研究
,体积:18 (2)比较网格降雨估计与测量降雨量Wet-Zone西南季风时期的斯里兰卡
收到:1月26日,2022;手稿。tse - 22 - 57110;编辑分配:1月31日,2022;前质量控制。tse - 22 - 57110;综述:2022年1月10;质量控制。tse - 22 - 57110;修改后:2月15日,2022;手稿没有:tse - 22 - 57110 (R);发表:2月25日,2022;DOI: 10.37532 / environmental-science.2022.18.212
引用:Malinda m网格降雨估计的比较与衡量降雨Wet-Zone西南季风时期的斯里兰卡。环境科学印第安纳j . 18 (02): 212
文摘
在这个时代,多数量的网格降雨估计是可用的。使用这些估计在不同领域的利益包括气象和气候研究。考虑、气象学和气候研究降雨估计用于监测水力气象灾害和农业用途。最常用和最可靠的方法使用的雨量监测降雨。然而,这可能是一个昂贵的事件考虑设备、维护和培训需要运行这样一个雨量计网。此外,它也很难覆盖大面积的土地,点雨量。在此背景下,估计网格降雨产品用于分析降雨将同质降水数据集可以轻松地安排和用于数据分析和研究。在这个比较中,气候危险组红外降水站数据(啁啾),全球降水气候中心(GPCC)和欧洲中期天气预报中心(ECMWF) ERA-5再分析数据是衡量网络的维护与评估降雨数据的气象、斯里兰卡。多个统计参数如相关系数(CC),均方根误差(RSME)和偏差值被用于确定源降雨估计数据更好地代表实际降雨量在斯里兰卡西南季风期间。本研究显示GPCC降雨数据的分辨率(0.25°x 0.25°)最能代表测量降雨量数据为选定的点。
关键字
Celosia;干旱胁迫;DUF538;基因表达;实时聚合酶链反应
介绍
斯里兰卡是一个国家的影响相当数量的水电气象灾害和灾害,特别是西南季风时期也被称为夏季季风气象更广泛的社区内。在最近的过去,随着气候的变化,极端事件增加,这些危害的严重性大大增加世界各地(1]。斯里兰卡主要是一个农业国家,大多数的农村人口从事它。这两个主要因素研究降雨量斯里兰卡意义重大。然而,合理准确地估算降雨困难是由于降雨时空上的变化。计数据提供了准确的降雨量与降雨可靠性和精度高但有一些缺陷在使用这些数据。数据质量问题和差距在可用性的数据在时间和空间尺度上的阻碍进行有意义的分析。上述原因而缺乏同质观测数据认股权证的使用网格数据研究降雨模式。符合,数据评估和比较是必不可少的,因为现在网格降雨数据在大多数使用分析。本研究将比较网格降雨数据的多个起源与测量降水数据在斯里兰卡西南季风期间这是本赛季,获得最高的季节性的降雨在斯里兰卡。
斯里兰卡是一个热带岛屿和热带季风气候季节性风两种主要机制,全国1800年在相应的季节变化。这季风天气带来雨水很多斯里兰卡和基于降雨起源、斯里兰卡斯里兰卡气候主要被分为四个季节。西南季风时期或夏季季风是主要因素与贡献了30%的年降雨量分布在五个月从5月到9月。西南季风的爆发,结束了两个月首先inter-monsoon从3月到4月,发生在5月底平均发病日期是5月25日。年底撤军的西南季风发生9月然后为第二inter-monsoon方式在10月和11月的月。东北季风或冬季季风期是12月到2月。
斯里兰卡收到每年平均降雨量1860毫米。降雨量的变化900毫米(东南部低地)到5500毫米之间(西南斜坡的中央高地)岛与季风等不同起源的降雨,对流的形成于孟加拉湾和天气系统会计对于一个更高比例的年降雨量2,3]。
在西南季风的西南大风主要减少温暖的天气的影响,在第一次国米季风盛行时期。西南季风淋浴可以体验在一天的任何时候,偶尔间歇性阵雨发生在这个国家的西南部。在这个季节降雨量从100毫米到3000毫米不等。山腰上的地区的西部斜坡经验最高降雨量和降雨减少迅速从这些最大向高海拔地区。向西南的可变性沿海区域不太迅速,与雨总数从1000毫米到1600毫米的西南部沿海在这一时期带。最低降雨量通常来自北部和东南部地区的记录(图1)。
图1所示。年度累计降雨量(mm)的斯里兰卡。图片由气象部门、斯里兰卡。(网站:https://www.meteo.gov.lk)
数据
气象部门(DoM)观察月度降雨数据的1981 - 2019年使用测量降雨量数据派生而来
