西北中东部ECMWF-HR...与FY-2G云量产品的对比_魏栋.pdf

第 41 卷 第 3 期2023 年 6 月Vol.41 No.3June，2023干旱气象Journal of Arid Meteorology西北中东部ECMWF-HR云量预报产品与FY-2G云量产品的对比魏栋1，2，3，沙宏娥1，2，3，秦豪君3，吕巧谊4，刘丽伟1，傅朝3（1.半干旱气候变化教育部重点实验室，兰州大学大气科学学院，甘肃 兰州 730000；2.中国气象局兰州干旱气象研究所，甘肃 兰州 730020；3.兰州中心气象台，甘肃 兰州 730020；4.厦门市海峡气象开放重点实验室，福建 厦门 361000）摘要：为了了解ECMWF-HR模式云量预报产品在西北中东部地区的精度，利用2019年10月至2020年9月共计12个月的FY-2G卫星总云量反演产品，对西北地区中东部同时段的ECMWF-HR总云量预报产品进行对比分析，并选取3个典型区分析ECMWF-HR总云量预报偏差的日变化特征。结果表明，ECMWF-HR模式对西北地区中东部总云量的预报偏差白天较小，夜间偏差增大约10%20%。总云量预报偏差具有明显的季节特征，夏半年ECMWF-HR模式云量预报整体偏多且偏差空间分布均匀；冬半年总云量预报有区域性特征，祁连山区西段明显偏低，甘肃和陕西南部明显偏多，其他大部地区的预报偏差低于夏半年。总体来说，ECMWF-HR模式总云量预报稳定可信，但在祁连山西段和甘肃与陕西南部2个明显异常区域需进行偏差订正。前者需要在模式预报基础上调高10%30%，后者需要降低20%30%；订正后的总云量预报与卫星反演结果较为接近，平均绝对偏差约4.5%，且与卫星反演结果具有相似的日变化特征。关键词：ECMWF-HR；总云量；FY-2G卫星；西北地区中东部；日变化文章编号：1006-7639（2023）03-0483-08 DOI：10.11755/j.issn.1006-7639（2023）-03-0483中图分类号：P426.5 文献标志码：A引 言甘肃、青海、宁夏、陕西4省（区）位于西北地区中东部，地处内陆腹地，总面积约141万km2，占我国国土总面积的六分之一。该区域横跨多个气候区，有青藏高原、黄土高原、柴达木盆地、河套平原、关中平原等多种地形地貌区，下垫面条件复杂、降水分布不均、生态环境脆弱（张强等，2010；王澄海等，2021）。我国重要的生态安全屏障三江源和祁连山，也位于这一地区，其丰富的云水和冰川资源，孕育并发源了黄河、长江、澜沧江等一级河流和黑河、党河、石羊河等内陆河流，是西北地区乃至我国重要的水源涵养地；与此同时，得益于优良的日照条件和产业政策支持，该区域目前是我国主要的光伏发电产业区，而对光伏发电影响最大的自然因素太阳辐射强度，主要受云量覆盖程度的调控，因此云量预报对光伏发电产业至关重要（刘玉兰等，2011；孙朋杰等，2013；吕学梅等，2014）。云是常见的自然现象，它的形成、发展和消散，在地气能量平衡和水循环中起着重要作用，不仅是地气系统辐射收支极为重要的调节因子（廖国男，1985；高太长等，2010），还是空中水资源的主要载体和产生大气降水的决定性因素之一（余忠水等，2018），因此云降水是水资源可持续利用的重要来源（强安丰等，2020）；此外，云还通过吸收散射太阳辐射、捕获地表发射的红外辐射、自身向外发射热辐射等方式，调节地气系统魏 栋，沙宏娥，秦豪君，等.西北中东部ECMWF-HR云量预报产品与FY-2G云量产品的对比 J.干旱气象，2023，41（3）：483-490，WEI Dong，SHA Hong e，QIN Haojun，et al.Comparison of cloud products of ECMWF-HR and FY-2G satellite in the central and eastern parts of Northwest China J.Journal of Arid Meteorology，2023，41（3）：483-490，DOI：10.11755/j.issn.1006-7639（2023）-03-0483收稿日期：2021-04-08；改回日期：2022-10-03基金项目：干旱气象科学研究基金项目（IAM202115、IAM202013）、国家自然科学基金项目（42205083、91837311）、甘肃省气象局面上项目（Zcms2021-23）、厦门市青年创新基金项目（3502Z20206078）及甘肃对流性暴雨预报预警关键技术创新团队项目（GSQXCXTD-2020-01）共同资助作者简介：魏栋（1990），男，甘肃兰州人，博士研究生，主要从事中尺度数值模式和卫星资料应用研究。E-mail:。通信作者：沙宏娥（1985），女，山东郓城人，高级工程师，主要从事中短期天气预报研究。E-mail:。41 卷干旱气象辐射收支并进而影响大气环流和气候变化，对干旱和半干旱区的气候影响尤为显著（汪宏七和赵高祥，1994；曹越前等，2015）。