崔園園，張強，李威，敬文琪，覃軍,陳慧華

(1.河北省氣象臺，河北 石家莊 050000； 2.國家氣候中心，北京 100081； 3.94758部隊氣象臺，福建 寧德 355103； 4.中國地質大學(武漢)環(huán)境學院，湖北 武漢 430074； 5.廣東省氣候中心，廣東 廣州 510080)

引言

近幾十年來全球變暖導致氣候暖干化加重趨勢更加明顯，由此導致干旱災害發(fā)生頻次增多、范圍逐漸加大，致使我國西北、東北、華北、西南地區(qū)的生態(tài)環(huán)境及小氣候環(huán)境受到明顯影響，中國糧食產量也大幅度減少[1-6]，而且還間接地導致森林草原火災頻發(fā)以及引發(fā)作物病蟲害等次生災害[7-10]。此外，這些地區(qū)水資源匱乏的問題又尤為顯著，生態(tài)問題與社會問題互相滲透影響[6]。只有合理、有效、及時地對干旱發(fā)生進行監(jiān)測，才能提早進行人工干預、預防，最大限度地減少干旱對人類社會的影響。因此，如何利用精細化格點數據開展干旱監(jiān)測，為相關部門提前提供有效的決策，減少干旱對社會帶來的損失意義重大[11-13]。

土壤相對濕度干旱指數適合于土壤水分盈虧監(jiān)測，同時也是單項氣象干旱指數之一，但限于土壤水分觀測站點稀疏，年限較氣象觀測短，在長時間序列評估時受限。應用時發(fā)現，在小范圍內的干旱監(jiān)測準確度較高，區(qū)域尺度上的評估結果與實際相差較大，此外許多站點存在奇異值，穩(wěn)定性欠缺[14-17]，這一問題在氣象站點分布稀疏的西部和高原地區(qū)更為突出[18-20]。

中國氣象局陸面數據同化系統(tǒng)(CMA Land Data Assimilation System，CLDAS)可提供時空連續(xù)、高分辨率且在不同土壤深度(0～5 cm，0～10 cm，10～40 cm，40～80 cm，80～200 cm)的土壤相對濕度產品[21]。CLDAS格點產品相對站點觀測空間連續(xù)性強，利用它可以在任意空間范圍研究干旱的形成、發(fā)展過程，為全國干旱過程防御及風險規(guī)避提供依據[22-23]。

本研究利用2008—2017年全國自動氣象觀測站逐旬土壤相對濕度觀測數據，對CLDAS融合土壤相對濕度產品在中國區(qū)域的適用性進行評估，嘗試運用3種訂正方法對CLDAS的偏差進行訂正，以期獲得經誤差訂正的CLDAS土壤相對濕度產品且用于氣象干旱監(jiān)測業(yè)務，并結合國家標準GB/T 20481—2006《氣象干旱等級》[24]對2017年5月一次氣象干旱過程進行監(jiān)測分析評估。

1 數據與方法

1.1 數據介紹

1.1.1 觀測驗證數據

本研究使用的2008—2017年經過質量控制后中國區(qū)域2 346個自動氣象觀測站土壤相對濕度實測數據由國家氣象信息中心提供。該數據已經過旬平均處理：先將前一日21時到當日20時的24次土壤相對濕度觀測值做算術平均得到土壤相對濕度日值；再對逐旬的土壤相對濕度日值做算術平均得到旬平均的土壤相對濕度。

1.1.2 中國氣象局陸面數據同化產品

本研究所評估的土壤相對濕度模式數據為中國氣象局陸面數據同化產品(CMA Land Data Assimilation Data，CLDAD)，CLDAS通過數據融合和同化技術對地面站點觀測數據、衛(wèi)星產品以及數值模式產品等多源數據進行融合以得到高質量的格點產品，進而驅動陸面過程模式，獲取陸面變量[25-27]。CLDAS融合產品為覆蓋亞洲范圍(0°～65°N，60°～160°E)的等經緯度網格融合分析產品，空間分辨率為0.062 5°×0.062 5°，時間分辨率為1 h。

