再分析溫度資料與觀測(cè)資料在低溫研究中的對(duì)比分析

余嘉怡,艾 珊,王文韜,張秀紅

（1.黑河市氣象局，黑龍江 黑河 164300；2.呼蘭區(qū)氣象局，黑龍江 呼蘭 150025）

1 引言

隨著氣候變暖，極端氣候事件頻發(fā)，對(duì)于氣候變化的影響研究有了更高的要求， 以前的研究?jī)H依賴于現(xiàn)有的觀測(cè)資料，有較大的局限性，資料的缺乏、研究需求的不斷增加， 這兩點(diǎn)構(gòu)成的矛盾使研究者對(duì)高質(zhì)量、 高分辨率的再分析資料的需求也在不斷增加[1-2]，為更好的進(jìn)行氣候變化的研究，美國(guó)、歐盟、日本等國(guó)家進(jìn)行一系列對(duì)再分析資料的研究， 為進(jìn)行全球及區(qū)域氣候變化的特點(diǎn)、 趨勢(shì)等的研究提供了更大的幫助， 使其在氣象業(yè)務(wù)工作領(lǐng)域中也得到廣泛應(yīng)用。 再分析資料可以補(bǔ)充氣候變化的歷史記錄，彌補(bǔ)觀測(cè)資料的不足，為氣象研究提供非常重要的數(shù)據(jù)支撐[3]。

再分析資料種類在增加,有些再分析產(chǎn)品也在更新?lián)Q代,不同的再分析產(chǎn)品對(duì)于同一研究區(qū)域的適用性不同,同一種再分析產(chǎn)品對(duì)于不同的研究區(qū)域適用性也不盡相同,研究人員需要選出更適用于中國(guó)區(qū)域的再分析資料來進(jìn)行研究。 NCEP/NCAR 再分析資料是最早發(fā)展的、 時(shí)間尺度也最長(zhǎng), 但是隨著NCEP/NCAR 再分析資料的使用， 它的不足也不斷呈現(xiàn)出來,美國(guó)NCEP/DOE 再分析計(jì)劃對(duì)NCEP/NCAR 再分析資料進(jìn)行了改進(jìn)，使其具有更好的可靠性[4-5]；被看做是第二代全球大氣再分析資料的ERA-interim 資料，有更高的分辨率，在同化系統(tǒng)、物理過程等一些方面優(yōu)于NCEP 再分析資料[6];在再分析資料中JRA-55 是最新的一代， 對(duì)亞洲地區(qū)的氣候研究更有針對(duì)性,是第一套在亞洲地區(qū)完成的長(zhǎng)期再分析資料。

極端低溫事件的發(fā)生頻率和強(qiáng)度變高對(duì)社會(huì)、生活、環(huán)境等的影響也更為嚴(yán)重，國(guó)內(nèi)外學(xué)者對(duì)低溫事件越來越重視,部分學(xué)者采用極端氣候指數(shù)研究極端氣候事件的變化[7-10]，但多用于國(guó)外，而國(guó)內(nèi)較少，已有學(xué)者對(duì)中國(guó)北方地區(qū)的溫度極端事件的變化情況和中國(guó)冬季極端低溫的年代際演變特征做了相關(guān)研究[11]，研究結(jié)果表明，氣溫極端冷指數(shù)整體呈下降趨勢(shì)，北方地區(qū)極端氣溫指數(shù)變化最大，學(xué)者們對(duì)低溫事件的關(guān)注讓大家對(duì)低溫帶來的影響更加重視，也能夠更好的做好防御低溫災(zāi)害的準(zhǔn)備。

本文使用ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE 四種再分析資料， 以下簡(jiǎn)稱ERA、JRA、NCEP-1、NCEP-2 再分析資料，通過將幾種再分析資料與觀測(cè)資料進(jìn)行對(duì)比， 分析幾種再分析資料在低溫研究中的適用性。

2 資料及處理

本文采用了五種資料作為研究對(duì)象,分別為日最低溫度觀測(cè)資料和ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE 四種再分析低溫資料：

（1）觀測(cè)資料（0B）

由中國(guó)氣象局氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)提供的逐日最低溫度資料, 該資料時(shí)間長(zhǎng)度是從1979 年1月-2021 年12 月，共192 個(gè)站點(diǎn)，本文將數(shù)據(jù)插值為2.5°×2.5°的格點(diǎn)資料。

