CMFD数据在重现高亚洲地区降雪中表现突出

作者：阿克苏站  更新时间：2023-11-01

高亚洲地区作为地球的第三极，是地球上降雪较为丰富的地区之一。降雪量的变化不仅影响河流源区冰川物质的积累，而且还极大地影响径流过程和水资源的变化，改变径流成分的构成，使河流水文过程更加复杂。因此，准确的降雪数据集对于自然过程建模、水文气象分析和预测以及气候变化监测至关重要。由于该地区台站观测数据有限，可靠的网格化降雪数据集对了解该地区的降雪情况至关重要。然而，不同的降水数据集对不同地区的适用性有所差异，因此在进一步应用之前，有必要对其适用性和精度进行验证和评估。

针对以上问题，中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室陈亚宁研究团队综合评估了六种常用的网格化降雪产品（ERA5、GLDAS、HAR、MSWX、NCEP和CMFD）在高亚洲地区的适用性，并在不同区域、不同海拔高度和不同时间尺度上评估和比较它们重现降雪的能力。

结果表明：（1）年尺度上， CMFD表现出最高的相关性（CC=0.790）和最低的BIAS（BIAS=0.048），明显优于其它数据集。月尺度上，HAR、MSWX和CMFD三套数据集在月尺度降雪方面有较高的相关性和更好的捕获能力。在日尺度上，MSWX表现出最高的关键成功指数（CSI=0.903）和最低的误报率（FAR=0.076）。（2）在不同海拔高度上，CMFD均呈现出最高的一致性，表明其受海拔变化影响较小。在高海拔地区，MSWX和CMFD在捕捉降雪方面均表现较好。（3）随着降雪量级的增加，各套数据集的精度表现出不同程度的下降。从降雪量上来看，各套数据在对小雪的捕捉均表现较好，其中CMFD和HAR的相关性分别达到0.826和0.814。随着将雪量级增加，误差（BIAS和RMSE）开始逐步增加，只有CMFD仍然保持较高的准确性。

相关成果以“Evaluation of Multiple Gridded Snowfall Datasets using Gauge Observations over High Mountain Asia”为题发表在Journal of Hydrology，论文第一作者为新疆生地所孙帆博士，陈亚宁研究员和李玉朋副研究员为共同通讯作者。该研究得到国家重点研发计划、国家自然科学基金和新疆天山创新团队项目的支持。

文章链接：https://www.sciencedirect.com/science/article/pii/S002216942301288X?via%3Dihub#s0100 

图1 年尺度降雪精度评价。（a）网格化数据与台站数据的年均降雪量的比较，误差棒代表标准偏差。台站数据和网格化数据之间的年平均降雪量散点图：（b）ERA5，（c）GLDAS，（d）HAR，（e）MSWX，（f）NCEP和（g）CMFD，彩色线表示线性最小二乘拟合，虚线为1:1线。

图2 用于评估六套网格化降雪产品与高亚洲地区月尺度观测降雪数据的统计指标。（a）RMSE，（b）BIAS和（c）CC。