DoM维护测量降雨的降雨超过400网络电台直接或间接。这些降雨电台每天报告和一些报告每月每日降雨量数据。直属的降雨站DoM是严格遵循世界气象组织(WMO)的指导方针在测量降雨数据间接的降雨站维护与设备提供技术援助和培训协助测量降雨量根据世界气象组织的指导方针。乐动KENO快乐彩
气候灾害组红外降水站数据(啁啾)每月1981 - 2019年的降水数据的空间分辨率为0.05 x0.05度。
的气候危险组红外降水与电台(啁啾)数据集使用小说插值技术与高分辨率降水估计长期运行基于红外冷云持续时间(CCD)的观察。算法开发了大约0.05°气候学,包括卫星数据代表的地区没有大量的测量数据。每月CCD-based降水的估计分辨率0.05°从1981年——现在合并站数据生成一个初始产品和使用现代插值过程中包含的空间相关性结构CCD-estimates分配权重插值(4]。在这项研究中,月降雨量数据从1981年到2019年使用分辨率0.05°。
全球降水气候中心(GPCC)每月1981 - 2019年的降水数据的空间分辨率0.5°x 0.5°, 0.25°x 0.25°
全球降水气候中心(GPCC)成立于1989年的请求由世界气象组织(WMO)的基础上增加了兴趣和高需求长期降水数据的国家和国际组织水平。这个项目是由德国建立Wetterdienst(德国国家气象服务)作为德国对世界的贡献气候研究项目。GPCC月降雨量站数据库被认为是世界上最大的月降水站数据库与数据来自97000多个不同的电台数据在2.5°x 2.5°, 1.0°x 1.0°, 0.5°x 0.5°和0.25°x 0.25°决议(5]。数据在这项研究中的应用是GPCC V.2015分辨率0.5°x 0.5°,并基于数据从0.25°x 0.25°跨度从1981年到2019年的75000个车站。
欧洲中期天气预报中心(ECMWF) era-5再分析月总降水量1981 - 2019年的数据空间分辨率0.25°x 0.25°
全球降水气候中心(GPCC)成立于1989年由世界气象的请求
组织(WMO)的基础上增加了长期利益和高需求通过国家和国际降水数据
水平组织。这个项目是由德国建立Wetterdienst(德国国家气象服务)
德国对世界的贡献气候研究项目。GPCC月降雨量站数据库被认为是
世界最大月度降水站数据库与数据来自84800多个不同的电台中可用的数据
2.5°x 2.5°, 1.0°x 1.0°, 0.5°x 0.5°和0.25°x 0.25°决议(6]。数据在这项研究中的应用是GPCC V.2020分辨率0.5°x
0.5°和0.25°x 0.25°基于数据从123000个车站跨度从1981年到2019年。
方法
以下统计参数进行比较。
相关系数(CC)
相关系数(CC)是衡量两组数据之间的线性相关。的比率两个变量的协方差,标准差的产品;它实际上是一个标准化的协方差测量,结果总是下降1和1之间。度规只能显示一个变量的线性相关,类似于协方差,排除了许多其他类型的交互或协会。CC计算使用以下方程(7,8]。
在那里,
r =相关系数(CC)
x我=样本变量x的值
x =意味着变量x的值
y我= y变量的样本值
y = y变量的值的均值
均方根误差(RMSE)
均方根误差(RMSE)是一种常用的度量比较预测和观测值(样本或人口值)模型或估计。使用下面的公式(RMSE计算9,10]。
在那里,
RMSE =均方根误差
我=变量
N =数据点的数量
x_i =实际观察
x̂_i预计值
偏见
估计量的期望值和之间的差异的真正价值被估计的参数被称为偏差(或偏差函数)的统计信息。在这种情况下,它是卫星估计降雨和降雨计之间的区别。估计量的偏差H是期望值的估计量少估计的θ值,它可以计算如下:
偏见= E (H) -θ
最初,斯里兰卡Sabaragamuwa Ratnapura电台在斯里兰卡wet-zone被用来比较和排名网格降雨估计不同的起源。然后比较进一步扩展到涵盖了四个车站(Katunayaka、Sirikandura Denagama和Avissawella)也在wet-zone排名前两名的来源。这些电台被选中代表四个行政区划的缺失值的比例最低的wet-zone涵盖了1981 - 2019年的时期。降雨为每一个测量站的位置都从网格中提取降水估计的比较。
结果
