ERA-Interim和CMFD气象驱动数据在新疆额尔齐斯河流域的适用性评价

高黎明， 张乐乐， 沈永平， 张耀南， 张 伟

（1.青海师范大学地理科学学院，青海西宁 810008； 2.青海省地表过程重点实验室，青海西宁 810008；3.中国科学院西北生态环境资源研究院，甘肃兰州 730000）

0 引言

全球气候变化已成为不争的事实，现有研究表明，近百年中国增温幅度达到0.22 ℃·（10a）-1，明显高于全球和北半球的增温幅度[1］。气候变化产生了一系列环境问题，尤其是在高纬度和高海拔的山区流域，冰冻圈退化、水资源短缺、洪涝干旱加剧等生态环境问题日益突出[2］，直接影响人类生存环境与可持续发展。额尔齐斯河是新疆第二大河流，同时也是一条国际河，在国外流经哈萨克斯坦和俄罗斯，对这些国家的社会经济发展有着极其重要的作用[3］。额尔齐斯河河源区位于我国新疆阿尔泰山区，是重要的稳定积雪区，春季融雪对流域水资源的贡献不容小觑[4］。在气候变化背景下，积雪作为冰冻圈的重要组成部分，对气候变化响应极其显著[5-6］，流域积雪变化对水资源的影响开始受到广泛关注。基于流域布设的观测站点，对融雪过程的关键参数及影响因素有了充分的认识[7-10］。但流域尺度上积雪积累和消融过程还缺乏深入的研究，此外风吹雪作为影响积雪的空间分布的一个重要因素也不容忽视。而对这些过程的准确定量描述依赖于陆面过程模型或分布式水文模型。Zhang 等[11］分析了影响陆面过程模型模拟积雪精度的因素，发现驱动数据的不确定对模拟结果的影响大于模型本身的结构及参数化方案。因此，在流域获取可信的气象驱动数据是对积雪水文过程实现准确模拟的关键。

再分析资料同化了遥感、地面观测和数值模式获取的数据[12］，具有高时空分辨率的特点，是分布式模型的理想驱动数据来源。目前国际上比较常用 的 再 分 析 资 料 包 括ERA-interim[13］、NCEP CFSv2[14］、MERRA2[15］、JRA-55[16］等。在国内，国家气象信息中心开发了覆盖亚洲区域的CLDAS[17］，清华大学也开发了中国区域高分辨率气象驱动数据集（CMFD）[18-20］。国内外学者对这些数据在不同区域的适用性进行了评价[21-24］，但是从评价结果来看，不同来源的再分析资料在不同区域的误差存在很大的差异性。因此，在流域尺度进行积雪-植被-水文等过程的模拟，有必要对这些再分析资料的适用性进行评价。

针对以上背景，本研究利用新疆额尔齐斯河流域及周边区域观测场记录的气象数据，对现有再分析资料在流域的适用性进行评价。本研究的主要目标在于找出一套适合于额尔齐斯河流域的高分辨率气象驱动数据集，为下一步深入开展冰冻圈变化和水文过程模拟研究提供基础数据。

1 资料与方法

1.1 数据来源

在新疆额尔齐斯河流域及周边地区，中国气象局布设了阿勒泰、哈巴河、吉木乃、福海、富蕴和青河6 个气象观测站，观测项目包括气温、相对湿度、风速、降水量等，阿勒泰观测站观测项目还包括向下短波辐射。为了系统研究流域积雪水文过程，中国科学院西北生态环境资源研究院在河源区建立了库威和喀依尔2个积雪水文综合观测场。其中库威观测场气象观测项目包括风速、风向、气温、相对湿度、降水量、向下短波辐射、向上短波辐射、向下长波辐射、向上长波辐射。喀依尔观测场除了常规的气象要素外，还布设有风吹雪通量的观测。这8个观测站的地理位置如图1 所示，本研究选取的气象观测数据如表1所示。

图1 研究区气象观测场地理位置Fig. 1 Geographical location of meteorological stations in the study area

表1 本研究使用的气象观测数据信息Table 1 Meteorological observation data used in this study

格点气象数据选取了ERA-Interim 和CMFD 再分析资料。ERA-Interim 数据从欧洲中期预报中心下载（https：//apps.ecmwf.int/），其中气温、露点温度和风速为实时数据，辐射和降水为预报数据，获取的数据时间分辨率为6 小时。ERA-Interim 数据空间分辨率共有11种可选择，本研究选取的数据分辨率为0.125°×0.125°。CMFD 数据从国家青藏高原科学数据中心下载（https：//data.tpdc.ac.cn/），时间分辨率为3小时，空间分辨率为0.1°×0.1°。

