ERA5-Land、MERRA2氣溫、降水?dāng)?shù)據(jù)在呼倫貝爾地區(qū)的適用性研究

曲學(xué)斌，林 聰，辛孝飛，敖孟奇，烏尼爾，王彥平

（1.呼倫貝爾市氣象局，內(nèi)蒙古 呼倫貝爾 021008；2.呼倫貝爾市農(nóng)牧局，內(nèi)蒙古 呼倫貝爾 021008）

天氣和氣候分析離不開大量的氣象數(shù)據(jù)支持，因此有效獲取高質(zhì)量、長序列、高分辨率的氣候資料數(shù)據(jù)一直是大氣科學(xué)研究和發(fā)展的重要基礎(chǔ)和根本保障[1]，然而傳統(tǒng)氣象監(jiān)測站網(wǎng)布設(shè)受人口、地形、交通等因素影響，分布極不均勻[2]。尤其在新疆、西藏、內(nèi)蒙古、青海等人口稀少地區(qū)，氣象監(jiān)測站網(wǎng)稀疏，單一氣象站的監(jiān)測數(shù)據(jù)難以代表整個(gè)區(qū)域的氣候特征[3]。20世紀(jì)80年代后期，隨著氣象資料同化技術(shù)在數(shù)值預(yù)報(bào)中應(yīng)用的不斷成熟，科學(xué)家們提出了利用數(shù)值天氣預(yù)報(bào)中的資料同化技術(shù)來恢復(fù)長期歷史氣候記錄，即所謂的大氣資料“再分析”[4]。90年代中期至今，美國、歐盟和日本等國家先后組織研發(fā)大氣再分析數(shù)據(jù)產(chǎn)品[5]，例如美國國家環(huán)境預(yù)報(bào)中心（NCEP）和美國國家大氣研究中心（NCAR）的聯(lián)合項(xiàng)目NCEP/NCAR和第2版本NCEP/DOE再分析數(shù)據(jù)[6]；美國國家航空航天局（NASA）全球模擬與數(shù)據(jù)同化辦公室發(fā)布的MERRA及其第2版本MERRA2再分析數(shù)據(jù)[7]；日本氣象廳（JMA）與日本電子能源工業(yè)中央研究所（CRIEPI）聯(lián)合開發(fā)的JRA-25及其后發(fā)布的JRA-55[8]；歐洲中期天氣預(yù)報(bào)中心（ECMWF）依次研發(fā)的FGGE、ERA-15、ERA-40、ERA-Intrim、ERA5的5代再分析數(shù)據(jù)[9]。

隨著高性能計(jì)算能力的飛速發(fā)展，再分析數(shù)據(jù)的時(shí)空分辨率不斷提升，為解決觀測資料缺乏、時(shí)空分布不均等問題提供了新的途徑和方法，必將在未來區(qū)域氣候變化分析和研究中得到廣泛應(yīng)用[10]，但受同化方案等因素的影響，不同再分析數(shù)據(jù)的可信度需要進(jìn)一步驗(yàn)證[11]。近年來，我國學(xué)者針對(duì)再分析數(shù)據(jù)的本地適用性研究逐漸增多。除多等[12]、秦艷慧等[13]分別對(duì)MERRA和ERA-Interim再分析地面溫度在青藏高原地區(qū)的適用性進(jìn)行分析，證明兩者有很高的數(shù)據(jù)代用價(jià)值。白磊等[14]對(duì)比兩類再分析氣溫、氣壓在天山山區(qū)的適用性，發(fā)現(xiàn)ERA-Interim數(shù)據(jù)的整體可信度高于NCEP/NCAR。朱景等[15]對(duì)比分析ERA-Interim和ERA5再分析陸面溫度在浙江省的適用性，得出兩套數(shù)據(jù)在浙江省均具有較好適用性且相比之下ERA5更加優(yōu)秀。宋海清等[16]對(duì)比多種土壤濕度資料在內(nèi)蒙古的適用性，發(fā)現(xiàn)ERA5的模擬能力最優(yōu)，且再分析土壤濕度普遍好于基于衛(wèi)星融合的SMOPS土壤濕度。