在最初的比较,所有网格降雨数据的来源与观察到的月降水Ratnapura站在斯里兰卡的wet-zone收到年降雨量超过2500毫米的西南季风期从5月到9月。首先,散点图的观察测量降雨量和降雨网格GPCC (0.5°x 0.5°), GPCC (0.25°x 0.25°),啾啾(0.05°x 0.05°), ERA-5 (0.25°x 0.25°)对整个赛季(May-September) 1981 - 2019年调查(图2)。这说明GPCC (0.5°x 0.5°), GPCC (0.25°x 0.25°)估计降雨值更接近实际降雨量在这两个值低和高雨量值和啾啾(0.05°x 0.05°)排在第三了。啾啾(0.05°x 0.05°)似乎捕获大部分的低降雨量比高雨量值准确值。
图2所示。散点图的实际降雨量和(a) GPPC (0.5 x 0.5) (b) GPCC (0.25 x 0.25) (c)啾啾(0.05 x 0.05) (d) ERA-5 Ratnapura站(0.25 x 0.25)的DoM。
相关系数(CC),均方根误差(RSME)和偏置值Ratnapura站5月到9月,西南季风期,1981 - 2019年间的调查(图3)。
下面的表显示了CC的摘要,RMSE和偏差值的数据集。这些来源被排名根据他们的表现CC, RMSE和偏差值(表1),然后排名前两名的来源为进一步评估和比较选择。CC值更高,更低的均方根误差和偏差值被认为是更好的代表实际降雨量。根据各自的等级相关系数,RSME和偏见,最高排名来源是GPCC (0.25°x 0.25°)其次是啾啾(0.05°x 0.05°)。因此,这两个消息来源然后将进一步与其他四个站在wet-zone也。
表1。相关性,RMSE GPCC和偏差值(0.5 x 0.5), GPCC (0.25 x 0.25),啾啾(0.5 x 0.5)和ERA-5 (0.25 x 0.25)与实际降雨量数据Ratnapura站的DoM。
相关 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS | 排名 |
GPCC_P5 | 0.72 | 0.75 | 0.85 | 0.86 | 0.71 | 0.78 | 2 |
GPCC_P25 | 0.81 | 0.73 | 0.9 | 0.89 | 0.82 | 0.85 | 1 |
CHIRPS_P05 | 0.67 | 0.31 | 0.62 | 0.62 | 0.55 | 0.64 | 4 |
ERA_P25 | 0.68 | 0.59 | 0.64 | 0.5 | 0.61 | 0.65 | 3 |
RSME | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS | 排名 |
GPCC_P5 | 33.58 | 26.34 | 32.9 | 20.98 | 0.56 | 15.06 | 3 |
GPCC_P25 | 30.91 | 4.88 | 23.99 | 14.34 | 28.2 | 13.86 | 1 |
CHIRPS_P05 | 30.77 | 21.91 | 3.15 | 5.49 | 8.9 | 13.93 | 2 |
ERA_P25 | 52.21 | 43.73 | 41.42 | 35.82 | 23.98 | 22.24 | 4 |
偏见 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS | 排名 |
GPCC_P5 | 174.1 | 204.4 | 144.2 | 129年 | 143年 | 158.7 | 3 |
GPCC_P25 | 82.6 | 79年 | 65.7 | 51.9 | 62.6 | 67.5 | 2 |
CHIRPS_P05 | 9.7 | 60 | 75.1 | 105.9 | 50.6 | 61.3 | 1 |
ERA_P25 | 354.7 | 315.1 | 209.2 | 221.8 | 295年 | 279年 | 4 |
在第二阶段的比较排名前两名的来源GPCC (0.25°x 0.25°),啾啾(0.05°x 0.05°)与实际降雨量数据比较四个进一步站在斯里兰卡wet-zone即Katunayaka Sirikandura, Denagama Avissawella (图4)。
