Page 284 - 《高原气象》2025年第5期

高 原 气 象 44 卷
1402

图1 四川155个国家站及地形高度分布
Fig. 1 Locations of 155 observation stations and distribution of terrain height in Sichuan

选用的再分析降水产品分别为中国气象局全球 0. 25°； 美国国家环境预报中心NCEP再分析降水产
大气陆面再分析降水产品（以下简称 CRA， http： // 品（以 下 简 称 CFSR， http： //rda. ucar. edu/datasets/
data. cma. cn）， 选取时段为 1979 -2021 年， 时间分 ds093. 1/， http： //rda. ucar. edu/datasets/ds094. 1/， 该
辨率为 6 h， 空间分辨率为 0. 25°×0. 25°； 欧洲中期 资料 2011 年 3 月后由升级后的 CFSv2 制作）， 选取
天气预报中心（ECWMF）第五代再分析降水产品（以 时段为1979 -2021年， 时间分辨率为1 h， 空间分辨
下简称 ERA5， http： //www. ecwmf. int/en/forecasts/ 率为 0. 5°×0. 5°。三套再分析资料简介如表 1（中国
dataset/ecmwf-reanalysis-v5）， 选 取 时 段 为 1979 - 气 象 局 国 家 气 象 信 息 中 心 ， 2022； 张 德 杰 等 ，
2021 年， 时间分辨率为 1 h， 空间分辨率为 0. 25°× 2022； 王彩霞等， 2022）。

表1 再分析资料基本参数
Tabel 1 The basic parameters of reanalysis data

名称 同化的地面观测资料 资料时段 时间分辨率 空间分辨率 同化方法
CRA 中国基础数据、 CFSR观测数据集及集成地面数据库（ISD） 1979 -2021年 逐6 h 0. 25° 3DVAR
ERA5 观测数据集（ODB）（ECMWF， 2018） 1979 -2021年 逐1 h 0. 25° Ensemble of 4DVAR
CFSR NCEP业务档案（Saha et al， 2010） 1979 -2021年 逐1 h 0. 5° 3DVAR GSI

2. 2 研究方法 1 N
RMSE = ∑ ( X re - X o ) 2 （2）
首先用双线性插值方法（张宏芳等， 2019）将三 N 1
套再分析降水数据插值到对应时段的 155个国家气 1 N -
STD = ∑ ( X i - X ) 2 （3）
象观测站所在的空间点， 然后基于插值后的数据序 N
1
列和站点观测序列进行比对， 包括空间分布、 时间 1 N - -
变化、 误差分析等。 N ∑ ( X re - X re ) × ( X o - X )
R = 1 （4）
选取的误差评估指标为： 平均误差（ME）、 均 std re × std o
方根误差（RMSE）、 标准差（STD）、 相关系数（R）， 式中： X 为降水值； 下标有 re 的代表再分析数据；
-
计算如下： 下标有 o 的代表观测数据； X 为对应序列的算术平
1 N 均值； std 和 std 分别代表再分析和观测数据的标
o
re
ME = ∑ ( X re - X o ) （1）
N 准差； N为样本总量。
1