CLDAS氣溫和降水產(chǎn)品在內(nèi)蒙古地區(qū)適用性分析

董祝雷，趙艷麗，馮曉晶，劉詩夢

（內(nèi)蒙古自治區(qū)氣候中心，內(nèi)蒙古 呼和浩特 010000）

引言

近年來公眾對氣象服務精細化程度和準確率的要求不斷提高，各類氣象業(yè)務及服務對格點化實況資料需求越來越強烈。隨著氣象觀測手段不斷增加，氣象數(shù)據(jù)種類大大增多，利用數(shù)據(jù)融合和同化技術，綜合多源觀測資料及多模式模擬數(shù)據(jù)，能夠獲取高精度、高質(zhì)量、時空連續(xù)的多源融合格點產(chǎn)品，其在天氣預報、氣候研究、防災減災等工作中發(fā)揮重要作用（師春香等，2019；張君霞等，2022；郭陽等，2023；楊柳等，2023）。

我國多源氣象數(shù)據(jù)融合研究起步相對較晚，現(xiàn)階段業(yè)務服務主要依賴于國外一些再分析產(chǎn)品數(shù)據(jù)集，如美國國家環(huán)境預報中心（National Centers for Environmental Prediction，NCEP）、國家大氣研究中心（National Center for Atmospheric Research，NCAR）與能源部（Department Of Energy，DOE）聯(lián)合發(fā)布的NCAR（NCEP1）、NCEP/DOE（NCEP2）數(shù)據(jù)（Kalnary et al.，1996）以及英國東英吉利大學（University of East Anglia）氣候研究中心的CRU（聞新宇等，2006）、歐洲中期天氣預報中心的ERA-Interim（Dee et al.，2011）、日本氣象廳JRA55（Kobayashi and Iwasaki，2016）等再分析數(shù)據(jù)，這些數(shù)據(jù)一般具有時間序列較長、適用性較好等特征。大氣再分析資料側(cè)重于同化大氣參數(shù)，用以提高大氣參數(shù)模擬質(zhì)量，但隨著精細化服務需求的不斷提升，這些數(shù)據(jù)無論在時空分辨率上還是精確度上已無法很好地滿足區(qū)域分析的需求。

中國氣象局2014年啟動了國家氣象科技創(chuàng)新工程“氣象資料質(zhì)量控制及多源數(shù)據(jù)融合與再分析”，建成了業(yè)務化的亞洲區(qū)域中國氣象局陸面數(shù)據(jù)同化系統(tǒng)（CMA Land Data Assimilation System，CLDAS）（師春香等，2019）。相較于再分析資料，CLDAS產(chǎn)品側(cè)重于同化地面觀測要素，進而獲得較為精確的陸面過程相關變量。由于CLDAS數(shù)據(jù)時空分辨率較高，推出后得到了全國各地科研和業(yè)務工作者的本地化釋用。研究表明，CLDAS的數(shù)據(jù)質(zhì)量優(yōu)于數(shù)值模式資料，能夠較好地反映觀測要素的時空分布特征，在我國東部地區(qū)的適用性高于西部地區(qū)（龔偉偉，2014；孫帥等，2017），且土壤溫度、濕度和氣溫產(chǎn)品優(yōu)于全球陸面數(shù)據(jù)同化系統(tǒng)產(chǎn)品（韓帥等，2017；崔園園等，2018；崔園園等，2019；Chen and Yuan，2020；陳艷麗等，2020；劉佩佩等，2021），但是也不可避免地存在一定的誤差，尤其高海拔地區(qū)誤差較大，因此在地形復雜、氣象站稀疏區(qū)域應用該產(chǎn)品需謹慎（Han et al.，2020）。如CLDAS氣溫產(chǎn)品在貴州、山西等測站分布稀疏和地形起伏較大地區(qū)誤差較大（董春卿等，2021；楊富燕等，2023）；CLDAS的10 m風產(chǎn)品在江蘇地區(qū)誤差較大，與業(yè)務服務需求有一定差距（俞劍蔚等，2019）。

