高原气象

高原气象 >

2026 , Vol. 45 >Issue 2: 324 - 338

DOI: https://doi.org/10.7522/j.issn.1000-0534.2025.00087

论文

基于青藏高原夏季加密探空的CRA再分析产品评估

  • 廖捷 , 1 ,
  • 远芳 1 ,
  • 赵平 2 ,
  • 韩熠哲 1
展开
  • 1. 国家气象信息中心，北京 100081
  • 2. 中国气象科学研究院，北京 100081

廖捷（1981 -）， 女， 广西人， 正高级工程师， 主要从事气象数据分析评估与产品研发. E-mail：

收稿日期: 2025-03-12

  修回日期: 2025-07-18

  网络出版日期: 2025-09-28

基金资助

国家自然科学基金重大项目(42090033)

中国气象局青年创新团队项目(CMA2023QN08)

国家青年科学基金项目(42405084)

收起

Comparative Evaluation of CRA Reanalysis by Using the Intensive Radiosonde Observations over the Qinghai-Xizang Plateau in Summer

  • Jie LIAO , 1 ,
  • Fang YUAN 1 ,
  • Ping ZHAO 2 ,
  • Yizhe HAN 1
Expand
  • 1. National Meteorological Information Center，Beijing 100081，China
  • 2. Chinese Academy of Meteorological Sciences，Beijing 100081，China

Received date: 2025-03-12

  Revised date: 2025-07-18

  Online published: 2025-09-28

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

青藏高原天气气候不仅对亚洲区域气候产生深远影响， 还在更大范围内调控北半球气候格局。国外多种大气再分析产品已被广泛用于揭示高原天气气候特征。中国气象局于2020年发布了第一代全球大气再分析产品（CRA）， 前期评估发现其在常规观测数据密集区表现优异， 但在观测稀疏的青藏高原地区性能尚待研究。因此， 基于第三次青藏高原大气科学试验5个台站2014年6 -8月共686条未被模式同化的高质量探空廓线， 对CRA在高原上空的温度、 风场和相对湿度进行独立检验； 并选取高原及周边21个探空站业务观测数据开展非独立性检验， 将评估结果与欧洲中期天气预报中心（ECMWF）中期再分析产品（ERA-Interim）、 ECMWF第五代再分析产品（ERA5）及日本55年再分析产品（JRA-55）共三套再分析产品进行对比分析。非独立检验结果表明： 在对流层和平流层低层， CRA温度和风场与业务探空观测的相关系数均大于0.9。相对于业务探空观测， CRA温度在对流层中高层的均方根误差（RMSE）小于1 ℃， 400 hPa和500 hPa温度平均偏差（Bias）接近于0 ℃。CRA近地面纬向风的RMSE约为2.5 m·s-1， 随高度逐渐减小， 至100 hPa下降至1.5 m·s-1。相对湿度在各高度层的RMSE均维持在20%以下。独立检验结果表明： 600~30 hPa， CRA相对于探空温度、 纬向风和经向风的均方根误差（RMSE）均值在高原西部分别为1.38 ℃、 3.19 m·s-1和3.22 m·s-1； 在高原东部分别为1.16 ℃、 2.65 m·s-1和2.90 m·s-1， 西部区域各要素误差略高于东部， 且表现出显著的日变化特征。600 hPa及以下， CRA的气温和相对湿度误差最大值均出现在午后。在500 hPa， CRA相对湿度误差最大值出现在傍晚。总体上， CRA能够客观地再现青藏高原地区温度、 风速和相对湿度的垂直变化特征。与其他几套再分析产品相比， CRA相对湿度最接近探空湿度观测， 风场误差略高于其他再分析产品， 但平均差异不超过0.4 m·s-1。

关键词： 青藏高原; CRA大气再分析产品; 探空观测; 评估

本文引用格式

廖捷 , 远芳 , 赵平 , 韩熠哲 . 基于青藏高原夏季加密探空的CRA再分析产品评估[J]. 高原气象, 2026 , 45(2) : 324 -338 . DOI: 10.7522/j.issn.1000-0534.2025.00087

Abstract

The weather and climate of the Qinghai-Xizang Plateau （QXP） not only exert profound influences on Asian regional climate but also regulate broader Northern Hemisphere climate patterns.Various global atmospheric reanalysis datasets developed abroad have been extensively utilized to characterize the QXP's climate features.In 2020， the China Meteorological Administration released its first-generation global atmospheric reanalysis product （CRA）， which demonstrated superior performance in regions with dense conventional observations， yet its skill over the QXP remains unclear.In this study， we performed an independent evaluation of CRA's upper-air temperature， wind fields， and relative humidity using 686 high-quality， non-assimilated radiosonde profiles from five stations collected during June-August 2014 in the 3rd Qinghai-Xizang Plateau Atmospheric Scientific Experiment.A non-independent assessment was also performed using routine observations from 21 sounding stations across the QXP and adjacent areas.Results were compared with those from ERA-Interim， ERA5， and JRA-55 reanalysis datasets.Non-independent validation results demonstrate that in the troposphere and lower stratosphere， correlation coefficients of temperature and wind speed between CRA and operational radiosonde observations exceed 0.9.Relative to operational radiosondes， CRA temperature bias of 400 hPa and 500 hPa approaching 0 ℃.The near-surface zonal wind RMSE of CRA is about 2.5 m·s-1， decreasing gradually with altitude to 1.5 m·s-1 at 100 hPa.Relative humidity RMSE remains below 20% across all altitude layers.Independent validation results indicate that errors in air temperature and wind speed over the eastern Qinghai-Xizang Plateau are generally smaller than those over the western plateau， whereas relative humidity errors are larger in the east.From 600 hPa to 30 hPa， the mean root-mean-square errors （RMSE） of CRA relative to radiosonde for temperature， zonal wind， and meridional wind are 1.38 ℃， 3.19 m·s-1， and 3.22 m·s-1 in the western Qinghai-Xizang Plateau， respectively； and 1.16 ℃， 2.65 m·s-1， and 2.90 m·s-1 in the eastern Qinghai-Xizang Plateau， respectively.Errors in the western QXP were slightly larger than in the east and exhibited pronounced diurnal variability.Maximum temperature and relative humidity errors below 600 hPa occur in the afternoon.At 500 hPa， peak relative humidity errors appear in the evening.CRA objectively reproduces the QXP’s vertical structures of temperature， wind speed， and relative humidity.Compared to other reanalysis products， CRA’s relative humidity estimates were closest to radiosonde observations， and wind field errors were slightly higher than those of other datasets but did not exceed 0.4 m·s-1 on average.

