山西岢嵐地區(qū)NCEP資料與地面觀測(cè)資料的年變化對(duì)比

程胡華

(太原衛(wèi)星發(fā)射中心，山西　岢嵐　036301)

?

山西岢嵐地區(qū)NCEP資料與地面觀測(cè)資料的年變化對(duì)比

程胡華

(太原衛(wèi)星發(fā)射中心，山西岢嵐036301)

摘要：利用2000—2014年山西岢嵐地區(qū)地面觀測(cè)資料和NCEP (1°×1°)再分析資料，采用線性趨勢(shì)和相關(guān)系數(shù)等方法，探討NCEP再分析資料中2 m地面溫度、2 m相對(duì)濕度、地面氣壓及10 m風(fēng)速在岢嵐地區(qū)的可信度問(wèn)題。結(jié)果表明：(1)2005年以前，NCEP再分析資料2 m溫度偏低，之后開(kāi)始偏高，且與地面觀測(cè)資料的偏差有逐年增大趨勢(shì)，每10 a約增加1.4 ℃；兩者相關(guān)性高，多年相關(guān)系數(shù)平均值達(dá)到0.9557；(2)相對(duì)濕度均呈減小趨勢(shì)，2006年以前，NCEP 2 m相對(duì)濕度偏大，此后開(kāi)始偏小，相對(duì)濕度的多年平均絕對(duì)差為14.5522%，且后9 a(2006—2014)均小于多年平均絕對(duì)差；兩者相關(guān)系數(shù)值呈增大趨勢(shì)，年平均值為0.7167；(3)NCEP 地面氣壓總體偏大，平均絕對(duì)差值呈明顯減小趨勢(shì)，最小值0.5889 hPa出現(xiàn)于2014年，多年平均值為4.2725 hPa；兩者相關(guān)系數(shù)呈增大趨勢(shì)，多年平均值達(dá)到0.9625；(4)歷年NCEP 10 m地面風(fēng)速均偏大，但與地面觀測(cè)資料的偏差呈減小趨勢(shì)，每10 a約減小0.4 m·s-1，多年平均絕對(duì)差值為1.7996 m·s-1，而2005—2014年的平均絕對(duì)差值皆小于多年平均值；兩者相關(guān)系數(shù)較小，但逐年呈微弱上升趨勢(shì)，其多年平均值只有0.4849。

關(guān)鍵詞：岢嵐地區(qū)；NCEP再分析資料；地面觀測(cè)；年變化

引言

在復(fù)雜地形和人煙稀少的區(qū)域，臺(tái)站觀測(cè)資料非常稀少，不利于進(jìn)行各類天氣機(jī)理和氣候變化特征的研究，自從NCEP再分析資料發(fā)布以來(lái)，由于該資料含有的氣象要素種類多、時(shí)空分辨率較高且延伸的時(shí)段長(zhǎng)，很好地解決了臺(tái)站觀測(cè)資料的不足，為氣象學(xué)者更深入地認(rèn)識(shí)各類天氣運(yùn)動(dòng)機(jī)制、氣候變化特征等提供了重要的數(shù)據(jù)支持，極大地推動(dòng)了人們對(duì)地球大氣特征的研究和認(rèn)識(shí)。

由于NCEP再分析資料的多種優(yōu)勢(shì)，其在氣候變化研究中被廣泛使用[1-6]，如黃剛[4]利用中國(guó)東部探空資料及NCEP/NCAR和ERA-40再分析資料，對(duì)我國(guó)內(nèi)蒙古和華北地區(qū)的高低層位勢(shì)高度、溫度特征研究指出，在1970年代后期NCEP再分析資料比ERA-40能更好地描述內(nèi)蒙古及華北地區(qū)對(duì)流層上層的溫度場(chǎng)和位勢(shì)高度場(chǎng)特征；林壬萍等[5]以GPCP近30 a降水?dāng)?shù)據(jù)為觀測(cè)依據(jù)，評(píng)估了NCEP/NCAR再分析資料對(duì)全球季風(fēng)區(qū)降水的描述能力，結(jié)果表明，NCEP再分析資料對(duì)氣候態(tài)年平均降水及季風(fēng)模態(tài)的模擬效果較為理想；李國(guó)平等[6]基于NCEP/NCAR再分析資料并通過(guò)人工識(shí)別與天氣圖對(duì)比，研究了高原低渦高發(fā)年和低發(fā)年的大氣環(huán)流場(chǎng)和低頻分量場(chǎng)的特征。雖然NCEP再分析資料是通過(guò)對(duì)多種不同資料源(地面觀測(cè)、高空探空氣球、船舶、飛行和衛(wèi)星探測(cè)等)進(jìn)行質(zhì)量控制，并采用當(dāng)今先進(jìn)的全球資料同化系統(tǒng)同化處理而得到的全球四維資料，但對(duì)于其可信度問(wèn)題，許多氣象工作者進(jìn)行了大量的研究[7-15]，如趙天保等[10]將NCEP再分析資料與中國(guó)臺(tái)站觀測(cè)資料的月平均溫度和月降水總量進(jìn)行比較，結(jié)果表明，NCEP再分析資料的月平均溫度較觀測(cè)值普遍偏低，而月降水總量較觀測(cè)值則偏高；徐影等[9]初步分析了近50 a NCEP再分析資料在我國(guó)氣候研究中的可信度問(wèn)題，指出溫度的可信度要高于氣壓，且相對(duì)于西部及高緯地區(qū)，東部和低緯地區(qū)的可信度更高。相比于1979年以前的NCEP再分析資料，后期的可信度更高；周順武等[12]通過(guò)對(duì)青藏高原實(shí)測(cè)資料與NCEP再分析資料在標(biāo)準(zhǔn)等壓面上的位勢(shì)高度、月平均溫度進(jìn)行對(duì)比，發(fā)現(xiàn)NCEP再分析資料中的位勢(shì)高度、溫度場(chǎng)在青藏高原地區(qū)的氣候特征研究中具有重大價(jià)值，在平流層低層，1979年以后的NCEP再分析資料質(zhì)量明顯高于前期；支星等[13]利用數(shù)理統(tǒng)計(jì)、EOF分析等方法，對(duì)NCEP、ERA和JAR 3種再分析資料的高空溫度在中國(guó)區(qū)域的可信度問(wèn)題進(jìn)行了分析，發(fā)現(xiàn)NCEP和ERA再分析資料能較好地表現(xiàn)高空溫度的年代際變化特征。

