2. 苏州市气象局, 苏州 215131;
3. 南京大学 气候与全球变化研究院, 南京 210093
2. Suzhou Meteorological Bureau, Suzhou 215131, China;
3. Institute for Climate and Global Change Research, Nanjing University, Nanjing 210093, China
天气和气候的研究需要高质量、高分辨率、长期而连续的全球高空观测资料.然而,台站观测资料具有时空分布不均、非长期连续性、台站稀少尤其是在沙漠和高山等地形复杂区域台站稀疏等缺点,不能满足大气科学研究的需要.再分析计划及其产品的出现很大程度上弥补了台站资料时空分布不均等缺陷,满足长期气候变化研究的需要,为深入理解大气环流及其在气候形成中的作用提供了长期而连续的、覆盖全球的四维资料集,极大地促进了对地球大气的系统性研究.目前国际上主要的再分析计划有:美国国家环境预报中心(NCEP)和大气研究中心(NCAR)的50年NCEP/ NCAR(简称NCEP-1,Kalnay et al.,1996)全球再分析计划,NCEP与美国能源部(DOE)的NCEP/DOE(简称NCEP-2,Kanamitsu et al.,2002)全球再分析计划,以及NCEP气候预测系统再分析计划(NCEP/CFSR,简称CFSR,Sara et al.,2010);欧洲中期数值预报中心(ECMWF)45年(ERA-40,Uppala et al.,2005)及Interim(ERA-Interim,Simmons et al.,2006;Uppala et al.,2008)全球大气再分析计划;日本气象厅(JMA)和日本电子能源工业中央研究所(CRIEPI)联合组织实施的25年全球大气再分析计划(JRA-25,Onogi et al.,2007);美国国家航空航天局(NASA)现代回顾性再分析计划(MERRA,Rienecker et al.,2011)等.这些再分析资料在气候变化和变率、气候诊断和分析以及气候模式验证等各种研究中得到了广泛的应用(Hnilo et al.,1999;Lambert and Mitchell,1999;Boyle,2000).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.所以,对不同再分析资料的质量进行检验与评估至关重要,不仅有助于提高气候变化研究结果的可靠性,而且对于资料同化技术的改进以及再分析资料产品质量的提高也具有十分重要的意义.
在全球和区域尺度上对再分析资料地表变量(如地表气温、降水及海平面气压、土壤湿度等)可信度的检验国内外已经开展了较多的研究工作;结果表明再分析资料基本能描述全球和区域地表变量的分布特征,但仍存在一些差异.研究发现,再分析资料高估陆地上而低估海洋上的冬季气温,且ERA-Interim对冬季气温的描述优于ERA-40和NCEP-1(Monney et al.,2010).Decker等指出,尽管MERRA具有更高的时空分辨率且同化了卫星瞬时降水率,但是对近地表气温、风速、降水的描述仍不及ERA-Interim,但优于ERA-40、NCEP-2和CFSR(Decker et al.,2011).此外,有关研究表明再分析资料对地表气温和海平面气压的描述优于降水(赵天保和符淙斌,2006;Liu et al.,2011).相对于NCEP-1和NCEP-2,CFSR对大尺度降水模态的描述具有显著的提高,但对降水强度和频率的估计存在较大的偏差(Higgins et al.,2010;Silva et al.,2011).
再分析资料也普遍用于高空变量的研究,如高层风、温度、位势高度和湿度等.大量研究发现NCEP-1对位势高度和温度的描述在20世纪70年代以前存在明显虚假的年代际变化趋势(Lu et al.,2005;黄刚,2006;赵天保和符淙斌,2009;Zhao and Fu,2009;Liu et al.,2012).Zhao和Li(2006)利用再分析资料研究了南北半球之间的质量传输问题,发现NCEP-1背离观测事实,NCEP-2相对NCEP-1有显著的提高,而ERA-40和JRA-25的模拟结果相对较好.此外,NCEP-1、ERA-Interim和JRA-25对全球水汽分布的描述一致性较好,差异主要存在于南美洲、非洲和印度半岛的对流区域(Kishore et al.,2011);而ERA-40和NCEP-1对北大西洋850 hPa上相对湿度的估计存在较大偏差,且ERA-40存在一些不真实的值(Daoud et al.,2009).其他关于再分析资料高空变量可信度的研究也不断开展(苏志侠等,1999;徐影等,2001;Fitzmaurice and Bras,2008;周顺武和张人禾,2009;Yu et al.,2010; Stachnik and Schumacher,2011;Stickler and Bronnimann,2011).
