ERA5-Land、MERRA2气温、降水数据在呼伦贝尔地区的适用性研究

曲学斌，林 聪，辛孝飞，敖孟奇，乌尼尔，王彦平

（1.呼伦贝尔市气象局，内蒙古 呼伦贝尔 021008；2.呼伦贝尔市农牧局，内蒙古 呼伦贝尔 021008）

天气和气候分析离不开大量的气象数据支持，因此有效获取高质量、长序列、高分辨率的气候资料数据一直是大气科学研究和发展的重要基础和根本保障[1]，然而传统气象监测站网布设受人口、地形、交通等因素影响，分布极不均匀[2]。尤其在新疆、西藏、内蒙古、青海等人口稀少地区，气象监测站网稀疏，单一气象站的监测数据难以代表整个区域的气候特征[3]。20世纪80年代后期，随着气象资料同化技术在数值预报中应用的不断成熟，科学家们提出了利用数值天气预报中的资料同化技术来恢复长期历史气候记录，即所谓的大气资料“再分析”[4]。90年代中期至今，美国、欧盟和日本等国家先后组织研发大气再分析数据产品[5]，例如美国国家环境预报中心（NCEP）和美国国家大气研究中心（NCAR）的联合项目NCEP/NCAR和第2版本NCEP/DOE再分析数据[6]；美国国家航空航天局（NASA）全球模拟与数据同化办公室发布的MERRA及其第2版本MERRA2再分析数据[7]；日本气象厅（JMA）与日本电子能源工业中央研究所（CRIEPI）联合开发的JRA-25及其后发布的JRA-55[8]；欧洲中期天气预报中心（ECMWF）依次研发的FGGE、ERA-15、ERA-40、ERA-Intrim、ERA5的5代再分析数据[9]。

随着高性能计算能力的飞速发展，再分析数据的时空分辨率不断提升，为解决观测资料缺乏、时空分布不均等问题提供了新的途径和方法，必将在未来区域气候变化分析和研究中得到广泛应用[10]，但受同化方案等因素的影响，不同再分析数据的可信度需要进一步验证[11]。近年来，我国学者针对再分析数据的本地适用性研究逐渐增多。除多等[12]、秦艳慧等[13]分别对MERRA和ERA-Interim再分析地面温度在青藏高原地区的适用性进行分析，证明两者有很高的数据代用价值。白磊等[14]对比两类再分析气温、气压在天山山区的适用性，发现ERA-Interim数据的整体可信度高于NCEP/NCAR。朱景等[15]对比分析ERA-Interim和ERA5再分析陆面温度在浙江省的适用性，得出两套数据在浙江省均具有较好适用性且相比之下ERA5更加优秀。宋海清等[16]对比多种土壤湿度资料在内蒙古的适用性，发现ERA5的模拟能力最优，且再分析土壤湿度普遍好于基于卫星融合的SMOPS土壤湿度。

呼伦贝尔地处我国东北部边疆，拥有大兴安岭森林、呼伦贝尔草原、松嫩平原边缘农业种植区等多种生态系统，是我国北方重要的生态屏障之一[17]。呼伦贝尔地区属半湿润与半干旱、中温带与寒温带气候的过渡区，加之地形地貌多样，气候环境较为复杂[18]。而该地区仅有16个国家级气象站，可用于气候变化分析和研究的地面实测数据较为缺乏，对长时序、高时空分辨率的再分析数据需求旺盛。开展再分析数据在呼伦贝尔地区的适用性分析，可为其在呼伦贝尔的应用提供科学参考，有效弥补气象台站稀疏、气候数据缺乏等问题。

1 资料与方法

1.1 研究区概况

呼伦贝尔地区位于内蒙古自治区东北部（115°31＇～126°04＇E，47°05＇～53°20＇N），总面积2.53×105km2（图1）。大兴安岭以东北—西南走向横贯全市，来自海洋的湿润气流受其阻挡，岭东为半湿润气候，岭西为半干旱气候。大兴安岭北部属年平均气温＜0℃的寒温带，其余地区属中温带。总体气候呈现冬季寒冷漫长、夏季温凉短促、春季干燥风大、秋季气温骤降的特点[19]。