但到目前為止，關(guān)于更新、更高分辨率NCEP再分析資料(1°×1°)的可信度研究還較少，特別是針對(duì)易受地形、地貌和植被等下墊面影響的近地面氣象要素的可信度研究還未見(jiàn)相關(guān)文獻(xiàn)，而NCEP再分析資料中2 m地面溫度、2 m相對(duì)濕度、地面氣壓和10 m風(fēng)速分別反映了近地面大氣的熱力、水汽、天氣系統(tǒng)和動(dòng)力特征，為進(jìn)行氣候診斷、氣候數(shù)值模擬和預(yù)報(bào)提供近地面的大氣環(huán)境，有利于加深認(rèn)識(shí)區(qū)域氣候變化的特征和機(jī)理，具有十分重要作用。考慮到岢嵐氣象臺(tái)站位于平坦的山頂，四周空曠平坦，且其下墊面能較好反映岢嵐地區(qū)下墊面自然狀況，因此該氣象臺(tái)站的觀測(cè)數(shù)據(jù)能較好地反映本地區(qū)較大范圍的氣象要素特征，具有較好的代表性，本研究以具有復(fù)雜地形、地貌和植被特征的山西岢嵐地區(qū)為研究對(duì)象，利用最近15 a(2000—2014)NCEP再分析資料(1°×1°)與地面觀測(cè)資料進(jìn)行對(duì)比，分析NCEP再分析資料的地面氣象要素在岢嵐地區(qū)的可信度。

1資料及處理方法

1.1資料

(1)NCEP/NCAR再分析資料

所用的NCEP再分析資料為NCEP FNL Operational Model Global Tropospheric Analysis (ds083.2),continuing from July 1999，該資料一日4次，分別為00:00、06:00、12:00和18:00(世界時(shí))，水平分辨率為1°×1°，垂直層數(shù)為26層。資料時(shí)間長(zhǎng)度為2000年1月1日—2014年12月31日；氣象要素分別為2 m溫度、地面氣壓、2 m相對(duì)濕度、10 m風(fēng)速。

(2)山西省岢嵐縣氣象臺(tái)地面觀測(cè)資料

山西省岢嵐縣氣象臺(tái)存儲(chǔ)了1977年至目前所有的地面觀測(cè)資料，這些資料均通過(guò)人工觀測(cè)、收集、整理而得到。由于NCEP(1°×1°)再分析資料1999年7月以后才有，故本文所需地面觀測(cè)資料的時(shí)間長(zhǎng)度為2000年1月1日—2014年12月31日，該資料時(shí)間間隔為1 h，氣象要素分別為溫度、氣壓、相對(duì)濕度和風(fēng)速。

1.2處理方法

先只考慮YN為正的情況，將[0,xm]區(qū)間分成m2個(gè)子區(qū)間，并設(shè)每一個(gè)子區(qū)間為[xi-1,xi],(i=1,2,…,m2).為保證整個(gè)區(qū)間上的相位絕對(duì)誤差最大值最小，則應(yīng)保證每個(gè)小區(qū)間最大誤差最小且相同.