Key words： Qinghai-Xizang Plateau （QXP）; reanalysis; radiosonde; evaluation

1 引言

自20世纪90年代中期以来， 美国、 日本和欧洲中期数值预报中心等国家和机构陆续组织并实施了一系列全球大气再分析计划。再分析产品利用先进的数值天气预报模式和数据同化系统， 将长期观测序列进行同化处理， 被认为是高质量的气候数据产品， 旨在提供大气状态的最佳估计（Yang and Kim， 2017）。再分析产品也是天气和气候研究中应用最广泛的数据源之一（Parker， 2016）， 已广泛用于模式强迫、 地表-大气相互作用、 反馈机制和大尺度环流模式诊断等领域（Francis， 2002）。然而， 由于不同再分析产品在研制阶段采用的技术细节（包括模式特征、 水平和垂直分辨率、 物理参数化、 边界条件以及同化方案等）存在差异， 且同化的观测数据也各不相同， 从而导致不同再分析产品对同一区域大气状态的描述可能存在差异（Fujiwara et al， 2017）。在气象观测资料密集地区， 大气再分析产品通常能够较好地反映大气的实际状况。然而在观测资料稀疏地区， 不同再分析产品的差异可能较大。
青藏高原（以下简称高原）是一个气象观测资料稀疏地区。它的热力作用类似于一个受感热驱动的“气泵”， 对大气环流重要的强迫作用， 影响着亚洲季风、 降水、 区域能量平衡和水循环（Liu et al， 2017； Zhao et al， 2018； Kong and Chiang， 2020； 马耀明等， 2021； 罗红羽等， 2023）。然而， 高原地区探空观测数据的稀缺， 不仅加大了对局地大气环流系统（尤其是天气尺度与中尺度系统）从西向东发展和移动过程的探测难度（杨颖璨等， 2018； Zhao et al， 2018）， 也导致再分析数据在制作中缺乏足够的探空观测数据进行同化。这增加了数据同化过程中的误差与不确定性， 进而影响了再分析产品在高原上空大气层中对真实大气状态描述的准确性。因此， 在利用大气再分析产品研究高原天气气候之前， 需要定量评估大气再分析产品的不确定性。
许多学者评估了国外研制的大气再分析产品对青藏高原上空大气状态的描述能力。胡梦玲等（2015）的评估表明， 美国研发的20世纪再分析产品（20CR）、 气候预报系统再分析产品（CFSR）、 美国国家环境预报中心（NCEP）第一代再分析产品（NCEP1）、 NCEP第二代再分析产品（NCEP2）、 ERA-Interim、 ECMWF 20世纪气候模拟再分析产品（ERA-20CM）和JRA-55这7套再分析产品的位势高度和风场在高原地区的适用性存在显著的季节性、 空间和垂直层次差异。除多等（2016）验证了美国宇航局（NASA）面向研究和应用的全球再分析产品（MERRE）的地表温度在高原的适用性。赵洪宇等（2017）进一步表明JRA-55和ERA-Interim再分析产品在比湿方面存在较大偏差。周顺武和张人禾（2009）对比了美国NCEP/NCAR再分析产品和高原12个探空站的观测数据， 发现再分析数据能够客观反映高原的气候特征。Bao and Zhang（2013）利用第二次青藏高原试验（TIPEX-II， 1998年5月10日至8月9日）获取的独立探空观测数据， 评估了NCEP/NCAR、 NCEP CFSR、 ERA-40和ERA-Interim等四套大气再分析产品在100~500 hPa的质量。随后， 他们结合第三次青藏高原试验（1998年、 2008年及2015 -2016年5 -8月暖季）获得的6000余条独立探空观测廓线， 进一步对NCEP CFSR、 ERA-Interim、 JRA-55和MERRA-2四套再分析产品在100~500 hPa高度层的表现进行了评估（Bao and Zhang， 2019）。上述评估结果表明， 不同的再分析产品对各个变量的描述存在显著差异。由于缺乏高质量的独立探空观测资料， 以往的研究在对高原地区再分析产品评估时所用独立的观测数据较少。
国家气象信息中心于2013年底启动全球大气再分析工作， 2017年发布了中国第一代全球大气再分析产品的中间产品（以下简称CRA-Interim）。评估表明， CRA-Interim能够反演南极中山站-Dome A断面的气温及极端气温事件的变化（朱江萍等， 2020）。2020年11月， 中国气象局正式发布中国第一代全球大气再分析产品（CRA， 时间分辨率为6 h， 空间分辨率34 km， 垂直层次为64层）（Liu et al， 2023）。用户可通过访问国家气象科学数据中心下载CRA（https： //data.cma.cn/data/index/98555d0119fa185a.html）。与欧美发布的再分析产品相比， CRA在中国地区同化了更多的地面、 高空、 飞机报及近海船舶浮标观测数据（Chen et al， 2021； Jiang et al， 2021； Liao et al， 2021）。以ERA5为基准， 多方综合评估表明， CRA的三维大气温度场、 湿度场、 风场等总体上优于国际第一、 二代全球大气再分析产品， 与国际第三代全球大气再分析产品质量相当（周自江等， 2022）。尽管CRA同化了2015年9月以来的第三次青藏高原加密观测数据， 但并未同化2014年6 -8月的第三次青藏高原试验的加密探空观测。由于2014年6 -8月的加密观测数据也未被国际上其他再分析产品同化， 因此这部分数据为我们客观评估CRA和其他再分析产品在高原上空的质量提供了可能。
本文利用2014年6 -8月第三次青藏高原试验加密探空观测数据， 主要对CRA的高空温度、 湿度和风场的质量进行评估， 同时三套国际上广泛应用的水平分辨率较高的大气再分析产品（JRA-55、 ERA-Interim和ERA5）评估结果被用于与CRA进行比较。评估结果可为评估不同数值天气预报模式和相关数据同化系统在高原及周边地区的质量和可信度提供参考。

