基于探空观测的CMA-RA资料在中国的适用性评估

Applicability Evaluation of CMA-RA Data Based on Radiosonde Observation in China

摘要

基于中国125个探空站观测资料对比CMA-RA与ERA5、CFSv2、MERRA-2再分析资料，从整体效果、时间序列、空间分布3方面评估4类资料的位势高度、气温、相对湿度、风速产品在中国的适用性。结果表明：（1）再分析位势高度数据总体呈负偏差，对流层中下层CMA-RA表现优于ERA5，其余等压面层ERA5优于CMA-RA，其次为CFSv2，MERRA-2表现相对较差。（2）再分析气温数据总体呈负偏差，CMA-RA综合表现最优，ERA5与CMA-RA接近，MERRA-2、CFSv2次之。（3）再分析相对湿度数据总体呈正偏差，MERRA-2相对湿度整体表现最优，其次为ERA5，CMA-RA与CFSv2相对湿度空间分布类似，在对流层中下层适用性相对较好，在对流层中上层正偏差相对明显，且冬季偏差高于夏季。（4）再分析风速数据总体呈负偏差，CMA-RA风速整体表现最优，尤其是对流层中下层，其次为ERA5资料，MERRA-2资料表现最差，4类资料冬半年风速均方根误差普遍高于夏半年。CMA-RA气温、相对湿度、风速在2019年10月—2020年2月均方根误差偏大，使用前应进行偏差订正。

Abstract

Using observation data of 125 radiosonde stations in China, comparing CMA-RA with ERA5, CFSv2, and MERRA-2 reanalysis data, the applicability of geopotential height, air temperature, relative humidity and wind speed in China of four types of reanalysis data were compared and evaluated from three aspects: overall effect, time series, and spatial distribution. The results showed that: (1) Reanalysis geopotential height data presents a negative bias generally. CMA-RA performs better than ERA5 in the lower-middle troposphere, while ERA5 performs better than CMA-RA in other isobaric surface, followed by CFSv2, and MERRA-2 performs relatively poorly. (2) Reanalysis air temperature data presents a negative bias generally. CMA-RA air temperature data performs best overall, and ERA5 is similar to CMA-RA, followed by MERRA-2 and CFSv2. (3) Reanalysis relative humidity data presents a positive bias generally, and MERRA-2 relative humidity data performs best overall, followed by ERA5. The spatial distribution of relative humidity data of CMA-RA is similar to that of CFSv2, which performs relatively well in the lower-middle troposphere but has a relatively significant positive bias in the upper-middle troposphere, and the bias in winter is higher than that in summer. (4) Reanalysis wind speed data presents a negative bias generally. CMA-RA wind speed data performs best overall, especially in the lower-middle troposphere, followed by ERA5, MERRA-2 performs worst, and the root mean square error of wind speed in winter half year is generally higher than that in summer half year for the four types of reanalysis data. The root mean square errors of temperature, relative humidity, and wind speed data of CMA-RA are relatively large between October 2019 and February 2020. Therefore, bias correction is needed before using to better improve data applicability.

Graphical abstract

关键词

CMA-RA / 再分析资料 / 探空资料 / 适用性评估

Key words

CMA-RA / reanalysis data / radiosonde data / applicability evaluation

大气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，具有时空分辨率高、时间跨度长、空间覆盖广等优点，可有效弥补探空观测、卫星遥感等资料的不足^[1]。大气再分析资料应用广泛，可用于气候变化、变率分析，也可作为背景场应用于天气、气候、水文、空气质量等数值模式中，对于天气监测、气候分析、气象服务等具有重要意义^[2-3]。目前，国际上常用的再分析资料主要有美国国家环境预报中心（NCEP）的Climate Forecast System Reanalysis（CFSR）和CFSv2、欧洲中期天气预报中心（ECMWF）的Reanalysis version 5（ERA5）资料、美国国家航空航天局（NASA）Modern-Era Retrospective Analysis for Research and Applications（MERRA-2）资料及日本气象厅（JMA）Japanese Re-Analysis 55 years（JRA-55）资料等。2021年5月，中国气象局（CMA）正式发布了我国第一代全球大气再分析40 a产品（CMA-RA）^[4]，填补了我国在全球大气再分析领域的空白。与其他全球大气再分析资料相比，CMA-RA资料同化了风云卫星资料和更多东亚地区常规观测资料，对于东亚地区的天气和气候研究具有重大价值^[5]，部分学者基于该数据开展了GNSS水汽反演^[6]、副热带西风急流分析^[7]、降水估算^[8]等相关研究。

