ERA-Interim 气温数据在中国区域的适用性评估

高 路，郝 璐

(1．福建师范大学地理科学学院，福州350007;2．福建省陆地灾害监测评估工程技术研究中心，福州350007;3．南京信息工程大学应用气象学院，南京210044)

全球气候变化是国际社会长期关注的重大议题，它所带来的负面影响如温度升高、海平面上升等已陆续被实验模拟或定位观测所证实［1］。气温是气候变化讨论的焦点，以往气候变化的研究依赖于有限且分布不均的地面观测站点，而地面观测数据存在时间序列短、连续记录短缺、记录资料非均一化(如台站迁移、计算方法改变)等问题。虽然空间插值方法广泛应用于气象要素在无资料区域的预测，但由于插值方法本身以及站点分布不均等因素的影响，导致结果具有较大的不确定性［2-3］。再分析资料同化了数值天气预报和大量的地面观测数据与卫星遥感资料，具有时空分辨率精度高、时间跨度长等优点，作为全球观测资料的替代品在过去20年里越来越受欢迎［4-6］。因此在很多研究中，再分析资料被视为真实观测数据［7］。中国学者也对再分析资料做了较多的研究，例如赵天保等［8-9］综述了全球再分析资料的研究现状和发展，通过对比中国区域内ERA-40和NCEP-2再分析资料，发现中国区域的温度场和降水场的时空分布能够体现在2套再分析资料中，但是在中国西部，尤其是青藏高原地区的差异比较大。邓小花、谢潇等［4，10］也对比了几套再分析资料，发现针对中国区域各个再分析资料具有不同的优缺点。白磊等［11］评估了ERA-Interim和NCEP/NCAR的气温和气压数据在天山山区的适用性，结果发现前者的可信度更优。再分析资料在青藏高原地区也得到了广泛应用，特别是变暖趋势的检测［12-16］。作为欧洲中期天气预报中心 (ECMWF)第3代再分析资料，ERA-Interim在中国区域的适用性评估案例尚且不多。本研究运用1979—2010年中国756个观测站点的逐月平均气温数据，对比ERA-Interim再分析资料，分析误差及其来源，评估了ERA-Interim的可信性和适用性。该研究可为再分析资料在中国区域的应用提供参考。

1 数据来源与研究方法

1.1 ERA-Interim再分析资料

本研究采用ECMWF第3代再分析资料ERA-Interim。ERA-Interim提供了自1979年以来的再分析资料，并实时更新。相比第2代产品ERA-40数据同化模型，ERA-Interim采用了四维变分分析 (4DVar)，并结合改进的湿度分析、卫星数据误差校正等技术，实现了再分析资料质量的提升。ERA-Interim采用了综合预报系统 (IFS)的Cycle31r2模型版本，采用光谱谐波分辨率T255作为分析基础，最后得到简化的高斯网格 (N128)数据，该网格近似于79 km(0.71°)的经纬度网格。通过双线性插值技术，N128高斯网格数据被插值到了0.125°至2.5°多种经纬网格上。ERA-Interim提供每天4次的同化分析数据，同时发布2套为期10天每3小时的预报数据［17-18］。本研究采用0.5°×0.5°网格的月平均气温数据，时间序列为1979—2010。图1为中国区域的ERA-Interim格点分布，共计3 858个。

图1 中国区域ERA-Interim格点分布与地面观测站点Figure1 Distribution of ERA-Interim grid points and observations in China

1.2 地面观测资料

本研究采用国家气象信息中心中国气象科学数据共享平台提供的中国756个基本、基准地面气象观测站及自动站1951年以来气候资料的逐月平均气温数据集 (图1)。观测站点主要分布在中东部地区，青藏高原西部和新疆南部地区观测站点稀少。依据2个标准对数据集进行预处理:一是站点数据需满足连续测量2年以上;二是数据缺省连续不超过3个月。由于各个观测站点的时间序列不一，为与ERAInterim数据对比，统一提取1979—2010年时间序列。其中604个站点的时间序列达到32年，占总站点的79.9%。仅25个站点 (3.3%)的时间序列短于10年。751个站点数据完整无缺失，占总站点数的99.3%，剩余5个站点数据缺省率均小于1%，观测数据整体质量良好，适用于ERA-Interim再分析资料的评估与检验。

