近10 a來青藏高原地表溫度時空變化特征分析

朱 智，師春香，谷軍霞，梁 曉

(國家氣象信息中心，北京 100081)

青藏高原被稱為地球的“第三極”，平均海拔高度在4 000 m以上，是世界上平均海拔最高的高原[1]，其強大的動力和熱力作用，顯著地影響著東亞氣候格局、亞洲季風進程和北半球大氣環(huán)流[2]。研究表明，青藏高原的氣候近幾十年來發(fā)生了明顯變化，導致了該地區(qū)冰川、湖泊與凍土的改變[3-5]，因此青藏高原陸-氣相互作用以及氣候變化是全球氣候變化研究的重點研究領域之一。地表是陸地和大氣之間的交界，其溫度能夠影響陸-氣間的能量和水分交換，通過研究分析青藏高原地表溫度的時空變化特征對于進一步研究青藏高原地區(qū)的陸-氣相互作用具有重要的意義。江灝等[6]基于ISCCP 地表溫度反演產品，分析了青藏高原地表熱狀況的時空分布特征，認為由于海拔高度的影響，青藏高原地表溫度與周邊地區(qū)相比較低；李棟梁等[7]利用青藏高原地區(qū)地面觀測站的地表溫度觀測資料，分析了高原異常變化的空間結構和時間演變趨勢，結果表明高原地表溫度在1970 年代前期呈現(xiàn)明顯的下降趨勢，而且1970 年代前期至 1990 年代在波動中呈現(xiàn)上升趨勢；楊成松等[8]使用MODIS地表溫度產品對青藏高原地表溫度的空間分布和年際變化進行分析，認為整個青藏高原的地表溫度在2003—2013年呈變暖趨勢，年平均地表溫度(LST)以每年0.015 K的速度升高，振幅以每年0.076 K的速度增長；黃芳芳等[9]利用青藏高原北部高寒氣候環(huán)境觀測研究站地面觀測資料，對2001—2012年藏北高原地表溫度的年際變化和年內變化規(guī)律及其對氣候變化的響應特征進行了分析，認為藏北高原地表溫度呈緩慢上升趨勢，其中冬季上升最快且地表溫度年內變化和日變化特征明顯，且氣溫的變化相對于地表溫度存在一定時間的滯后響應。

由于青藏高原地區(qū)的地表溫度觀測站點不僅數(shù)量較少，并且呈現(xiàn)東部密集西部稀疏、南部密集北部稀疏的空間分布特征，并且高原地區(qū)氣候條件復雜，因此需要一套時空分布連續(xù)、適用性較好的地表溫度模擬資料作為觀測資料的補充，應用于氣候變化研究。目前對于長時間序列地表溫度的模擬主要依賴于再分析資料和陸面模式模擬，何冬燕等[10]利用青藏高原地區(qū)的地面氣象臺站地表溫度觀測數(shù)據，比較和分析了ERA-Interim、NCEP/NCAR、NCEP/DOE再分析地表溫度資料在青藏高原的適用性，認為三種再分析地表溫度地表均能夠較好地描述了高原地表溫度的季節(jié)變化和年際變化特征，但是對于地表溫度的長期變化趨勢估計不足；秦艷慧等[11]基于青藏高原高海拔地區(qū)地表溫度觀測數(shù)據，評估了ERA-Interim再分析地表溫度的精度，結果表明ERA-Interim再分析地表溫度與觀測數(shù)資料的變化趨勢一致，但是呈現(xiàn)顯著低估現(xiàn)象。

中國的地表溫度歷史觀測資料主要來源于中國氣象局布設的地面氣象觀測站，歷史上使用地面溫度表(0 cm溫度表)對地表溫度進行定時人工觀測(3～4次/日)，隨著觀測手段的不斷改進，從2002年開始，地表溫度觀測逐步由人工定時觀測變更為自動化逐小時觀測；由于觀測自動化是逐步推進的，因此在實際業(yè)務中，存在人工定時觀測與自動化逐小時觀測并存的現(xiàn)象。劉小寧等[12]對國家級基準站自動站觀測與人工觀測并存時期的地表溫度觀測資料進行了分析，認為觀測方式的改變會對地表溫度序列的均一性產生影響。因此在應用于氣候變化研究時，需要對人工觀測和自動觀測的地表溫度予以區(qū)分，而現(xiàn)有的研究均忽略了基于不同觀測方式得到的地表溫度觀測資料存在的非均一性現(xiàn)象。同時隨著第四代再分析資料的發(fā)布和陸面過程模擬技術的發(fā)展，可用于青藏高原地區(qū)陸-氣相互作用研究的地表溫度模擬資料不斷豐富，有必要基于長時間序列觀測資料對多種地表溫度模擬資料在青藏高原地區(qū)的適用性進行評估分析。

