中国东部观测数据与ERA和NCEP再分析表面变量的比较外文翻译资料

 2022-11-16 11:32:50

Comparison of surface variables from ERA and NCEP reanalysis with station data over eastern China

Zhaofei Liu1,2·Zongxue Xu2·Zhijun Yao1·Heqing Huang1

1.Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,100101, Beijing, China

2.Key Laboratory of Water and Sediment Sciences,Ministry of Education, College of Water Sciences,Beijing Normal University,Beijing 100875, China

Abstract This study compared precipitation,mean air temperature (MAT) and mean sea level pressure (MSLP) from two widely used reanalysis datasets (ERA-40 and NCEP) with those from observed stations across eastern China. The evaluation was based on a comparison of both temporal and spatial variability and included several assessment criteria such as the mean values, normalized root mean square error, Mann-Kendall test,empirical orthogonal functions (EOFs) and probability density functions. The results showed that both the ERA-40 and NCEP datasets could capture temporal and spatial variability of the observed precipitation, MAT and MSLP over eastern China. The results showed that the two reanalysis datasets performed better for MAT and MSLP than for precipitation. Overall, the two reanalysis datasets revealed reasonable agreement with observations according to the evaluation.ERA-40 was better at capturing the temporal and spatial distributions for these three variables than NCEP, especially for MAT and MSLP. NCEP tended to overestimate the annual precipitation for both mean and extreme values,while ERA-40 tended to underestimate it, particularly for extreme values.The two reanalysis datasets performed better in the east and northeast regions of the study area than in other regions for capturing the temporal variability of MAT and MSLP. ERA-40 was poor at capturing the temporal variability of precipitation in northeastern China.According to the trend analysis, the two reanalysis datasets showed lower trends for MAT and precipitation and higher trends for MSLP. Both ERA-40 and NCEP had larger explained variances for the first two EOFs than the observed precipitation. This implies that both reanalysis datasets tend to simulate a more uniform spatial distribution for precipitation in the study area.

1 Introduction

Eastern China, which is a part of monsoonal Asia, has suffered increased droughts in the north and increased floods in the south in recent decades (Sun et al. 1998; Xu 2001; Wu et al. 2006). Its vulnerability is likely to increase in the future with continued population growth, intensified land use and other factors (Feddema et al. 2005; Zhao et al. 2006; Pielke et al.2007).Zonal climate is characterized by multi-zones,including subtropical, temperate and subfrigid zones. Station data have limited spatial coverage, and so, an alternative option is the use of reanalysis data, which are generated using three-dimensional data assimilation schemes based on observed meteorological data and a physical model (Gleisner et al. 2005). The convenient data representation and high spatial and temporal resolution make reanalysis data very popular. Although there are some shortcomings, the reanalysis variables have so far proved to be the most valuable and widely used tools in meteorolog-ical, climatic and other related studies compared to other alternatives (Marques et al. 2010; Li et al. 2007; Boer and Lambert 2008). There are two reanalysis datasets widely available:one is produced by the National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR),and the other is from the European Centre for Medium-Range Weather Forecasts(ECMWF; i.e. ERA-40). Many studies have compared different types of variables from ECMWF and NCEP reanalysis datasets over global and regional scales; these variables include air temperature, precipitation, sea level pressure, winds, water vapour, heat flux variables, snow water equivalent and other relatedvariables. Although the two reanalysis datasets present abilities capturing characters of some variables, there are many differences in these variables (Marques et al. 2009; Provost and Escoffler 1998; Marques et al. 2010; Trigo 2006; Zhu 2009). Both reanalyses were able to simulate the large temperature fluctuations in the Northern Hemisphere

(Hertzog et al. 2004); NCEP/NCAR reanalysis tended to be slightly warmer ( 0.8℃) than the observations, while the converse was true for the ECMWF reanalysis (-0.3℃).NCEP data perform better than ECMWF data in detecting inter-annual variations(Gleisner et al. 2005;Beranger et al. 2006) and wind-driven transports (Aoki and Kutsuwada 2008); this may be due to the presence of temporal inhomogeneities in ECMWF reanalysis. Many studies have also found ECMWF reanalysis to be in better agreement with observational data than NCEP reanalysis,for example, precipitation in China (Cui et al. 2000; Zhao and Fu 2006), air temperature on the Tibetan plateau (You et al. 2010), atmospheric pressure and atmospheric temperature at different height levels in Antarctica (Yu et al. 2010), total cloud cover over the southwest Atlantic (Provost and Escoffler 1998), the global energy cycle (Marques et al. 2010), mean sea level pressure (MSLP) over the north Atlantic (Hanson et al. 2004), summer sea level pressure over east Eurasia (moue and Matsumoto 2004), geopotential heights at 500 hPa over the East Asian monsoon region (Zhao and Fu 2009) and snow water equivalent in Russian watersheds(Khan et al. 2007).These studie also found that the models perform differently for different regions.For example,models were found to perform better over land than over oceans (Trenberth et al. 2005; Aquila et al. 2005). Bordi et al. (2006) evaluated drought variability based on the two reanalysis datasets,and their results agreed well with observations in the USA,while for Europe,the two datasets exhibited remarkable differ