图2 观测站点与ERA-Interim的相关性统计Figure2 Statistics of correlation between observations and ERA-Interim data

1.3 研究方法

为避免插值带来的误差干扰，准确评价再分析资料的原始精度，本研究直接比较再分析资料对观测值的误差。分别提取与756个观测站点距离最近的ERA-Interim格点，计算观测值与ERA-Interim再分析资料在长时间序列下的平均偏差 (bias)，同时分析2个数据集的相关系数 (R)和均方根误差 (RMSE)，评估ERA-Interim再分析资料在中国区域的适用性，并运用线性回归方法分析误差主要来源。

2 结果分析

图2展示了756个观测站点与ERA-Interim再分析资料的相关性。总体上，ERA-Interim与观测值相关性高，相关系数达到0.955～0.995，其中617个站点的相关性超过0.995，占总数的81.6%，92.1%站点的相关性超过0.99。仅11个站点相关系数低于0.98。说明ERA-Interim能够很好地反映大多数站点的年际变化。

图3展示了偏差的站点统计，总体偏差范围在－12℃ ～12℃。偏差为负值代表ERA-Interim低于观测值，即ERA-Interim再分析资料呈现冷偏差;反之，偏差为正值表明ERA-Interim出现暖偏差。580个站点的冷偏差或暖偏差小于1℃，占站点总数的76.7%。鉴于区域气候模式普遍存在1～2℃的冷偏差［19］，本研究评估偏差小于1℃为高可信度。64个站点 (8.5%)的冷偏差或暖偏差大于5℃，可信度较低。图4反映了在不同站点海拔上的偏差统计。ERA-Interim在466个站点出现冷偏差，占总数的61.6%，38.4%的站点 (290个)呈现暖偏差。海拔低于500 m的站点整体上偏差较小，其中海拔低于200 m的站点偏差最小。随着站点海拔的上升，偏差有增大趋势，而且冷偏差的站点明显多于暖偏差的站点，尤其是海拔高于2 000 m的站点。多数海拔3 000 m以上的站点大多数呈现明显冷偏差。说明ERA-Interim再分析资料对高海拔站点的模拟能力较弱，具有较大的误差。

图3 观测站点与ERA-Interim的偏差统计Figure3 Statistics of bias between observations and ERA-Interim data

图4 基于站点海拔的偏差统计Figure4 Statistics of bias for the elevation of stations

由图5可见，整体上，大于6℃的冷偏差主要分布在西部地区的高海拔山区，集中在西藏南部、云南、四川西部、青海、甘肃和新疆西北地区。东部的冷偏差较小，主要在－3～0℃。但东部地区的暖偏差站点明显多于西部地区，主要集中在东部海拔较低的地区，包括东北南部、华北、华中华东地区，值得注意的是，东部观测站点的密度远远大于西部地区。东南沿海站点呈现0～3℃的暖偏差。高于6℃的暖偏差主要集中在东部地区的高山站点，例如天池、五台山、峨眉山、天目山和泰山等观测站。西部地区的暖偏差一般不超过3℃，个边站点 (西藏南部)出现高于6℃的暖偏差。总体上，暖偏差集中在东部地区，冷偏差的高值区集中在西部高海拔山区的站点。

图5 观测站点与ERA-Interim的偏差分布Figure5 Distribution of bias between observations and ERA-Interim data

图6为均方根误差 (RMSE)的站点统计，总体取值范围在0℃ ～12℃。均方根误差能够敏感反映观测值和ERA-Interim之间的极端误差。375个站点的均方根误差在1℃以下，占总数的49.6%，73.3%的站点(554个)均方根误差在2℃以下。图7反映了均方根误差的空间分布。小于1℃的均方根误差集中在东部地区，大于2℃均方根误差的站点主要分布在青藏高原和新疆地区，与冷偏差的高值区分布一致。最大均方根误差出现在四川的峨眉山站点达到11.2℃，68个站点的均方根误差超过5℃，集中分布在青藏高原高海拔地区。东部地区的均方根误差高值区与暖偏差一致，主要分布在高海拔山区，如五台山和泰山等观测站。

图6 观测站点与ERA-Interim的均方根误差统计Figure6 Statistics of RMSE between observations and ERA-Interim data

图7 观测站点与ERA-Interim的均方根误差分布Figure7 Distribution of RMSE between observations and ERA-Interim data