所使用的觀測數(shù)據來源于國家氣象信息中心制作的地面基本氣象要素觀測數(shù)據集“中國國家級地面氣象站基本氣象要素定時值數(shù)據集(V3.0)”，并針對數(shù)據集中地表溫度觀測方式進行了分析，選取了2008—2017年青藏高原地區(qū)已轉為自動化觀測的133個地面氣象觀測站地表溫度觀測資料，對近10 a來青藏高原地區(qū)的地表溫度時空變化特征進行了分析，并對五套地表溫度模擬資料(ERA-5、ERA-Interim、GLDAS2.1-Noah、MERRA-2、JRA-55)在青藏高原地區(qū)的適用性進行評估，以期為青藏高原地區(qū)陸-氣相互作用以及氣候變化研究提供有益的參考。

1 數(shù)據與方法

1.1 觀測數(shù)據

所使用的觀測數(shù)據來源于國家氣象信息中心制作的“中國國家級地面氣象站基本氣象要素定時值數(shù)據集(V3.0)”，在數(shù)據集的制作過程中，對可疑和錯誤的觀測數(shù)據進行了人工核查與更正，并對數(shù)據缺測現(xiàn)象進行了補充，該數(shù)據集相對于以往發(fā)布的地面觀測數(shù)據產品，在數(shù)據完整性和數(shù)據質量方面均有明顯提高，也是目前內容較為完整、要素較為齊全、可用性較強、保留原始觀測信息較多的地面觀測數(shù)據集。隨著城市的發(fā)展，地面氣象站存在站點遷移的現(xiàn)象，有可能會對研究產生一定的影響。為了剔除站點遷移因素，選取了數(shù)據集中青藏高原地區(qū)2008—2017年連續(xù)觀測且站點位置未發(fā)生變化的133個站的每日4次(02：00、08：00、14：00、20：00)的定時地表溫度觀測數(shù)據，站點空間分布如圖1所示，其中海拔1 000～2 000 m的站點9個、海拔2 000～3 000 m的站點43個、海拔3 000～4 000 m的站點58個、海拔4 000～5 000 m的站點23個。

圖1 青藏高原地區(qū)地表溫度觀測站點空間分布

1.2 地表溫度模擬資料

1.2.1 陸面模式地表溫度資料

所使用的陸面模式地表溫度資料是GLDAS2.1-Noah地表溫度資料。

全球陸面數(shù)據同化系統(tǒng)(GLDAS)產品是目前陸面水文過程研究常用的模擬產品[13-15]，目前發(fā)布的最新版本為GLDAS2.1。GLDAS2.1驅動數(shù)據來源于三個部分：①近地面氣溫、氣壓、濕度、風速驅動數(shù)據來源于美國國家海洋和大氣管理局(National oceanic and atmospheric administration，NOAA)的全球數(shù)據同化系統(tǒng)(global data assimilation system，GDAS)；②輻射驅動數(shù)據來源于經過偏差訂正后的美國空軍氣象局的AGRMET系統(tǒng)(the Air force weather agency’s AGRicultural METeorological modeling system)；③降水驅動數(shù)據來源于GPCP降水產品和全球數(shù)據同化系統(tǒng)的降水預報結果[16]。目前GLDAS2.1使用了Noah模式(Noah 3.3)對全球陸面狀況進行模擬，時間分辨率是3 h，空間分辨率有兩種(0.25°×0.25°和1°×1°)，使用的是空間分辨率0.25°×0.25°、時間分辨率3 h的GLDAS2.1-Noah地表溫度資料。

1.2.2 再分析地表溫度資料

使用的再分析地表溫度資料包括：ERA-5再分析地表溫度資料、ERA-Interim再分析地表溫度資料、MERRA-2再分析地表溫度資料、JRA-55再分析地表溫度資料。