因此，在该区域无论是云水资源还是光伏能源产业，云的研究都对其具有重要意义。已有研究对西北地区云的时空分布特征进行了详细诊断（宜树华等，2003；陈勇航等，2005；范思睿等，2020），同时针对祁连山和三江源等西北云水资源丰富区，云的季节分布与演变特征也有相关研究（王宝鉴等，2006；强安丰等，2020）。这些研究揭示了相关区域云自身的分布变化趋势及云资源开发利用的意义，若更进一步实现云资源的有效利用，则需要较为准确的云预报产品作为支撑。从这一角度看，在作为主要预报手段的数值模式本身存在不确定性和误差的现状下，对模式预报云产品要进行有针对性的检验评估，这也是云预报产品应用的关键环节（Gao and Xiao，2009；Zhang et al.，2010）。相关研究针对 NCEP（National Centers for Environmental Prediction）全球预报系统（Global Forecast System，GFS）（张寅等，2012）、CMA-GFS（China Meteorological Administration Global Forecast System，原GRAPES-GFS）和 WRF（Weather Research and Forecasting Model）（吴伟，2011）等数值模式开展了云预报产品检验评估工作，但聚焦于西北地区中东部的模式云预报产品检验评估目前少有开展。另一方面，作为全球主流的数值天气预报模式，ECMWF-HR（European Centre for Medium-Range Weather Forecasts High Resolution）在实际业务中有广泛应用，尤其在云预报方面。以往预报业务中发现ECMWF-HR对西北地区中东部的云量预报存在一定偏差，预报准确率有待提升，因此对ECMWF-HR云量预报产品在该区域的检验评估亟待开展且有重要意义。研究表明我国 FY-2G 静止气象卫星的总云量反演产品数据质量可靠，可以较好地代表实际云量覆盖情况（刘健等，2017；李娅等，2018），考虑到西北地区中东部范围大且地面观测站点稀疏，本文利用FY-2G卫星总云量反演产品作参考，对2019年10月至2020年9月的ECMWF-HR总云量预报产品进行对比分析与评估，以期提高对西北地区中东部云水资源预报的客观认识，同时为面向光伏新能源产业的专业气象预报订正提供参考依据。1数据及方法1.1资 料所用卫星资料为我国 FY-2G 卫星的总云量反演产品，为 HDF 格式数据，星下点空间分辨率0.050.05，时间分辨率1 h，通过风云卫星遥感数据服务网（http：/ and Janssen，2004；Leutbecher et al.，2017）。ECMWF-HR总云量预报产品空间分辨率为0.1250.125，时间分辨率为3 h。文中附图涉及的地图均基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1552号的标准地图制作，底图无修改；文中所有时间为世界时。1.2评估方法利用2019年10月至2020年9月共计12个月的ECMWF-HR总云量预报产品和同时段 FY-2G卫星总云量反演产品，按照ECMWF-HR总云量预报产品空间分辨率及预报时效提取对应格点相同时次的FY-2G卫星总云量反演产品，形成与模式网格点相对应的卫星反演实况格点数据，以此为基础开展针对ECMWF-HR云产品的误差评估和空间检验。分别计算 ECMWF-HR 模式 00：00、12：00 起报的3 h预报时效的总云量平均误差（Mean Error，ME）和平均相对误差（Mean Relative Error，MRE）两种检验指标，并对计算结果进行对比检验，ME与MRE计算公式如下：ME=1ni=1n()Rfo-Rob（2）MRE=1ni=1n|Rob-RfoRob（3）式中：Rfo和Rob分别代表模式预报值和卫星反演值。为了检验分析前了解西北地区中东部总云量的季节分布特征，利用 2019年 10月至 2020年 9月的FY-2G卫星反演数据，并参考该区域汛期和非汛期划分时间节点，以10月至次年3月代表冬半年，49月代表夏半年，按冬半年和夏半年分别计算总云量空间距平。总云量距平的空间分布可直观显示西北中东部冬、夏半年云量偏多或偏少的关键区域。格点云量距平计算公式如下：484第 3 期魏栋等：西北中东部ECMWF-HR云量预报产品与FY-2G云量产品的对比A(i,j)=1ntt=1ntR()i,jt-1nxnyi=1nyj=1nx|1ntt=1ntR()i,jt（4）式中：R(i,j)t为t时次格点(i,j)的总云量；nt为所有参与计算的总云量观测时次；ny、nx分别为计算区域纬度和经度方向格点数。2两种云量分布特征对比利用2019年10月至2020年9月的FY-2G卫星总云量反演产品和同时段的ECMWF-HR模式预报云量产品，绘制卫星反演和模式预报的平均总云量空间分布图（图1）。