呼倫貝爾地處我國東北部邊疆，擁有大興安嶺森林、呼倫貝爾草原、松嫩平原邊緣農(nóng)業(yè)種植區(qū)等多種生態(tài)系統(tǒng)，是我國北方重要的生態(tài)屏障之一[17]。呼倫貝爾地區(qū)屬半濕潤與半干旱、中溫帶與寒溫帶氣候的過渡區(qū)，加之地形地貌多樣，氣候環(huán)境較為復(fù)雜[18]。而該地區(qū)僅有16個(gè)國家級(jí)氣象站，可用于氣候變化分析和研究的地面實(shí)測數(shù)據(jù)較為缺乏，對(duì)長時(shí)序、高時(shí)空分辨率的再分析數(shù)據(jù)需求旺盛。開展再分析數(shù)據(jù)在呼倫貝爾地區(qū)的適用性分析，可為其在呼倫貝爾的應(yīng)用提供科學(xué)參考，有效彌補(bǔ)氣象臺(tái)站稀疏、氣候數(shù)據(jù)缺乏等問題。

1 資料與方法

1.1 研究區(qū)概況

呼倫貝爾地區(qū)位于內(nèi)蒙古自治區(qū)東北部（115°31＇～126°04＇E，47°05＇～53°20＇N），總面積2.53×105km2（圖1）。大興安嶺以東北—西南走向橫貫全市，來自海洋的濕潤氣流受其阻擋，嶺東為半濕潤氣候，嶺西為半干旱氣候。大興安嶺北部屬年平均氣溫＜0℃的寒溫帶，其余地區(qū)屬中溫帶?？傮w氣候呈現(xiàn)冬季寒冷漫長、夏季溫涼短促、春季干燥風(fēng)大、秋季氣溫驟降的特點(diǎn)[19]。

圖1 呼倫貝爾市植被覆蓋及氣象站分布

1.2 數(shù)據(jù)資料

ERA5再分析數(shù)據(jù)是歐洲中期天氣預(yù)報(bào)中心（ECMWF）研發(fā)的第5代再分析數(shù)據(jù)，與前一代ERA-Interim相比，ERA5采用4DVar數(shù)據(jù)同化方法，集成預(yù)報(bào)系統(tǒng)模式由Cy31r2升級(jí)到Cy41r2，快速輻射傳輸模式升級(jí)到RTTOV-v11，數(shù)據(jù)質(zhì)量提升明顯[20]。ERA5-Land是通過ERA5再分析模型生產(chǎn)的再分析數(shù)據(jù)集，該模型通過物理法則將來自世界各地的觀測數(shù)據(jù)結(jié)合到一個(gè)全球完整且一致的數(shù)據(jù)集中[21]。目前ERA5-Land已發(fā)布1981年至今的逐小時(shí)及逐月全球數(shù)據(jù)，其空間分辨率高達(dá)0.1°×0.1°（約9 km），可從C3S氣候資料庫（https：//cds.climate.copernicus.eu/）免費(fèi)獲取[22]。

MERRA2是美國國家航空航天局（NASA）的再分析數(shù)據(jù)。劉鵬飛等[23]對(duì)CFSR、MERRA、NCEP三種再分析降水資料在我國東北的適用性分析表明，MERRA與觀測降水的相關(guān)系數(shù)最高，平均絕對(duì)偏差最小，數(shù)據(jù)質(zhì)量明顯優(yōu)于CFSR和NCEP。MERRA2作為MERRA再分析數(shù)據(jù)的第二代產(chǎn)品，增加了對(duì)高光譜輻射、微波數(shù)據(jù)和GPS掩星等數(shù)據(jù)的同化處理，是目前應(yīng)用廣泛的再分析數(shù)據(jù)之一[24]。

真實(shí)氣象數(shù)據(jù)使用呼倫貝爾市氣象局提供的16個(gè)國家氣象站月氣溫、降水觀測數(shù)據(jù)。

1.3 分析方法

利用ArcGIS軟件繪制地面觀測與再分析數(shù)據(jù)的空間分布圖，并使用SPSS和Excel軟件進(jìn)行數(shù)據(jù)分析，其中地面觀測的氣溫、降水分布采用16個(gè)氣象站觀測數(shù)據(jù)與經(jīng)度、緯度、海拔高度建立的小網(wǎng)格插值方法進(jìn)行繪制，插值方程為：

式中，T和P分別為基于小網(wǎng)格插值計(jì)算出的氣溫和降水，Lon為經(jīng)度、Lat為緯度、H為海拔高度，r為小網(wǎng)格插值方程的相關(guān)系數(shù)，其值越接近1，方程的質(zhì)量越高。

利用線性相關(guān)系數(shù)R、平均偏差Me、均方根誤差Rmse，結(jié)合散點(diǎn)斜率法，分析再分析數(shù)據(jù)與觀測數(shù)據(jù)的一致性和偏離程度[25]。某一氣象要素觀測值與再分析數(shù)據(jù)的相關(guān)系數(shù)計(jì)算公式為：