國務院氣象高質(zhì)量發(fā)展綱要（2022—2035年）強調(diào)“要提高氣象服務經(jīng)濟高質(zhì)量發(fā)展水平”，這對精細化氣象服務提出了更高要求，而高精度數(shù)據(jù)集是提升精細化服務的基礎。內(nèi)蒙古幅員遼闊、地形復雜，既有山丘林地，又有高原草地和戈壁沙漠，氣象站點較為稀疏，無法滿足精細化服務要求。因此，挖掘適用于內(nèi)蒙古地區(qū)的高分辨率、高精度數(shù)據(jù)產(chǎn)品對提高內(nèi)蒙古氣象精細化服務水平有重要意義。

陸面數(shù)據(jù)同化產(chǎn)品和大氣再分析產(chǎn)品彌補了觀測資料時空分布不均的缺陷，為大氣科學領域研究提供了重要的數(shù)據(jù)支撐。然而，不同數(shù)據(jù)集在運算、同化的觀測資料及方法等方面存在差異，使得不同數(shù)據(jù)集的可信度也有差異（葉夢姝，2018），因此有必要比較多種再分析數(shù)據(jù)之間的差異（Simmons et al.，2004；趙天保和符淙斌，2009）。鑒于此，本文對2008—2019年CLDAS的2 m氣溫和降水產(chǎn)品在內(nèi)蒙古地區(qū)的適用性進行評估，同時與CRU TS和ERA5兩套再分析資料進行對比，評估CLDAS產(chǎn)品在內(nèi)蒙古地區(qū)的適用性，以期為開展精細化氣象服務和氣候資源利用等提供科技支撐。

1 資料與方法

1.1 資 料

內(nèi)蒙古位于我國北部邊疆，地勢由東北向西南斜伸，呈狹長形（圖1），東西長約2 400 km，南北最大跨度超過1 700 km，總面積118.3萬km2，橫跨東北、華北、西北地區(qū)。內(nèi)蒙古地貌主要以高原為主，大部分地區(qū)海拔在1 000 m以上，東部的大興安嶺，經(jīng)燕山、陰山與西部的賀蘭山蜿蜒相連，呈拉長的“S”型中脊橫貫全區(qū)，成為分隔南部平原和北部高原的屏障。

圖1 內(nèi)蒙古地形高度和國家級氣象觀測站分布Fig.1 The distribution of terrain height and national meteorological stations in Inner Mongolia

所用資料包括：（1）2008—2019年內(nèi)蒙古119個國家級氣象觀測站逐日氣溫和降水數(shù)據(jù)，站點分布如圖1。（2）國家氣象信息中心下發(fā)的2008—2019年月尺度的CN05.1格點化氣溫和降水觀測數(shù)據(jù)集。該數(shù)據(jù)集采用距平逼近法，由氣候場和距平場分別插值后疊加得到（吳佳和高學杰，2013），使用了中國境內(nèi)2 400個臺站觀測資料，空間分辨率為0.25°×0.25°。（3）2008—2019年逐小時2 m氣溫和降水格點數(shù)據(jù)，空間分辨率為0.062 5°×0.062 5°，來源于CLDAS產(chǎn)品數(shù)據(jù)集。該產(chǎn)品數(shù)據(jù)集采用數(shù)據(jù)融合與同化技術，對地面觀測數(shù)據(jù)、衛(wèi)星遙感觀測資料和數(shù)值模式產(chǎn)品等多源數(shù)據(jù)進行融合同化，可以提供逐小時降水、氣溫等6個要素共計15種網(wǎng)格實況分析產(chǎn)品（孫小龍等，2015；單帥等，2021）。（4）2008—2019年歐洲中期天氣預報中心ERA5逐月氣溫和降水數(shù)據(jù)集（https：//www.ecmwf.int/en/forecasts/datasets/browse-reanalysis-datasets），空間分辨率0.1°×0.1°。ERA5再分析資料是歐洲中期天氣預報中心2016年采用新一代四維變分同化技術制作的第五代大氣再分析產(chǎn)品，采用實時更新方式提供1950年至今的高分辨率全球大氣再分析數(shù)據(jù)，其時空分辨率和精度相比上一代產(chǎn)品有明顯提升（呂潤清和李響，2021；張俊兵等，2021）。（5）CRU TS4.05數(shù)據(jù)集中2008—2019年月尺度氣溫和降水數(shù)據(jù)（https：//crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.05/），空間分辨率為0.5°×0.5°。CRU TS數(shù)據(jù)集由英國東英吉利大學氣候研究小組制作，是世界公認的質(zhì)量較高的數(shù)據(jù)，具有很高的可靠性（聞新宇等，2006；季飛，2015）。

