劉婷婷， 朱秀芳,3， 郭 銳， 徐 昆， 張世喆

（1.北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實驗室，北京 100875；2.北京師范大學(xué)地理科學(xué)學(xué)部遙感科學(xué)與工程研究院，北京 100875；3.北京師范大學(xué)遙感科學(xué)國家重點(diǎn)實驗室，北京 100875）

降水量是至關(guān)重要的氣候變量，與水資源、農(nóng)業(yè)生產(chǎn)、經(jīng)濟(jì)發(fā)展等密切相關(guān)。了解降水的數(shù)量、頻率、空間分布、變化趨勢等信息對于合理利用水資源，制定農(nóng)業(yè)發(fā)展策略等有重要意義。然而，很多偏遠(yuǎn)地區(qū)或者經(jīng)濟(jì)發(fā)展落后地區(qū)氣象臺站稀少甚至根本沒有氣象臺站［1-4］。利用有限的站點(diǎn)降水?dāng)?shù)據(jù)進(jìn)行空間插值得到空間化的降水?dāng)?shù)據(jù)往往存在很大的誤差。為此，不少學(xué)者使用大氣再分析的降水資料來進(jìn)行相關(guān)研究，例如分析降水的時空特征（印度河流域氣溫、降水、蒸發(fā)及干旱變化特征）［5-7］、提取暴雨洪澇事件、驅(qū)動作物模型［8-9］、水文模型（多源降水?dāng)?shù)據(jù)的小流域水文模擬效用評估）［10-13］和陸面模型等［14］。然而，大氣再分析數(shù)據(jù)是數(shù)值預(yù)報產(chǎn)品和觀測資料融合的產(chǎn)物，預(yù)報產(chǎn)品的誤差、觀測數(shù)據(jù)的誤差和同化方法的誤差都會影響再分析氣候數(shù)據(jù)的質(zhì)量［15］。再分析數(shù)據(jù)產(chǎn)品的精度會直接影響上述基于大氣再分析降水資料進(jìn)行的相關(guān)研究中，相關(guān)研究結(jié)果的不確定性。在氣候變化的大背景下，利用再分析數(shù)據(jù)驅(qū)動各類模型模擬氣候變化的影響研究與日俱增，驗證和評估再分析數(shù)據(jù)的精度既必要又緊迫［16］。

ERA5 是繼ERA-Interim 后歐洲中期天氣預(yù)報中心（ECWMF）推出的第五代再分析產(chǎn)品，提供了大量的海洋氣候和每小時的氣候變量。這些數(shù)據(jù)以0.25°×0.25°的網(wǎng)格覆蓋地球，數(shù)據(jù)集中包含200 多個參數(shù)，提供了大量的逐小時大氣、陸地和海洋氣候變量。該數(shù)據(jù)基于改進(jìn)的三維變分技術(shù)，擁有時空分辨率高、更新快、參數(shù)多等優(yōu)點(diǎn)，受到了人們的廣泛關(guān)注。相關(guān)研究指出ERA5相對于ECWMF的第四代再分析產(chǎn)品ERA-Interim有了很大的提升［17-19］。例如，Wang 等［20］比較了ERA-Interim 和ERA5 在北極地區(qū)的2 m 氣溫、降雪和總降水?dāng)?shù)據(jù)，發(fā)現(xiàn)相較于ERAInterim，ERA5 在夏季和秋季的降水精度有所提升；Betts等［21］使用加拿大薩斯喀徹溫省4個氣象站的每小時氣候站數(shù)據(jù)對ERA5 和ERA-Interim 的地表溫度、風(fēng)速、降水以及長、短波向下輻射通量進(jìn)行了評價，結(jié)果表明，與ERA-Interim 相比，ERA5 的地表溫度數(shù)據(jù)質(zhì)量有大幅度提升，但風(fēng)速數(shù)據(jù)質(zhì)量較差，降水和長、短波向下輻射通量與ERA-Interim相差不大；Beck 等［22］在空間分辨率為0.1°的條件下評估了美國ERA5的日降水量數(shù)據(jù)，發(fā)現(xiàn)與ERA-Interim 相比，ERA5再分析降水?dāng)?shù)據(jù)有很大的改善。但是，在以對流風(fēng)暴為主的地區(qū)，ERA5數(shù)據(jù)有較大誤差。

