高 路，郝 璐

(1．福建師范大學地理科學學院，福州350007;2．福建省陸地災害監(jiān)測評估工程技術研究中心，福州350007;3．南京信息工程大學應用氣象學院，南京210044)

全球氣候變化是國際社會長期關注的重大議題，它所帶來的負面影響如溫度升高、海平面上升等已陸續(xù)被實驗模擬或定位觀測所證實［1］。氣溫是氣候變化討論的焦點，以往氣候變化的研究依賴于有限且分布不均的地面觀測站點，而地面觀測數據存在時間序列短、連續(xù)記錄短缺、記錄資料非均一化(如臺站遷移、計算方法改變)等問題。雖然空間插值方法廣泛應用于氣象要素在無資料區(qū)域的預測，但由于插值方法本身以及站點分布不均等因素的影響，導致結果具有較大的不確定性［2-3］。再分析資料同化了數值天氣預報和大量的地面觀測數據與衛(wèi)星遙感資料，具有時空分辨率精度高、時間跨度長等優(yōu)點，作為全球觀測資料的替代品在過去20年里越來越受歡迎［4-6］。因此在很多研究中，再分析資料被視為真實觀測數據［7］。中國學者也對再分析資料做了較多的研究，例如趙天保等［8-9］綜述了全球再分析資料的研究現狀和發(fā)展，通過對比中國區(qū)域內ERA-40和NCEP-2再分析資料，發(fā)現中國區(qū)域的溫度場和降水場的時空分布能夠體現在2套再分析資料中，但是在中國西部，尤其是青藏高原地區(qū)的差異比較大。鄧小花、謝瀟等［4，10］也對比了幾套再分析資料，發(fā)現針對中國區(qū)域各個再分析資料具有不同的優(yōu)缺點。白磊等［11］評估了ERA-Interim和NCEP/NCAR的氣溫和氣壓數據在天山山區(qū)的適用性，結果發(fā)現前者的可信度更優(yōu)。再分析資料在青藏高原地區(qū)也得到了廣泛應用，特別是變暖趨勢的檢測［12-16］。作為歐洲中期天氣預報中心 (ECMWF)第3代再分析資料，ERA-Interim在中國區(qū)域的適用性評估案例尚且不多。本研究運用1979—2010年中國756個觀測站點的逐月平均氣溫數據，對比ERA-Interim再分析資料，分析誤差及其來源，評估了ERA-Interim的可信性和適用性。該研究可為再分析資料在中國區(qū)域的應用提供參考。

1 數據來源與研究方法

1.1 ERA-Interim再分析資料

本研究采用ECMWF第3代再分析資料ERA-Interim。ERA-Interim提供了自1979年以來的再分析資料，并實時更新。相比第2代產品ERA-40數據同化模型，ERA-Interim采用了四維變分分析 (4DVar)，并結合改進的濕度分析、衛(wèi)星數據誤差校正等技術，實現了再分析資料質量的提升。ERA-Interim采用了綜合預報系統 (IFS)的Cycle31r2模型版本，采用光譜諧波分辨率T255作為分析基礎，最后得到簡化的高斯網格 (N128)數據，該網格近似于79 km(0.71°)的經緯度網格。通過雙線性插值技術，N128高斯網格數據被插值到了0.125°至2.5°多種經緯網格上。ERA-Interim提供每天4次的同化分析數據，同時發(fā)布2套為期10天每3小時的預報數據［17-18］。本研究采用0.5°×0.5°網格的月平均氣溫數據，時間序列為1979—2010。圖1為中國區(qū)域的ERA-Interim格點分布，共計3 858個。

圖1 中國區(qū)域ERA-Interim格點分布與地面觀測站點Figure1 Distribution of ERA-Interim grid points and observations in China

1.2 地面觀測資料

本研究采用國家氣象信息中心中國氣象科學數據共享平臺提供的中國756個基本、基準地面氣象觀測站及自動站1951年以來氣候資料的逐月平均氣溫數據集 (圖1)。觀測站點主要分布在中東部地區(qū)，青藏高原西部和新疆南部地區(qū)觀測站點稀少。依據2個標準對數據集進行預處理:一是站點數據需滿足連續(xù)測量2年以上;二是數據缺省連續(xù)不超過3個月。由于各個觀測站點的時間序列不一，為與ERAInterim數據對比，統一提取1979—2010年時間序列。其中604個站點的時間序列達到32年，占總站點的79.9%。僅25個站點 (3.3%)的時間序列短于10年。751個站點數據完整無缺失，占總站點數的99.3%，剩余5個站點數據缺省率均小于1%，觀測數據整體質量良好，適用于ERA-Interim再分析資料的評估與檢驗。

