CMA高分辨率陸面數據同化系統（HRCLDAS-V1.0）研發及進展

韓帥 師春香 姜志偉 徐賓 李顯風 張濤 姜立鵬 梁曉 朱智 劉軍建 孫帥

（1 國家氣象信息中心，北京 100081；2 江西省氣象信息中心，南昌 330046；3 中國氣象局烏魯木齊沙漠氣象研究所，烏魯木齊 830002；4 南京信息工程大學，南京 210044）

0　引言

長期以來，地面氣象要素及土壤溫濕度等數據的獲取，主要依靠地面人工站和自動站的觀測儀器進行定時觀測，由于站點離散且分布不均勻，難以覆蓋整個中國區域。利用數學方法將站點觀測值插值成格點數據，在站點密集且空間變異較少的區域，效果良好；但是在地形復雜區域廣闊但站點稀少的區域，尤其是在中國西部地區，單純的數學方法難以獲取高質量的格點實況數據。

最近的十幾年，國內外在離線的陸面數據同化系統建設方面已經做了不少研究，取得了一定的成果[1-3]，他們的共同特點是將陸面的數值模式和衛星、雷達、站點觀測等信息進行融合，獲取更為可靠的地面氣象要素場和陸表土壤溫濕度、地表熱通量等數據。

同時，高時空分辨率的陸面數據同化系統也在逐步發展，如美國大氣研究中心（NCAR）的高分辨率陸面數據同化系統（HRLDAS）[4-5]已經具有能夠提供土壤溫濕度的預報能力；韓國氣象局（KMA）發展的韓國陸面數據同化系統（KLDAS）[6]與HRLDAS非常類似，著重于改進陸面模式驅動場。KLDAS已用于提供中尺度天氣預報模式（WRF）模式的陸面初始場，但目前仍局限于個例研究。然而，由于各國陸面數據同化系統主要是為本國服務，注重對于本國的數據研究，因此即使在區域上包括了其他國家，這些其他國家的數據質量也難以保證。因此，建立我國自己的高時空分辨率陸面數據同化系統勢在必行。

在國家氣象科技創新工程驅動下，國家氣象信息中心為此制定了長遠發展規劃，并確定了總體目標的制定和實施方案：在建設初期，根據當時的需求和業務能力，計劃將系統研發分為四個階段，第一階段（CLDAS-V1.0）主要任務是搭建業務運行平臺，重點在于對溫度、氣壓、濕度、風速、降水和輻射等驅動數據的處理，優化地表、土壤和植被參數，并選擇一個合適的陸面模式（美國NCAR開發的CLM），實現模式的實時運行，獲取土壤溫濕度等陸表變量產品；第二階段（CLDAS-V2.0）主要任務是實現多個陸面模式的運行和多模式集成，并繼續改進地表、土壤和植被參數和陸面驅動數據；第三階段（CLDAS-V3.0）主要任務是實現地面觀測土壤濕度、衛星反演土壤濕度的同化；第四階段（CLDAS-V4.0）主要任務是實現衛星觀測微波亮溫數據的同化。

隨著氣象服務和市場的需要發展，研制更高分辨率的陸面數據同化系統已經迫在眉睫。2016年初，國家氣象信息中心果斷決策，提前開展了中國區域1 km陸面數據同化系統的研制；在經過1年的艱苦攻關，實現多項技術突破，建成CMA高分辨率陸面數據同化系統（HRCLDAS），實現提前2年完成氣象科技創新工程目標。本文主要介紹HRCLDAS系統在研發的各個階段和系統業務化中的發展歷程。