文中地圖涉及的內(nèi)蒙古自治區(qū)行政邊界基于內(nèi)蒙古自然資源廳標準地圖網(wǎng)站下載的審圖號為蒙S（2019）33號的標準地圖制作，底圖無修改。

1.2 方法

為便于CLDAS、CRU TS和ERA5三種數(shù)據(jù)集與CN05.1格點觀測數(shù)據(jù)的空間誤差比較，采用局部區(qū)域平均分別將CLDAS和ERA5數(shù)據(jù)插值為與CN05.1數(shù)據(jù)相同的網(wǎng)格（0.25°×0.25°），將CN05.1觀測數(shù)據(jù)插值為與CRU TS數(shù)據(jù)相同的網(wǎng)格（0.5°×0.5°）。此外，基于內(nèi)蒙古119站坐標信息，分別提取對應坐標位置CLDAS、CRU TS和ERA5數(shù)據(jù)產(chǎn)品的氣溫和降水序列，并與站點觀測資料對比，計算平均絕對誤差（Mean Absolute Error，MAE）、均方根誤差（Root Mean Square Error，RMSE）、相關系數(shù)，計算公式參考《氣象統(tǒng)計分析與預報方法》（黃嘉佑，2016）。

2 降水和氣溫產(chǎn)品適用性評估

2.1 空間分布對比

圖2 是2008—2019年內(nèi)蒙古地區(qū)CN05.1觀測數(shù)據(jù)集與CLDAS、CRU TS和ERA5產(chǎn)品的平均年降水量空間分布及其差值。可以看到，CLDAS、CRU TS和ERA5降水產(chǎn)品數(shù)據(jù)均表現(xiàn)出內(nèi)蒙古年降水量從東向西逐漸遞減的分布特征［圖2（b）、（c）、（d）］。其中，CLDAS數(shù)據(jù)呼倫貝爾市和興安盟東部為降水大值區(qū)，鄂爾多斯市東部到呼和浩特市南部為次大值區(qū)，阿拉善盟為降水低值區(qū)。與CN05.1觀測數(shù)據(jù)相比，CLDAS在內(nèi)蒙古中部和東部地區(qū)降水普遍偏少，在內(nèi)蒙古西部地區(qū)總體偏多，而在湖泊等低洼處降水異常偏多［圖2（e）］，如呼倫湖和達里諾爾湖；CRU TS降水數(shù)據(jù)在內(nèi)蒙古北部地區(qū)描述較好，但在中東部及西南地區(qū)降水普遍偏少、東南部和西部地區(qū)降水普遍偏多［圖2（f）］；ERA5降水數(shù)據(jù)低估了內(nèi)蒙古地區(qū)年降水量，大部地區(qū)年降水量偏少超過40 mm［圖2（g）］。

圖2 2008—2019年內(nèi)蒙古地區(qū)平均年降水量觀測值（a）、三種數(shù)據(jù)集的平均年降水量（b、c、d）及其與觀測值的差值（e、f、g）空間分布（單位：mm）（a）CN05.1，（b、e）CLDAS，（c、f）CRU TS，（d、g）ERA5Fig.2 The spatial distribution of average annual precipitation from the observation （a） and three datasets （b， c， d）， and difference between them and observation values （e， f， g） in Inner Mongolia during 2008-2019 （Unit： mm）（a） CN05.1， （b， e） CLDAS， （c， f） CRU TS， （d， g） ERA5