不少研究者在不同地區(qū)對該數(shù)據(jù)集的適宜性進(jìn)行了評估。例如，Nogueira［23］使用全球降水氣候項目2.3 版本數(shù)據(jù)集對月尺度的ERA5 降水量進(jìn)行了驗證，發(fā)現(xiàn)在熱帶大部分地區(qū)ERA5 的偏差和誤差通常低于ERA-Interim。但是，ERA5 高估了大多數(shù)熱帶海洋和喜馬拉雅山的降水。Xu 等［24］在阿西尼博因河盆地對包括ERA5 在內(nèi)的6 種降水?dāng)?shù)據(jù)進(jìn)行了評價，發(fā)現(xiàn)ERA5 大大高估了阿西尼博因河流域的春季降水。Amjad 等［25］使用2014—2018 年土耳其256 個地面氣象站點(diǎn)數(shù)據(jù)對ERA5 的降水?dāng)?shù)據(jù)精度進(jìn)行了評價，結(jié)果發(fā)現(xiàn)ERA5 高估了相對濕潤和復(fù)雜地形區(qū)域的降水，濕偏度達(dá)0.5 mm·d-1。

總體來看，已有的ERA5 降水?dāng)?shù)據(jù)的適宜性分析往往關(guān)注的是再分析產(chǎn)品的數(shù)值和實際觀測值之間的整體相關(guān)程度和偏離情況［22,24,26］，少有對極端氣候事件（如暴雨）的模擬精度分析。在少有的針對極端氣候事件的分析中，又往往選擇典型的氣象災(zāi)害事件進(jìn)行評估，不夠全面。例如Jiang等［27］使用中國氣象局的站點(diǎn)數(shù)據(jù)分析了ERA5 降水?dāng)?shù)據(jù)在6次臺風(fēng)事件中的極端降水模擬的準(zhǔn)確性。

基于以上考慮，本文以國家氣象科學(xué)數(shù)據(jù)中心的全國范圍內(nèi)728 個站點(diǎn)的日降水?dāng)?shù)據(jù)為參考，通過3 個方面的分析，來全面評價ERA5 降水再分析數(shù)據(jù)在中國區(qū)的適宜性，具體包括：（1）對比分析ERA5 再分析降水?dāng)?shù)據(jù)在不同時間尺度（月、季）上的精度；（2）對比分析ERA5 再分析降水?dāng)?shù)據(jù)在不同氣候區(qū)和海拔的精度；（3）分析ERA5 再分析降水?dāng)?shù)據(jù)對極端氣候事件（暴雨和干旱）的檢測能力。該研究可以輔助研究者決定如何使用該數(shù)據(jù)集、客觀評價基于該數(shù)據(jù)開展的相關(guān)研究的不確定性，也為其他的再分析數(shù)據(jù)適宜性評價研究提供方法參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

本文使用的數(shù)據(jù)包括：（1）來自歐洲中期天氣預(yù)報中心（ECMWF）ERA5 的0.25°×0.25°逐小時降水?dāng)?shù)據(jù)；（2）來自中國氣象局氣象信息中心的中國國家級地面氣象站降水日值數(shù)據(jù)集（V1.0）中的共728 個站點(diǎn)的1979—2019 年的日降水量數(shù)據(jù)；（3）來自于資源環(huán)境科學(xué)與數(shù)據(jù)中心的中國氣候區(qū)劃圖（圖1）。本文使用的站點(diǎn)數(shù)據(jù)在中熱帶和南熱帶無站點(diǎn)，因此將這2個區(qū)域去除，對剩余8個氣候區(qū)劃進(jìn)行分析。

