ERA5 再分析資料在遼寧省的適用性分析與訂正

孫虹雨，王 迪，劉成瀚，張 燕，王式功

（1.成都信息工程大學(xué)大氣科學(xué)學(xué)院/高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610225；2.遼寧省氣象臺(tái)，遼寧 沈陽 110166；3.河南省氣象臺(tái)，河南 鄭州 450003；4.涼山州氣象局，四川 涼山彝族自治州 615000；5.成都平原城市氣象與環(huán)境四川省野外科學(xué)觀測(cè)研究站，四川 成都 610225）

由于大氣實(shí)際探測(cè)方式較多，觀測(cè)時(shí)間不統(tǒng)一，空間分辨率不均勻，不利于歷史資料統(tǒng)計(jì)分析。20世紀(jì)90 年代之后，美國(guó)、歐洲和日本等推出了自己的“再分析資料”，較好地解決了常規(guī)觀測(cè)資料歷史反演的困難。隨著當(dāng)前探測(cè)方式和探測(cè)資料的不斷增多，資料同化技術(shù)的迅速提升，計(jì)算機(jī)性能的高速發(fā)展，給“再分析資料”注入了新的活力，使其在時(shí)間分辨率和空間分辨率上有了質(zhì)的提升。歐洲中期天氣預(yù)報(bào)中心（ECMWF）是較早開展再分析資料研發(fā)的機(jī)構(gòu)，最新的4D-Var 方法也是最早投入業(yè)務(wù)運(yùn)用。時(shí)至今日，ECMWF 推出了五代再分析資料產(chǎn)品，分別為：第一代再分析產(chǎn)品（FGGE）[1]、第二代再分析產(chǎn)品（ERA-15）[2]、第三代再分析產(chǎn)品（ERA-40）[3]、第四代再分析產(chǎn)品（ERA-Interim）[4]和第五代再分析產(chǎn)品（ERA-5）[5]。第五代再分析產(chǎn)品從數(shù)據(jù)量、時(shí)空分辨率以及同化方法上都有了較大的提高。

再分析資料質(zhì)量如何，能否反映歷史真實(shí)的大氣狀況，近年來備受關(guān)注，國(guó)內(nèi)外很多專家和學(xué)者針對(duì)不同的再分析資料做過很多質(zhì)量評(píng)估工作。孟憲貴等[6]通過對(duì)ERA5 資料的實(shí)用性進(jìn)行了分析，指出ERA5 資料的海平面氣壓和2 m 溫度與實(shí)況相關(guān)性好于2 m 相對(duì)濕度和10 m 風(fēng)場(chǎng)。朱景等[7]利用浙江省71 個(gè)臺(tái)站觀測(cè)的日平均氣溫和地表（0 cm）溫度資料對(duì)兩套再分析資料（ERA5 和ERA-Interim）進(jìn)行評(píng)估，指出兩套資料總體實(shí)用性均較高。秦艷慧等[8]研究表明再分析資料能較好地再現(xiàn)高原多年凍土區(qū)的地表溫度基本特征，并能較好地描述地表溫度的季節(jié)變化。滕華超等[9]和白磊等[10]通過分析ERA-Interim 風(fēng)速再分析資料的適用性，指出ERAInterim 風(fēng)速再分析資料整體具有較高的可信度，且ERA-Interim 再分析資料的氣壓、溫度的可信度要優(yōu)于NCEP/NCAR 數(shù)據(jù)，但局部有差異。支星等[11-12]對(duì)再分析資料年平均高空溫度在中國(guó)地區(qū)的可信度進(jìn)行系統(tǒng)分析，指出三種再分析資料（NCEP/NCAR、ERA 和JRA）高空溫度較探空資料高空溫度偏低，ERA 和JRA 在對(duì)流層中下層與探空資料更加接近。陳艷春等[13]分析了五種再分析資料在本地的適用性，指出在環(huán)渤海區(qū)域10 m 風(fēng)場(chǎng)中，JRA 資料與觀測(cè)站的相關(guān)系數(shù)最高，ERA 資料的均方根誤差最小。袁松等[14]，指出NCEP 資料中溫度、相對(duì)濕度、U 風(fēng)場(chǎng)和V 風(fēng)場(chǎng)絕對(duì)差值隨地點(diǎn)、高度、季節(jié)變化較小。高淑新等[15]和謝瀟等[16]指出，不同再分析資料存在一定的共性，但不同地區(qū)不同時(shí)間尺度下差異顯著，遼寧西部地區(qū)再分析資料可用性差異較大。鄭艷萍[17]通過研究ERA5 再分析資料在廣東省的適用性指出，ERA5 再分析地面資料的海平面氣壓、溫度表現(xiàn)較好，相對(duì)濕度表現(xiàn)稍差。王秀明等[18]選取60 個(gè)超級(jí)單體風(fēng)暴個(gè)例，研究再分析資料在我國(guó)強(qiáng)對(duì)流天氣環(huán)境分析中的適用性，指出NCEP 再分析資料計(jì)算的對(duì)流有效位能、水汽參數(shù)與觀測(cè)值差異較大，用K 指數(shù)、溫度直減率來分析大氣層結(jié)穩(wěn)定度效果較好。夏凡等[19]通過對(duì)WRF 預(yù)報(bào)的2 m 溫度進(jìn)行驗(yàn)證，指出08 時(shí)的預(yù)報(bào)效果好于20 時(shí)，且白天預(yù)報(bào)效果好于晚上。許敏等[20]和李翔翔等[21]指出，GRAPES和T639 模式對(duì)大雨及以上降水和小雪預(yù)報(bào)效果較好，T639 模式TS 評(píng)分高于GER、JPN 等模式；通過訂正JAR55 再分析資料，其地面溫度均方根誤差得到有效縮小。陳艷春等[22]運(yùn)用環(huán)渤海氣象臺(tái)站資料與NCEP/NCAR 等5 種再分析資料研究其適用性問題，指出ERA-Interim 資料水平分辨率較高，強(qiáng)風(fēng)時(shí)可重點(diǎn)參考。鄧小花等[23]也指出各種再分析資料所使用的同化方案、數(shù)據(jù)來源、質(zhì)量控制算法及相關(guān)的偏差校正方法不同，應(yīng)從經(jīng)驗(yàn)出發(fā)分析各類再分析資料在不同方面的優(yōu)缺點(diǎn)。