(1)由于NCEP再分析資料水平分辨率為1°×1°，為與地面觀測(cè)資料進(jìn)行直接比較，采用雙線性插值方法，將再分析資料的規(guī)則網(wǎng)格點(diǎn)數(shù)據(jù)插值到岢嵐氣象臺(tái)站所在的位置。

(2)NCEP再分析資料為一日4次，時(shí)間為世界時(shí)；而岢嵐縣氣象臺(tái)站為一日24次，時(shí)間為北京時(shí)，故對(duì)NCEP再分析地面資料與氣象臺(tái)站地面觀測(cè)要素比較分析之前，先確保是同一時(shí)次的氣象要素，即對(duì)00:00、06:00、12:00和18:00(世界時(shí))的NCEP再分析資料分別與08:00、14:00、20:00和02:00(北京時(shí))的地面觀測(cè)資料進(jìn)行對(duì)比。

通過(guò)計(jì)算NCEP再分析資料中地面氣象要素與地面觀測(cè)資料之間的偏差、平均絕對(duì)差、標(biāo)準(zhǔn)差和相關(guān)系數(shù)，反映出NCEP 再分析資料中地面氣象要素在岢嵐地區(qū)的可信度，其相應(yīng)的計(jì)算公式如下：

(1)

(2)

(3)

2比較分析

山西省岢嵐縣地處晉西北黃土高原中部(圖1)，地勢(shì)東南高、西北低，東部為岢嵐山，山上森林茂密，植被良好；西南部為燒炭山，山上牧草繁茂；西與西北部為黃土丘陵區(qū)，水土流失嚴(yán)重。這些復(fù)雜的地形、植被和地貌特征，對(duì)地面氣象要素(風(fēng)速、溫度和濕度等)有較大影響，本文將針對(duì)具有復(fù)雜地形、地貌和植被特征的岢嵐地區(qū)為研究對(duì)象，對(duì)更新、更高分辨率的NCEP再分析資料中地面氣象要素在山西岢嵐縣地區(qū)的可信度進(jìn)行分析。

圖1　山西岢嵐縣氣象觀測(cè)站位置

2.1溫度

以NCEP再分析資料中的2 m溫度作為研究對(duì)象，分別計(jì)算其與地面觀測(cè)溫度之間的偏差、平均絕對(duì)差和相關(guān)系數(shù)，圖2反映了地面觀測(cè)溫度(Tobs)與NCEP再分析資料中2 m溫度(T2mNCEP)之間的關(guān)系?？梢钥闯?，2000—2004年，T2mNCEP偏低，其后開(kāi)始偏高(圖2a)，從線性變化趨勢(shì)來(lái)看，T2mNCEP呈逐年增加趨勢(shì)，而Tobs則呈逐年減小趨勢(shì)。因此，2004年為T(mén)obs與T2mNCEP的偏差由正值轉(zhuǎn)為負(fù)值的時(shí)間節(jié)點(diǎn)，且此后的偏差有增大趨勢(shì)(圖2b)，偏差最大值為1.4889 ℃，出現(xiàn)于2014年；最小值為-0.0375 ℃，出現(xiàn)于2004年。偏差多年平均值為0.5658 ℃，線性趨勢(shì)方程為y=0.1476 x-0.6154，即每10 a約增加1.5℃。圖2c為2種資料之間平均絕對(duì)差的年變化特征，其中有13 a的平均絕對(duì)差值低于平均值(2.9872 ℃)，最大的平均絕對(duì)差值(3.8647 ℃)出現(xiàn)在2000年，2008年出現(xiàn)最小值(2.7042 ℃)，總體來(lái)看，除2000、2001年偏高外，其它年份的平均絕對(duì)差均不超過(guò)3.1 ℃。對(duì)照?qǐng)D2c和圖2d發(fā)現(xiàn)，相關(guān)系數(shù)基本與平均絕對(duì)差呈負(fù)相關(guān)，即平均絕對(duì)差越大，相關(guān)系數(shù)越小，在平均絕對(duì)差最大的年份對(duì)應(yīng)的相關(guān)系數(shù)最小(0.9378)，而平均絕對(duì)差最小的年份所對(duì)應(yīng)的相關(guān)系數(shù)最大(0.9679)。

