總云量實況分析產品在四川省的檢驗分析

吳薇 黃曉龍 郭旭 王會兵

(1.四川省氣象探測數據中心，四川成都 610072； 2.高原與盆地暴雨旱澇災害四川省重點實驗室，四川成都 610072； 3.四川省峨眉山氣象站，四川峨眉山 614200)

引言

云是影響地氣系統輻射收支平衡、能量分配、水汽循環的重要因子。云量指云遮蔽天空視野的成數，云量觀測對天氣預報、氣候變化、人工影響天氣具有重要意義[1-3]。常規獲取云量資料的方式有地面氣象臺站人工目測、衛星探測資料反演和數值模式模擬與資料同化[4]。地面氣象臺站人工目測在一定的天氣條件下被認為較真實可靠，但往往受到站點空間分布、觀測時間、氣象條件等因素的限制。遙感反演的云量資料雖然能夠實現空間上的連續觀測，但反演精度較低。數值模式的空間和時間分辨率較高，但受模型參數化方案的影響較大，給模擬結果帶來較多不確定性。

近年，國家氣象信息中心綜合各種不同資料的優點，利用多源數據融合及同化系統對不同來源的觀測、反演和模式模擬資料進行分析處理后輸出規則的、時間連續的、高空間分辨率的陸面再分析產品。2018年，為滿足全國智能網格氣象預報業務需求，國家氣象信息中心研制完成降水、氣溫、風、濕度、能見度、總云量等6個要素的實況分析產品[14-15]。通過在全國各地的檢驗評估表明，降水、氣溫、濕度等實況分析產品在中國區域具有較好的適用性[16-19]。

已有研究通過衛星遙感資料和同化資料的總云量對比分析表明，國際衛星云氣候計劃產品(ISCCP)與地面觀測總云量具有較好的一致性[5-7]。有應用NOAA/AVHRR數據反演總云量，并進行質量評估[8]，有應用FY2衛星總云量產品和地面觀測資料，分析二者的相關性和差異性[9-12]，也有利用再分析總云量資料與地面觀測總云量資料的時空分布關系進行對比[4,13]，而應用總云量實況分析產品進行檢驗評估的研究較少。四川省為中國地形最復雜的區域以及總云量分布的高值區[20]，總云量實況分析產品的區域適用性評估檢驗，對于總云量實況分析產品的研制與應用具有重要意義。本文利用四川省地面氣象觀測總云量資料，檢驗總云量實況分析產品在四川省的適用性，對比分析二者的相關性和誤差，為總云量實況分析產品的應用提供參考。

1 資料與方法

1.1 地面觀測資料

地面觀測資料為人工觀測總云量，在地面觀測中，總云量指觀測時天空被所有的云遮蔽的總成數，記為整數，單位為成。全天無云，總云量記0；天空完全為云所遮蔽，記10；天空完全為云所遮蔽，但只要從云隙中可見青天，則記為“10-”；云占全天十分之一，總云量記1；云占全天十分之二，總云量記2，其余依次類推；天空有少許云，其量不到天空的十分之零點五時，總云量記0[21]。

2019年四川省41個基本、基準氣象站有總云量觀測任務，每天08時、11時、14時、17時、20時(北京時，下同)共5次定時觀測。

1.2 實況分析產品

總云量實況分析產品(簡稱實況分析產品)是由國家氣象信息中心研制，覆蓋中國區域，時間分辨率1 h、空間分辨率0.05°×0.05°的等經緯度網格融合分析產品，利用GFS數值預報產品、Himawari-8衛星一級數據、雷達基數據，采用逐步訂正關鍵技術研發。

1.3 匹配方法

地面站點觀測每天5個時次定時觀測，實況分析產品為逐小時產品，選取2019年每日08時、11時、14時、17時、20時的實況分析產品與地面站點數據進行對比。

實況分析產品為一定空間分辨率內云量分布狀況，站點觀測是定點觀測，所以在空間匹配上，應用鄰近法、雙線性插值法以及將一定區域內格點值求平均，作為該產品在觀測站點的總云量值，通過幾種方法的對比，確定相對較優的空間匹配方法。

地面站點觀測的單位為成，實況分析產品的單位為%，將地面站點總云量觀測單位由“成”轉換為“%”，1成、2成…，10成即為10%、20%…，100%，“10-”成按100%計算。