我国夏季同时受东、西风带控制,南亚高压位于青藏高原上空,且高原南侧出现全球最强的东风急流;而我国西南及东部地区分别受印度西南季风和东亚季风控制.此外,副热带高压在我国东部势力增强.受这些环流系统的影响,我国夏季的天气变化十分复杂.正确描述我国的夏季环流特征对夏季天气变化的研究至关重要.但对于中国地区高空变量产品的质量问题,特别是不同再分析数据集中温度场和风场等产品的质量问题现阶段还缺乏系统性的评估和检验.本文的主要目的是利用全球探空资料(IGRA),检验目前常用的全球再分析数据高空变量在中国区域对流层中高层的适用性,以期对今后利用再分析数据研究我国天气和气候变化及模式检验等提供一定参考. 2 资料介绍
本文检验分析了1989—2008年NCEP-1、NCEP-2、CFSR、JRA-25、 ERA-Interim及MERRA全球再分析数据的位势高度、温度、水平风及绝对湿度在中国地区对流层中高层的适用性.其中NCEP-1、NCEP-2的空间分辨率为2.5°×2.5°,JRA-25为1.25°×1.25°,CFSR为0.5°×0.5°,ERA-Interim为1.5°×1.5°,MERRA为0.5°×0.5°,选取的再分析数据集均为月平均场.
NCEP-1是由NCEP和NCAR联合执行的全球大气再分析计划,采用了三维变分同化技术,时间覆盖1948年至今,是目前应用最为频繁的一套再分析数据;NCEP-1对卫星观测数据的使用较为局限.NCEP-2由NCEP和美国能源部(DOE)联合制作,可以看作NCEP-1全球大气再分析资料计划的延续,时段为1979年至今;所用的数值预报模式、同化方案和观测系统等都与NCEP-1大致相同,但校正了NCEP-1中存在的一些已知的误差问题,同时作为验证第二次大气模式比较计划(AMIP)的基本资料.CFSR是NCEP最新的一套全球耦合再分析数据,采用了交互式的海冰模式及三维变分同化技术,时段为1979年至今,相较于NCEP-2,它具有更高的水平和垂直分辨率且加强了卫星观测数据的应用.JRA-25来源于日本气象厅(JMA)和电力中央研究所(CRIEPI),是迄今为止在亚洲地区所完成的第一套长期再分析资料,时间覆盖1979年至今. ERA-Interim是最新的欧洲中期数值预报中心(ECMWF)再分析数据,也是本文中唯一一套使用了四维变分同化方案的数据;ERA-Interim提高了模式的物理过程及水汽分析,消除了ERA-40水分循环中存在的一些问题.MERRA是NASA全球模拟和同化办公室(GMAO)的第二代再分析计划,该计划将NASA地球卫星观测系统数据加入到气候记录中并对早期再分析数据的水分循环进行提升,在降水和水汽气候估计方面都有了显著的成效,数据时段跨越1979年至今.
本文所采用的观测资料为美国国家气候数据中心(NCDC)提供的全球探空资料(IGRA),时间分辨率为12小时.本文剔除了在比较时段内数据不够完整的测站,最终用于中国区域的台站为107个.为了便于比较和分析,根据台站的稀疏分布和地形特征,对台站进行编号并把中国分为东北、西北、西南和东南4个区域,图 1为这些台站在中国区域的分布及子区域划分.分析过程中采用双线性插值法将再分 析数据插值到观测台站得到台站再分析值,以便在 各台站及不同区域对再分析值与观测值进行对比分析.