圖3是2008—2019年內(nèi)蒙古地區(qū)CN05.1與CLDAS、CRU TS、ERA5的年平均氣溫空間分布及其差值。CN05.1氣溫數(shù)據(jù)［圖3（a）］顯示，內(nèi)蒙古地區(qū)年平均氣溫從西南向東北遞減，呼倫貝爾市北部為低值區(qū)，內(nèi)蒙古西部為高值區(qū)，東南部的赤峰市和通遼市一帶年平均氣溫較高。CLDAS、CRU TS和ERA5氣溫產(chǎn)品能夠較好地刻畫這一空間分布特征［圖3（b）、（c）、（d）］，但在部分地區(qū)仍與CN05.1觀測數(shù)據(jù)有較大差異。CLDAS年平均氣溫在內(nèi)蒙古東北部大興安嶺及河套平原北部陰山較低，能夠表現(xiàn)出地形起伏對局地氣溫變化的影響。與CN05.1觀測數(shù)據(jù)相比，CLDAS年平均氣溫在內(nèi)蒙古大部地區(qū)偏高，尤其在阿拉善盟東部、巴彥淖爾市西部及赤峰市西部偏差較大［圖3（e）］；CRU TS年平均氣溫除了呼倫貝爾市東部和阿拉善盟大部地區(qū)偏低外，其余大部地區(qū)均偏高，不能完全反映地形變化對氣溫場的影響，尤其在陰山山脈氣溫偏高明顯［圖3（f）］；ERA5年平均氣溫在內(nèi)蒙古地區(qū)普遍明顯偏高，尤其在呼倫貝爾市北部偏差高達2.0 ℃左右，但呼倫貝爾市南部、興安盟大部、赤峰市北部、烏蘭察布市南部以及阿拉善盟東部等地區(qū)氣溫變化與觀測數(shù)據(jù)接近，且在陰山山脈能夠表現(xiàn)出地形對局地氣溫的影響［圖3（g）］。

圖3 2008—2019年內(nèi)蒙古地區(qū)年平均氣溫觀測值（a）、三種數(shù)據(jù)集的年平均氣溫（b、c、d）及其與觀測值的差值（e、f、g）空間分布（單位：℃）（a）CN05.1，（b、e）CLDAS，（c、f）CRU TS，（d、g）ERA5Fig.3 The spatial distribution of annual mean temperature from the observation （a） and three datasets （b， c， d）， and difference between them and observation values （e， f， g） in Inner Mongolia during 2008-2019 （Unit： ℃）（a） CN05.1， （b， e） CLDAS， （c， f） CRU TS， （d， g） ERA5

2.2 線性趨勢對比

進一步對比2008—2019年內(nèi)蒙古地區(qū)三種數(shù)據(jù)集降水產(chǎn)品與CN05.1格點觀測數(shù)據(jù)的線性趨勢（圖4）。CN05.1降水觀測數(shù)據(jù)［圖4（a）］顯示，內(nèi)蒙古大部地區(qū)年降水量呈增加趨勢，呼倫貝爾市東南部、興安盟至通遼市一帶以及鄂爾多斯市中東部和阿拉善盟南部增加速率較高，而呼倫貝爾市北部和巴彥淖爾市北部年降水量呈明顯減少趨勢，錫林郭勒盟北部降水量有弱的減少趨勢。CLDAS降水數(shù)據(jù)基本能夠反映2008—2019年內(nèi)蒙古年降水量線性趨勢［圖4（b）］，但在呼倫貝爾市北部、錫林郭勒盟西北部和巴彥淖爾市年降水量減少地區(qū)以及阿拉善盟東部年降水量增加區(qū)域降水變率偏大，而在赤峰市、通遼市和興安盟等部分地區(qū)年降水量呈減少趨勢，與觀測數(shù)據(jù)相反。CRU TS降水數(shù)據(jù)年變化率［圖4（c）］在內(nèi)蒙古東部地區(qū)與CN05.1觀測數(shù)據(jù)相似，但呼倫貝爾市北部年降水量減少速率和呼倫貝爾市東部年降水量增加速率均小于觀測，且在內(nèi)蒙古西部地區(qū)年降水變率偏小，尤其在鄂爾多斯市東部和阿拉善盟南部明顯低于觀測。ERA5降水數(shù)據(jù)對阿拉善盟東南部及鄂爾多斯市東部到烏蘭察布市一帶年降水量增加趨勢表現(xiàn)較好，而在其他地區(qū)年降水變率偏?。蹐D4（d）］。