ERA-5再分析資料是歐洲中期天氣預報中心(European Centre for Medium-range Weather Forecasts，ECMWF)研制的最新一代再分析資料[17]，使用Ensemble-4Dvar同化方法，也是首個能夠提供不確定性信息的再分析資料，大氣模式分析場的空間分辨率為0.25°×0.25°，時間分辨率是6 h，截至2018年12月發(fā)布了2005年至今的再分析產品；ERA-Interim再分析資料歐洲中期天氣預報中心研制的第三代再分析資料[18-19]，空間分辨率是0.75°×0.75°，時間分辨率是6 h，使用了4Dvar同化方法，時間覆蓋是1979年至今；MERRA-2是美國國家航空航天局(National Aeronautics and Space Administration，NASA)研制的第三代再分析資料[20]，空間分辨率是0.5°×0.625°，時間分辨率是1 h，在再分析資料制作過程中首次同化了地基和天基氣溶膠光學厚度觀測數(shù)據，使用了GSI-3Dvar同化方法，時間覆蓋是1980年至今；JRA-55是日本氣象廳研發(fā)的第三代再分析資料[21-23]，使用了4Dvar同化方法，空間分辨率T319L60，時間分辨率6 h，時間覆蓋是1958年至今。

2 結果與分析

2.1 青藏高原地區(qū)地表溫度氣候態(tài)空間分布

圖2給出了2008—2017年共10 a觀測、ERA-5、ERA-Interim、GLDAS2.1-Noah、MERRA-2、JRA-55的年平均地表溫度空間分布。從圖2(a)可以看出在高原東南部的雅魯藏布江流域和西北部的柴達木盆地存在兩個高值中心，地表溫度能夠達到8 ℃以上，最高值出現(xiàn)在青藏高原最南端的云南省福貢地面氣象觀測站(98.8°E、26.9°N)，達到19 ℃以上；在高原的中部存在一個低值中心，年平均地表溫度在0～4 ℃之間，最低值出現(xiàn)在海拔4 600 m以上的青海省五道梁地面氣象觀測站(93.1°E、35.2°N)，年平均地表溫度接近0 ℃；同時在青藏高原地區(qū)，地表溫度呈現(xiàn)邊緣地區(qū)高、中心地區(qū)低，由邊緣地區(qū)向中心地區(qū)遞減的變化趨勢，這與何冬燕等[10]得出的結論基本一致。

五套地表溫度模擬資料(ERA-5、ERA-Interim、GLDAS2.1-Noah、MERRA-2、JRA-55)在青藏高原的空間分布均符合“兩高一低”的空間分布特征[圖2(b)～圖2(f)]，能夠描述出在雅魯藏布江流域和柴達木盆地的兩個地表溫度高值中心，以及在青藏高原地區(qū)中部的低值中心。在青藏高原地區(qū)的柴達木盆地，ERA-5再分析地表溫度資料和GLDAS2.1-Noah地表溫度資料達到4～8 ℃，特別是在柴達木盆地的低海拔地區(qū)，達到8 ℃以上，能夠與實際觀測資料的空間分布狀況較好地吻合，這是由于ERA-5再分析產品的研制過程中，使用了更新的數(shù)值預報模式以及更先進的同化分析方法，而在GLDAS2.1-Noah資料的研制過程中，對于驅動數(shù)據中的地面氣溫要素和輻射要素進行訂正，因此兩者能夠更好地描述出柴達木盆地的地表溫度空間分布特征；而其他三種地表溫度模擬資料(ERA-Interim、MERRA-2、JRA-55)盡管能夠描述出柴達木盆地的地表溫度高值中心，但是相對于實際觀測資料，出現(xiàn)了明顯的低估，這表明三種產品所使用的數(shù)值模式和同化方法還存在一定的不足，需要進一步改進。在青藏高原地區(qū)的雅魯藏布江流域和中西部地區(qū)，五套地表溫度資料均出現(xiàn)了不同程度的低估現(xiàn)象，這可能是由于在地形復雜區(qū)，數(shù)值模式和陸面模式所使用的高程數(shù)據與實際觀測站點的海拔高度存在一定的差異。

圖2 2008—2017年年平均地表溫度空間分布

圖3 2008—2017年年平均地表溫度觀測資料與站點地理信息散點圖

為了進一步研究高程差異對青藏高原地表溫度模擬的影響，將五套地表溫度資料的多年平均值和所使用的高程數(shù)據利用雙線性插值方法插值到觀測站點，如圖3所示。根據圖3(a)中給出的地表溫度隨高程的遞減率(-0.34 ℃/100 m)，對地表溫度插值結果進行了高程訂正，并以地表溫度觀測資料為基準，對高程訂正前后的五套地表溫度模擬資料精度進行了定量的比較，如圖4所示。