1　主要研發進展

1.1　模式輸入場的制備

1.1.1氣溫、氣壓、濕度、風速

地面2 m氣溫、濕度、地面氣壓、10 m風速4個要素的融合算法核心部分沿用了CLDAS-V1.0和CLDAS-V2.0系統的業務算法，既引入了美國海洋大氣局地球系統研究實驗室（NOAA/ESRL）開發的時空多尺度分析系統（STMAS）[7]。該系統通過不同尺度的分析方法，能夠有效地捕捉陸面要素中的長波和短波信息，并考慮不同尺度的天氣動力學限制條件，同時還可以結合不同時間的空間信息給予優化和最有效的提取觀測信息。該系統的優點是避免了傳統數據同化的關于背景誤差協方差的一些不合理假設，以及節約在大尺度的計算時間和詳細提取小尺度信息的時間，從而合理縮短同化過程的計算時間。因此，本系統繼續沿用這一核心算法，同時為進一步描述1 km分辨率尺度的細節，尤其是氣溫、氣壓等隨海拔高度變化較為明顯的要素場，本系統引入美國國家航空航天局（NASA）和美國國防部國家圖像測繪局（NIMA）聯合測量制作而成的全球區域30 m空間分辨率地形數據產品，采用面積權重方法重采樣制作亞洲區域0.01°空間分辨率的數字高程模型（DEM）地形參數數據[8]，對溫度、氣壓等進行地形調整，其中溫度遞減率除了受地形高度的影響外，還可能受到風力、對流型天氣等其他要素影響，譚曉光等[9]研究發現，使用一定范圍內測站實際觀測的溫度與地形高度之間的線性關系的系數作為溫度的垂直減率來進行地形調整，可以既保持處理算法簡單，又能夠在一定程度上綜合考慮上述影響。

為了對1 km陸面融合產品進行質量評估，國家氣象信息中心對2016年1月1日—12月31日的小時數據進行了回算，并對其進行評估檢驗。本方案中陸面融合產品的評估所使用的“真值”為2380個國家級氣象站點小時觀測資料，觀測時間與實況格點融合分析產品一致。利用雙線性插值的方法，將融合分析產品插值到站點所在經緯度，與相應時刻的觀測數據進行比較，具體如表1所示。

表1　氣溫、相對濕度、風速偏差落區統計表Table 1 Statistics of the bias in air temperature, relative humidity and wind speed

1.1.2地面入射太陽輻射

在CLDAS-V1.0和CLDAS2.0版本的系統中，地面入射太陽輻射是利用基于對離散坐標算法的輻射傳輸模型（DISORT）對FY-2靜止衛星可見光通道信息進行反演，從而獲取地面入射太陽輻射，暫未將地面觀測信息進行融合。

為進一步提高輻射數據質量，在HRCLDAS-V1.0的系統設計中，提出了融合我國觀測站的輻射站數據。但目前我國輻射觀測網密度較低，僅有99個業務觀測站點，不能滿足STMAS融合的要求。為獲得更多的樣本數據，采用Yang等[10]發展的Hybrid模型來模擬地面自動站輻射值。該模型計算簡單，且考慮了大氣中的輻射傳輸過程，無需局地校正，適用于不同海拔和氣候區域。

該模型通過輸入地面自動站常規觀測的氣溫、氣壓、相對濕度以及日照時數等信息，結合站點所在經緯度、觀測時刻太陽高度角等信息，最終計算得到小時分辨率的2400多個國家級自動站小時地面入射太陽輻射值。利用多重網格變分分析的方法對衛星反演的地面入射太陽輻射數據和Hybrid模型計算的站點觀測地面入射太陽輻射數據進行融合，最終生成高分辨率地面入射太陽輻射產品。

通過利用2015年91個輻射觀測站點數據與1°分辨率的云與地球輻射能量系統輻射資料（CERES_SYN1deg）、歐洲再分析輻射資料（ERA-Interim）、及本項目利用FY-2衛星直接反演的輻射（Solar-Swdn）和反演結果與Hybrid計算的站點輻射融合結果（Solar-Swdn-Merge）這四套數據產品的日平均數據對比發現，CERES衛星反演的SYN1deg產品效果最好，相關系數達到0.93，日平均數據均方根誤差（32.14 W/m2）和平均偏差（6.73 W/m2）均為最?。幌啾戎?，Solar-Swdn-Merge模擬效果次之，相關系數為0.927；ERA-Interim再分析資料，相關系數只有0.86，相對較差。

1.1.3小時累計降水

降水驅動數據是陸面模式中最重要的驅動數據之一，降水驅動數據是否準確將對土壤濕度的模擬結果產生非常大的影響，采用東亞多衛星集成降水產品（EMSIP）[11-12]作為背景場，利用STMAS方法將背景場與全國4萬多個站點觀測數據進行融合，獲取1 km分辨率降水融合產品。

