一种利用Box–Cox变换与LETKF的雨量计融合框架以改善中国区域再分析降水估算

《Atmospheric and Oceanic Science Letters》:A rain-gauge fusion framework using Box–Cox transformation and LETKF to improve reanalysis precipitation estimates over China

【字体: 大 中 小 】 时间:2026年07月24日 来源:Atmospheric and Oceanic Science Letters 3.4

编辑推荐:

  再分析降水产品提供了空间完整且时间连续的估算结果,但仍受到模式缺陷与物理参数化所带来的偏差影响。本研究开发了一种雨量计融合框架,将Box–Cox变换与局部集合变换卡尔曼滤波(Local Ensemble Transform Kalman Filter, LET

  
再分析降水产品提供了空间完整且时间连续的估算结果,但仍受到模式缺陷与物理参数化所带来的偏差影响。本研究开发了一种雨量计融合框架,将Box–Cox变换与局部集合变换卡尔曼滤波(Local Ensemble Transform Kalman Filter, LETKF)相结合,以改善中国区域CMA区域再分析(CMA Regional Re-Analysis, CMA-RRA)的小时级降水估算。引入Box–Cox变换旨在缓解小时降水的非高斯性,使降水增量更符合LETKF underlying的高斯误差假设,从而提升所得分析增量(analysis increments)的质量。2021年的结果表明,两种基于LETKF的方案均改善了背景降水,其中基于Box–Cox的LETKF表现最佳。与原始CMA-RRA降水相比,其将年平均偏差降低82%,均方根误差(Root Mean Square Error, RMSE)降低23%,并在时间、空间及降雨强度上产生更一致的改善。这些结果凸显了在基于LETKF的再分析校正中显式考虑降水非高斯性的重要性。
该研究发表于《Atmospheric and Oceanic Science Letters》。研究背景方面,降水是地球水循环的关键组成部分,获取可靠且时空连续的降水数据对气候、水文及相关研究至关重要。相较于其他降水数据源,大气再分析产品结合了历史观测与数值模式和资料同化系统,为区域至全球研究提供了长期、空间完整且格点化的降水信息。自NCEP–NCAR全球再分析发展以来,此类产品在大规模气象与水文研究中被广泛应用,其分辨率与质量持续提升。然而,再分析降水仍受模式动力、资料同化及物理参数化影响,存在模式缺陷与复杂地形相关的偏差。雨量计作为近地面降水的直接测量手段,通常被视为验证和校正模式、卫星及再分析降水产品的重要参考,因此将独立的雨量计观测与再分析降水进行融合具有实际意义。已有多种基于雨量计的降水估算校正与融合方法被开发,早期主要采用线性缩放、幂变换与分位数映射等统计偏差校正方法,但这些传统统计校正通常在各站点或格点独立应用,未显式利用背景误差协方差将雨量计信息传播至无站网区域。随着高分辨率降水产品的发展,研究扩展至空间融合、资料同化及机器学习方法。相较于纯统计方法,资料同化方法可利用背景场的空间误差协方差最优地将观测信息传播至无站网区域,特别适用于稀疏雨量计网络与格点产品的融合。在基于资料同化的方法中,最优插值较早被用于基于雨量计的降水分析,近期集合方法也被引入降水校正与重建。然而,资料同化方法通常依赖近似高斯假设,而降水常违反该假设,表现为频繁零值与强正偏态,尤其小时降水较日累计具有更高零值比例与更强间歇性,这会降低分析更新的有效性。为缓解此问题,常在同化前采用对数、Box–Cox及正态分位数等高斯变换。现有基于LETKF的工作主要针对日尺度全球产品,在区域小时降水上的应用有限,且Box–Cox变换在集合降水同化框架中的作用尚未被充分探讨。为此,研究人员开发了结合Box–Cox变换与LETKF的雨量计融合框架,以改善中国区域小时再分析降水估算,并将其应用于覆盖中国与周边区域的CMA-RRA v1.0,通过比较原始背景与两种校正配置,评估基于LETKF校正的有效性及Box–Cox变换的附加价值。
研究人员为开展研究用到的主要关键技术方法包括:采用2021年中国区域CMA-RRA v1.0小时降水数据作为背景场,水平分辨率3 km、时间分辨率1 h,覆盖10°–60°N、70°–145°E;采用中国气象局自动气象站小时降水数据作为独立参考,经国家气象信息中心质量控制,全国超60 000站,按站号奇偶分为同化子集与独立验证子集;引入Box–Cox变换(含偏移常数c=0.01 mm h?1,功率参数λ通过敏感性试验选取λ=0.25)以缓解降水非高斯性;采用局部集合变换卡尔曼滤波(LETKF)在原始空间与Box–Cox变换后高斯空间分别进行雨量计融合,背景集合扰动基于2021–2023年同期历史样本通过EOF分解与二阶精确采样构建,集合规模50,水平局部化半径50 km,观测误差在原始空间设为观测值50%且最小0.2 mm h?1,变换空间设为常数0.5;验证指标包括偏差(bias)、均方根误差(RMSE)、公平威胁评分(Equitable Threat Score, ETS)与频率偏差(Frequency Bias, FB),均在独立验证子集上进行。