由于大氣的狀態(tài)和變化具有很強(qiáng)的地域性，已有的研究成果可為科研和業(yè)務(wù)應(yīng)用提供思路和參考依據(jù)，部分成果和參數(shù)在遼寧省不一定適用。本文將重點(diǎn)分析ERA5 資料在遼寧地區(qū)的適用性，并根據(jù)ERA5 資料的誤差結(jié)果，運(yùn)用機(jī)器學(xué)習(xí)的方法進(jìn)行訂正，縮小ERA5 資料與實(shí)況資料的差距，為ERA5資料在遼寧適用性的研究和應(yīng)用提供借鑒和參考。

1 資料和方法

1.1 資料來源

1.1.1 ERA5 再分析資料

為便于計(jì)算和提高運(yùn)算效率，結(jié)合遼寧省邊界，資料范圍為38°～44°N，118°～126°E。ERA5 再分析資料選取業(yè)務(wù)中常用資料包括地面溫度、露點(diǎn)、風(fēng)向和風(fēng)速資料，高空選取不同高度的氣壓、位勢(shì)高度、溫度、露點(diǎn)、風(fēng)向和風(fēng)速資料。為盡可能保證評(píng)估的普適性和代表性，選用2009 年1 月1 日—2018 年12 月31 日（北京時(shí)，下同）共10 a 資料；地面和高空時(shí)間分辨率為1 h，空間分辨率為0.25°×0.25°，高空選用11 個(gè)標(biāo)準(zhǔn)層（1 000、925、850、700、500、400、300、250、200、150、100 hPa）。

1.1.2 實(shí)況觀測(cè)資料

遼寧省共有國(guó)家地面站62 個(gè)，探空站4 個(gè)，站點(diǎn)分布如圖1 所示。文中涉及的地圖，均來自于“標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)”下載的中國(guó)標(biāo)準(zhǔn)地圖，審圖號(hào)為GS（2020）4619 號(hào)。實(shí)況資料時(shí)間為2009 年1 月1日—2018 年12 月31 日共10 a 資料，地面觀測(cè)資料選取62 個(gè)國(guó)家站的溫度、露點(diǎn)、風(fēng)向和風(fēng)速資料，探空資料選取氣壓、高度、溫度、露點(diǎn)、風(fēng)向和風(fēng)速資料。由于ERA5 再分析資料的時(shí)間分辨率為1 h，所以地面資料也選用逐小時(shí)資料進(jìn)行匹配；高空選用每日2 次（08、20 時(shí)）的探空資料。所有觀測(cè)資料來自遼寧省氣象局，本文使用的站點(diǎn)均為考核站點(diǎn)，數(shù)據(jù)質(zhì)量可信度較高。