平均偏差：

均方根誤差：

式中，n為樣本數(shù)；x和y分別為再分析數(shù)據(jù)和氣象站觀測數(shù)據(jù)，x、y分別是變量x和y的均值。R是變量x和y的相關(guān)系數(shù)，取值范圍在-1~1，其絕對(duì)值越接近1，表示變量x和y變化的線性相關(guān)性越好；Mbe是平均偏差、Rmse是均方根誤差，兩者可用來衡量觀測值與真值之間誤差的偏移方向、偏移程度和離散情況。

2 結(jié)果與分析

2.1 空間分布

1981—2019年呼倫貝爾市地面氣象站、氣象站所在位置的ERA5-Land、MERRA2年平均氣溫分別為-0.1、0.4、0.2℃，年平均降水分別為411.8、397.8、435.9 mm，其空間分布見圖2。地面氣象站觀測的小網(wǎng)格插值結(jié)果、ERA5-Land、MERRA2的氣溫大體均呈現(xiàn)由大興安嶺北部向南部及兩麓遞增分布，降水大體均呈現(xiàn)自東向西依次遞減分布。三者氣溫、降水?dāng)?shù)據(jù)的空間分布基本一致，其中氣象站小網(wǎng)格插值實(shí)況的空間分辨率最高，但此方法反演的氣象要素質(zhì)量與其是否由地形及經(jīng)緯度決定有關(guān)，并非適用于所有區(qū)域，ERA5-Land與MERRA2兩種再分析數(shù)據(jù)相比，ERA5-Land的空間分辨率更高，有利于反映更多氣象要素分布細(xì)節(jié)，而MERRA2的空間分辨率較低，不適合小區(qū)域分析和制圖。

圖2 1981—2019年呼倫貝爾市地面觀測、氣象站所在位置ERA5-Land、MERRA2的年平均氣溫與降水量分布

2.2 氣溫誤差分析

1981—2019年共468個(gè)月的呼倫貝爾地區(qū)ERA5-Land、MERRA2與地面觀測月平均氣溫相關(guān)性及偏差分析如表1。ERA5-Land、MERRA2與地面觀測月平均氣溫的相關(guān)系數(shù)均在0.995以上，其中87.5%的臺(tái)站ERA5-Land與地面觀測數(shù)據(jù)的相關(guān)系數(shù)高于MERRA2，再分析數(shù)據(jù)與實(shí)況數(shù)據(jù)的相關(guān)性較高。兩種再分析數(shù)據(jù)與地面觀測月平均氣溫的均方根誤差最大值僅2.6℃，平均偏差在±2℃以內(nèi)，其中ERA5-Land與地面觀測月平均氣溫的均方根誤差、平均偏差小于MERRA2的臺(tái)站數(shù)分別占75%和43.8%，分臺(tái)站統(tǒng)計(jì)來看，ERA5-Land平均誤差為負(fù)的區(qū)域主要集中在大興安嶺以東的阿榮旗、博客圖、鄂倫春旗、莫旗和扎蘭屯市，而MERRA2誤差為負(fù)的區(qū)域相對(duì)離散。綜上，ERA5-Land、MERRA2再分析數(shù)據(jù)與地面觀測月平均氣溫?cái)?shù)據(jù)非常接近，在呼倫貝爾地區(qū)均具有很高的適用性，且ERA5-Land的總體適用性略優(yōu)于MERRA2。