3 讨论

756个站点的海拔不一，最高站点在西藏普兰站，海拔4 900 m，最低点在江苏射阳站，海拔2 m。东部站点海拔平均比西部低，但部分高山站点海拔较高。ERA-Interim的地面参数在固定格点高度上模拟。图8为观测站点与ERA-Interim格点的高度差分布 (ERA-Interim格点高度减去观测站海拔)。625个站点 (82.7%)的海拔低于ERA-Interim的格点高度，可能是导致ERA-Interim出现冷偏差的主要原因，尤其在青藏高原。前人研究也表明高度差异是导致再分析资料误差的主要因素［12-16］。131个站点的海拔高于ERA-Interim的格点高度，集中在中东部地区，其中高山站点的高度差最大，如天池和泰山等观测站点，导致了ERA-Interim在这些站点出现最大暖偏差。通过线性拟合高度差和气温偏差，发现回归系数R2达到0.88，表明高度差是导致ERA-Interim出现偏差的主要原因，与前人研究结果相吻合。同时说明通过高程校正，能够有效降低误差，提高ERA-Interim的适用性［20］(图9)。此外，ERA-Interim的同化资料误差、模型系统误差、插值误差 (从N128高斯网格到经纬度网格)也是误差的其他来源。

图8 观测站点与ERA-Interim的高度差分布Figure8 Distribution of height differences between observations and ERA-Interim data

图9 高度差和气温偏差的线性回归Figure9 Linear regression of height differences and temperature biases between observations and ERA-Interim data

4 结论

1)ERA-Interim的月平均气温数据较好地反映了观测值的年际变化，相关性达到0.955～0.995，617个站点的相关性超过0.995，占总数的81.6%，整体上具有较高的可信度。

2)ERA-Interim再分析资料在580个站点的冷偏差或暖偏差在1℃内，可信度较高，占站点总数的76.7%。64个站点 (8.5%)的冷偏差或暖偏差大于5℃，可信度较低。大于6℃的冷偏差主要分布在西部地区的高海拔山区。东部地区的暖偏差明显多于西部地区。高于6℃暖偏差主要集中在东部地区的高山站点。总体上，暖偏差集中在东部地区，冷偏差的高值区集中在西部高海拔山区。375个站点的均方根误差在1℃以下，占总数的49.6%，73.3%的站点 (554个)均方根误差在2℃以下。均方根误差高值分布与偏差一致。海拔低于500 m的站点整体上偏差较小，其中海拔低于200 m的站点偏差最小，适用性好，多数海拔3 000 m以上的站点大多数呈现明显冷偏差，适用性较差。

海拔是影响气温的关键性因素。线性拟合观测站点与ERA-Interim格点的高度差与气温偏差，回归系数R2达到0.88，表明高度差是误差的主要来源，因此通过高度差的校正能够有效降低误差，提高再分析资料的适用性。

［1］ IPCC．Climate Change 2013:The Physical Science Basis．Working Group I Contribution to the IPCC AR5［M/OL］．www．climatechange2013．org/images/report/WG1AR5_ALL_FINAL．pdf．

［2］ Vogt J V，Viau A A，Paquet F．Mapping regional air temperature fields using satellite derived surface skin temperatures［J］．International Journal of Climatology，1997，17(14):1559-1579．

［3］ Willmott C J，Robeson S M，Feddema J J．Influence of spatially variable instrument networks on climatic averages［J］．Geophysical Research Letters，1991，18(12):2249-2251．

［4］ Xie Xiao，He Jin-hai，Qi Li．A review on applicability evaluation of four reanalysis datasets in China［J］．Journal of Meteorology and Environment，2011，27(5):58-65．［谢潇，何金海，祁莉．4种再分析资料在中国区域的适用性研究进展［J］．气象与环境学报，2011，27(5):58-65．］

［5］ Decker M，Brunke M A，Wang Z，et al．Evaluation of the reanalysis products from GSFC，NCEP，and ECMWF using flux tower observations［J］．Journal of Climate，2012，25(6):1916-1944．

［6］ Simmons A J，Willett K M，Jones P D，et al．Low-frequency variations in surface atmospheric humidity，temperature，and precipitation:Inferences from reanalyses and monthly gridded observational data sets［J］．Journal of Geophysical Research-Atmospheres，2010，115．