（2）四種再分析資料（ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE）

ERA-interim 再分析資料：歐洲中期天氣預(yù)報(bào)中心ECMWF 發(fā)起的ERA-interim 再分析計(jì)劃，在數(shù)值模式的分辨率和物理過程上要優(yōu)于NCEP/NCAR，并在觀測(cè)系統(tǒng)上也有改進(jìn)， 本文選取1979 年1 月-2021 年12 月，我國(guó)（70°-140°E，15°-55°N，下同）的數(shù)據(jù)，并將數(shù)據(jù)處理為分辨率為2.5°×2.5°的資料。

JRA-55 再分析資料：JRA-55 是日本氣象廳JMA 和CRIEPI 合作完成的最新一代全球大氣再分析資料，對(duì)亞洲地區(qū)的氣候研究更有針對(duì)性，是第一套在亞洲地區(qū)完成的長(zhǎng)期再分析資料， 本文選取1979 年1 月-2021 年12 月我國(guó)（70°-140°E，15°-55°N）的數(shù)據(jù)，并將數(shù)據(jù)處理為分辨率為2.5°×2.5°的資料。

NCEP/NCAR 再分析資料：美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）和國(guó)家大氣研究中心（NCAR）合作研究推出的NCEP/NCAR 逐日低溫資料， 本文選取1979 年1 月-2021 年12 月我國(guó)的數(shù)據(jù)， 并將數(shù)據(jù)處理為分辨率為2.5°×2.5°的資料。

NCEP/DOE 再分析資料：美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）和美國(guó)能源部（DOE）共同研究推出的NCEP/DOE 逐日低溫資料，本文選取1979 年1 月-2021 年12 月我國(guó)的數(shù)據(jù), 并將數(shù)據(jù)轉(zhuǎn)換為分辨率為2.5°×2.5°的資料。

根據(jù)百分位方法, 定義第5 百分位值為低溫閾值。 對(duì)以上各逐日最低溫度資料進(jìn)行統(tǒng)計(jì)，得到每個(gè)測(cè)站（格點(diǎn)）每年的低溫閾值，并根據(jù)閾值統(tǒng)計(jì)各站的低溫日數(shù)。 本文的分析將基于閾值和低溫日數(shù)進(jìn)行分析。 其中，冬季定義為12 月和次年1 月和2 月。

3 結(jié)果與分析

3.1 觀測(cè)資料與再分析資料低溫閾值平均場(chǎng)的差異

閾值明顯低于觀測(cè)資料。

單獨(dú)比較四種再分析資料， 在低溫閾值的分布上，四種再分析資料相近，從數(shù)值上看，ERA 和JRA的低溫閾值比較接近，NCEP-1（圖1d）與NCEP-2(圖1e)的低溫閾值比較接近。 在東北地區(qū)，NCEP-2 的低溫閾值比另外三種再分析資料要低， 在西北地區(qū)，ERA 和JRA 兩種資料相近且比NCEP-1 和NCEP-2的低溫閾值高，對(duì)于中部地區(qū)來說ERA、JRA、NCEP-2 三種再分析資料更為接近，NCEP-1 的低溫閾值低于另三種資料。 在對(duì)低溫閾值平均場(chǎng)的分析中可以了解到，在中國(guó)的不同區(qū)域，同一種再分析資料的適用性不同，在同一區(qū)域，四種再分析資料適用性也不盡相同。

圖1 1979-2021 年低溫閾值平均場(chǎng)(a.OB、b.ERA、c.JRA、d.NCEP-1、e.NCEP-2 單位：℃）

3.2 觀測(cè)資料與再分析資料閾值相關(guān)

圖2 給出了1979-2021 年觀測(cè)資料年低溫閾值與四種再分析資料43 a 低溫閾值的相關(guān)系數(shù)分布，可以看出， 中國(guó)東部地區(qū)及西北地區(qū)均通過α=0.01顯著性檢驗(yàn)，青藏高原地區(qū)相關(guān)性較差，四種再分析資料與觀測(cè)資料的相關(guān)一般,在中國(guó)東部地區(qū)都比較顯著， 西部地區(qū)相關(guān)性比東部地區(qū)偏低， 總體上來說， 四種再分析資料與觀測(cè)資料的低溫閾值的相關(guān)系數(shù)在空間場(chǎng)上的分布較為相似。