圖2　2000—2014年NCEP資料與地面觀測(cè)資料的溫度變化趨勢(shì)(a)及兩者

T2mNCEP在2005年以后均比Tobs高，且兩者之間偏差值呈增大趨勢(shì)，下面將從年平均最高、最低溫度和溫度日較差的角度分析2種資料之間的差異。從圖3a和圖3b可以看出：在2000—2014年之間，T2mNCEP年平均最高溫度除2012年略低于Tobs，其它年份均偏高，但在2012—2014年兩者之間偏差非常小，介于±0.2 ℃之間；兩者之間的最大偏差(2.1092 ℃)出現(xiàn)在2000年，最小偏差(8.4590×10-4℃)出現(xiàn)在2014年，多年平均值為0.7375 ℃，偏差的線性趨勢(shì)方程為y=-0.1026 x+1.5587，即每10 a約減少1.0 ℃。將圖3c、圖3d與圖3a、圖3b進(jìn)行對(duì)比，發(fā)現(xiàn)在大多數(shù)年份，無(wú)論年平均最高溫度還是年平均最低溫度，T2mNCEP均高于Tobs，但變化趨勢(shì)不同。對(duì)于年平均最高溫度，T2mNCEP趨于接近Tobs；但年平均最低溫度兩者偏差卻呈增大趨勢(shì)，偏差最小值為-0.4485 ℃，出現(xiàn)在2000年，最大值為4.6730 ℃，出現(xiàn)在2014年，線性趨勢(shì)方程為y=0.3176 x+0.0857，即每10 a年平均最低溫度兩者偏差約增加3.2 ℃。從T2mNCEP與Tobs之間年平均最高溫度、年平均最低溫度變化趨勢(shì)特征可以看出，2種資料溫度日較差變化趨勢(shì)相反(圖3e)，其中，NCEP資料溫度日較差呈明顯減小趨勢(shì)，而地面觀測(cè)資料則有微弱增大趨勢(shì)，兩者之間溫度日較差的偏差呈逐年增大趨勢(shì)(圖3f)。這是因?yàn)榻?0 a來(lái)，岢嵐氣象臺(tái)周邊城鎮(zhèn)迅速城市化，而岢嵐氣象站位于鄉(xiāng)村地區(qū)，未受周邊城市化影響。由于T2mNCEP是通過(guò)對(duì)岢嵐氣象臺(tái)站周邊4個(gè)NCEP fnl格點(diǎn)位置處的2 m溫度進(jìn)行雙線性插值而得到的結(jié)果，考慮到近年來(lái)隨著同化資料種類的增多(例如：主要來(lái)自于城鎮(zhèn)的地面氣溫觀測(cè)資料)和岢嵐氣象臺(tái)周邊城鎮(zhèn)城市化的區(qū)域逐漸增大，導(dǎo)致所得到的T2mNCEP受周邊城鎮(zhèn)城市化影響越來(lái)越大。周雅清等[26-27]在研究城市化對(duì)華北地區(qū)年平均最高、最低氣溫和溫度日較差變化趨勢(shì)影響時(shí)，發(fā)現(xiàn)城市化會(huì)導(dǎo)致城市站年平均最低氣溫上升明顯，但年平均最高氣溫增溫幅度小，個(gè)別臺(tái)站甚至可能造成降溫，因此溫度日較差明顯減??；而鄉(xiāng)村站則相反，年平均最高氣溫增溫略快，年平均最低氣溫增溫相對(duì)較慢，日較差略有增加；郭雪梅等[28]分析山西省區(qū)域平均氣溫日較差變化趨勢(shì)時(shí)，指出近45 a(1960—2004)來(lái)城市站年平均氣溫日較差呈顯著下降趨勢(shì)，而鄉(xiāng)村站則呈顯著上升趨勢(shì)。本文中Tobs為鄉(xiāng)村站資料，而T2mNCEP可認(rèn)為是城市站資料，因此所得結(jié)論與前人一致[26-28]，可認(rèn)為T(mén)2mNCEP是可信的。

圖3　NCEP資料與地面觀測(cè)資料的年平均最高溫度(a)及兩者偏差(b)、

2.2相對(duì)濕度

相對(duì)濕度大小反映出大氣的水汽飽和程度，與多種天氣現(xiàn)象(能見(jiàn)度、霧、降雨等)有密切關(guān)系，因此了解NCEP再分析資料2 m相對(duì)濕度(RH2mNCEP)在岢嵐區(qū)域的可信度是非常必要的，RH2mNCEP與地面觀測(cè)的相對(duì)濕度(RHobs)之間關(guān)系如圖4所示，兩者變化趨勢(shì)基本一致。在2000—2006年，RH2mNCEP偏高，其后開(kāi)始偏低(圖4a和圖4b)，線性趨勢(shì)都呈逐年減小，但RH2mNCEP減小得更快，每10 a約減小14%；2003年后RH2mNCEP迅速減小，其減小速率遠(yuǎn)高于RHobs，這主要是由于岢嵐氣象站周邊城鎮(zhèn)(岢嵐、五寨、保德等)近10 a迅速發(fā)展，產(chǎn)生大量工業(yè)廢氣、汽車(chē)尾氣，以及地下水和植被遭到嚴(yán)重破壞，導(dǎo)致近地面空氣相對(duì)濕度降低，從而影響1°×1°再分析資料的插值結(jié)果(即RH2mNCEP)，而岢嵐氣象站遠(yuǎn)離城鎮(zhèn)，且植被破壞較少，故RHobs減少要慢得多。圖4c反映了近15 a(2000—2014)相對(duì)濕度絕對(duì)差變化特征，其多年平均絕對(duì)差為14.5522%，前6 a(2000—2005)的絕對(duì)差均高于平均值，而后9 a(2006—2014)都小于平均絕對(duì)差，平均絕對(duì)差最大值18.8142%出現(xiàn)在2000年，最小值12.5886%出現(xiàn)于2006年；平均絕對(duì)差呈逐年減少趨勢(shì)，每10 a約減少2.7%。從圖4d中可以看出，RH2mNCEP與RHobs的相關(guān)系數(shù)呈逐漸增大趨勢(shì)，最大值0.7746出現(xiàn)在2006年，最小值0.5983出現(xiàn)在2000年，年平均相關(guān)系數(shù)達(dá)到0.7167。由于NCEP再分析資料中不含降水量產(chǎn)品，因此這里不對(duì)與相對(duì)濕度關(guān)系緊密的降水量進(jìn)行對(duì)比分析。