1.2 數據預處理

1.2.1 觀測數據質量控制

對自動氣象觀測站觀測數據進行質量控制：1)剔除不合理數據，即相對濕度觀測為0及大于100%的觀測；2)剔除相對誤差絕對值大于70%的匹配樣本。

1.2.2 CLDAS數據的時空尺度匹配

本研究使用的自動氣象觀測站土壤相對濕度觀測數據已經過旬平均處理，而CLDAS融合產品的時間分辨率為1 h。為使兩種數據的時間尺度一致，對CLDAS融合產品進行相同的旬平均處理：取每日24時次(前一日21：00—當日20：00)的數據平均得到日平均值，再取旬內逐日數據平均得到旬平均值。在空間匹配方面，利用雙線性插值法將CLDAS插值到2 346個有效站點上；由于CLDAS融合產品同化的是特定土壤厚度的土壤相對濕度(分別是0～5 cm，0～10 cm，10～40 cm，40～80 cm，80～200 cm)，而站點觀測數據是在某一深度的土壤相對濕度值，因此與觀測值在10 cm土壤深度層的相對濕度進行對比時，將CLDAS產品2.5 cm(0～5 cm)～20 cm(0～10 cm，10～40 cm的均值)土壤相對濕度產品與10 cm深度的觀測值進行對比分析[19]。

1.2.3 土壤相對濕度干旱指數等級劃分表

根據國家標準GB/T 20481—2006《氣象干旱等級》[24]，土壤相對濕度干旱指數作為表征土壤干旱即土壤含水量的指標，也是單項氣象干旱指標之一，一般發(fā)生較嚴重的氣象干旱將導致土壤水分減少或虧缺，而出現土壤干旱。土壤相對濕度干旱指數在數值上直接等于土壤相對濕度(單位：%)。土壤相對濕度干旱指數的干旱等級劃分見表1。

表1 土壤相對濕度干旱指數等級劃分表[24]

1.3 適用性評估方法

本研究用于評估的統(tǒng)計量以及評估指標包括模式格點數據與觀測數據的平均偏差(Bmean)、相關系數(R)，以及基于空間技巧評分的復合統(tǒng)計量評分指標——時間技巧評分(ST)[16-17]。

1.3.1 平均偏差

將模式格點數據與觀測數據的平均偏差Bmean定義為：

(1)

式中，N為研究時段內CLDAS模式格點與實測的匹配樣本總數，Mi為CLDAS土壤相對濕度產品，Oi為自動氣象觀測站觀測值。

1.3.2 相關系數

將模式格點數據與觀測數據的相關系數R定義為：

(2)

1.3.3 時間技巧評分

將時間序列x，y之間的平方誤差定義為：

(3)

式中，n為總樣本數。則時間技巧評分(ST)的定義為：

(4)

ST評分包含兩個評價指標，分別為觀測站點與CLDAS或訂正后的產品之間的相關性和平均偏差的綜合表現。因此，CLDAS產品越接近觀測場，則兩個序列的相關系數越大，偏差越小，則ST評分越接近1。

1.4 訂正方法

針對CLDAS土壤相對濕度產品誤差訂正這一問題，崔園園等[20]采用回歸訂正法、7旬滑動平均訂正法在以旬為單位的時間尺度上對CLDAS土壤相對濕度產品進行了誤差訂正研究。但回歸訂正法(1.4.1節(jié))采用的訂正系數為常量，未考慮CLDAS土壤相對濕度產品誤差隨時間的變化。7旬滑動訂正方法(1.4.2節(jié))雖考慮了格點產品誤差隨時間的變化，但其輸入樣本時間跨度大，對土壤相對濕度的短時突變訂正效果欠佳；此外，當觀測站點前7旬歷史數據缺少時，訂正結果具有較大的不確定性。為改進上述兩種方法的缺陷，本文綜合考慮土壤相對濕度在時間序列上存在的前后旬相關性以及訂正站與臨近站土壤相對濕度的相關性，提出了1.4.3節(jié)所示的臨近加權前旬訂正法。

1.4.1 回歸訂正法

記第i個站點觀測時間序列為Sobs，相應的CLDAS時間序列記為SCLDAS，根據下式建立回歸方程：

Sobs=aiSCLDAS+bi+εi

(5)

根據最小二乘法，得到相應的回歸系數ai和bi，得到CLDAS在第i個站點經過回歸訂正后的時間序列SCLDAS_update為：

SCLDAS_update=aiSCLDAS+bi

(6)

1.4.2 7旬滑動平均訂正法

第t時刻的CLDAS土壤相對濕度值減去t時刻前7旬的誤差平均值，即得t時刻訂正后的CLDAS土壤相對濕度訂正值：

(7)