![]() | 图 1 中国地区107个观测台站的分布及四个子区域Fig. 1 Locations of 107 stations and four sub-regions over China |
本节将比较再分析资料和观测资料高空变量多年夏季平均气候态在中国地区的分布特征,以期对再分析资料再现中国地区高空位势高度、温度、绝对湿度和水平风场等基本要素场的能力进行初步的检验与评估. 3.1.1 相对误差分析
图 2给出了中国地区20年(1989—2008)夏季平均对流层中高层位势高度及中层绝对湿度再分析资料相对于观测资料的误差分布.相对误差为负表示再分析资料低估变量,反之则高估.图 2a—2f显示,几套再分析资料在整个区域均低估200 hPa位势高度但程度较弱,误差仅为-0.3%~0且误差的空间分布较为均一;其中CFSR、NCEP-2误差相对 较大而ERA-Interim较小.从数值上看,500 hPa位势高度再分析和观测的相对误差(图 2g—2l)较高层200 hPa稍弱,表明再分析资料对中层位势高度的描述稍优于高层.夏季中高层温度再分析和观测结果也较为一致(图略),误差在±6%之间;与位势高度场类似,CFSR、NCEP-2与观测的温度误差也相对较大.再分析资料对500 hPa绝对湿度的再现能力较位势高度和温度稍弱(图 2m—2r),中国大部分地区绝对湿度再分析较观测普遍偏高,北部地区高估可达30%以上,华南地区高估也较为明显,尤其是CFSR和MERRA.
![]() | 图 2 1989—2008年夏季平均高空变量台站再分析值和观测的相对误差分布(单位:%)
(a—f)200 hPa 位势高度,(g—l)500 hPa位势高度,(m—r)500 hPa绝对湿度.Fig. 2 Spatial distributions of relative error of summer(a—f)200 hPa,(g—l)500 hPa geopotential height and (m—r)500 hPa specific humidity between the reanalysis and observations during 1989—2008(unit: %) |
对于纬向风和经向风,由于在风切变处风速趋近于0,在风速差异很小的情况下相对误差可能会很大,造成结果失真,故仅对全风速的相对误差进行检验.中国地区夏季对流层中高层水平风速再分析资料相对观测资料的误差如图 3.从图中可以看出,再分析资料对中高层水平风速的估计明显偏低,且误差均呈现由南至北减弱的趋势,中国北部地区误差约为-20%~-10%,而南部地区误差则可达-40%以上;分析还发现,500 hPa误差较200 hPa稍大.
![]() | 图 3 同图 2,但为(a—f)200 hPa水平风速,(g—l)500 hPa水平风速Fig. 3 Same as Fig. 2,except for(a—f)200 hPa wind speed,(g—l)500 hPa wind speed |
为了进一步了解再分析资料对多年夏季平均高空变量的描述能力在垂直大气中的变化情况,图 4给出了区域夏季平均高空变量再分析和观测相对误差的垂直分布.图 4a—4c显示,在整个垂直剖面上,位势高度再分析较观测均偏低(误差约为-0.3%~0.3%),且误差随高度增加而增大(850 hPa外);其中CFSR的结果稍差,而ERA-Interim则较优.对 于温度(图 4d—4f),再分析和观测的误差则呈现随高度减弱的变化趋势,低层误差在±6%之间;同样,ERA-Interim的温度误差相对也较小.此外,再分析资料对风速的低估均较为显著(图 4g—4i),误差低层大于高层,且东部大于西部,最大可达-60%以上;各再分析数据之间没有明显的优劣之分.与观测相比,再分析资料的绝对湿度在几个区域均偏大(图 4j—4l);东北和东南地区误差随高度升高而增大,高层误差基本大于20%;西北误差则在中层500 hPa 较小.分析发现,东部地区,ERA-Interim、MERRA对中低层水汽的高估较为明显,而NCEP-1和NCEP-2较弱;西北地区则相反,NCEP-1及NCEP-2对绝对湿度的高估更为显著.