再分析资料可能受到观测系统变更、数值模式和同化方案等引入的误差影响，同一地区不同再分析资料的可信度存在差异，因此在应用之前，对几类常用再分析资料进行对比检验非常必要。近年来，许多学者评估了国外各类再分析资料在中国的适用性，赵天保等^[9]应用中国不同区域的站点观测资料对比分析了ERA-40、NCEP/NCAR、NCEP/DOE和JRA-25等4类资料的地表气温产品；郭艳君等^[10]、张思齐等^[11]基于中国探空站逐月观测数据，对比评估了ERA-Interim、JRA-55、MERRA和CFSR等多类再分析资料的气温、大气比湿和相对湿度产品；闫燕等^[12]利用重庆34站逐小时降水观测资料对高分辨率卫星产品及ERA-Interim、CFSR、JRA-55、MERRA资料的可靠性进行了评估；曲学斌等^[13]利用呼伦贝尔16 个气象站观测数据对ERA5-Land和MERRA-2再分析资料在呼伦贝尔地区的适用性进行比较分析。针对CMA-RA陆面资料也有相关的评估分析，YANG等^[14]研究表明CMA-RA和 CMFD 的青藏高原地面气温数据集优于ERA-Interim数据集；ZHANG等^[15]研究表明 CMA-RA 能较好地反映中国地表相对湿度的长期变化和方差；罗潇等^[16]、张旭等^[17]的研究结果分别表明CMA-RA陆面降水、气温产品在湖南、新疆表现良好。

我国探空观测资料历史时间序列长、垂直分辨率高，可用于评估再分析资料的准确性^{[10-11, 18]}，目前基于探空资料对CMA-RA气象要素产品进行全面评估的研究较少。本文利用全国125个探空站2016—2021年的观测资料，以国际常用的ERA5、CFSv2和MERRA-2再分析资料作为对比，对CMA-RA的位势高度、气温、相对湿度、风速资料在中国的适用性进行评估，验证CMA-RA资料的可信度，为其进一步优化提供参考，同时为天气、气候分析中对于再分析资料的选取提供依据。

1 资料与方法

1.1 资料

研究资料包括中国125个探空站的位势高度、气温、露点温度、风速观测资料，CMA-RA、ERA5、CFSv2、MERRA-2再分析资料的位势高度、气温、相对湿度（MERRA-2为比湿）、风产品，时间跨度均为2016年1月—2021年12月。观测数据均经过严格质量控制处理，通过范围值检查、静力学检查、差值检查、垂直变化检查、单调性检查等质量控制方法，去除错误数据。

探空观测资料来源于气象大数据云平台，时间为每日0和12时（UTC，下同），选取1 000、925、850、700、500、400、300、250、200、150、100、70和50 hPa共13个标准等压面层。

文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1822 的中国地图制作，底图无修改。

CMA-RA资料来源于国家气象业务内网，空间分辨率为0.25°×0.25°，时间间隔为6 h。ERA5资料来源于ECMWF官网（https://cds.climate.copernicus.eu/cdsapp#!/data set/reanalysis-era5-pressure-levels），时间分辨率为1 h、空间分辨率为0.25°×0.25°。CFSv2资料来源于NCEP官网（https://rda.ucar.edu/datasets/ds094.0/），空间分辨率为0.5°×0.5°，时间分辨率为6 h。MERRA-2资料来源于NASA官网（https://disc.gsfc.nasa.gov/datasets?keywords=MERRA-2&page=1），通过应用程序接口获取，时间分辨率为6 h，空间分辨率为0.666 7°×0.5°。4类再分析资料均选取每日0和12时，与探空观测数据相对应。

1.2 方法介绍

1.2.1 相对湿度计算方法

探空观测相对湿度（U）依据高空气象观测业务规范由露点温度反推得到，计算公式为：

U={\mathrm{10}}^{\left(\mathrm{2}+\frac{\mathrm{7.65}{T}_{\mathrm{d}}}{\mathrm{243.12}+T_{\mathrm{d}}}-\frac{\mathrm{7.65}T}{\mathrm{243.12}+T}\right)}。（1）