表1 1981—2019年呼倫貝爾市地面觀測月平均氣溫與ERA5-Land、MERRA2的相關(guān)性及誤差分析

1981—2019年呼倫貝爾市地面觀測、ERA5-Land和MERRA2在氣象觀測站所在地平均的年、月氣溫變化見圖3a、3b。兩種再分析數(shù)據(jù)的年平均氣溫普遍高于地面觀測數(shù)據(jù)，其中ERA5-Land的各年平均氣溫均高于地面觀測數(shù)據(jù)，且僅有5 a的ERA5-Land年平均氣溫低于MERRA2，MERRA2的年平均氣溫常介于地面觀測和ERA5-Land數(shù)據(jù)之間。分臺(tái)站統(tǒng)計(jì)年氣溫變化可知，表1中再分析數(shù)據(jù)與觀測數(shù)據(jù)間整體平均誤差為正的臺(tái)站，出現(xiàn)正誤差的年份也多于負(fù)誤差年份，反之亦然。因此從單站來看，再分析數(shù)據(jù)與實(shí)測數(shù)據(jù)間可能存在一定的系統(tǒng)性偏差，在使用時(shí)可分臺(tái)站進(jìn)行誤差訂正。月平均氣溫中，兩種再分析數(shù)據(jù)與地面觀測月平均氣溫均在暖季呈負(fù)偏差，冷季呈正偏差。其中，ERA5-Land在每年11月—次年3月與地面觀測的偏差＞1℃，最大偏差出現(xiàn)在2月（偏高1.77℃）；MERRA2在每年12月—次年2月與地面觀測的偏差＞1℃，最大偏差出現(xiàn)在12月（偏高1.72℃）。11月—次年3月，兩種再分析數(shù)據(jù)月偏暖＞3℃的臺(tái)站均為額爾古納市和圖里河，月偏暖平均＞2℃的臺(tái)站也大多位于大興安嶺北部山區(qū)及嶺西牧區(qū)等冬季易出現(xiàn)極寒天氣的寒冷地區(qū)，而再分析數(shù)據(jù)反映的極寒程度不及觀測數(shù)據(jù)。ERA5-Land和MERRA2與觀測月平均氣溫的散點(diǎn)圖如圖3c、3d，ERA5-Land和MERRA2的趨勢線相關(guān)系數(shù)分別為0.995 6、0.993 1，趨勢線與1∶1線的交點(diǎn)分別在9.63、5.33℃，兩種再分析月平均氣溫大體呈現(xiàn)出在低于交點(diǎn)氣溫時(shí)高于觀測數(shù)據(jù)，在高于交點(diǎn)氣溫時(shí)低于觀測數(shù)據(jù)的分布方式。

圖3 1981—2019年呼倫貝爾市地面觀測、ERA5-Land、MERRA2的年平均氣溫（a）、月平均氣溫（b）和ERA5-Land（c）、MERRA2（d）與地面觀測的月平均氣溫散點(diǎn)

2.3 降水誤差分析

1981—2019年各臺(tái)站ERA5-Land、MERRA2再分析數(shù)據(jù)與地面觀測月降水量的相關(guān)性及偏差分析如表2。兩種再分析數(shù)據(jù)與地面觀測月降水量的相關(guān)系數(shù)最低值均出現(xiàn)在新左旗，分別為0.897 8、0.899 6，其余臺(tái)站的相關(guān)系數(shù)均＞0.9，明顯低于氣溫的相關(guān)系數(shù)，且ERA5-Land與地面觀測數(shù)據(jù)的相關(guān)系數(shù)高于MERRA2的臺(tái)站僅占25%。ERA5-Land、MERRA2再分析數(shù)據(jù)與地面觀測月降水量的最大均方根誤差分別為27.1、25.9 mm，所有臺(tái)站ERA5-Land的均方根誤差均高于MERRA2；ERA5-Land、MERRA2的最大平均偏差分別為-4.6、6.0 mm，其中ERA5-Land有75%臺(tái)站的平均偏差為負(fù)，而MERRA2平均偏差為負(fù)的臺(tái)站僅占18.8%且均位于大興安嶺東南麓的農(nóng)業(yè)種植區(qū)。綜上可知，ERA5-Land月降水量的適用性整體差于MERRA2，且存在ERA5-Land月降水量數(shù)值偏低的問題。

表2 1981—2019年呼倫貝爾市地面觀測月降水量與ERA5-Land、MERRA2的相關(guān)性及誤差分析

1981—2019年呼倫貝爾市地面觀測、氣象觀測站所在地ERA5-Land和MERRA2的年平均、月平均降水量變化如圖4。ERA5-Land和MERRA2年降水量的平均偏差分別為32.9、33.5 mm。MERRA2與地面觀測年降水量在74.4%的年份中為正偏差，ERA5-Land僅在35.9%的年份中為正偏差，且從2005年開始，氣象觀測站所在地的ERA5-Land年平均降水量始終小于地面觀測值，分臺(tái)站統(tǒng)計(jì)可知，除鄂溫克旗與博克圖外ERA5-Land年降水量小于觀測值的年份占比也均＞50%，存在一定的系統(tǒng)偏差。從氣象觀測站所在地平均的月降水量分析，ERA5-Land和MERRA2月降水量高于地面觀測值的月份分別為9月—次年5月和9月—次年6月，再分析數(shù)據(jù)偏低的月份集中在夏季主汛期，且ERA5-Land較MERRA2偏低更加明顯。分臺(tái)站統(tǒng)計(jì)中可見，ERA5-Land主汛期降水偏低而其他時(shí)期降水偏高的現(xiàn)象在所有臺(tái)站均存在，而MERRA2降水的各月偏差在鄂溫克旗、海拉爾區(qū)和圖里河均為正值，其他臺(tái)站主汛期為負(fù)。從ERA5-Land、MERRA2與觀測月降水量的散點(diǎn)圖（圖5）可知，雖然ERA5-Land和MERRA2趨勢線的線性相關(guān)系數(shù)均＞0.98，趨勢線與1∶1線的交點(diǎn)分別在28.7、60.5 mm，但ERA5-Land的趨勢線斜率僅為0.794 4，同樣說明兩種再分析月平均降水量也存在低于交點(diǎn)降水量時(shí)高于觀測數(shù)據(jù)，在高于交點(diǎn)降水量時(shí)低于觀測數(shù)據(jù)的現(xiàn)象，且ERA5-Land在大量級(jí)降水月份的數(shù)據(jù)低估更加明顯。