2 数据来源和方法介绍

2.1　无线电探空仪观测资料

第三次青藏高原大气科学试验（Zhao et al， 2018）于2014年6月23日至8月31日在5个台站使用维萨拉便携式探空仪系统进行了加密探空仪观测（图1）。在狮泉河站（站号： 55228）、 改则站（站号： 55248）和申扎站（站号： 55472）， 每日进行三次探空观测（00:00、 06:00和12:00， 世界时， 下同）。在青藏高原东部的金川站（站号： 56168）和九龙站（站号： 56462）每日进行4次探空观测（00:00、 06:00、 12:00和18:00）。加密观测期间共收集了686条探空廓线。本文首先对垂直高分辨率（维萨拉探空系统每2 s采样一次）的探空观测数据进行综合质量控制（Yuan et al， 2021）， 以剔除观测或传输过程可能出现的错误数据。其次， 将风速和风向数据转换成纬向风（u）和经向风（v）分量。最后， 选择规定等压面层为评估层次， 利用低于20 hPa的规定等压面观测资料与再分析结果进行比较。作为参考， 本文还选取了同一时段高原及周边地区的21个业务探空站观测数据， 与四套再分析产品进行比较。
图1 青藏高原及周边地区探空站点分布

红色五角星为第三次青藏高原试验探空站， 蓝色圆点为业务探空站

Fig.1 Radiosonde station over the Qinghai-Xizang Plateau.Red pentagram is the radiosonde station of the 3rd Qinghai-Xizang Plateau atmospheric scientific experiment， blue point is the operational radiosonde station

表1 加密探空观测数据概况

Table 1 Basic information for the intensive radiosonde observations

站名 站号 时间范围 廓线数量/个
00:00 06:00 12:00 18:00
狮泉河 55228 7月6日至8月31日 38 40 52 0
改则 55248 7月8日至8月31日 40 36 36 0
申扎 55472 6月23日至8月31日 69 0 68 0
金川 56168 6月23日至7月31日 38 39 39 38
九龙 56462 6月23日至7月31日 38 38 39 38

2.2　大气再分析产品

CRA再分析产品由国家气象信息中心提供（http： //data.cma.cn）， 其时间分辨率为6 h， 空间分辨率34 km， 垂直层次为64层。本文还使用了其他三套空间高分辨率再分析产品进行对比验证， 包括JRA-55（时间分辨率为3 h， 空间分辨率约55 km， 垂直层次为60层）（Kobayashi et al， 2015）、 ERA-Interim（时间分辨率为6 h， 空间分辨率约80 km， 垂直层次为60层）（Dee et al， 2011）和ERA5（时间分辨率为1 h， 空间分辨率约31 km， 垂直层次为137层）（Hersbach et al， 2020）。由于美国NECP/DOE和MERRA2再分析产品空间分辨率较低， 因此本文主要采用日本及欧洲的较高空间分辨率产品进行对比。

2.3　分析方法

本文采用双线性插值将各时次各规定等压面层的再分析产品水平插值到探空观测点， 用于和青藏高原探空垂直廓线进行匹配。评估分成独立性检验和非独立性检验两部分。独立检验采用的是加密探空观测数据， JRA-55、 ERA-Interim、 ERA5和CRA等再分析产品均未同化这部分观测数据。非独立检验采用的是21个业务探空站观测数据， 几套再分析产品均同化了这部分站点的业务观测数据。在独立性检验时， 为了检验再分析产品的区域依赖性， 将高原分为两个区域： 区域一为90°E以西的高原西部， 包括狮泉河、 改则和申扎三个站； 区域二是90°E以东的高原东部， 包含金川和九龙两个站。
本文通过标准差（STD）、 均方根误差（RMSE）和平均偏差（Bias）的变化来验证高原地区CRA再分析产品的质量和适用性。
以850 hPa气温为例， 某一区域标准差计算公式如下：
S T D = 1 n ∑ i = 1 n ( x i - x ¯ ) 2
式中： x i为统计时段内每条探空廓线或再分析产品在该层次的气温值。n为该区域所有站点所有探空廓线在该层次观测的样本数， i=1， 2，…， n。 x ¯为统计时段该层次的气温平均值。
再分析相对于观测的Bias和RMSE计算公式如下：
B i a s = 1 n ∑ i = 1 n ( A i - O i )
R M S E = 1 n ∑ i = 1 n ( A i - O i ) 2
式中： O i为统计时段内该层次的第i个气温观测值； A i为第i点对应的再分析气温值。