圖1 遼寧省國(guó)家氣象觀測(cè)站和探空站分布

1.2 評(píng)估方法

為分析和檢驗(yàn)實(shí)況觀測(cè)資料和ERA5 再分析資料的差異，很多專家運(yùn)用不同的方法將再分析資料匹配到實(shí)況觀測(cè)站點(diǎn)上，其中有雙線性插值法和鄰近點(diǎn)匹配法等。朱景等[7]通過研究指出，雙線性插值會(huì)帶來插值誤差，而且鄰近點(diǎn)匹配法誤差相對(duì)較小；所以本文將采用鄰近點(diǎn)匹配法，將ERA5 再分析資料和地面及高空實(shí)況觀測(cè)資料進(jìn)行匹配。為定量評(píng)估再分析資料的性能，選用均方根誤差和相關(guān)系數(shù)來檢驗(yàn)再分析資料對(duì)實(shí)況觀測(cè)的偏離程度。相關(guān)系數(shù)（RR）公式：

均方根誤差（RMSE）公式：

式中：N 為樣本數(shù)量，i 為每一個(gè)樣本，XERA5為ERA5再分析資料，Xobs為實(shí)況觀測(cè)資料。

1.3 機(jī)器學(xué)習(xí)訂正方法

為提升ERA5 資料的適應(yīng)性，減小資料與實(shí)況資料的均方根誤差，提高相關(guān)系數(shù)，本文采用機(jī)器學(xué)習(xí)的方法對(duì)ERA5 地面溫度和相對(duì)濕度資料進(jìn)行訂正。機(jī)器學(xué)習(xí)模型選用線性回歸中的嶺回歸算法（Ridge），采用“K 折交叉驗(yàn)證”的方法將訓(xùn)練集和評(píng)估集隨機(jī)分離，運(yùn)用“10 折交叉驗(yàn)證”的方法評(píng)估模型準(zhǔn)確度。嶺回歸算法最大的優(yōu)勢(shì)是可用于共線性分析的有偏估計(jì)回歸方法，通過損失部分信息的代價(jià)，獲取更真實(shí)可靠的回歸方法。本文采用Python的Sklearn 庫包，調(diào)用嶺回歸算法模型來實(shí)現(xiàn)[24]。

2 結(jié)果分析

2.1 地面氣象要素適用性分析

2.1.1 地面氣象要素相關(guān)系數(shù)分布

由全省站點(diǎn)相關(guān)系數(shù)分析可知，2 m 溫度相關(guān)系數(shù)＞0.99 的站點(diǎn)大多集中于遼河流域及其西側(cè)地區(qū)，大連、葫蘆島地區(qū)相關(guān)系數(shù)相對(duì)較低，但均＞0.94，也屬強(qiáng)相關(guān)。2 m 露點(diǎn)溫度相較于2 m 溫度，相關(guān)系數(shù)＞0.99 的地方較少，主要分布于沈陽和鐵嶺地區(qū)，但≥0.98 的地區(qū)較多，在全省均有分布；2 m 露點(diǎn)溫度相關(guān)系數(shù)低值區(qū)依然集中于大連和葫蘆島地區(qū)。地面氣壓相關(guān)系數(shù)均較高，平均值高達(dá)0.994，僅有個(gè)別站點(diǎn)相關(guān)系數(shù)出現(xiàn)<0.95 的情況，說明ERA5 再分析資料在地面氣壓的反演中表現(xiàn)優(yōu)越。10 m 風(fēng)速的對(duì)比中發(fā)現(xiàn)相關(guān)系數(shù)總體下降，平均相關(guān)系數(shù)僅0.684，但遼河流域及兩側(cè)地區(qū)依然是相關(guān)系數(shù)高值區(qū)，撫順、丹東、葫蘆島地區(qū)最低，僅達(dá)到0.55～0.60；大連、本溪部分地區(qū)較低。由于風(fēng)向?yàn)?°～360°，對(duì)比驗(yàn)證不便，故采用U、V 分量形式對(duì)比驗(yàn)證，U 分量代表緯向風(fēng)，V 分量代表徑向風(fēng)。由10 m 風(fēng)場(chǎng)U、V 分量相關(guān)系數(shù)可知，U 分量相關(guān)系數(shù)明顯低于V分量，這和均方根誤差U 分量高于V 分量有明顯不同，在業(yè)務(wù)應(yīng)用時(shí)要特別注意；且U 分量相關(guān)系數(shù)平均值僅0.666，V 分量相關(guān)系數(shù)平均值僅0.818，U、V 分量相關(guān)系數(shù)高值區(qū)主要位于遼河流域地區(qū)，丹東、本溪、朝陽地區(qū)較低，最低僅0.44；V 分量相關(guān)系數(shù)雖然較U 分量高，但＞0.90 的站數(shù)僅13 個(gè)，高相關(guān)系數(shù)區(qū)位于遼河流域及以西區(qū)域，東部站點(diǎn)的相關(guān)系數(shù)明顯偏小。

