Aperçu
Ce document fournit un aperçu des données de précipitation du « Climate Prediction Center » (CPC), jeu de données conu sur le nom de « CPC Merged Analysis of Precipitation Enhanced Version » (CMAP/A). Il s'agit de valeurs de taux de précipitation sur grille mensuelles et mondiales pentadécimales (presque complètes sur le plan spatial) dérivées de cinq types d'estimations satellitaires et de mesures de jauges, ainsi que d'un remplissage supplémentaire des données manquantes à l'aide de la réanalyse NCEP.
Coordonnées du fournisseur
Le jeu de données est produit par le centre de prévision climatique du NOAA.
Point de contact pour les données :
« Physical Sciences Laboratory: Data Management
NOAA/ESRL/PSL
325 Broadway
Boulder, CO 80305-3328
psl.data@noaa.gov »
Licences et citations
Citer comme : Xie, P., et P.A. Arkin, 1997 : « Global precipitation : A 17-year monthly analysis based on gauge observations, satellite estimates, and numerical model outputs. Bull. Amer. Meteor. Soc. », 78, 2539 - 2558.
Nom de la variable et unités
| Nom | Description | Unités | Fréquence |
|---|---|---|---|
| Pluie | Valeur par maille de la moyenne mensuelle des précipitations ou de la moyenne pentadique des précipitations. | mm/jour | Mensuel ou pentadécimal |
Couverture et résolution spatiales
Ce jeu de données combine les observations, les précipitations par satellite et les données de réanalyse des précipitations dans une grille globale de 2,5°x2,5°.
Couverture et résolution temporelles
Le jeu de données mensuel couvre la période du 1979/01 au présent. Le jeu de données pentadécimal couvre la période du 1979/01 au 2016/12/27.
Informations sur les observations (nombre, homogénéité)
Couverture médiocre aux hautes latitudes, donc utilisation des précipitations de réanalyse pour combler les lacunes.
Méthodologie
L'enregistrement CMAP/A (amélioré) est assemblé par la méthode du maximum de vraisemblance qui détermine les coefficients de pondération des données d'entrée :
- GPI basé sur l'IR
- OPI à base d'OLR
- Jeu de données Spencer basé sur le MSU
- Jeu de données NOAA/NESDIS basé sur la diffusion SSM/I
- Jeu de données SSM/I-émissions de Chang
Ensuite, la méthode de mélange variationnel combine ce produit hybride télédétecté avec les analyses basées sur les jauges pour améliorer le biais.
Enfin, les données manquantes et existantes sont ajustées avec une contribution pondérée des champs de précipitations de la réanalyse NCAR.
Plus de détails, à partir de la source NOAA (https://www.cpc.ncep.noaa.gov/products/global_precip/html/wpage.cmap.html ) :
Tout d'abord, l'erreur aléatoire est réduite en combinant linéairement les estimations satellitaires à l'aide de la méthode du maximum de vraisemblance, auquel cas les coefficients de combinaison linéaire sont inversement proportionnels au carré de l'erreur aléatoire locale des sources de données individuelles. Sur les terres émergées, l'erreur aléatoire est définie pour chaque période de temps et chaque emplacement de grille en comparant la source de données avec l'analyse des pluviomètres sur la zone environnante. Sur les océans, l'erreur aléatoire est définie en comparant les sources de données avec les observations des pluviomètres sur les atolls du Pacifique.
Informations concernant la qualité technique et scientifique
Il a été démontré que le CMAP représente une amplitude de cycle annuel supprimée et de faibles précipitations sur les terres par rapport à d'autres produits.
Contraintes et atouts pour l’application dans le nord du Canada
La qualité de l'analyse dépend fortement de la quantité et du type de données d'entrée, s'améliorant là où il y a de fortes densités de jauges. Il n'y a pas d'inclusion des observations satellitaires AIRS/TOVS (augmentation des observations à haute latitude) ni d'ajustement pour les sous-captures dans les mesures des jauges.
En général, l'incertitude augmente avec la latitude ; la qualité est la plus mauvaise dans les régions polaires.
Si le CMAP et le GPCP sont précieux en raison de leur longue durée d'enregistrement, il est probable que des ensembles de données plus récents sont plus précis pour les périodes d'enregistrement communes, en raison d'une plus grande uniformité des sources de données d'entrée et de produits dérivés de satellites plus avancés.
Références aux documents décrivant la méthodologie et/ou le jeu de données.
Xie, P., Arkin P.A., Janowiak J.E. (2007) CMAP : « The CPC Merged Analysis of Precipitation. In : Levizzani V., Bauer P., Turk F.J. (eds) Measuring Precipitation From Space. Advances In Global Change Research », vol 28. Springer, Dordrecht. https://doi.org/10.1007/978-1-4020-5835-6_25
Xie, P., et P. A. Arkin, 1997 : « Global Precipitation : A 17-Year Monthly Analysis Based on Gauge Observations, Satellite Estimates, and Numerical Model Outputs. Bulletin of the American Meteorological Society », 78(11), 2539-2558. https://doi.org/10.1175/1520-0477(1997)078<2539:gpayma>2.0.co;2
Yin, X. G., A. Gruber, et P. Arkin, 2004 : « Comparison of the GPCP and CMAP merged gauge-satellite monthly precipitation products for the period 1979-2001. Journal of Hydrometeorology », 5(6), 1207- 1222.
Lien pour télécharger les données et format des données
Lien vers le téléchargement disponible ici : https://psl.noaa.gov/data/gridded/data.cmap.html
Les données sont en format de fichier netCDF-4.
Publications comprenant l'évaluation de l'ensemble des données ou la comparaison avec d'autres données au Canada.
Anderson, B. T., N. Feldl, et B. R. Lintner, 2018 : « Emergent Behavior of Arctic Precipitation in Response to Enhanced Arctic Warming. Journal of Geophysical Research: Atmospheres », 123(5), 2704-2717. https://doi.org/10.1002/2017jd026799
Behrangi, A., et al. (2016), « Status of high-latitude precipitation estimates from observations and reanalyses, J. Geophys. Res. Atmos. », 121, 4468- 4486, doi:10.1002/2015JD024546.