Page 25 - 《高原气象》2026年第4期
P. 25
4 期 徐雯雯等:ERA5和MERRA2数据在青藏高原臭氧谷的适用性与差异分析 955
1 引言 区和青藏高原附近表现明显(Davis et al., 2017;
Fadnavis et al., 2023)。此外, 高原及季风区的臭氧
臭氧是平流层和对流层中重要的痕量气体, 是
变化对同化方案与动力过程刻画高度敏感。Zhu
平流层的主要热源, 也是平流层能量收支的核心调
and Wu(2023)发现, 臭氧谷与季风环流及降水过程
控因子(Zhang et al., 2017; 黄荣辉等, 2018; 田文
存在复杂耦合, 若再分析资料未能准确刻画平流
寿等, 2020), 在吸收太阳紫外辐射、 调节大气辐射 层-对流层交换(Stratosphere-Troposphere Exchange,
平衡以及影响气候变化等方面发挥着关键作用(张 STE)及臭氧输送, 将难以反映其真实变率。Li et
健恺等, 2014; Xia et al., 2023)。受特殊地形与环
al. (2023)比较了 ERA5与 MERRA2在厄尔尼诺-南
流作用影响, 青藏高原上空形成明显的臭氧低值 方涛动(El Niño-Southern Oscillation, ENSO)背景
区, 即“青藏高原臭氧谷”(周秀骥等, 2004), 其垂 下对青藏高原臭氧谷的模拟结果, 发现两者在强度
直结构表现为两个低值中心: 对流层顶-平流层下 和位置上存在系统差异, 凸显该区域对观测同化与
部(the Upper Troposphere and the Lower Strato‐ 动力参数化方案的敏感性。Yin et al. (2023)指出,
sphere, UTLS)最强, 平流层中上部较弱(Guo et 高原地表臭氧季节变化及短期爆发与平流层入侵
al., 2015)。其中 UTLS 区臭氧浓度显著低于同纬 密切相关, 若 STE 刻画偏差, 将直接影响地表臭氧
度其他地区, 并呈季节变化, 夏季最强、 冬季最弱 模拟精度。Wright et al. (2025)进一步表明, 不同
(Stolarski et al., 2013; 熊思章和陈权亮, 2020)。 再分析资料在描述 STE 频次和强度方面差异显著,
准确刻画大气臭氧的时空变化特征依赖高质 从而导致臭氧垂直梯度及剖面存在系统性偏差。
量观测资料。探空观测虽精度高, 但高原地区站点 基于以上论述, 本研究以臭氧卫星观测数据为
稀少, 难以全面反映区域臭氧分布; 卫星观测则为 参考, 利用 2005 -2023 年的 ERA5 与 MERRA2 数
全球臭氧的长期监测与时空分析提供了重要支撑, 据, 从水平分布、 垂直结构、 时间演变以及动力输
其反演产品已广泛应用于平流层和对流层臭氧研 送特征等方面系统比较了两套再分析资料与观测
究(Waters et al., 2006; 杨景怡等, 2025)。但仍受 的差异并探讨其可能的原因。
探测精度、 空间分辨率及云层遮挡等限制(Levelt
et al., 2006), 且单一卫星产品缺乏与大气动力过程 2 数据来源与方法介绍
匹配的高时空分辨率风场信息, 难以揭示臭氧输送 2. 1 数据来源
机制的细节(Wargan et al., 2017)。为克服这些不 本文选用 ECMWF 提供的 ERA5 数据集(下载
足, 再分析资料近年来被广泛应用于臭氧研究。以 网 址 : https: //cds. climate. copernicus. eu/datasets?
MERRA2 和 ERA 系列为代表的再分析产品在时空 q=ERA5)和 NASA 提供的 MERRA2 再分析数据集
一致性和代表性方面表现良好。研究显示, MER‐ (下 载 网 址 : https: //disc. gsfc. nasa. gov/datasets?
RA2 能 够 较 好 再 现 平 流 层 臭 氧 特 征(Coy et al., keywords=MERRA2),所使用的主要变量包括臭氧
2016; 李小婷等, 2019)。ERA 系列资料同样在高 柱总量以及不同气压层的臭氧质量混合比。ERA5
原臭氧研究中表现突出(徐雯雯等, 2019; 陈鹏等, 臭氧数据的垂直覆盖范围为地面至约 1 Pa, 共有
2023), 其中 ERA5 与观测臭氧在平流层中具有良 137 个模式层, 空间分辨率为 0. 25°×0. 25°(Hers‐
好一致性(Wang et al., 2020)。 bach et al., 2020); MERRA2 臭氧数据垂直覆盖范
ERA5 具有全球高时空分辨率, 垂直覆盖地面 围为地面至约 0. 1 hPa, 共有 72 个模式层, 空间分
至约 1 Pa(约 80 km), 可较好表征多尺度臭氧时空 辨率为 0. 5°×0. 625°(Gelaro et al., 2017)。ERA5 虽
变化, 且与独立观测一致性较高(Hersbach et al., 未直接同化臭氧观测, 但其配套的哥白尼大气成分
2020; Sofieva et al., 2017)。MERRA2 在臭氧同化 再分析系统(CAMS/IFS-CAMS)融合了 OMI、 MLS
中融合多源卫星观测并引入化学过程模拟, 显著提 和太阳后向散射紫外仪(Solar Backscatter Ultravio‐
升了平流层及中层臭氧的再现能力(Gelaro et al., let, SBUV)等多源臭氧产品, 并采用四维变分同化
2017; Wargan et al., 2017), 为综合分析提供多气 框架。CAMS 化学模块在对流层采用 CB05 机理,
象与化学变量。然而, 再分析资料的长期趋势仍受 在平流层使用 Cariolle 参数化或 BASCOE 简化机
同 化 观 测 类 型 与 时 序 完 整 性 影 响(Inness et al., 制, 可较自洽地模拟臭氧生成与损耗(Inness et al.,
2019)。研究表明, ERA5与MERRA2在UTLS区的 2019)。相较之下, MERRA2 臭氧分析场主要依赖
臭氧垂直分布存在系统性偏差, 特别是在亚洲季风 观测同化维持: 早期(1980 -2004 年)同化 SBUV/