2.1.2 地面氣象要素均方根誤差分布

由全省站點(diǎn)均方根誤差分布可知，2 m 溫度（圖2a）的均方根誤差總體<2 m 露點(diǎn)溫度（圖2b），2 m溫度均方根誤差最低為1.56 ℃，平均為2.0 ℃，而2 m 露點(diǎn)溫度均方根誤差最低為1.89° ℃，平均為2.4 ℃；從空間分布也能直觀看出，2 m 溫度的均方根誤差在1.5～2.0 ℃分布較廣，特別是遼河流域以西最為集中，且僅有個(gè)別點(diǎn)均方根誤差＞2.6 ℃；2 m露點(diǎn)溫度均方根誤差在1.5～2.0 ℃的僅有4 個(gè)站點(diǎn)，均分布于遼寧北部的沈陽和鐵嶺地區(qū)，均方根誤差在2.1～2.5 ℃分布最廣，大連地區(qū)的均方根誤差較大且分布集中。由地面氣壓的均方根誤差分布（圖2c）可知，最低為0.46 hPa，均方根誤差大值區(qū)集中于遼寧的東部和西部，誤差最高為本溪桓仁站（32.2 hPa），均方根誤差較低的地方主要集中于遼河流域及其西側(cè)地區(qū)。

圖2 地面氣象要素均方根誤差空間分布（a 為2 m 溫度，b 為2 m 露點(diǎn)溫度，c 為地面氣壓，d 為10 m 風(fēng)速，e 為10 m 風(fēng)場(chǎng)U 分量，f 為10 m 風(fēng)場(chǎng)V 分量）

10 m 風(fēng)速（圖2d）均方根誤差高值和低值在全省分布較為分散，全省14 個(gè)地市中，均有誤差高值和低值區(qū)。經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)，風(fēng)速誤差最低為1.2 m/s，最高為2.9 m/s，平均為1.76 m/s，總體表現(xiàn)良好；＞2.0 m/s 的站點(diǎn)多分布于沿海地區(qū)，推測(cè)可能是受海洋影響，ERA5 再分析資料反演質(zhì)量較差造成。根據(jù)U、V 風(fēng)場(chǎng)空間分布可知（圖2e、2f），遼寧中北部地區(qū)U 風(fēng)場(chǎng)均方根誤差低于V 風(fēng)場(chǎng)，10 m 風(fēng)場(chǎng)U 分量均方根誤差平均值為1.5 m/s，較10 m 風(fēng)場(chǎng)V 分量總體較低，特別是遼寧中北部地區(qū)均方根誤差均<1.5 m/s，大連、朝陽、葫蘆島地區(qū)誤差相對(duì)較高，大連地區(qū)的誤差最高，但大多≤2.8 m/s；10 m 風(fēng)場(chǎng)V 分量誤差平均值為2.0 m/s，高誤差地區(qū)全省分布較為分散，誤差＞2.5 m/s 的地區(qū)位于大連、撫順、營(yíng)口和葫蘆島地區(qū)。