1.2 研究方法

1.2.1 湿度转换方法

用于表征空气湿度的物理量比较多，观测数据中的湿度指标是相对湿度（RH），ERA-Interim 是露点温度（td），CMFD 是比湿（q），本研究中将露点温度和比湿统一转换成相对湿度。露点温度和相对湿度之间的换算公式如下：

式中：e是实际水汽压（hPa）；t是气温（℃）。

1.2.2 数据评价方法

分布式水文模型及陆面过程模型的驱动数据一般包括气温、风速、湿度、降水量、向下短波辐射、向下长波辐射，本研究主要基于观测数据评价再分析资料中的这6 个要素。在评价时，首先基于观测站点的经纬度找到其在ERA-Interim 和CMFD 数据上所在的格点，然后提取出该格点所有的数据，即可得到该站点在ERA-Interim 和CMFD 数据中对应的气象要素时间序列。阿勒泰、哈巴河、吉木乃、福海、富蕴和青河气象站获取的日数据是经过中国气象局专业人员处理之后发布的，除2014 年12 月数据缺失外，其他时间数据不存在缺测问题。库威观测场获取的30分钟数据在研究期不存在缺测问题。喀依尔观测场风速传感器在研究期存在部分缺测，由于该观测场布设有两层风速观测且观测高度差别较小，通过分析数据发现两层风速的平均偏差小于0.26 m·s-1，因此当出现缺失数据时可以直接用另外一层的风速替代。如果两层均出现缺测，当缺失数据比较少（少于3个）且前后相邻的时间段内风速变化不大时，可直接使用前后相邻两个时间风速的均值来填补，当连续缺失数据多于3个时，那么缺失时间段的数据将不用于ERA-Interim 和CMFD 数据精度的评价。库威和喀依尔观测场日数据的获取采用了与中国气象局数据相同的处理方案。

对ERA-Interim 和CMFD 再分析资料的评价采用了相关系数（R）、平均偏差（BIAS）和均方根误差（RMSE）等常用统计指标。R 的取值范围在-1 和1之间，越接近1，代表再分析资料与观测数据的一致性越好。BIAS 值大于0 则代表再分析资料对该要素存在高估，小于0 则代表低估。RMSE 值越接近0，则代表再分析资料的精度越高。

2 结果分析

2.1 ERA-Interim和CMFD小时尺度数据评价

本研究中库威站观测数据的时间间隔为30 分钟，喀依尔站数据的时间间隔为10分钟，ERA-Inter⁃im 数据的时间间隔为6 小时，CMFD 数据的时间间隔为3 小时。在评价ERA-Interim 和CMFD 小时尺度数据精度时，为了保持数据时间的一致性，我们将所有的数据间隔全部处理成了6小时。将研究期库威和喀依尔站记录的6 小时气温、相对湿度、风速、降水量、向下短波辐射和向下长波辐射作为横轴，将ERA-Interim 和CMFD 对应格点获取的气象数据作为纵轴，绘制了散点图（图2），并计算得到了观测数据与ERA-Interim 和CMFD 之间的R、BIAS和RMSE 值。从图2 中可以看出，ERA-Interim 和CMFD 记录的小时气温、向下短波辐射和向下长波辐射与观测数据之间的R 值均在0.85 以上，且散点主要集中在y=x 线附近，说明ERA-Interim 和CMFD气温、向下短波辐射和向下长波辐射与观测数据具有很好的一致性。ERA-Interim 记录的相对湿度与观测数据（R=0.75）之间的一致性优于CMFD 数据。两种再分析资料记录的风速和降水量与观测数据的一致性都比较差。从BIAS 值来看，ERA-Interim对气温、降水量、向下长波辐射存在低估，而对相对湿度、风速、向下短波辐射存在高估。CMFD 则对气温、风速、降水量、向下短波和向下长波辐射均存在低估，对相对湿度存在高估。RMSE 值则表明ERA-Interim 记录的小时气温、相对湿度、降水量、向下短波辐射准确度略高于CMFD 数据，而记录的风速和向下长波辐射准确度略低于CMFD数据。