圖2 1979-2021 年觀測(cè)低溫閾值相關(guān)系數(shù)的分布(圖中陰影區(qū)通過α=0.01 顯著性水平)（a)ERA、(b)JRA、(c)NCEP-1、(d)NCEP-2

ERA 與觀測(cè)資料的低溫閾值相關(guān)系數(shù)（圖2a）在東北地區(qū)、長(zhǎng)江流域及新疆北部地區(qū)都比較高，最大值在東北地區(qū)達(dá)到0.9，JRA 與觀測(cè)資料的低溫閾值相關(guān)系數(shù)（圖2b）在東北地區(qū)、長(zhǎng)江流域及新疆地區(qū)北部較高，達(dá)到0.8，NCEP-1 與觀測(cè)資料的低溫閾值相關(guān)系數(shù)（圖2c）在遼寧北部、華北地區(qū)以及中南地區(qū)、新疆北部地區(qū)比較高，最高達(dá)到0.8，NCEP-2 與觀測(cè)資料低溫閾值的相關(guān)系數(shù)（圖2d）在遼寧北部、江南流域最高達(dá)到0.8。

從以上分析可知，在東北地區(qū)、長(zhǎng)江流域ERA、JRA、NCEP-1 與觀測(cè)資料的相關(guān)系數(shù)較高， 則說明相比于其他地區(qū), 這三種再分析資料在東北地區(qū)、長(zhǎng)江流域的低溫閾值的再現(xiàn)能力更好，另外，對(duì)新疆北部地區(qū)ERA 與觀測(cè)資料的相關(guān)系數(shù)最高，則在這一地區(qū)ERA 的再現(xiàn)能力優(yōu)于其它三種。

從整個(gè)中國(guó)區(qū)域來看， 四種再分析資料中ERA與觀測(cè)資料的低溫閾值相關(guān)系數(shù)最高達(dá)到0.9，JRA、NCEP-1 和NCEP-2 與觀測(cè)資料的低溫閾值相關(guān)系數(shù)最高達(dá)到0.8； 從這一對(duì)比中可以看出，ERA 與觀測(cè)資料的低溫閾值相關(guān)性更高，與觀測(cè)資料最接近，在分析低溫閾值時(shí)，ERA 的適用性要好于JRA、NCEP-1 與NCEP-2 三種資料的。

3.3 觀測(cè)資料與再分析資料低溫日數(shù)的平均場(chǎng)

圖3 給出了1979-2021 年里43 a 的冬季12 月、1 月、2 月這三個(gè)月里每一天的最低溫度低于閾值的累加日數(shù)的多年平均分布情況。 從觀測(cè)資料的低溫日數(shù)的平均圖（圖3a）上可以看出低溫日數(shù)比較高的地方主要集中在東北地區(qū)、 西北地區(qū)、 青藏高原以東、 西北地區(qū)東南部， 其中青藏高原東部地區(qū)與西北地區(qū)相比于其它地區(qū)的低溫日數(shù)更多， 分別達(dá)到28 d、26 d， 低溫日數(shù)較低的區(qū)域主要分布在華南地區(qū)以及青藏高原中部，平均低溫日數(shù)都在16 d 左右。

圖3 1979-2021 年的（a)OB、(b)ERA、(c)JRA、(d)NCEP-1、(e)NCEP-2 低溫日數(shù)平均場(chǎng)

ERA 再分析資料的平均低溫日數(shù)（圖3b）在分布上與觀測(cè)資料相似， 低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、西北地區(qū)、內(nèi)蒙古地區(qū)、江南地區(qū)，其中內(nèi)蒙和東北地區(qū)的低溫日數(shù)最多，在數(shù)值上，ERA平均低溫日數(shù)相比于觀測(cè)資料的普遍偏低，ERA 平均低溫日數(shù)最高達(dá)到18 d。