圖4 2008—2019年內(nèi)蒙古地區(qū)CN05.1（a）、CLDAS（b）、CRU TS（c）和ERA5（d）年降水量線性趨勢（單位：mm·a-1）Fig.4 The linear trend of annual precipitation from CN05.1 （a）， CLDAS （b）， CRU TS （c） and ERA5 （d）datasets in Inner Mongolia during 2008-2019 （Unit： mm·a-1）

CN05.1格點觀測資料［圖5（a）］顯示，2008—2019年內(nèi)蒙古大部地區(qū)年平均氣溫呈升高趨勢，增溫率為0.03～0.06 ℃·a-1，呼倫貝爾市東北部和鄂爾多斯市北部與巴彥淖爾市交界處增溫率較低。CLDAS數(shù)據(jù)［圖5（b）］顯示，內(nèi)蒙古大部地區(qū)呈增暖趨勢，且大部地區(qū)增溫率高于觀測，尤其阿拉善盟東南部增溫率與觀測偏差較大，而阿拉善盟中西部、巴彥淖爾市西部、赤峰市西部年平均氣溫呈明顯下降趨勢。CRU TS年平均氣溫線性趨勢［圖5（c）］表現(xiàn)為全區(qū)一致增暖的分布格局，大部地區(qū)增溫率超過0.07 ℃·a-1，較觀測明顯偏高。ERA5年平均氣溫線性趨勢分布［圖5（d）］與觀測較一致，除阿拉善盟西部和呼倫貝爾市東北部地區(qū)增溫率與觀測接近外，其他大部地區(qū)增溫率高于觀測。

圖5 2008—2019年內(nèi)蒙古地區(qū)CN05.1（a）、CLDAS（b）、CRU TS（c）和ERA5（d）年平均氣溫線性趨勢（單位：℃·a-1）Fig.5 The linear trend of annual mean temperature from CN05.1 （a）， CLDAS （b）， CRU TS （c） and ERA5 （d） datasets in Inner Mongolia during 2008-2019 （Unit ：℃·a-1）

3 氣溫和降水產(chǎn)品誤差評估

采用距離最近格點與站點進行匹配，提取內(nèi)蒙古119個國家站上述三種數(shù)據(jù)集逐月降水量和平均氣溫數(shù)據(jù)，統(tǒng)計其與站點觀測數(shù)據(jù)的相關系數(shù)、均方根誤差及平均絕對誤差（表1）?？梢钥闯?，三種數(shù)據(jù)集的平均氣溫與站點觀測值相關性高，相關系數(shù)均超過0.998，CLDAS平均氣溫的相關系數(shù)最高達0.999 5，其MAE僅0.38 ℃，遠小于ERA5的0.85 ℃和CRU TS的1.13 ℃。CRU TS和ERA5的降水量與站點觀測值的相關系數(shù)低于0.9，而CLDAS降水量的相關系數(shù)達0.965 7。從誤差來看，CLDAS降水量與站點觀測值MAE為4.73 mm，而CRU TS和ERA5降水量的MAE則在10.00 mm左右。可見，無論是平均氣溫還是降水量，CLDAS產(chǎn)品與站點觀測資料的相關性最高、誤差最小。

表1 三種數(shù)據(jù)集的月平均氣溫和降水量與內(nèi)蒙古119站觀測值相關系數(shù)和誤差統(tǒng)計Tab.1 The statistics of correlation coefficient and error of monthly mean temperature and precipitation between three datasets and observation values at 119 stations in Inner Mongolia

