): 309-318.

[43] Hofstra N, Haylock M, New M, et al. Comparison of six methods for the interpolation of daily, European climate data[J]. J Geophys Res, 2008, 113, D21110, doi: 10.1029/2008JD010100.

[44] 舒守娟, 喻自凤, 王元, 等. 西藏地区复杂地形下的降水空间分布估算模型[J]. 地球物理学报, 2005, 48(3): 535-542.
[1] 池再香, 胡跃文, 夏阳, 胡祖恒, 杜正静, 严锐. 云贵高原东部两次典型气象干旱年汛期环流特征对比[J]. 高原气象, 2019, 38(3): 528-538.
[2] 朱丽, 刘蓉, 王欣, 王作亮, 文军, 赵阳, 谢琰, 张堂堂. 基于FLEXPART模式对黄河源区盛夏降水异常的水汽源地及输送特征研究[J]. 高原气象, 2019, 38(3): 484-496.
[3] 王梦晓, 王瑞, 傅云飞. 利用TRMM PR和IGRA探测分析的拉萨降水云内大气温湿廓线特征[J]. 高原气象, 2019, 38(3): 539-551.
[4] 韩林君, 白爱娟. 2004-2017年夏半年西南涡在四川盆地形成降水的特征分析[J]. 高原气象, 2019, 38(3): 552-562.
[5] 蒋慧敏, 刘春云, 贾健, 赵德龙, 冯静洁. 新疆夏季对流性降水时空分布特征及成因分析[J]. 高原气象, 2019, 38(2): 340-348.
[6] 舒建川, 蒋兴文, 黄小梅, 伍清. 中国西南夏季降水预测的统计降尺度建模分析[J]. 高原气象, 2019, 38(2): 349-358.
[7] 潘欣, 尹义星, 王小军. 1960-2014年淮河流域极端降水发生时间的时空特征[J]. 高原气象, 2019, 38(2): 377-385.
[8] 刘江涛, 徐宗学, 赵焕, 何璟嫕. 不同降水卫星数据反演降水量精度评价——以雅鲁藏布江流域为例[J]. 高原气象, 2019, 38(2): 386-396.
[9] 刘恬, 高晓清, 谭桂容, 范艺媛, 惠小英. 中国江淮地区夏季强降水事件的统计分析[J]. 高原气象, 2019, 38(1): 136-142.
[10] 胡梦玲, 游庆龙. 青藏高原南侧经圈环流变化特征及其对降水影响分析[J]. 高原气象, 2019, 38(1): 14-28.
[11] 马佳宁, 高艳红. 近50年黄河上游流域年均降水与极端降水变化分析[J]. 高原气象, 2019, 38(1): 124-135.
[12] 刘田, 阳坤, 秦军, 田富强. 青藏高原中、东部气象站降水资料时间序列的构建与应用[J]. 高原气象, 2018, 37(6): 1449-1457.
[13] 许洁, 马耀明, 孙方林, 马伟强. 湖泊和上风向地形对纳木错地区秋季降水影响[J]. 高原气象, 2018, 37(6): 1535-1543.
[14] 张秋晨, 王俊, 李雪. 地基微波辐射计资料在对流云降水前的变化特征初探[J]. 高原气象, 2018, 37(6): 1578-1589.
[15] 岳治国, 梁谷. 陕西渭北一次降雹过程的粒子谱特征分析[J]. 高原气象, 2018, 37(6): 1716-1724.
img

QQ群聊

img

官方微信