Comprehensive assessment of influencing factors of precipitation real-time analysis products in Sichuan

doi:10.11755/j.issn.1006-7639(2023)-01-0143

Abstract

Abstract:

Based on multi-source observation data and data fusion and assimilation technology, National Meteorological Information Center has developed and released real-time analysis products that has passed the industry admittance review. In order to ensure the objectivity and authenticity of the evaluation results of the real-time analysis products, the representativeness of the data source—ground station data participating in the inspection and evaluation of the products was studied. 10 precipitation impact indicators such as longitude and latitude, slope, slope direction and data availability of ground meteorological stations from May to August 2020 were selected. On the basis of indicator screening, the weight of each impact indicator to form a comprehensive impact indicator of each station was determined by using correlation analysis, principal component analysis, and grading inspection of the comprehensive impact indicator were conducted. The results show that five of the 10 impact indicators are retained after screening, and their weights from large to small are data availability, equipment stability, slope variability, surface roughness and altitude. The comprehensive impact value of stations in Sichuan Basin is mostly above 0.9, and the stations with low comprehensive impact values are mainly distributed in Ganzi, Aba and Liangshan prefectures of Sichuan Province, which is closely related to the complex terrain and poor representativeness of station in these areas. Through the grading evaluation of the comprehensive impact index, it is reasonable to take the data of stations with the comprehensive impact index value above 0.8 as the "true value" data source for the evaluation of precipitation real-time analysis products.

Key words: precipitation, real-time analysis products, principal component analysis, assessment

摘要：

国家气象信息中心基于多源观测数据，利用数据融合与同化技术研制的实况分析产品已通过业务准入评审并发布。为保证实况分析产品评估结果的客观性和真实性，对参与实况分析产品检验评估的数据源——地面站点资料的代表性进行研究。选取2020年5—8月四川省地面气象站点经度、纬度、坡度、坡向、数据可用性等10个降水影响指标，利用相关分析、主成分分析，在指标筛选基础上，通过确定各影响指标的权重，形成各地面站点的综合影响指标，并对其进行分级检验。结果表明：10个影响指标经过筛选保留5个指标，其权重从大到小依次为数据可用性、设备稳定性、坡度变率、地表粗糙度、海拔高度；四川盆地内站点综合影响指标值大部分在0.9以上，综合影响指标值较低的站点主要分布在四川省甘孜州、阿坝州和凉山州，这与上述区域地形复杂、站点代表性较差密切相关；通过综合影响指标的分级评估，将指标值在0.8以上的站点数据作为降水实况分析产品评估的“真值”数据源较合理。

关键词: 降水, 实况分析产品, 主成分分析, 评估

CLC Number:

P426.6

WU Wei, HUANG Xiaolong, XU Xiaoli, LI Shiying, DU Bing, JIANG Yuhe. Comprehensive assessment of influencing factors of precipitation real-time analysis products in Sichuan[J]. Journal of Arid Meteorology, 2023, 41(1): 143-151.

吴薇, 黄晓龙, 徐晓莉, 李施颖, 杜冰, 蒋雨荷. 四川省降水实况分析产品影响因素综合评估[J]. 干旱气象, 2023, 41(1): 143-151.

Figures/Tables 13

References 18

[1]	陈健翎, 林心影, 陈凌静, 等, 2021. 基于主成分分析法的城市滨水带状公园活力评价模型研究——以福州市为例[J]. 河北林业科技, (2): 6-12.
[2]	陈乐, 陈林, 王明田, 2020. 成都市秋桂开花早晚的气象影响因子分析[J]. 气象科技, 48(5): 774-778.
[3]	成珂, 孙琦琦, 马晓瑶, 2021. 基于主成分回归分析的气象因子对光伏发电量的影响[J]. 太阳能学报, 42(2): 403-409.
[4]	高燕俐, 刘小刚, 冷险险, 等, 2020. 基于主成分分析的广西省干旱时空格局[J]. 生态学报, 40(16): 5 591-5 601.
[5]	郭佳, 李晋东, 刘艳祯, 2020. 基于不同水平分辨率DEM的数字地形分析研究[J]. 测绘与空间地理信息, 43(12): 214-216.
[6]	刘军, 张正福, 胡燕凌, 2009. 应用DEM数据进行耕地坡度分级量算方法研究[J]. 遥感技术与应用, 24(5): 691-697.
[7]	师春香, 潘旸, 谷军霞, 等, 2019. 多源气象数据融合格点实况产品研制进展[J]. 气象学报, 77(4): 774-783.
[8]	孙靖, 程光光, 黄小玉, 2021. 中国地面气象要素格点融合业务产品检验[J]. 高原气象, 40(1): 178-188. DOI
[9]	吴洪宝, 吴蕾, 2010. 气候变率诊断和预测方法[M]. 2版. 北京: 气象出版社.
[10]	吴薇, 杜冰, 黄晓龙, 等, 2019. 四川区域融合降水产品的质量评估[J]. 高原山地气象研究, 39(2): 76-81.
[11]	吴薇, 黄晓龙, 徐晓莉, 等, 2021. 融合降水实况分析产品在四川地区的适用性评估[J]. 沙漠与绿洲气象, 15(4): 1-8.
[12]	许宝荣, 邹松兵, 刘勇, 等, 2015. GIS支持下黑河流域降水台站的地形代表性[J]. 兰州大学学报(自然科学版), 51(2): 166-172.
[13]	俞剑蔚, 李聪, 蔡凝昊, 等, 2019. 国家级格点实况分析产品在江苏地区的适用性评估分析[J]. 气象, 45(9): 1 288-1 298.
[14]	张辉, 赵秋红, 2013. 基于主成分分析基本原理的经济指标的筛选方法[J]. 山东财政学院学报, 124(2): 52-61.
[15]	张玮, 李显风, 何瑶, 等, 2020. 基于江西省站点资料对智能网格实况分析产品的检验评估[J]. 江西师范大学学报(自然科学版), 44(4): 403-410.
[16]	张武龙, 康岚, 周威, 等, 2021. 基于GRAPES-MESO模式的极端短时强降水预报[J]. 干旱气象, 39(3): 507-513.
[17]	JACOBS C, MOORS E J, MAAT H, et al, 2008. Evaluation of european land data assimilation system (ELDAS) products using in situ observations[J]. Tellus A, 60(5): 1 023-1 037. DOI URL
[18]	XIE Y, KOCH S, MCGINLEY J, et al, 2011. A space-time multiscale analysis system: a sequential variational analysis approach[J]. Monthly Weather Review, 139(4): 1 224-1 240. DOI URL