图4所示。选择降雨站的比较模型数据和实际的观察。
在第二阶段开始,降雨Katunayake计的被认为是。散点图的观察对选中的两个来源的估计降雨GPCC (0.25°x 0.25°),啾啾(0.05°x 0.05°)表明GPCC (0.25°x 0.25°)降水估计接近趋势线在低和高值(图5)。
CC, RSME和偏差值了,很明显,GPCC (0.25°x 0.25°)已经超过啾啾(0.05°x 0.05°)所有月CC CC较高,在RSME RSME较低。低偏压值也出现在大多数的个月GPCC (0.25°x 0.25°)与6月和7月是唯一个月相比,有更高的偏差值啾啾(0.05°x 0.05°)。然而,GPCC偏差值较低(0.25°x 0.25°)当整个5月- 9月期间被认为是(表2)。
表2。相关性,RMSE GPCC和偏差值(0.25 x 0.25),啾啾(0.5 x 0.5)与实际降雨量数据Katunayaka站的DoM。
相关 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
---|---|---|---|---|---|---|
GPCC_P25 | 0.91 | 0.58 | 0.86 | 0.85 | 0.87 | 0.89 |
CHIRPS_P05 | 0.65 | 0.44 | 0.52 | 0.55 | 0.66 | 0.72 |
RSME | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 3.75 | 4.61 | 2.2 | 6.02 | 16.86 | 1.68 |
CHIRPS_P05 | 7.45 | 10.68 | 20.96 | 10.42 | 2.37 | 3.4 |
偏见 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 0.9 | 12.5 | 4.4 | 4.7 | 12.7 | 2.6 |
CHIRPS_P05 | 18 | 4.7 | 0.9 | 36.9 | 26 | 16.2 |
同样,下面的散点图Sirikandura也显示了一个类似的图片的Katunayake站被认为是。GPCC (0.25°x 0.25°)降雨值接近趋势线与啾啾(0.05°x 0.05°) (图6)。
对于这个站,CC值高GPCC (0.25°x 0.25°)所有。然而,啾啾的整体RSME值较低(0.05°x 0.05°)除了6月和7月的月。偏差值较低的所有月啾啾(0.05°x 0.05°) (表3)。
表3。相关性,RMSE GPCC和偏差值(0.25 x 0.25),啾啾(0.5 x 0.5)与实际降雨量数据Sirikandura站的DoM。
相关 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
---|---|---|---|---|---|---|
GPCC_P25 | 0.62 | 0.77 | 0.83 | 0.87 | 0.73 | 0.79 |
CHIRPS_P05 | 0.4 | 0.5 | 0.47 | 0.63 | 0.7 | 0.67 |
RSME | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 49.19 | 50.21 | 13.65 | 3.25 | 24.74 | 21.99 |
CHIRPS_P05 | 22.58 | 60.7 | 14.03 | 9 | 2.62 | 10.23 |
偏见 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 172年 | 90年 | 86.7 | 74年 | 142.8 | 116.1 |
CHIRPS_P05 | 5.3 | 58.6 | 58.7 | 71.8 | 24.6 | 47.6 |
考虑到Dengama站,散点图没有显示清楚哪个更好虽然在低雨量值GPCC (0.25°x 0.25°)降雨估计似乎是他们更接近实际值(图2,图7所示)。
