一种NCEP/NCAR再分析气温数据的统计降尺度方法

doi:10.3724/SP.J.1047.2014.00819

地球信息科学学报 ›› 2013, Vol. 15 ›› Issue (6): 819-828.doi: 10.3724/SP.J.1047.2014.00819

• 地球信息科学理论与方法 • 上一篇下一篇

一种NCEP/NCAR再分析气温数据的统计降尺度方法

荆文龙, 冯敏, 杨雅萍

中国科学院地理科学与资源研究所, 北京 100101

收稿日期:2013-05-31 修回日期:2013-06-25 出版日期:2013-12-25 发布日期:2013-12-25
通讯作者: 冯敏（1981-），男，甘肃庆阳人，博士，研究方向为地学模型共享与集成计算。E-mail：fengm@igsnrr.ac.cn E-mail:fengm@igsnrr.ac.cn
作者简介:荆文龙（1988-），男，河南开封人，硕士生，研究方向为地理信息系统研究与应用。E-mail：wenlong_jing@foxmail.com
基金资助:
国家自然科学基金青年科学基金项目（41101364）；全国生态环境10年（2000-2010年）变化遥感调查与评估项目（STSN-04-08）；中国科学院地理科学与资源研究所“一三五”战略科技计划项目（2012ZD010）；资源与环境信息系统国家重点实验室自主部署创新研究计划资助项目（O88RA900KA）。

A Statistical Downscaling Approach of NCEP/NCAR Reanalysis Temperature Data

JING Wenlong, FENG Min, YANG Yaping

Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received:2013-05-31 Revised:2013-06-25 Online:2013-12-25 Published:2013-12-25

摘要/Abstract

摘要：

近地表气温是影响陆表过程的一项重要因素，中高分辨率的栅格化气温数据是生态环境、水文、水循环等模拟和分析的重要参数，获得准确和较高空间分辨率的栅格化气温数据对更好地理解陆地表面过程和全球变化等有非常重要的意义。本文提出一种基于气温与地形、植被等环境因子，以及地理位置的统计降尺度方法，以回归树模型建立气温与NDVI、DEM及地理位置之间的定量关系，将NCEP/NCAR近地表气温数据降尺度到公里级分辨率，并利用该方法得到2000年1月至2010年12月全国陆地范围1km分辨率逐月月平均气温数据。最后，采用全国380个气象站点的观测数据对结果进行对比分析，结果表明：该方法得到的气温数据可以有效地反映全国陆地范围气温空间分布特点和月际变化趋势，验证结果的R2范围在0.861-0.95之间，RMSE范围在1.88~2.68℃之间。

关键词: NCEP/NCAR, 统计降尺度, NDVI, DEM, 月平均气温

Abstract:

Near-surface air temperature is an important controlling parameter for land surface processes, and is critical to ecological, environmental and hydrological modeling. Temperature records observed at meteorological stations have been widely used, but there has been an increasing need for temperature data in grid for modeling purposes. Although grid temperature can be estimated from in-situ temperature records using interpolation algorithm, low accuracy have been reported due to limited ground stations and their clustering distribution, especially when there were insufficient sites to represent all land cover types and terrain conditions in the area. NCEP/NCAR reanalysis project uses a frozen state-of-art global data assimilation system and a database as complete as possible. Although the NCEP/NCAR data has a coarse resolution (0.5 degree), it provides global, consistent, and long term estimation of climate variables. This paper presents a downscaling approach to derive monthly temperature at 1km resolution from the NCEP/NCAR by utilizing derived relationships between monthly aggregated NCEP/NCAR temperature and other ground elements, i.e., terrain, vegetation and geographic locations. Regression tree model was chosen to detect the possible relationships. Monthly temperature with 1km resolution for China land area from 2000 to 2010 has been produced using the approach. The final predicted temperatures were compared with observed records at 380 meteorological stations in China. The results indicate that the downscaled estimations can represent spatial distribution and trends and the magnitude of inter-month temperature with R2 ranging from 0.861 to 0.95, and RMSE from 1.88℃ to 2.681℃.