國家氣象信息中心在充分調研了多星降水集成技術的基礎上，于2012年開展了多種衛星集成技術研究，實現國家衛星氣象中心FY-2E/G紅外1通道亮溫與FY-3B 微波成像儀（MWRI）降水率、美國國家航空航天管理局（NASA）的熱帶降水測量衛星（TRMM/GPM） 降水率、美國國家海洋和大氣管理局（NOAA）的微波濕度計（NOAA-18/19 MHS）降水率、歐洲極軌衛星微波濕度計（MetOp-A/B MHS）降水率和美國海軍衛星被動微波輻射計（DMSP-F16/F17/F18 SSMIS）降水率等8顆衛星的微波降水的集成，形成了東亞多衛星集成降水業務系統（EMSIP）。2014年5月29日該系統開始業務試運行，并于2014年末通過業務內網分對外提供數據服務。

為研制高時空分辨率的降水融合產品，HRCLDAS的降水產品設計了以下融合分析方案：首先從全國綜合氣象信息數據共享平臺（CIMISS）獲取了中國4萬余個地面觀測站點的逐小時降水觀測數據；其次，STMAS參數的調試，在STMAS 的眾多參數中， 影響半徑能夠控制STMAS選取多大范圍內的站點觀測降水用于訂正衛星降水產品，針對選用的站點降水數據較多，影響半徑分別選取了3、10、15、20、25等5個影響半徑，利用STMAS融合技術對2015年6月8—9日兩天的48個時次的EMSIP降水數據進行了融合試驗，將所得到的降水數據插值到2380個國家級自動站點上，然后利用對應的觀測值進行檢驗，計算兩者之間的相關系數、均方根誤差、偏差、平均降水量，結果如表2和表3所示，根據不同的融合半徑試驗評估指標，綜合分析選取半徑為25的方案進行降水融合產品的制作。另外，在研制初期，研發團隊還分別選用EMSIP降水和目前國際主流的美國多衛星集成降水產品（CMORPH）為背景場，利用STMAS融合技術進行融合試驗，對比分析發現，兩者評估結果非常接近，項目組最終選擇融合了國產FY衛星的EMSIP產品為降水背景場數據。

表2　不同半徑下的個例評估結果（2015年6月8—9日）Table 2 Evaluation results of a case (June 8-9, 2015) at different radius

表3　不同背景場評估結果（2015年6月8—9日）Table 3 Evaluation results of different background fields

1.1.4高分辨率地表參數

1）地表覆蓋類型

通用陸面模式（CLM模式）以植被功能類型為基礎劃分地表覆蓋。它將地表覆蓋分為冰川、湖泊、濕地、及不同的植被功能類型，分別包括：裸土、溫帶常綠針葉林、寒帶常綠針葉林、寒帶落葉針葉林、熱帶常綠闊葉林、溫帶常綠闊葉林、熱帶落葉闊葉林、溫帶落葉闊葉林、寒帶落葉闊葉林、溫帶常綠闊葉灌木、溫帶落葉闊葉灌木、寒帶落葉闊葉灌木、極地C3草、非極地C3草、C4草和農作物。

模式中原有的地表覆蓋類型數據分辨率為0.5°，這個精度對進行高分辨率陸面模擬而言，需要進行改進，并且數據在中國區域的準確性也存在一定的爭議，因此需要用分辨率和準確性更好的地表覆蓋數據對其進行替換。替換所使用的數據庫基于冉有華等人[13]研究制作的多源數據融合的中國土地覆蓋資料，該數據是綜合了2000年中國1:10萬土地利用數據、中國植被圖集的植被型分類、中國1：10萬冰川圖、中國1:100萬沼澤濕地圖和2001年 MOD12Q1幾個數據，使用最大信任度原則進行決策，采用的IGBP分類系統制作得到。融合后的數據與中國土地利用圖、MODIS和國際地圈生物圈計劃（IGBP）地表覆蓋進行了對比，結果顯示，總體一致性分別是88.84%、47.59%和40.2%，Kappa系數分別是0.85、0.38和0.31[13]，具有比較高的可信度。