3 结果分析

3.1　非独立检验

图2给出了CRA与业务探空观测的平均偏差和均方根误差垂直分布。作为对比， 也给出了JRA-55、 ERA-Interim和ERA5三套再分析产品的评估结果。与业务探空站观测的温度数据相比［图2（a）］， CRA在500 hPa和400 hPa的Bias接近于0 ℃， 在300~50 hPa均为弱的负偏差， 100 hPa负偏差为-0.45 ℃。500~200 hPa， CRA相对于观测的RMSE均小于1 ℃。700~70 hPa， CRA与观测的相关系数均大于0.93， 在300 hPa相关系数大于0.97。总体而言， CRA温度相对于JRA-55而言更接近探空观测， 除了在100 hPa附近， CRA和ERA-Interim都较ERA5的偏差更小。探空传感器在高空在气球上升阶段， 受太阳辐射加热影响， 测量到的温度会偏高。如果没有进行有效辐射误差订正， 白天与夜间的探空温度序列会存在明显的差异。不同观测系统对探空温度的辐射订正存在差异。在数值模式资料同化应用过程中， 应根据实际对太阳辐射引起的探空温度系统偏差进行有效订正。不同订正方案各有特点， 在改善探空温度资料质量方面效果也不同。李庆雷等（2020）详细介绍了国内外主要探空温度偏差订正技术。CRA在同化全球探空温度前， 采用了自主研发的中国日定时探空温度规定等压面温度订正技术， 并同步开展了特性层温度订正， 这可能是导致CRA的温度偏差更小的主要原因。CRA的探空温度订正方法详见Chen et al （2021）。
图2 四套再分析产品相对于业务探空观测的Bias（实线）和RMSE（虚线）（a）气温， （b）相对湿度， （c）U风， （d）V风

Fig.2 Comparison of Bias （solid line） and RMSE （dashed line） between four reanalysis products and operational radiosonde observations.（a） temperature， （b） relative humidity， （c） U wind， （d） V wind

与业务探空观测风场相比， CRA的纬向风与探空相关系数在300~50 hPa的相关系数均超过0.97， 经向风的相关系数略低， 但在300~100 hPa相关系数也大于0.9， 300 hPa、 200 hPa和100 hPa的相关系数分别为0.925、 0.96、 0.935（图略）。从误差的垂直分布来看， CRA的RMSE随高度逐渐减小， 近地面风的RMSE约为2.5 m·s-1， 至100 hPa下降至1.5 m·s-1。CRA在100 hPa以下纬向风的RMSE为2.35~2.7 m·s-1， 略低于JRA-55和ERA-Interim， 但略高于ERA5。
与业务探空观测相对湿度相比［图2（d）］， CRA相对湿度在各高度层的RMSE维持在20%以下； 相关系数在300 hPa及以下均大于0.75， 700 hPa相关系数最高。与其他几套再分析产品相比， CRA的相对湿度在300 hPa和400 hPa表现最好。

3.2　独立检验

3.2.1　温度

图3（a）和图4（a）分别给出了青藏高原西部和东部CRA夏季各等压面温度相对于加密探空观测的平均偏差和均方根误差。在高原西部， CRA夏季温度在600 hPa表现为弱的负偏差， 平均偏差为-0.08 ℃； 对流层中高层为暖偏差， 70 hPa以上又表现为弱的冷偏差； 500 hPa、 300 hPa和100 hPa的气温RMSE分别为2.31 ℃、 0.92 ℃和1.29 ℃。从近地面至200 hPa， CRA相对夏季探空观测的RMSE随高度逐渐减小至0.68 ℃， 随后又开始增加。从CRA与加密探空温度的相关系数垂直变化看（图5）， 近地面至70 hPa， CRA与探空温度相关系数在高原西部均大于0.8， 300 hPa相关系数达到0.93。在高原东部， CRA在500 hPa、 300 hPa和100 hPa相对于加密探空温度的RMSE分别为0.93 ℃、 0.69 ℃和1.14 ℃， 相对于高原西部更接近于探空观测。
图3 四套再分析产品相对于高原西部加密探空观测的Bias（实线）和RMSE（虚线）

（a）气温， （b）相对湿度， （c）U风， （d）V风

Fig.3 Comparison of Bias （solid line） and RMSE （dashed line） between four reanalysis products and intensive radiosonde observations over the Western Qinghai-Xizang Plateau.（a） temperature， （b） relative humidity， （c） U wind， （d） V wind

图4 四套再分析产品相对于高原东部加密探空观测的Bias（实线）和RMSE（虚线）

（a）气温， （b）相对湿度， （c）U风， （d）V风

Fig.4 Comparison of Bias （solid line） and RMSE （dashed line） between four reanalysis products and intensive radiosonde observations over the Eastern Qinghai-Xizang Plateau.（a） temperature， （b） relative humidity， （c） U wind， （d） V wind