![]() | 图 4 1989—2008年夏季区域平均高空变量再分析资料和观测相对误差的垂直分布
(a—c)位势高度,(d—f)温度,(g—i)水平风速,(j—l)绝对湿度;(a,d,g,j)为东北地区,(b,e,h,k)为东南地区,(c,f,i,l)为西北地区.Fig. 4 Vertical profiles of relative error of summer(a—c)geopotential height,(d—f)temperature,(g—i)wind speed and (j—l)specific humidity over(a,d,g,j)Northeast China,(b,e,h,k)Southeast China and (c,f,i,l)Northwest China between the reanalysis and observations during 1989—2008 |
总体而言,几套再分析数据均能较好地描述出夏季中高层位势高度和温度气候态的空间分布特征,对绝对湿度的再现能力稍弱;而对水平风速的描述相对较差且误差具有明显的地域分布特征.相对而言,ERA-Interim对位势高度及温度的描述较好,但对绝对湿度并没表现出明显优势,CFSR的结果稍差;各再分析资料对风场的描述并没有明显的优劣之分. 3.1.2 空间相关及变率
为了评估多年夏季平均高空变量再分析数据和观测数据的相似程度,建立了高空变量空间分布的泰勒图(图 5).泰勒图中用来评估再分析数据和观测数据相似程度的统计变量为相关系数、均方根误差(RMSE)及标准差,利用观测场(IGRA)对RMSE和标准差进行标准化.泰勒图中X轴上参考点(REF)和原点之间的距离为单位1,图中距离REF越近的点,对应的数据对对应变量的描述结果越好.由图 5可以看出,200 hPa高度上再分析数据对位势高度的描述和观测最为接近,相关系数均大于0.99且标准差较接近于1;其中NCEP-1和观测的相似程度稍弱,其他再分析数据之间没有明显的优劣之分.此外,几套再分析数据也基本能反映出高层温度和纬向风的空间分布特征;温度场的相关系数为0.97左右且标准偏差接近于1;纬向风再分析和观测相关性达0.99但标准差仅为0.75左右;同样,NCEP-1的高层纬向风偏差相对较大.再分析数据对高层经向风的描述较不理想,与实际观测资料相比相关系数较低(小于0.1)、标准差较小(小于0.5)而均方根误差较大;即空间变率存在较大的偏差,且空间位相相对观测场偏移也较为明显.
![]() | 图 5 表征中国地区对流层中高层变量再分析与观测相似程度的泰勒图Fig. 5 Taylor diagram displaying a statistical comparison with observations of six reanalysis of the regional patterns of summer mean geopotential height,temperature,U wind,V wind and specific humidity |
中层500 hPa高度上,再分析资料都能较好地反映出位势高度和温度的空间分布特征,而且对绝对湿度和纬向风的描述也较好,前者相关系数在0.95左右,且标准差较接近于1;而后者相关系数都大于0.95,标准差基本都在0.75左右.同样,几套再分析数据的夏季平均500 hPa经向风与观测的偏差都较大,相关系数只有0.7,标准差在0.5~0.75之间.相对而言,NCEP-1和NCEP-2对这几个高空变量的描述能力较其他再分析数据稍弱. 3.2 年际变化
为了检验再分析资料对夏季高空变量年际变化的描述能力,计算了1989—2008年高空变量距平再分析与探空观测数据之间的均方根误差(如图 6,其中均方根误差已相对观测值进行了标准化).从图中可以看出,中高层位势高度各再分析数据和观测的均方根误差的空间变化趋势基本一致(图 6a,6e).在200 hPa高层,东北及西北地区误差较小,往南逐渐增大;其中CFSR和观测的差异最为明显,最大达1.2左右,其次为MERRA,而JRA-25和观测的差异较小.CFSR的500 hPa位势高度与观测的偏差也较大,特别是在西北和西南地区误差更为显著.从数值上看,再分析数据对中高层温度的描述能力和位势高度相近(图 6b,6f),误差基本在0.3~1.2之间;高层误差在空间上分布较为均一,中层误差则北部地区小于南部地区;总体而言,再分析资料对中层温度距平年际变化特征的描述优于高层,且相对而言 ERA-Interim、JRA-25和MERRA的再分析结果更接近观测.从再分析数据中高层纬向风和观测的误差的分布图上(图 6c,6g)可以看到,再分析数据能较好地描述中高层纬向风距平的年际变化特征,均方根误差均小于1;高层误差主要集中在东南及西南地区,基本大于0.6;中层则分布在西北及西南地区.而经向风距平年际变化再分析和观测的误差则相对较大(图 6d,6h),尤其是西南及东南地区,个别站点误差大于2,且几套再分析数据的结果几乎重合,表明再分析数据对我国中高层经向风的描述都较差.中层绝对湿度年际变化特征再分析和观 测的误差较小(图 6i),约为0.6~1.2,其中MERRA最优,其次为ERA-Interim和JRA-25,而NCEP-1和NCEP-2相对较差.
