地表数据与WRF模式在气象过程模拟中的尺度适宜性研究丨城市数据派

数据精英夏季特训营开车啦！

同时报名还可享更多优惠：

任选2套同报，再减200元！

任选3套同报，再减360元！

任选4套同报，再减520元！

任选5套同报，再减700元！

任选6套同报，再减900元！

（以上优惠不包括营5和营14）

加我获取每套课程详细介绍

加我咨询和报名课程

---

项目基本信息

项目名称：地表数据与WRF模式在气象过程模拟中的尺度适宜性研究

项目负责人：张春晓

依托单位：中国地质大学（北京）

项目参与人：

吕永强 中国地质大学(北京)

徐秋蓉 中国地质大学(北京)

王巍 中国地质大学(北京)

刘飞 中国地质大学(北京)

李佳阳 中国地质大学(北京)

田华 中国地质大学(北京)

王曾珍 中国地质大学(北京)

白书建 中国地质大学(北京)

项目摘要

尺度是地理学研究中一个无处不在的问题，其最具复杂性和多样性，影响着地理学研究和应用的各个阶段。地表数据和地理过程模型耦合计算时的尺度匹配是地理过程模拟的重要环节，但普遍存在尺度引起的不确定性问题，其研究和解决对于准确模拟和认知地理过程具有重要意义。

本项目 1）生成了土地利用和地形数据的多尺度数据集，并提取了特征尺度，即1，12，34和54km分辨率的土地利用和土地覆盖数据用于后续气象模拟。2）论证了The Weather Research and Forecasting Model（WRF）气象模拟的参数化方案；3）研究了自定义的土地利用和地形数据引入WRF模式的方法，并基于Python进行了程序研发，实现了数据集成的自动化；4）针对研究区，模拟分析了地表数据与WRF模式的尺度适宜性，分析了数据和模型的空间分辨率对模拟结果准确性的影响，结果表明12km分辨率的土地利用数据是模拟温度变化的最佳地理数据，当土地利用数据的分辨率不变时，模拟结果的准确性随模型分辨率变化的情况规律不明显，总体上模型分辨率越高，模拟结果越准确，但并不是一个线性关系。5）基于香农多样性指数（Shannon’s Diversity Index，SHDI）来描述土地利用复杂情况，局地高程差（Local Relief，LR）、高度均方根（Standard Deviation of Height，SDH）和坡度均方根（Standard Deviation of Slope，SDS）来描述地形复杂度，构建了面向气象模拟的综合地表复杂度模型，计算得出研究区的综合地表复杂度分布数据；6）以温度为例，分析了综合地表复杂度指数与气象模拟误差的关系，总体上是正相关关系，即综合地表复杂度高的区域，气象模拟误差大。.研究成果一方面，有利于认知气象模拟中的地表数据和模型的尺度因素对模拟准确性的影响，给研究区的模拟提供参考。另一方面，地表综合复杂度数据有利于定量化地表复杂程度，为地表相关的地理过程模拟分析提供参考。

项目结题成果报告

以下研究成果内容摘自项目结题成果报告。该项目报告共计26页，关注城市数据派微信公众号，在微信公众号对话框中输入 24918，即可获得报告全文PDF的下载方式：

研究工作主要进展等（部分摘取）

(1)主要研究内容

1)基于研究区的地表数据与WRF模式开展了尺度适宜性研究

① 通过尺度转换和特征尺度分析生成多尺度地表数据集:②有效地在 WRF模式中引入多尺度地表数据，并研发了自动引入土地利用和地形数据的软件;③WRF 模式参数化方案验证;④多尺度地表数据驱动下WRF模拟与尺度适宜性评估。

2)尺度适宜性与地表特征指数的相关性研究

① 土地覆盖和地形特征指数的多尺度分析:②分析尺度适宜性结论与各地表特征指数的相关性。

3)基于综合地表复杂度指数模型的尺度适宜性规律研究

① 综合地表复杂度指数模型的构建与多尺度分析;②基于综合地表复杂度指数的尺度适宜性规律研究;③基于实验区验证尺度适宜性规律。

(2)取得的主要研究进展、重要结果、关键数据等及其科学意义或应用前景

1)土地利用和地形数据的多尺度数据集生成和特征尺度提取

本实验使用中国科学院资源环境科学数据中心(RESDC)提供的1km分辨率的全国土地利用和土地覆盖数据作为地表输入数据,采用最邻近像元法(NEAREST)和面积最大原则法(RMA)进行重采样，并评估其精度损失(表1和图1)。

通过分析损失面积和损失精度有明显幅度变化的尺度，发现在不同的栅格化方法中，随着栅格大小的变化，损失面积与损失精度呈现不同的变化趋势。最邻近像元法下，随着栅格大小的变化，损失面积与损失精度围绕零值呈上下波动状态。在 2km~10km 之内,损失面积、损失精度随尺度的变化相对较小，当达到 10kn后，损失面积与损失精度的损失变化幅度明显增大。在28km时，损失面积与损失精度达到损失峰值，面积损失最大为-19558km2，精度损失最大为-0.245%。在50km 时，损失面积与损失精度达到波动峰值，面积增加最大为30638km2，精度增加最大为0.384%。面积最大原则下，整个区域的损失面积与损失精度随着栅格的由小变大也由小变大，比实际面积小，整体上呈现负增长，没有规律。