图5 四套再分析产品与加密探空观测的相关系数和标准差 图（a）~（h）为高原西部， 图（i）~（p）为高原东部。从左往右， 分别为气温、 相对湿度、 U风和V风的统计结果。从上往下， 第一行和第三行为再分析产品与探空的相关系数； 第二行和第四行为探空观测和再分析产品的标准差

Fig.5 Correlation coefficients and standard deviations of reanalysis and intensive radiosonde observations.（a）~（h） represent the Western Plateau， （i）~（p） represent the Eastern Plateau.From left to right， the statistical results are for temperature， relative humidity， U-wind， and V-wind.From top to bottom， the first and third rows show the correlation coefficients； the second and fourth rows show the standard deviations of radiosonde observations and reanalysis products

从600 hPa至30 hPa的误差整层平均结果看， 在高原西部， CRA、 JRA-55、 ERA-Interim和ERA5的气温RMSE平均值分别为1.38 ℃、 1.55 ℃、 1.39 ℃和1.40 ℃； 在高原东部， CRA、 JRA-55、 ERA-Interim和ERA5的气温RMSE平均值分别为1.06 ℃、 1.02 ℃、 1.03 ℃和1.02 ℃。与其他再分析产品相比， CRA在近地面和100 hPa的绝对偏差最小， RMSE总体与JRA-55、 ERA5和ERA-Interim保持在同一水平。
从偏差的时序变化看， 四套再分析产品相对于探空温度偏差的日际变化在各个层次均较为一致。以400 hPa为例（图6）， 在狮泉河站， 7月4日、 7月22日几套再分析产品均表现为明显的负偏差， CRA偏差幅度相对略大。6月30日和7月15日前后九龙站的两次降水过程发生时， JRA-55温度误差更为显著。但总体而言， 再分析产品相对探空观测的误差与降水等天气过程的相关性并不明显。
图6 2014年夏季四套再分析产品的温度相对于探空观测在400 hPa的温度逐日偏差 （a）狮泉河， （b）申扎， （c）九龙， （d）金川； 黑色柱状图为地面日降水量

Fig.6 Daily temperature difference of reanalysis and radiosonde at 400 hPa in the summer of 2014.（a） Shiquanhe， （b） Shenzha， （c） Jiulong， （d） Jinchuan； black bar is the daily precipitation

3.2.2　相对湿度

在高原西部， CRA、 JRA-55、 ERA-Interim和ERA5的600 hPa夏季相对湿度Bias分别为0.8%、 25.5%、 29.7%和11.1%， RMSE分别11.7%、 28.0%、 32.6%和17.1%。在高原东部， CRA、 JRA-55、 ERA-Interim和ERA5的600 hPa相对湿度Bias分别为2.7%、 7.9%、 14.2%和9.3%， RMSE分别24.3%、 25.5%、 28.1%和26.0%。即在600 hPa， CRA的误差均小于ERA5、 ERA-Interim和JRA-55。在500 hPa和400 hPa， CRA相对湿度在高原东部的RMSE分别为19.7 %和25.5%， 略高于其他再分析产品。在高原西部， CRA在500 hPa的RMSE为51.6%， 略低于ERA-Interim和ERA5； 在400 hPa， CRA的RMSE为23.0%， 误差小于其他三套再分析产品。CRA在400 hPa与探空相对湿度的相关系数为0.6， 也高于其他三套再分析产品。总体而言， 相对于其他再分析产品， CRA能够更好的表征青藏高原夏季大气中、 低层的湿度特征。

3.2.3　风

CRA夏季纬向风在平流层低层的平均值和标准差方面与探空观测吻合得很好［图5（g）， （o）］。CRA与加密探空观测200 hPa的相关系数在高原西部达0.95。在对流层， CRA的纬向风相对于观测为负偏差， 最大误差出现在500 hPa。在高原西部， 500 hPa、 300 hPa和100 hPa的纬向风Bias分别为-2.01 m·s-1、 -1.29 m·s-1、 0.17 m·s-1， RMSE分别为3.61 m·s-1、 3.48 m·s-1和2.99 m·s-1［图3（c）］； 在高原东部， 这几个层次的纬向风Bias分别为-0.63 m·s-1、 -0.42 m·s-1、 0.35 m·s-1， RMSE分别为2.69 m·s-1、 2.85 m·s-1和2.78 m·s-1 ［图4（c）］。总体而言， CRA在高原东部的质量要优于西部。
从600~30 hPa的整层平均结果看， 在高原西部， CRA、 JRA-55、 ERA-Interim和ERA5的纬向风RMSE平均值分别为3.19 m·s-1、 2.92 m·s-1、 2.80 m·s-1和2.81 m·s-1； 在高原东部， CRA、 JRA-55、 ERA-Interim和ERA5的纬向风RMSE平均值分别为2.74 m·s-1、 2.85 m·s-1、 2.73 m·s-1和2.65 m·s-1。
在高原西部， CRA对300 hPa以下的纬向风存在一定的低估。对2014年7月四套再分析月值产品的风场进行研究可知， 2014年夏季四套再分析产品捕捉到的西风带位置和强度基本一致， 但CRA模拟的反气旋位置相对于其他产品略微偏北（图7）。这可能是导致独立性检验结果中CRA对纬向风存在部分低估的原因。在300 hPa以上， CRA纬向风的平均偏差很小， 大多在1 m·s-1以内， 明显小于其余三套再分析产品， 而JRA-55在各等压面的南风都略微偏高。在100 hPa以下， CRA风场的RMSE略高于其他三种再分析产品， 但均小于CRA同化系统使用的探空观测误差。
图7 2014年7月四套再分析产品的400 hPa风矢量和纬向风速（填色阴影， 单位： m·s-1）（a） CRA， （b） ERA5， （c） JRA-55， （d） ERA-Interim。蓝色框为CRA模拟的反气旋位置

