1 引言
大气边界层是下垫面与自由大气进行物质与能量交换的重要场所， 在大气边界层中时刻进行着许多物理过程， 一些常见的天气现象如雾和降水以及一些暴发性气象灾害如暴雨和沙尘暴与边界层中的物理过程有密切联系（张强， 2003； 刘辉志等， 2018）。由于大气边界层内部的复杂性， 对其的数值模拟和预报一直是难点和热点（王蓉等， 2020； 马英赛等， 2019）。地面温度是边界层中的一个重要变量， 其最显著的时间变化特征就是准正弦的温度日变化现象（McCutchan， 1979）。
地面温度日变化的周期信息在气象学、 气候学和遥感学上都有重要应用价值。地面温度是地表能量、 水和辐射平衡的关键， 在大气模式中提高地面温度的准确性将改善大气温度和湿度廓线的模拟能力。对地面温度的准确描述不仅可以帮助估计地气界面处的能量交换， 还可以用于分析长时间的全球地面温度昼夜周期特征及其变化（Aires et al， 2004）。作为中尺度模式的初始条件， 全球再分析资料对地面温度日循环描述准确度对中尺度数值预报来说也是至关重要。
但是由于再分析资料的质量受到数值模式的准确性、 同化系统的同化效果和观测资料误差等多个因素的影响， 再分析资料的可靠性也存在很多的不确定性（Landelius et al， 2016）， 因此在使用再分析资料前有必要对其进行评估。国内外也有很多科学家从多方面评估了再分析资料对温度日变化模拟能力。Trenberth et al（2007）利用全球再分析资料来评估全球变暖对日气温范围和地面温度变化的影响， 研究表明不同再分析资料对温度日变化的再现能力不尽相同。Wang et al（2018）研究了观测资料和再分析资料在中国东部地区日变化范围趋势， 发现NCEP （National Centers for Environmental Prediction）再分析资料对向下的太阳辐射有积极的响应趋势， 而观测资料没有， 并且再分析资料大大高估了当地降水减少的趋势， 由于这些系统性偏差导致再分析资料高估了地面温度的升温速率。龚伟伟等（2015）对不同再分析资料对中国地区地面温度的模拟能力进行了比较分析， 结果表明， 在中国区域ECMWF （European Centre for Medium-Range Weather Forecasts）的再分析资料相较于JMA （Japan Meteorological Agency）和GFS更接近实际观测， ECMWF和JMA地面气温在冬季与观测差异最大， GFS地面气温在夏季与观测差异最大， 且这三种资料在东部地区的适用性高于西部地区。Du et al（2018）对比分析结果表明在中国范围内再分析资料很好地再现了最低温度， 但大多数再分析资料低估了最高温度和温度日较差。单帅等（2020）通过再分析资料与自动站资料对比发现， 再分析资料对温度模拟的精度不仅受地表类型影响也受气象条件的影响。即使是同一个研究中心的不同再分析资料也存在较大的差异； Wang and Prigent（2020）对比了ECMWF中不同再分析资料， 发现ERA5相较于ERA-Interim在荒地上对温度日变化的再现能力更强， 在夜间两者的差异更大。
虽然很多研究对再分析资料的中国地区地面温度准确性进行分析， 但是这些研究都是基于日平均和月平均的再分析资料和观测资料的对比（高庆九等， 2010； 朱智等， 2015； 韦志刚等， 2019）， 而日平均和月平均的资料时间分辨率较低， 不能反映出完整的温度日变化， 由于大气边界层盛行湍流等快速变化的小尺度天气系统， 导致地面温度变化包含了多种小尺度天气信息， 这就极大增加了地面温度的研究对资料时间和空间分辨率的要求， 尤其是分析地面温度的日变化周期性特征， 时间分辨率对基于观测资料和再分析资料的日变化研究尤其重要， 而常规的一天四次的资料时间分辨率很难准确再现地面温度的周期性特征， 所以很多研究集中在温度日较差、 温度最大和最小值等极值问题的研究（Jhajharia and Singh， 2011）。