剩余内容已隐藏，支付完成后下载完整资料

中国东部观测数据与ERA和NCEP再分析表面变量的比较

刘兆飞1,2，徐宗学2，姚治君1，黄河清1

中国科学院地理科学与资源研究所，北京，100101

北京师范大学水科学学院水沙科学重点实验室，北京，100875

摘要：本研究比较了中国东部各地的观测资料集与两个广泛使用的再分析资料集（ERA-40和NCEP）中的降水，平均气温（MAT）和平均海平面气压（MSLP）。该评估是基于时空变率以及一些评估标准，如平均值，标准化均方根误差，曼 - 肯德尔检验，经验正交函数（正交函数）和概率密度函数。结果表明，在中国东部地区，无论是ERA-40或NCEP数据均可以描述降水，MAT和MSLP的时空变化特征；这两个再分析数据在MAT和MSLP方面比降水要好。总体而言，评估显示这两个再分析数据与观测资料基本一致。ERA-40在表现这三个变量的时间和空间分布比NCEP更好，尤其是对于MAT和MSLP。NCEP在年降水量的均值和极端值方面高估，而ERA-40低估了它，尤其是对于极值。两种再分析资料在研究区的东部和东北地区比其他地区在表达MAT和MSLP的时间变化方面更好。ERA-40在反映中国东北地区的降水量的时间变化方面表现不佳。根据趋势分析，两种再分析资料显示MAT和降水量为下降趋势；MSLP为上升的趋势。相比降水观测资料， ERA-40和NCEP均具有较大的EOF解释方差。这意味着两种再分析资料倾向于模拟研究区更加均匀的降水场空间分布。

关键词：ERA-40和NCEP再分析资料集；降水；平均气温（MAT）；平均海平面气压（MSLP）

1简介

中国东部地区，是亚洲季风区的一部分，中国北部不断遭受旱灾而中国南部遭受洪水的几率在近几十年也有所增加（孙等，1998；徐，2001；吴等，2006）。发生这些灾害的原因很可能是随着人口持续增长，加剧了土地的使用以及其他因素的干扰（Feddema等，2005； 赵等，2006；皮尔克等，2007）。中国东部的地域性气候特点是：包含多种气候区，亚热带，温带和亚寒带。观测数据只能覆盖有限的空间，因此，另一种选择是使用再分析数据，它是由基于观测数据的三维同化方案和物理模型生成的（Gleisner等，2005）。该数据的代表性和高时空分辨率使其很受欢迎。迄今为止，虽然再分析变量有一些不足之处，但相对于其他代用资料,再分析数据在气象，气候和其他相关研究是最有价值的,受到广泛使用（马尔克斯等，2010； 李等，2007；波尔和兰伯特，2008）。有两种再分析资料广泛使用：一种是由美国国家环境预报中心与美国国家大气研究中心研究的（NCEP/ NCAR），另一种是从欧洲中期天气预报中心得来的（ECMWF产生，即ERA-40）。许多研究比较了全球和区域范围的不同类型的ECMWF和NCEP再分析资料的变量;这些变量包括气温，降水，海平面气压，风，水汽，热通量变量，雪水量和其他相关变量。这两个再分析资料在不同变量上的能力不同，当然在同一变量也有很多差异（马尔克斯等，2009；坡沃斯特和埃科菲，1998；马尔克斯等，2010年；特里戈，2006；朱，2009）。两种再分析资料都能够模拟北半球的温度大波动（赫佐格等，2004）； NCEP / NCAR再分析数据往往比观测资料略有偏高（ 0.8℃），而相反的ECMWF再分析（-0.3℃）是真实的。

NCEP数据比ECMWF数据的年际变化（Gleisner等，2005；贝朗杰等，2006）和风力输送更好（青木和Kutsuwada，2008）；这可能是由于ECMWF再分析资料的时间的不均匀性所产生的。许多研究也发现，ECMWF再分析资料较NCEP再分析与观测数据更相似，例如，在中国的降水（崔等，2000；赵和付，2006），青藏高原的气温（游等，2010年），不同高度的南极的大气压力和温度（于等，2010），西南大西洋的总云量（坡沃斯特和埃科菲，1998），全球能源循环（马尔克斯等，2010），在北大西洋的平均海平面气压（MSLP）（汉森等，2004），东亚欧亚大陆夏季海平面气压（moue 和 Matsumoto ，2004），在东亚季风区的500百帕位势高度（赵和付，2006）和俄罗斯水域的雪水量（Khan等，2007）。这些研究还发现，该模式对于不同区域表现不同。例如，这些模式在陆地比海洋表现的更好（Trenberth等，2005；Aquila等，2005）。基于两个再分析资料所评估的旱情变化（波尔多等 ，2006），其结果与美国的观测结果吻合，而欧洲的再分析资料显示出显著的差异。NCEP再分析资料在亚热带地区具有更多的水分，而ERA-40再分析数据在热带地区（Grotjahn，2008）具有更多的水分。