2.2 ERA-Interim和CMFD日数据评价

对ERA-Interim 和CMFD 日数据的评价除了用到库威和喀依尔站的观测数据外，还用到了6 个中国气象局观测站点的日数据。国家气象站点的日平均气温、风速、相对湿度通过每天北京时间02：00、08：00、14：00 和20：00 记录的数据求平均得到，日降水数据则为20：00—次日20：00记录的降水量。将ERA-Interim 和CMFD 数据处理到与观测数据相同的时间，计算得到了对应格点处的日平均数据。将研究期所有观测站得到的日平均气象要素值作为自变量，将ERA-Interim 和CMFD 对应格点提取的数据作为因变量，绘制了散点图（图3）。同样也计算了观测数据与ERA-Interim 和CMFD 之间的R、BIAS 和RMSE 值。从整体上看，ERA-Interim和CMFD 的日平均气温、向下短波辐射和向下长波辐射与观测数据的一致性明显优于风速、相对湿度和降水量，这与小时数据得到的结果具有一致性。然而从RMSE 值来看，日尺度上CMFD 记录的所有气象要素的准确度均高于ERA-Interim 数据，这与小时尺度得到的结果不一致。分析原因发现，CMFD 数据的制作除了融合再分析资料外，还融合了国家气象站点的观测数据[20］，这就导致了当加入6 个国家气象站点的数据对CMFD 和ERA-Interim进行评价时，CMFD数据的准确度要明显高于ERAInterim数据。

图3 气象要素日值与ERA-Interim和CMFD数据散点图Fig. 3 Scatter plot based on the observed daily meteorological data，ERA-Interim and CMFD data during the study period

2.3 ERA-Interim 和CMFD 气象参数空间分布对比

为了进一步分析ERA-Interim 和CMFD 数据在研究区的一致性，基于2011—2018年数据分别统计了两种再分析资料记录的年平均气温、相对湿度、风速、降水量、向下短波辐射、向下长波辐射，并给出了这6 个气象要素在空间上的分布（图4）。从图4 可以看出，基于两种数据得到年平均气温、风速、降水量、向下长波辐射在空间分布上具有很好的一致性。气温、风速和向下长波辐射在空间分布上均表现为从东北向西南递增的趋势，降水则表现为从北向南递减的趋势。两种数据记录的年平均相对湿度空间分布整体上也具有不错的一致性，最大值都位于流域的北部，低值位于流域的东南部。但CMFD 记录的相对湿度在流域的西部出现了低值中心，但是ERA-Interim 数据并未出现该低值中心。两种数据记录的向下短波辐射空间分布差距较大，ERA-Interim 记录的向下短波辐射在空间分布上整体表现为从西北向东南递增的趋势，而CMFD 记录的向下短波辐射则表现为流域中部高，东西部低。

图4 ERA-Interim和CMFD气象要素年平均值空间分布Fig. 4 Spatial distribution of annual mean values of meteorological elements based on ERA-Interim and CMFD data

3 讨论

本研究评价了ERA-Interim 和CMFD 再分析资料在研究区的适用性。除了这两种资料外，在前期的研究中，吴雪娇等[27］利用WRF模式制备了额尔齐斯河源区的小时气象驱动数据（WRF 数据）。为了进一步评价ERA-Interim 和CMFD 相对于其他资料的优劣，我们对比了WRF 数据与ERA-Interim 和CMFD 再分析资料在研究区的适用性。表2 给出了WRF 和观测小时气象数据获取得到的一元线性回归模型的斜率k和拟合优度R2以及本研究给出的结果。从表中可以看出，WRF 模拟得到的气温、相对湿度、向下短波辐射与观测数据的一致性较高，风速一致性比较差，这与基于ERA-Interim 和CMFD得到的评价结果具有一致性。但从k和R2值来看，基于WRF 模拟得到的气温、相对湿度、向下短波辐射和向下长波辐射精度明显低于ERA-Interim 和CMFD数据。

表2 WRF、ERA-Interim和CMFD气象数据与观测数据之间的线性斜率k和拟合优度R2Table 2 The k and R2 values between WRF，ERA-Interim and CMFD meteorological data and the observed data