2）土壤參數

土壤參數包括：土壤顏色、土壤質地、土壤層厚度、土壤溫度、土壤濕度、土壤的熱/水力傳導和擴散系數、干土壤的土壤熱容、干土壤的熱傳導率、孔隙度、飽和的負壓土壤水勢、飽和土壤導水率等。土壤質地是土壤中不同大小直徑的礦物顆粒的組合狀況，是土壤重要的物理屬性。許多大小不同的土粒按不同的比例組合在一起會表現出不同的土壤粗細情況，一般根據土壤中砂粒、粉粒和粘粒各自所占的比例來對土壤質地類型進行劃分。

模式中自帶的土壤質地數據庫來源于聯合國糧農組織（FAO）和維也納國際應用系統研究所（IIASA）所構建的世界土壤數據庫（HWSD）中國境內數據源為第二次全國土地調查南京土壤所所提供的1:100萬土壤數據。該數據可為建模者提供模型輸入參數，農業角度可用來研究生態農業分區，糧食安全和氣候變化等。但是由于土壤質地難以進行實際觀測，以上土壤質地數據集使用的實測資料非常少，如FAO數據集在中國區域僅僅由61個土壤剖面插值而來，空間代表性比較差[14]。面向陸面模擬的中國土壤數據集數據來源于第二次土壤普查的1:100萬中國土壤圖和8595個土壤剖面與HWSD數據庫在pH值等微量元素方面進行了對比，在一些方面更加符合認識規律。它的分辨率比HWSD要高，而且空間分布更加可信，數據還給出了空間分布可信度的信息，數據為柵格格式，空間分辨率為30 arcsec。為便于使用CLM模型，土壤數據分為8層。

1.2　模擬方案及評估

本系統采用的陸面模式是NCAR的CLM3.5模型，該模型提供了大氣模式所需要的表面反照率（可見光和紅外光波段的直射和散射光）、向上長波輻射、感熱通量、潛熱通量、水汽通量、以及東西向和南北向的地表應力。這些參量分別由許多生態和水文過程控制，模式對葉子物候、氣孔生理及水循環進行模擬。河流運輸模式向下傳輸至海洋。因為模式要與氣候模式和數值天氣預報模式耦合，所以在陸面過程參數化計算的有效性和復雜性中要做折衷選擇。模式并沒有詳盡描述水文氣象、陸地生態，而是僅對一些描述陸—氣相互作用本質特性的重要陸面過程做計算量最少的簡化處理。

1.2.1陸面模擬方案設計

首先將北美陸面數據同化系統（NLDAS）和CMA 陸面數據同化系統（CLDAS）兩個系統的空間分辨率、產品格點數、數據量和計算資源等進行了對比，為了方便比較，將NLDAS-2的參數指標作為標準，其他產品與之對比（表4），可以看出，HRCLDAS-V1.0陸面模擬所需的計算資源和文件的數據量都非常大，這也是目前高分辨率陸面模擬面臨的最主要的問題之一，在現有的條件下實現業務生產，必須設計合理可行的技術方案。通過大量的調研和試驗，最終確定根據研究區域的經度信息將整個模擬區域平均分為35個子區域，每分鐘提交一個區域的作業量，利用6個計算節點分塊并行與模式并行結合的計算方案，循環提交作業，在35～40 min完成一個時次的模擬計算。應用此方案，解決了IBM系統文件大小受限，計算資源和計算時效等問題。

表4　NLDAS與CLDAS數據量對比統計表Table 4 Comparisons of the data volumes among NLDAS and CLDAS