其中，卫星反演平均总云量为研究时段内所有时刻总云量的算术平均值；模式预报平均总云量为相同时段内，ECMWF-HR模式每天12：00 起报的 24 h 内总云量算术平均值。可以看出，模式预报的平均总云量与卫星反演结果整体都呈北少南多分布；青海北部与甘肃交界处的祁连山西段为卫星反演结果大值区，而该区域模式预报平均总云量偏少；模式预报平均总云量较卫星反演结果整体偏多 10%左右，且甘肃和陕西南部偏多明显。卫星反演云量产品更接近实际，为进一步了解研究区域总云量分布特征，利用 2019 年 10 月至2020年9月的FY-2G卫星反演数据计算冬、夏半年西北中东部地区云量距平，从图2可以看出，冬半年祁连山西段山区和青海南部是较为明显的2个云量偏多区域，而位于两者之间的柴达木盆地以干旱荒漠为主，云量较少；甘肃西北部和中部、宁夏大部至陕西北部一带也是云量较少区域，总云量偏少5%10%。夏半年，西北中东部地区大部云量明显增多，尤其在青藏高原及其边坡地区云量正距平区范围较大，这与高原夏季对流活动旺盛有关（王遂缠等，2005；郑晓辉等，2013；王宝鉴等，2017；张宁瑾等，2018；刘俏华等，2021）；甘肃西北部有明显的少云区域，表明夏半年沙漠戈壁地区的云量明显偏少。图12019年10月至2020年9月西北中东部地区FY-2G卫星反演（a）与ECMWF-HR模式预报（b）平均总云量（单位：%）Fig.1Average total cloud cover retrieved by FY-2G satellite（a）and forecasted by ECMWF-HR（b）in the central and eastern partsof Northwest China from October 2019 to September 2020（Unit：%）图2FY-2G卫星反演的2019年10月至2020年3月（a）与2020年49月（b）西北中东部地区总云量距平分布（单位：%）Fig.2Distribution of total cloud cover anomalies in the central and eastern parts of Northwest China from October 2019 to March 2020（a）and from April to September 2020（b）retrieved from FY-2G satellite data（Unit：%）48541 卷干旱气象3模式产品空间误差分析考虑到西北中东部地区云量分布的季节性特征，模式产品空间检验中按照冬半年和夏半年分别计算ECMWF-HR总云量预报相对于FY-2G卫星反演总云量在072 h预报时效的平均误差、平均相对误差。冬半年平均误差（图3）显示，祁连山西段、河西北部山区 ECMWF-HR 预报的总云量普遍偏少10%30%；甘肃河东、宁夏南部、陕西关中及陕南的总云量预报普遍偏多10%20%，陇南、天水、陕南等市部分地方偏多30%40%。除此之外，西北中东部大部地区 ECMWF-HR 预报的总云量平均误差在20%以内。夏半年平均误差（图4）分布则与冬半年不同，西北中东部地区大部均为正偏差，夏半年ECMWF-HR的预报总云量整体偏多；除甘肃中部、宁夏大部偏差为 20%30%以外，其余地方偏差均为10%20%，尤其是冬半年预报效果较差的2个区域（西北部和东南部），夏半年预报效果相对较好。在西北中东部地区，ECMWF-HR预报的夏半年总云量平均误差分布较为均匀，大部分地区平均误差均为10%20%，预报云量比观测整体略偏多；与夏半年不同，冬半年西北中东部地区的模式云量预报偏差则有明显的区域性特征，其中祁连山区西段有负偏差（偏差中心值达-60%-40%），该区域东南部有明显的正偏差（偏差中心值达40%60%），其他大部地区的偏差则很小（10%）。从ECMWF-HR预报总云量的平均相对误差分布（图4）可以看出，西北中东部地区模式预报总云量的平均相对误差分布不均，这一特征在冬半年表现尤为明显；甘肃中部、河西走廊、陕西北部等区域的ECMWF-HR预报总云量平均相对误差小于其他地区；高海拔地区（青藏高原、祁连山中西部）和陇图3西北中东部地区ECMWF-HR预报总云量的平均误差（单位：%）（a）冬半年，（b）夏半年Fig.3The mean error of total cloud cover forecasted by ECMWF-HR in the central and eastern parts of Northwest China（Unit：%）（a）winter half year，（b）summer half year图4西北中东部地区ECMWF-HR总云量预报平均相对误差（单位：%）（a）冬半年，（b）全年Fig.4The mean relative error of total cloud cover forecasted by ECMWF-HR in the central and eastern parts of Northwest China（Unit：%）（a）winter half year，（b）the whole year486第 3 期魏栋等：西北中东部ECMWF-HR云量预报产品与FY-2G云量产品的对比南、陕南等地平均相对误差普遍偏大（30%40%）；冬半年平均相对误差和平均误差的大值中心较为一致，全年平均相对误差的大值中心则主要位于祁连山西段（约30%35%），与之相比冬半年该区域平均相对误差更大。