進一步對三種數(shù)據(jù)集的季節(jié)平均氣溫和降水量誤差進行統(tǒng)計（表2）。與觀測數(shù)據(jù)相比，CLDAS夏季平均氣溫偏低，春、秋、冬季平均氣溫偏高，且冬、秋季MAE稍高，分別為0.45、0.33 ℃，春、夏季MAE略小，在0.30 ℃左右；CRU TS平均氣溫除冬季偏高外，其他季節(jié)均偏低，冬、春、夏季MAE均超過1.01 ℃，秋季誤差最小為0.87 ℃；ERA5春、夏季平均氣溫偏低，秋、冬季平均氣溫偏高，冬季MAE最大為1.26 ℃，其他季節(jié)誤差在0.60 ℃左右?？梢?，內(nèi)蒙古地區(qū)CLDAS各季平均氣溫誤差均小于ERA5和CRU TS，ERA5平均氣溫數(shù)據(jù)質(zhì)量整體優(yōu)于CRU TS，僅冬季平均氣溫MAE略高于CRU TS。從四季降水誤差看，CLDAS對內(nèi)蒙古春季和秋季降水量低估、夏季和冬季降水量高估，而CRU TS降水產(chǎn)品夏季高估、其他季節(jié)均低估；ERA5普遍低估內(nèi)蒙古夏季降水，高估春季和冬季降水，對秋季降水也存在低估現(xiàn)象。另外，三種降水產(chǎn)品在內(nèi)蒙古地區(qū)MAE均是夏季最大，秋季次之，冬季最小。

表2 三種數(shù)據(jù)集的季節(jié)平均氣溫和降水量與內(nèi)蒙古119站觀測值偏差和平均絕對誤差統(tǒng)計Tab.2 The statistics of bias and mean absolute error of seasonal mean temperature and precipitation between three datasets and observation values at 119 stations in Inner Mongolia

圖6是內(nèi)蒙古119站季節(jié)平均氣溫和降水量觀測值與CLDAS、CRU TS和ERA5產(chǎn)品平均絕對誤差箱形圖。從誤差范圍、中位數(shù)、上下四分位數(shù)來看，CLDAS資料最優(yōu)。綜上可見， CLDAS氣溫和降水產(chǎn)品在內(nèi)蒙古地區(qū)準確性明顯優(yōu)于CRU TS和ERA5相關產(chǎn)品。

圖6 內(nèi)蒙古119站季節(jié)平均氣溫（a）和降水量（b）與CLDAS、CRU TS和ERA5產(chǎn)品的平均絕對誤差分布Fig.6 The distribution of mean absolute error between seasonal mean temperature （a）， precipitation （b） at 119 stations in Inner Mongolia and CLDAS， CRU TS， ERA5 products

4 CLDAS產(chǎn)品誤差空間分布

CLDAS氣溫和降水產(chǎn)品在內(nèi)蒙古地區(qū)的適用性整體優(yōu)于CRU TS和ERA5，那么CLDAS氣溫和降水數(shù)據(jù)誤差在內(nèi)蒙古分布如何？從CLDAS氣溫和降水產(chǎn)品與內(nèi)蒙古119站觀測值的相關系數(shù)和均方根誤差空間分布（圖7）看出，整體上CLDAS氣溫數(shù)據(jù)精度優(yōu)于降水數(shù)據(jù)，CLDAS氣溫與內(nèi)蒙古站點觀測值的相關系數(shù)普遍超過0.999，僅內(nèi)蒙古中西部和河套地區(qū)局部站點相關系數(shù)為0.997～0.999，阿拉善左旗站相關系數(shù)最小為0.988 6；從氣溫均方根誤差分布看，RMSE超過1.0 ℃的站點主要位于阿拉善盟西部及赤峰市西北部與錫林郭勒盟交界地區(qū)。CLDAS降水與內(nèi)蒙古站點觀測值的相關系數(shù)大部分在0.95以上，僅4站相關系數(shù)低于0.90，其中烏海站相關系數(shù)最低為0.77，可見CLDAS降水產(chǎn)品在內(nèi)蒙古西部尤其是河套地區(qū)精度較差；從降水的均方根誤差分布看，內(nèi)蒙古北部地區(qū)誤差明顯小于南部地區(qū)。

圖7 CLDAS氣溫（a、b）和降水（c、d）產(chǎn)品與內(nèi)蒙古119站觀測值的相關系數(shù)（a、c）和均方根誤差（b、d）空間分布Fig.7 The spatial distribution of correlation coefficient （a， c） and root mean square error （b， d） between CLDAS temperature（a， b）， precipitation （c， d） products and observation values at 119 stations in Inner Mongolia

