大气再分析产品的发展最早可以追溯到20世纪90年代， 美国、 欧洲、 日本等相继推出了大气再分析产品。美国再分析产品包括最早由美国国家环境预测中心（NCEP）和大气研究中心（NCAR）发布的NCEP/NCAR（Kalnay et al， 1996）， 以及修正了物理过程错误和更新了参数的NCEP/NCAR的改进版-NCEP/DOE（Kanamitsu et al， 2002）， 还有近年来发展的CFSR和CFSv2（Saha et al， 2010）； 欧洲中期天气预报中心（ECWMF）同样较早地开展了大气再 分析数据研究， 其再分析产品已历经FGGE、 ERA-15（Gibson et al， 1999）、 ERA-40（Simmons and Gibson， 2000）、 ERA-Interim（Dee et al， 2011）和ERA5（Hersbach et al， 2019）五代； 日本气象厅（JMA）和日本电子能源工业中央研究所（CRIEPI）联合完成了JRA25（Onogi et al， 2007）及升级版JRA55（Kobayashi et al， 2015）。

我国的大气再分析产品的发展起步较晚， 2013年11月， 中国气象局启动了我国全球大气再分析计划， 旨在建成我国第一代全球大气再分析业务系统， 并建成质量超过国际第二代、 在中国区域接近或达到国际第三代大气再分析水平的40年（1979 -2018年）全球大气再分析数据集。依托2014年立项的公益性行业（气象）科研专项“全球大气再分析技术研究与数据集研制”和2015年启动的国家气象科技创新重大核心攻关任务“气象资料质量控制及多源数据融合与再分析”， 由国家气象信息中心牵头， 多部门、 多单位参与协同创新， 我国大气再分析工作零档起步， 成功研制出1979 -2018年全球大气/陆面再分析产品。

大气再分析产品弥补了观测资料时空分布不均的缺陷， 是认识大气运动规律， 理解气候变化与变率的有力工具， 为大气科学领域的各类研究提供了重要的数据支撑。然而， 作为一种利用资料同化技术把数值预报产品和观测资料融合起来的“产物”， 再分析资料必然包含有数值模式、 同化方案和观测系统变更等所引入的误差（赵天保等， 2010）， 因此， 对再分析资料的适用性评估显得特别重要。王田野等（2016）利用蒙古国18个气象站1987 -2006年实测月平均气温资料与JRA-55和ERA-interim 两种再分析资料月平均气温进行了比较和分析； 敖雪等（2018）利用1981 -2015年辽宁省海岸带20个气象站常规观测资料与同期ERA-Interim、 JRA-55和CFSR三种再分析资料进行对比分析， 讨论了风速场再分析资料在辽宁省海岸带的适应性问题； 吴晶璐等（2018， 2019）利用江淮流域1979 -2011年的站点观测， 对ERA-Interim和NCEP/DOE再分析资料的极端气温指数和降水时空变化做了对比分析； 闫燕等（2020）利用1998 -2012年重庆市34个站点逐时降水观测资料， 分析了重庆地区高时空分辨率卫星产品和ERA-Interim、 MERRA、 CFSR和JRA55四套再分析资料的可靠性， 并对卫星和再分析资料降水日变化的准确性进行了评估。此外， 很多学者应用评估后的再分析资料开展气候变化特征的研究（王大勇等， 2021； 刘雅静等， 2021）。目前关于CRA全球再分析产品适用性评估的研究并不多， Liang et al（2020）利用全球土地数据同化系统（GLDAS）和NCEP气候预报系统再分析（CFSR）全球地表再分析数据集以及中国气象站观测资料评估了CRA-Interim/Land在不同深度的土壤湿度和温度及地表温度， 结果表明， 在全球空间格局和月变化方面， CRA-Interim/Land、 GLDAS和CFSR数据集具有高度的一致性， 而CRA-Interim/Land的土壤温湿度值介于GLDAS和CFSR之间。Li et al（2020）将CRA-Interim的降水与ERA-Interim、 JRA55、 CFSR、 MERRA2以及NCEP气候预报中心的观测降水资料进行了对比评估， 综合评价了CRA-Interim从平均状态和极端指标两方面捕捉中国观测降水时空变化的能力。

本文将应用中国大陆区域2231个国家气象观测站的月平均气温和降水资料为参照， 以目前版本较新、 应用较为广泛的欧洲中期天气预报中心（ECWMF）的第五代再分析产品ERA5-land和美国近年来发展的再分析产品CFSR作为对比评估对象， 开展中国第一代陆面再分析（CRA40/Land）的月平均气温和降水产品在中国大陆的适用性评估。评估结果不仅可以验证CRA40/Land的月平均气温和降水资料的可信度， 还可以为研究中国大陆区域气候变化选用合适的再分析资料提供参考指导（赵天保和符淙斌， 2006）。