夏半年西北中东部地区整体平均相对误差在30%35%以内（图略）。4不同区域误差对比及成因分析选取误差特征不同的3个典型区域检验模式总云量预报平均误差的时序演变，其中祁连山西段A区（94.5E98.5E，38N39.5N）以及甘肃和陕西南部 B 区（111E103E，32.5N36.5N）冬季模式云量预报效果较差且偏差分布相反，平均误差可以更直观地体现预报相对实况的正负偏差程度；青海西部 C 区（92E94.5E，35N36.5N）冬半年和全年的平均误差都相对较小，预报较为稳定，可作为前2个区域的对比区（图5）。图6为典型区域从2019年10月到2020年9月00：00和12：00起报的未来240 h云量预报偏差时间序列。可以看出，与FY-2G卫星总云量反演结果相比，区域A与区域B的ECMWF-HR模式云量预报平均误差存在明显的规律性波动，前者为一致的负偏差，后者为一致的正偏差；00：00和12：00起报的总云量预报产品偏差幅度接近，且随着预报时效延长偏差无明显增大现象，预报能力相对稳定；偏差绝对值白天小、夜间大。区域C偏差整体小于A、B两个区域，偏差序列波动与区域A同相位，与区域B反相位；值得注意的是，区域C偏差序列同样反映出偏图52019年10月至2020年9月西北中东部地区ECMWF-HR模式总云量预报平均误差（单位：%）（3个红色方框为典型检验区）Fig.5The mean error of ECMWF-HR total cloud forecast product in the central and eastern parts of Northwest Chinafrom October 2019 to September 2020（Unit：%）（The red boxes are three typical verification regions）图6ECMWF-HR模式0240 h预报时效总云量平均误差序列（阴影区域代表夜间）（a）00：00 起报，（b）12：00起报Fig.6The mean error series of ECMWF-HR total cloud forecast product in the whole forecast periods（0-240 h）（the shaded for night time）（a）forecast starting at 00：00，（b）forecast starting at 12：0048741 卷干旱气象差白天小、夜间大的特征，其中072 h预报时效内偏差序列在-10%10%之间振荡，72 h以后则主要为负偏差，偏差在-10%1%之间。ECMWF-HR模式总云量预报偏差出现非常规律的日变化特征，主要由以下原因造成：ECMWF-HR模式云量预报中同化了可见光波段卫星资料，夜间可见光波段卫星资料缺失，有可能降低ECMWF-HR模式对夜间云量预报的能力，造成云量预报偏差的日变化。此外，ECMWF-HR模式诊断云方案中单层云量的计算来源于对流云量和用相对湿度阈值法计算的大尺度云量，所有模式单层云量合成总云量；总云量的计算利用了对流云量和相对湿度，其中对流云量计算依赖于相对湿度、垂直速度及经验系数（郑晓辉等，2013）。在模式总云量计算方案中，作为关键因子的相对湿度会随着温度的日变化而呈现出日变化特征（Moradi，et al.，2016），因此ECMWF-HR模式总云量预报产品也随之表现出一定的日变化特征。值得注意的是，区域A地处青藏高原东北缘及祁连山西端，西与阿尔金山脉相接，西北与西南方向分别为库姆塔格沙漠和柴达木盆地，境内有党河南山、野马南山、疏勒南山、托勒南山等，山峰海拔多在4 0005 500 m，山间谷地海拔在3 0003 500 m之间，属于高原高寒气候，大气干洁、云系偏少。ECMWF-HR作为全球模式，对于区域A高山地形带来的小尺度气流抬升、山谷风等局地的动力及热力效应无法充分考虑（Skjerdal and Sundvor，2009；张超等，2018；王平等，2018；肖玉华等，2019）。区域B地处秦岭及以北黄土高原，海拔一般为1 0002 000 m，属暖温带气候，因季风及绕高原气流的作用，大气温湿状况有明显的季节差异，导致该区域总云量具有显著的季节差异（李栋梁等，2013）。综上，地理气候等因素使得A、B两区域云系本身具有显著的分布差异。