Page 40 - 《高原气象》2026年第4期
P. 40
高 原 气 象 45 卷
970
映再分析资料与观测资料的平均绝对偏差(胡芩 回归系数为正时, 表明该气象要素随时间变化呈上
等, 2025; 姚飛等, 2022; 殷悦等, 2020; 刘婷婷 升趋势; 回归系数为负时, 表明该气象要素随时间
等, 2023)。评价指标计算公式见表1。 变化呈下降趋势; 回归系数乘 10 则为气候倾向率
2. 3. 4 气候倾向率法 (赵传成等, 2011)。
线性回归可以揭示某气象要素的长期变化趋
势, 回归系数的正负表示该气象要素的变化趋势。 3 结果与分析
表1 评价指标 3. 1 插值方法与地形订正
Table 1 Evaluation indicators 3. 1. 1 插值方法
评价指标 计算公式 最优值 为统一评估三种再分析资料的气温在东昆仑
n
∑ ( y i - y ˉ) ( x i - x ˉ) 山北部的适用性, 首先将其插值至站点所在位置,
相关系数 i = 1
CC = 1 再与站点观测资料进行对比评估。为筛选更适用
(CC) n 2 n 2
∑ ( y i - y ˉ) ∑ ( x i - x ˉ) 于本研究的插值方法, 本研究基于 1980 -2023年各
i = 1 i = 1
平均偏差 1 n 站点逐日平均气温序列, 对比三种再分析资料经双
MB = ∑ ( y i - x i ) 0
(MB) n i ̇ = 1 线性插值和最邻近插值后与观测资料间的相关系
均方根误差 1 n 数(CC)、 平均偏差(MB)、 均方根误差(RMSE)和平
RMSE = ∑ ( y i - x i ) 2 0
(RMSE) n i = 1
均绝对误差(MAE), 并对各站点结果进行平均, 结
平均绝对误差 1 n
MAE = ∑ | y i - x i | 0 果如表 2 所示, 两种插值方法下各评估指标相差不
(MAE) n i = 1
大: 对于 JRA-55 和 MERRA-2, 双线性插值的评估
n 为样本量; y i 为再分析资料; x i 为观测资料; y ˉ、 x ˉ分别为再分
指标表现更优; 而对于 ERA5, 最邻近插值的评估
析资料和观测资料的均值(n is the sample size; y i and x i denote the
reanalysis and observational data, respectively; y ˉ and x ˉ represent their 指标表现略优于双线性插值。经综合权衡, 本研究
corresponding mean values) 最终采用双线性插值方法。
表2 不同插值方法下三种再分析资料日平均气温评价指标对比
Table 2 Comparison of evaluation indicators for daily mean temperature from
three reanalysis datasets under different interpolation methods
再分析资料 插值方法 CC MB/℃ RMSE/℃ MAE/℃
ERA5 双线性插值 0. 9845 ** -1. 9813 2. 9896 2. 6010
最邻近插值 0. 9840 ** -1. 7027 2. 9390 2. 5425
JRA-55 双线性插值 0. 9890 ** -2. 3394 2. 9694 2. 6824
最邻近插值 0. 9880 ** -2. 2975 3. 0638 2. 7554
MERRA-2 双线性插值 0. 9835 ** -1. 8829 2. 8061 2. 4293
最邻近插值 0. 9831 ** -2. 0689 3. 1021 2. 7240
**代表通过0. 01的显著性检验(** indicates significance at the 0. 01 level)
3. 1. 2 地形订正 3. 2 东昆仑山北部平均气温空间分布
如图 2 所示, 除化隆站外, 再分析资料的海拔 3. 2. 1 东昆仑山北部年平均气温空间分布
普遍高于观测值。为减少因地形差异带来的误差, 由 1980 -2023 年东昆仑山北部年平均气温空
本研究采用气温直减率法对各站点双线性插值后 间分布(图 4)可以看出, 地形订正后: (1)三种再分
的日平均气温进行订正(图 3)。订正后各再分析资 析资料均能较好呈现东昆仑山北部年平均气温“东
料的误差指标(MB 和 RMSE)在多数站点均有改善, 高西低、 东北最低”的分布特征; (2)三种再分析资
其中 MB 的绝对值平均降低了 1. 60 ℃(ERA5)、 料对东昆仑山北部的年平均气温存在部分高估, 其
1. 81 ℃(JRA-55)和 0. 92 ℃(MERRA-2), RMSE 平 中观测资料为-2. 4~9. 3 ℃、 ERA5 为-3. 5~9. 8 ℃、
均 降 低 了 1. 05 ℃(ERA5)、 1. 34 ℃(JRA-55)和 JRA-55为-1. 5~9. 3 ℃、 MERRA-2为-0. 3~10. 1 ℃;
0. 69 ℃(MERRA-2)。因此, 后续评估将基于性能 (3)JRA-55年平均气温空间分布与观测资料最为接
更优的订正后数据。 近, ERA5次之, MERRA-2相差最大。