![]() | 图 6 1989—2008年夏季高空变量年际变化再分析和观测的标准化均方根误差
(a—d)200 hPa,(e—i)500 hPa,(a,e)位势高度,(b,f)温度,(c,g)纬向风,(d,h)经向风,(i)绝对湿度. Fig. 6 Normalized root mean square error of inter-annual variation for(a,e)geopotential height,(b,f)temperature,(c,g)U wind,(d,h)V wind and (i)specific humidity at(a—d)200 hPa and (e—i)500 hPa between the reanalysis and observations at observed stations during 1989—2008 |
总体而言,再分析资料对位势高度、温度和纬向风距平年际变化特征的反映较好,误差基本小于1且具有一定的地域特征,中层绝对湿度误差也较小;而经向风误差相对较大.再分析数据中,ERA-Interim和JRA-25的结果相对较好;除位势高度外,MERRA对高空变量距平年际变化特征的描述也较好; 而CFSR、NCEP-1及NCEP-2误差相对较大. 3.3 距平空间模态的对比
本文还对中国地区107个站点20年(1989—2008)夏季200 hPa和500 hPa位势高度、温度、纬向风、经向风和绝对湿度距平的再分析和观测结果分别进行了EOF分析,以期进一步解释高空基本要素场的变化规律,考察再分析资料对高空变量时空变化特征的描述能力.
图 7给出了中国地区夏季中层500 hPa位势高度、温度和绝对湿度距平的EOF第一模态的空间位相和时间系数.图 7a显示,夏季中层位势高度第一模态在35°N以南为正,正中心位于华南地区;而35°N以北为负,负中心位于东北地区;35°N南北呈反位相变化趋势.几套再分析资料的空间位相特征(图 7b—7g)和探空观测的结果吻合得均较好,但CFSR的南方地区正中心相对较弱(图 7b).而再分 析资料第一模态方差贡献均大于观测结果,观测为42.6%,再分析均大于54.3%;表明和观测相比,再分析资料表现出更为显著的南北反位相变化的空间分布模态.从时间系数上看(图 7h),中层位势高度存在3年左右的振荡特征,再分析资料均能较好地再现这种振荡.夏季200 hPa位势高度第一模态全 区域均为负值,北部负值大于南部,尤其是东北地区,表明全区域呈一致的变化趋势;各再分析资料均能较好地描述这一变化特征(图略).
![]() | 图 7 1989—2008年500 hPa位势高度、温度及绝对湿度距平的EOF分析
空间位相:(a—g)位势高度,(i—o)温度,(q—w)绝对湿度;时间系数:(h)位势高度,(p)温度,(x)绝对湿度. Fig. 7 EOF analysis of 500 hPa geopotential height,temperature and specific humidity anomaly during 1989—2008 |
夏季中层500 hPa温度第一模态在整个中国地区呈一致的变化趋势(图 7i),且变化的中心位于东北地区;再分析资料和观测的第一模态空间分布基本一致(图 7j—7o),仅CFSR存在两个负中心(图 7j),分别位于西北东部及东北南部一带.观测的第 一模态方差贡献为48.7%,再分析资料中方差贡献最小的为NCEP-2(49.3%),而最大为CFSR(56.8%). 从时间系数变化看(图 7p),再分析和观测资料相互吻合较好,存在2~4年的年际振荡周期.再分析资料也能较好地反映夏季高层200 hPa温度第一模态的时空变化特征(图略).
夏季中层探空观测的绝对湿度EOF第一模态在全区域均为正值(图 7q),中心位于青藏高原及其东部地区,表明全区域绝对湿度呈一致的变化趋势;而再分析资料中仅MERRA和观测吻合得较好(图 7w);CFSR呈现一正两负型分布(图 7r),负中心较弱且分别位于东北及华南南部地区,而其他再分析数据也呈现单一正位相型态但正中心较观测结果偏 南偏东(图 7s—7v).观测第一模态方差贡献为30.3%,MERRA与观测比较接近为34.3%.从EOF第一模态的时间系数(图 7x)可以看到,除NCEP-1在2004年与观测结果偏离较大外,其他再分析资料和观测结果均较为吻合.总体而言,再分析资料对中层绝对湿度的时空变化特征的反映相对较弱.