Key words: NDVI, DEM, statistical downscaling, mean monthly temperature, NCEP/NCAR

荆文龙, 冯敏, 杨雅萍. 一种NCEP/NCAR再分析气温数据的统计降尺度方法[J]. 地球信息科学学报, 2013, 15(6): 819-828.DOI:10.3724/SP.J.1047.2014.00819

JING Wen-Long, FENG Min, YANG Ya-Ping. A Statistical Downscaling Approach of NCEP/NCAR Reanalysis Temperature Data[J]. , 2013, 15(6): 819-828.DOI:10.3724/SP.J.1047.2014.00819

参考文献

[1] 祝善友, 张桂欣.近地表气温遥感反演研究进展[J].地球科学进展, 2011, 26(7):724-730.

[2] 齐述华, 王军邦, 张庆员, 等.利用MODIS遥感影像获取近地层气温的方法研究[J].遥感学报, 2005, 9(5):570-575.

[3] Cresswell M P, Morse A P, et al. Estimating surface air temperature from meteosat land surface temperature using an empirical solar zenith angle model[J]. International Journal of Remote Sensing, 1990, 20(6):1125-1132.

[4] Mao K B, Tang H J, Wang X F, et al. Near-surface air temperature estimation from ASTER data based on neural network algorithm[J]. International Journal of Remote Sensing, 2008, 29(20):6021-6028.

[5] 廖顺宝, 李泽辉, 游松财.气温数据栅格化的方法及其比较[J].资源科学, 2003, 25(6):83-88.

[6] 廖顺宝, 李泽辉.气温数据栅格化中的几个具体问题[J].气象科技, 2004, 32(5):352-356.

[7] 蔡迪花, 郭铌, 李崇伟.基于DEM的气温插值方法研究[J].干旱气象, 2009, 27(1):10-17.

[8] 李军, 游松财, 黄敬峰.中国1961-2000年月平均气温空间插值方法与空间分布[J].生态环境, 2006, 15(1):109-114.

[9] Kalnay E, Kanamitsu M, Kistler R, et al. The NCEP/NCAR 40-year reanalysis project[J]. Bulletin of American Meteorological Society, 1996, 77(3):437-471.

[10] 赵天保, 符淙斌.中国区域ERA-40、NCEP-2再分析资料与观测资料的初步比较与分析[J].气候与环境研究, 2006, 11(1):14-32.

[11] 黄刚.NCEP/NCAR和ERA-40再分析资料以及探空观测资料分析中国北方地区年代际气候变化[J].气候与环境研究, 2006, 11(3):310-320.

[12] 施晓晖, 徐祥德, 谢立安.NCEP/NCAR再分析风速、表面气温距平在中国区域气候变化研究中的可信度分析[J].气象学报, 2006, 64(6):709-722.

[13] 周青, 赵凤生, 高文华.NCEP/NCAR逐时分析与中国实测地表温度和地面气温对比分析[J].气象, 2008, 34(2):83-91.

[14] 苏志侠, 吕世华, 罗四维.美国NCEP/NCAR全球再分析资料及其初步分析[J].高原气象, 1999, 18(2):84-93.

[15] 徐影, 丁一汇, 赵宗慈.美国NCEP/NCAR近50年全球再分析资料在我国气候变化研究中可信度的初步分析[J].应用气象学报, 2001, 12(3):337-347.

[16] 梁顺林.定量遥感[M].北京:科学出版社, 2009, 337-338.

[17] 刘永和, 郭维栋, 冯锦明, 等.气象资料的统计降尺度方法综述[J].地球科学进展, 2011, 26(8):837-847.

[18] Immerzeel W W, Rutten M M, Droogers P. Spatial downscaling of TRMM precipitation using vegetative response on the Iberian Peninsula[J]. Remote Sensing of Environment, 2009(113):362-370.

[19] Carone G J, Bramente P D. Translating monthly temperature from regional to local scale in the southeastern United States[J]. Climate Research, 1995(5):229-242.

[20] Wigley T M L, Jones P D, Briffa K R, et al. Obtaining sub-grid-scale information from coarse-resolution general circulation model output[J]. Journal of Geophysical Research, 1990, 95(D2):1943-1953.

[21] 唐国利, 丁一汇.由最高最低气温求算的平均气温对我国年平均气温序列影响[J].应用气象学报, 2007, 18(2):187-192.

[22] 范娜, 谢高地, 张昌顺, 等. 2001年至2010年澜沧江流域植被覆盖动态变化分析[J]. 资源科学, 2012, 34(7):1222-1231.

[23] 罗玲, 王宗明, 宋开山, 等.1982-2003年中国东北地区不同类型植被NDVI与气候因子的关系研究[J].西北植物学报, 2009, 29(4):800-808.