圖2 觀測站點與ERA-Interim的相關性統計Figure2 Statistics of correlation between observations and ERA-Interim data

1.3 研究方法

為避免插值帶來的誤差干擾，準確評價再分析資料的原始精度，本研究直接比較再分析資料對觀測值的誤差。分別提取與756個觀測站點距離最近的ERA-Interim格點，計算觀測值與ERA-Interim再分析資料在長時間序列下的平均偏差 (bias)，同時分析2個數據集的相關系數 (R)和均方根誤差 (RMSE)，評估ERA-Interim再分析資料在中國區(qū)域的適用性，并運用線性回歸方法分析誤差主要來源。

2 結果分析

圖2展示了756個觀測站點與ERA-Interim再分析資料的相關性?？傮w上，ERA-Interim與觀測值相關性高，相關系數達到0.955～0.995，其中617個站點的相關性超過0.995，占總數的81.6%，92.1%站點的相關性超過0.99。僅11個站點相關系數低于0.98。說明ERA-Interim能夠很好地反映大多數站點的年際變化。

圖3展示了偏差的站點統計，總體偏差范圍在－12℃ ～12℃。偏差為負值代表ERA-Interim低于觀測值，即ERA-Interim再分析資料呈現冷偏差;反之，偏差為正值表明ERA-Interim出現暖偏差。580個站點的冷偏差或暖偏差小于1℃，占站點總數的76.7%。鑒于區(qū)域氣候模式普遍存在1～2℃的冷偏差［19］，本研究評估偏差小于1℃為高可信度。64個站點 (8.5%)的冷偏差或暖偏差大于5℃，可信度較低。圖4反映了在不同站點海拔上的偏差統計。ERA-Interim在466個站點出現冷偏差，占總數的61.6%，38.4%的站點 (290個)呈現暖偏差。海拔低于500 m的站點整體上偏差較小，其中海拔低于200 m的站點偏差最小。隨著站點海拔的上升，偏差有增大趨勢，而且冷偏差的站點明顯多于暖偏差的站點，尤其是海拔高于2 000 m的站點。多數海拔3 000 m以上的站點大多數呈現明顯冷偏差。說明ERA-Interim再分析資料對高海拔站點的模擬能力較弱，具有較大的誤差。

圖3 觀測站點與ERA-Interim的偏差統計Figure3 Statistics of bias between observations and ERA-Interim data

圖4 基于站點海拔的偏差統計Figure4 Statistics of bias for the elevation of stations

由圖5可見，整體上，大于6℃的冷偏差主要分布在西部地區(qū)的高海拔山區(qū)，集中在西藏南部、云南、四川西部、青海、甘肅和新疆西北地區(qū)。東部的冷偏差較小，主要在－3～0℃。但東部地區(qū)的暖偏差站點明顯多于西部地區(qū)，主要集中在東部海拔較低的地區(qū)，包括東北南部、華北、華中華東地區(qū)，值得注意的是，東部觀測站點的密度遠遠大于西部地區(qū)。東南沿海站點呈現0～3℃的暖偏差。高于6℃的暖偏差主要集中在東部地區(qū)的高山站點，例如天池、五臺山、峨眉山、天目山和泰山等觀測站。西部地區(qū)的暖偏差一般不超過3℃，個邊站點 (西藏南部)出現高于6℃的暖偏差?？傮w上，暖偏差集中在東部地區(qū)，冷偏差的高值區(qū)集中在西部高海拔山區(qū)的站點。

圖5 觀測站點與ERA-Interim的偏差分布Figure5 Distribution of bias between observations and ERA-Interim data

圖6為均方根誤差 (RMSE)的站點統計，總體取值范圍在0℃ ～12℃。均方根誤差能夠敏感反映觀測值和ERA-Interim之間的極端誤差。375個站點的均方根誤差在1℃以下，占總數的49.6%，73.3%的站點(554個)均方根誤差在2℃以下。圖7反映了均方根誤差的空間分布。小于1℃的均方根誤差集中在東部地區(qū)，大于2℃均方根誤差的站點主要分布在青藏高原和新疆地區(qū)，與冷偏差的高值區(qū)分布一致。最大均方根誤差出現在四川的峨眉山站點達到11.2℃，68個站點的均方根誤差超過5℃，集中分布在青藏高原高海拔地區(qū)。東部地區(qū)的均方根誤差高值區(qū)與暖偏差一致，主要分布在高海拔山區(qū)，如五臺山和泰山等觀測站。