2.3地面氣壓

地面氣壓反映了岢嵐地區(qū)上空的天氣控制類型，如果地面氣壓值偏高，則岢嵐地區(qū)上空為高壓系統(tǒng)，有利于晴好天氣出現(xiàn)，反之，如果地面氣壓偏低，則岢嵐地區(qū)上空為低壓系統(tǒng)，易出現(xiàn)陰雨天氣。由圖5a和圖5b看出，在大多數(shù)年份，NCEP地面氣壓(PsfcNCEP)均高于相應(yīng)的地面觀測(cè)值(Pobs)，但相對(duì)于前期，2010年以后(2011—2014)，兩者的偏差明顯偏小，處于±1 hPa范圍以內(nèi)。2000—2014年，地面氣壓平均絕對(duì)差呈逐年減小趨勢(shì)(圖5c)，每10 a約減少4.2 hPa，其多年平均值為4.2725 hPa，最大值9.5449 hPa出現(xiàn)于2001年；最小值0.5889 hPa出現(xiàn)于2014年。從兩者相關(guān)系數(shù)年變化(圖5d)來(lái)看，相關(guān)系數(shù)呈逐年增加趨勢(shì)，最小值0.7829出現(xiàn)于2002年，除2000、2005年外，其余年份的相關(guān)系數(shù)均超過(guò)0.98。

從上面對(duì)T2mNCEP和RH2mNCEP的分析來(lái)看，近幾年T2mNCEP的最低氣溫、溫度日較差和RH2mNCEP與地面觀測(cè)值之間偏差存在增大趨勢(shì)，而PsfcNCEP與地面觀測(cè)值之間偏差趨于減小，這是因?yàn)镻sfcNCEP受城市化影響不大，且隨著同化技術(shù)的持續(xù)改進(jìn)、以及可同化的資料種類增多，使得PsfcNCEP不斷地接近觀測(cè)值。

2.4風(fēng)速

岢嵐地區(qū)是個(gè)多山丘陵地帶，地形對(duì)地面風(fēng)速影響大。圖6反映了近15 a(2000—2014)NCEP 10 m地面風(fēng)速(uv10mNCEP)與相應(yīng)的地面觀測(cè)值(uv10mobs)之間關(guān)系，發(fā)現(xiàn)uv10mNCEP均高于相應(yīng)的地面觀測(cè)值，但從其線性變化趨勢(shì)來(lái)看，uv10mNCEP呈逐年減小，而相應(yīng)的uv10mobs卻呈逐年增大趨勢(shì)，故偏差呈逐漸減小趨勢(shì)(圖6b)，兩者偏差平均值為1.3467 m·s-1，在2000—2004年，其偏差值均高于平均值，之后除2008年略大于平均值外，其余年份皆小于平均值。風(fēng)速平均絕對(duì)差也顯著地表明兩者偏差在減小(圖6c)，多年平均值為1.7996 m·s-1，在2000—2004年，風(fēng)速平均絕對(duì)差均大于平均值，而在2005—2014年，兩者平均絕對(duì)差皆小于平均值，近15 a來(lái)，每10 a平均絕對(duì)差減少0.4 m·s-1。從圖6d可看出，兩者相關(guān)系數(shù)較小，遠(yuǎn)不如溫度、相對(duì)濕度和地面氣壓，這是因?yàn)獒硩沟貐^(qū)為丘陵地帶，該氣象臺(tái)站的地面風(fēng)速常年受地形、地貌影響，導(dǎo)致地面觀測(cè)風(fēng)速一直偏小。江瀅等[29]對(duì)近50 a(1956—2004)中國(guó)風(fēng)速變化及原因進(jìn)行詳細(xì)分析，發(fā)現(xiàn)近50 a來(lái)中國(guó)離地10 m年平均風(fēng)速呈減小趨勢(shì)，且指出城市化是造成中國(guó)年平均風(fēng)速減小的不可忽略的因素之一；劉學(xué)鋒等[30]通過(guò)研究河北地區(qū)邊界層內(nèi)不同高度風(fēng)速變化特征時(shí)，發(fā)現(xiàn)平均地面(10 m)年平均風(fēng)速變化存在減小趨勢(shì)。uv10mNCEP變化同樣呈減小趨勢(shì)，與前人的研究結(jié)論基本一致。

