ERA5资料在天津沿海海陆风特征分析中的适用性评估

使用2018年3月—2021年2月欧洲中期天气预报中心ERA5资料和站点逐小时风向、风速等资料,采用常规方法筛选天津沿海海陆风事件,比较分析不同资料呈现出的海陆风起讫时间、持续时间、强度等指标表征的海陆风特征的年均和季节差异,以评估ERA5资料的适用性。结果表明:(1)2套资料四季分布对应较好,均能显示夏季海陆风日数最多这一基本特征;海风持续时间较陆风持续时间更长,年均强度高于陆风,最强均出现在春季。(2)年均差异主要表现为,站点资料显示的海风开始和结束时间呈弱双峰结构,陆风开始和结束时间均早于ERA5资料,平均海风和陆风持续时间短于ERA5资料。(3)季节差异主要表现为,ERA5资料显示陆风强度极小值出现在夏季,海风最长持续时间主要出现在秋季;站点资料显示陆风强度极小值在秋季,海风最长持续时间出现在春、夏两季。评估结果显示,较长时间序列ERA5资料与站点资料的相关性较高,适用于天津沿海海陆风特征研究。

ERA5资料在蓟州复杂地形下的检验与应用

以复杂地形的天津蓟州为例,通过对比距离蓟州最近的大兴探空站资料与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)第五代大气再分析(ECMWF Reanalysis v5,ERA5)资料的差异,对基于ERA5资料生成的强对流指数在蓟州的适用性进行检验和评估。结果表明:(1)ERA5资料与大兴探空站探测的位势高度、气温和风速在对流层高度吻合,说明ERA5资料能够描述蓟州高空气象条件,且对低空的表现能力比高空准确,各要素中大气湿度的表现相对较差;(2)基于ERA5生成的对流指数中,与强对流天气密切相关的对流有效位能(convective available potential energy, CAPE)、K指数、沙瓦特指数(Showalter index, SI)和大气可降水量(precipitable water, PW)与大兴探空站对应参数的相关系数分别达到0.66、0.90、0.93和0.99,表明利用ERA5构建的对流指数能够揭示大气不稳定层结条件;(3)ERA5对流指数变化与蓟州降水过程相对应,ERA5能够反映天气的变化和发展,为强对流潜势分析提供参考。

基于ERA5再分析数据的中国邻近海域极端波高特征分析

极端波浪对沿海地区基础设施有着深远的影响,了解它们的变化规律是进行海岸带风险分析和灾害预防的基础。文章基于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting,ECMWF)第五代再分析数据集(ECMWFreanalysisv5,ERA5),对中国邻近海域1979~2018年间极端波高展开时空特征分析,并统计了40a厄尔尼诺系数,利用广义极值分布(generalized extreme value,GEV)函数探究了近40 a厄尔尼诺现象对我国海域极端波高的影响,结果显示:统计1979~2018年整个研究区域前2%极端波浪年均值在6~10 m间浮动,且整体趋势递增,在四季趋势变化中,春夏极端波高增长趋势较秋冬高,且波动明显,在年际极端波高变化趋势中有较大波动时大多伴随着厄尔尼诺或是拉尼娜现象的发生,结合厄尔尼诺现象对GEV分布中位置参数的影响分布图和极端波高年、季节际趋势变化分布图,厄尔尼诺现象影响大的地区极端波高大多呈现增长趋势,表明厄尔尼诺现象对极端波高有较高影响。

HRCLDAS与ERA5-Land气温日统计数据在山东地区的对比评估

基于山东省2021年3月—2022年2月1519个气象观测站2 m气温观测数据,对中国气象局高分辨率陆面数据同化系统(High Resolution China Meteorological Administration Land Data Assimilation System,HRCLDAS)和欧洲中期天气预报中心第五代陆面再分析数据集(ERA5-Land)逐小时2 m气温分析的日统计数据(平均气温、最高气温、最低气温)进行对比评估。结果显示:(1)HRCLDAS/ERA5-Land日统计平均气温、最高气温、最低气温的均方根误差分别为0.1/1.2℃、0.6/1.9℃、0.4/1.7℃,表明HRCLDAS具有更高的精度,且在不同地理区域、不同海拔高度的表现均优于ERA5-Land,大部地区的偏差(-0.5~0.5℃)远低于ERA5-Land(-2.0~2.0℃)。(2)两套数据对高温及寒潮过程的监测能力对比评估表明,HRCLDAS能够捕捉到大部分的高温以及寒潮过程,其与观测的高温日数及寒潮日数空间分布较为相似,但对影响范围存在一定的低估;ERA5-Land则只能监测到部分高温及寒潮过程,并对高温日数与寒潮日数存在严重的低估。