因此，再分析资料在应用之前应被仔细评估。一些研究已经评估了中国不同地区的再分析资料的单一变量（梅茨格，2003；周和黄，2010；游等，2010； 崔等，2000；赵和付，2006）；这项研究的特点为：利用中国东部再分析资料评估季风区的多个变量。

在这项研究中，表面变量包括降水，气温和海平面气压，通过在中国东部的观测资料与ERA-40与NCEP（以下简称NCEP-2）再分析资料的表面变量比较，评价其时空分布特征。这些比较使用了几种统计方法，包括均值，标准差，相关分析，基于排序的参数Mann-Kendall检验，经验正交函数（EOF）和概率密度函数。这项研究的结果可能为相关的研究和再分析资料在评估其他地区不同数据的应用提供帮助。

2数据与方法

2.1数据

该研究运用了观测数据，ERA-40再分析资料和NCEP再分析资料的月降水量，平均气温（MAT）和平均海平面气压（MSLP）。这些数据涵盖时间段为1961-2000。ERA-40再分析资料和NCEP再分析数据分别是从http://www.cc mwfint/和http://www.cdc.noaa.gov上获取的。两种再分析资料水平分辨率为2.5times;2.5。ERA-40的模式和同化方案细节由Uppala等（2005）给出， NCEP再分析资料的则由卡尔纳等（1996）和奇石等（2001）给出。

观测到的月降水量，MAT和MSLP是从中国国家气象局观测档案调用的中国东部的583个台站原始资料。此次研究选取其中连续的,高品质记录的477个台站的资料。在这项研究中使用的所有站的数据由国家气象信息中心（NMIC）提供，并为消除误差进行了严格的质量控制，这些资料是水平均匀的,通过95％置信水平。图1.展示了这些站的地理位置和空间分布。所观察到的数据运用逆距加权方法被插入到每个2.5times;2.5网格中心；该方法（三个最近的站产生新的数据）也用于产生缺失数据。

图1中国东部地区和气象台站的位置

2.2方法

均值和标准差，季节变化，时间和空间分布的概率密度函数（PDF）这几个评估标准常常用于表征气候变量。首先，使用月气候变量和再分析资料的平均值和标准均方根误差（NRMSE）这2个统计量来检验观测资料和再分析资料的所相似性。NRMSE被认为是考虑了平均值和标准偏差的一个指数（公式1），它被定义为均方根误差除以观测场对应的标准偏差（兰达尔等，2007）。它被用来评价观测和再分析资料时间序列之间的lsquo;优度的配合rsquo;。此外，基于PDF的两种技巧评分：BS（公式2）和Sscore（公式3），他们是用来衡量再分析资料是否可以很好的表现观测资料气候变量的PDF。

Xmi 和 Xoi 是建模和观测资料的第i个时间序列的值，其中n为样本长度。

Pmi 和 Poi是模型和观测值的第i个值，n是子序列长度。所有的数据集都基于该数据的范围,他们大小不同但个数固定为100。BS是一个为概率预报的平均均方误差测量预测（Brier ，1950），SScore计算累计每个子集最小观测值和再分析值分布以测量两个PDF的重叠度（帕金斯等，2007）。

基于秩非参数Mann-Kendall检验（egLettenmaier等，1994；付等,2004，2009； 徐等，2004,2007）和趋势幅度（森1968；赫希和Slack，1984；甘1998）方法用来检验长期单调趋势变化及其大小。

最后，EOF分析被用来比较观测和再分析数据（哈维和威格利，2003）的时空变化。使用EOF的一个优点是能够确定和定量分析相关变率的空间结构（穆等，2004）。根据方差贡献,对前两个模态进行比较。这些评估标准细节由刘等（2011年）给出。