Fig.7 Wind vector and U wind （shading， unit： m·s-1） field at 400 hPa in July 2014.（a） CRA， （b） ERA5， （c） JRA-55， （d） ERA-Interim.The blue box shows the anticyclone position simulated by CRA

在高原西部， CRA在500 hPa、 300 hPa和100 hPa的夏季经向风RMSE分别为2.99 m·s-1、 3.45 m·s-1和3.48 m·s-1［图3（d）］； CRA在西部的RMSE最大值出现在400 hPa， 为3.98 m·s-1。CRA在高原东部夏季的经向风表现为弱的负偏差， 70 hPa误差最大， Bias为-0.7 m·s-1， 600 hPa的Bias为-0.61 m·s-1， 其余各层的Bias绝对值均小于0.2 m·s-1。除了200 hPa和100 hPa， CRA在高原东部各层的RMSE均小于3 m·s-1， 500 hPa、 300 hPa和100 hPa的经向风RMSE分别为2.6 m·s-1、 2.88 m·s-1和3.27 m·s-1 ［图4（d）］。CRA与高空的相关系数均随高度先增加， 至200 hPa， 高原东部和西部的相关系数分别为0.86和0.85， 从200 hPa往上， 相关系数又开始减小。
从600~30 hPa的整层平均结果看， 在高原西部， CRA、 JRA-55、 ERA-Interim和ERA5的经向风RMSE平均值分别为3.22 m·s-1、 3.04 m·s-1、 2.90 m·s-1和2.93 m·s-1； 在高原东部， 经向风RMSE平均值分别为2.91 m·s-1、 3.04 m·s-1、 2.92 m·s-1和2.89 m·s-1。总体而言， 四套再分析产品在100 hPa的风场标准差与观测值吻合， CRA与探空风的相关性略低于其他再分析。

3.3　均方根误差和偏差的日变化

除了00:00和12:00的常规观测外， 第三次青藏高原试验的探空观测还包含了06:00和18:00的观测。这提供了一个难得的机会来评估不同再分析产品误差的日变化特征。由图8和图9可知， CRA在高原东侧的Bias和RMSE都具有明显的日变化。日变化特征随资料来源和海拔的变化而变化。CRA近地面气温在白天（00:00和06:00）表现为明显的暖偏差， 600 hPa平均气温偏差在06:00出现1.3 ℃的峰， RMSE在06:00达2.5 ℃。与CRA不同， ERA5和JRA-55近地面到600 hPa的气温均表现为冷偏差。在600 hPa， CRA相对湿度误差最大值出现在06:00， 在500 hPa， CRA相对湿度在12:00的误差则要高于06:00。与CRA类似， ERA5相对湿度在500 hPa和400 hPa的误差最大值出现在12:00， 但误差要略大于CRA。与CRA和ERA5不同， JRA-55在400 hPa的相对湿度最大， 误差最大值出现在06:00。CRA气温和相对湿度的RMSE在白天（06:00和12:00）也略高于早晨和夜间（00:00和18:00）。与其他再分析产品相比， CRA在300~100 hPa的纬向风Bias日变化特征偏弱。相对而言， JRA-55在300 hPa及以下纬向风Bias误差偏大， 且具有更明显的日变化特征。
图8 三套再分析产品CRA （左）， ERA5 （中）和JRA-55 （右）在青藏高原东部地区相对于探空观测Bias的日变化 （a）~（c）气温， （d）~（f）相对湿度， （g）~（i）U风， （j）~（l）V风， （m）~（o）风速

Fig.8 The diurnal variations of the mean biases of CRA （left）， ERA5 （medium）， and JRA-55 （right） at different pressure levels validated against the soundings for the Eastern of Qinghai-Xizang Plateau.（a）~（c） air temperature， （d）~（f） relative humidity， （g）~（i） U wind， （j）~（l） V wind， （m）~（o） wind speed

图9 三套再分析产品CRA （左）， ERA5 （中）和JRA-55 （右）在青藏高原东部地区相对于探空观测RMSE的日变化 （a）~（c）气温， （d）~（f）相对湿度， （g）~（i）U风， （j）~（l）V风， （m）~（o）风速

FIG.9 The diurnal variations of the mean biases of CRA （left）， ERA5 （medium）， and JRA-55 （right） at different pressure levels validated against the soundings for the Eastern of Qinghai-Xizang Plateau（a）~（c） air temperature， （d）~（f） relative humidity， （g）~（i） U wind， （j）~（l） V wind， （m）~（o） wind speed