5模式云量订正为了在实际预报应用中对ECMWF-HR总云量预报产品做出有效订正，有必要对2个偏差明显的区域的总云量特征进行更进一步研究。利用2019年10月至2020年9月FY-2G卫星观测反演数据，统计2个区域总云量的日变化序列（图7）。可以看出，区域A的总云量在夜间呈明显减少趋势，总云量相对于白天减少接近10%，夜间平均总云量在46%左右，白天总云量平均约54%；区域B恰恰相反，夜间总云量增多，从白天的34%左右增加到接近45%。基于模式预报结果，区域A云量预报需要在模式预报基础上调高10%30%，而区域B需要在模式预报基础上降低20%30%。根据区域A、B统计得到的订正方案，对 2019 年 10 月至 2020 年 9 月 ECMWF-HR模式00：00起报的前24 h云量预报结果进行订正，得到 00：0024：00平均云量预报曲线（图 7）。可以看出，2个区域订正后的模式云量预报与卫星反演结果较为接近，平均绝对偏差约4.5%，且与卫星反演结果具有相似的日变化特征。6结 论本文利用2019年10月至2020年9月的FY-2G卫星总云量反演产品，对西北中东部地区同时段ECMWF-HR模式总云量预报产品进行检验评估，并选取关键区域分析ECMWF-HR总云量预报偏差的日变化特征，并对其可能原因进行了讨论。结果表明：（1）ECMWF-HR模式对西北中东部地区大部的总云量预报相对稳定，白天预报偏差较小、夜间偏差增大；夜间预报偏差绝对值增幅在祁连山西段以及甘肃和陕西南部2个区域分别为10%和20%。（2）模式总云量预报在西北中东部地区有明显的季节特征，夏半年模式云量预报整体偏多且偏差空间分布均匀，冬半年模式云量预报祁连山区西段明显偏低，而甘肃和陕西南部明显偏多，其他大部地区预报偏差低于夏半年。造成ECMWF-HR模式总云量预报日变化特征的可能原因：一方面考虑模式云量计算关键因子相对湿度本身由于温度变化而存在日变化特征；另一图72个区域FY-2G卫星总云量和订正后的ECMWF-HR模式预报总云量日变化（阴影代表夜间）Fig.7The diurnal variation of total cloud cover retrieved from FY-2G satellite data and the corrected values of ECMWF-HR cloud forecast products in two regions（the shaded for night time）488第 3 期魏栋等：西北中东部ECMWF-HR云量预报产品与FY-2G云量产品的对比方面 FY-2G卫星观测反演数据夜间质量略高于白天。总体来说，ECMWF-HR模式对西北中东部地区大部的总云量预报相对可信，但在2个明显异常区需要进行偏差订正，其中祁连山西段需要在模式预报基础上调高10%30%，而甘肃和陕西南部则需要在模式预报基础上降低20%30%。参考文献：曹越前，张武，药静宇，等，2015.半干旱区云量变化特征及基与太阳-辐射关系的研究 J.干旱气象，33（4）：684-693.陈勇航，黄建平，陈长和，等，2005.西北地区空中云水资源的时空分布特征 J.高原气象，24（6）：905-912.范思睿，王维佳，林丹，2020.基于ISCCP云资料的中国地区不同类型云的时空分布 J.干旱气象，38（2）：213-225.高太长，刘磊，赵世军，2010.全天空测云技术现状及进展J.应用气象学报，21（1）：101-109.李栋梁，邵鹏程，王慧，等，2013.中国东亚副热带夏季风北边缘带研究进展 J.高原气象，32（1）：305-314.李娅，郭建侠，曹云昌，等，2018.FY-2G云量产品与地面观测云量对比分析 J.高原气象，37（2）：514-523.廖国男，1985.大气辐射导论 M.北京：气象出版社.刘健，崔鹏，肖萌，2017.FY-2G卫星冬夏云量产品偏差分析J.应用气象学报，28（2）：177-188.刘俏华，姚秀萍，陈明诚，2021.基于OLR资料的青藏高原地区对流活动研究 J.大气科学，45（2）：456-470.刘玉兰，孙银川，桑建人，等，2011.影响太阳能光伏发电功率的环境气象因子诊断分析 J.水电能源科学，29（12）：200-202.吕学梅，朱虹，王金东，等，2014.气象因素对光伏发电量的影响分析 J.可再生能源，32（10）：1 423-1 428.强安丰，汪妮，魏加华，等，2020.近50年三江源地区云水资源分布及降水效率研究 J.应用基础与工程科学学报，28（3）：574-593.孙朋杰，陈正洪，成驰，等，2013.太阳能光伏电站发电量变化特征及其与气象要素的关系 J.水电能源科学，31（11）：249-252.王宝鉴，黄玉霞，王劲松，等，2006.祁连山云和空中水汽资源的季节分布与演变 J.地球科学进展，21（9）：948-955.王宝鉴，黄玉霞，魏栋，等，2017.TRMM卫星对青藏高原东坡一次大暴雨强降水结构的研究 J.气象学报，75（6）：966-980.王澄海，张晟宁，李课臣，等，2021.19612018年西北地区降水的变化特征 J.