3结果

3.1基于平均值、 NRMSE 和PDF的比较

观测资料,ERA-40与NCEP再分析资料的年平均降水量，MAT和MSLP三个要素在每个网格的NRMSE 和 PDF均值的比较结果如图2。

图2 每个网格上的观测资料、ERA-40和NCEP再分析资料表现在年平均降水量（a），平均气温（b）和平均海平面气压（c）（间隔为99％置信水平）

在一般情况下， ERA-40和NCEP的均可以再现这三个变量的平均值， MAT最好而降水量最差。相比观测资料，ERA-40和NCEP再分析资料在每个网格的MAT变化范围几乎相同，特别是对于ERA-40 。观察到的MSLP的极端值分别为接近1010和1020百帕。然而，无论ERA-40还是NCEP值均比观察值的范围大或小约1百帕。总体而言，ERA-40在MAT和MSLP上的平均值在研究区域更接近观察值。其表现效果比NCEP的平均值稍好。ERA-40和NCEP在年降水量上相对平均值误差倾向于分别低估-25％和高估26％。从赵富（2006）研究发现，ERA-40反应更少的降水而NCEP-2反应更多的降水。观测到的年平均降水极值为2200mm，NCEP则估计为接近2600mm,但ERA-40在年降水量上估计为1500mm。ERA-40和NCEP在研究区年降水量极值上分别倾向于低估和高估。中国东部的ERA-40与NCEP再分析资料的年降水量，MAT和MSLP的平均值的空间分布见图3。

图3 观测资料，ERA-40与NCEP数据集在中国东部的空间分布。要素分别为全年降水量的平均值，平均气温和平均海平面气压（“T”，“P”和“pa”表示平均气温，降水和平均海平面气压，以下同）

珠江流域是中国最热区域，MAT为18.1℃至24.3℃。最冷的地区位于黄河和长江的源头和松花江流域，其中北部地区的MAT从-4.4℃至-3.0℃。在研究区寒冷到温暖的分布是从西北，东北地区到南部地区。总体而言，无论是ERA-40还是NCEP均能够体现出这一空间分布特征。模拟MAT的空间分布时，尤其是对于极值，ERA-40表现的稍好。例如，观测资料，ERA-40和NCEP数据集的最低MAT分别-4.4℃，-5.2℃和-11.3℃。对中国东部，因为地处季风区，降水量在东部的分布特征是从东南向西北地区依次降低。虽然ERA-40和NCEP能够体现出这一特点，他们无法表现极端值，尤其是ERA-40。例如，在研究地区最大年降水量2176mm，但ERA-40只有1384.5mm。最低MSLP位于研究区的西南地区，而最高的是位于北部地区的黄河、淮河流域。研究区呈现从西南到东北地区由低到高的气压分布。无论ERA-40和NCEP均能够再现这一空间分布特点。然而，NCEP无法显示出在黄河，淮河流域北部地区的最高MSLP。

均方误差NRMSE可以测量观测和再分析资料月时间序列的拟合程度，值越小，观测和模拟值之间拟合更好。ERA-40和NCEP数据集的年降水量，MAT和MSLP 的NRMSE值示于图4。

图4在降水，气温和海平面气压在所有网格的 NRMSE箱形图（水平线代表中间值；四分位距（IQR，即25日至75位置）由方框表示，触须表明最低值下限Q 1-1.5（Q3-Q1）和Q3 1.5（Q3-Q1）即上限内的最高数据值，超出须值是异常值（星号）

在研究区域中，对大多数格点来说（gt;75％）ERA-40的 MAT和MSLP的NRMSE值均低于0.3。对于大多数网格，NCEP上的值均低于0.5。在一般情况下，ERA-40和NCEP不能够像表现MAT和MSLP那样好的模拟降水，大部分网格具有大于0.5的NRMSE值。总体而言，在研究区域ERA-40对这三个要素在重现时间变化是较好的。因为，对于前者的NRMSE值一般低于后者。

图5描述了ERA-40和NCEP的在中国东部地区年降水量，MAT和MSLP的NRMSE值的空间分布。一般来说，在中国东部和东北部地区，无论ERA-40和NCEP模拟MAT相当不错，NRMSE值低于0.4 。然而，他们在研究区的西南地区表现相对较差。在研究区域ERA-40和NCEP在降水模拟上有明显差别。ERA-40的NRMSE值在大部分区域低于0.6，而在相同区域，大多数NCEP网格的NRMSE值分别在0.6和1.2之间的。相比于其他地区的ERA-40降水量模拟，在中国东北（松花江，辽河流域）相对较差。类似于MAT，对于计算MSLP，ERA-40和NCEP在中国东部和东北地区更好，NRMSE值均低于0.32 。

图5 ERA-40与NCEP数据在中国东部的全年降水量、平均气温和平均海平面气压的NRMSE空间分布

降水，MAT和MSLP再分析资料基于PDF的两个技巧评分Sscore和BS结果如图6。PDF符号显示观测数据和这两个再分析数据集之间有较为合理的一致性；对于大部分的网格的平均 Sscore 值均约为0.8。结果表明，在整个研究区域ERA-40和NCEP模拟降水时在性能上差

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[29343]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章