4 结论

基于2014年6 -8月的青藏高原21个业务探空观测数据和5个加密探空观测数据， 本文对CRA再分析产品进行了非独立和独立检验， 并与JRA-55、 ERA-Interim、 ERA5再分析产品的结果进行了比较， 得到如下结论：
（1） 非独立检验结果表明： 在对流层和平流层低层， CRA温度和风场与业务探空观测的相关系数均大于0.9。相对于业务探空观测， CRA温度在对流层中高层的RMSE小于1 ℃， 400 hPa和500 hPa温度Bias接近于0 ℃。CRA近地面纬向风的RMSE约为2.5 m·s-1， 随高度逐渐减小， 至100 hPa下降至1.5 m·s-1。相对湿度在各高度层的RMSE均维持在20%以下。
（2） 独立检验结果表明： 高原东部气温和风速的误差总体要小于高原西部， 但相对湿度的误差要大于西部。从600~30 hPa的整层平均结果看， 在高原西部， CRA夏季的气温RMSE小于JRA-55、 ERA-Interim和ERA5三套再分析产品的RMSE， 纬向风RMSE总体略高于其他几套再分析产品； 在高原东部， CRA夏季气温的RMSE与其他几套再分析产品的RMSE基本一致， 但在东部CRA纬向风RMSE略高于ERA-Interim和ERA5， 但要低于JRA-55的RMSE。无论是在高原西部还是东部， CRA在600 hPa的夏季相对湿度的误差均低于其他再分析产品。相对于其他三套再分析产品， CRA相对湿度在300 hPa和400 hPa表现也是最好的。
（3） 从高原夏季CRA误差的日变化特征看， 600 hPa及以下， CRA的气温和相对湿度误差最大值均出现在午后。在500 hPa， CRA相对湿度误差最大值出现在傍晚， 在300 hPa和100 hPa的纬向风Bias日变化特征略弱于其他再分析产品。
总体上， 评估表明， CRA能较为客观地反映出高原地区的大气温度场、 风场和湿度场变化。CRA相对湿度在300 hPa和400 hPa比其他几套再分析表现更好， 温度误差与其他几套再分析产品维持在同一水平， 差异在0.2 ℃左右， 风场误差比其他再分析产品略高0.4 m·s-1。需要说明的是， 受加密观测所限， 评估工作仅限于采用观测数据来开展CRA及JRA-55、 ERA-Interim和ERA5等再分析产品在夏季对青藏高原地区高空大气特征描述的局地误差分析， 且只能从4个时次的评估结果来分析日变化特征， 结果具有一定局限性。下一阶段， 将引入更多观测数据， 聚焦重大天气过程前后环流变化， 补充气压场分析结果， 开展CRA在不同地区、 不同季节的适用性评估。在此基础上， 结合数值模式、 物理参数化方案和同化方法的差异性， 探讨导致再分析产品差异的原因， 为CRA在不同领域应用提供有益参考。

衷心感谢国家气象信息中心周自江研究员高屋建瓴的指导意见， 对论文成稿至关重要。衷心感谢审稿专家字斟句酌的审阅， 他们提出的宝贵意见对提升论文的质量有极大帮助。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Bao X H， Zhang F Q， 2013.Evaluation of NCEP-CFSR， NCEP-NCAR， ERA-Interim， and ERA-40 Reanalysis Datasets against independent sounding observations over the Tibetan Plateau［J］.Journal of Climate， 26（1）： 206-214.

Bao X H， Zhang F Q， 2019.How accurate are modern atmospheric reanalyses for the data-sparse Tibetan Plateau region？［J］.Journal of Climate， 32（21）： 7153-7172.

Chen Z， Zhou Z J， Liu Z Q， et al， 2021.Bias adjustment and analysis of Chinese daily historical radiosonde temperature data［J］.Journal of Meteorological Research， 35（1）： 17-31.

Dee D P， Uppala S M， Simmons A J， et al， 2011.The ERA-Interim reanalysis： Configuration and performance of the data assimilation system［J］.Quarterly Journal of the Royal Meteorological Society， 137（656）： 553-597.

Francis J A， 2002.Validation of reanalysis upper-level winds in the Arctic with independent rawinsonde data［J］.Geophysical Research Letters， 29（9）： 1-4.

Fujiwara M， Wright J S， Manney G L， et al， 2017.Introduction to the SPARC Reanalysis Intercomparison Project （S-RIP） and overview of the reanalysis systems［J］.Atmospheric Chemistry and Physics， 17： 1417-1452.

Hersbach H， Bell B， Berrisford P， et al， 2020.The ERA5 global reanalysis［J］.Quarterly Journal of the Royal Meteorological Society， 146（730）： 1999-2049.

Jiang H， Xu W H， Yang S， et al， 2021.Development of an integrated global land surface dataset from 1901 to 2018［J］.Journal of Meteorological Research， 35（5）： 789-798.

Kobayashi S， Ota Y， Harada Y， et al， 2015.The JRA-55 reanalysis： general specifications and basic characteristics［J］.Journal of the Meteorological Society of Japan， 2015， 93（1）： 5-48.

Kong W， Chiang J C H， 2020.Interaction of the Westerlies with the Tibetan Plateau in determining the Mei-Yu Termination［J］.Journal of Climate， 33（1）： 339-363.

Liao J， Wang H Y， Zhou Z J， et al， 2021.Integration， quality assurance， and usage of global aircraft observations in CRA［J］.Journal of Meteorological Research， 35（1）： 1-16.

Liu G， Zhao P， Chen J M， 2017.Possible effect of the thermal condition of the Tibetan Plateau on the interannual variability of the summer Asian-Pacific oscillation［J］.Journal of Climate， 30（24）： 9965-9977.

Liu Z Q， Jiang L P， Shi C X， et al， 2023.CRA-40/atmosphere-the first-generation Chinese atmospheric reanalysis（1979-2018）： system description and performance evaluation［J］.Journal of Meteorological Research， 37（1）： 1-19.