图2是观测的1月、 7月和年平均气温在中国大陆区域的空间分布（西藏地区由于观测资料稀少， 暂不予考虑， 下同）， 以及CRA40、 ERA5、 CFSR 1月、 7月和年平均气温与观测值差的空间分布。从图2中可以看出， 1月平均气温和偏差的空间分布表明， 3种再分析资料在I、 Ⅱ、 Ⅲ区的分布结构与观测非常接近， 都能很好地刻画出气温自南向北由高到低的带状分布， Ⅳ区的效果普遍较差， 主要表现在新疆南疆地区的再分析气温明显高于观测， 青海甘肃一带则明显低于观测， ERA5和CFSR在南疆地区的表现优于CRA40， 而在青海甘肃一带则劣于CRA40。整体上， CRA40与观测气温相近的区域更大。从7月平均气温和偏差的空间分布来看， 虽然3种再分析气温的空间分布结构与观测大致相似， 但是除去南疆地区比观测值偏高之外， 大部分地区都低于观测值， 其中青海甘肃一带和东北地区偏低明显。CFSR在南疆地区的表现优于CRA40和ERA5， 但是在Ⅳ区略差。年平均气温和偏差的空间分布与7月相似。结合表1中CRA40、 ERA5、 CFSR气温与OBS气温的误差比较结果可以看出， 三者与观测值的相关性都比较好， 均为0.91， 说明三种再分析资料都可以较好地描述气温的月变化； 偏差均值都小于零， 其中CRA40偏差均值最小， 为0.39， CFSR偏差最大， 为1.18， 说明再分析资料的气温值普遍低于实测气温， CRA40的气温值与观测值最接近； 标准差比值的最小值为CRA40的0.96， 最大值为CFSR的0.99， 三者都小于1， 表明再分析资料的气温比实测气温离散程度略小； 均方根误差能够较好地反应再分析资料值与实测值之间的偏差， 三者的均方根误差均在2 ℃左右， CRA40与ERA5要略好于CFSR。总体来说， 三种再分析气温产品都能较好地刻画中国大陆地区的气温分布， 彼此间的差异不大， 相较而言， CRA40和ERA5的表现略优于CFSR。这一点从CRA40、 ERA5、 CFSR和OBS在中国大陆区域的年平均气温时间序列图（图3）中也可以看出， 虽然CRA40、 ERA5和CFSR都能很好地反映气温的年际变化趋势， 但是三种再分析资料的年平均气温都比观测值小， 其中CFSR偏小的最多， CRA40在2005年之前更接近于观测值， 而2005年之后， ERA5和CRA40与OBS的偏差相近。

从观测的1月、 7月和年平均月降水的空间分布以及CRA40、 ERA5、 CFSR 1月、 7月和年平均月降水与观测值差的空间分布（图4）来看， CRA40的空间模态分布与观测最接近， 虽然ERA5和CFSR也能大致反映出中国大陆区域各雨带的空间变化特征和季节变化特征， 但是二者相对观测值的偏差较大。ERA5在我国北部地区（东北北部、 内蒙古、 新疆地区）存在负偏差中心， 最大可偏少60~100 mm， 其他大部分地区的偏差分布在0~10 mm； CFSR在I区和Ⅲ区分别存在负偏差中心和正偏差中心， 最大偏差可达100 mm， 其他大部分地区的偏差在0~20 mm； CRA40降水偏差的空间分布与ERA5和CFSR不尽相同， 表现为没有明显的正（负）偏差中心， 在全国大部分地区的偏差都分布在0~20 mm。三种再分析产品对1月平均降水的刻画能力普遍高于7月， 这可能与中国大陆降水量的季节性差异有关。

对比表1中三种再分析降水产品与观测降水的误差比较结果， 三者与观测值的相关性表现基本相同， 在0.87~0.90， CRA40略好于ERA5和CFSR， 说明三种再分析资料都可以较好地描述降水的月变化； 偏差均值都大于零， 彼此间差异较大， CRA40的偏差均值最小， 为0.60 mm， ERA5为15.85 mm， CFSR最大为27.49 mm， 说明再分析资料的降水值普遍高于实测降水， CRA40的降水值与观测值非常接近， 这也与图5的描述一致； CRA40、 ERA5和CFSR的标准差比值分别为1.02、 1.15和1.28， 表明CRA40的降水与实测降水的离散度接近， 而ERA5和CFSR则比实测的离散度偏大， 这也与图4的描述一致。三者的均方根误差对比， CRA40明显优于ERA5和CFSR。因此， 相较于ERA5和CFSR， 我国第一代大气再分析资料的降水产品在中国大陆地区的降水刻画上具有明显优势， 这一点也可以从年平均降水量的时间序列图（图5）上非常直观地看出来， 虽然三种再分析降水资料都能很好地描述年平均降水量的年际特征， 但是CRA40的量值和变化趋势是最接近观测实况的。CRA40在降水产品中表现出巨大的优势， 这可能是因为CRA40同化了中国的基础数据， 并且在做降水同化的过程中， 为了纠正降水偏差， 引入了两组基于观测的全球降水分析， 并按照CFSR/GLDAS中使用的方法将它们与CRA-Interim再分析降水混合在一起的原因（Liang et al， 2020）。考虑到图4中ERA5与观测值相近的区域最大（即图中白色的区域）， 包括了华北和华东大部分区域， 所以以上两个地区在降水量产品的选择上可以选择ERA5和CRA40， 其他地区则更适合使用CRA40数据， CFSR的降水产品不推荐使用。