图1 呼伦贝尔市植被覆盖及气象站分布

1.2 数据资料

ERA5再分析数据是欧洲中期天气预报中心（ECMWF）研发的第5代再分析数据，与前一代ERA-Interim相比，ERA5采用4DVar数据同化方法，集成预报系统模式由Cy31r2升级到Cy41r2，快速辐射传输模式升级到RTTOV-v11，数据质量提升明显[20]。ERA5-Land是通过ERA5再分析模型生产的再分析数据集，该模型通过物理法则将来自世界各地的观测数据结合到一个全球完整且一致的数据集中[21]。目前ERA5-Land已发布1981年至今的逐小时及逐月全球数据，其空间分辨率高达0.1°×0.1°（约9 km），可从C3S气候资料库（https：//cds.climate.copernicus.eu/）免费获取[22]。

MERRA2是美国国家航空航天局（NASA）的再分析数据。刘鹏飞等[23]对CFSR、MERRA、NCEP三种再分析降水资料在我国东北的适用性分析表明，MERRA与观测降水的相关系数最高，平均绝对偏差最小，数据质量明显优于CFSR和NCEP。MERRA2作为MERRA再分析数据的第二代产品，增加了对高光谱辐射、微波数据和GPS掩星等数据的同化处理，是目前应用广泛的再分析数据之一[24]。

真实气象数据使用呼伦贝尔市气象局提供的16个国家气象站月气温、降水观测数据。

1.3 分析方法

利用ArcGIS软件绘制地面观测与再分析数据的空间分布图，并使用SPSS和Excel软件进行数据分析，其中地面观测的气温、降水分布采用16个气象站观测数据与经度、纬度、海拔高度建立的小网格插值方法进行绘制，插值方程为：

式中，T和P分别为基于小网格插值计算出的气温和降水，Lon为经度、Lat为纬度、H为海拔高度，r为小网格插值方程的相关系数，其值越接近1，方程的质量越高。

利用线性相关系数R、平均偏差Me、均方根误差Rmse，结合散点斜率法，分析再分析数据与观测数据的一致性和偏离程度[25]。某一气象要素观测值与再分析数据的相关系数计算公式为：

平均偏差：

均方根误差：

式中，n为样本数；x和y分别为再分析数据和气象站观测数据，x、y分别是变量x和y的均值。R是变量x和y的相关系数，取值范围在-1~1，其绝对值越接近1，表示变量x和y变化的线性相关性越好；Mbe是平均偏差、Rmse是均方根误差，两者可用来衡量观测值与真值之间误差的偏移方向、偏移程度和离散情况。

2 结果与分析

2.1 空间分布

1981—2019年呼伦贝尔市地面气象站、气象站所在位置的ERA5-Land、MERRA2年平均气温分别为-0.1、0.4、0.2℃，年平均降水分别为411.8、397.8、435.9 mm，其空间分布见图2。地面气象站观测的小网格插值结果、ERA5-Land、MERRA2的气温大体均呈现由大兴安岭北部向南部及两麓递增分布，降水大体均呈现自东向西依次递减分布。三者气温、降水数据的空间分布基本一致，其中气象站小网格插值实况的空间分辨率最高，但此方法反演的气象要素质量与其是否由地形及经纬度决定有关，并非适用于所有区域，ERA5-Land与MERRA2两种再分析数据相比，ERA5-Land的空间分辨率更高，有利于反映更多气象要素分布细节，而MERRA2的空间分辨率较低，不适合小区域分析和制图。