1.2.2土壤濕度質量評估

產品檢驗主要使用中國氣象局土壤水分自動觀測觀測資料對HRCLDAS-V1.0系統土壤濕度產品質量進行了評估驗證[15-16]。

目前，氣象部門傳統的人工監測土壤水分的頻率和效率已經遠遠不能滿足決策部門和公眾對干旱監測的需求。近年來，中國氣象局開展了自動土壤水分觀測網的建設工作，自動土壤水分觀測網就是為了在氣候變化背景下提高農業干旱監測和預警的業務和科研水平而建設。土壤濕度自動觀測主要包含三種觀測地段：固定觀測地段、作物觀測地段和輔助觀測地段。固定觀測地段采用自動土壤水分觀測儀進行自動連續觀測，作物地段采用自動土壤水分觀測儀進行自動連續或定時觀測，輔助地段采用便攜式土壤水分儀進行觀測。在固定觀測地段，最大觀測深度一般為1 m，分為0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～50 cm、50～60 cm、70～80 cm、90～100 cm，地下水位深度小于1 m的地區，最深測到土壤飽和持水狀態層，而因土層較薄導致觀測深度無法達到規定要求的地區，則最深測至土壤母質層。在作物觀測地段，最大觀測深度一般為1 m，分為0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～50 cm、90～100 cm，果樹等根系較深作物的觀測深度根據業務服務需要由省級業務主管部門確定。在輔助觀測地段，最大觀測深度一般為50 cm，分為0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～50 cm共5個層次。

由于土壤濕度地面站點觀測資料與HRCLDAS-V1.0模式模擬產品代表的空間尺度不一致，直接將HRCLDAS-V1.0產品插值到觀測站點上進行評估有一定的問題，而分區域對觀測土壤濕度和HRCLDAS-V1.0土壤濕度產品的區域平均值進行比較評估，可以在一定程度上降低空間尺度差異對評估結果的影響。鑒于各省自動土壤水分觀測儀的型號、定標系數等情況存在差異，因此采用分省評估方案，在每個省對土壤濕度區域平均值進行比較分析。

考慮到土壤中存在固態水（冰）對觀測儀器性能的影響，評估時盡量剔除冬天的數據，利用了2015年5月1日—2015年10月31日（共計184天）的觀測資料?？傮w如表5所示，HRCLDAS-V1.0土壤濕度產品的質量較好，2015年全國平均相關系數為0.87，偏差為0.001 mm3/mm3，均方根誤差為0.03 mm3/mm3。全國31個省份中，HRCLDAS-V1.0有18個省份的相關系數在0.9以上，27個省份的相關系數在0.8以上，26個省份的均方根誤差在0.04 mm3/mm3以下，27個省份的偏差在±0.04 mm3/mm3之間。西藏、貴州、云南等區域偏差和均方根誤差較大，初步分析認為，這些區域地形復雜，土壤類型變化大，高分辨率陸面模擬精度還有待提高，且目前土壤濕度自動觀測還沒有業務化的質控程序，需要進一步改進。綜合各項評估指標看來，河北、江蘇、黑龍江、福建、陜西、寧夏、甘肅、青海、廣東、廣西等多?。▍^、市）的產品質量都較好。

表5　CLDAS-V1.0和HRCLDAS-V1.0土壤濕度對比Table 5 Comparison of soil moisture between CLDAS-V1.0 and HRCLDAS-V1.0

2　系統業務化建設

HRCLDAS-V1.0系統軟件的業務處理過程總體上分為五個階段，即數據采集與處理階段、陸面驅動數據產品生產階段、陸面模式模擬與土壤濕度產品生產階段、業務產品實時評估、產品服務與后處理階段。

數據采集與處理階段，主要完成系統所有輸入數據的收集，并對收集的數據進行分析、質量控制、投影等標準化處理和輸出，處理后的數據按類別保存到相應目錄。

陸面驅動數據產品生產階段，主要是利用STMAS融合分析模塊、降水驅動模塊、短波輻射遙感反演與融合分析三個模塊，生產陸面氣溫、氣壓、濕度、風速、降水、輻射驅動產品，并保存到驅動數據目錄。

陸面模式模擬與土壤濕度產品生產階段，主要是利用陸面驅動數據處理子系統生產的陸面驅動數據產品，驅動CLM3.5陸面模式分塊運行模擬土壤濕度，并標準化輸出土壤濕度數據，然后將這些分塊土壤濕度數據進行拼接、垂直層插值以及日值數據合成等處理，最終輸出標準化土壤濕度分析產品。

產品實時評估階段，主要利用地面站點觀測數據，提取地面站點位置的業務產品格點值，計算均方根誤差、偏差、相關系數等評估指標，并將計算結果存檔和打印到圖形產品上。

產品服務與后處理階段，主要從產品結果目錄中獲取陸面驅動、土壤濕度產品，標準化制作圖形產品，并將相應的數據產品和圖形產品通過通信系統推送到指定的FTP目錄，最終實現業務產品的CIMISS入庫歸檔、業務內網展示和中國氣象數據網的數據分發。