MERRA-2资料为比湿产品，相对湿度计算公式为：

U=\frac{E}{E_{\mathrm{s}}}。（2）

式中：水汽压（E）根据比湿计算公式反推得到，公式为：

E=\frac{qp}{\mathrm{0.378}q+\mathrm{0.622}}。（3）

饱和水汽压（E_s）根据Magnus-Tetens公式计算^[19-20]，当气温＞-40 ℃时，

E_{\mathrm{s}}=\mathrm{6.11}\times {\mathrm{10}}^{\left(\frac{\mathrm{7.5}T}{\mathrm{237.3}+T}\right)}。（4）

当气温＜-40 ℃时，

E_{\mathrm{s}}=\mathrm{6.11}\times {\mathrm{10}}^{\left(\frac{\mathrm{9.5}T}{\mathrm{265.5}+T}\right)}。（5）

式中：T_d为露点温度（℃），T为气温（℃），q为比湿（g/g），p为气压（hPa）。

1.2.2 检验评估方法

采用双线性插值法，将再分析资料的位势高度、气温、相对湿度（比湿）、风产品插值到探空站点所在位置。采用平均偏差（MBE）、均方根误差（RMSE）和相关系数（R）3项指标对再分析资料与观测资料进行对比分析，评估4类再分析资料在中国的适用性，气象要素观测值与再分析资料的检验评估指标计算公式为：

M_{\mathrm{B}\mathrm{E}}=\frac{\mathrm{1}}{N}\left(G_i-O_i\right)，（6）

R_{\mathrm{M}\mathrm{S}\mathrm{E}}=\sqrt[]{\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}{\left(G_i-O_i\right)}^{\mathrm{2}}}，（7）

R=\frac{{\displaystyle \sum _{i=\mathrm{1}}^N}\left(G_i-\overline{G}\right)\left(O_i-\overline{O}\right)}{\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^N}{\left(G_i-\overline{G}\right)}^{\mathrm{2}}}\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^N}{\left(O_i-\overline{O}\right)}^{\mathrm{2}}}}。（8）

式中：M_BE、R_MSE分别为平均偏差和均方根误差，O_i 为某探空站第i个时次的观测值，G_i 为第i个时次再分析资料插值到该站上的数据，\overline{O}为该站观测的平均值，\overline{G}为再分析资料插值到该站上数据的平均值，N为资料总时次数。

1.2.3 偏差订正方法

基于探空站点观测资料，对CMA-RA再分析资料RMSE偏大的时次进行订正，具体方法为：基于检验评估结果，对比CMA-RA再分析资料与观测资料之间的年际变化规律、存在的偏差等，给出每个站点CMA-RA资料和观测资料的回归订正关系，采用线性回归方法对各站分别建立回归方程进行订正^[21-22]，计算公式为：

O_i=a{G}_i+b。（9）

式中：a、b分别为回归系数和回归常数，用最小二乘法进行估计，公式为：

a=\frac{{\displaystyle \sum _{i=\mathrm{1}}^N}\left(G_i-\overline{G}\right)\left(O_i-\overline{O}\right)}{\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^N}{\left(G_i-\overline{G}\right)}^{\mathrm{2}}}}，b=\overline{O}-a\overline{G}。（10）

式中：O_i 、G_i 、\overline{O}、\overline{G}的含义同公式（8）。

2 结果分析

2.1 总体评估结果

4类再分析资料各等压面层气象要素与探空资料的相关系数和平均偏差见图1所示。4类再分析资料位势高度的相关性最高，各层相关系数均在0.97以上，相对湿度的相关性最低；风速的相关系数随高度升高增大，其余要素的相关系数随高度升高减小。CMA-RA的位势高度、相对湿度、风速资料与观测资料的相关系数与ERA5接近，略高于CFSv2和MERRA-2。4类再分析资料位势高度产品在700 hPa附近相关系数偏低，相对湿度的相关系数在200 hPa以上下降明显，气温相关系数在100 hPa以上低于0.9；风速相关系数随高度总体呈升高趋势，700 hPa以上相关系数高于0.9。平均偏差方面，4类资料位势高度产品低层MBE接近于0，随高度升高转为负值，总体表现负偏差，ERA5位势高度MBE最接近0；4类资料相对湿度产品低层MBE趋近于0，随高度升高转为正值，总体呈现正偏差，MERRA-2相对湿度在500 hPa以上MBE明显较小，CMA-RA与CFSv2相对湿度MBE相对较大；CMA-RA、ERA5、CFSv2气温与风速产品随高度变化不明显，总体呈现负偏差。