图2 1981—2019年呼伦贝尔市地面观测、气象站所在位置ERA5-Land、MERRA2的年平均气温与降水量分布

2.2 气温误差分析

1981—2019年共468个月的呼伦贝尔地区ERA5-Land、MERRA2与地面观测月平均气温相关性及偏差分析如表1。ERA5-Land、MERRA2与地面观测月平均气温的相关系数均在0.995以上，其中87.5%的台站ERA5-Land与地面观测数据的相关系数高于MERRA2，再分析数据与实况数据的相关性较高。两种再分析数据与地面观测月平均气温的均方根误差最大值仅2.6℃，平均偏差在±2℃以内，其中ERA5-Land与地面观测月平均气温的均方根误差、平均偏差小于MERRA2的台站数分别占75%和43.8%，分台站统计来看，ERA5-Land平均误差为负的区域主要集中在大兴安岭以东的阿荣旗、博客图、鄂伦春旗、莫旗和扎兰屯市，而MERRA2误差为负的区域相对离散。综上，ERA5-Land、MERRA2再分析数据与地面观测月平均气温数据非常接近，在呼伦贝尔地区均具有很高的适用性，且ERA5-Land的总体适用性略优于MERRA2。

表1 1981—2019年呼伦贝尔市地面观测月平均气温与ERA5-Land、MERRA2的相关性及误差分析

1981—2019年呼伦贝尔市地面观测、ERA5-Land和MERRA2在气象观测站所在地平均的年、月气温变化见图3a、3b。两种再分析数据的年平均气温普遍高于地面观测数据，其中ERA5-Land的各年平均气温均高于地面观测数据，且仅有5 a的ERA5-Land年平均气温低于MERRA2，MERRA2的年平均气温常介于地面观测和ERA5-Land数据之间。分台站统计年气温变化可知，表1中再分析数据与观测数据间整体平均误差为正的台站，出现正误差的年份也多于负误差年份，反之亦然。因此从单站来看，再分析数据与实测数据间可能存在一定的系统性偏差，在使用时可分台站进行误差订正。月平均气温中，两种再分析数据与地面观测月平均气温均在暖季呈负偏差，冷季呈正偏差。其中，ERA5-Land在每年11月—次年3月与地面观测的偏差＞1℃，最大偏差出现在2月（偏高1.77℃）；MERRA2在每年12月—次年2月与地面观测的偏差＞1℃，最大偏差出现在12月（偏高1.72℃）。11月—次年3月，两种再分析数据月偏暖＞3℃的台站均为额尔古纳市和图里河，月偏暖平均＞2℃的台站也大多位于大兴安岭北部山区及岭西牧区等冬季易出现极寒天气的寒冷地区，而再分析数据反映的极寒程度不及观测数据。ERA5-Land和MERRA2与观测月平均气温的散点图如图3c、3d，ERA5-Land和MERRA2的趋势线相关系数分别为0.995 6、0.993 1，趋势线与1∶1线的交点分别在9.63、5.33℃，两种再分析月平均气温大体呈现出在低于交点气温时高于观测数据，在高于交点气温时低于观测数据的分布方式。

图3 1981—2019年呼伦贝尔市地面观测、ERA5-Land、MERRA2的年平均气温（a）、月平均气温（b）和ERA5-Land（c）、MERRA2（d）与地面观测的月平均气温散点

2.3 降水误差分析

1981—2019年各台站ERA5-Land、MERRA2再分析数据与地面观测月降水量的相关性及偏差分析如表2。两种再分析数据与地面观测月降水量的相关系数最低值均出现在新左旗，分别为0.897 8、0.899 6，其余台站的相关系数均＞0.9，明显低于气温的相关系数，且ERA5-Land与地面观测数据的相关系数高于MERRA2的台站仅占25%。ERA5-Land、MERRA2再分析数据与地面观测月降水量的最大均方根误差分别为27.1、25.9 mm，所有台站ERA5-Land的均方根误差均高于MERRA2；ERA5-Land、MERRA2的最大平均偏差分别为-4.6、6.0 mm，其中ERA5-Land有75%台站的平均偏差为负，而MERRA2平均偏差为负的台站仅占18.8%且均位于大兴安岭东南麓的农业种植区。综上可知，ERA5-Land月降水量的适用性整体差于MERRA2，且存在ERA5-Land月降水量数值偏低的问题。