5 結論與討論

基于內(nèi)蒙古119個國家氣象站觀測資料和國家氣象信息中心CN05.1格點觀測數(shù)據(jù)集，對CLDAS產(chǎn)品數(shù)據(jù)集的2 m平均氣溫和降水量在內(nèi)蒙古地區(qū)的適用性進行檢驗評估，同時與CRU TS和ERA5再分析數(shù)據(jù)集進行對比，得到如下結論：

（1）CLDAS、CRU TS和ERA5數(shù)據(jù)集均能較好表現(xiàn)內(nèi)蒙古年降水量和年平均氣溫空間分布特征。CLDAS產(chǎn)品低估了內(nèi)蒙古中東部地區(qū)年降水量、高估了西部地區(qū)年降水量，尤其對呼倫湖、達里諾爾湖等地勢低洼地區(qū)降水嚴重高估；CRU TS對內(nèi)蒙古東部和西南地區(qū)年降水量存在低估現(xiàn)象，而對東南部和西部地區(qū)年降水量存在高估現(xiàn)象。相較于CLDAS和CRU TS，ERA5嚴重低估了內(nèi)蒙古地區(qū)年降水量。三種數(shù)據(jù)集對內(nèi)蒙古大部地區(qū)年平均氣溫存在高估現(xiàn)象，其中CLDAS對阿拉善盟東部地區(qū)平均氣溫嚴重高估，CRU TS對內(nèi)蒙古中西部以及大興安嶺和陰山山脈平均氣溫嚴重高估，而ERA5嚴重高估了呼倫貝爾市北部地區(qū)平均氣溫。

（2）CLDAS和CRU TS降水數(shù)據(jù)對內(nèi)蒙古降水變化趨勢的表現(xiàn)優(yōu)于ERA5。內(nèi)蒙古地區(qū)，CRU TS和ERA5資料與CN05.1格點觀測資料增暖趨勢一致，但增溫率明顯高于觀測，而CLDAS資料還反映出內(nèi)蒙古局地變冷趨勢。

（3）與站點觀測的誤差評估表明，CLDAS氣溫和降水產(chǎn)品質(zhì)量明顯優(yōu)于CRU TS和ERA5數(shù)據(jù)集。CLDAS平均氣溫與觀測值的相關系數(shù)為0.999 5，高于CRU TS和ERA5，平均絕對誤差（0.38 ℃）遠小于ERA5（0.85 ℃）和CRU TS（1.13 ℃）；CRU TS和ERA5降水量與觀測值的相關系數(shù)低于0.88，而CLDAS降水產(chǎn)品的相關系數(shù)超過0.96，平均絕對誤差為4.7 mm，低于CRU TS和ERA5（超過9.5 mm）。季節(jié)尺度上，CLDAS氣溫產(chǎn)品在內(nèi)蒙古地區(qū)夏季偏低，其他季節(jié)偏高，而降水產(chǎn)品春季和秋季低估、夏季和冬季高估。

（4）CLDAS氣溫數(shù)據(jù)主要在阿拉善盟東部、河套地區(qū)誤差較大，而降水數(shù)據(jù)在內(nèi)蒙古北部地區(qū)誤差明顯小于南部地區(qū)，且河套平原氣溫和降水與站點觀測值的相關系數(shù)較低。

CLDAS通過融合地面氣象觀測提高大氣驅(qū)動數(shù)據(jù)的質(zhì)量，進而提高數(shù)據(jù)產(chǎn)品的模擬精度（單帥等，2021）。CLDAS降水和氣溫產(chǎn)品空間分辨率高，其數(shù)據(jù)質(zhì)量在內(nèi)蒙古大部地區(qū)優(yōu)于CRU TS和ERA5再分析資料，具有較高的應用價值（武榮盛等，2021），但該數(shù)據(jù)產(chǎn)品在局部地區(qū)存在一定誤差，如河套地區(qū)。此外，CLDAS降水產(chǎn)品局地受地形影響較大，須加以修訂。

致謝：感謝國家氣象信息中心數(shù)據(jù)分析科提供的CLDAS中國區(qū)域逐小時陸面融合分析產(chǎn)品及技術指導！