余嘉怡,艾 珊,王文韜,張秀紅

（1.黑河市氣象局，黑龍江 黑河 164300；2.呼蘭區(qū)氣象局，黑龍江 呼蘭 150025）

1 引言

隨著氣候變暖，極端氣候事件頻發(fā)，對于氣候變化的影響研究有了更高的要求， 以前的研究僅依賴于現(xiàn)有的觀測資料，有較大的局限性，資料的缺乏、研究需求的不斷增加， 這兩點構(gòu)成的矛盾使研究者對高質(zhì)量、 高分辨率的再分析資料的需求也在不斷增加[1-2]，為更好的進(jìn)行氣候變化的研究，美國、歐盟、日本等國家進(jìn)行一系列對再分析資料的研究， 為進(jìn)行全球及區(qū)域氣候變化的特點、 趨勢等的研究提供了更大的幫助， 使其在氣象業(yè)務(wù)工作領(lǐng)域中也得到廣泛應(yīng)用。 再分析資料可以補(bǔ)充氣候變化的歷史記錄，彌補(bǔ)觀測資料的不足，為氣象研究提供非常重要的數(shù)據(jù)支撐[3]。

再分析資料種類在增加,有些再分析產(chǎn)品也在更新?lián)Q代,不同的再分析產(chǎn)品對于同一研究區(qū)域的適用性不同,同一種再分析產(chǎn)品對于不同的研究區(qū)域適用性也不盡相同,研究人員需要選出更適用于中國區(qū)域的再分析資料來進(jìn)行研究。 NCEP/NCAR 再分析資料是最早發(fā)展的、 時間尺度也最長, 但是隨著NCEP/NCAR 再分析資料的使用， 它的不足也不斷呈現(xiàn)出來,美國NCEP/DOE 再分析計劃對NCEP/NCAR 再分析資料進(jìn)行了改進(jìn)，使其具有更好的可靠性[4-5]；被看做是第二代全球大氣再分析資料的ERA-interim 資料，有更高的分辨率，在同化系統(tǒng)、物理過程等一些方面優(yōu)于NCEP 再分析資料[6];在再分析資料中JRA-55 是最新的一代， 對亞洲地區(qū)的氣候研究更有針對性,是第一套在亞洲地區(qū)完成的長期再分析資料。

極端低溫事件的發(fā)生頻率和強(qiáng)度變高對社會、生活、環(huán)境等的影響也更為嚴(yán)重，國內(nèi)外學(xué)者對低溫事件越來越重視,部分學(xué)者采用極端氣候指數(shù)研究極端氣候事件的變化[7-10]，但多用于國外，而國內(nèi)較少，已有學(xué)者對中國北方地區(qū)的溫度極端事件的變化情況和中國冬季極端低溫的年代際演變特征做了相關(guān)研究[11]，研究結(jié)果表明，氣溫極端冷指數(shù)整體呈下降趨勢，北方地區(qū)極端氣溫指數(shù)變化最大，學(xué)者們對低溫事件的關(guān)注讓大家對低溫帶來的影響更加重視，也能夠更好的做好防御低溫災(zāi)害的準(zhǔn)備。

本文使用ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE 四種再分析資料， 以下簡稱ERA、JRA、NCEP-1、NCEP-2 再分析資料，通過將幾種再分析資料與觀測資料進(jìn)行對比， 分析幾種再分析資料在低溫研究中的適用性。

2 資料及處理

本文采用了五種資料作為研究對象,分別為日最低溫度觀測資料和ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE 四種再分析低溫資料：

（1）觀測資料（0B）

由中國氣象局氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)提供的逐日最低溫度資料, 該資料時間長度是從1979 年1月-2021 年12 月，共192 個站點，本文將數(shù)據(jù)插值為2.5°×2.5°的格點資料。

（2）四種再分析資料（ERA-interim、JRA-55、NCEP/NCAR、NCEP/DOE）

ERA-interim 再分析資料：歐洲中期天氣預(yù)報中心ECMWF 發(fā)起的ERA-interim 再分析計劃，在數(shù)值模式的分辨率和物理過程上要優(yōu)于NCEP/NCAR，并在觀測系統(tǒng)上也有改進(jìn)， 本文選取1979 年1 月-2021 年12 月，我國（70°-140°E，15°-55°N，下同）的數(shù)據(jù)，并將數(shù)據(jù)處理為分辨率為2.5°×2.5°的資料。

JRA-55 再分析資料：JRA-55 是日本氣象廳JMA 和CRIEPI 合作完成的最新一代全球大氣再分析資料，對亞洲地區(qū)的氣候研究更有針對性，是第一套在亞洲地區(qū)完成的長期再分析資料， 本文選取1979 年1 月-2021 年12 月我國（70°-140°E，15°-55°N）的數(shù)據(jù)，并將數(shù)據(jù)處理為分辨率為2.5°×2.5°的資料。

NCEP/NCAR 再分析資料：美國國家環(huán)境預(yù)報中心（NCEP）和國家大氣研究中心（NCAR）合作研究推出的NCEP/NCAR 逐日低溫資料， 本文選取1979 年1 月-2021 年12 月我國的數(shù)據(jù)， 并將數(shù)據(jù)處理為分辨率為2.5°×2.5°的資料。