然而,看着CC, RSME和偏差值,很明显,GPCC (0.25°x 0.25°)显示高CC值在所有月考虑。RSME和偏差值,GPCC (0.25°x 0.25°)仍是降低总体相比,啾啾(0.05°x 0.05°)与某些个月略微有优越的价值相比GPCC (0.25°x 0.25°) (表4)。
表4。相关性,RMSE GPCC和偏差值(0.25 x 0.25),啾啾(0.5 x 0.5)与实际降雨量数据Denagama站的DoM
相关 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
---|---|---|---|---|---|---|
GPCC_P25 | 0.72 | 0.69 | 0.67 | 0.81 | 0.77 | 0.76 |
CHIRPS_P05 | 0.71 | 0.32 | 0.5 | 0.65 | 0.77 | 0.68 |
RSME | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 24.92 | 11.52 | 11.2 | 13.85 | 5.27 | 11.14 |
CHIRPS_P05 | 37.15 | 0.41 | 23.19 | 3.05 | 17.75 | 16.82 |
偏见 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 48.3 | 26.8 | 31.3 | 31.7 | 7.1 | 29日 |
CHIRPS_P05 | 91.2 | 29.6 | 16.9 | 7 | 1.5 | 25.8 |
最后,Avissawella站被选中和散点图的降雨量估计在一开始并没有显示主要区别。然而,GPCC (0.25°x 0.25°)似乎略优于啾啾(0.05°x 0.05°) (图8)
Avissawella站科伦坡地区的郊区,有一个更高的CC值总体GPCC (0.25°x 0.25°)虽然几个月的CC值高于其竞争对手。RSME值和偏差值也大大低于啾啾(0.05°x 0.05°)相比GPCC (0.25°x 0.25°)(表5)。
表5所示。相关性,RMSE GPCC和偏差值(0.25 x 0.25),啾啾(0.5 x 0.5)与实际降雨量数据Avissawella站的DoM。
相关 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
---|---|---|---|---|---|---|
GPCC_P25 | 0.78 | 0.66 | 0.83 | 0.79 | 0.64 | 0.79 |
CHIRPS_P05 | 0.79 | 0.36 | 0.67 | 0.71 | 0.69 | 0.74 |
RSME | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 21.33 | 21.6 | 10.82 | 8.94 | 29.45 | 9.53 |
CHIRPS_P05 | 10.12 | 3.02 | 27.89 | 6.06 | 4.81 | 4.58 |
偏见 | 可能 | 6月 | 7月 | 8月 | 9月 | MJJAS |
GPCC_P25 | 136.5 | 117.1 | 82年 | 67.9 | 110年 | 97.5 |
CHIRPS_P05 | 38.9 | 16.9 | 18.5 | 14.2 | 18.5 | 1.8 |
最后,所有GPCC的季节性的每个参数的值(0.25°x 0.25°),啾啾(0.05°x 0.05°)的雨量计站被分配排名根据其相互相对性能和等级平均为每个参数和整体排名计算(表6)。因此,很明显这里GPCC (0.25°x 0.25°)一直排名1 CC还获得了1级3的5个雨量计站用于这种比较。然而,当它来到偏差值啾啾(0.05°x 0.05°)有4个中的5个等级1的位置。
表6所示。分配GPCC军衔和啾啾基于CC的相对性能,RSME和偏见在Ratnapura雨量计站Katunayaka, Sirikandura, Denagama Avissawella。
Ratnapura | Katunayaka | Sirikandura | Denagama | Avissawella | 整体排名 | |