表2 1981—2019年呼伦贝尔市地面观测月降水量与ERA5-Land、MERRA2的相关性及误差分析

1981—2019年呼伦贝尔市地面观测、气象观测站所在地ERA5-Land和MERRA2的年平均、月平均降水量变化如图4。ERA5-Land和MERRA2年降水量的平均偏差分别为32.9、33.5 mm。MERRA2与地面观测年降水量在74.4%的年份中为正偏差，ERA5-Land仅在35.9%的年份中为正偏差，且从2005年开始，气象观测站所在地的ERA5-Land年平均降水量始终小于地面观测值，分台站统计可知，除鄂温克旗与博克图外ERA5-Land年降水量小于观测值的年份占比也均＞50%，存在一定的系统偏差。从气象观测站所在地平均的月降水量分析，ERA5-Land和MERRA2月降水量高于地面观测值的月份分别为9月—次年5月和9月—次年6月，再分析数据偏低的月份集中在夏季主汛期，且ERA5-Land较MERRA2偏低更加明显。分台站统计中可见，ERA5-Land主汛期降水偏低而其他时期降水偏高的现象在所有台站均存在，而MERRA2降水的各月偏差在鄂温克旗、海拉尔区和图里河均为正值，其他台站主汛期为负。从ERA5-Land、MERRA2与观测月降水量的散点图（图5）可知，虽然ERA5-Land和MERRA2趋势线的线性相关系数均＞0.98，趋势线与1∶1线的交点分别在28.7、60.5 mm，但ERA5-Land的趋势线斜率仅为0.794 4，同样说明两种再分析月平均降水量也存在低于交点降水量时高于观测数据，在高于交点降水量时低于观测数据的现象，且ERA5-Land在大量级降水月份的数据低估更加明显。

图4 和ERA5-Land（a）、MERRA2（b）与地面观测的月平均降水量散点

图4 1981—2019年呼伦贝尔市地面观测、ERA5-Land、MERRA2的年平均降水量（a）、月平均降水量（b）

3 讨论

由于ERA5-Land、MERRA2等再分析数据的具体算法并不公开，因此难以为误差的产生原因给出确定性结论，但从本次适用性分析能够得到一些误差产生的线索，后期可根据这些线索对再分析数据进行订正。

（1）对于单个台站来说，大部分年份的再分析数据与实测数据的偏差方向与多年平均偏差方向一致，存在一定的系统性偏差，每个台站可根据本站偏差情况进行系统误差订正，但对于不同台站来说，系统偏差的大小和方向并不相同。

（2）在对两种再分析月气温数据分析时发现，最大偏差出现在冷季的大兴安岭北部山区。由于再分析数据计算时使用的高程数据分辨率有限，且山地高程的空间差异大，台站的实际高程与再分析中使用的高程可能存在偏差。山地台站使用再分析气温时，可根据再分析计算所使用的高程与台站实际高程的差值，结合温度直减率进行地形订正。

（3）两种再分析月数据普遍存在低观测值时的高估和高观测值时的低估现象，这可能与再分析数据对极端降水或气温存在程度上的低估有关，下一步需利用再分析小时数据等时间分辨率更高的数据进行分析和验证。

4 结论

（1）ERA5-Land、MERRA2再分析月气温、降水数据与观测数据对比，整体相关性较高、均方根误差和平均偏差较低，在呼伦贝尔地区的适用性较高。其中ERA5-Land的空间分辨率更高，能反映出更多气象要素分布细节，可更好地填补呼伦贝尔等台站稀少地区的历史气象实况数据空白，在区域气候变化分析等方面的研究和业务应用潜力更大。

（2）呼伦贝尔各台站ERA5-Land的月气温数据与观测数据的平均相关系数为0.998 5，平均均方根误差为1.5℃，均优于MERRA2。ERA5-Land月降水数据的平均相关系数为0.919 3，平均均方根误差为19.9 mm，均差于MERRA2。两种再分析数据均存在低观测值时的高估和高观测值时的低估现象，再分析数据对极端天气气候的反映程度不及台站实测数据。

（3）ERA5-Land的月降水量与观测值相比以低估为主，且ERA5-Land偏低主要出现在6—8月，其中7月平均偏差最大，为-20.7 mm。ERA5-Land的月降水量以高估为主，最大平均偏差出现在4月，仅为5.9 mm。同时从降水量的年变化上看，ERA5-Land的降水量在2005年之后存在明显的低估。