圖4　NCEP資料與地面觀測(cè)資料相對(duì)濕度(a)及其偏差(b)、平均絕對(duì)差(c)和相關(guān)系數(shù)(d)的年變化

圖5　NCEP資料與地面觀測(cè)的地面氣壓(a)及其偏差(b)、平均絕對(duì)差(c)和相關(guān)系數(shù)(d)的年變化

圖6　地面觀測(cè)與NCEP資料風(fēng)速(a)及其偏差(b)、平均絕對(duì)差(c)和相關(guān)系數(shù)(d)的年變化

3小結(jié)與討論

(1)T2mNCEP均高于Tobs，且T2mNCEP逐年呈增大趨勢(shì)，每10 a約增大1.0 ℃，而Tobs逐年呈下降趨勢(shì)，每10 a約減小0.5 ℃；Tobs與T2mNCEP偏差最大值-1.4889 ℃出現(xiàn)于2014年，最小值0.0375 ℃出現(xiàn)于2004年，多年平均值為-0.5658 ℃。它們之間的溫度平均絕對(duì)差呈逐年減少趨勢(shì)，每10 a約減小0.3 ℃。兩者相關(guān)系數(shù)在0.9378～0.9679之間，且相關(guān)系數(shù)與平均絕對(duì)差呈負(fù)相關(guān)，即平均絕對(duì)差越大，相關(guān)系數(shù)越小，多年相關(guān)系數(shù)平均值為0.9557，表明T2mNCEP的可信度較高。通過(guò)對(duì)T2mNCEP和Tobs之間年平均最高溫度、年平均最低溫度和溫度日較差進(jìn)行對(duì)比分析，由于Tobs為鄉(xiāng)村站，而通過(guò)雙線性插值得到的T2mNCEP受城市化影響大，可視為城市站，它們的變化特征與前人研究結(jié)果基本一致。

(2)在2000—2006年，RH2mNCEP偏高，其后RHobs則偏高，RHobs與RH2mNCEP偏差最大值為-8.8063%，最小值為-0.4693%，平均值為-0.2572%。兩者平均絕對(duì)差逐年呈減小趨勢(shì)，每10 a約減小2.7%，相關(guān)系數(shù)范圍在0.5983～0.7746之間，平均相關(guān)系數(shù)為0.7167。

(3)2000—2010年，PsfcNCEP偏高，其后兩者相差不大，Pobs與PsfcNCEP偏差最大值為-9.5449 hPa，最小值為-0.3108 hPa，平均值為-3.8473 hPa。兩者地面氣壓平均絕對(duì)差逐年呈減小趨勢(shì)，每10 a約減小4.2 hPa；相關(guān)系數(shù)在0.7829～0.9916之間，平均值為0.9625，因此PsfcNCEP具有較高的可信度，特別在2011—2014年。

(4)uv10mNCEP均高于uv10mobs，uv10mobs與uv10mNCEP之間偏差最大為-1.9976 m·s-1，最小-0.9470 m·s-1，平均值為-1.3467 m·s-1，且2008年以后偏差均小于平均值；兩者地面風(fēng)速平均絕對(duì)差呈逐年減小趨勢(shì)，每10 a約減小0.4 m·s-1，其相關(guān)系數(shù)在0.4176～0.5546之間，平均相關(guān)系數(shù)值為0.4849，表明uv10mNCEP的可信度偏差，不能用來(lái)代表岢嵐地區(qū)的地面風(fēng)速。

綜上所述，對(duì)于地面風(fēng)速，在2000—2014年之間，NCEP再分析資料均高于地面觀測(cè)值；但T2mNCEP前期(2000—2004年)偏低，其后開(kāi)始偏高，偏差有增大趨勢(shì)；而RH2mNCEP、PsfcNCEP分別在2000—2006年、2000—2010年大于RHobs和Pobs，此后開(kāi)始偏小。從這幾種氣象要素的線性變化趨勢(shì)來(lái)看，它們之間的平均絕對(duì)差值均呈現(xiàn)逐年減小趨勢(shì)，在4種氣象要素中，PsfcNCEP可信度最高，其次為溫度，可信度較低的氣象要素為uv10mNCEP，這應(yīng)該與岢嵐地區(qū)復(fù)雜的地形、地貌和植被對(duì)地面風(fēng)速影響最大，而對(duì)地面溫度、相對(duì)濕度影響較小，對(duì)地面氣壓影響可忽略不計(jì)有關(guān)。

本文只探討了NCEP再分析資料(1°×1°)中幾種地面氣象要素的年平均特征，并沒(méi)有考慮季節(jié)平均的差異，考慮到本文通過(guò)雙線性插值方法將水平分辨率為1°×1°的NCEP再分析資料地面氣象要素插值到岢嵐氣象臺(tái)站位置，也會(huì)對(duì)NCEP再分析資料的可信度造成影響。不過(guò)隨著同化技術(shù)的持續(xù)改進(jìn)和發(fā)展，以及可同化資料的種類不斷增多，未來(lái)將會(huì)得到更高水平分辨率、更高可信度的NCEP再分析資料產(chǎn)品，為臺(tái)站觀測(cè)稀少的區(qū)域提供更可靠的氣象要素進(jìn)行多種天氣系統(tǒng)、氣候診斷等的研究和分析。

致謝：感謝審稿專家和編輯部對(duì)本研究工作提出的建設(shè)性修改意見(jiàn)

參考文獻(xiàn)

[1] Wu Renguang, Xie Shangping. On equatorial pacific surface wind changes around 1997:NCEP-NCAR reanalysis versus COADS observation[J]. J Climate, 2003,16(1):167-173.

[2] Zhang Y, Sperber K R, Boyle J S. Climatology and interannual variation of the East Asian winter monsoon:results from the 1979-95 NCEP/NCAR reanalysis[J]. Mon Wea Rev, 1997,125(10):2605- 2619.

