基于AMSR-E微波遙感與TIGGE數(shù)據(jù)的立體干旱監(jiān)測預報研究.pdf

1、干旱是最為嚴重的自然災害之一，給國民經濟帶來了巨大損失。土壤水分是反應干旱的重要指標之一，土壤水分的監(jiān)測預報對干旱研究非常重要。本文分為干旱監(jiān)測與預報兩大部分。
　　第一，地表干旱監(jiān)測部分。以淮河流域為研究區(qū)，基于AMSR-E被動微波遙感數(shù)據(jù)和實測土壤相對濕度數(shù)據(jù)，構建了基于點和面的BP神經網(wǎng)絡模型反演土壤水分，并與AMSR-E土壤水分產品（包括NASA和LPRM兩種產品）進行比較，相關研究結論如下:
　　基于點的神經網(wǎng)絡模

2、型在研究區(qū)模擬的土壤水分與AMSR-E土壤水分產品相比優(yōu)勢明顯，與實測土壤水分相關性較好、均方根誤差和平均絕對誤差是所有土壤水分產品中最小的?；诿娴纳窠浘W(wǎng)絡模型對流域尺度的土壤水分空間分布趨勢的反演具有明顯優(yōu)勢，但對分辨率為25km柵格單元格模擬的土壤水分值與實測值差別很大。將兩種模型結合起來反演土壤水分能更好地了解土壤水分的時間變化趨勢和空間分布格局，從而有效地監(jiān)測干旱的發(fā)生及其空間分布。
　　第二，干旱預報部分?；赥IGG

3、E資料應用彭曼公式計算蒸發(fā)量，并驗證該蒸發(fā)量;基于TIGGE資料的歐洲中期天氣預報中心(ECMWF)、美國國家環(huán)境預報中心(NCEP)和英國氣象局(UKMO)和中國氣象局(CMA)四個中心全球集合預報模式，對地面要素的24h降水累積降水量進行24h-240h預報時效的超級集合預報方法的研究（包括多模式和單模式）;再將TIGGE預報數(shù)據(jù)集驅動XXT水文模型模擬土壤水分虧缺深和徑流。最后為了統(tǒng)一兩部分干旱等級評估的指標，本文探索了兩種干旱等

4、級的指標統(tǒng)一方法。
　　研究結果表明用彭曼公式計算的蒸發(fā)量與24h累積降雨量預報數(shù)據(jù)驅動XXT分布式（降雨-徑流）水文模型模擬土壤水分虧缺深和徑流是合理可行的。
　　對24h累積降雨量的預報，四個集合預報模式的預報結果差異很大，相同模式的不同成員之間亦很不相同。CMA離散度最大，預報時差和預報值的偏差也很大;NCEP和UKMO集合預報系統(tǒng)對降雨量為0或接近于0值的預報具有很大優(yōu)勢;ECMWF和NCEP對24h-144h時效的

5、24h累積降雨量預報效果較其他集合預報系統(tǒng)的均方根誤差更好。
　　此外，各單模式集合預報中，比較集合預報降雨量值，CMA表現(xiàn)最差，ECMWF和UKMO在各個階段都較CMA和NCEP有更高的相關系數(shù)。從整體看，單模式集成預報結果可以綜合模式中各成員的預報優(yōu)勢，取得更好預報效果。
　　多模式超級集合預報24h累積降雨量值較單模式集合預報更準確，離散度更低，尤其對降雨量為0或接近于0值的預報更準確。但并不是所有組合的超級集合預報效

6、果都比單模式效果更好，當參與的單模式預報系統(tǒng)預報效果較差時，可能會大大地降低超級集合預報的精度。平均而言多模式24h超級集合預報累積降雨較大多數(shù)單模式更有優(yōu)勢。
　　TIGGE集合預報的驅動數(shù)據(jù)集的準確度直接影響到XXT模型的輸出結果。ENU超級集合預報驅動數(shù)據(jù)驅動XXT分布式水文模型模擬的土壤水分虧缺深和徑流值與實測數(shù)據(jù)驅動該模型的模擬值較其他集合預報系統(tǒng)相關性更高，其相關性系數(shù)達到0.89和0.93。經過回歸分析，可見在眾多的