式中，記第t個時刻經過式(7)訂正后的CLDAS為Mupdate， 第t個時刻CLDAS和站點觀測分別為Mi和Oi。

1.4.3 臨近加權前旬訂正法

當某站前一旬觀測數據存在時，直接用當前旬CLDAS融合土壤相對濕度值減去前一旬CLDAS與觀測的偏差，即可得到當前旬CLDAS融合土壤相對濕度值的訂正值；當前一旬觀測數據不存在時，選取與待訂正站點一定距離以內臨近站點的CLDAS融合土壤相對濕度數據在當前時刻上一旬的誤差加權平均值(加權系數采取反距離平方)，再用當前旬CLDAS融合土壤相對濕度值減去誤差加權平均值，得到該時刻經過臨近加權前旬訂正法后的CLDAS，見式(8)：

(8)

(9)

式中，Mupdate為當前時刻經過訂正后的CLDAS產品，Ri、wi、Mt-1,i、Ot-1,i分別為待訂正站點與被選取的第i個臨近站點的距離、誤差加權系數、上一旬CLDAS融合土壤相對濕度值和上一旬站點觀測值，N為選取的臨近站點個數。

2 結果與分析

2.1 CLDAS及經過訂正后的土壤相對濕度產品的適用性評估

2.1.1 未經訂正的CLDAS產品評估

利用國家氣象信息中心提供的10 cm層次中國區(qū)域土壤相對濕度逐旬觀測數據對0～20 cm層次的CLDAS陸面同化濕度產品進行適用性評估。圖1—3分別給出了2008—2017年觀測站點與CLDAS陸面同化產品的偏差、相關系數及時間技巧評分(ST)在中國地區(qū)的空間分布。

結合CLDAS與觀測站點之間的相關性(圖1)可以看出，CLDAS產品在絕大部分站點與觀測值呈現出0.5以上的正相關；二者在川渝地區(qū)、東北地區(qū)北部以及新疆地區(qū)是相關性較差的區(qū)域，大部分站點的相關系數低于0.4；東北地區(qū)的中南部、華北地區(qū)、西南地區(qū)以及華南地區(qū)是相關性較高的區(qū)域，表明在上述地區(qū)CLDAS產品與實測結果具有較好的相關性。

圖1 2008—2017年CLDAS土壤相對濕度產品與站點觀測數據的相關系數(R，填色)空間分布Fig.1 Spatial distribution of correlation coefficient (R, colored) between CLDAS soil relative moisture product and in-situ observations from 2008 to 2017

由偏差的空間分布(圖2)來看， CLDAS融合土壤相對濕度產品相對觀測來說，在華北大部、江漢地區(qū)、江南地區(qū)及華南北部明顯偏高，而在我國的西北地區(qū)、西南地區(qū)以及華南大部，CLDAS融合土壤相對濕度產品明顯偏低。

圖2 2008—2017年CLDAS土壤相對濕度產品與站點觀測數據的平均偏差(Bmean，填色，單位：%)Fig.2 Spatial distribution of mean bias (Bmean, colored, units: %) between CLDAS soil relative moisture product and in-situ observations from 2008 to 2017

2008—2017年CLDAS土壤相對濕度產品與站點觀測數據時間技巧評分(ST，圖3)與相關性和偏差分析的結果基本上是保持一致的，在東北地區(qū)的中南部、華北地區(qū)中東部、西北地區(qū)東部、黃淮地區(qū)、江淮地區(qū)和江漢地區(qū)以及西南地區(qū)的南部，ST評分在-1～1之間，表明在這些地區(qū)CLDAS與站點觀測較為一致，適用性較好；而在黑龍江、太行山一帶至河套地區(qū)、新疆地區(qū)、西南地區(qū)的西北部、江南地區(qū)大部及華南地區(qū)的大部，ST評分小于-1，評分較低，適用性較差。

圖3 2008—2017年CLDAS土壤相對濕度產品與站點觀測數據時間技巧評分(ST，填色)的空間分布Fig.3 Spatial distribution of time skill score (ST, colored) between CLDAS soil relative moisture product and in-situ observations from 2008 to 2017

2.1.2 經過3種訂正方法訂正的CLDAS結果評估

經過3種方法訂正后的CLDAS產品與站點觀測之間的相關性在中國區(qū)域的分布(圖4)與未訂正的CLDAS(圖1)相比，經過3種訂正方法訂正之后的CLDAS產品與站點觀測之間的相關性得到了顯著的提升，尤其是臨近加權前旬訂正法，其表現明顯優(yōu)于回歸訂正法和7旬滑動平均訂正法。由3種訂正方法訂正后的相關系數的分布來看，相關性較差的區(qū)域主要分布在黑龍江、環(huán)渤海一帶、西北地區(qū)南部以及西南地區(qū)東北部。