圖1 氣候區(qū)與氣象站點(diǎn)分布Fig.1 Distributions of climatic areas and meteorological stations

1.2 研究方法

根據(jù)各氣象站點(diǎn)的經(jīng)緯度，確定各站點(diǎn)所在的ERA5格點(diǎn)，然后提取出這些格點(diǎn)的日降水量數(shù)值，并計算出月總降水量和標(biāo)準(zhǔn)化降水指數(shù)（SPI），進(jìn)而利用6 個指標(biāo)對ERA5 再分析降水?dāng)?shù)據(jù)進(jìn)行評估。這些指標(biāo)可以分成兩類：（1）用來評價ERA5再分析降水?dāng)?shù)據(jù)與觀測降水?dāng)?shù)據(jù)之間的相關(guān)性和差異的指標(biāo)，具體包括Pearson 相關(guān)系數(shù)（r）、均方根誤差（RMSE）和平均絕對誤差（MAE）。其中，r用來反映站點(diǎn)實測值與ERA5 再分析數(shù)據(jù)的一致性程度；RMSE 用來反映ERA5 降水序列整體誤差水平和波動情況；MAE 用來反映ERA5 再分析降水?dāng)?shù)據(jù)與站點(diǎn)實測數(shù)據(jù)的平均絕對偏差程度。（2）用來評價ERA5對降水、暴雨和干旱事件的捕捉能力的指標(biāo)，具體包括探測率（POD）、誤報率（FAR）以及公正先兆評分（ETS）。其中，POD表示ERA5正確捕捉到的概率，即在所有觀測得降水事件中被ERA5 正確檢測到的降水事件的比例；FAR 表示ERA5 出現(xiàn)錯誤的概率，即在所有ERA檢測的降水事件中被錯誤檢測出的降水事件的比例；ETS 則反映了不同時空上ERA5對降水綜合探測的準(zhǔn)確性。這些指標(biāo)的計算公式及最優(yōu)值見表1。

表1 用于評價ERA5數(shù)據(jù)的指標(biāo)計算公式Tab.1 Calculation formula of indicators used to evaluate ERA5 data

具體分析過程如下：（1）首先利用上述6 個指標(biāo)分析ERA5再分析降水?dāng)?shù)據(jù)（日降水量）在中國區(qū)的整體精度，其中r、RMSE 和MAE 用來分析2 個數(shù)據(jù)集之間的整體一致性和差異性，而POD、FAR 以及ETS用來分析ERA5再分析數(shù)據(jù)得到的降水事件的可靠性。其中降水事件的判斷標(biāo)準(zhǔn)為日降水量超過0.1 mm·d-1［25］。（2）接著分析ERA5再分析降水?dāng)?shù)據(jù)和觀測降水?dāng)?shù)據(jù)在不同月份、不同季節(jié)、不同氣候區(qū)以及不同海拔下的r、RMSE 和MAE。其中春、夏、秋、冬四季分別為3—5 月、6—8 月、9—11月、12 月—次年2 月；海拔梯度設(shè)置為0～200 m、200～500 m、＞500 m 3 個區(qū)間,各海拔區(qū)間內(nèi)的站點(diǎn)數(shù)量分別為594、63 和71 個。（3）然后利用POD、FAR和ETS分析ERA5降水?dāng)?shù)據(jù)對暴雨事件的識別能力。參考中國氣象局對于暴雨的定義，將暴雨分為暴雨（降水量≥50 mm·d-1）和大暴雨（降水量≥100 mm·d-1）兩類。（4）最后用r、RMSE和MAE分析基于ERA5計算出的不同時間尺度（1個月，3個月，6個月和12 個月）的SPI 的精度，并以3 個月時間尺度的SPI（SPI3）為例，參考《氣象干旱等級GB/T20481-2006》，使用不同閾值進(jìn)行不同等級干旱的識別（表2），進(jìn)而利用POD、FAR和ETS指數(shù)評估ERA5對干旱事件的刻畫能力。

