雪深再分析资料在锡林浩特地区的适用性评价*

王 飞，朱仲元**，郝祥云，宋海清，韩冬冬



雪深再分析资料在锡林浩特地区的适用性评价*

王 飞1，朱仲元1**，郝祥云1，宋海清2，韩冬冬1

（1．内蒙古农业大学水利与土木建筑工程学院，呼和浩特 010018；2．内蒙古自治区生态与农业气象中心，呼和浩特 010015）

利用欧洲中期预报中心（ECMWF）提供的1981−2010年ERA-Interim全球再分析积雪资料和ERA Interim/Land陆面模式积雪资料（简称ERA-Land），以锡林浩特地区（锡林浩特、阿巴嘎旗、东乌珠穆沁旗、西乌珠穆沁旗、正蓝旗、多伦县、那仁宝力格、克什克腾旗）共8个国家气象台站的观测资料为标准，计算其与再分析资料的相关系数、平均偏差、标准差比等统计参数。结合线性变化对比及质量指数和Brunke排名法，综合评估雪深再分析资料在锡林浩特地区的适用性。结果表明：ERA-Interim、ERA-Land资料均能很好地再现研究区积雪深度的季节变化趋势，但锡林浩特及其以东站点较西部站点再现能力更强；ERA-Land资料的模拟效果更优，且具有很好的稳定性，其在包括锡林浩特的研究区北部站点较南部吻合度高，质量较好；ERA-Land资料在锡林浩特地区大部分站点有质量变好趋势，那仁站最明显，在锡林浩特以南的正蓝旗站、多伦县站呈现变差趋势，但变率很小；ERA-Land资料在东乌珠穆沁旗站排序结果最优，正蓝旗最差。

锡林浩特；积雪深度；再分析资料；适用性评估

积雪是气候及水文循环可预测性的一个重要而活跃的气象要素。其作为地球冰冻圈中覆盖面积最大、季节和年际变化最显著的组成部分，对气候变化十分敏感，对全球气候起着十分重要的调节作用[1−2]。同时积雪还是寒旱区草原重要的淡水资源，是河流径流和地下水主要的补给之一[3]。融雪水入渗补给土壤表层水分，对土壤墒情预测、畜牧业、水资源合理利用、预防春旱有十分重要的意义[4]。但由于积雪不稳定且观测难度大的特性，导致其积雪深度数据严重匮乏[5]。20世纪80年代后期，科学家们利用数值天气预报中的同化技术模拟出长期历史气候资料，标志着“再分析数据”的问世[6−8]。近年，国内外学者对各类气象要素的再分析资料在各地区的适应性及再分析资料与模型模拟数据的对比进行了大量研究[7,9−12]，并取得相关成果。但对积雪的再分析资料仅在较大空间尺度进行了应用及适应性的研究，在积雪再分析资料的应用方面多使用美国冰雪资料中心（National Snow and Ice Data Center）提供的积雪资料。陈海山等[13−14]利用美国冰雪资料中心积雪深度资料对亚欧大陆积雪的时空演变规律进行了研究。由各类机构提供的各种再分析资料因其同化过程的不同在相同地区的适应性也有所不同。Khan等[15]对美国能源部（NCEP-DOE）和40a欧洲中期天气预报中心（ERA-40）与日本的JRA-25的再分析积雪特性资料在俄罗斯主要河流的实际应用性作了评估，发现与NCEP-DOE再分析资料相比，ERA-40资料更好地估计了流域平均雪水当量值，由日本气象厅提供的JRA-25再分析资料的平均积雪深度被系统低估。而许蓓等[16]在对包括俄罗斯在内的亚欧大陆高纬度地区雪深再分析资料进行适用性评价时发现，同样由日本气象厅提供的JRA-55雪深再分析资料与观测事实最为接近，能较好揭示欧亚中高纬雪深变化的空间分布特征，反映雪深的长期变化趋势。刘金平[17]在研究中亚地区积雪分布变化时发现，中亚中高纬度地区的ERA-Interim积雪再分析数据，经实测雪深数据和MODIS积雪产品验证，结果显示相比实测雪深，ERA-Interim雪深精度可以达到72.1％，模拟效果较好。因此，再分析资料的精度在不同空间尺度上会表现出不同的结果，小尺度研究区各类再分析资料的模拟精度差异更加明显。