圖4 和ERA5-Land（a）、MERRA2（b）與地面觀測的月平均降水量散點(diǎn)

圖4 1981—2019年呼倫貝爾市地面觀測、ERA5-Land、MERRA2的年平均降水量（a）、月平均降水量（b）

3 討論

由于ERA5-Land、MERRA2等再分析數(shù)據(jù)的具體算法并不公開，因此難以為誤差的產(chǎn)生原因給出確定性結(jié)論，但從本次適用性分析能夠得到一些誤差產(chǎn)生的線索，后期可根據(jù)這些線索對(duì)再分析數(shù)據(jù)進(jìn)行訂正。

（1）對(duì)于單個(gè)臺(tái)站來說，大部分年份的再分析數(shù)據(jù)與實(shí)測數(shù)據(jù)的偏差方向與多年平均偏差方向一致，存在一定的系統(tǒng)性偏差，每個(gè)臺(tái)站可根據(jù)本站偏差情況進(jìn)行系統(tǒng)誤差訂正，但對(duì)于不同臺(tái)站來說，系統(tǒng)偏差的大小和方向并不相同。

（2）在對(duì)兩種再分析月氣溫?cái)?shù)據(jù)分析時(shí)發(fā)現(xiàn)，最大偏差出現(xiàn)在冷季的大興安嶺北部山區(qū)。由于再分析數(shù)據(jù)計(jì)算時(shí)使用的高程數(shù)據(jù)分辨率有限，且山地高程的空間差異大，臺(tái)站的實(shí)際高程與再分析中使用的高程可能存在偏差。山地臺(tái)站使用再分析氣溫時(shí)，可根據(jù)再分析計(jì)算所使用的高程與臺(tái)站實(shí)際高程的差值，結(jié)合溫度直減率進(jìn)行地形訂正。

（3）兩種再分析月數(shù)據(jù)普遍存在低觀測值時(shí)的高估和高觀測值時(shí)的低估現(xiàn)象，這可能與再分析數(shù)據(jù)對(duì)極端降水或氣溫存在程度上的低估有關(guān)，下一步需利用再分析小時(shí)數(shù)據(jù)等時(shí)間分辨率更高的數(shù)據(jù)進(jìn)行分析和驗(yàn)證。

4 結(jié)論

（1）ERA5-Land、MERRA2再分析月氣溫、降水?dāng)?shù)據(jù)與觀測數(shù)據(jù)對(duì)比，整體相關(guān)性較高、均方根誤差和平均偏差較低，在呼倫貝爾地區(qū)的適用性較高。其中ERA5-Land的空間分辨率更高，能反映出更多氣象要素分布細(xì)節(jié)，可更好地填補(bǔ)呼倫貝爾等臺(tái)站稀少地區(qū)的歷史氣象實(shí)況數(shù)據(jù)空白，在區(qū)域氣候變化分析等方面的研究和業(yè)務(wù)應(yīng)用潛力更大。

（2）呼倫貝爾各臺(tái)站ERA5-Land的月氣溫?cái)?shù)據(jù)與觀測數(shù)據(jù)的平均相關(guān)系數(shù)為0.998 5，平均均方根誤差為1.5℃，均優(yōu)于MERRA2。ERA5-Land月降水?dāng)?shù)據(jù)的平均相關(guān)系數(shù)為0.919 3，平均均方根誤差為19.9 mm，均差于MERRA2。兩種再分析數(shù)據(jù)均存在低觀測值時(shí)的高估和高觀測值時(shí)的低估現(xiàn)象，再分析數(shù)據(jù)對(duì)極端天氣氣候的反映程度不及臺(tái)站實(shí)測數(shù)據(jù)。

（3）ERA5-Land的月降水量與觀測值相比以低估為主，且ERA5-Land偏低主要出現(xiàn)在6—8月，其中7月平均偏差最大，為-20.7 mm。ERA5-Land的月降水量以高估為主，最大平均偏差出現(xiàn)在4月，僅為5.9 mm。同時(shí)從降水量的年變化上看，ERA5-Land的降水量在2005年之后存在明顯的低估。