Parker W S， 2016.Reanalyses and observations： what’s the difference［J］.Bulletin of the American Meteorological Society， 97（9）： 1565-1572.

Yang E G， Kim H M， 2017.Evaluation of a regional reanalysis and ERA-interim over East Asia using in situ observations during 2013-14［J］.Journal of Applied Meteorology and Climatology， 56（10）： 2821-2844.

Yuan F， Zhou Z J， Liao J， et al， 2021.A quality control method for high-resolution radiosonde temperature and wind data［J］.Atmospheric and Oceanic Science Letters， 14（2）： 100029.

Zhao P， Xu X D， Chen F， et al， 2018.The third atmospheric scientific experiment for understanding the earth-atmosphere coupled system over the Tibetan plateau and its effects［J］.Bulletin of the American Meteorological Society， 99（4）： 757-776.

除多， 杨勇， 罗布坚参， 等， 2016.MERRA再分析地面气温产品在青藏高原的适用性分析［J］.高原气象， 35（2）： 337-350.DOI： 10.7522/j.issn.1000-0534.2015.00018.Chu D ，

Yang Y， Luobu J C， et al， 2016.Applicability analysis of MERRA surface air temperature over the Qinghai-Xizang Plateau［J］.Plateau Meteorology， 35（2）： 337-350.DOI： 10.7522/j.issn.1000-0534.2015.00018 .

胡梦玲， 游庆龙， 林厚博， 2015.青藏高原地区多套位势高度和风场再分析资料的对比分析［J］.冰川冻土， 37（5）： 1229-1244.

Hu M L， You Q L， Lin H B， 2015.Comparative analyses of geopotential height and wind field from multiple reanalysis data over the Tibetan Plateau［J］.Journal of Glaciology and Geocryology， 37（5）： 1229-1244.

李庆雷， 陈哲， 廖捷， 等， 2020.探空温度偏差订正技术调研报告［J］.气象科技进展， 10（5）： 19-25.DOI： 10.3969/j.issn.2095-1973.2020.05.004.Li Q L ，

Chen Z， Liao J， et al， 2020.Research report on radiosonde temperature bias correction［J］.Advances in Meteorological Science and Technology， 10（5）： 19-25.

罗红羽， 于海鹏， 胡泽勇， 等， 2023.青藏高原热源对我国旱区气候异常影响研究进展［J］.高原气象， 42（2）： 257-271.DOI： 10.7522/j.issn.1000-0534.2022.00070.Luo H Y ，

Yu H P， Hu Z Y， et al， 2023.Progress of the impact of the Qinghai-Xizang Plateau heat sources on climate anomalies in drylands of China［J］.Plateau Meteorology， 42（2）： 257-271.DOI： 10.7522/j.issn.1000-0534.2022.00070 .

马耀明， 胡泽勇， 王宾宾， 等， 2021.青藏高原多圈层地气相互作用过程研究进展和回顾［J］.高原气象， 40（6）： 1241-1262.DOI： 10.7522/j.issn.1000-0534.2021.zk006.Ma Y M ，

Hu Z Y， Wang B B， et al， 2021.The review of the observation experiments on land-atmosphere interaction progress on the Qinghai-Xizang （Tibetan） Plateau［J］.Plateau Meteorology， 40（6）： 1241-1262.DOI： 10.7522/j.issn.1000-0534.2021.zk006 .

杨颖璨， 李跃清， 陈永仁， 2018.高原低涡东移加深过程的结构分析［J］.高原气象， 37（3）： 702-720.DOI： 10.7522/j.issn.1000-0534.2017.00054.Yang Y C ，

Li Y Q， Chen Y R， 2018.The characteristic analysis of an eastwards Plateau Vortex by its strengthening process［J］.Plateau Meteorology， 37（3）： 702-720.DOI： 10.7522/j.issn.1000-0534.2017.00054 .

赵洪宇， 张雪芹， 解承莹， 2017.多源水汽再分析资料在青藏高原的适用性评估［J］.干旱区研究， 34（2）： 300-308.

Zhao H Y， Zhang X Q， Xie C Y， 2017.Applicability of reanalysis data of multi-source water vapor over the Tibetan Plateau［J］.Arid Zone Research， 34（2）： 300-308.

周顺武， 张人禾， 2009.青藏高原地区上空NCEP/NCAR再分析温度和位势高度资料与观测资料的比较分析［J］.气候与环境研究， 14（3）： 284-292.Zhou S W， Zhang R H， 2009.Comparison of NCEP/NCAR reanalysis data and radiosonde data about temperature and geopotential height of upper air over the Tibetan Plateau［J］.Climatic and Environmental Research， 14： 284-292.

周自江， 曹丽娟， 廖捷， 等， 2022.水文气象信息概述： 观测、 融合与再分析［J］.气象， 48（3）： 272-283.

Zhou Z J， Cao L J， Liao J， et al， 2022.Overview of hydrometeorological information： observation， data fusion and reanalysis［J］.Meteorological Monthly， 48（3）： 272-283.

朱江萍， 谢爱红， 丁明虎， 等， 2020.中国第一代再分析产品CRA Interim气温在东南极中山站-Dome A断面的适用性分析［J］.冰川冻土， 42（4）： 1145-1157.

Zhu J P， Xie A H， Ding M H， et al， 2020.Applicability analysis of the air temperature in the CMA Global Reanalysis product CRA Interim in the section from Zhongshan Station to Dome A， East Antarctica［J］.Journal of Glaciology and Geocryology， 42（4）： 1145-1157.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn