再分析温度资料与观测资料在低温研究中的对比分析

余嘉怡,艾 珊,王文韬,张秀红

（1.黑河市气象局，黑龙江 黑河 164300；2.呼兰区气象局，黑龙江 呼兰 150025）

1 引言

随着气候变暖，极端气候事件频发，对于气候变化的影响研究有了更高的要求， 以前的研究仅依赖于现有的观测资料，有较大的局限性，资料的缺乏、研究需求的不断增加， 这两点构成的矛盾使研究者对高质量、 高分辨率的再分析资料的需求也在不断增加[1-2]，为更好的进行气候变化的研究，美国、欧盟、日本等国家进行一系列对再分析资料的研究， 为进行全球及区域气候变化的特点、 趋势等的研究提供了更大的帮助， 使其在气象业务工作领域中也得到广泛应用。 再分析资料可以补充气候变化的历史记录，弥补观测资料的不足，为气象研究提供非常重要的数据支撑[3]。

再分析资料种类在增加,有些再分析产品也在更新换代,不同的再分析产品对于同一研究区域的适用性不同,同一种再分析产品对于不同的研究区域适用性也不尽相同,研究人员需要选出更适用于中国区域的再分析资料来进行研究。 NCEP/NCAR 再分析资料是最早发展的、 时间尺度也最长, 但是随着NCEP/NCAR 再分析资料的使用， 它的不足也不断呈现出来,美国NCEP/DOE 再分析计划对NCEP/NCAR 再分析资料进行了改进，使其具有更好的可靠性[4-5]；被看做是第二代全球大气再分析资料的ERA-interim 资料，有更高的分辨率，在同化系统、物理过程等一些方面优于NCEP 再分析资料[6];在再分析资料中JRA-55 是最新的一代， 对亚洲地区的气候研究更有针对性,是第一套在亚洲地区完成的长期再分析资料。

极端低温事件的发生频率和强度变高对社会、生活、环境等的影响也更为严重，国内外学者对低温事件越来越重视,部分学者采用极端气候指数研究极端气候事件的变化[7-10]，但多用于国外，而国内较少，已有学者对中国北方地区的温度极端事件的变化情况和中国冬季极端低温的年代际演变特征做了相关研究[11]，研究结果表明，气温极端冷指数整体呈下降趋势，北方地区极端气温指数变化最大，学者们对低温事件的关注让大家对低温带来的影响更加重视，也能够更好的做好防御低温灾害的准备。

本文使用ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE 四种再分析资料， 以下简称ERA、JRA、NCEP-1、NCEP-2 再分析资料，通过将几种再分析资料与观测资料进行对比， 分析几种再分析资料在低温研究中的适用性。

2 资料及处理

本文采用了五种资料作为研究对象,分别为日最低温度观测资料和ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE 四种再分析低温资料：

（1）观测资料（0B）

由中国气象局气象科学数据共享服务网提供的逐日最低温度资料, 该资料时间长度是从1979 年1月-2021 年12 月，共192 个站点，本文将数据插值为2.5°×2.5°的格点资料。

（2）四种再分析资料（ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE）

ERA-interim 再分析资料：欧洲中期天气预报中心ECMWF 发起的ERA-interim 再分析计划，在数值模式的分辨率和物理过程上要优于NCEP/NCAR，并在观测系统上也有改进， 本文选取1979 年1 月-2021 年12 月，我国（70°-140°E，15°-55°N，下同）的数据，并将数据处理为分辨率为2.5°×2.5°的资料。

JRA-55 再分析资料：JRA-55 是日本气象厅JMA 和CRIEPI 合作完成的最新一代全球大气再分析资料，对亚洲地区的气候研究更有针对性，是第一套在亚洲地区完成的长期再分析资料， 本文选取1979 年1 月-2021 年12 月我国（70°-140°E，15°-55°N）的数据，并将数据处理为分辨率为2.5°×2.5°的资料。

NCEP/NCAR 再分析资料：美国国家环境预报中心（NCEP）和国家大气研究中心（NCAR）合作研究推出的NCEP/NCAR 逐日低温资料， 本文选取1979 年1 月-2021 年12 月我国的数据， 并将数据处理为分辨率为2.5°×2.5°的资料。