圖4 訂正后的CLDAS土壤相對濕度產品與站點觀測數據的相關系數(R，填色)空間分布(a.回歸訂正法，b. 7旬滑動平均訂正法，c.臨近加權前旬訂正法)Fig.4 Spatial distribution of correlation coefficient (R, colored) between corrected CLDAS soil relative moisture product and in-situ observations (a. regression reduction method, b. seven ten-day moving average correction method, c. near-weighted last ten-day correction method)

經訂正后的CLDAS土壤相對濕度數據與站點觀測的偏差在中國區(qū)域的分布(圖5)可以看出，經訂正后CLDAS產品的平均偏差顯著降低，平均偏差基本控制在±5%之內，即訂正過程可有效消除CLDAS融合土壤相對濕度產品原有的系統(tǒng)性偏差。

圖5 訂正后的CLDAS土壤相對濕度產品與站點觀測數據的平均偏差(Bmean，填色，單位：%)空間分布(a.回歸訂正法，b. 7旬滑動平均訂正法，c.臨近加權前旬訂正法)Fig.5 Spatial distribution of mean bias (Bmean, colored, units: %) between corrected CLDAS soil relative moisture product and in-situ observations (a. regression reduction method, b. seven ten-day moving average correction method, c. near-weighted last ten-day correction method)

由2008—2017年CLDAS土壤相對濕度經過訂正后在中國區(qū)域ST分布(圖6)可以看出，相對于未經訂正的CLDAS產品評估結果(圖3)，經過回歸訂正(圖6a)、7旬滑動平均訂正法訂正(圖6b)和臨近加權前旬訂正法訂正(圖6c)后的CLDAS融合土壤相對濕度產品的ST評分整體提升明顯，包括東北地區(qū)、西北地區(qū)以及西南地區(qū)，中國區(qū)域的ST評分由未訂正的0.05提升至0.6以上。由表2反映的基于全國站點的誤差統(tǒng)計量來看，相對其他兩種訂正方法，臨近加權前旬訂正法的平均偏差最小，相關系數最大，ST評分高達0.77，該訂正方法在中國區(qū)域的適用性最優(yōu)，但是仍然有個別站點的ST評分偏低，這些站點主要分布在黑龍江的北部、華北地區(qū)、西北地區(qū)。

圖6 訂正后的CLDAS融合土壤相對濕度與站點觀測值的時間技巧評分(ST，填色)空間分布(a.回歸訂正法，b. 7旬滑動平均訂正法，c.臨近加權前旬訂正法)Fig.6 Spatial distribution of time skill score (ST, colored) between corrected CLDAS merged soil relative moisture product and in-situ observations (a. regression reduction method, b. seven ten-day moving average correction method, c. near-weighted last ten-day correction method)

表2 3種訂正方法訂正效果對比

2.2 土壤濕度產品應用于氣象干旱監(jiān)測的個例分析驗證

本研究以2017年5月下旬東北—華北地區(qū)的一次氣象干旱過程為研究個例，驗證CLDAS融合土壤相對濕度產品在氣象干旱監(jiān)測應用中的可行性。氣象干旱等級的劃分主要參考表1中的閾值。

根據國家氣候中心發(fā)布的2017年5月21日全國氣象干旱監(jiān)測圖(圖7)顯示，這次氣象干旱程度嚴重的區(qū)域主要集中在東北—華北地區(qū)，旱情程度為中旱—特旱，重旱—特旱區(qū)域主要在山東北部、河北的中北部、內蒙古東部至東北地區(qū)的西部一帶，重旱區(qū)域在河北的東北部和東北的西南部地區(qū)。

圖7 2017年5月21日全國氣象干旱監(jiān)測圖(國家氣候中心發(fā)布)Fig.7 National meteorological drought monitoring map on 21 May 2017 (from National Climate Center)