NCEP/DOE 再分析資料：美國國家環(huán)境預(yù)報中心（NCEP）和美國能源部（DOE）共同研究推出的NCEP/DOE 逐日低溫資料，本文選取1979 年1 月-2021 年12 月我國的數(shù)據(jù), 并將數(shù)據(jù)轉(zhuǎn)換為分辨率為2.5°×2.5°的資料。

根據(jù)百分位方法, 定義第5 百分位值為低溫閾值。 對以上各逐日最低溫度資料進(jìn)行統(tǒng)計，得到每個測站（格點）每年的低溫閾值，并根據(jù)閾值統(tǒng)計各站的低溫日數(shù)。 本文的分析將基于閾值和低溫日數(shù)進(jìn)行分析。 其中，冬季定義為12 月和次年1 月和2 月。

3 結(jié)果與分析

3.1 觀測資料與再分析資料低溫閾值平均場的差異

閾值明顯低于觀測資料。

單獨比較四種再分析資料， 在低溫閾值的分布上，四種再分析資料相近，從數(shù)值上看，ERA 和JRA的低溫閾值比較接近，NCEP-1（圖1d）與NCEP-2(圖1e)的低溫閾值比較接近。 在東北地區(qū)，NCEP-2 的低溫閾值比另外三種再分析資料要低， 在西北地區(qū)，ERA 和JRA 兩種資料相近且比NCEP-1 和NCEP-2的低溫閾值高，對于中部地區(qū)來說ERA、JRA、NCEP-2 三種再分析資料更為接近，NCEP-1 的低溫閾值低于另三種資料。 在對低溫閾值平均場的分析中可以了解到，在中國的不同區(qū)域，同一種再分析資料的適用性不同，在同一區(qū)域，四種再分析資料適用性也不盡相同。

圖1 1979-2021 年低溫閾值平均場(a.OB、b.ERA、c.JRA、d.NCEP-1、e.NCEP-2 單位：℃）

3.2 觀測資料與再分析資料閾值相關(guān)

圖2 給出了1979-2021 年觀測資料年低溫閾值與四種再分析資料43 a 低溫閾值的相關(guān)系數(shù)分布，可以看出， 中國東部地區(qū)及西北地區(qū)均通過α=0.01顯著性檢驗，青藏高原地區(qū)相關(guān)性較差，四種再分析資料與觀測資料的相關(guān)一般,在中國東部地區(qū)都比較顯著， 西部地區(qū)相關(guān)性比東部地區(qū)偏低， 總體上來說， 四種再分析資料與觀測資料的低溫閾值的相關(guān)系數(shù)在空間場上的分布較為相似。

圖2 1979-2021 年觀測低溫閾值相關(guān)系數(shù)的分布(圖中陰影區(qū)通過α=0.01 顯著性水平)（a)ERA、(b)JRA、(c)NCEP-1、(d)NCEP-2

ERA 與觀測資料的低溫閾值相關(guān)系數(shù)（圖2a）在東北地區(qū)、長江流域及新疆北部地區(qū)都比較高，最大值在東北地區(qū)達(dá)到0.9，JRA 與觀測資料的低溫閾值相關(guān)系數(shù)（圖2b）在東北地區(qū)、長江流域及新疆地區(qū)北部較高，達(dá)到0.8，NCEP-1 與觀測資料的低溫閾值相關(guān)系數(shù)（圖2c）在遼寧北部、華北地區(qū)以及中南地區(qū)、新疆北部地區(qū)比較高，最高達(dá)到0.8，NCEP-2 與觀測資料低溫閾值的相關(guān)系數(shù)（圖2d）在遼寧北部、江南流域最高達(dá)到0.8。

從以上分析可知，在東北地區(qū)、長江流域ERA、JRA、NCEP-1 與觀測資料的相關(guān)系數(shù)較高， 則說明相比于其他地區(qū), 這三種再分析資料在東北地區(qū)、長江流域的低溫閾值的再現(xiàn)能力更好，另外，對新疆北部地區(qū)ERA 與觀測資料的相關(guān)系數(shù)最高，則在這一地區(qū)ERA 的再現(xiàn)能力優(yōu)于其它三種。

從整個中國區(qū)域來看， 四種再分析資料中ERA與觀測資料的低溫閾值相關(guān)系數(shù)最高達(dá)到0.9，JRA、NCEP-1 和NCEP-2 與觀測資料的低溫閾值相關(guān)系數(shù)最高達(dá)到0.8； 從這一對比中可以看出，ERA 與觀測資料的低溫閾值相關(guān)性更高，與觀測資料最接近，在分析低溫閾值時，ERA 的適用性要好于JRA、NCEP-1 與NCEP-2 三種資料的。