圖4 高程訂正前后的五套地表溫度模擬資料與觀測資料散點圖

相對于地表溫度觀測資料，五套地表溫度模擬資料均出現(xiàn)了低估現(xiàn)象[圖4(a)～圖4(d)]；從平均偏差來看，五套地表溫度資料的平均偏差均超過-6 ℃，ERA-5再分析地表溫度資料的平均偏差最大，達到-9.898 ℃，其次是ERA-Interim再分析地表溫度資料，平均偏差達到-8.639 ℃；JRA-55和MERRA-2再分析地表溫度資料的平均偏差相近，在-8～-7 ℃之間；平均偏差最小的是GLDAS2.1-Noah地表溫度資料，但超過-6 ℃；從相關系數(shù)來看，五套地表溫度資料與觀測資料均在0.5以上，能夠通過P<0.01的顯著性檢驗，其中與觀測資料相關性最好的是MERRA-2再分析地表溫度資料，相關系數(shù)達到0.7以上，與觀測資料相關性最差的是ERA-5再分析地表溫度資料，相關系數(shù)為0.545；在經過高程訂正后[圖4(e)～圖4(h)]，五套地表溫度模擬資料的精度均有一定的改進，相關系數(shù)提升了0.2左右，平均偏差下降了2 ℃左右，高程訂正后最接近觀測資料的是GLDAS2.1-Noah地表溫度資料和MERRA-2再分析地表溫度資料，相關系數(shù)達到0.89以上，能夠通過P<0.01的顯著性檢驗，偏差在-5 ℃以內。從高程訂正前后，五套地表溫度資料與觀測資料的對比來看，數(shù)值模式和陸面模式所使用的高程數(shù)據與實際情況之間存在的差異，是造成地表溫度模擬存在負偏差的原因之一。

2.2 青藏高原地區(qū)地表溫度時間變化特征

按照青藏高原地區(qū)的地表溫度觀測站點海拔高度，劃分為4個層次(1 000～2 000、2 000～3 000、3 000～4 000、4 000～5 000 m)，各海拔層次的地表溫度觀測站空間分布見圖1。由2008—2017年各海拔層次五套地表溫度模擬資料與觀測資料的變化距平(圖5)可見，青藏高原地區(qū)的地表溫度呈現(xiàn)增暖的趨勢，且增暖幅度隨著海拔高度層次的增加而更加平緩，海拔層次1 000～2 000 m的地表溫度增暖幅度最為劇烈，達到0.0716 ℃/a，海拔層次4 000～5 000 m的地表溫度增暖幅度最為平緩，達到0.0157 ℃/a；青藏高原地區(qū)的地表溫度年際變化在±1.5 ℃以內，年際變化波動范圍隨海拔高度增加而減少，海拔層次1 000～2 000 m的地表溫度年際變化波動范圍最大，年平均地表溫度最高值與最低值的差距超過1.3 ℃，海拔層次4 000～5 000 m的地表溫度年際變化波動范圍最小，年平均地表溫度最高值與最低值的差距達到0.84 ℃，年平均地表溫度最高值與最低值的差距超過1.3 ℃。在海拔高度1 000～2 000 m層次，2007—2012年的地表溫度均低于平均值，而在2013年出現(xiàn)了明顯的增長，增長幅度超過1.3 ℃，并在其后的2014—2017年均高于平均值；其他海拔高度層次的地表溫度變化趨勢與1 000～2 000 m海拔高度層次基本一致，當1 000～2 000 m海拔高度層次某一年地表溫度較前一年升高(或降低)時，其他海拔高度層次地表溫度表現(xiàn)出基本一樣的變化特征，并且均在2007—2008年出現(xiàn)了變暖趨勢，變化幅度隨著海拔高度層次的增加而更加劇烈，特別是在4 000～5 000 m層次，變化幅度超過0.8 ℃，也是近10 a來該海拔高度層次地表溫度變化最劇烈的一次。