NCEP/DOE 再分析资料：美国国家环境预报中心（NCEP）和美国能源部（DOE）共同研究推出的NCEP/DOE 逐日低温资料，本文选取1979 年1 月-2021 年12 月我国的数据, 并将数据转换为分辨率为2.5°×2.5°的资料。

根据百分位方法, 定义第5 百分位值为低温阈值。 对以上各逐日最低温度资料进行统计，得到每个测站（格点）每年的低温阈值，并根据阈值统计各站的低温日数。 本文的分析将基于阈值和低温日数进行分析。 其中，冬季定义为12 月和次年1 月和2 月。

3 结果与分析

3.1 观测资料与再分析资料低温阈值平均场的差异

阈值明显低于观测资料。

单独比较四种再分析资料， 在低温阈值的分布上，四种再分析资料相近，从数值上看，ERA 和JRA的低温阈值比较接近，NCEP-1（图1d）与NCEP-2(图1e)的低温阈值比较接近。 在东北地区，NCEP-2 的低温阈值比另外三种再分析资料要低， 在西北地区，ERA 和JRA 两种资料相近且比NCEP-1 和NCEP-2的低温阈值高，对于中部地区来说ERA、JRA、NCEP-2 三种再分析资料更为接近，NCEP-1 的低温阈值低于另三种资料。 在对低温阈值平均场的分析中可以了解到，在中国的不同区域，同一种再分析资料的适用性不同，在同一区域，四种再分析资料适用性也不尽相同。

图1 1979-2021 年低温阈值平均场(a.OB、b.ERA、c.JRA、d.NCEP-1、e.NCEP-2 单位：℃）

3.2 观测资料与再分析资料阈值相关

图2 给出了1979-2021 年观测资料年低温阈值与四种再分析资料43 a 低温阈值的相关系数分布，可以看出， 中国东部地区及西北地区均通过α=0.01显著性检验，青藏高原地区相关性较差，四种再分析资料与观测资料的相关一般,在中国东部地区都比较显著， 西部地区相关性比东部地区偏低， 总体上来说， 四种再分析资料与观测资料的低温阈值的相关系数在空间场上的分布较为相似。

图2 1979-2021 年观测低温阈值相关系数的分布(图中阴影区通过α=0.01 显著性水平)（a)ERA、(b)JRA、(c)NCEP-1、(d)NCEP-2

ERA 与观测资料的低温阈值相关系数（图2a）在东北地区、长江流域及新疆北部地区都比较高，最大值在东北地区达到0.9，JRA 与观测资料的低温阈值相关系数（图2b）在东北地区、长江流域及新疆地区北部较高，达到0.8，NCEP-1 与观测资料的低温阈值相关系数（图2c）在辽宁北部、华北地区以及中南地区、新疆北部地区比较高，最高达到0.8，NCEP-2 与观测资料低温阈值的相关系数（图2d）在辽宁北部、江南流域最高达到0.8。

从以上分析可知，在东北地区、长江流域ERA、JRA、NCEP-1 与观测资料的相关系数较高， 则说明相比于其他地区, 这三种再分析资料在东北地区、长江流域的低温阈值的再现能力更好，另外，对新疆北部地区ERA 与观测资料的相关系数最高，则在这一地区ERA 的再现能力优于其它三种。

从整个中国区域来看， 四种再分析资料中ERA与观测资料的低温阈值相关系数最高达到0.9，JRA、NCEP-1 和NCEP-2 与观测资料的低温阈值相关系数最高达到0.8； 从这一对比中可以看出，ERA 与观测资料的低温阈值相关性更高，与观测资料最接近，在分析低温阈值时，ERA 的适用性要好于JRA、NCEP-1 与NCEP-2 三种资料的。