圖6 觀測站點與ERA-Interim的均方根誤差統計Figure6 Statistics of RMSE between observations and ERA-Interim data

圖7 觀測站點與ERA-Interim的均方根誤差分布Figure7 Distribution of RMSE between observations and ERA-Interim data

3 討論

756個站點的海拔不一，最高站點在西藏普蘭站，海拔4 900 m，最低點在江蘇射陽站，海拔2 m。東部站點海拔平均比西部低，但部分高山站點海拔較高。ERA-Interim的地面參數在固定格點高度上模擬。圖8為觀測站點與ERA-Interim格點的高度差分布 (ERA-Interim格點高度減去觀測站海拔)。625個站點 (82.7%)的海拔低于ERA-Interim的格點高度，可能是導致ERA-Interim出現冷偏差的主要原因，尤其在青藏高原。前人研究也表明高度差異是導致再分析資料誤差的主要因素［12-16］。131個站點的海拔高于ERA-Interim的格點高度，集中在中東部地區(qū)，其中高山站點的高度差最大，如天池和泰山等觀測站點，導致了ERA-Interim在這些站點出現最大暖偏差。通過線性擬合高度差和氣溫偏差，發(fā)現回歸系數R2達到0.88，表明高度差是導致ERA-Interim出現偏差的主要原因，與前人研究結果相吻合。同時說明通過高程校正，能夠有效降低誤差，提高ERA-Interim的適用性［20］(圖9)。此外，ERA-Interim的同化資料誤差、模型系統誤差、插值誤差 (從N128高斯網格到經緯度網格)也是誤差的其他來源。

圖8 觀測站點與ERA-Interim的高度差分布Figure8 Distribution of height differences between observations and ERA-Interim data

圖9 高度差和氣溫偏差的線性回歸Figure9 Linear regression of height differences and temperature biases between observations and ERA-Interim data

4 結論

1)ERA-Interim的月平均氣溫數據較好地反映了觀測值的年際變化，相關性達到0.955～0.995，617個站點的相關性超過0.995，占總數的81.6%，整體上具有較高的可信度。

2)ERA-Interim再分析資料在580個站點的冷偏差或暖偏差在1℃內，可信度較高，占站點總數的76.7%。64個站點 (8.5%)的冷偏差或暖偏差大于5℃，可信度較低。大于6℃的冷偏差主要分布在西部地區(qū)的高海拔山區(qū)。東部地區(qū)的暖偏差明顯多于西部地區(qū)。高于6℃暖偏差主要集中在東部地區(qū)的高山站點?？傮w上，暖偏差集中在東部地區(qū)，冷偏差的高值區(qū)集中在西部高海拔山區(qū)。375個站點的均方根誤差在1℃以下，占總數的49.6%，73.3%的站點 (554個)均方根誤差在2℃以下。均方根誤差高值分布與偏差一致。海拔低于500 m的站點整體上偏差較小，其中海拔低于200 m的站點偏差最小，適用性好，多數海拔3 000 m以上的站點大多數呈現明顯冷偏差，適用性較差。

海拔是影響氣溫的關鍵性因素。線性擬合觀測站點與ERA-Interim格點的高度差與氣溫偏差，回歸系數R2達到0.88，表明高度差是誤差的主要來源，因此通過高度差的校正能夠有效降低誤差，提高再分析資料的適用性。

［1］ IPCC．Climate Change 2013:The Physical Science Basis．Working Group I Contribution to the IPCC AR5［M/OL］．www．climatechange2013．org/images/report/WG1AR5_ALL_FINAL．pdf．

［2］ Vogt J V，Viau A A，Paquet F．Mapping regional air temperature fields using satellite derived surface skin temperatures［J］．International Journal of Climatology，1997，17(14):1559-1579．

［3］ Willmott C J，Robeson S M，Feddema J J．Influence of spatially variable instrument networks on climatic averages［J］．Geophysical Research Letters，1991，18(12):2249-2251．

［4］ Xie Xiao，He Jin-hai，Qi Li．A review on applicability evaluation of four reanalysis datasets in China［J］．Journal of Meteorology and Environment，2011，27(5):58-65．［謝瀟，何金海，祁莉．4種再分析資料在中國區(qū)域的適用性研究進展［J］．氣象與環(huán)境學報，2011，27(5):58-65．］

［5］ Decker M，Brunke M A，Wang Z，et al．Evaluation of the reanalysis products from GSFC，NCEP，and ECMWF using flux tower observations［J］．Journal of Climate，2012，25(6):1916-1944．