图 8为中国地区夏季中层纬向风和经向风距平的EOF第一模态的空间位相和时间系数.从探空观测资料的夏季中层纬向风EOF的第一模态空间分布图上(图 8a)可以看到,纬向风变化呈现我国东北和其他大部分地区的反位相变化趋势分布;各再分析资料均能较好地呈现这种一正一负的分布特征(图 8b—8g).中层纬向风第一模态的时间序列呈现准2年的振荡周期,再分析资料基本都能反映这种振荡(图 8h).高层200 hPa纬向风第一模态空间位相和时间系数再分析和观测也对应得比较好,东北北部、南方地区和其他地区呈反位相变化特征(图略).
![]() | 图 8 同图 7,但为纬向风和经向风距平的EOF分析Fig. 8 Same as Fig. 7,except for the EOF analysis of U wind and V wind anomaly |
夏季探空观测的500 hPa经向风第一模态空间位相为两负一正型,正中心位于内蒙古及华北地区,负中心位于东北北部和华南地区(图 8i),表明中层500 hPa经向风在东北、华南和其他地区呈相反的变化趋势.而再分析资料EOF第一模态的空间分布基本呈现我国西部和东部相反的变化趋势(图 8j—8o),与观测的空间模态分布有一定的差异.同样,如图 8p所示,夏季中层经向风第一模态的时间序列再分析和观测也存在较大的差异.总体而言,再分析资料对中高层经向风时空变化特征的刻画能力相对较弱.夏季探空观测的200 hPa的经向风EOF的第一模态空间由西到东呈现负正负的分布特征(图略),我国中部和东北、西北地区的高层经向风呈相反变化趋势.而再分析资料也能基本刻画出高层经向风第一模态我国中部和西北地区的反相位空间分布特征,但各再分析资料都没能反映出东北地区空间模态的位相特征.同时,再分析资料EOF第一模态的时间序列和观测偏差较大(图略),未能很好再现高空经向风的年际变化特征. 4 结论与讨论
本文利用全球探空资料(IGRA)对1989—2008年再分析资料NCEP-1、NCEP-2、CFSR、JRA-25、 ERA-Interim和MERRA的位势高度、温度、水平风及绝对湿度在中国对流层中高层的可信度进行了初步的检验.从夏季平均气候态、年际变化及EOF时空变化特征等方面进行分析.主要结论如下:
(1)几套再分析数据对位势高度和温度的夏季平均气候态均具有较好的再现能力,且位势高度相对误差随高度升高而增大,温度则相反;而绝对湿度再分析资料相对观测结果则存在30%左右的高估;此外,再分析数据对水平风的描述较不理想,大部分地区误差超过40%且误差具有明显的地域分布特征.泰勒图分析也显示,再分析数据对中高层位势高度及温度的描述优于纬向风和绝对湿度,而经向风 的结果相对较差;且NCEP-1、NCEP-2及CFSR对 高空变量夏季气候态的描述能力相对较弱.
(2)从高空变量距平的年际变化特征看,各再分析数据的结果基本一致;且对位势高度、温度和纬向风距平年际变化特征的反映较好;中层绝对湿度误差也较小;而经向风误差相对较大.再分析数据中,ERA-Interim和JRA-25的结果较优;除位势高度外,MERRA对高空变量距平年际变化特征的描述也较好; 而CFSR、NCEP-1及NCEP-2误差相对较大.
(3)从时空变化角度看,再分析资料均能较好地再现中高层位势高度和温度EOF分析第一模态的空间变化及时间振荡特征,其中CFSR的描述能力较其他再分析资料稍弱;绝对湿度和纬向风的空间位相再分析和观测则有弱的偏差,且绝对湿度MERRA和观测结果吻合最好;而中高层经向风时间和空间变化再分析和观测的偏差均较大,表明再分析资料对中高层经向风时空变化特征的刻画能力相对较弱.此外,高空变量EOF第一模态解释方差再分析较观测偏大,表明再分析数据的EOF第一模态空间分布特征较观测更为显著.
总体而言,再分析数据均能较好地描述出中国地区对流层中高层位势高度和温度的基本特征,但绝对湿度和纬向风存在弱的偏差,再分析资料的经向风结果相对而言不够理想;不同资料的对比分析显示ERAIN、MERRA和JRA-25的结果较CFSR、NCEP-1和NCEP-2更为可信.这些检验结果对今后利用再分析资料分析我国对流层中上层的气候变化、进行模式检验及利用区域气候模式预估区域气候变化等科研工作的开展具有一定的参考意义,有助于提高天气和气候变化研究结果的可靠性.