上述五個階段之間和各個階段內核心的流程交互以及業務協作，將由調度管理和運行監控子系統集成管理統一調度與控制，從而使HRCLDAS-V1.0業務系統形成一個協調統一的穩定可靠的有機整體。運行調度和監控作為數據采集、數據處理、陸面驅動數據處理與產品生產、陸面模式模擬與土壤濕度產品生產、產品數據后處理等全過程生命周期業務流程的控制中樞，具有數據請求配置、流程配置及調度、運行監控等功能。HRCLDAS-V1.0業務系統通過調度管理和運行監控，實現業務處理流程的統一配置和調度管理，以及協調各個業務單元的協同工作。

2.1　業務輸出產品清單及命名規則

2.1.1產品清單

根據產品生成時間和數據類型將HRCLDAS-V1.0業務產品（表6）分為驅動數據和模式模擬結果兩種。驅動數據時間分辨率為1 h，空間分辨率為1 km；模式模擬結果時間分辨率為1 d，空間分辨率為1 km。產品分為NetCDF格式的數據產品和圖片（PNG）格式的圖形產品。

表6　HRCLDAS-V1.0業務產品清單Table 6 List of HRCLDAS-V1.0 business products

2.1.2產品文件名命名規則

產品文件命名遵循CIMISS和通信系統命名規則，具體如下：

2.2　業務系統的運行穩定性

HRCLDAS-V1.0業務系統對實時運行的各種情況有較完備的判識、處理方案，具有較好的容錯能力。在系統運行穩定性測試期間，所有測試時次的數據產品和圖形產品均穩定正常生成。

2.3　數據量與負載率

HRCLDAS-V1.0業務系統登錄服務器分配存儲空間5 TB，用于臨時存儲輸入數據、業務產品、中間結果等。HRCLDAS-V1.0業務系統具有歷史數據自動刪除功能，實時系統會自動刪除各自3天前的歷史數據，以確保業務系統正常運行所需的存儲空間。

目前，HRCLDAS-V1.0業務系統數據存儲量基本維持在約4 TB，存儲空間利用率總體維持在84%左右。

2.4　系統效率與效能分析

目前，HRCLDAS-V1.0業務系統各功能模塊中，除短波輻射遙感反演和CLM陸面模式采用并行計算外，其他功能模塊均采用串行計算。

經業務系統運行調度流程優化，實時系統在整點20 min啟動。氣溫、氣壓、濕度、風速驅動產品制作模塊運行時間在10 min以內完成；小時降水驅動產品制作模塊運行時間在4 min以內完成；短波輻射驅動產品制作模塊運行時間在17 min以內完成；陸面模式模擬分析產品制作模塊運行時間在40 min以內完成；業務產品制圖模塊運行時間平均在5 min以內。下一步，將對驅動數據核心程序進行優化升級，使氣溫、氣壓、濕度、風速產品的時效得到進一步提升，預計未來將在整點過12 min之內完成這四種數據產品的制作。

3　結論與討論

研制1 km分辨率的陸面數據同化系統是《國家氣象信息中心氣象現代化實施方案（2014－2020年）》中明確提出的目標，也是國家氣象科技創新工程的攻關任務之一。HRCLDAS-V1.0是在CLDAS-V1.0與CLDAS-V2.0基礎上發展而來，即是對之前系統的延續，又是面對市場需求，進行了一次提升：

1）與CLDAS-V1.0相比，HRCLDAS-V1.0陸面驅動數據中2 m氣溫、地表氣壓、2 m濕度、10 m風速制作過程中融入了高分辨率的DEM和反照率等信息，同時，降水和短波輻射融合模塊也進行了改進，將地面站點觀測數據與背景場進行更有效的融合。