1.4 評估方法

考慮到地面站點和實況分析產品在觀測方式上的差異，從準確性、一致性以及定量評估、分級檢驗等多個方面對二者進行檢驗。

1.4.1 準確性

對整個檢驗時間段，以準確率、誤判率、漏判率作為檢驗指標，檢驗實況分析產品對總云量的判識能力。

(1)

(2)

(3)

式(1)～式(3)中，PC為準確率;PE為誤判率;PO為漏判率。NA、NB、NC、ND為總云量判識分類(表1)，NA為站點觀測有云量，實況分析產品也有云量的總次數；NB為站點觀測云量為0，實況分析產品有云量的總次數；NC為站點觀測有云量，實況分析產品云量為0的總次數；ND表示站點觀測云量為0，實況分析產品云量也為0的總次數。

1.4.2 一致性

由于地面云觀測為人工目測，具有一定的主觀性，所以在檢驗中當實況分析產品與站點觀測值之差的絕對值小于等于20%時，認為二者一致?？傇屏恳恢侣蕿?/p>

(4)

式(4)中，n為站點數；Ntotal為一個站點在檢驗時段內參與檢驗的總時次數，即樣本總數；Ncorr為參與檢驗的所有時次中實況分析產品與站點觀測判識一致的時次數。

表1 總云量判識分類Table 1 Identification classification of total cloud cover

1.4.3 定量分析

通過計算實況分析產品與站點觀測云量的相關系數(COR)、平均誤差(ME)、平均絕對誤差(MAE)、均方根誤差(RMSE)，對實況分析產品的質量進行檢驗。

(5)

(6)

(7)

(8)

式(5)～式(8)中，Oi為站點觀測值；Gi為實況分析產品計算得到的站點總云量值；N為參與檢驗的總樣本數(站次數)。

1.4.4 云量分級檢驗

參考天氣預報中云量等級定義，對地面觀測云量進行分級，總云量0～1成為晴天，總云量2～3成為少云，總云量4～7成為多云，總云量8～10成為陰天。根據此分級，對不同云量等級的實況分析產品相對站點觀測云量的準確性、一致性和誤差進行檢驗評估。

1.5 空間匹配方法對比

參考李婭等[10]對空間匹配方法的分析研究，分別利用鄰近法、雙線性插值法,以地面站點為中心，選取5 km、10 km和15 km半徑內的所有格點值的算術平均作為實況分析產品在該站點的總云量值，與地面站點觀測值進行對比分析。評估結果表明(表2)，無論是判識準確率、一致率還是定量評估(除ME外)，以一定區域內格點值的算術平均作為站點總云量值的評估結果均優于鄰近法和雙線性插值法。在三種半徑范圍的評估中，判識準確率差異明顯，而一致率和定量指標對評估結果的影響則較小。判識準確率中， 10 km半徑的準確率最高， 5 km半徑的準確率最低，兩者相差2.7%。從一致率來看， 5 km半徑的一致率最高， 10 km半徑次之，兩者一致率相差0.02%。定量評估中，除平均誤差外，其他三個評估指標均為10 km半徑最優， 15 km半徑次之， 5 km半徑最差，而10 km和15 km半徑的平均誤差也僅相差0.026%。綜上，在幾種空間匹配方法中， 10 km半徑的評估結果較優。

表2 2019年四川省實況分析產品與地面觀測總云量不同空間匹配方法評估Table 2 Evaluation of different spatial matching methods between real-time analysis of cloud cover products and ground observations in Sichuan province in 2019

