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。
   35   36   37   38   39   40   41   42   43   44   45