锡林浩特地区属典型的寒旱区草原，获取有效的积雪资料是寒旱区草原水资源管理、农牧业发展和灾害防御研究的重点。但由于研究区内积雪观测站稀少，观测难度大，导致其积雪观测资料严重匮乏。找到适宜的模拟数据来补充该地区的积雪资料不足是解决这个问题的有效办法。随着卫星遥感技术日趋成熟，同化技术和数值预报技术不断发展，再分析数据已被广泛运用，为研究全球和区域气候变化提供了重要的数据支持[18−19]。不过再分析数据是数值模式模拟与观测资料同化得到的模拟资料，存在系统误差，在不同地区的适应性及精度无法保证[20−21]，且在内蒙古地区运用较少，其质量与可信度有待进一步检验，故本研究对雪深再分析资料在锡林浩特地区的合理性和适用性进行初步评价，以期为选择用于寒旱区草原地区积雪深度代替资料提供参考，也为今后运用再分析资料在研究区的相关科学研究提供依据。

1 资料与方法

1.1 数据来源及处理

ERA-Interirn再分析雪深资料和ERA Interim /Land陆面模式资料（简称ERA-Land）来自欧洲中期数值预报中心（ECMWF），数据年限1981−2010年，空间分辨率为80km。ERA-Interirn数据是应用了综合预报系统的Cycle31r2模型版本，采用光谱谐波分辨率T255作为分析依据，简化得到的高斯格点数据[22]。ERA-Land数据集是利用最新版本的陆面模型HTESSEL模拟产生，并使用gpcpv2.1.进行降水调整，由大气强迫场驱动得到的数据[23]。相比ERA- Interirn数据集，ERA-Land资料涵盖了32a的全球陆面数据，在陆面模式中采用了闭合的水量平衡并将一些地表方案的参数予以改进，使其更适于陆面水文水资源的气候研究[18]，数据网址http://apps.ecmwf.int/data- catalogues/era5/? class = ea。本研究使用的雪深再分析数据其时间分辨率为6h，空间分辨率为0.125°×0.125°。

实测雪深数据来源于1981−2010年锡林浩特地区8个国家气象站人工观测的日积雪深度数据，观测气象站包括锡林浩特、阿巴嘎旗、东乌珠穆沁旗、西乌珠穆沁旗、正蓝旗、多伦县、那仁、克什克腾旗，具体站点位置如图1所示。

1.2 研究方法

为方便对ERA-Interirn、ERA-Land两种资料的精度进行对比，将两种资料进行整理统计后均换算成月积雪深度数据。比较双线性插值法与邻近格点匹配法的结果发现，多数站点用邻近格点匹配法获得的积雪深度误差较小。故采用邻近格点法将再分析资料与气象站点的实测数据进行匹配。邻近格点匹配法是采用距离观测位置最近的格点与站点资料一一匹配的方法，详细介绍见文献[24]。

图1 锡林浩特地区8个气象站的分布

为更直观地比对ERA-Interim和ERA-Land两套资料在研究区的模拟效果，引入平均偏差（BIAS）、标准差比（SDC）及相关系数（R）3个统计量，来定量评估两套资料在研究区域的优劣。各统计量计算式分别为[24]

为更深入分析ERA-Interim、ERA-Land两套资料在研究区的适用性，对比两套资料质量的年代际变化特征，定义数据的年质量指数Q，Q值越小，表示分析资料与观测资料的差距越小，即质量越好；反之则质量越差。Q的计算式为[21]

式中，M为ERA-Interim再分析资料和ERA- Land陆面模式资料输出的雪深；O为实际观测到的雪深；n为样本数，本研究计算的是年质量指数，因研究区仅在1−5月和9−12月这9个月有积雪产生，故样本数n=9。

对两套再分析资料中模拟效果较好的一套资料进行Brunke排名[20]，找出该套资料在研究区模拟能力最优的站点。根据各站点4个参与排名的参考值，对再分析资料在各站点的优劣进行从1到N的排序，N代表研究区的站点个数8，排名规则为：R最大（BIAS最小）的站点排名为1，R最小（BIAS最大）的站点排名为N。对于SDC，其值最接近1的站点排名为1，最远离1的站点排名为N。质量指数Q最小值站点排名为1，最大值站点排名为N。分别将再分析资料在各站点对应的各个参数进行排序，将各站点的4个参数排序的得分进行算术平均得到再分析资料在所有站点的得分，将总得分再进行排序，得分最少的站点排名为1，得分最多的站点排名为N，得分相同的排序名次并列。分值小者表示模拟效果好，反之，模拟能力较差。

2 结果与分析

2.1 两种再分析资料序列多年月积雪深度平均值与实测值的比较

由图2可见，ERA-Interim、ERA-Land两套资料与实测数据有相同的变化规律，除南部的正蓝旗站（图2g）和多伦县站（图2h）降雪从10月开始外，其它站降雪月均为9月−翌年5月，历时9个月，其中5月和9月积雪很少，足见再分析资料基本能反映研究区积雪深度的季节变化特点。但是，从与实测数据的差异情况看，这两套模拟再生数据在各站点又表现出不同的特点：（1）锡林浩特站及以西的那仁站、阿巴嘎旗、正蓝旗（图2a−图2d）各月模拟数据均小于实测数据，而且在主要积雪月（11月−翌年2月）ERA-Interim比ERA-Land模拟的雪深数值更小，4站主要积雪月雪深数值仅分别为实测值的45.93%、48.16 %、54.81 %、37.14%。（2）锡林浩特站以东的东乌珠穆沁旗站、西乌珠穆沁旗站、克什克腾旗站和多伦县站（图2e−图2h），情况则完全不同，主要积雪期除11月外，12月−翌年2月ERA-Land模拟的雪深数值均大于实测值。（3）分别比对ERA-Interim、ERA-Land数据和实测数据差异时，为方便分析将积雪期分为积雪前期（9−12月）和积雪后期（1−4月）两个时段。在锡林浩特以东的西乌珠穆沁旗站、东乌珠穆沁旗站、克什克腾旗站、多伦县站，积雪后期时段ERA-Interim积雪数据更接近观测数据，模拟效果优于ERA–Land资料，其余站点的ERA–Land资料更接近观测数据。而在积雪前期时段所有站点的ERA-Land资料均比ERA Interim资料接近观。

图2 各站点ERA-Interim（ERA）和ERA-Land（Land）再分析资料中多年逐月平均雪深与实测值的比较（1981−2010年）

2.2 两种再分析资料序列积雪深度与实测值的年际变化比较

如图3所示，在长时间序列上所有站点的ERA- Interim和ERA-Land积雪资料与实测积雪数据趋势变化基本一致，观察研究区各站的两种资料在整个时间序列上（1981−2010年）模拟量值的变化，不难发现，ERA-Land资料更加贴近实际情况，与观测值的偏差较小，随时间变化趋势一致性较高。结合表1相关系数（R）可发现，单就ERA-Land资料而言，锡林浩特站及其以北的那仁站、阿巴嘎旗站、东乌旗站与观测值的吻合度较南部的4个站点高。但两套再分析数据在多个时间节点均不同程度低估了实际积雪深度，特别是在2001年1月除多伦县站外的其它站点的ERA-Interim再分析资料和ERA-Land陆面模式资料比实际积雪深度偏小很多，西乌珠穆沁旗最为明显，偏小达72.34%。

图3 各站点1981−2010年ERA-Interim和ERA-Land月均积雪深与实测值的比较

表1是各站点1981−2010年逐月雪深再分析资料与实际观测资料的相关系数、平均偏差、标准差比3个统计参数。从相关系数R可看出，研究区8个站点均通过P＜0.01水平的显著性检验，呈现显著正相关。其中ERA-Land资料与观测数据相关性较好，即能够较好地描述观测值，相关性最好的为阿巴嘎旗站；对比各站相关系数R的差异发现，锡林浩特南部的克什克腾旗、正蓝旗、多伦县3个站点两套再分析资料与实测值的相关系数均小于0.6，相关性较包括锡林浩特在内的北部各站点低。两套资料与实测值的平均偏差和均方根误差差别较大，显然研究区各站点ERA-Land资料的平均偏差较ERA-Interim 资料小，ERA-Land资料更接近观测值。标准差比表征模拟资料的标准差与观测值的标准差的接近程度，在数值上越接近1越好，由表1可见，以锡林浩特为中心以西各站点，包括东乌珠穆沁旗、西乌珠穆沁旗、克什克腾旗、多伦县4站，两套再分析资料的标准差，比以东各站点，包括那仁、阿巴嘎旗、正蓝旗3站，更接近于1。ERA-Interim和ERA-Land资料各个站点的标准差比值均在1附近，而后者接近1，说明ERA-Land资料较ERA-Interim资料更接近观测值，在量值上模拟较精准。

表1 各站点两种雪深再分析资料月值与观测资料的相关系数（R）、平均偏差（BIAS）、标准差比（SDC）

注：**表示相关系数通过0.01水平的显著性检验。

Note:**is P＜0.01.