高分辨率观测资料的缺乏一直是制约地面温度研究的一个重要问题。也有很多气象学家转而寻找其他替代资料进行研究。现阶段对地面温度日变化的研究也经常利用卫星资料反演的地表温度， 孟翔晨等（2019）利用FY-2F卫星反演的地表温度， 通过统计模型建立了中国地区不同下垫面类型下的温度日变化曲线， Vinnarasi et al（2017）利用站点观测资料和再分析资料研究发现全球变暖使得印度不同气候带有不同的日较差变化趋势。卫星反演的日变化研究虽然能够一定程度缓解地面温度周期变化研究的资料时间分辨率限制， 但是反演产品依然存在误差较大的不足， 地表温度反演产品一直存在3~4 ℃的误差（Prigent et al， 2016）。
2020年我国地面气象观测自动化改革从全国试运行切换调整为正式业务运行， 全国建立了7万多个地面自动气象观测站， 并且能够持续提供逐小时的自动站观测资料， 能够准确地反映全国的温度周期变化情况， 为研究再分析资料地面温度日变化周期特征提供了很好的数据条件。因此， 有必要对再分析资料的地面温度周期性特征再现能力进行评估。现阶段的研究仅能对资料的温度极值和日较差进行较好的把握， 却少有对资料的温度变化周期进行讨论分析。本文将对逐小时自动站观测资料与再分析资料的地面温度日变化特征进行对比分析， 从而能够更深入地了解不同资料的日变化特征和再分析资料与实际观测偏差的时空变化特征， 研究结果对地面资料同化研究中资料时间的选择和气候研究有潜在的帮助。
2 资料来源及处理
本文采用江苏省气象局提供的2018年12月31日16:00至2019年1月31日15:00的全国逐小时加密自动站观测资料， 自动站温度观测高度为2 m， 如无特殊说明， 文中所用时间均为北京时。
2.1 资料来源
研究所用的再分析资料主要包括：
欧洲中期天气预报中心（ECMWF）第五代全球气候再分析系统（ERA5）分辨率为0.25°×0.25°的逐小时全球地面温度和地表温度分析场。ERA5目前资料时间长度可追溯至1979年， 最终将延长至1950年。ERA5是ERA-Interim的后续产品， 具有31 km的水平分辨率和137个从地表到0.01 hPa的垂直高度层， 能提供全球每小时大气变量的估计值。
美国国家环境预测中心（NCEP）全球业务预报系统（GFS）生成的分辨率为0.25°×0.25°的每天02:00、 08:00、 14:00、 20:00的全球地面2 m温度和地表温度（0 cm的土壤温度）资料， 以及在这四个时次上的3 h的预报场。
由于自动站资料和ERA5再分析资料的时间分辨率均为1 h， 为了保证时间分辨率一致， 对GFS资料采用三次样条插值以获得逐小时的资料。很多研究表明再分析资料在青藏高原地区普遍存在较大的误差（周顺武和张人禾， 2009； 除多等， 2016）， 而且在高原地区台站观测高度和模式高度容易存在较大的误差， 所以为避免青藏高原大地形对结果的影响， 故选择100°E -130°E， 20°N -50°N这一区域进行研究。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）2556号的中国地图制作， 底图无修改。
2.2 观测资料的质量控制和筛选
观测资料为江苏省气象局实时获取的全国地面站观测资料， 受江苏省气象局资料备份方式影响，在江苏省及其周边省份的观测资料包含了所有加密地面自动站，其他省以国家级地面站为主，基本没有加密自动站资料，故江苏省及其周边省份的站点密度较高， 西部地区测站分布则相对稀疏。研究时段内全国自动站资料共出现了10165个站点， 山东、 安徽、 江苏的观测数据量高于全国其他地区（图1 ）。为避免站点数据的缺测导致无法准确反映温度日变化， 对观测站点进行了筛选。为了保证研究的资料量， 设定站点总资料量大于500时次， 且在观测覆盖时段内缺测率小于20%为标准对站点进行筛选， 共筛选出2228个站点， 其数据量和观测率分布（图2 ）。这里的观测率定义为非缺测观测与总资料量的比值。以此标准筛选出的站点在地理上分布均匀， 30天内观测数据量基本在639 h以上， 观测率也基本在80%以上。