研究结果部分保留原文小标题并说明研究与结论如下。
3.1. Overall performance。研究人员首先检验Box–Cox变换是否降低降水增量(observation-minus-background, OMB)的非高斯性,结果显示原始空间OMB左偏且近零集中、右尾延长,λ=0.25变换后分布更紧凑且接近对称,非高斯性显著降低,为LETKF分析提供更合适的统计基础。时间演变显示原始背景场(BKG)在2021年持续正偏差,LETKF与BC-LETKF(Box–Cox LETKF)在大多数时段降低偏差与RMSE,湿季(4–10月)差异更明显,BC-LETKF通常最低,干季三者趋近。年均值统计表明,相较BKG,LETKF降低偏差35%、RMSE 7%,而BC-LETKF降低偏差82%、RMSE 23%。改进率分布显示BC-LETKF偏差改进集中于70%–80%且有次峰近100%,RMSE中位数也高于LETKF。综上,LETKF单独可改善降水估算,而引入Box–Cox变换带来显著更大增益,优势在全年尤其湿季一致体现。
3.2. Spatial distribution of improvement。背景场在中国大部分区域呈正偏差,中南等降水活跃区最大,西北干旱与部分高原较弱。LETKF在大部分区域降低正偏差但改善一般;BC-LETKF在更广区域产生更强偏差削减,雨量计密集区多数改善超50%,少数边缘区有局部退化。背景RMSE呈东南高西北低,LETKF降低但幅度有限,BC-LETKF带来更广泛稳健的RMSE改善。总体而言,Box–Cox变换明显增强LETKF对再分析降水误差的空间校正能力。
3.3. Performance across rainfall intensities。按降雨强度分级验证显示BC-LETKF在所有类别RMSE最低,ETS在几乎全阈值范围高于LETKF与BKG,优势在低至中等阈值最明显,高阈值三者趋近,可能与极端对流降水局地性及当前50 km局部化半径有关。频率偏差显示BKG正偏差随阈值快速增加,LETKF整体降低但仍全程高于1,BC-LETKF更接近1,尤其在低阈值,最高阈值附近也限制偏差上升;最低阈值0.1 mm h?1略低于1,其余接近1。总体BC-LETKF对降雨量级与发生频率均提供更真实表征,在全强度范围有一致改善。
讨论部分总结如下。研究人员指出该框架结合Box–Cox与LETKF改善了小时再分析降水估算,BC-LETKF优于背景场与直接LETKF,相对BKG年均值偏差降82%、RMSE降23%,在时间、空间及强度上改善更一致,表明Box–Cox通过缓解降水增量非高斯性使LETKF产生更合适分析增量。其机制在于Box–Cox降低增量偏度与强度依赖性,削弱大幅值误差在协方差更新中的主导,产生更稳定增量;对背景高估的负OMB情形,BC-LETKF比直接LETKF产生更强负分析增量。局限包括Box–Cox压缩近零值可能减弱弱降水分析增量幅度,导致最轻阈值略低估发生频率;华南部分RMSE改善有限,可能与局地雨量计约束弱、点尺度和3 km格点代表性误差及固定50 km局部化半径难捕捉对流峰值有关;站号奇偶分割在50 km内未能完全消除邻近同化与验证站空间互相关,可能使密集区验证略乐观;单一λ参数在中国不同区域与季节的适用性需进一步研究。未来可引入区域或季节自适应参数估计、联合优化功率与偏移参数、强度依赖观测误差模型与灵活局部化半径,探索分位数映射等变换,细化集合扰动时间分层并与3DVar等方法比较,改进输入观测质量控制,扩展至实时业务与其他降水产品如卫星估算。
结论部分原文翻译如下:本研究开发了一种将Box–Cox变换与LETKF相结合的雨量计融合框架,以改善中国区域小时再分析降水估算。结果表明BC-LETKF一致优于背景场与直接LETKF同化。相对于BKG,BC-LETKF将年平均偏差降低82%并将RMSE降低23%,同时在时间、空间及降雨强度上产生更一致的改善。这些发现表明Box–Cox变换通过缓解降水增量的非高斯性发挥关键作用,从而使LETKF产生更合适的分析增量。更广泛而言,结果证明适当的Gaussian变换可为强非高斯变量的基于LETKF的降水融合提供有效途径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号