［7］ Lin Ren-ping，Zhou Tian-jun，Xue Feng，et al．The global monsoon variability revealed by NCEP/NCAR reanalysis data［J］．Chinese Journal of Atmospheric Sciences，2012，36(5):1027-1040．［林壬萍，周天军，薛峰，等．NCEP/NCAR再分析资料所揭示的全球季风降水变化［J］．大气科学，2012，36(5):1027-1040．］

［8］ Zhao Tian-bao，Fu Cong-bin．Preliminary comparison and analysis between ERA-40，NCEP-2 reanalysis and observations over China［J］．Climatic and Environmental Research，2006，11(1):14-32．［赵天保，符淙斌．中国区域 ERA-40，NCEP-2再分析资料与观测资料的初步比较与分析［J］．气候与环境研究，2006，11(1):14-32．］

［9］ Zhao Tian-bao，Fu Cong-bin，Ke Zong-jian，et al．Global atmosphere reanalysis datasets:Current status and recent advances［J］．Advances in Earth Science，2010，25(3):242-254．［赵天保，符淙斌，柯宗建，等．全球大气再分析资料的研究现状与进展［J］．地球科学进展，2010，25(3):242-254．］

［10］ Deng Xiao-hua，Zhai Pan-mao，Yuan Chun-hong．Comparative analysis of NCEP/NCAR，ECMWF and JMA reanalysis［J］．Meteorological Science and Technology，2010，38(1):1-8．［邓小花，翟盘茂，袁春红．国外几套再分析资料的对比与分析［J］．气象科技，2010，38(1):1-8．］

［11］ Bai Lei，Wang Wei-xia，Yao Ya-nan，et al．Reliability of NCEP/NCAR and ERA-Interim reanalysis data on Tianshan mountainous area［J］．Desert and Oasis Meteorology，2013，7(3):51-56．［白磊，王维霞，姚亚楠，等．ERA-Interim 和NCEP/NCAR再分析数据气温和气压值在天山山区适用性分析［J］．沙漠与绿洲气象，2013，7(3):51-56．］

［12］ You Q L，Fraedrich K，Ren G Y，et al．Variability of temperature in the Tibetan Plateau based on homogenized surface stations and reanalysis data［J］．International Journal of Climatology，2013，33(6):1337-1347．

［13］ You Q L，Kang S C，Pepin N，et al．Relationship between temperature trend magnitude，elevation and mean temperature in the Tibetan Plateau from homogenized surface stations and reanalysis data［J］．Global and Planetary Change，2010，71(1/2):124-133．

［14］ Xie A H，Ren J W，Qin X，et al．Feasibility comparison of reanalysis data from NCEP-I and NCEP-II in the Himalayas［J］．Journal of Mountain Science，2009，6(1):56-65．

［15］Frauenfeld O W，Zhang T J，Serreze M C．Climate change and variability using European Centre for Medium-Range Weather Forecasts reanalysis(ERA-40)temperatures on the Tibetan Plateau［J］．Journal of Geophysical Research-Atmospheres，2005，110．

［16］Bao X H，Zhang F Q．Evaluation of NCEP-CFSR，NCEP-NCAR，ERA-Interim，and ERA-40 Reanalysis datasets against independent sounding observations over the Tibetan Plateau［J］．Journal of Climate，2013，26(1):206-214．

［17］ Dee D P，Uppala S M，Simmons A J，et al．The ERA-Interim reanalysis:Configuration and performance of the data assimilation system［J］．Quarterly Journal of the Royal Meteorological Society，2011，137(656):553-597．

［18］ Uppala S，Dee D，Kobayashi S，et al．Towards a climate data assimilation system:Status updata of ERA-Interim［J］．ECMWF Newsletter，2008，115．

［19］ Zhou Jian-wei，Wang Yong-qing．The advance in application and research of regional climate model RegCM3 ［J］．Scientia Meteorologica Sinica，2007，27(6):702-708．［周建玮，王咏青．区域气候模式RegCM3应用研究综述［J］．气象科学，2007，27(6):702-708．］

［20］Gao L，Bernhardt M，Schulz K．Elevation correction of ERA-Interim temperature data in complex terrain［J］．Hydrology and Earth System Sciences，2012，16(12):4661-4673．