3.3 观测资料与再分析资料低温日数的平均场

图3 给出了1979-2021 年里43 a 的冬季12 月、1 月、2 月这三个月里每一天的最低温度低于阈值的累加日数的多年平均分布情况。 从观测资料的低温日数的平均图（图3a）上可以看出低温日数比较高的地方主要集中在东北地区、 西北地区、 青藏高原以东、 西北地区东南部， 其中青藏高原东部地区与西北地区相比于其它地区的低温日数更多， 分别达到28 d、26 d， 低温日数较低的区域主要分布在华南地区以及青藏高原中部，平均低温日数都在16 d 左右。

图3 1979-2021 年的（a)OB、(b)ERA、(c)JRA、(d)NCEP-1、(e)NCEP-2 低温日数平均场

ERA 再分析资料的平均低温日数（图3b）在分布上与观测资料相似， 低温日数较多的地区主要分布在东北地区、西北地区、内蒙古地区、江南地区，其中内蒙和东北地区的低温日数最多，在数值上，ERA平均低温日数相比于观测资料的普遍偏低，ERA 平均低温日数最高达到18 d。

JRA 再分析资料的平均低温日数（图3c）在分布上与观测资料也较为相似， 低温日数较多的地区主要分布在东北地区、西北地区、内蒙古地区，从数值上看，JRA 的平均低温日数与观测资料相比仍普遍偏低，JRA 的平均低温日数最多达到16 d，同样明显偏低于观测资料。

NCEP-1 再分析资料的平均低温日数（图3d）的分布与观测资料相似， 低温日数较多的地区主要分布在东北地区、西北地区、内蒙古地区，从数值上看，NCEP-1 再分析资料的平均低温日数普遍偏低于观测资料，NCEP-1 平均低温日数最多达到16 d， 相比于观测资料仍明显偏低，NCEP-2 的平均低温日数（图3e）在分布上相对于另三种再分析资料来说与观测资料相似处要少些，NCEP-2 的平均低温日数较多的地区主要分布在东北地区、青藏高原地区、西南地区、西北地区南部， 从数值上来看， NCEP-2 的平均低温日数明显比观测资料的偏多， 最多的日数达到33 d，而对于观测资料来说日数最多达到26 d。

从四种再分析资料与观测资料的低温日数在空间上的分布来看，在东北地区、西北地区四种再分析资料都有一定的再现能力， 在其它地区， 相比于NCEP-2 来说，ERA、JRA、NCEP-1 三种资料的再现能力更好一些；从数值上看，四种再分析资料的低温日数与观测资料的都有较大的差异，ERA、JRA、NCEP-1 三种资料的平均低温日数都比观测资料的偏少， 而NCEP-2 的平均低温日数明显大于观测资料， 相对于其它三种再分析资料来说NCEP-2 的再现能力较弱。 将四种再分析资料综合比较来看，对于平均低温日数来说，ERA、JRA、NCEP-1 三种再分析资料的适用性比NCEP-2 的适用性更好一些。

4 结论

本文分别从低温阈值平均态、相关性、低温日数的平均态、 标准差几个方面对ERA、JRA、NCEP-1、NCEP-2 四种再分析资料与观测资料的共同点和差异进行比较分析，得到以下主要结论：

（1）低温阈值平均场：从中国的不同区域来看，对于东北地区NCEP-2 对观测资料的再现能力更好、数值上也最为相近，对中部地区来说，四种再分析资料大体上与观测资料都比较接近， 但ERA 和JRA 比两种NCEP 资料与观测资料更为类似，对观测资料的再现能力更好。

（2）低温阈值相关：ERA 和JRA 与观测资料的低温阈值相关性更高， 这两种再分析资料的低温阈值与观测资料最为接近，在分析低温阈值时，从分布和数值上看ERA 和JRA 的适用性都要好于NCEP-1与NCEP-2 两种资料。

（3）低温日数平均场：主要在东北地区、西北地区四种再分析资料都有一定的再现能力， 在其它地区，ERA、JRA、NCEP-1 三种再分析资料的表现更好一些，从数值上看，ERA、JRA、NCEP-1 的平均低温日数均比观测资料的偏少， 而NCEP-2 的平均低温日数比观测资料的偏多。 将四种再分析资料综合比较来看，ERA、JRA、NCEP-1 的适用性优于比NCEP-2。