2.3 两种再分析资料与实测资料比较的结果评价

2.3.1 资料历年质量指数的变化及比较

图4给出了研究区各站点1981−2010年ERA- Interim和ERA-Land资料的质量指数序列及ERA- Land的质量指数线性趋势。由质量指数的定义可知，Q值越小，表示ERA-Interim、ERA-Land资料与实际观测资料的差距越小，即质量越好；反之则质量越差。分别计算研究区8个站点ERA-Interim、ERA- Land资料的质量指数Qi和Ql。从图4可以看出，整体上，ERA-Land资料的质量指数Ql偏小，均值为1.752，质量较好。锡林浩特站的Ql为1.691，小于研究区平均值1.758。但对比两套资料在各站之间的差异可知，站点间会表现出不同的特点：锡林浩特及其以东的站点（共3站东乌旗、克什克腾旗、多伦县）两套资料的质量指数均小于西部各站。单独分析质量较好的ERA-Land资料的质量指数和其质量指数线性趋势发现：（1）除阿巴嘎旗站在1987年和2001年的质量指数偏大以外，其余各站在长时间序列上质量指数的最大值均不大于4，可见ERA- Land资料在研究区各站点的质量较高且具有很好的稳定性；（2）根据质量指数的定义可知，质量指数线性趋势线斜率为负值时，表示该套资料的质量有提高的趋势，反之则是质量有降低的趋势。锡林浩特地区大部分站点（东乌珠穆沁旗、西乌珠穆沁旗、那仁、阿巴嘎旗、锡林浩特、克什克腾旗）的ERA-Land资料的质量指数线性趋势线的斜率为负值，质量指数略有下降趋势，表明近30a来ERA-Land资料整体质量变好。其中那仁站的斜率最小，为−0.0198，较其余各站的质量明显变好。锡林浩特以南的正蓝旗站、多伦县站，ERA-Land资料的质量指数线性趋势线的斜率均为正值，质量指数随时间增大，说明近30a来ERA-Land资料的质量整体表现出变差的趋势，但斜率量值很小，即变差的速度很慢，质量变差趋势不明显。

图4 各站点两种再分析资料历年质量指数（Q）及其线性趋势（1981−2010年）

2.3.2 各站点资料序列得分及排名

综合考虑逐月ERA-Land雪深资料与观测数据计算的相关系数、平均偏差、标准差比和质量指数4个参考量，将各站点按得分进行排序（表2），由表2可见，ERA-Land再分析雪深资料在东乌旗站排序结果最优，正蓝旗最差。结合图2、图3所反映的结果不难得出，以东乌旗为代表的锡林浩特东北部地区，ERA-Land再分析雪深资料的模拟表现优于其它站点，模拟效果最佳。东部的西乌旗珠穆沁旗站和克什克腾旗站得分相同，两站排序均为5，最南端的正蓝旗站最差。

表2 各站点ERA-Land再分析雪深资料平均得分排序结果

3 结论与讨论

（1）ERA-Interim、ERA-Land雪深资料都可以较好地再现研究区各站点积雪深度季节变化趋势，两套资料在以锡林浩特站点中心东西两边站点存在明显差异，东部各站点再分析资料模拟效果优于西部。

（2）ERA-Land资料能较好地描述观测资料所具有的长时间年际变化特征。锡林浩特站及以北站点较南部站点吻合度高。2001年1月除多伦县站外其它站点的两套资料很大程度低估了实际积雪深度，这可能是因为2001年锡林郭勒草原经历一场大雪，气候突变导致再分析资料模拟产生较大偏差。

（3）通过质量指数可知，ERA-Land陆面模式资料较ERA-Interim再分析资料的质量好，且有很好的稳定性，研究区东部站点的质量较西部好。ERA-Land资料在锡林浩特地区大部分站点质量有变好趋势，锡林浩特以西各站点质量较东部那仁站尤为明显。在锡林浩特以南正蓝旗站、多伦县站呈现变差趋势，但变率很小。