[3] Annamalai H, Slingo J M, Sperber K R, et al. The mean evolution and variability of the Asian summer monsoon:Comparison of ECMWF and NCEP-NCAR reanalysis[J]. Mon Wea Rev, 1999,127:1157-1186.

[4] 黃剛. NCEP/NCAR和ERA-40再分析資料以及探空觀測(cè)資料分析中國(guó)北方地區(qū)年代際氣候變化[J]. 氣候與環(huán)境研究，2006,11(3)：310-320.

[5] 林壬萍，周天軍，薛峰，等. NCEP/NCAR再分析資料所揭示的全球季風(fēng)降水變化[J]. 大氣科學(xué),2012,36(5):1027-1040, doi:10.3878/j.issn.1006-9895.2012.11222.

[6] 李國(guó)平，趙福虎，黃楚惠，等. 基于NCEP 資料的近 30 年夏季青藏高原低渦的氣候特征[J]. 大氣科學(xué), 2014,38(4):756-769, doi:10.3878/j.issn.1006-9895.2013.13235.

[7] Poccard I, Janicot S, Camberlin P. Comparison of rainfall structure between NCEP/NCAR reanalysis and observed data over tropical Africa[J]. Climate Dynamics, 2000,16(12):897-915.

[8] Reid P A, Jones P D, Brown O, et al. Assessments of the reliability of NCEP circulation data and relationship with surface by direct comparison with station based data[J]. Climate Research, 2001, 17(3):247-261.

[9] 徐影，丁一匯，趙宗慈. 美國(guó)NCEP/NCAR近50年全球再分析資料在我國(guó)氣候變化研究中可信度的初步分析[J]. 應(yīng)用氣象學(xué)報(bào),2001,12(3):337-347.

[10] 趙天保，艾麗坤，馮錦明. NCEP再分析資料和中國(guó)站點(diǎn)觀測(cè)資料的分析與比較[J]. 氣候與環(huán)境研究,2004,9(2):278-292.

[11] 施曉暉，徐祥德，謝立安. NCEP/NCAR再分析風(fēng)速、表面氣溫距平在中國(guó)區(qū)域氣候變化研究中的可信度分析[J]. 氣象學(xué)報(bào),2006,64(6):709-720.

[12] 周順武，張人禾. 青藏高原地區(qū)上空NCEP/NCAR再分析溫度和位勢(shì)高度資料與觀測(cè)資料的比較分析[J]. 氣候與環(huán)境研究,2009,14(2):284- 292.

[13] 支星，徐海明．3種再分析資料的高空溫度與中國(guó)探空溫度資料的對(duì)比：年平均特征[J]. 大氣科學(xué)學(xué)報(bào)，2013,36(1)：77-87.

[14] 田笑，智協(xié)飛，徐海明. NCEP和JRA再分析資料與探空資料的位勢(shì)高度比較分析[J]. 干旱氣象，2013,31(2):254-262.

[15] 韋芬芬，湯劍平，王淑瑜. 中國(guó)區(qū)域夏季再分析資料高空變量可信度的檢驗(yàn)[J]. 地球物理學(xué)報(bào)，2015,58(2):383-397.

[16] 馬嚴(yán)枝，陸昌根，高守亭. 8.19華北暴雨模擬中微物理方案的對(duì)比試驗(yàn)[J]. 大氣科學(xué),2012,36(4):835-850, doi:10.3878/j.issn.1006-9895.2011.11159.

[17] 張南，張迎新，申莉莉. 冀中南一次春季雨雪過(guò)程診斷與預(yù)報(bào)技術(shù)分析[J]. 干旱氣象，2014,32(4):622-628.

[18] 李光林，張鐵軍，任余龍，等. 2014年春季甘肅一次特強(qiáng)沙塵暴過(guò)程的中尺度模擬及觸發(fā)機(jī)制[J]. 干旱氣象，2014,32(6):980-988.

[19] 王坤，張飛民，孫超，等. WRF-WSM3微物理方案在青藏高原地區(qū)暴雪模擬中的改進(jìn)及試驗(yàn)[J]. 大氣科學(xué),2014,38(1):101-109, doi:10.3878/j.issn.1006-9895.2013.12170.

[20] 曾新民，吳志皇，宋帥,等. WRF模式不同陸面方案對(duì)一次暴雨事件模擬的影響[J]. 地球物理學(xué)報(bào)，2012,55(1):16-28.

[21] 袁有林，左洪超，董龍翔，等. 地形和水汽對(duì)“7.13”陜西暴雨影響的數(shù)值試驗(yàn)[J]. 干旱氣象，2015,33(2):291-302.

[22] 李安泰，何宏讓，張?jiān)? WRF模式陸面參數(shù)擾動(dòng)對(duì)一次西北暴雨影響的數(shù)值模擬[J]. 高原氣象，2012,31(1):65-75.