大气科学，45（4）：713-724.王平，陈怡蓓，何艳红，等，2018.ECMWF高分辨率数值模式对广安地区气温预报性能检验分析 J.高原山地气象研究，38（4）：41-44.王遂缠，李栋梁，王谦谦，2005.青藏高原东北侧夏季降水的气候特征分析 J.干旱气象，23（2）：13-18.汪宏七，赵高祥，1994.云和辐射（I）：云气候学和云的辐射作用 J.大气科学，18（增刊1）：910-932.吴伟，2011.基于CloudSat及MODIS卫星云产品对GRAPES全球模式和WRF模式云微物理方案的对比检验 D.兰州：兰州大学.肖玉华，王佳津，蒋丽娟，等，2019.GRAPES-GFS在西南地区的预报稳定性及其误差与地形的关系 J.暴雨灾害，38（1）：59-65.宜树华，刘洪利，李维亮，等，2003.中国西北地区云时空分布特征的初步分析 J.气象，29（1）：7-11.余忠水，拉巴，周洪莉，等，2018.近40年西藏高原云量与降水分布及耦合变化特征 J.西藏科技，2018（9）：51-57.张超，孙绩华，巩远发，等，2018.ECMWF高分辨率网格对云南区域降水预报性能的定量检验 J.成都信息工程大学学报，2018（6）：93-108.张宁瑾，肖天贵，假拉，2018.19792016年青藏高原降水时空特征 J.干旱气象，36（3）：373-382.张强，张存杰，白虎志，等，2010.西北地区气候变化新动态及对干旱环境的影响总体暖干化，局部出现暖湿迹象 J.干旱气象，28（1）：1-7.张寅，罗亚丽，管兆勇，2012.NCEP全球预报系统在 ARM SGP站点预报大气温度、湿度和云量的检验 J.大气科学，36（1）：170-184.郑晓辉，徐国强，魏荣庆，2013.GRAPES新云量计算方案的引进和影响试验 J.气象，39（1）：57-66.GAO S T，XIAO F L，2009.Dependence of the accuracy of precipitation and cloud simulation on temporal and spatial scalesJ.Advances in Atmospheric Sciences，（6）：1 108-1 114.ISAKSEN L，JANSSEN P A E M，2004.Impact of ERS scatterometer winds in ECMWFs assimilation systemJ.Quarterly Journal of the Royal Meteorological Society，130（600）：1 793-1 814.LEUTBECHER M，LOCK S J，OLLINAHO P，et al.Stochastic representations of model uncertainties at ECMWF：state of the art and future vision J.Quarterly Journal of the Royal Meteorological Society，2017，143（707）：2 315-2 339.MORADI I，ARKIN P，FERRARO R，et al，2016.Diurnal variation of tropospheric relative humidity in tropical regionsJ.Atmospheric Chemistry and Physics，16（11）：6 913-6 929.SKJERDAL，SUNDVOR M，2009.Variability of precipitation in complex terrain and the investigation of representativeness of a single point measurement for the Matre Hydro System，Western Norway J.Vdp Matematikk Og Naturviten48941 卷干旱气象skap Geofag Meteorologi.ZHANG G J，ZUROCAVC-JEVTIC D，BOER E R，1999.Spatial characteristics of the tropical cloud systems：comparison between model simulation and satellite observationsJ.Tellus A，51（5）：922-936.Comparison of cloud products of ECMWF-HR and FY-2G satellite in the central and eastern parts of Northwest ChinaWEI Dong1，2，3，SHA Hong e1，2，3，QIN Haojun3，LYU