降水是一个重要的气象驱动参数，从对比的结果来看，ERA-Interim 和CMFD 小时和日降水数据与观测数据的一致性较差。以往研究表明，降水格点数据在小时尺度和日尺度的一致性普遍比较差，月尺度上有不错的一致性[28-29］。本研究也尝试计算了ERA-Interim 和CMFD 与观测月降水量数据的R、BIAS 和RMSE 值。由于喀依尔观测数据的时间序列比较短，仅选用其他7个站点的数据，计算结果如表3 所示。从表3 的计算结果来看，在新疆额尔齐斯河流域ERA-Interim 和CMFD 与观测月降水量数据的相关系数相对于小时数据和日数据有了明显的提高，且CMFD 月降水精度整体高于ERA-Inter⁃im 数据。但从R值来看，新疆额尔齐斯河流域得到ERA-Interim 和CMFD 与观测月降水量数据的R明显小于在疏勒河地区得到的结果[30］。其主要原因在于额尔齐斯河流域冷季固态降水量比较大，加上该区域风速较高，导致降水观测数据本身存在很大的不确定性[31］。

表3 ERA-Interim和CMFD与观测月降水量数据的R、BIAS和RMSE值Table 3 The R，BIAS and RMSE values of ERA-Interim and CMFD with observed monthly precipitation data

本研究评价的结果表明，小时尺度上ERA-In⁃terim 记录的气温、相对湿度、降水量、向下短波辐射准确度略高于CMFD 数据，而记录的风速和向下长波辐射准确度略低于CMFD 数据。而在日尺度上CMFD 记录的所有气象要素准确度均高于ERA-In⁃terim，其主要原因在于CMFD 数据的制作融合了中国气象局气象站的观测数据，导致引入6 个国家气象站点评价时CMFD 的准确度明显优于ERA-Inter⁃im。由于研究区除中国气象局布设的站点外，其他可获取的气象观测数据比较少，仅仅依据库威和喀依尔站观测数据的评价结果缺乏说服力。为了解决该问题，我们进一步参考了基于ERA-Interim 和CMFD 作为驱动数据的模型模拟结果。在前期的研究中[32］，我们分别将ERA-Interim 和CMFD 作为驱动数据利用Noah-MP 模型模拟了新疆额尔齐斯河流域2001—2014年平均雪深的变化，并将中国台站雪深网格化数据集作为标准对模拟结果进行了评价，得到的结果表明基于CMFD 驱动模拟的雪深准确度明显优于ERA-Interim。综合本研究基于站点数据的评价结果以及以往模型模拟的验证结果，我们认为在新疆额尔齐斯河流域，CMFD 气象数据的准确度优于ERA-Interim，更适合于流域积雪、水文等过程的模拟研究。

4 结论

本研究基于新疆额尔齐斯河流域8个观测站记录的气象数据对ERA-Interim 和CMFD 在流域记录气温、风速、相对湿度、降水量、向下短波辐射、向下长波辐射数据准确度进行了评价，并对比了ERAInterim 和CMFD 数据这些气象要素年平均值的空间分布特征。得出的主要结论如下：

（1）ERA-Interim 和CMFD 记录气温、向下短波辐射和向下长波辐射数据与观测数据具有很好的一致性，相对湿度数据也有不错的一致性，但降水和风速数据与观测数据的一致性比较差。从计算的BIAS 和RMSE 值 可 以 看 出，ERA-Interim 和CMFD 对6 个气象要素存在不同程度的高估和低估，但整体上CMFD 记录的日平均气温、风速、相对湿度、降水量、向下短波辐射和向下长波辐射的精度要高于ERA-Interim数据。

（2）从ERA-Interim 和CMFD 记录气象要素年平均值在研究区的空间分布来看，两种数据记录的气温、风速、相对湿度、降水量、向下长波辐射数据在空间分布上具有一致性，但向下短波辐射在空间上的分布一致性较差。

综合以上得出的结论，结合以往研究将ERAInterim 和CMFD 作为驱动在新疆额尔齐斯河流域积雪模拟得到的结果，认为CMFD 数据在流域的适用性略优于ERA-Interim 数据。但是需要注意的是，两种气象驱动数据获取的向下短波辐射在流域的空间分布存在较大的差异性，因此在以后的研究中有必要通过加密观测进一步理清向下短波辐射在流域的空间分布特征。此外，降水和风速作为在流域开展积雪水文过程研究的两个关键参数，ERAInterim 和CMFD 对降水量存在低估，记录的风速与观测数据的差距也比较大，后期研究中需要通过加密观测以及借助数据同化技术来获取更为精准的驱动数据。