表1是CRA40、 ERA5和CFSR的气温和降水与观测值在中国大陆四个区域的误差评估值列表， 图6是再分析气温与观测气温在各区的均方根误差分布.结合表1， 从图6中可以看到， CRA40、 ERA5和CFSR的气温与观测气温的均方根误差最小值均出现在Ⅱ区， Ⅰ区和Ⅲ区次之， Ⅳ区最大。同观测气温值相比， CRA40和ERA5在四个区域的偏差都小于CFSR。在Ⅰ、 Ⅱ、 Ⅲ区的大部分台站中， CRA40和ERA5与观测气温值的偏差均在2 ℃以内， 而在Ⅳ区的大部分台站的偏差在5 ℃左右， 个别台站的最大偏差可达 10 ℃以上。CFSR与观测气温值的偏差在Ⅲ区明显高于CRA40和ERA5， 在大部分台站的偏差为3~5 ℃， 且以负偏差居多。 从标准差比值来看， 三种再分析气温资料的离散度都在Ⅲ区表现相对较差。从模式技巧看， Ⅰ、 Ⅱ区都在0.97以上， Ⅲ、 Ⅳ区略偏低， 但均在0.91以上。四个区域的相关系数相近， 说明CRA40、 ERA5和CFSR在全国各地区都能很好地描述气温的周期性变化。总的来说， 相同的再分析气温资料在中国大陆四个区域内， 都表现为Ⅰ区和Ⅱ区优于Ⅲ区和Ⅳ区， 总体表现较差的是Ⅳ区； 不同的再分析气温资料在同一区域内， CRA40和ERA5要优于CFSR， 但优势不大。

与气温相比， CRA40、 ERA5和CFSR的降水与观测降水的差异在四个区域的表现不尽相同。从四个区域的均方根误差来看， CRA40、 ERA5和CFSR都在Ⅲ区的均方根误差最大， 这可能与东南部地区年平均降水量基数比较大有关。从各区的降水均方根误差分布图（图7）来看， CRA40在各区的均方根误差均小于ERA5和CFSR， 在Ⅰ、 Ⅱ、 Ⅳ区的台站中， CRA40的降水偏差大都控制在10 mm以内， 最大偏差亦不超过50 mm， 而ERA5和CFSR的降水偏差大多都在30~50 mm， 最大偏差可达200 mm； 在Ⅲ区的大部分台站中， CRA40的降水偏差控制在20 mm以内， ERA5的降水偏差控制在50 mm左右， CFSR大多在80 mm左右， 更有多个台站的偏差超过100 mm， 最大可达150 mm以上。虽然Ⅲ区的降水偏差和均方根误差是四个区域中最大的， 但是Ⅳ区的模式技巧和相关系数是最小的。CRA40和CFSR降水的标准差比值Ⅳ区最大， 说明离散度大， 这可能是导致Ⅳ区相关系数小的一个原因。ERA5的相关系数在四个区域的表现很相近， 尤其是在Ⅳ区比CRA40和CFSR高很多。总之， 相同的再分析降水资料在中国大陆四个不同区域内， 均表现为Ⅰ区、 Ⅱ区好于Ⅲ区、 Ⅳ区， 总体表现较差的是Ⅲ区； 不同的再分析降水资料在同一区域内， CRA40在偏差、 均方根误差、 标准差比值和模式技巧方面都比ERA5和CFSR更具有明显优势， ERA5在各区的相关系数表现最好， 说明ERA5更适合用来研究降水的周期性变化， CFSR的降水在各方面的劣势都比较明显。

利用1989-2018年中国大陆2231个气象站观测的月平均气温和降水资料作为参照， 以ERA5和CFSR两种国外再分析月平均气温和降水资料作为对比评估对象， 分析评估了中国第一代全球陆面再分析（CRA40）气温和降水产品在中国大陆的适用性， 主要结论如下：

（1） 在中国大陆区域的月平均气温空间分布和时间变化方面， CRA40、 ERA5、 CFSR再分析资料与观测值具有高度一致性， 月平均气温误差均能控制在2 ℃以内， 东部地区的误差小于西部地区， 整体上CRA40和ERA5略优于CFSR， 在气候研究工作中推荐优先使用CRA40和ERA5， CFSR次之。

（2） 虽然三种再分析资料均能反映出中国大陆区域月平均降水量的时空变化特征， 但是三种资料间的差异较大， 整体上CRA40要明显优于ERA5和CFSR， 华北和华东地区可以参考ERA5和CRA40， 其他地区则更适合使用CRA40； ERA5更适合用来研究降水的周期性变化， CFSR的降水在各方面的劣势都比较明显， 不推荐使用。