[1] | Boyle J S. 2000. Comparison of variability of the monthly mean temperature of the ECMW F and NCEP reanalyses and CCM3 and CSM simulation. Program for Climate Model Diagnosis and Intercomparison. |
[2] | Daoud A B, Sauquet E, Lang M, et al. 2009. Comparison of 850 hPa relative humidity between ERA-40 and NCEP/NCAR re-analyses: detection of suspicious data in ERA-40. Atmospheric Science Letters, 10(1): 43-47. |
[3] | Decker M, Brunke M A, Wang Z, et al. 2011. Evaluation of the reanalysis products from GSFC, NCEP, and ECMWF using flux tower observations. J. Climate, 25(6): 1916-1944. |
[4] | Fitzmaurice J, Bras R L. 2008. Comparing reanalyses using analysis increment statistics. Journal of Hydrometeorology, 9(6): 1535-1545. |
[5] | Higgins R W, Kousky V E, Silva V B S, et al. 2010. Intercomparison of daily precipitation statistics over the United States in observations and in NCEP reanalysis products. Journal of Climate, 23(17): 4637-4650, doi: 10.1175/2010JCLI3638.1. |
[6] | Hnilo J J, Santer B D, Boyle J, et al. 1999. Research Activities at the Program for Climate Model Diagnosis and Intercomparison. Program for Climate Model Diagnosis and Intercomparison. The Second International Conference on Reanalysis Reading. |
[7] | Huang G. 2006. The assessment and difference of the interdecadal variations of climate change in northern part of China with the NCEP/NCAR and ERA-40 reanalysis data. Climatic and Environmental Research (in Chinese), 11(3): 310-320. |
[8] | Kalnay E, Kanamitsu M, Kisfler R, et al. 1996. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 77(3): 437-471. |
[9] | Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP-DOE AMIP—Ⅱ Reanalysis (R2). Bulletin of American Meteorological Society, 83(11): 1631-1643. |
[10] | Kishore P, Ratnam M V, Namboothiri S P, et al. 2011. Global (50°S—50°N) distribution of water vapor observed by COSMIC GPS RO: Comparison with GPS radiosonde, NCEP, ERA-Interim, and JRA-25 reanalysis data sets. Journal of Atmospheric and Solar-Terrestrial Physics, 73(13): 1849-1860. |
[11] | Lambert S J, Mitchell H L. 1999. The Canadian Meteorological Centre (CMC) global analyses (1991—1996): an evaluation by comparison with the ECMWF and NCEP analysis. Atmos. Ocean, 36(4): 385-404. |
[12] | Liu G, Zhao P, Wu R G, et al. 2012. Potential flaws of interdecadal changes over eastern China around the early 1990s in the National Centers for Environmental Prediction-National Center for Atmospheric Research reanalyses. Journal of Geophysical Research, 117(D2): D0211, doi: 10.1029/2011JD016327. |
[13] | Liu Z F, Xu Z X, Yao Z J, et al. 2011. Comparison of surface variables from ERA and NCEP reanalysis with station data over eastern China. Theor. App. Climatol., 107(3-4): 611-621, doi: 10.1007/s00-704-011-0501-1. |
[14] | Lu C H, Kanamitsu M, Roads J O, et al. 2005. Evaluation of soil moisture in the NCEP-NCAR and NCEP-DOE global reanalyses. Journal of Hydrometeorology, 6(4): 391-408. |
[15] | Monney P A, Mulligan F J, Fealy R. 2010. Comparison of ERA-40, ERA-Interim and NCEP/NCAR reanalysis data with observed surface air temperature over Ireland. Int. J. Climatol., 31(4): 545-557, doi: 10.1002/joc.298. |
[16] | Onogi K, Tsutsui J, Koide H, et al. 2007. The JRA-25 reanalysis. Journal of the Meteorological Society of Japan, 85(3): 369-432. |
[17] | Rienecker M M, Suarez M J, Gelaro R, et al. 2011. MERRA: NASA's modern-era retrospective analysis for research and applications. J. Climate, 24(14): 3624-3647. |