表2 標(biāo)準(zhǔn)化降水指數(shù)（SPI）干旱等級劃分Tab.2 Drought grade division based on standardized precipitation index(SPI)

2 結(jié)果與分析

2.1 ERA5降水?dāng)?shù)據(jù)的整體精度分析

圖2 為POD、FAR、ETS、r、RMSE 和MAE 6 個評價指標(biāo)的空間分布圖。結(jié)果顯示，ERA5 的日降水精度在空間上存在差異。POD、ETS、r越大且FAR越小的區(qū)域為降水?dāng)?shù)據(jù)精度越高的區(qū)域。全國有83.6%的站點(diǎn)的POD＞0.80，51.9%的站點(diǎn)ETS＞0.25，53.3%的站點(diǎn)r＞0.50，46.9%的站點(diǎn)FAR＜0.50，41.5%的站點(diǎn)RMSE＜6，39.6%的站點(diǎn)MAE＜2。POD 的高值區(qū)主要分布在中國南部，包括高原氣候區(qū)、中亞熱帶、南亞熱帶、北亞熱帶、中熱帶和南熱帶,表明ERA5 能很好地檢測出這些區(qū)域的降水。而北溫帶、中溫帶和南溫帶的FAR值較高，表明ERA5會高估這些區(qū)域的日降水事件。ETS 和r取值在中國東部高于西部，綜合來看，ERA5對中國東部降水事件的反映能力強(qiáng)于對中國西部降水事件的反映能力。RMSE 和MAE 的取值在較為濕潤的中亞熱帶和南亞熱帶較高，這和該地區(qū)降水量絕對值較高有關(guān)。

圖2 ERA5降水?dāng)?shù)據(jù)整體精度Fig.2 Overall accuracy of ERA5 precipitation data

2.2 不同月份和季節(jié)的ERA5降水?dāng)?shù)據(jù)精度分析

圖3 顯示的是ERA5 數(shù)據(jù)的日降水量在不同月份和不同季節(jié)的精度。不同月份日降水量的r、RMSE 和MAE 的均值分別為0.482～0.542、2.232～8.530 mm·d-1和0.945～3.438 mm·d-1；不同季節(jié)日降水量的r、RMSE 和MAE 的均值分別為0.488～0.525、2.466～8.071 mm·d-1和1.013～3.140 mm·d-1。總體來說，日降水量各季節(jié)精度差異較大，夏、秋兩季的精度較冬、春兩季的精度低。

圖3 不同月份和季節(jié)的ERA5降水?dāng)?shù)據(jù)精度Fig.3 Accuracy of ERA5 precipitation data in different months and seasons

2.3 不同氣候區(qū)和海拔的ERA5降水?dāng)?shù)據(jù)精度分析

圖4為不同氣候區(qū)和不同海拔梯度下的精度驗證結(jié)果。不同氣候區(qū)日降水量的r、RMSE和MAE的均值分別為0.437～0.587、1.825～11.746 mm·d-1和0.619～4.913 mm·d-1。8 個氣候帶中，精度最高的是北 溫 帶，其r、RMSE 和MAE 分 別 為0.587、4.040 mm·d-1和1.472 mm·d-1，中溫帶和中亞熱帶的r的范圍較大，而南亞熱帶和北亞熱帶的RMSE和MAE較大。3 個海拔梯度區(qū)間中，精度最低的是海拔＞500 m 的站點(diǎn)，其r、RMSE 和MAE 分別為0.489、7.505 mm·d-1和3.188 mm·d-1；海拔0～200 m 的站點(diǎn)的r較高（均值為0.497），但RMSE 和MAE 值較大；200～500 m 的站點(diǎn)的RMSE 和MAE 最小，分別為3.875 mm·d-1和1.663 mm·d-1。

圖4 不同氣候區(qū)和海拔梯度下ERA5降水?dāng)?shù)據(jù)精度Fig.4 Accuracy of ERA5 precipitation data in different climate zones and elevation gradients