Qiaoyi4，LIU Liwei1，FU Zhao3（1.Key Laboratory for Semi-arid Climate Change of the Ministry of Education，College of Atmospheric Sciences，Lanzhou University，Lanzhou 730000，China；2.Institute of Arid Meteorology，Chinese Meteorological Administration，Lanzhou 730020，China；3.Lanzhou Central Meteorological Observatory，Lanzhou 730020，China；4.Xiamen Key Laboratory of Straits Meteorology，Xiamen 361000，Fujian，China）Abstract：The ECMWF-HR cloud forecast products are verified by using the total cloud cover inversion products of FY-2G satellite from October 2019 to September 2020 and the diurnal variation characteristics of ECMWF-HR total cloud cover products in the central and eastern parts of Northwest China are diagnosed in selected key areas to provide references for the application of cloud forecasting.The results show that the total cloud forecasted by the ECMWF-HR is relatively stable and has obvious diurnal characteristics in the study area.Forecast deviation is small in the daytime and at night it increases by 10%-20%.Meanwhile,there are obviously seasonal characteristics of cloud forecast product,and it has positive deviation in summer half year and the spatial distribution of the deviation is even.It shows regional distribution characteristics in winter half year with negative deviations in the western Qilian Mountains and positive deviation in Gansu and the south part of Shanxi,and the deviation is lower in winter half year than in summer half year in other areas.In general,the cloud forecast product of ECMWF-HR is relatively reliable in the study area,but in two regions,there are significant anomalies.Total cloud forecast needs to be increased by about 10%-30%in the western Qilian Mountains and decreased by about 20%-30%in Gansu and the south part of Shanxi on the base of ECMWF-HR product.The model correction results are relatively close to the satellite inversion results,with an average absolute deviation of 4.5%and similar diurnal variation characteristics.Key words：ECMWF-HR；total cloud cover；FY-2G；central and eastern parts of Northwest China；diurnal variation（责任编辑：王涓力；校对：刘晓云）490