2）由于土壤濕度空間變異性非常強，高空間分辨率的陸面模擬能夠較好的抓住土壤濕度空間變異的細節，模擬結果與對應的地面觀測土壤濕度分布更為接近，HRCLDAS-V1.0在保證數據產品質量的情況下，成功將分辨率從0.0625°提高到0.01°，對于土壤濕度這樣空間變異強、分布復雜的要素而言，意義是非常重要的，在實際應用中，如土壤墑情監測、作物估產等，此類高分辨率產品應用非常迫切[17]。

3）高分辨率陸面模擬對計算資源和存儲資源的要求極高，為了進行中國區域1 km陸面模擬，HRCLDAS-V1.0設計了分區并行與模式并行的模擬方案，實現了中國區域1 km分辨率土壤濕度產品的高效模擬。

盡管如此，但高分辨率陸面模擬消耗大量的計算和存儲資源，在有限的資源的情況下，目前只針對土壤濕度進行了細致分析評估；未來在進一步擴充計算資源和存儲資源的情況下，將對土壤溫度、積雪深度、感熱潛熱通量、徑流等要素進行評估分析，提供更多更全面的陸面要素變量供科研和業務使用。

[1]Jacoc M J, Moors E J, Ter M H W, et al. Evaluation of European Land Data Assimilation System (ELDAS) products using in site observations. Tellus A, 2010, 60(5): 1023-1037.

[2]Tian X, Xie Z. A global land data assimilation system: preliminary evaluations // AGU Fall Meeting. AGU Fall Meeting Abstracts,2009.

[3]Mitchell K E, Lohmann D, Houser P R, et al. The multi-institution North American Land Data Assimilation System (NLDAS):Utilizing multiple GCIP products and partners in a continental distributed hydrological modeling system. J Geophys Res, 2004,109(D7): 585-587.

[4]Chen F, Manning K W, LeMone M A, et al. Description and evaluation of the characteristics of the NCAR High-Resolution Land Data Assimilation System. J Appl Meteor Climatol, 2007, 46:694–713.

[5]Chen F, Manning K W, Barlage M, et al. NCAR High-resolution Land Data Assimilation System and its recent applications.American Geophysical Union, Spring Meeting 2008.

[6]Lim Y J, Lee T Y, Byun K Y. Korea Land Data Assimilation System(KLDAS) and its application using WRF. In 22nd Conference on Hydrology, 88th American Meteorological Society Annual Meeting,New Orleans, LA, January 20–24, 2008.

[7]Xie Y, Koch S, Mcginley J, et al. A space-time multiscale analysis system: A sequential variational analysis approach. Monthly Weather Review, 2011, 139(4): 1224-1240.

[8]張濤, 苗春生, 王新. LAPS與STMAS地面氣溫融合效果對比試驗. 高原氣象, 2014, 33(3): 743-752.

[9]譚曉光, 羅兵. 天氣預報分析型數據模型及生成. 應用氣象學報,2014(1): 120-128.

[10]Yang K, Huang G W, Tamai N. A hybrid model for estimating global solar radiation, Solar Energy, 2001, 70: 13-22.

[11]Xu B, Xie P, Xu M, et al. A validation of passive microwave rainrate retrievals from the Chinese FengYun-3B satellite. Journal of Hydrometeorology, 2015, 16: 1886-1905.

[12]徐賓, 師春香, 姜立鵬, 等. 東亞多衛星集成降水業務系統. 氣象科技, 2015, 43(6): 1007-1014.

[13]冉有華, 李新, 盧玲. 四種常用的全球1km土地覆蓋數據中國區域的精度評價. 冰川凍土, 2009, 31(3): 490-500.

[14]Shangguan W, Dai Y, Liu B, et al. A China data set of soil properties for land surface modeling. Journal of Advances in Modeling Earth Systems, 2013, 5(2): 212–224.

[15]韓帥, 師春香, 林泓錦, 等. CLDAS土壤濕度業務產品的干旱監測應用. 冰川凍土, 2015, 37(2): 446-453.

[16]韓帥, 師春香, 姜立鵬, 等. CLDAS土壤濕度模擬結果及評估. 應用氣象學報, 2017, 28(3): 369-378.

[17]楊霏云, 高學浩, 鐘琦, 等. 作物模型、遙感和地理信息系統在國外農業氣象服務中的應用進展及啟示. 氣象科技進展, 2012,2(3): 34-38.