期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多源降水数据在夏河县果宁村山洪模拟中的精度评估 被引量：1
1
作者 黄武斌 伏晶 +2 位作者 郭润霞 张君霞 雷瑜 《高原气象》 北大核心 2025年第1期110-121,共12页
2023年9月6日22:00(北京时,下同)至7日04:00甘肃夏河县发生强对流天气,局部地区出现短时强降雨,引发夏河县果宁村山洪灾害,造成人员伤亡。本研究基于气象站观测降水对比分析了雷达估测降水(Radar Quantitative Precipitation Estimation... 2023年9月6日22:00(北京时,下同)至7日04:00甘肃夏河县发生强对流天气,局部地区出现短时强降雨,引发夏河县果宁村山洪灾害,造成人员伤亡。本研究基于气象站观测降水对比分析了雷达估测降水(Radar Quantitative Precipitation Estimation,Radar-QPE)、FY4B估测降水(FengYun 4B Quantitative Precipitation Estimation,FY4B-QPE)以及CMPA(CMA Multi-source Precipitation Analysis)降水产品特性,并利用这些降水数据驱动水动力水文模型,评估不同降水数据在本次山洪模拟中的效果。结果表明:(1)12 h累积降水量中,CMPA在大值区域位置和局地降水量级差异性方面表现出较高的准确性;Radar-QPE在累积降水量级上与AWS(Automatic Weather Station)较为接近,但空间分布上存在显著差异;FY4B-QPE累积降水量级高估了33.8%。(2)在逐小时分布上,CMPA在时间演变、空间分布以及降水量级上与AWS最为接近;Radar-QPE峰值偏小,且峰值时间有所滞后,降水主要为负偏差;FY4BQPE峰值及峰值时间与实际情况一致,但在降水的开始和结束时间存在偏差,降水量的偏差主要为正偏差。(3)水文模拟研究中,CMPA、Radar-QPE和FY4B-QPE均高估了水位,但水位峰值出现时间与AWS较为一致,CMPA在均方根误差(RMSE)、纳什效率系数(NSE)和相对偏差(Bias)方面表现最优,Radar-QPE次之,FY4B-QPE表现相对较差。虽然现有站点观测降水无法完全满足对中小尺度山洪的研究和预警需求,但CMPA数据的高精度在一定程度上能有效补充传统气象观测站点的不足,同时,Radar-QPE和FY4B-QPE的算法和精度需要进一步改进和提升。 展开更多
关键词 多源降水 山洪 CMPA Radar-QPE fy4b-qpe
在线阅读 下载PDF
多个高时空分辨率降水数据在西北地区东部“7·22”特大暴雨事件中的精度评估
2
作者 伏晶 黄武斌 +2 位作者 段伯隆 黄玉霞 付正旭 《高原气象》 2026年第1期276-294,共19页
2024年7月22-24日,甘肃省遭遇历史罕见特大暴雨,共计12个站(点)累积降水量超300 mm,最大达351.4 mm,综合强度为1961年以来西北地区最强。本文基于地面自动观测站(Automatic Weather Station,AWS)降水实况观测数据,评估了中国区域融合降... 2024年7月22-24日,甘肃省遭遇历史罕见特大暴雨,共计12个站(点)累积降水量超300 mm,最大达351.4 mm,综合强度为1961年以来西北地区最强。本文基于地面自动观测站(Automatic Weather Station,AWS)降水实况观测数据,评估了中国区域融合降水分析系统(CMA Multi-source Precipitation Analysis,CMPA)、雷达估测降水(Radar Quantitative Precipitation Estimation,Radar-QPE)、风云4B卫星估测降水(Fengyun 4B Quantitative Precipitation Estimation,FY4B-QPE)和欧洲中期天气预报中心的全球陆面再分析资料(European Centre for Medium Range Weather Forecasts Reanalysis v5,ERA5)四种降水产品在此次特大暴雨期间的监测能力。结果表明:(1)在空间分布上CMPA表现最佳,能够准确捕捉暴雨的核心区降水和极值,空间变异性最小,小时降水量平均误差(Mean Error,ME)仅为0.002 mm·h^(-1)。Radar-QPE能够识别暴雨区位置,但低估了核心区降水量,FY4B-QPE对核心区降水有明显高估,而ERA5则低估了核心区降水量,ME分别为-0.151、0.192和0.08 mm·h^(-1)。(2)CMPA在时间演变的捕捉上最为准确,误差最小,相关系数(Correlation Coefficient,CORR)高达0.999。Radar-QPE在强降水时低估降水量,误差随降水强度增加显著增大,FY4B-QPE和ERA5的误差在强降水期间显著增加,尤其是FY4B-QPE在核心区的表现较差,CORR分别为0.96、0.24和0.22。(3)CMPA与AWS的日变化特征最为接近。Radar-QPE在降水峰值和分布上存在偏差。FY4B-QPE峰值位置偏东、偏北,且较降水时间提前。ERA5没有显著的经向峰值,表现为纬向偏北的负偏差。(4)CMPA与AWS在降水概率分布上高度一致,表现出最佳的时空一致性。Radar-QPE和ERA5高估了首个降水峰值,而低估了5.0 mm·h^(-1)以上区间的小时降水量。FY4B-QPE对弱降水低估、强降水高估。这些结果为不同降水产品在暴雨降水事件中的监测能力提供了详细的对比,为暴雨动态监测、预警和水文应用研究等方面提供参考。 展开更多
关键词 7·22特大暴雨 CMPA Radar-QPE fy4b-qpe 精度评估
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部