（4）ERA-Land资料的3个统计参数在研究区各站点表现均优于ERA-Interim资料，在结合质量指数综合考虑的各站点Brunke排名中，以东乌珠穆沁旗为代表的研究区东北部是该资料模拟能力最优的站点。统计参数是模拟资料与实测资料在各时间样本点上的差异的量值，故根据统计参数的综合排序与变化趋势吻合度并不矛盾。

综上所述，以锡林浩特为中心，两套资料与实测综合对比时，锡林浩特及其以东的站点再分析资料的模拟能力较西部站点表现较好；在单独分析模拟较好的ERA-Land资料在研究区各站点模拟效果差异时，优劣又以南北为界，北部各站优于南部。

值得注意的是，在降雪大的月份两套资料均低估了实际积雪深度，这可能是因为研究区域处在内蒙古高原地区，纬度较大、海拔较高。降雪发生的时间较早，结束的时间较晚，而大、暴雪也多发生于这一时段，造成了再分析资料与实际观测值的偏差[25]。同一种资料在站点间存在的模拟效果差异，很大程度上与再分析数据从格点数据转换为站点数据过程中产生的误差有关。邻近格点法是将距离站点最近的格点数据看作该站点资料，忽略了站点与格点的真实距离带来的再分析资料的误差，而不同站点这一距离会有差异，其再分析资料的误差大小也会不同。

总体来说ERA-Land资料模拟效果较好，刘昊等[18]对ERA-Land资料在内蒙古的评价研究得出，时空变化特征模拟最好的地区在中西部，本研究区正处于内蒙古中部地区。对其原因进行分析，刘昊等的文献中都曾明确提出陆面模式资料更适用于陆面水文水资源方面的气候研究，而研究区的地理位置处于内陆地区，所以陆面模式模拟产生的ERA-Land资料更适于研究区这一结果符合前人研究成果。在模拟效果较好的站点，ERA-Land雪深资料可以根据其研究内容考虑，作为该站点补充数据及周边一定范围的缺测漏测数据。模拟效果不好的站点，其误差主要来自各站点的位置特征及再分析资料同化过程中其初始化参数或参数化方案存在的差异。另外，在分析两套资料的适应性时受站点个数局限，没有对空间尺度进行分析，同时由于研究区积雪数据稀少，数据观测难度大，站点分布较为分散，导致站点数据代表性有限，今后可在国家气象站的基础上对积雪观测站点加密，作更加详细的研究。

[1] 王澄海,王芝兰,崔洋.40余年来中国地区季节性积雪的空间分布及年际变化特征[J].冰川冻土,2009,31(2):301-310.Wang C H,Wang Z L,Cui Y.Snow cover of china during the last 40 years:spatial distribution and interannual variation[J].Journal of Glaciology and Geocryology,2009,31(2):301-310.(in Chinese)

[2] 李斐,刘苗苗,王水献.2001-2013年开都河流域上游积雪时空分布特征及其对气象因子的响应[J].资源科学,2016,38(6):1160-1168.Li F,Liu M M,Wang S X.Temporal and spatial distribution characteristics of snow in the upper reaches of Kaidu River Basin from 2001 to 2013 and its response to meteorological factors[J].Resources Science,2016,38(6):1160-1168.(in Chinese)

[3] 吕爱锋,贾绍凤,燕华云,等.三江源地区融雪径流时间变化特征与趋势分析[J].资源科学,2009,31(10):1740-1709.Lu A F,Jia S F,Yan H Y,et al.Analysis of temporal variation characteristics and trend of snowmelt runoff in Sanjiangyuan area[J].Resources Science,2009,31(10):1740-1709.(in Chinese)

[4] 席小康,朱仲元,宋小园,等.锡林河流域融雪径流时间变化特征与成因分析[J].水土保持研究,2016,23(6):150-153.Xi X K,Zhu Z Y,Song X Y,et al.Time-varying characteristics and genesis analysis of snowmelt runoff in Xilin River Basin[J].Soil and Water Conservation Research,2016,23(6):150-153.(in Chinese)

[5] 孙建勇,车涛,戴礼云,等.利用积雪衰减曲线分析山区雪水当量时空分布[J].遥感信息,2017,32(2):121-130.Sun J Y,Che T,Dai L Y,et al.Analysis of snow-water equivalent time-space distribution in mountainous areas using snow attenuation curve[J].Remote Sensing Information,2017,32(2): 121-130.(in Chinese)

[6] 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.Zhao T B,Fu C B,Ke Z J,et al.Research status and progress of global atmospheric reanalysis data[J].Advance in Earth Sciences,2010,25(3):242-254.(in Chinese)

[7] Trenberth K E,Olson J G.An evaluation and intercomparison of global analyses from the national meteorological center and the European centre for medium range weather forecasts[J].Bulletin of the American Meteorological Society,2010, 69(9):1047-1056.