[24] 王宗明, 国志兴, 宋开山, 等.中国东北地区植被NDVI对气候变化的响应[J].生态学杂志, 2009, 28(6):1041-1048.

[25] 崔林丽, 史军, 杨引明, 等.中国东部植被NDVI对气温和降水的旬响应特征[J].地理学报, 2009, 64(7):850-860.

[26] 王永立, 范广洲, 周定文, 等.我国东部地区NDVI与气温、降水的关系研究[J].热带气象学报, 2009, 25(6):725-732.

[27] 戴声佩, 张勃, 王海军.中国西北地区植被NDVI的时空变化及其影响因子分析[J].地球信息科学学报, 2010, 12(3):315-321.

[28] 钞振华.三种再分析气温资料在中国西部地区的可信度评价[J].大气科学报, 2011, 34(2):162-169.

[29] 李川, 张廷军, 陈静. 近40年青藏高原地区的气候变化——NCEP和ECMWF地面气温及降水再分析和实测资料对比分析[J]. 高原气象, 2004, 23(S1):97-103.

一种NCEP/NCAR再分析气温数据的统计降尺度方法

A Statistical Downscaling Approach of NCEP/NCAR Reanalysis Temperature Data

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	陈如如, 胡中民, 李胜功, 郭群. 不同数据源归一化植被指数在中国北方草原区的应用比较[J]. 地球信息科学学报, 2020, 22(9): 1910-1919.
[2]	罗竹, 刘凯, 张春亢, 邓心远, 马荣华, 宋春桥. DEM在湖泊水文变化研究中的应用进展[J]. 地球信息科学学报, 2020, 22(7): 1510-1521.
[3]	李思进, 代文, 熊礼阳, 汤国安. DEM分辨率对黄土侵蚀沟形态特征表达的不确定性分析[J]. 地球信息科学学报, 2020, 22(3): 338-350.
[4]	王春, 徐燕, 江岭, 赵明伟. 规则格网DEM局地坡面凸凹性精度分析[J]. 地球信息科学学报, 2020, 22(3): 361-369.
[5]	赵尚民, 程维明, 蒋经天, 沙文娟. 资源三号卫星DEM数据与全球开放DEM数据的误差对比[J]. 地球信息科学学报, 2020, 22(3): 370-378.
[6]	张鑫港, 闫浩文, 张黎明. 一种用于DEM数据认证与篡改定位的感知哈希算法[J]. 地球信息科学学报, 2020, 22(3): 379-388.
[7]	赵明伟, 金永林, 江岭, 王春, 杨灿灿, 徐燕. 多模型协同下的城郊地区DEM构建方法研究[J]. 地球信息科学学报, 2020, 22(3): 389-398.
[8]	黄楠, 杨昕, 刘海龙. 基于等高线空间关系的鞍部点提取方法[J]. 地球信息科学学报, 2020, 22(3): 410-421.
[9]	胡金龙, 唐梦鸽, 罗明良, 魏兰, 晏自红, 秦子晗. 基于DEM的一体化山地特征要素提取[J]. 地球信息科学学报, 2020, 22(3): 422-430.
[10]	雷雪, 周毅, 李阳, 王泽涛. 基于DEM的黄土地貌逼近度因子构建及特征分析[J]. 地球信息科学学报, 2020, 22(3): 431-441.
[11]	曹泽涛, 方子东, 姚瑾, 熊礼阳. 基于随机森林的黄土地貌分类研究[J]. 地球信息科学学报, 2020, 22(3): 452-463.
[12]	顾文亚, 孟祥瑞, 朱晓晨, 邱新法. 基于BEMD分解的地貌分类研究[J]. 地球信息科学学报, 2020, 22(3): 464-473.
[13]	吴钱娇, 陈玉敏. 基于CUDA的地表水动态模拟并行方法[J]. 地球信息科学学报, 2020, 22(3): 505-515.
[14]	李培林, 刘小平, 黄应淮, 张鸿辉. 基于GEE平台的广州市主城区不透水面时间序列提取[J]. 地球信息科学学报, 2020, 22(3): 638-648.
[15]	李文梁, 汪驰升, 朱武. 中国大陆地区TanDEM-X 90 m DEM误差空间分布特征[J]. 地球信息科学学报, 2020, 22(12): 2277-2288.