2.1.3 地面氣象要素相關(guān)系數(shù)及誤差逐月變化特征

為研究地面各觀測(cè)要素和ERA5 資料對(duì)比狀況，根據(jù)各要素在不同月份的平均相關(guān)系數(shù)和平均均方根誤差對(duì)比特征，繪制了月變化分布圖（圖3）。選取了相對(duì)濕度（RH）、風(fēng)速（V）、U 風(fēng)場(chǎng)（u）、V 風(fēng)場(chǎng)（v）分量等4 個(gè)月變化特征相對(duì)明顯的要素，其他月變化特征不明顯的要素在此省略。根據(jù)相關(guān)系數(shù)逐月分布可以看出地面相對(duì)濕度的相關(guān)系數(shù)要高于風(fēng)速、U 風(fēng)場(chǎng)和V 風(fēng)場(chǎng)，各要素月變化特征明顯；1—4月相關(guān)系數(shù)呈波動(dòng)上升趨勢(shì)，4 月達(dá)到最大值后開始下降，7 月達(dá)到最低，而后開始上升至10 月；總體呈現(xiàn)春秋季平均相關(guān)系數(shù)好于夏冬季。因相對(duì)濕度（RH）平均均方根誤差較大，為清楚顯示風(fēng)速、U 風(fēng)場(chǎng)、V 風(fēng)場(chǎng)月變化特征，故在圖3 均方根誤差圖中右側(cè)單獨(dú)列出相對(duì)濕度坐標(biāo)軸（紅色）。由平均均方根誤差月分布（圖3b）可以看出，相對(duì)濕度的均方根誤差最高，所有要素的均方根誤差月變化特征明顯，春季最高，夏季最低；相關(guān)系數(shù)高的季節(jié)，均方根誤差也偏高。U、V 風(fēng)場(chǎng)的月變化中，U 風(fēng)場(chǎng)平均相關(guān)系數(shù)低于V 風(fēng)場(chǎng)，但風(fēng)場(chǎng)的平均均方根誤差為1.773，U風(fēng)場(chǎng)平均均方根誤差也小于V 風(fēng)場(chǎng)；而風(fēng)速的平均相關(guān)系數(shù)僅有0.670，在業(yè)務(wù)和科研使用中需要注意。

圖3 遼寧省所有地面站點(diǎn)各要素平均相關(guān)系數(shù)（a）和平均均方根誤差（b）逐月分布

2.2 高空氣象要素適用性分析

遼寧省共有4 個(gè)探空氣象站，分別為沈陽、大連、丹東和錦州站，為保證研究區(qū)域的全面性，增加遼寧省周圍的5 個(gè)探空站進(jìn)行補(bǔ)充分析，分別是吉林省的長(zhǎng)春和臨江站，內(nèi)蒙古的通遼和赤峰站，以及河北省的樂亭站。

2.2.1 高空氣象觀測(cè)要素相關(guān)系數(shù)分布

根據(jù)探空站的ERA5 再分析資料和實(shí)況資料對(duì)比相關(guān)系數(shù)分析發(fā)現(xiàn)（圖4），總體上溫度的相關(guān)系數(shù)最高，在高空300 hPa 以下，相關(guān)系數(shù)均超過0.95，300 hPa 以上丹東站和錦州站相關(guān)系數(shù)略有降低，錦州站在150 hPa 處最低，為0.74。從溫度相關(guān)系數(shù)隨氣壓的分布廓線（圖4a）可知，錦州站最低、丹東站次之，其他站點(diǎn)分布較為一致，且相關(guān)系數(shù)隨高度變化較??；平均相關(guān)系數(shù)最高為大連站，達(dá)到0.991，其次是通遼站；ERA5 高空資料在遼寧中部地區(qū)的質(zhì)量要高于東西部地區(qū)，這可能和地形有關(guān)，遼寧中部為遼河流域平原地帶，海拔較低，東西部分別為山區(qū)和丘陵地帶，地形可能影響了ERA5 資料同化。而ERA5 資料的相對(duì)濕度（圖4b）質(zhì)量相比于溫度稍差，多數(shù)站在低層相關(guān)系數(shù)高于高層，丹東和錦州站相關(guān)系數(shù)在中層及以下明顯較其他站點(diǎn)偏小，大連站相關(guān)系數(shù)在中層突然大幅度減小，其他層結(jié)相關(guān)系數(shù)較高；相對(duì)濕度的平均相關(guān)系數(shù)最高是大連站，為0.723，其次是通遼站，為0.675，最低是臨江站，為0.547；相對(duì)濕度的診斷在天氣預(yù)報(bào)中至關(guān)重要，在日常業(yè)務(wù)和研究中，若使用ERA5 再分析資料的相對(duì)濕度數(shù)據(jù)時(shí)，應(yīng)謹(jǐn)慎使用。由U 風(fēng)場(chǎng)的相關(guān)系數(shù)（圖4c）分布可知，中低層以上相關(guān)系數(shù)整體較高，且越往高空相關(guān)系數(shù)基本呈現(xiàn)升高趨勢(shì)（除150 hPa異常偏低）；相關(guān)系數(shù)在低空普遍較低，1 000 hPa 丹東和錦州站偏低尤為明顯；除丹東和錦州站，其他站在中層及以上相關(guān)系數(shù)均超過0.9，相關(guān)性較強(qiáng)，說明ERA5 資料對(duì)東西方向的風(fēng)整體質(zhì)量較高，優(yōu)于南北方向。相較于U 風(fēng)場(chǎng)，V 風(fēng)場(chǎng)（圖4d）相關(guān)系數(shù)整體偏低，特別是丹東和錦州站的V 風(fēng)場(chǎng)相關(guān)系數(shù)較低，且兩站從中層到高層相關(guān)系數(shù)逐漸減小，100 hPa 達(dá)到最小，此時(shí)錦州站相關(guān)系數(shù)僅為0.701。除丹東和錦州站外，其他站點(diǎn)的V 風(fēng)場(chǎng)相關(guān)系數(shù)總體較高、整層平均相關(guān)系數(shù)均超過0.9，平均相關(guān)系數(shù)最高是大連站，為0.963。