图1 2019年1月1日08:00至30日07:00全国自动站数据量的空间分布Fig.1 Spatial distribution of data volume for automatic station in China from 08:00 on 1 to 07:00 on 30 January 2019 |
对筛选出来的站点采用Qin et al（2010）提出的基于EOF方法的地面自动站资料质量控制方法进行资料的质量控制， 绝大多数站点的720时次观测资料中剔除量在15次以下（图3 ）， 而且剔除资料量的分布也基本满足观测误差随机性的特征， 可知筛选得到的站点的资料有良好的质量。为了保证研究的稳定性， 还利用三次样条插值方法， 对质量控制剔除的数据和缺测资料进行了补齐。为了将再分析资料与自动站资料进行对比， 本文采取双线性插值方法将再分析资料插值到筛选站点。
3 结果
3.1 月平均温度空间分布特征分析
为了能直观地看到地面温度随时间和空间的变化， 首先计算了各资料的平均温度空间分布图。图4 分别给出了2019年1月08:00、 14:00、 20:00和02:00不同资料月平均温度的空间分布， 图中不同的颜色代表站点的平均温度。我国冬季地面气温存在较大的南北差异， 自动站在各个时次观测的平均温度均呈现随纬度升高逐渐降低的趋势， 在我国南部气温基本在10 ℃左右， 但是到我国北方则可以低到-10 ℃。但是由于地形高度的影响， 在川渝一带温度明显高于同纬度地区。从整体情况来看， 08:00 -14:00平均温度呈现出升高的趋势， 达到峰值后温度逐渐下降， 有明显的日变化现象。两个再分析资料集均呈现出与自动站资料相似的时间和空间变化特征， 但ERA5再分析资料与GFS再分析资料也存在一定的差异， 08:00在京津-甘肃这一过渡带ERA5的空间结构与自动站相似， 而GFS资料的温度梯度却不明显， 而且温度要普遍高于实际观测温度， 在20:00 GFS在华北平原温度也是高于ERA5和自动站观测温度。
3.2 再分析资料与自动站观测资料差值的空间分布
为了能更清楚地看到再分析资料与自动站观测资料之间的差异， 给出了自动站资料与再分析资料的差值的空间分布图进行分析。图5 分别给出了2019年1月08:00、 14:00、 20:00和02:00自动站观测与两种再分析资料平均温度偏差的空间分布图， 图中不同的颜色代表站点的温度差值。
相比而言， ERA5的2 m温度与自动站观测资料更为接近， 各时刻大部分站点差值在1 ℃以内， 差值的分布也表现为较好的随机性特征。从08:00 -14:00时段内两者的差值表现为一定程度的空间平移现象， 位于青海、 甘肃和内蒙古自治区的负值转移到了我国的中部， 相比而言14:00 -20:00时段内， 温度的差值变化较小。
从观测资料与GFS的2 m温度差值图［图5 （e）~（h）］上看到， 自动站观测温度普遍低于GFS的2 m温度， 较少的正值区主要集中在西部， 而东部主要表现为负的差值。在08:00 -14:00地面温度升温过程中， 我国北方出现了由正转负的转变， 北方自动站温度普遍高于GFS的2 m温度， 但是在华东、 华中、 华南地区升温前后的温度差值基本保持一致， 但在甘南-滇桂一带差值经过升温过程由正转负。可见在升温过程中， 我国北方观测温度的升温幅度大于GFS的2 m温度。
3.3 地面温度的日变化特征
从上述分析中可以看出， 观测资料与地面资料的差值有明显的时间变化特点， 考虑到地面温度的最大变化特征就是温度的日变化， 因此进一步比较不同资料的温度日变化特征。
为了直观地看到温度日变化的现象， 给出了三种资料在110°E -120°E范围内各个站点的月平均温度时间变化曲线， 为了方便比较， 对不同站点的温度曲线进行了时间标准化， 而且只是给出了12:00 -18:00和05:00 -10:00两个时段内的温度变化曲线（图6 ）， 其中彩色代表不同的经度的站点， 而黑色曲线则是代表所有站点的平均值。