名称	数据来源	气象站点数量/个	说明
经度、纬度、海拔高度及台站级别	四川省站网管理平台	5 899	选取平台2020年1月1日前启用的有降水观测的站点；台站级别设置5级：国家站为1级，骨干站为2级，区域站国家级考核、省级考核、非考核分别为3级、4级和5级
坡度、坡向、坡度变率及地表粗糙度	90 m数字高程模型（Digital Elevation Model，DEM）数据	—	利用ArcMap软件，提取各站点的地形因子数据（郭佳等，2020；刘军等，2009；许宝荣等，2015）
数据可用性	MDOS系统	5 811	用数据可用率（质量控制为正确的数据个数/总数据个数）来表征
设备稳定性	天元系统	5 210	用稳定运行率（正常时次/应到时次）来表征
降水实况分析产品	气象数据通信系统	—	空间分辨率0.05^o×0.05^o，基于地面-卫星-雷达三源融合的“中国气象局多源降水分析系统（CMA multi-source precipitation analysis system， CMPAS）中逐小时降水产品（CMPAS-hourly）”

名称	数据来源	气象站点数量/个	说明
经度、纬度、海拔高度及台站级别	四川省站网管理平台	5 899	选取平台2020年1月1日前启用的有降水观测的站点；台站级别设置5级：国家站为1级，骨干站为2级，区域站国家级考核、省级考核、非考核分别为3级、4级和5级
坡度、坡向、坡度变率及地表粗糙度	90 m数字高程模型（Digital Elevation Model，DEM）数据	—	利用ArcMap软件，提取各站点的地形因子数据（郭佳等，2020；刘军等，2009；许宝荣等，2015）
数据可用性	MDOS系统	5 811	用数据可用率（质量控制为正确的数据个数/总数据个数）来表征
设备稳定性	天元系统	5 210	用稳定运行率（正常时次/应到时次）来表征
降水实况分析产品	气象数据通信系统	—	空间分辨率0.05^o×0.05^o，基于地面-卫星-雷达三源融合的“中国气象局多源降水分析系统（CMA multi-source precipitation analysis system， CMPAS）中逐小时降水产品（CMPAS-hourly）”

	纬度	经度	海拔高度	台站级别	坡度	坡度变率	坡向	地表粗糙度	数据可用性	设备稳定性
纬度	1.000
经度	0.360^**	1.000
海拔高度	-0.028	-0.736^**	1.000
台站级别	0.068^**	-0.088^**	0.200^**	1.000
坡度	0.018	-0.195^**	0.344^**	0.086^**	1.000
坡度变率	0.031^*	-0.187^**	0.332^**	0.094^**	0.571^**	1.000
坡向	-0.002	0.048^**	-0.026	-0.041^**	-0.001	-0.051^**	1.000
地表粗糙度	0.020	-0.199^**	0.293^**	0.072^**	0.892^**	0.408^**	-0.011	1.000
数据可用性	0.007	0.101^**	-0.178^**	-0.123^**	-0.103^**	-0.090^**	-0.003	-0.086^**	1.000
设备稳定性	-0.035^*	0.062^**	-0.063^**	-0.111^**	-0.026	-0.015	0.008	-0.030^*	0.496^**	1.000

	纬度	经度	海拔高度	台站级别	坡度	坡度变率	坡向	地表粗糙度	数据可用性	设备稳定性
纬度	1.000
经度	0.360^**	1.000
海拔高度	-0.028	-0.736^**	1.000
台站级别	0.068^**	-0.088^**	0.200^**	1.000
坡度	0.018	-0.195^**	0.344^**	0.086^**	1.000
坡度变率	0.031^*	-0.187^**	0.332^**	0.094^**	0.571^**	1.000
坡向	-0.002	0.048^**	-0.026	-0.041^**	-0.001	-0.051^**	1.000
地表粗糙度	0.020	-0.199^**	0.293^**	0.072^**	0.892^**	0.408^**	-0.011	1.000
数据可用性	0.007	0.101^**	-0.178^**	-0.123^**	-0.103^**	-0.090^**	-0.003	-0.086^**	1.000
设备稳定性	-0.035^*	0.062^**	-0.063^**	-0.111^**	-0.026	-0.015	0.008	-0.030^*	0.496^**	1.000

主成分	特征值	方差贡献率/%	累积方差贡献率/%
1	2.791	27.911	27.911
2	1.549	15.487	43.397
3	1.441	14.405	57.802
4	1.051	10.505	68.308