综合土地利用和地形两个方面和以上两种多尺度数据生成方法选取了特征尺度，即1，12，34和54km分辨率的土地利用和土地覆盖数据用于后续气象模拟。同时，地形数据来自如NASA发布的地形数据SRTM3(ShuttleRadarTopography Mission)(约90m分辨率)，并重采样为与土地利用和土地覆盖特征尺度一样的分辨率，用于后续气象模拟。

表1 全国土地利用数据损失面积和损失精度表

图1全国土地利用数据损失面积和损失精度图

2)WRF 气象模拟的参数化方案以京津冀地区为例，在 WRF 模式中进行多次的模拟分析，通过与气象监测站数据对比进行精度评价，最终选择物理化方案(表2)。

表2WRF模式中物理化方案

为了保证实验的可行性,我们利用1km 分辨率的土地利用数据驱动 WRF 模型模拟 2010年7月的天气场，并从时间和空间两个方面对WRF模型的性能进行了测试。通过比较 27个气象站2米(T2)温度和10米(WS10)风速下的模拟结果和观测数据，评价模型的性能。以RMSE、MAE、R为统计指标，通过计算模拟结果与观测数据之间的实验误差来衡量 WRF模型的性能，如图1和表1。

图2 2010年7月27个气象站实测数据与模拟结果的平均温度值、平均风速值的时间序列

从时间角度计算27个气象站日平均温度和日平均风速的时间序列值(图2)图2(a)为27个气象站点日平均温度的时间序列值。7月份温度与风速的相关系数分别为0.66和0.36。虽然第9天、第14天等部分数据误差较大，但整体温度模拟趋势与观测数据一致。图2(b)为27个气象站点日平均风速的时间序列值，风速模拟结果与实测数据不是很贴合，但可以大致反映模拟温度值的趋势与观测数据趋势一致。

表3 2010年7月模拟结果与观测数据的月平均温度和月平均风速的统计结果(M0:观测值平均值MS:模拟值平均值，MBs:平均误差，MAE:平均绝对误差，RMSE:均方根误差)

27个站点的月平均观测数据与模拟结果对比如表3所示。7月T2的模拟结果与实测数据的相关系数(R)为0.96，说明模拟实验大致捕捉了在2m处温度的特征。除此之外，MBs为0.93℃，MAE和RMSE分别为1.14和1.30，温度误差较小。

WS107月份相关系数(R)为0.44,MBs为1.88m/s，MAE和RMSE 分别为 1.88和1.92。与温度相比，风速的模拟结果略有偏差，其原因可能有以下几点。首先，风速受局部下垫面特征的影响大于其他气象变量。其次，夏季大气不稳定层明显，导致风速风向变化大，相关系数低。

3)综合地表复杂度指数构建及尺度效应分析

针对项目中设计的五个研究区，即京津冀地区(Jingjinji)、川渝地区(Chuanyu)、武汉地区(Wuhan)、兰西地区(Lanxi)和珠三角地区(The PRD),计算了香农多样性指数(Shannon’sDiversityIndex，SHDI)来描述土地利用复杂情况;计算了局地高程差(LocalRelief，LR)，高度均方根(StandardDeviation of Height,SDH)和坡度均方根(Standard Deviation of Slope,SDS)，并取三者的平均值来描述地形复杂度。依据北京地区气象模拟的绝对平均误差,平均误差和均方根误差来建立气象模拟误差与土地利用和地形复杂度指数之间的多元回归关系，构建综合地表复杂度(CSC:ComprehensiveSurfaceComplexity)模型(公式1)。

将此模型应用于五个研究区域，计算得出研究区的综合地表复杂度分布(3)，并分析了不同研究区复杂度的特征及其对比。研究表明，五个研究区当中川渝地区的综合地表复杂度最高，主要是因为其地形相对复杂复杂;而京津和武汉地区的综合地表复杂度较低，主要是地形相对平坦(图4)。进而，本研究分析了复杂度计算过程当中窗口大小带来的尺度效应(图5)，结果表明窗口大小变化对结果影响不大，所以后续分析以窗口3x3km的结果为例。为验证该复杂度的有效性，针对京津冀地区进行了WRF气象模拟，分析了该复杂度与模拟误差之间的关系，发现两者有较好的相关性，即京津冀地区的中部模拟误差较小同时复杂度较低;而北部和南部模拟误差较大，同时复杂度较高。该应用说明了综合复杂度在指示模拟误差方面的能力,有利于多尺度模型的嵌套模拟方案的设计;也初步验证了本研究提出的综合复杂度模型的有效性。

……

还有更多成果内容，详见项目结题成果报告。该项目报告共计26页，关注城市数据派微信公众号，在微信公众号对话框中输入24918，即可获得报告全文PDF的下载方式。

最近有朋友问我们：为什么没有及时看到推文？因为微信改了推送规则，没有点“赞”或“在看”，没有把我们“星标”，都有可能出现这种状况。

加“星标”，不迷路！看完文章顺手点点“赞”或“在看”，就可以准时与我们见面了~

原文始发于微信公众号（城市数据派）：地表数据与WRF模式在气象过程模拟中的尺度适宜性研究丨城市数据派