为了定量地分析最高温度出现的时间的问题， 还给出了各个资料最高温度出现时间的散点分布（图7 ）。从图7 中可以清楚地看到达到最高温度出现的时间的变化特征。观测温度和GFS的2 m温度的最高温度出现时间都是随着经度的增大温度峰值的对应时间逐渐提前。ERA5的2 m温度最高温度出现时间虽也有随时区东移逐渐提前， 但其在每个经度区间内会出现断层的现象， 这与前面的温度曲线结果相对应， 也说明该资料无法准确反映温度日变化的细节特征。
虽然ERA5的2 m温度资料未能很好地再现地面温度日变化的细节特征， 但是鉴于逐小时资料对温度日变化研究的重要性， 加入了ERA5的地表温度资料， 另外作为对比， 也加入了GFS资料的地表温度结果。图8 给出了两种再分析资料地表温度的最高温度出现时间与站点经度的散点分布。如图8 所示， 两个再分析资料集的站点最高温度出现时间均表现为随时区东移而逐渐提前， 并且有连续的变化趋势， 热响应时间为2 h， 但是再分析资料的地表温度相较于自动站观测资料最高温度出现时间提早约2 h。
3.4 再分析资料与观测资料的差值特征分析
上述结果中， 通过最高温度出现时间对比， 发现了再分析资料的日变化与观测结果有明显的位相偏差， 那么这个位相偏差究竟对温度的量值产生什么样的影响呢？下面通过不同经度的温度差特征进行分析。
受地球自转的影响， 不同地区日照时间主要随着经度变化而变化， 所以将中国东部按照经度大小分为6个区域分别分析。
GFS的地表温度与观测温度的差值也表现出相似的规律性特征， 观测温度的最高温度出现时间明显地滞后GFS地表温度约2 h， 两者位相的差异也导致了两种差值出现了显著的规律性特征， 而且差值的位相也是随着经度变化出现了迁移。只是GFS的地表温度与观测温度的差值明显大于ERA5资料。
地面自动站观测温度与两种再分析资料的地表温度差值表现出明显的规律性变化特征， 但是由于地面自动站的观测温度更多的是代表了地面2 m左右高度的大气温度， 所以地面站观测温度与再分析资料的地面2 m处温度的差值特征更需要重视。由于ERA5的地面2 m温度不能够很好地再现大气温度的日变化特征， 所以这里只给出了GFS的2 m温度与观测温度的差值结果（图11 ）。将中国东部按照3°间隔分为10个区域， 为了保证各个经度区域资料量具有更好的一致性， 只计算了30°N以北的资料的平均结果。
图11 不同经度区间自动站观测温度与GFS的2 m温度差值（观测-GFS）变化曲线图（a）以及（b）最高温度出现时间偏差（观测-GFS）与站点经度的散点（b）分布不同颜色代表不同的经度区间， （b）中黑色曲线为各区间平均值变化曲线Fig.11 The curve of temperature difference between the observation 2-m temperature of GFS in different longitude interval （a）； Scatter plot between the differences of highest temperature appearance time between observations and 2-m temperature of GFS （observation-GFS， b）.Colors represent longitude ranges， and the black curve in （b） is the average value of the time difference at each interval |
为验证结论的一致性， 还给出了2019年7月的2 m温度偏差结果， 图12 给出了GFS的2 m温度偏差变化情况， 从图12 （a）和图12 （b）中可以看到， 冬夏两季GFS与自动站温度变化曲线的位相差一直存在， 散点分布的结果也证明夏季的位相偏差也存在经度依赖性。但是夏季的偏差的主要成因并不是位相差， 而是再分析资料对夏天温度达到最高温度后的降温过程模拟偏强了， 导致了12:00之后的温度普遍低于观测资料， 所以最大温度差值出现在了20:00。