---|---|---|---|---|---|---|
CC | ||||||
GPCC_P25 | 1 | 1 | 1 | 1 | 1 | 1 |
CHIRPS_P05 | 2 | 2 | 2 | 2 | 2 | 2 |
RSME | ||||||
GPCC_P25 | 1 | 1 | 2 | 1 | 2 | 1.4 |
CHIRPS_P05 | 2 | 2 | 1 | 2 | 1 | 1.6 |
偏见 | ||||||
GPCC_P25 | 2 | 1 | 2 | 2 | 2 | 1.8 |
CHIRPS_P05 | 1 | 2 | 1 | 1 | 1 | 1.2 |
然后整个军衔参数CC, RSME和平均偏差是一个队伍的平均水平。GPCC (0.25°x 0.25°)的低等级时所有参数结合给他们同等重量(表7)。
表7所示。平均秩计算的平均整体GPCC军衔和啾啾。
平均排名 | |
---|---|
GPCC_P25 | 1.4 |
CHIRPS_P05 | 1.6 |
摘要和结论
本研究表明,在最初的比较,GPCC (0.25°x 0.25°),啾啾(0.05°x 0.05°)被关闭在代表的实际降雨值排名前两位的CC, RSME和偏差值与GPCC相比(0.5°x 0.5°), ERA-5 (0.25°x 0.25°)。GPCC (0.25°x 0.25°)分别位列在CC和RSME段啾啾(0.05°x 0.05°)上的偏差值。在第二阶段的研究只GPCC (0.25°x 0.25°),啾啾(0.05°x 0.05°)只考虑与他们的前两名的表演者。四站,进一步增加了这项研究,这表明GPCC (0.25°x 0.25°)优于啾啾(0.05°x 0.05°) CC有更高的相关性值在所有月所有电台认为除非一个月为一个站在这项研究给它的总体排名1。即使在RSME段,GPCC (0.25°x 0.25°)值较低等级1,在大多数情况下。考虑到车站,GPCC (0.25°x 0.25°)已从5 3等级1的位置给了一个总体排名啾啾的1.4比1.6 (0.05°x 0.05°)。偏差值略有不同,啾啾(0.05°x 0.05°)优于GPCC (0.25°x 0.25°)有四个1级职位相比1给了它一个1.2的整体排名。然而,当这三个因素的结合,它给GPCC (0.25°x 0.25°)啾啾的平均等级1.4比1.6 (0.05°x 0.05°)。这将意味着,考虑到斯里兰卡的wet-zone GPCC (0.25°x 0.25°)的降雨量估计,更好地代表实际降水观测的气象记录,斯里兰卡。
确认
作者表达了特别感谢南京大学信息科学与技术,为本研究提供的机会。特别欣赏气象部门,斯里兰卡,NOAA和NCEP / NCAR ECMWF,气候危害提供中心在这项研究中使用的数据集。
引用
- 全球减灾和恢复
- Punyawardena BV。气候斯里兰卡。在SP Nissanka和你Sangakkara (Eds),进行全球气候变化及其影响农业、林业和水在热带地区。2009:7-20。
- 进行全球气候变化及其影响农业、林业和水在热带地区
- Funk C,彼得森P Landsfeld M, et al。的气候危害红外监控极端降水与stations-a新环境记录。科学数据。2015;2 (1):21。
- 施耐德U,手指P, Rustemeier E, Ziese M,贝克尔。全球降水分析GPCC的产品。2021年。
- Hersbach H,贝尔B, Berrisford P, et al。ERA5全球再分析。季度皇家气象学会杂志。2020;146 (730):1999 - 2049。
- 威尔DS。统计方法在大气科学。(3 rdedition)。学术出版社。2011:704。
- 墨菲啊。相关的系数和决心在预测验证措施的性能。在天气和预测。1995;10 (4):681 - 688。
- 柴T, Draxler RR。均方根误差(RMSE)或平均绝对误差(MAE) ?参数对避免RMSE文学。Geosci模型Dev。2014; 7 (3): 1247 - 1250。
- Lashkari, Salehnia N, Asadi年代,et al。评估不同的网格旱作小麦产量预测降雨数据集在一个干旱的环境。国际生物气象学杂志。2018;62 (8):1543 - 1556。