[23] 周冠博，崔曉鵬，高守亭. 臺(tái)風(fēng)“鳳凰”登陸過(guò)程的高分辨率數(shù)值模擬及其降水的診斷分析[J]. 大氣科學(xué)，2012,36(1):23-34.

[24] 董春卿，苗愛(ài)梅，郭媛媛，等. 地形對(duì)山西垣曲“0729”特大暴雨影響的數(shù)值模擬分析[J]. 干旱氣象，2015,33(3):452-457.

[25] 朱格利，林萬(wàn)濤，曹艷華. 用WRF模式中不同云微物理參數(shù)化方案對(duì)華南一次暴雨過(guò)程的數(shù)值模擬和性能分析[J]. 大氣科學(xué)，2014,38(3):513-523.

[26] 周雅清，任國(guó)玉. 城市化對(duì)華北地區(qū)最高、最低氣溫和日較差變化趨勢(shì)的影響[J]. 高原氣象，2009，28(5):1159-1166.

[27] 周雅清，任國(guó)玉. 城市化對(duì)華北地區(qū)極端氣溫事件頻率的影響[J]. 高原氣象，2014，33(6)：1589-1598.

[28] 郭雪梅，任國(guó)玉. 山西省區(qū)域平均氣溫日較差變化趨勢(shì)及其原因[A]. 中國(guó)氣象學(xué)會(huì)年會(huì)氣候分會(huì)場(chǎng)，2007.

[29] 江瀅，羅勇，趙宗慈，等. 近50年中國(guó)風(fēng)速變化及原因分析[A]. 中國(guó)氣象學(xué)會(huì)年會(huì)氣候變化分會(huì)場(chǎng)，2007.

[30] 劉學(xué)鋒，任國(guó)玉，梁秀慧，等. 河北地區(qū)邊界層內(nèi)不同高度風(fēng)速變化特征[J]. 氣象，2009，35(7)：46-53.

Annual Variations Comparison Between NCEP Reanalysis Data and Ground Observations in Kelan Region of Shanxi Province

CHENG Huhua

(TheMetOfficeofTaiyuanSatelliteLaunchCenter,Kelan036301,China)

Abstract:Based on the NCEP (1°×1°) reanalysis data and ground observations during 2000-2014 in Kelan of Shanxi Province, the reliability of NCEP reanalysis data of temperature and relative humidity at 2-meter height, wind speed at 10 m height and ground pressure was discussed by using statistical analysis methods including linear trend, mathematical statistics and correlation coefficient etc. Results are as follows: (1) NCEP temperature at 2 m height was lower before 2005, and later it became higher. The deviation of ground observations and NCEP temperature at 2 m height showed an increasing tendency year by year, and it increased about 1.4 ℃ every 10-year. The NCEP temperature at 2 m height presented high correlation with ground observations, and the average of multi-year correlation coefficient reached 0.9557. (2) The relative humidity of both showed a decreasing trend. NCEP relative humidity at 2 m height was higher before 2006, and later it became lower. The average of multi-year mean absolute deviation was 14.5522%. From 2006 to 2014, the absolute deviation was all less than the multi-year mean absolute deviation. Their correlation coefficient showed an increasing trend, and the multi-year average was 0.7167. (3) Compared with ground observations, the NCEP ground pressure was higher in most years. And their mean absolute deviation presented a clear decreasing trend, the minimum value of absolute deviation was 0.5889 hPa in 2014, and its multi-year average was 4.2725 hPa. Their correlation coefficient showed an increasing trend, and the multi-year average reached 0.9625. (4) The NCEP wind speed at 10 m height was larger in all years, and their deviation showed a decreasing trend, which decreased about 0.4 m·s-1every 10 years. The average of multi-year absolute deviation was 1.7996 m·s-1, and from 2005 to 2014, the mean absolute deviations were all less than the multi-year average. Their correlation coefficient was relatively small, but there was a weak rising tendency year by year, and its multi-year average was only 0.4849.

Key words:Kelan region; NCEP reanalysis data; ground observation data; annual changes

收稿日期：2015-10-06；改回日期：2016-03-06

基金項(xiàng)目：總裝青年科技基金項(xiàng)目(2014ZBTY4003)和太原衛(wèi)星發(fā)射中心科學(xué)基金項(xiàng)目(2015ZBTY4008)共同資助

作者簡(jiǎn)介：程胡華(1983-)，男，工程師，主要從事天氣氣候方面研究. E-mail:chenghongxi2012@qq.com

文章編號(hào)：1006-7639(2016)-03-09-0456

DOI:10.11755/j.issn.1006-7639(2016)-03-0456

中圖分類號(hào)：P416

文獻(xiàn)標(biāo)識(shí)碼：A

程胡華.山西岢嵐地區(qū)NCEP資料與地面觀測(cè)資料的年變化對(duì)比[J].干旱氣象，2016，34(3)：456-464, [CHENG Huhua. Annual Variations Comparison Between NCEP Reanalysis Data and Ground Observations in Kelan Region of Shanxi Province[J]. Journal of Arid Meteorology, 2016, 34(3):456-464], DOI:10.11755/j.issn.1006-7639(2016)-03-0456