2 結果分析

2.1 總云量時間變化趨勢

2.1.1 總云量月變化

2019年四川省總云量月變化見圖1。由圖1a可知，實況分析產品與地面觀測總云量月變化趨勢一致，夏半季5—10月的總云量相對較高，觀測值均為65%以上，產品值為48%以上，其中7月的總云量最高，觀測值為84.72%，產品值為69.49%，實況分析產品各月的總云量值均低于地面觀測總云量，7月差值最小，為15.23%，3月差值最大，為23.54%。云判識準確率的季節變化趨勢與地面觀測總云量一致(圖1a)，夏半季5—10月準確率相對較高，均為83%以上，其中7月準確率最高，達93.19%，而冬半季準確率呈下降趨勢，11月、12月和1月的準確率低于80%。實況分析產品在四川地區整體誤判率較低(圖1b)，均為5%以內，其中1月、2月、8月、11月和12月相對較高，而其余月份的誤判率均為3%以下。漏判率的月變化趨勢與準確率相反(圖1c)，漏判率相對較高的月份集中在冬半季，夏半季的誤判率均為20%以下。從總云量一致率的時間變化來看(圖1a)，各月間存在一定差異，7月的一致率最高，為64.51%，3月和5月的一致率相對較低(<55%)，最高值與最低值相差11%左右?？傇屏慷吭u估結果中(圖1d至圖1f)，4月、6月、8月相關系數較高，其中8月的相關系數最高，為0.77。平均誤差每月均小于零，6—10月的平均誤差明顯小于其他月份。平均絕對誤差和均方根誤差的月變化趨勢一致，夏半季誤差相對冬半季更小，其中7月誤差最小。地面人工為自下向上觀測，而實況分析產品融合衛星資料的觀測方式與之相反，二者觀測方式的差異可能是造成實況分析產品總云量值低于地面觀測的主要原因。同時，四川為亞熱帶季風氣候，冬半季降水少，風速小，易造成污染物在近地面積聚，導致霧霾天氣多發，能見度降低，影響對云的辨識，這可能是冬半季云判識漏判率較高、誤差較大的原因。

圖1 2019年四川省實況分析產品與地面觀測總云量月平均值以及準確率和一致率(a)、誤判率(b)、漏判率(c)、相關系數(d)、平均誤差(e)、平均絕對誤差與均方根誤差(f)的月變化Fig.1 The monthly variation of the average values,accuracy,and consistency (a),misjudgment rate (b),missed rate (c),correlation (d),average error (e),and mean absolute error and root mean square error (f) between real-time analysis cloud cover products and ground observations in Sichuan province in 2019

2.1.2 總云量日變化趨勢

2019年四川省實況分析產品與地面觀測總云量判識檢驗的日變化見表3。由表3可知，總云量判識準確率的日變化差異較小，準確率最高為17時，最低為14時，兩者相差僅為1%左右。08時誤判率最高，20時和11時次之，14時和17時誤判率相對較低。漏判率與誤判率相反，14時和17時較高，08時最低。從總云量一致率的各時次變化來看，11時的一致率最高，為61.37%，17時一致率最低，為53.19%，最高值與最低值相差8%左右?？傇屏慷繖z驗日變化11時的相關系數最高，08時的相關系數相對較低。從平均誤差來看，所有時次的平均誤差均小于0，表明實況分析產品以低估為主，17時平均誤差最大。平均絕對誤差和均方根誤差的變化趨勢一致，11時誤差最小，08時誤差相對較大?？傮w來看，11時的一致率、相關性最高，MAE和RMSE誤差最小。

表3 2019年四川省實況分析產品與地面觀測總云量判識檢驗日變化Table 3 The diurnal variation of identification and validation between real-time analysis of cloud cover products and ground observations in Sichuan province in 2019

2.2 總云量空間分布

2019年四川省地面觀測與實況分析產品總云量以及檢驗評估的空間分布見圖2。由圖2可知，實況分析產品與地面觀測總云量具有基本一致的空間分布，四川盆地為總云量的高值區，盆地內各站點的地面觀測總云量均為76%以上，實況分析產品均為58%以上，而川西高原和攀西地區總云量相對較低。

由云判識的空間分布可知(圖2c至圖2e)，準確率較低(<80%)的12個站均在甘孜州、阿壩州和涼山州，相對而言，盆地內各站點準確率較高。誤判率在整個四川省內較低，誤判率最高為峨眉山站，為8.93%，誤判率最低為都江堰站，僅為0.28%；從漏判率來看，最高為巴塘站，為37.18%，最低為峨眉山站，為3.39%?？梢?，云量漏判主要與臺站地理環境有關，巴塘站四面環山，地面目測受限，而峨眉山站是四川境內唯一高山站，地處峨眉山山頂，視野開闊。

圖2 2019年四川省地面觀測(a)、實況分析產品(b)總云量以及實況分析產品與地面觀測總云量準確率(c)、誤判率(d)、漏判率(e)、一致率(f)、相關系數(g)、平均誤差(h)、平均絕對誤差(i)、均方根誤差(j)的空間分布Fig.2 Spatial distribution of observed total cloud cover (a),real-time analysis products (b),and accuracy (c),misjudgment rate (d),missed rate (e),consistency (f) correlation (g),average error (h),mean absolute error (i) and root mean square error (j) between real-time analysis cloud cover products and ground observations in Sichuan province in 2019