3.3 觀測資料與再分析資料低溫日數(shù)的平均場

圖3 給出了1979-2021 年里43 a 的冬季12 月、1 月、2 月這三個月里每一天的最低溫度低于閾值的累加日數(shù)的多年平均分布情況。 從觀測資料的低溫日數(shù)的平均圖（圖3a）上可以看出低溫日數(shù)比較高的地方主要集中在東北地區(qū)、 西北地區(qū)、 青藏高原以東、 西北地區(qū)東南部， 其中青藏高原東部地區(qū)與西北地區(qū)相比于其它地區(qū)的低溫日數(shù)更多， 分別達(dá)到28 d、26 d， 低溫日數(shù)較低的區(qū)域主要分布在華南地區(qū)以及青藏高原中部，平均低溫日數(shù)都在16 d 左右。

圖3 1979-2021 年的（a)OB、(b)ERA、(c)JRA、(d)NCEP-1、(e)NCEP-2 低溫日數(shù)平均場

ERA 再分析資料的平均低溫日數(shù)（圖3b）在分布上與觀測資料相似， 低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、西北地區(qū)、內(nèi)蒙古地區(qū)、江南地區(qū)，其中內(nèi)蒙和東北地區(qū)的低溫日數(shù)最多，在數(shù)值上，ERA平均低溫日數(shù)相比于觀測資料的普遍偏低，ERA 平均低溫日數(shù)最高達(dá)到18 d。

JRA 再分析資料的平均低溫日數(shù)（圖3c）在分布上與觀測資料也較為相似， 低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、西北地區(qū)、內(nèi)蒙古地區(qū)，從數(shù)值上看，JRA 的平均低溫日數(shù)與觀測資料相比仍普遍偏低，JRA 的平均低溫日數(shù)最多達(dá)到16 d，同樣明顯偏低于觀測資料。

NCEP-1 再分析資料的平均低溫日數(shù)（圖3d）的分布與觀測資料相似， 低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、西北地區(qū)、內(nèi)蒙古地區(qū)，從數(shù)值上看，NCEP-1 再分析資料的平均低溫日數(shù)普遍偏低于觀測資料，NCEP-1 平均低溫日數(shù)最多達(dá)到16 d， 相比于觀測資料仍明顯偏低，NCEP-2 的平均低溫日數(shù)（圖3e）在分布上相對于另三種再分析資料來說與觀測資料相似處要少些，NCEP-2 的平均低溫日數(shù)較多的地區(qū)主要分布在東北地區(qū)、青藏高原地區(qū)、西南地區(qū)、西北地區(qū)南部， 從數(shù)值上來看， NCEP-2 的平均低溫日數(shù)明顯比觀測資料的偏多， 最多的日數(shù)達(dá)到33 d，而對于觀測資料來說日數(shù)最多達(dá)到26 d。

從四種再分析資料與觀測資料的低溫日數(shù)在空間上的分布來看，在東北地區(qū)、西北地區(qū)四種再分析資料都有一定的再現(xiàn)能力， 在其它地區(qū)， 相比于NCEP-2 來說，ERA、JRA、NCEP-1 三種資料的再現(xiàn)能力更好一些；從數(shù)值上看，四種再分析資料的低溫日數(shù)與觀測資料的都有較大的差異，ERA、JRA、NCEP-1 三種資料的平均低溫日數(shù)都比觀測資料的偏少， 而NCEP-2 的平均低溫日數(shù)明顯大于觀測資料， 相對于其它三種再分析資料來說NCEP-2 的再現(xiàn)能力較弱。 將四種再分析資料綜合比較來看，對于平均低溫日數(shù)來說，ERA、JRA、NCEP-1 三種再分析資料的適用性比NCEP-2 的適用性更好一些。

4 結(jié)論

本文分別從低溫閾值平均態(tài)、相關(guān)性、低溫日數(shù)的平均態(tài)、 標(biāo)準(zhǔn)差幾個方面對ERA、JRA、NCEP-1、NCEP-2 四種再分析資料與觀測資料的共同點和差異進(jìn)行比較分析，得到以下主要結(jié)論：

（1）低溫閾值平均場：從中國的不同區(qū)域來看，對于東北地區(qū)NCEP-2 對觀測資料的再現(xiàn)能力更好、數(shù)值上也最為相近，對中部地區(qū)來說，四種再分析資料大體上與觀測資料都比較接近， 但ERA 和JRA 比兩種NCEP 資料與觀測資料更為類似，對觀測資料的再現(xiàn)能力更好。

（2）低溫閾值相關(guān)：ERA 和JRA 與觀測資料的低溫閾值相關(guān)性更高， 這兩種再分析資料的低溫閾值與觀測資料最為接近，在分析低溫閾值時，從分布和數(shù)值上看ERA 和JRA 的適用性都要好于NCEP-1與NCEP-2 兩種資料。

（3）低溫日數(shù)平均場：主要在東北地區(qū)、西北地區(qū)四種再分析資料都有一定的再現(xiàn)能力， 在其它地區(qū)，ERA、JRA、NCEP-1 三種再分析資料的表現(xiàn)更好一些，從數(shù)值上看，ERA、JRA、NCEP-1 的平均低溫日數(shù)均比觀測資料的偏少， 而NCEP-2 的平均低溫日數(shù)比觀測資料的偏多。 將四種再分析資料綜合比較來看，ERA、JRA、NCEP-1 的適用性優(yōu)于比NCEP-2。