2.4 暴雨事件精度驗證

ERA5數(shù)據(jù)進(jìn)行暴雨識別的精度評價結(jié)果見圖5。其中，日降水量≥50 mm 和≥100 mm 且發(fā)生天數(shù)≥10 d的站點(diǎn)分別為626個和377個，主要分布在中國東南部。ERA5的暴雨識別能力在空間上存在差異。當(dāng)使用50 mm 閾值來識別暴雨時，全國有73.6%的站點(diǎn)POD＞0.1，51.9%的站點(diǎn)FAR＞0.75，53.7%的站點(diǎn)ETS＞0.1。POD 高值主要集中分布在中國的東部地區(qū)（中溫帶南部、南溫帶、北亞熱帶、中亞熱帶東部和南亞熱帶東部），F(xiàn)AR 高值集中分布在中溫帶東部、南溫帶西部和中亞熱帶西部，ETS高值主要分布在北亞熱帶、中亞熱帶東部和南亞熱帶東部，這說明ERA5 數(shù)據(jù)能較好地捕捉中國東部地區(qū)的暴雨事件，但在中溫帶東部、南溫帶西部和中亞熱帶西部的誤報率較高，整體來看對東南部（北亞熱帶、中亞熱帶東部和南亞熱帶東部）的暴雨事件捕捉的最好。當(dāng)使用100 mm 閾值來識別暴雨事件時，POD 更低、FAR 更高、ETS 更低，全國僅有23.6%的站點(diǎn)POD＞0.1，72.9%的站點(diǎn)FAR＞0.75，12.7%的站點(diǎn)ETS＞0.1，說明對≥100 mm的暴雨識別能力更差，但空間分布兩者較為相似。

圖5 ERA5識別暴雨事件的精度Fig.5 Identification accuracy of heavy rain event based on ERA5

2.5 干旱事件精度驗證

圖6 是利用ERA5 降水?dāng)?shù)據(jù)計算出的1 月尺度的SPI（SPI1）和3 月尺度的SPI（SPI3）的驗證結(jié)果。圖7是利用ERA5降水?dāng)?shù)據(jù)計算出的6月尺度的SPI（SPI6）和12月尺度的SPI（SPI12）的驗證結(jié)果。4種不同時間尺度的SPI 指示不同時間長度的干旱，SPI1 主要反映1 個月尺度的干旱，SPI3 反映季度上的干旱，SPI6表征的是半年尺度的干旱，而SPI12則表示年尺度上的干旱。由于表征的尺度不同，其精度也有所不同。整體來看，4個尺度的SPI的相關(guān)系數(shù)、RMSE 和MAE 的空間分布規(guī)律均較為相似：r在青藏地區(qū)較低，在東部地區(qū)較高；RMSE 和MAE 在東南地區(qū)較高，在青藏地區(qū)較低。SPI1、SPI3、SPI6和SPI12 的r的平均值分別為0.765、0.746、0.723 和0.686，RMSE 的平均值分別為0.657、0.701、0.733 和0.774，MAE 的平均值分別為0.701、0.543、0.576 和0.612。SPI1 和SPI3 的r較高且RMSE 較低，SPI6 和SPI12 的r較 低 且RMSE 較 高，SPI3 的MAE 最 低，SPI1 的MAE 最高。因此，綜合來看，使用ERA5 降水?dāng)?shù)據(jù)計算出的SPI3的精度最高。