云量一致率空間分布表明(圖2f)，四川全省一致率為47%～69%，攀枝花站一致率最好，為68.21%，甘孜州巴塘站和涼山州雷波站一致率較差(<50%)，這兩站均地處高山河谷中。

實況分析產品與地面觀測總云量相關系數的空間分布表明(圖2g)，四川全省相關系數主要集中在0.6～0.9，涼山州雷波站和樂山峨眉山站相關系數相對較低，均為0.6以下。平均誤差的空間分布(圖2h)與一致率的空間分布相似，攀枝花為平均誤差較好的地區，每個站的平均誤差均小于0，說明實況分析產品相對于地面觀測來說均為低估。平均絕對誤差(圖2i)和均方根誤差(圖2j)的空間分布基本一致，攀枝花地區、涼山州中部及西南部和四川東北部分區域為誤差相對較小的區域，誤差較大的站與平均誤差基本一致，為涼山州雷波，甘孜州巴塘和新龍，以及內江東興區。綜上，四川地區的云判識準確率較高，準確率80%以上站占比為71%，漏判多于誤判。

2.3 總云量分級檢驗

2019年四川省地面觀測與實況分析產品不同云量等級分級檢驗對比見圖3。由圖3可知，四川地區主要以陰天為主，不同云量等級之間一致率差異明顯，晴天時一致率最高，達90.69%，多云時一致率最低，僅為27.56%，兩者之間相差達69%。陰天的判識準確率最高，為96.01%，在少云的情況下判識準確率相對較低，僅為48.6%。根據誤判的定義(觀測無，產品有)，誤判只可能發生在晴天，晴天的誤判率為15.78%。從漏判來看，陰天的漏判率最低，少云的漏判率最高。多云時的一致率低、晴天的誤判和少云的漏判應該與人工目測和衛星觀測方式的差異有關。

圖3 2019年四川省實況分析產品與地面觀測不同云量等級判識檢驗Fig.3 Identification and validation of different cloud cover levels between real-time analysis products and ground observations in Sichuan province in 2019

2019年四川省不同云量等級的定量檢驗見表4。由表4可知，晴天的平均誤差、平均絕對誤差和均方根誤差均較小，表明晴天時實況分析產品與人工觀測云量最接近。從平均誤差來看，除了晴天為正誤差，其余均為負誤差，表明晴天時實況分析產品高于觀測云量，其余情況下，實況分析產品以低估為主。多云時，平均誤差、平均絕對誤差和均方根誤差均相對較大。

表4 2019年四川省實況分析產品與地面觀測不同云量等級定量檢驗Table 4 Quantitative validation of different cloud cover levels between real-time analysis products and ground observations in Sichuan province in 2019 %

3 結論與討論

(1)2019年實況分析產品與地面觀測總云量在四川地區具有基本一致的時空變化特征，夏半季的總云量高于冬半季，盆地內的總云量高于川西高原和攀西地區。實況分析產品對總云量有較好的判識能力，判識準確率為84.35%，誤判率為2.69%，漏判率為12.96%。云判識準確率與觀測總云量的時空變化規律具有較高的一致性，即云量越多準確率越高。

(2)不同時空尺度的平均誤差均小于0，說明實況分析產品相對于地面觀測值存在不同程度的低估。云判識準確率的日變化差異較小，7月的云判識準確率最高，一致性最好，誤差最小。從總云量分量級檢驗來看，晴天時一致率最高，誤差相對較小，而陰天準確率最高。

(3)總云量實況分析產品在四川地區具有一定的適用性，但由于總云量實況分析產品從2018年6月開始正式業務準入應用，根據地面氣象觀測自動化的要求，2020年4月開始取消地面人工云量的觀測，所以實況分析產品與地面總云量觀測并行的完整年度僅有2019年，對于從氣候變化特征來評估實況分析產品的適用性來說，檢驗分析樣本量較小。另外，霧、輕霧、霾等天氣現象以及觀測者所處地理位置和環境對人工目測的影響，地面人工觀測與衛星觀測方式的差異，二者觀測精度的不同，均會影響地面觀測與實況分析產品的評價檢驗。