［6］ Simmons A J，Willett K M，Jones P D，et al．Low-frequency variations in surface atmospheric humidity，temperature，and precipitation:Inferences from reanalyses and monthly gridded observational data sets［J］．Journal of Geophysical Research-Atmospheres，2010，115．

［7］ Lin Ren-ping，Zhou Tian-jun，Xue Feng，et al．The global monsoon variability revealed by NCEP/NCAR reanalysis data［J］．Chinese Journal of Atmospheric Sciences，2012，36(5):1027-1040．［林壬萍，周天軍，薛峰，等．NCEP/NCAR再分析資料所揭示的全球季風降水變化［J］．大氣科學，2012，36(5):1027-1040．］

［8］ Zhao Tian-bao，Fu Cong-bin．Preliminary comparison and analysis between ERA-40，NCEP-2 reanalysis and observations over China［J］．Climatic and Environmental Research，2006，11(1):14-32．［趙天保，符淙斌．中國區(qū)域 ERA-40，NCEP-2再分析資料與觀測資料的初步比較與分析［J］．氣候與環(huán)境研究，2006，11(1):14-32．］

［9］ Zhao Tian-bao，Fu Cong-bin，Ke Zong-jian，et al．Global atmosphere reanalysis datasets:Current status and recent advances［J］．Advances in Earth Science，2010，25(3):242-254．［趙天保，符淙斌，柯宗建，等．全球大氣再分析資料的研究現狀與進展［J］．地球科學進展，2010，25(3):242-254．］

［10］ Deng Xiao-hua，Zhai Pan-mao，Yuan Chun-hong．Comparative analysis of NCEP/NCAR，ECMWF and JMA reanalysis［J］．Meteorological Science and Technology，2010，38(1):1-8．［鄧小花，翟盤茂，袁春紅．國外幾套再分析資料的對比與分析［J］．氣象科技，2010，38(1):1-8．］

［11］ Bai Lei，Wang Wei-xia，Yao Ya-nan，et al．Reliability of NCEP/NCAR and ERA-Interim reanalysis data on Tianshan mountainous area［J］．Desert and Oasis Meteorology，2013，7(3):51-56．［白磊，王維霞，姚亞楠，等．ERA-Interim 和NCEP/NCAR再分析數據氣溫和氣壓值在天山山區(qū)適用性分析［J］．沙漠與綠洲氣象，2013，7(3):51-56．］

［12］ You Q L，Fraedrich K，Ren G Y，et al．Variability of temperature in the Tibetan Plateau based on homogenized surface stations and reanalysis data［J］．International Journal of Climatology，2013，33(6):1337-1347．

［13］ You Q L，Kang S C，Pepin N，et al．Relationship between temperature trend magnitude，elevation and mean temperature in the Tibetan Plateau from homogenized surface stations and reanalysis data［J］．Global and Planetary Change，2010，71(1/2):124-133．

［14］ Xie A H，Ren J W，Qin X，et al．Feasibility comparison of reanalysis data from NCEP-I and NCEP-II in the Himalayas［J］．Journal of Mountain Science，2009，6(1):56-65．

［15］Frauenfeld O W，Zhang T J，Serreze M C．Climate change and variability using European Centre for Medium-Range Weather Forecasts reanalysis(ERA-40)temperatures on the Tibetan Plateau［J］．Journal of Geophysical Research-Atmospheres，2005，110．

［16］Bao X H，Zhang F Q．Evaluation of NCEP-CFSR，NCEP-NCAR，ERA-Interim，and ERA-40 Reanalysis datasets against independent sounding observations over the Tibetan Plateau［J］．Journal of Climate，2013，26(1):206-214．

［17］ Dee D P，Uppala S M，Simmons A J，et al．The ERA-Interim reanalysis:Configuration and performance of the data assimilation system［J］．Quarterly Journal of the Royal Meteorological Society，2011，137(656):553-597．

［18］ Uppala S，Dee D，Kobayashi S，et al．Towards a climate data assimilation system:Status updata of ERA-Interim［J］．ECMWF Newsletter，2008，115．

［19］ Zhou Jian-wei，Wang Yong-qing．The advance in application and research of regional climate model RegCM3 ［J］．Scientia Meteorologica Sinica，2007，27(6):702-708．［周建瑋，王詠青．區(qū)域氣候模式RegCM3應用研究綜述［J］．氣象科學，2007，27(6):702-708．］

［20］Gao L，Bernhardt M，Schulz K．Elevation correction of ERA-Interim temperature data in complex terrain［J］．Hydrology and Earth System Sciences，2012，16(12):4661-4673．