图2为4类再分析资料各要素在不同等压面上的泰勒图^[23]。再分析资料与观测资料的位势高度、气温的相关系数和标准差在各等压面层上分布紧凑，位势高度之间的相关系数集中在0.99左右，气温之间的相关系数为0.95~0.99。4类资料的标准差比率无显著差异，各等压面上的气温标准差比率集中在1 附近，RMSE＜0.3，表明再分析资料位势高度和气温产品能较好地再现观测结果。相对湿度在不同等压面层之间的差异较大，850、700、500 hPa上4类再分析资料与探空资料的相关系数为0.8~0.9，标准差比率为0.75~1，RMSE在0.6附近；400 hPa上CMA-RA与观测资料的相关系数最高，RMSE最小，MERRA-2资料的标准差比率最接近于1；300、200 hPa上MERRA-2资料在标准差比率和均方根误差方面均明显优于其余3类资料。对于风速，从相关系数、均方根误差和标准差比率3个统计结果综合来看，CMA-RA资料在各等压面层表现最优，尤其是预报业务中最为关注的对流层中下层，MERRA-2表现较差，4类资料风速产品在400 hPa以上差距较小。

2.2 时间序列对比分析

再分析资料与观测资料在时间序列上的一致性对于再分析资料的合理选用非常重要，对4类再分析资料与探空资料的均方根误差在各等压面层上的分布情况（图3）进行分析。位势高度CMA-RA与CFSv2、ERA5、MERRA-2资料的RMSE无显著差异，2020年后4类资料在对流层中高层以上的RMSE明显变小。相对湿度MERRA-2资料RMSE最小，其次是ERA5，CFSv2各等压面层RMSE随时间的分布与ERA5基本类似。2019年10月—2020年2月CMA-RA相对湿度、气温、风速产品的RMSE相较于其余3类资料偏大，除该时段外，CMA-RA气温、风速产品RMSE最小。单独计算CMA-RA与各个站点的偏差，发现2019年10月—2020年2月CMA-RA与各站的偏差均较大，因此在使用CMA-RA资料时应对该时段进行订正。

对850、500和200 hPa上4类资料相对于探空资料的月平均RMSE时间序列进行分析，结果见图4所示。850 hPa上CMA-RA、ERA5、CFSv2位势高度RMSE时间序列不存在明显差异，CMA-RA位势高度RMSE最小， MERRA-2位势高度RMSE偏大。850 hPa相对湿度RMSE存在周期性波动，CFSv2资料波幅最大，结合表1可知，所有再分析资料850 hPa相对湿度在冬半年（10月—次年3月，下同）RMSE普遍高于夏半年（4—9月，下同）。CMA-RA相对湿度、气温、风速RMSE在2019年10月—2020年2月偏大，建立回归方程对该时段各站的气象要素进行订正，订正后的数据与其余3类资料相比不存在明显偏差。4类资料气温数据的RMSE时间序列无明显的周期性波动；风速数据自2020年2月后RMSE减小且震荡幅度趋于平稳，其中CMA-RA资料改善情况最为明显，结合表2可知，850 hPa风速产品RMSE在各月份的差异不显著。

500 hPa上4类资料的位势高度RMSE时间序列无明显差异，且无明显的波动周期。对2019年10月—2020年2月的CMA-RA相对湿度、气温、风速数据进行回归订正，订正后4类资料气温、风速RMSE时间序列基本一致。相对湿度CMA-RA的RMSE变化趋势与CFSv2、ERA5类似，RMSE较低但波动幅度较大；CMA-RA和ERA5相对湿度数据RMSE在2020年2月后降低；MERRA-2相对湿度RMSE的峰值和谷值与其余3类资料相反，CMA-RA、ERA5、CFSv2相对湿度产品冬半年RMSE高于夏半年，而MERRA-2相对湿度产品RMSE夏半年高于冬半年（表1）。500 hPa风速数据RMSE在冬半年RMSE普遍高于夏半年（表2）。

200 hPa上4类资料的位势高度、气温、风速RMSE时间序列基本一致，位势高度、气温RMSE时间序列差异较小，风速差异略大；CMA-RA、ERA5、CFSv2相对湿度产品RMSE时间序列差异较小，MERRA-2相对湿度产品在200 hPa上RMSE明显小于其余3类资料。4类资料相对湿度产品RMSE变化趋势基本一致，均呈现出夏季（6—8月，下同）高、冬季（12月—次年2月，下同）低的特征，CMA-RA、ERA5、CFSv2资料冬、夏平均RMSE之差分别为21.21%、18.98%和18.19%，MERRA-2资料冬、夏差异最小，平均RMSE之差为10.52%（表1）。200 hPa风速产品RMSE在各月份的差异不显著（表2）。

2.3 空间分布对比分析

4类再分析资料相对湿度产品差异较大，由相对湿度在冬、夏季的空间分布情况及再分析资料与探空观测偏差的空间分布（图5、图6）可知，850 hPa上青藏高原等高海拔站点无观测数据，其余地区4类资料相对湿度空间分布差异相对较小。500 hPa上（图5）冬季4类资料的平均相对湿度空间分布基本相似，MERRA-2相对湿度数据相比其余3类资料偏小。CMA-RA、ERA5、CFSv2相对湿度与探空观测的MBE空间分布基本类似，大多数站点MBE为正值，中国北部MBE明显高于南部；MERRA-2相对湿度与探空观测的MBE总体较小，除青藏高原部分站点外，其余地区与探空观测的MBE集中在0%~5%。4类资料的夏季平均相对湿度空间分布与冬季差异较大，其中东南亚、孟加拉湾附近差异最为明显。夏季再分析资料相对湿度与多数观测站点的MBE为正值，相对湿度低值区的偏差高于相对湿度高值区；CMA-RA、ERA5相对湿度在青藏高原等相对湿度高值区出现负偏差，CFSv2相对湿度负偏差不明显，MERRA-2相对湿度在各探空站点上的MBE均为正值。

200 hPa冬季CMA-RA和CFSv2相对湿度空间分布类似，在中国西北地区及北部，ERA5相对湿度明显小于CMA-RA和CFSv2，MERRA-2在各地区相对湿度数据相比其余3类资料偏小。CMA-RA、CFSv2相对湿度与探空观测的MBE空间分布基本类似，再分析与大多数观测值的MBE为正值；ERA5与MERRA-2相对湿度与探空观测的MBE空间分布基本类似，在中国西北地区呈负偏差，MERRA-2的负偏差更明显，4类资料在华南地区均呈正偏差，MERRA-2偏差最小。夏季除孟加拉湾附近区域外，CMA-RA、ERA5、CFSv2相对湿度空间分布基本一致，MERRA-2相对湿度在各个区域相比其余资料明显偏小。200 hPa夏季CMA-RA、ERA5、CFSv2相对湿度均存在明显正偏差，多数站点MBE超过25%，在相对湿度较低的地区对应MBE也较小，MERRA-2资料MBE明显小于其余3类资料，在新疆地区为负偏差。

3 结论

本文以2016—2021年中国125个探空站观测资料为参照，对比评估了CMA-RA、ERA5、CFSv2和MERRA-2位势高度、气温、相对湿度、风速资料在中国的适用性，得到以下结论：

（1）再分析资料与中国探空位势高度基本一致，再分析位势高度总体呈不显著的负偏差。ERA5位势高度资料在中国适用性最好，CMA-RA位势高度与ERA5接近，对流层中下层CMA-RA表现略优于ERA5，其次为CFSv2，MERRA-2表现相对较差。

（2）再分析资料与中国探空气温基本一致，再分析气温总体呈不显著的负偏差。CMA-RA气温资料在中国适用性最好，ERA5、MERRA-2气温在对流层中下层与CMA-RA接近，200 hPa上ERA5气温表现略优于CMA-RA，CFSv2表现相对较差。

（3）再分析相对湿度总体呈正偏差，对流层中上层偏差明显。MERRA-2相对湿度资料在中国适用性最好，其次为ERA5和CMA-RA，850 hPa上CMA-RA相对湿度与ERA5、MERRA-2接近，CFSv2表现相对较差。MERRA-2相对湿度空间分布总体上与观测值最接近，500 hPa上CMA-RA相对湿度空间分布与ERA5、CFSv2基本类似，冬季中国北部偏差明显高于南部；200 hPa上CMA-RA与CFSv2空间分布类似，偏差相对较大。

（4）再分析风速总体呈负偏差，对流层中下层偏差较明显，4类资料在冬半年均方根误差普遍高于夏半年。CMA-RA风速资料在中国适用性最好，尤其是对流层中下层，ERA5风速资料与CMA-RA最为接近，其次为CFSv2，MERRA-2资料表现较差。

2019年10月—2020年2月CMA-RA相对湿度、气温和风速资料在对流层中下层均方根误差偏大。由于CMA-RA再分析资料具体算法未公开，误差产生原因不能给出确定性结论，研究人员在使用时可对其进行偏差订正。本文给出了一种订正方法作为参考，下一步可结合不同区域的地理条件、气候特征等进一步优化订正算法。

参考文献

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

[2] 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.

[3] XIE Xiao, HE Jinhai, QI Li.A review on applicability evaluation of four reanalysis datasets in China[J].Journal of Meteorology and Environment,2011,27(5):58-65.(in Chinese)

[4] 张玮,李显风,何瑶,等.基于江西省站点资料对智能网格实况分析产品的检验评估[J].江西师范大学学报(自然科学版),2020,44(4):403-410.

[5] ZHANG Wei, LI Xianfeng, HE Yao,et al.The quality assessment of the intelligent grid real-time analysis products using the station data in Jiangxi Province[J].Journal of Jiangxi Normal University(Natural Science Edition),2020,44(4):403-410.(in Chinese)

[6] LIAO J, WANG H Y, ZHOU Z J,et al.Integration,quality assurance,and usage of global aircraft observations in CRA[J].J Meteor Res,2021,35(1):1-16.

[7] LIANG X, JIANG L P, PAN Y,et al.A 10-yr global land surface reanalysis interim dataset (CRA-Interim/Land):Implementation and preliminary evaluation[J].J Meteor Res,2020,34(1):101-116.

[8] 刘梦杰,张卫星,张镇驿,等.CRA40在中国地区GNSS水汽反演中的适用性评估与分析[J].南京信息工程大学学报(自然科学版),2021,13(2):138-144.

[9] LIU Mengjie, ZHANG Weixing, ZHANG Zhenyi,et al.On the applicability of CRA40 in GNSS precipitable water vapor retrieval over China[J].Journal of Nanjing University of Information Science & Technology(Natural Science Edition),2021,13(2):138-144.(in Chinese)

[10] YU X J, ZHANG L X, ZHOU T J,et al.The Asian subtropical westerly jet stream in CRA-40,ERA5,and CFSR reanalysis data:Comparative assessment[J].J Meteor Res,2021,35(1):46-63.

[11] ZHAO D, ZHANG L X, ZHOU T J,et al.Contributions of local and remote atmospheric moisture fluxes to east China precipitation estimated from CRA-40 Reanalysis[J].J Meteor Res,2021,35(1):32-45.

[12] 赵天保,符淙斌.几种再分析地表气温资料在中国区域的适用性评估[J].高原气象,2009,28(3):594-606.

[13] ZHAO Tianbao, FU Congbin.Applicability evaluation of surface air temperature from several reanalysis datasets in China[J].Plateau Meteorology,2009,28(3):594-606.(in Chinese)

[14] 郭艳君,张思齐,颜京辉,等.中国探空观测与多套再分析资料气温序列的对比研究[J].气象学报,2016,74(2):271-284.

[15] GUO Yanjun, ZHANG Siqi, YAN Jinghui,et al.A comparison of atmospheric temperature over China between radiosonde observations and multiple reanalysis datasets[J].Acta Meteorologica Sinica,2016,74(2):271-284.(in Chinese)

[16] 张思齐,郭艳君,王国复.中国探空观测与第3代再分析大气湿度资料的对比研究[J].气象学报,2018,76(2):289-303.

[17] ZHANG Siqi, GUO Yanjun, WANG Guofu.A comparative study of atmospheric humidity over China between radiosonde and the third generation reanalysis datasets[J].Acta Meteorologica Sinica,2018,76(2):289-303.(in Chinese)

[18] 闫燕,刘罡,何军,等.重庆地区卫星及再分析降水资料评估[J].高原气象,2020,39(3):594-608.

[19] YAN Yan, LIU Gang, HE Jun,et al.Assessment of satellite and reanalysis precipitation data in Chongqing[J].Plateau Meteorology,2020,39(3):594-608.(in Chinese)

[20] 曲学斌,林聪,辛孝飞,等.ERA5-Land、MERRA2再分析资料在呼伦贝尔地区的适用性研究[J].沙漠与绿洲气象,2022,16(5):24-30.

[21] QU Xuebin, LIN Cong, XIN Xiaofei,et al.Applicability of ERA5-Land and MERRA2 temperature and precipitation data in Hulun Buir region[J].Desert and Oasis Meteorology,2022,16(5):24-30.(in Chinese)

[22] YANG J X, HUANG MXT, ZHAI P M.Performance of the CRA-40/Land,CMFD,and ERA-Interim datasets in reflecting changes in surface air temperature over the Tibetan Plateau[J].J Meteor Res,2021,35(4):663-672.

[23] ZHANG J P, ZHAO T B, LI Zhi,et al.Evaluation of surface relative humidity in China from the CRA-40 and current reanalyses[J].Adv Atmos Sci,2021,38(11):1958-1976.

[24] 罗潇,廖春花,罗菁,等.两套新型高分辨率再分析降水资料在湖南年季尺度上的适用性评估[J].暴雨灾害,2021,40(2):167-173.

[25] LUO Xiao, LIAO Chunhua, LUO Jing,et al.Applicability evaluation of two sets of new high-resolution reanalysis precipitation data on annual and seasonal scale in Hunan[J].Torrential Rain and Disasters,2021,40(2):167-173.(in Chinese)

[26] 张旭,毛炜峄,陈静,等.新疆区域CRA40地面气温检验分析[J].沙漠与绿洲气象,2022,16(5):15-23.

[27] ZHANG Xu, MAO Weiyi, CHEN Jing,et al.Temperature error test of CMA global atmospheric reanalysis data in Xinjiang[J].Desert and Oasis Meteorology,2022,16(5):15-23.(in Chinese)

[28] 赵佳莹,徐海明.中国区域探空资料与再分析资料风速场的对比分析[J].气候与环境研究,2014,19(5):587-600.

[29] ZHAO Jiaying, XU Haiming.Comparison of wind velocity among reanalysis and radiosonde datasets over China[J].Climatic and Environmental Research,2014,19(5):587-600.(in Chinese)

[30] Tetens O.Uber einige meteorologische Begriffe[J].Zeitschrift für Geophysik,1930,6:297-309.

[31] Murray F W.On the computation of saturation vapor pressure[J].J Appl Meteor,1967,6(1):203-204.

[32] 王丹,戴昌明,娄盼星,等.陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正[J].干旱气象,2021,39(4):697-708.

[33] WANG Dan, DAI Changming, LOU Panxing,et al.Comparison study on test and correction of temperature forecasts of ECMWF,GRAPES_Meso and SCMOC in Shaanxi[J].Journal of Arid Meteorology,2021,39(4):697-708.(in Chinese)

[34] 陈奇,祁栋林,霍金虎,等.ERA-interim气温、土壤温度再分析数据在青海东部农业区的适用性评估[J].沙漠与绿洲气象,2023,17(1):69-76.

[35] CHEN Qi, QI Donglin, HUO Jinhu,et al.Applicability assessment of reanalysis data of ERA-interim air temperature,soil temperature in the eastern agricultural region of Qinghai[J].Desert and Oasis Meteorology,2023,17(1):69-76.(in Chinese)

[36] Taylor K E.Summarizing multiple aspects of model performance in a single diagram[J].J Geophys Res:Atmos,2001,106(D7):7183-7192.

基金资助

陕西省气象局秦岭和黄土高原生态环境气象重点实验室开放基金课题(2022Y-10)

陕西省重点研发计划一般项目(2022SF-425)

陕西省自然科学基础研究计划项目(2022JM-153)