2.2.2 高空氣象觀測(cè)要素均方根誤差分布

高空ERA5 資料和實(shí)測(cè)資料對(duì)比均方根誤差分布如圖5 所示。根據(jù)溫度均方根誤差分布（圖5a）可知，ERA5 資料在丹東站和錦州站的均方根誤差最大，與這兩地的相關(guān)系數(shù)較低相一致；總體呈現(xiàn)中層均方根誤差最小，低空均方根誤差整體較高；最大溫度均方根誤差出現(xiàn)在錦州站的950 hPa，為4.089；各層平均均方根誤差最高的為錦州站，均方根誤差為3.134，其次為丹東站，最小是通遼站，為0.904。相對(duì)濕度的均方根誤差（圖5b）總體較大，從低空到300 hPa 均方根誤差上升較快，在300 hPa 達(dá)到最大，各站在300 hPa 平均均方根誤差為35.540；從各站平均均方根誤差看，通遼站最小，為21.933，最大是臨江站，為25.096；在分析天氣時(shí)，如需研究相對(duì)濕度或濕度相關(guān)物理量時(shí)要特別注意。由U 風(fēng)場(chǎng)均方根誤差分布（圖5c）可知，誤差較大的站點(diǎn)出現(xiàn)在丹東站和錦州站，其中丹東站誤差最大，平均均方根誤差，為5.838，其次是錦州站為4.968，平均均方根誤差最小是通遼站，為2.290；由垂直分布可以看出，大多數(shù)站點(diǎn)的均方根誤差集中在2 左右，且越往高空，誤差越大，在150 hPa 誤差急劇升高達(dá)到最大；誤差最大值是150 hPa 的丹東站，為9.127。由V 風(fēng)場(chǎng)的均方根誤差垂直分布（圖5d）可知，誤差最大的站點(diǎn)依然出現(xiàn)在丹東站和錦州站，且平均均方根誤差值明顯超過U 風(fēng)場(chǎng)，丹東站平均誤差最大，錦州站次之，最大誤差出現(xiàn)在250 hPa 的丹東站，為9.392；大多數(shù)站點(diǎn)的各層均方根誤差也都集中于2 附近，這種分布方式和U 風(fēng)場(chǎng)類似，但V風(fēng)場(chǎng)的總平均誤差要高于U 風(fēng)場(chǎng)；從低層到高層，V 風(fēng)場(chǎng)均方根誤差呈現(xiàn)上升趨勢(shì)，但在250 hPa 達(dá)到最高，再往高空誤差下降，這種分布和U 風(fēng)場(chǎng)既有相似之處，又有區(qū)別；再次說明，ERA5 資料總體經(jīng)向風(fēng)（V 風(fēng)場(chǎng)）質(zhì)量低于緯向風(fēng)（U 風(fēng)場(chǎng)）。

圖5 高空觀測(cè)要素均方根誤差分布（a 為溫度，b 為相對(duì)濕度，c 為U 風(fēng)場(chǎng)，d 為V 風(fēng)場(chǎng)）