[8] Boyle J.Comparison of variability of the monthly mean temperature of the ECMWF and NCEP reanalyses and CCM3 and CSM simulations[J].Office of Scientific & Technical Information Technical Reports, 2000.

[9] 高路,郝璐.ERA-Interim气温数据在中国区域的适用性评估[J].亚热带资源与环境学报,2014,(2):75-81.Gao L,Hao L.Applicability evaluation of ERA-Interim temperature data in China[J].Journal of Subtropical Resources and Environment,2014,(2):75-81.(in Chinese)

[10]李光伟,敖杰,邢峰华,等.基于NVAP-M数据和ERA-I资料的海南岛大气可降水量时空分布特征分析[J].暴雨灾害,2018,(3):281-287.Li G W,Ao J,Xing F H,et al.Analysis of temporal and spatial distribution characteristics of atmospheric precipitable water in Hainan Island based on NVAP-M data and ERA-I data[J].Rainstorm Disaster,2018,(3):281-287.(in Chinese)

[11]刘鹏飞,刘丹丹,梁丰,等.三套再分析降水资料在东北地区的适用性评价[J].水土保持研究,2018,25(4):215-221.Liu P F,Liu D D,Liang F,et al.Applicability evaluation of three sets of reanalysis of precipitation data in Northeast China[J].Soil and Water Conservation Research,2018, 25(4):215-221.(in Chinese)

[12]高庆九,余汶樯,周小艳.基于再分析资料与观测资料的中国低温阈值变化特征研究[J].大气科学学报,2018,41(3):308-317.Gao Q J,Yu W Q,Zhou X Y.Study on the variation characteristics of low temperature threshold in China based on reanalysis data and observation data[J].Chinese Journal of Atmospheric Sciences,2018,41(3):308-317.(in Chinese)

[13]陈海山,许蓓.欧亚大陆冬季雪深的时空演变特征及其影响因子分析[J].地理科学,2012,32(2):129-135.Chen H S,Xu B.Analysis of temporal and spatial evolution characteristics and influence factors of winter snow depth in Eurasia[J].Geographical Science,2012,32(2):129-135.(in Chinese)

[14]张人禾,张若楠,左志燕.中国冬季积雪特征及欧亚大陆积雪对中国气候影响[J].应用气象学报, 2016,27(5):513-526.Zhang R H,Zhang R N,Zuo Z Y.The characteristics of snow cover in winter in China and the impact of Eurasia snow on China's climate[J].Journal of Applied Meteorology,2016,27(5):513-526.(in Chinese)

[15]Khan V,Holko L,Rubinstein K,et al.Snow cover characteri- stics over the main Russian river basins as represented by reanalyses and measured data[J].Journal of Applied Meteor- ology & Climatology,2008,47(6):1819-1833.

[16]许蓓,陈海山,高楚杰.冬季雪深再分析资料在欧亚中高纬地区的适用性评价[J].气候与环境研究,2015,20(3):296-306.Xu B,Chen H S,Gao C J.Applicability evaluation of winter snow de-analysis data in the middle and high latitude regions of Europe and Asia[J].Climatic and Environmental Research,2015, 20(3):296-306.(in Chinese)

[17]刘金平.中亚积雪时空分布的变化及其对关键气候要素的响应[D].北京:中国科学院大学,2015.Liu J P.Changes in the spatial and temporal distribution of snow in Central Asia and its response to key climatic factors[D].Beijing:University of Chinese Academy of Sciences,2015.(in Chinese)

[18]刘昊,宋海清,张超,等.ERA-Interim/Land积雪资料在内蒙古的初步评估[J].内蒙古科技与经济,2017,(2):50-53.Liu H,Song H Q,Zhang C,et al.Preliminary evaluation of ERA-Interim/Land snow data in Inner Mongolia[J].Inner Mongolia Science and Technology and Economy,2017,(2):50-53.(in Chinese)

[19]Lambert S,Mitchell H.The Canadian Meteorological Centre (CMC) global analyses (1991-1996):an evaluation by comparison with the ECMWF and NCEP analyses:research note[J].Atmosphere,1998,36(4):385-404.