圖5 不同海拔高度層次五套地表溫度模擬資料與觀測資料距平的年際變化

在五套地表溫度模擬資料中，ERA-5地表溫度模擬資料年際變化幅度較為明顯，而其他四套地表溫度模擬資料年際變化較小。在海拔高度1 000～2 000 m層次，地表溫度觀測資料在2010—2011年出現(xiàn)了小幅度的增加(增加幅度為0.04 ℃)，五套地表溫度模擬資料均出現(xiàn)了相反的變化特征(小幅度減小)；ERA-5、GLDAS2.1-Noah、MERRA-2、JRA-55均能夠描述2013—2014年地表溫度觀測資料的小幅度降低現(xiàn)象，而ERA-Interim地表溫度模擬資料出現(xiàn)了相反的變化趨勢；GLDAS2.1-Noah地表溫度模擬資料在2014—2017年出現(xiàn)了持續(xù)降低現(xiàn)象，與實際觀測不符。在海拔高度2 000～3 000、3 000～4 000、4 000～5 000 m層次，ERA-5地表溫度模擬的變化幅度較為劇烈，特別是在2008—2011年，出現(xiàn)了盡管變化趨勢與觀測資料一致，但變化幅度更為劇烈；其他四種地表溫度模擬資料的變化特征和變化幅度與觀測資料基本一致，當某一年地表溫度觀測資料較前一年升高(或降低)時，能夠表現(xiàn)出相同的變化特征。

圖6 不同海拔高度層次五套地表溫度模擬資料與觀測資料距平的月際變化

從青藏高原地區(qū)月平均地表溫度距平的年內變化(圖6)可以看出，各海拔高度層次地表溫度的最高值均出現(xiàn)在7月，最低值均出現(xiàn)在1月，而且地表溫度在1—7月單調遞增，在從7—12月單調遞減，呈現(xiàn)單峰形分布特征；各海拔層次月平均地表溫度距平的變化范圍基本一致，峰值與谷值的差距在25 ℃左右；夏季的地表溫度距平月際變化較為平穩(wěn)，這是由于隨著夏季青藏高原地區(qū)氣溫的升高和降水的增加，植被覆蓋度也開始增加[24-25]，而植被有調節(jié)地表溫度的作用[26]；而在其他季節(jié)，月際變化更為明顯，這樣的變化特征與秦艷慧等[27]的研究結果較為一致。五套地表溫度模擬資料(ERA-5、ERA-Interim、GLDAS2.1-Noah、MERRA-2、JRA-55)均能夠表現(xiàn)出與觀測資料相似的單峰形變化特征，但是相對于觀測資料，ERA-5和ERA-Interim再分析地表溫度資料的變化幅度更為劇烈，其他三種資料的變化幅度更加接近實際觀測。

2.3 青藏高原多年凍土區(qū)地表溫度變化特征分析

青藏高原是中緯度多年凍土分布面積最大、海拔最高的地區(qū)[28]，而地表溫度作為陸-氣能量交換中重要的物理量，是許多凍土分布模型和區(qū)域陸面模式重要的參數(shù)[27]，在多年凍土區(qū)的氣候變化研究中起著重要的作用，因此對于青藏高原多年凍土區(qū)的地表溫度研究是非常重要的工作。但是青藏高原多年凍土區(qū)的地表溫度觀測資料較為缺乏，僅有中國氣象局布設的3個地面氣象站(表1)能夠提供長時間序列的多年凍土區(qū)地表溫度觀測資料，因此基于多年凍土區(qū)3個地面氣象站2008—2017年的地表溫度觀測數(shù)據，對近10 a來青藏高原多年凍土區(qū)溫度變化特征進行了分析，并檢驗五套地表溫度模擬資料(ERA-5、ERA-Interim、GLDAS2.1-Noah、MERRA-2、JRA-55)在青藏高原多年凍土區(qū)的適用性，為地表溫度模擬資料在觀測資料較為缺乏的青藏高原多年凍土區(qū)的應用提供參考。

表1 青藏高原多年凍土區(qū)地面氣象站信息

圖7 青藏高原多年凍土區(qū)地面氣象站月平均地表溫度時間序列

從青藏高原多年凍土區(qū)3個地面氣象站地表溫度的月際變化來看(圖7)，地表溫度呈現(xiàn)明顯的季節(jié)性變化特征，夏季達到一年中的最高值，冬季達到一年中的最低值；五套地表溫度模擬資料均能夠很好地模擬出地表溫度的季節(jié)性變化，且能夠與觀測資料的變化趨勢基本保持一致,相關系數(shù)均超過0.96，能夠通過P<0.01的顯著性檢驗。從偏差來看，相對于觀測資料，五套地表溫度模擬資料均呈現(xiàn)負偏差，出現(xiàn)了較為顯著的低估現(xiàn)象；在五套地表溫度模擬資料中，GLDAS2.1-Noah地表溫度模擬資料的表現(xiàn)最好，偏差在-2.5～1.9 ℃之間，JRA-55地表溫度模擬資料的表現(xiàn)略差于GLDAS2.1-Noah地表溫度模擬資料，偏差分布在-4.5～3.3 ℃之間，其他三套地表溫度模擬資料的偏差均大于-5 ℃，這樣的現(xiàn)象與孫帥等[29]的研究結果較為一致。