图12 125°E -130°E冬季（a）和夏季（b）自动站观测温度与GFS的2 m温度差值变化曲线图（观测-GFS）， 夏季最高温度出现时间偏差与站点经度的散点分布（观测-GFS）（c）不同颜色代表不同的经度区间， 黑色曲线为各区间平均值变化曲线Fig.12 Variation curve of 2 m temperature difference between observation temperature and GFS（observation-GFS） of 125°E -130°E automatic station in winter（a） and summer（b）； scatter plot of time deviation of maximum temperature in summer and station longitude （observation-GFS）（c）.Different colors represent different longitude intervals， and the black curve is the average value change curve of each interval |
地面温度日变化的位相差在冬季和夏季都是稳定存在的， 因此消除位相差就成为减小再分析资料地面温度误差的一个重要途径。实际应用中， 可以利用统计分析方法， 比如傅里叶分解方法准确提取当地温度的日变化周期分量， 并对该分量进行位相调整后， 再通过傅里叶逆变换的方法重建温度序列， 就可以有效的消除位相差导致的误差。
4 结论与讨论
地面温度是大气和地面热量交换的重要载体， 地面温度的变化包含了大气温度的气候特征、 天气状况、 下垫面类型和太阳辐射等多个方面的因素， 因此准确地描述地面温度的变化特征对于天气和气候预测都有重要的作用。但是由于地面温度变化包含了多种尺度的天气过程， 地面温度变化的研究， 尤其是地面温度日变化的研究一直受到资料时空分辨率的限制。中国已经全面实现了气象观测自动化， 已建立了全国7万多个的自动观测站， 能够提供逐小时的实时观测资料， 这就地面温度日变化研究提供了坚实的数据基础。本论文利用江苏省局提供的2019年1月和7月中国东部逐小时自动观测站资料， 分析了再分析资料对我国东部地面温度日变化的再现能力， 得到以下几点结论：
（1） 两种再分析资料的地表温度和地面2 m温度均有明显的日变化特征， 两种再分析资料的地表温度能够很好地再现地面温度日变化的位相随着经度的迁移现象
（2） 再分析资料的地表温度普遍低于观测资料， 而且与观测温度的日变化有固定的位相差， 这也导致了两者温度差值的最大值的出现时间随着经度的增加而逐渐提前。
（3） GFS再分析资料的地面2 m温度的日变化过程与自动站观测温度也有明显的位相差， 而且分析结果表明， 位相差对于两种资料月平均的温度差值有显著的影响， 当位相差达到1 h左右， 两者的温度差最大可以达到5 ℃， 而当位相差减小的时候， 温度差也明显减小。
理解位相差的成因分析才是从根本上消除误差的关键。位相差的出现可能是和数值模式的系统漂移有关。但是值得注意的是这种位相差随着经度变化而变化的现象， 这个现象可能是和再分析资料的同化过程有关。资料同化系统是再分析资料构建中不可缺少的部分， 资料同化是通过最优化方法融合有误差的观测和背景场， 建立最接近真值的再分析资料。那么资料同化就不可避免地受到观测有效信号的强弱的影响， 当资料同化在当地温度达到峰值的时候进行， 更容易改进当地温度的日变化特征， 反之当资料同化在温度处于最低值时进行， 同化就很难改进温度的日变化特征， 从而导致了温度位相差随经度的变化特征。当然这里只是对成因的经验估计， 真实的成因还需要更多的分析和数值试验才能明确。