圖6 ERA5計算的SPI1和SPI3的精度Fig.6 Accuracy of SPI1 and SPI3 calculated by ERA5

圖7 ERA5計算的SPI6和SPI12的精度Fig.7 Accuracy of SPI6 and SPI12 calculated by ERA5

圖8是閾值為-0.5和-1.0的干旱的識別精度結(jié)果。圖9是閾值為-1.5和-2.0的干旱的識別精度結(jié)果。閾值為-0.5、-1.0、-1.5和-2.0識別出的干旱事件歷時超過10個月的站點(diǎn)數(shù)量分別為728、725、719和509，隨著閾值的減?。锤珊祻?qiáng)度的增強(qiáng)），識別出的干旱事件歷時超過10 個月的站點(diǎn)數(shù)量減少。ERA5 識別出的閾值為-0.5、-1.0、-1.5 和-2.0 的干旱事件的POD 的均值分別為0.680、0.588、0.494 和0.426，F(xiàn)AR 的 均 值 分 別 為0.310、0.407、0.511 和0.561，ETS 的 均 值 分 別 為0.381、0.349、0.298 和0.270，可以看出閾值越?。锤珊祻?qiáng)度越強(qiáng)）時，ERA5 的干旱識別效果越差。4 種閾值識別的干旱的POD、FAR 和ETS 的空間分布較為相似。以閾值-0.5 為例，表3 統(tǒng)計了各氣候區(qū)POD、FAR 和ETS的均值，整體來說ERA5數(shù)據(jù)對北溫帶、南溫帶和北亞熱帶的干旱捕捉能力較好，在高原氣候帶、中亞熱帶和北熱帶更容易出現(xiàn)誤報，其中北溫帶的POD最高、FAR最低、ETS最高，干旱識別效果最好，高原氣候區(qū)的POD 最低、FAR 最高、ETS 最低，干旱的識別效果最差。

圖8 ERA5識別閾值為-0.5和-1.0時干旱的精度Fig.8 Accuracy of ERA5 in recognizing drought with the thresholds of-0.5 and-1.0

圖9 ERA5識別閾值為-1.5和-2.0時干旱的精度Fig.9 Accuracy of ERA5 in recognizing drought with thresholds of-1.5 and-2.0

表3 閾值設(shè)置為-0.5時基于ERA5識別的干旱在各氣候區(qū)POD、FAR和ETS的均值Tab.3 Mean values of POD,FAR and ETS in each climate zone with threshold of-0.5 for drought identification

3 討論

ERA5是歐洲中期天氣預(yù)報中心的最新一代的再分析產(chǎn)品，其降水量數(shù)據(jù)可以為分析降水的時空特征、提取暴雨洪澇事件、驅(qū)動作物模型、水文模型和陸面模型等提供輸入數(shù)據(jù)。本研究以728個站點(diǎn)的日降水量數(shù)據(jù)為參考，首次分析了ERA5 數(shù)據(jù)在中國區(qū)的精度。相比以往分析最大的不同是關(guān)注了ERA5 對極端氣候事件（暴雨和干旱）的刻畫精度。伴隨著氣候變化，極端氣候事件頻發(fā)，給自然和人類社會帶來了眾多負(fù)面影響和經(jīng)濟(jì)損失。評估極端氣候條件下的各種影響，發(fā)展有效應(yīng)對氣候變化的適宜性策略，都有賴于可靠的能反映極端氣候的數(shù)據(jù)產(chǎn)品。然而，以往相關(guān)氣候數(shù)據(jù)產(chǎn)品的精度分析忽略了對極端事件的捕捉和刻畫能力。本文彌補(bǔ)了這一不足，拓展了驗證氣候數(shù)據(jù)集的角度，為類似研究提供了方法參考。此外，本文研究發(fā)現(xiàn)ERA5 數(shù)據(jù)能夠較好地描述3 個月尺度的干旱（SPI3），但干旱強(qiáng)度越強(qiáng)，干旱識別結(jié)果越差?？傮w來說，ERA5 對于中國東南部的暴雨的刻畫能力最強(qiáng)。這些結(jié)論為相關(guān)研究考慮是否選擇使用ERA5數(shù)據(jù)，選擇使用哪個區(qū)域的ERA5 數(shù)據(jù)，選擇基于ERA5數(shù)據(jù)分析什么內(nèi)容等提供了參考依據(jù)。