JRA 再分析資料的平均低溫日數(shù)（圖3c）在分布上與觀測(cè)資料也較為相似， 低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、西北地區(qū)、內(nèi)蒙古地區(qū)，從數(shù)值上看，JRA 的平均低溫日數(shù)與觀測(cè)資料相比仍普遍偏低，JRA 的平均低溫日數(shù)最多達(dá)到16 d，同樣明顯偏低于觀測(cè)資料。

NCEP-1 再分析資料的平均低溫日數(shù)（圖3d）的分布與觀測(cè)資料相似， 低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、西北地區(qū)、內(nèi)蒙古地區(qū)，從數(shù)值上看，NCEP-1 再分析資料的平均低溫日數(shù)普遍偏低于觀測(cè)資料，NCEP-1 平均低溫日數(shù)最多達(dá)到16 d， 相比于觀測(cè)資料仍明顯偏低，NCEP-2 的平均低溫日數(shù)（圖3e）在分布上相對(duì)于另三種再分析資料來說與觀測(cè)資料相似處要少些，NCEP-2 的平均低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、青藏高原地區(qū)、西南地區(qū)、西北地區(qū)南部， 從數(shù)值上來看， NCEP-2 的平均低溫日數(shù)明顯比觀測(cè)資料的偏多， 最多的日數(shù)達(dá)到33 d，而對(duì)于觀測(cè)資料來說日數(shù)最多達(dá)到26 d。

從四種再分析資料與觀測(cè)資料的低溫日數(shù)在空間上的分布來看，在東北地區(qū)、西北地區(qū)四種再分析資料都有一定的再現(xiàn)能力， 在其它地區(qū)， 相比于NCEP-2 來說，ERA、JRA、NCEP-1 三種資料的再現(xiàn)能力更好一些；從數(shù)值上看，四種再分析資料的低溫日數(shù)與觀測(cè)資料的都有較大的差異，ERA、JRA、NCEP-1 三種資料的平均低溫日數(shù)都比觀測(cè)資料的偏少， 而NCEP-2 的平均低溫日數(shù)明顯大于觀測(cè)資料， 相對(duì)于其它三種再分析資料來說NCEP-2 的再現(xiàn)能力較弱。 將四種再分析資料綜合比較來看，對(duì)于平均低溫日數(shù)來說，ERA、JRA、NCEP-1 三種再分析資料的適用性比NCEP-2 的適用性更好一些。

4 結(jié)論

本文分別從低溫閾值平均態(tài)、相關(guān)性、低溫日數(shù)的平均態(tài)、 標(biāo)準(zhǔn)差幾個(gè)方面對(duì)ERA、JRA、NCEP-1、NCEP-2 四種再分析資料與觀測(cè)資料的共同點(diǎn)和差異進(jìn)行比較分析，得到以下主要結(jié)論：

（1）低溫閾值平均場(chǎng)：從中國(guó)的不同區(qū)域來看，對(duì)于東北地區(qū)NCEP-2 對(duì)觀測(cè)資料的再現(xiàn)能力更好、數(shù)值上也最為相近，對(duì)中部地區(qū)來說，四種再分析資料大體上與觀測(cè)資料都比較接近， 但ERA 和JRA 比兩種NCEP 資料與觀測(cè)資料更為類似，對(duì)觀測(cè)資料的再現(xiàn)能力更好。

（2）低溫閾值相關(guān)：ERA 和JRA 與觀測(cè)資料的低溫閾值相關(guān)性更高， 這兩種再分析資料的低溫閾值與觀測(cè)資料最為接近，在分析低溫閾值時(shí)，從分布和數(shù)值上看ERA 和JRA 的適用性都要好于NCEP-1與NCEP-2 兩種資料。

（3）低溫日數(shù)平均場(chǎng)：主要在東北地區(qū)、西北地區(qū)四種再分析資料都有一定的再現(xiàn)能力， 在其它地區(qū)，ERA、JRA、NCEP-1 三種再分析資料的表現(xiàn)更好一些，從數(shù)值上看，ERA、JRA、NCEP-1 的平均低溫日數(shù)均比觀測(cè)資料的偏少， 而NCEP-2 的平均低溫日數(shù)比觀測(cè)資料的偏多。 將四種再分析資料綜合比較來看，ERA、JRA、NCEP-1 的適用性優(yōu)于比NCEP-2。