2.2.3 高空氣象要素相關(guān)系數(shù)及誤差逐月變化特征根據(jù)所有探空站點(diǎn)實(shí)測(cè)資料，與ERA5 資料各層次一一匹配，繪制了溫度（T）、相對(duì)濕度（RH）、U風(fēng)場(chǎng)（u）和V 風(fēng)場(chǎng)（v）平均相關(guān)系數(shù)和平均均方根誤差逐月分布圖（圖6）。由于相對(duì)濕度的相關(guān)系數(shù)較其他要素低，均方根誤差較其他要素高，特將相對(duì)濕度用單獨(dú)坐標(biāo)軸繪制（右側(cè)紅軸）。由相關(guān)系數(shù)分布（圖6a）可知，相對(duì)濕度相關(guān)系數(shù)最低，但其有很強(qiáng)的月變化特征，呈現(xiàn)“單峰單谷”型，從年初相關(guān)系數(shù)迅速下降，到4 月達(dá)到最低（相關(guān)系數(shù)為0.636），然后從6 月開始快速上升，8 月達(dá)到最高，相關(guān)系數(shù)為0.750，之后繼續(xù)下降；可見相對(duì)濕度的平均相關(guān)系數(shù)在春夏之交時(shí)最低，夏季相關(guān)系數(shù)上升較快，夏秋之交時(shí)相關(guān)系數(shù)達(dá)到最高。平均相關(guān)系數(shù)最高的為溫度，月變化較小，各月平均相關(guān)系數(shù)均在0.99以上。U 風(fēng)場(chǎng)平均相關(guān)系數(shù)是明顯高于V 風(fēng)場(chǎng)，這和上文的研究結(jié)果相一致，U 風(fēng)場(chǎng)全年月變化不及V 風(fēng)場(chǎng)明顯，V 風(fēng)場(chǎng)相關(guān)系數(shù)從年初開始升高，5 月達(dá)到最高（相關(guān)系數(shù)為0.947），而后緩慢下降。從平均均方根誤差的分布（圖6b）來看，相對(duì)濕度誤差分布依然具有很強(qiáng)的月變化特征，呈現(xiàn)“單峰”型，6 月最高（均方根誤差為27.892），1 月最低（均方根誤差為21.524），在相關(guān)系數(shù)快速上升的月（6—8 月），平均均方根誤差也呈現(xiàn)出快速上升的趨勢(shì)。溫度的平均均方根誤差最小，年平均值為1.6，且波動(dòng)較小。U風(fēng)場(chǎng)和V 風(fēng)場(chǎng)的均方根誤差相差不大，U 風(fēng)場(chǎng)稍低一些，而且U、V 風(fēng)場(chǎng)平均均方根誤差月變化較一致，季節(jié)性變化明顯，冬季最高，夏季最低。

圖6 遼寧省所有探空站各氣象要素平均相關(guān)系數(shù)（a）和平均均方根誤差（b）逐月分布

2.3 基于實(shí)況資料的ERA5 再分析資料訂正

為提升ERA5 再分析資料的業(yè)務(wù)和科研應(yīng)用，結(jié)合前面的分析發(fā)現(xiàn)，ERA5 資料溫度的數(shù)據(jù)質(zhì)量相對(duì)較高，而相對(duì)濕度的數(shù)據(jù)質(zhì)量相對(duì)較低，鑒于文章篇幅有限，本次選擇了兩種具有代表性的要素進(jìn)行試驗(yàn)訂正，訂正方法選擇機(jī)器學(xué)習(xí)模型，將地面ERA5 資料的溫度和相對(duì)濕度進(jìn)行訂正。將每一個(gè)國(guó)家站點(diǎn)的ERA5 與實(shí)況資料的均方根誤差（以下簡(jiǎn)稱為“原誤差”）減去機(jī)器學(xué)習(xí)模型訂正結(jié)果資料和實(shí)況資料的均方根誤差（以下簡(jiǎn)稱為“訂正后誤差”），得到均方根誤差之差空間分布（圖7）。

圖7 各國(guó)家站點(diǎn)地面溫度（a）和相對(duì)濕度原誤差（b）與訂正后誤差之差空間分布

由國(guó)家站點(diǎn)的地面溫度均方根誤差之差可知，原誤差平均值為2.1，訂正后誤差平均值為1.9，說明基于嶺回歸算法的機(jī)器學(xué)習(xí)訂正方法有效縮小了ERA5 資料與實(shí)況資料的差距；由各站點(diǎn)地面溫度原誤差與訂正后誤差空間分布（圖7a）可知，正值誤差越大說明機(jī)器學(xué)習(xí)訂正算法效果越好，負(fù)值越大說明機(jī)器學(xué)習(xí)訂正算法起到反作用越大，差值大部分集中在0～1.0，0～0.5 分布最多，證明機(jī)器學(xué)習(xí)訂正算法可有效縮減小誤差0.5～1.0 ℃，其中遼河平原地區(qū)提升效果明顯；遼寧南部的部分地區(qū)訂正有反作用，分布比較分散，但均≤-0.7 ℃，業(yè)務(wù)運(yùn)用或科研中注意適當(dāng)調(diào)整。由國(guó)家站點(diǎn)的地面相對(duì)濕度均方根誤差之差可知，原誤差平均值為11.7，訂正后誤差平均值為10.3，訂正效果好于地面溫度；由各站點(diǎn)地面相對(duì)濕度原誤差與訂正后誤差空間（圖7b）分布可知，相對(duì)濕度的訂正最好的地區(qū)普遍位于遼寧的南部地區(qū)，大連、營(yíng)口、丹東地區(qū)分布最集中，遼西的葫蘆島地區(qū)也有較多分布，誤差最高可降低26%；遼寧中部地區(qū)的本溪、遼陽地區(qū)訂正反作用較為集中，但起到反作用的站點(diǎn)數(shù)理明顯低于正作用的數(shù)量。從機(jī)器學(xué)習(xí)的嶺回歸算法訂正結(jié)果的綜合分析可知，本方法可有效提升ERA5 資料的應(yīng)用能力，有效縮小與實(shí)況資料的差距。