[18] | Sara S, Moorthi S, Pan H L, et al. 2010. The NCEP climate forecast system reanalysis. Bull. Amer. Meteor. Soc., 91(8): 1015-1057. |
[19] | Silva V B S, Kousky V E, Higgins R W. 2011. Daily precipitation statistics for South America: An intercomparison between NCEP reanalyses and observations. Journal of Hydrometeorology, 12(1):101-117, doi: 10.1175/2010JHM1303.1. |
[20] | Simmons A J, Uppala S M, Dee D, et al. 2006. ERA-Interim: New ECMWF reanalysis products from 1989 onwards. ECMWF Newsletters, 110: 25-35. |
[21] | Stachnik J P, Schumacher C. 2011. A comparison of the Hadley circulation in modern reanalyses. Journal of Geophysical Research, 116(D22): D22102, doi: 10.1029/2011JD016677. |
[22] | Stickler A, Bronnimann S. 2011. Significant bias of the NCEP/NCAR and twentieth-century reanalyses relative to pilot balloon observations over the West African Monsoon region (1940—1957). Quarterly Journal of the Royal Meteorological Society, 137(659): 1400-1416, doi: 10.1002/qj.854. |
[23] | Su Z X, Lü S H, Luo S W. 1999. The examinations and analysis of NCEP/NCAR 40 years global reanalysis data in China. Plateau Meteorology (in Chinese), 18(2): 209-218. |
[24] | Uppala S, Dee D, Kobayashi S, et al. 2008. Towards a climate data assimilation system: status update of ERA-Interim. ECMWF Newsletter, 115: 12-18. |
[25] | Uppala S M, Kallberg P W, Simmons A J, et al. 2005. The ERA-40 re-analysis. Quart. J. Roy. Meteorol. Soc., 131(612): 2961-3012. |
[26] | Xu Y, Ding Y H, Zhao Z C. 2001. Confidence analysis of NCEP/NCAR 50-year global reanalyzed data in climate change research in China. Quarterly Journal of Applied Meteorology (in Chinese), 12(3): 337-347. |
[27] | Yu L J, Zhang Z H, Zhou M Y, et al. 2010. Validation of ECMWF and NCEP–NCAR reanalysis data in Antarctica. Advances in Atmospheric Sciences, 27(5): 1151-1168. |
[28] | Zhao T B, Fu C B. 2006. Preliminary comparison and analysis between ERA-40, NCEP-2 reanalysis and observations over China. Climatic and Environmental Research (in Chinese), 11(1): 14-32. |
[29] | Zhao T B, Fu C B. 2009. Applicability evaluation for several reanalysis datasets using the upper-air observations over China. Chinese Journal of Atmospheric Sciences (in Chinese), 33(3): 634-648. |
[30] | Zhao T B, Fu C B. 2009. Intercomparison of the summertime subtropical high from ERA-40 and over East Eurasia and the western North Pacific. Advances in Atmospheric Sciences, 26(1): 119-131. |
[31] | Zhao Y F, Li J P. 2006. Discrepancy of mass transport between the Northern and Southern Hemispheres among the ERA-40, NCEP/NCAR, NCEP-DOE AMIP-2, and JRA-25 reanalysis. Geophysical Research Letters, 33(20): L20804, doi: 10.1029/2006GL027287. |
[32] | 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. Climatic and Environmental Research (in Chinese), 14(3): 284-292. |
[33] | 黄刚. 2006. NCEP/NCAR和ERA-40再分析资料以及探空观测资料分析中国北方地区年际气候变化. 气候与环境研究,11(3):310-320. |
[34] | 苏志侠, 吕世华, 罗四维. 1999. 美国NCEP/NCAR 全球再分析资料及其初步分析. 高原气象, 18(2): 209-218. |
[35] | 徐影, 丁一汇, 赵宗慈. 2001. 美国NCEP/NCAR近50 年全球再分析资料在我国气候变化研究中可信度的初步分析. 应用气象学报, 12(3): 337-347. |
[36] | 赵天保, 符淙斌. 2006. 中国区域ERA-40、NCEP-2再分析资料与观测资料的初步比较与分析. 气候与环境研究, 11(1): 14-32. |
[37] | 赵天保, 符淙斌. 2009. 应用探空观测资料评估几类再分析资料在中国区域的适用性. 大气科学, 33(3): 634-648. |
[38] | 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. 气候与环境研究, 14(3): 284-292. |