本文研究發(fā)現(xiàn)ERA5 數(shù)據(jù)的精度在不同氣候區(qū)、不同季節(jié)、不同海拔梯度表現(xiàn)出一定的差異。相較于西部，ERA5 再分析降水對于東部降水的模擬效果更好，這與成曉裕等對再分析降水?dāng)?shù)據(jù)的研究結(jié)果［28］類似；相較于冬、春兩季，夏、秋兩季的精度低，這與以往對于再分析降水?dāng)?shù)據(jù)的研究結(jié)果［16,28-30］類似。ERA5 數(shù)據(jù)在不同區(qū)域的精度存在差異的原因有很多，首先ERA5為再分析數(shù)據(jù)，是使用多種資料數(shù)據(jù)通過同化而來的，其精度受原始輸入數(shù)據(jù)資料質(zhì)量和同化算法的影響［15］；在觀測數(shù)據(jù)稀疏的地方或輸入數(shù)據(jù)質(zhì)量低的區(qū)域再分析產(chǎn)品的數(shù)據(jù)質(zhì)量也相對低；其次，降水具有較強(qiáng)的局域性，而ERA5數(shù)據(jù)為柵格數(shù)據(jù)，兩者之間存在一定的尺度問題，用站點(diǎn)所在的ERA5 格點(diǎn)的降水值表示站點(diǎn)的降水會和站點(diǎn)真實觀測的降水存在一定偏差。

此外，本文的研究還存在一些不足。首先，全國的氣象站點(diǎn)分布不均，導(dǎo)致不同氣候區(qū)和不同海拔梯度區(qū)內(nèi)的站點(diǎn)分布不均、數(shù)量不同。大部分站點(diǎn)分布在中國東部區(qū)域和低海拔地區(qū)。對于站點(diǎn)少的區(qū)域，驗證結(jié)果可能會存在一定偏差。其次，ERA5 數(shù)據(jù)的空間分辨率為0.25°，反映的0.25°×0.25°格網(wǎng)內(nèi)區(qū)域降水的平均情況，站點(diǎn)尺度的降水反映的是該站點(diǎn)一定范圍內(nèi)的降水情況，然而降水在局部地區(qū)（特別是地形變化復(fù)雜）的變化可能會很大，直接對兩者進(jìn)行對比也會產(chǎn)生一定誤差。

4 結(jié)論

本文以站點(diǎn)觀測的降水?dāng)?shù)據(jù)為參考，分析了ERA5再分析降水?dāng)?shù)據(jù)在不同時間尺度（月、季）、不同氣候區(qū)、不同海拔梯度下的精度以及ERA5 再分析數(shù)據(jù)對暴雨和干旱事件的刻畫能力。得到主要結(jié)論如下：

（1）ERA5 降水?dāng)?shù)據(jù)對日降水事件的識別能力在空間和時間上均存在差異。8 個氣候帶中，精度最高的是北溫帶，其日降水和站點(diǎn)觀測的r、RMSE和MAE 分別為0.587、4.040 mm·d-1和1.472 mm·d-1。海拔＞500 m 地區(qū)的精度低于海拔≤500 m 地區(qū)的精度，冬、春兩季較夏、秋兩季的精度高。

（2）ERA5數(shù)據(jù)在進(jìn)行暴雨的識別時，與站點(diǎn)數(shù)據(jù)的偏差較大，且閾值越大（即暴雨越強(qiáng)）偏差越大，整體來看對東南部（北亞熱帶、中亞熱帶東部和南亞熱帶東部）的暴雨事件捕捉的最好。

（3）基于ERA5計算的月（1個月）、季（3個月）、半年（6個月）和年（12個月）尺度的SPI的精度不同，其中SPI3的精度最高。在進(jìn)行干旱事件的識別時，與站點(diǎn)數(shù)據(jù)有較大的差距，且閾值越低（即干旱越嚴(yán)重）誤差越大，整體來看對北溫帶、南溫帶和北亞熱帶的干旱捕捉能力較好。