3 結(jié)論與討論

（1）地面要素相關(guān)系數(shù)中2 m 溫度整體較高，大多集中于遼河流域及以西地區(qū)，2 m 露點(diǎn)溫度相關(guān)系數(shù)稍低于2 m 溫度，但大多超過98%，2 m 溫度均方根誤差<2 m 露點(diǎn)溫度；地面氣壓相關(guān)系數(shù)均較高，平均值高達(dá)0.994，遼寧的東部和西部地區(qū)均方根誤差較大。高空站點(diǎn)溫度的相關(guān)系數(shù)最高，低層均方根誤差整體高于中高層，相對(duì)濕度相關(guān)系數(shù)整體較低，均方根誤差較大。

（2）地面10 m 風(fēng)速平均相關(guān)系數(shù)整體相對(duì)較低，遼河流域及兩側(cè)地區(qū)依然是相關(guān)系數(shù)高值區(qū)，均方根誤差全省分布不均；地面風(fēng)場(chǎng)U 分量相關(guān)系數(shù)明顯低于V 分量，且遼寧中北部地區(qū)U 分量均方根誤差低于V 分量。高空站點(diǎn)遼寧中部地區(qū)的數(shù)據(jù)質(zhì)量要高于東部、西部地區(qū)；U 風(fēng)場(chǎng)的相關(guān)系數(shù)從中低層以上整體比較高，且往高空相關(guān)系數(shù)呈現(xiàn)升高趨勢(shì)，均方根誤差集中在2 左右，且越往高空，誤差越大；ERA5 資料在高空總體經(jīng)向風(fēng)（V 風(fēng)場(chǎng)）質(zhì)量低于緯向風(fēng)（U 風(fēng)場(chǎng)）。

（3）地面相對(duì)濕度、風(fēng)速、U 風(fēng)場(chǎng)和V 風(fēng)場(chǎng)平均相關(guān)系數(shù)和均方根誤差月變化特征明顯，相對(duì)濕度相關(guān)系數(shù)和均方根誤差整體最高，相關(guān)系數(shù)總體呈現(xiàn)春秋季高于夏冬季，所有要素的均方根誤差分布呈現(xiàn)春季高、夏季低的狀態(tài)，且相關(guān)系數(shù)高的季節(jié)，均方根誤差也偏高；U 風(fēng)場(chǎng)相關(guān)系數(shù)低于V 風(fēng)場(chǎng)，U風(fēng)場(chǎng)均方根誤差也低于V 風(fēng)場(chǎng)。

（4）高空資料逐月分布中，溫度的相關(guān)系數(shù)最高，均方根誤差最小；U 風(fēng)場(chǎng)平均相關(guān)系數(shù)明顯高于V 風(fēng)場(chǎng)；相對(duì)濕度的相關(guān)系數(shù)在春夏之交時(shí)最低，夏季相關(guān)系數(shù)上升較快，夏秋之交時(shí)達(dá)到最高；而相對(duì)濕度在相關(guān)系數(shù)快速上升的月，均方根誤差也呈現(xiàn)出快速上升的趨勢(shì)。U 風(fēng)場(chǎng)和V 風(fēng)場(chǎng)的均方根誤差相差不大，且均方根誤差月變化相一致。

（5）通過機(jī)器學(xué)習(xí)的訂正方法可有效提升地面溫度和相對(duì)濕度的應(yīng)用能力，ERA5 地面溫度資料的均方根誤差減小主要集中在遼河流域，誤差減小0.5～1.0 ℃；地面相對(duì)濕度資料的均方根誤差減小主要分布于遼寧南部地區(qū)，降低誤差最高達(dá)到26%。