[20]赵天保,符淙斌.应用探空观测资料评估几类再分析资料在中国区域的适用性[J].大气科学,2009,33(3):634-648.Zhao T B,Fu C B.Applicability of sounding observation data to evaluate the applicability of several types of reanalysis data in China[J].Chinese Journal of Atmospheric Sciences,2009,33(3):634-648.(in Chinese)

[21]李瑞青,吕世华,韩博,等.青藏高原东部三种再分析资料与地面气温观测资料的对比分析[J].高原气象,2012,31(6):1488-1502.Li R Q,Lv S H,Han B,et al.Comparative analysis of three reanalysis data and surface temperature observation data in the eastern Tibetan Plateau[J].Plateau Meteorology,2012,31(6):1488-1502.(in Chinese)

[22]高路,Karsten Schulz,陈兴伟,等.基于ERA-Interim再分析资料的中国极端气温分析[J].南水北调与水利科技, 2014,(2):75-78.Gao L, Karsten S,Chen X W,et al.Analysis of extreme temperature in China based on ERA-Interim reanalysis data[J].South-to-North Water Transfer and Water Science and Technology,2014,(2):75-78.(in Chinese)

[23]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,(1):14-32.Zhao T B,Fu C B.Preliminary comparison and analysis of reanalysis data and observation data of ERA-40 and NCEP-2 in China[J].Climatic and Environmental Research,2006,(1):14-32.(in Chinese)

[24]刘川,余晔,解晋,等.多套土壤温湿度资料在青藏高原的适用性[J].高原气象,2015,34(3):653-665.Liu C,Yu H, Xie J,et al.Applicability of multiple sets of soil temperature and humidity data in Qinghai-Tibet Plateau[J].Plateau Meteorology,2015,34(3):653-665.(in Chinese)

[25]于莉丽,钟珊珊,魏雪,等.锡林郭勒盟大雪、暴雪天气气候特征及分型[J].内蒙古气象,2014,(2):3-7.Yu L L,Zhong S S,Wei X,et al.Climatic characteristics and classification of heavy snow and blizzard weather in Xilingol League[J].Inner Mongolia Meteorology,2014,(2):3-7.(in Chinese)

Applicability Evaluation of Snow Depth Reanalysis Data in Xilinhot and its Surrounding Areas

WANG Fei1, ZHU Zhong-yuan1, HAO Xiang-yun1, SONG Hai-qing2, HAN Dong-dong1

(1. College of Water Conservancy and Civil Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China; 2. Inner Mongolia Autonomous Region Center for Ecology and Agrometeorology, Hohhot 010015)

The snow cover data from 1981 to 2010 in the ERA-Interim global reanalysis and the ERA Interim/Land model (ERA-Land) were provided by the European Mid-term Forecasting Center (ECMWF). The observing datasets from 8 national meteorological stations surrounded by Xilinhot (including Xilinhaote, Dongwuzhumuqi, Xiwuzhumuqi, Zhenglanqi, Duolun County, Narenbaolig, and Keshiketengqi) were taken as a standard to calculate the correlation coefficient, average deviation, standard deviation ratio and other statistical parameters of the reanalysis data, which were combined with the linear change comparison and the quality index and the Brunke ranking method. The applicability of the snow depth reanalysis was comprehensively evaluated in Xilinhaote area. The results showed that both the ERA-Interirn and ERA-Land data performed the seasonal variation trend of snow depth in the study area well, however, the latter one gained better simulation results and good stability. Xilinhot and its east site were more reproducible than the western site; ERA-Land data had better simulation effect and good stability, and the northern stations had better consistency than the southern stations; ERA-Land data in most of Xilinhot area had a good quality trend, Naren Station was the most obvious, in Zhenglanqi Station south of Xilinhot, Duolun County Station showed a trend of variation, but the variation rate was very small; The ranking results were the best in east Wuzhuqinqi station and the worst in Zhenglan banner.

Xilinhot；Snow depth；Reanalysis data；Applicability assessment

10.3969/j.issn.1000-6362.2019.02.002

王飞,朱仲元,郝祥云,等.雪深再分析资料在锡林浩特地区的适用性评价[J].中国农业气象,2019,40(2):76-85

2018−07−11

。E-mail：731011410@qq.com

国家自然科学基金（51669018）

王飞（1993−），硕士生，主要从事干旱区水资源可持续利用及规划研究。E-mail：625824965@qq.com