基于集合卡尔曼滤波法的清江流域多源融合降水分析

高质量的水文气象观测数据是开展气象和水文灾害监测、预报预警及长期气候变化趋势分析的基本支撑。针对流域尺度内现有融合降水数据空间分辨率低的问题，通过集合卡尔曼滤波（EnKF）融合算法对清江流域33个地面站点和TRMM及CMORPH两种卫星产品的降水数据在日尺度上进行融合，得到了0.05°×0.05°的清江流域融合降水数据MSAP。利用留一交叉验证的方式对卫星降水、地面插值和MSAP融合降水数据进行定量分析，证明EnKF融合算法能从相关性系数R、平均绝对误差MAE和均方根误差RMSE 3个方面改善清江流域降水的精度，并且融合算法改善了卫星数据和地面数据在流域边界部分区域精度低的缺点，展现了EnKF融合算法在降水数据融合中的应用潜力。进一步地，将MSAP与CMFD、ERA5和MSWEP等3种主流再分析数据进行对比，并对1998年汛期清江流域与长江干流四次洪峰遭遇中最大的两次遭遇所对应的场次强降水进行了空间分析。结果表明，在时间尺度上，MSAP数据具有最高的R和最小的MAE及RMSE；在误差的空间分布上，MSAP数据在各站点精度评价指标的空间差异最小，四种再分析数据精度由高到低排序为MSAP&...