基于全國實測土壤相對濕度數據對2017年5月下旬氣象干旱過程的監(jiān)測評估(圖8)可知，基于全國實測土壤相對濕度數據監(jiān)測到的氣象干旱分布范圍要比國家氣候中心發(fā)布的氣象干旱范圍(圖7)要大，氣象干旱達到中旱程度的還包括河套地區(qū)、內蒙古中部、四川的中西部以及青海。根據2017年中國氣象災害年鑒指出：4月上旬至7月下旬，東北西部及內蒙古東部降水量不足200 mm，比常年同期偏少3～8成，局地偏少8成以上；上述地區(qū)氣溫普遍比常年同期偏高1～2 ℃，其中內蒙古東部偏高2～4 ℃。高溫少雨致使內蒙古東部和東北西部氣象干旱發(fā)展，其中，華北北部、東北西部、內蒙古東部出現春夏連旱，內蒙古、山東、陜西因旱絕收面積占全國因旱絕收面積的52%。在5月中旬全國降水稀少，僅在云貴一帶有明顯降水，5月20日迎來自河套地區(qū)西部經四川盆地到兩廣一帶的大面積降水，上述地區(qū)氣象干旱有所緩解，華北、東北至內蒙古一帶的氣象干旱仍然繼續(xù)發(fā)生[29-31]。

圖8 基于實測土壤相對濕度數據對2017年5月下旬氣象干旱過程的監(jiān)測評估Fig.8 Distribution of meteorological drought assessment in China in the last dekad of May 2017 by soil relative moisture observations

由圖9a可知利用未經訂正的CLDAS融合土壤相對濕度產品監(jiān)測到的此次氣象干旱過程的干旱程度偏弱，僅在河北的北部至內蒙古的大部出現了大范圍的輕旱，局部地區(qū)的中旱過程。經7旬滑動平均訂正法(圖9c)和臨近加權前旬訂正法(圖9d)訂正后的CLDAS融合土壤相對濕度產品制作的氣象干旱監(jiān)測產品對2017年5月下旬東北—華北一帶的氣象干旱過程監(jiān)測指示明顯。特別是臨近加權前旬訂正法(圖9d)的效果更具有優(yōu)勢，它表現的氣象干旱范圍與國家氣候中心(圖7)及基于土壤濕度觀測數據(圖8)監(jiān)測的氣象干旱范圍更為接近，也是唯一能將東北、華北至內蒙古一帶的中旱—重旱的干旱過程表現出來的訂正方法。

圖9 基于未訂正和訂正后的CLDAS融合土壤相對濕度產品對2017年5月下旬東北—華北地區(qū)氣象干旱過程的監(jiān)測評估(a.未訂正，b.回歸訂正法，c. 7旬滑動平均訂正法，d.臨近加權前旬訂正法)Fig.9 Distribution of meteorological drought assessment in Northeast-North China in the last dekad of May 2017 by uncorrected (a) and corrected (b. regression correction method, c. seven ten-day moving average correction method, d. near-weighted last ten-day correction method) CLDAS merged soil relative moisture product

3 結論

本研究基于自動氣象觀測站土壤濕度的觀測數據對CLDAS融合土壤相對濕度產品進行了適用性評估，其次采用回歸訂正法、7旬滑動平均訂正法、臨近加權前旬訂正法對CLDAS融合產品進行了誤差訂正并評估了訂正效果，最后針對2017年5月東北—華北一次氣象干旱過程初步探討了經3種方法訂正后CLDAS融合產品在氣象干旱監(jiān)測應用中的可行性，得到以下主要結論：

1)本文利用土壤相對濕度站點觀測旬數據，對國家氣象信息中心提供的CLDAS土壤相對濕度產品進行了適用性分析。結果表明：CLDAS融合土壤相對濕度產品在中國區(qū)域的表現不一致，在東北地區(qū)的中南部、華北地區(qū)中東部、西北地區(qū)東部、黃淮地區(qū)、江淮地區(qū)和江漢地區(qū)以及西南地區(qū)的南部，適用性較好；而在黑龍江、太行山一帶至河套地區(qū)、新疆地區(qū)、西南地區(qū)的西北部、江南地區(qū)大部及華南地區(qū)的大部，偏差較大，相關性較差。本研究主要關注CLDAS的0～20 cm層融合土壤相對濕度產品，其他層次的適用性還有待進一步驗證。

2)經3種不同訂正方法進行誤差訂正后，CLDAS產品相關性顯著提高，系統(tǒng)偏差得到了顯著的降低，均控制在±2%之內，ST評分也大大提高，其中以臨近加權前旬訂正法的訂正效果最為顯著，ST評分達到0.77。

3)經臨近加權前旬訂正法訂正后的CLDAS融合土壤相對濕度產品對2017年5月下旬東北—華北氣象干旱過程的描述更為準確、可靠，相較于直接將CLDAS融合土壤相對濕度產品用于氣象干旱監(jiān)測具有明顯優(yōu)勢。