在中國氣象局布設的地面氣象觀測站中，主要使用鉬電阻地溫傳感器進行自動化的地表溫度觀測；根據《地面氣象觀測規(guī)范》，地表溫度觀測儀器必須布設在疏松、平整、無草的裸地上[30]，這與地表溫度模擬資料的所使用的地表覆蓋產品存在一定的差異，而在模式模擬的過程中，植被覆蓋能夠影響大氣與土壤之間的能量交換，進而降低地表溫度，這可能是地表溫度模擬資料均出現(xiàn)了低估的原因之一[31-32]。

從圖7也可以看出，地表溫度模擬資料的低估現(xiàn)象具有一定的季節(jié)性特征，在春季和秋季更為接近觀測資料，而在夏季和冬季的低估更為明顯；相對于其他四套地表溫度模擬資料，ERA-5再分析地表溫度資料在冬季出現(xiàn)了更為顯著的低估現(xiàn)象，特別是在安多地面氣象站[圖7(b)]和沱沱河地面氣象站[圖7(c)]，出現(xiàn)了明顯的負偏差，這可能與ERA-5再分析資料對于積雪觀測資料的同化策略有關，在ERA-5再分析資料的生成過程中，僅同化了海拔1500 m以下的IMS(interactive multi-sensor snow and ice mapping system)積雪產品[33]，造成高海拔地區(qū)地表溫度模擬缺少積雪觀測信息的影響。

3 結論與討論

基于2008—2017年青藏高原地區(qū)的地表溫度觀測數(shù)據和五套地表溫度模擬資料，分析了近10 a來青藏高原地區(qū)地表溫度變化趨勢，并對地表溫度模擬資料的適用性進行了評估，得到了以下主要結論：

(1)從空間分布看，青藏高原地區(qū)的地表溫度在雅魯藏布江流域和柴達木盆地存在兩個地表溫度高值中心，在高原中部地區(qū)存在一個地表溫度低值中心；青藏高原地區(qū)的地表溫度主要受海拔高度影響，地表溫度隨著海拔高度的增加而降低，同時服從緯度的地帶性規(guī)律，隨著緯度的增加，地表溫度呈現(xiàn)下降趨勢。

(2)五套地表溫度模擬資料均能夠描述出青藏高原地區(qū)地表溫度的空間分布特征；在地表溫度的低值區(qū)，相對于其他三種地表溫度模擬資料，ERA-5再分析地表溫度資料和GLDAS2.1-Noah地表溫度資料能夠與實際觀測資料的空間分布更好地吻合；五套地表溫度模擬資料均出現(xiàn)了不同程度的低估現(xiàn)象，主要是由于模擬資料所使用的高程數(shù)據與實際觀測存在差異，在進行高程訂正后，五套地表溫度模擬資料均更加接近實際觀測。

(3)在近10 a，青藏高原地區(qū)的地表溫度年際變化在±1.5 ℃以內，呈現(xiàn)增暖的趨勢，且增暖幅度隨著海拔高度層次的增加而更加平緩；從年內變化看，青藏高原地區(qū)的地表溫度呈現(xiàn)單峰形的分布特征，谷值出現(xiàn)在在冬季，峰值出現(xiàn)在夏季；五套地表溫度模擬資料能夠模擬出地表溫度的年際變化和年內變化特征，但是相對于實際觀測，ERA-5和ERA-Interim再分析地表溫度資料的變化幅度更為劇烈。

(4)在青藏高原多年凍土區(qū)3個地面氣象站，五套地表溫度模擬資料的變化趨勢能夠與實際觀測很好地吻合，相關系數(shù)均超過0.96，但是均出現(xiàn)了低估現(xiàn)象，且低估現(xiàn)象在夏季和冬季更為顯著，具有明顯的季節(jié)特征，這是因為根據觀測業(yè)務要求，地表溫度觀測地段為無植被覆蓋的裸土，與地表溫度模擬資料所使用的地表覆蓋靜態(tài)數(shù)據存在一定的差異。