GNSS PWV典型季风气候特征奇异谱分析

为了进一步研究利用全球卫星导航系统(GNSS)大气可降水量(PWV)分析不同气候类型特征,进行GNSS PWV典型季风气候特征奇异谱分析:选取中国中东部地区2016—2021年部分连续运行参考站(CORS)数据,提出将全球气压和温度(GPT(GPT3_1、GPT3_5))模型、欧洲中期天气预报中心第五代大气再分析数据集(ERA5)模型3种大气模型分别与GNSS解算的对流层总延迟(ZTD)数据融合获取的PWV值进行对比分析,得出中国3种典型季风气候类型GNSS PWV最优大气模型;然后提出利用奇异谱分析(SSA)法分解重构出GNSS PWV时间序列,从而基于GNSS PWV分析不同季风气候类型特征。结果表明,中国3种典型季风气候类型条件下ERA5模型精度较优,选择ERA5模型为最优大气模型,重构后的GNSS PWV变化趋势能够很好地反映出3种典型季风气候类型的特征;因此GNSS PWV可应用于气候特征分析。

A Study on Reconstruction of Surface Wind Speed in China Due to Various Climate Variabilities

Using European Centre for Medium-Range Weather Forecasts Reanalysis V5(ERA5)reanalysis data,this study investigated the reconstruction effects of various climate variabilities on surface wind speed in China from 1979 to 2022.The results indicated that the reconstructed annual mean wind speed and the standard deviation of the annual mean wind speed,utilizing various climate variability indices,exhibited similar spatial modes to the reanalysis data,with spatial correlation coefficients of 0.99 and 0.94,respectively.In the reconstruction of six major wind power installed capacity provinces/autonomous regions in China,the effects were notably good for Hebei and Shanxi provinces,with the correlation coefficients for the interannual regional average wind speed time series being 0.65 and 0.64,respectively.The reconstruction effects of surface wind speed differed across seasons,with spring and summer reconstructions showing the highest correlation with reanalysis data.The correlation coefficients for all seasons across most regions in China ranged between 0.4 and 0.8.Among the reconstructed seasonal wind speeds for the six provinces/autonomous regions,Shanxi Province in spring exhibited the highest correlation with the reanalysis,with a coefficient of 0.61.The large-scale climate variability indices showed good reconstruction effects on the annual mean wind speed in China,and could explain the interannual variability trends of surface wind speed in most regions of China,particularly in the main wind energy provinces/autonomous regions.

一种中国区GNSS加权平均温度分层格网模型

为了进一步提升大气加权平均温度(T_(m))模型在地基全球卫星导航系统(GNSS)反演可降水量(PWV)中的精度,提出一种中国区GNSS加权平均温度模型:针对中国地势复杂多变,气候多样的环境特征,基于1990—2019年欧洲中期天气预报中心第五代大气再分析数据集(ERA5),综合考虑T_(m)的季节性变化及长期线性趋势,构建T_(m)的分层格网模型(CT_(m)S);然后以74个无线电探空站提供的2020年气象数据为参考,评估CT_(m)S的精度及可用性,并利用第三代全球T_(m)模型(GT_(m)-III)及全球气压温度(GPT3)模型进行对比验证。结果表明:CT_(m)S模型的均方根偏差(RMSE)均值为4.0 K,较GPT3及GT_(m)-III模型分别提升21.6%及8.0%,且在高海拔地区表现出明显的精度优势;CT_(m)S模型的PWV不确定度均值为0.32mm,相比于GPT3及GT_(m)-III模型分别减少16.6%及6.5%,且在中国西北地区表现出更优的精度及稳定性;提出的模型可为中国地区GNSS实时水汽监测提供参考。

顾及周期性变化的大气加权平均温度模型构建

针对大气加权平均温度(T_(m))是地基全球卫星导航系统(GNSS)水汽反演过程中的一个中间变量,其精度会影响地基GNSS水汽反演精度,同时T_(m)表现出较强的地域性差异的现状,研究建立地区的T_(m)模型:利用兰州市榆中探空站气象数据和欧洲中期天气预报中心第五代大气再分析数据集(ERA5)分别建立单因子、顾及年周期变化、顾及年和半年周期变化的T_(m)模型;并对2种气象数据所建的3类模型进行显著性检验和精度验证。结果表明:模型均能通过显著性水平为0.05的显著性检验,同时顾及周期性变化模型的预测值的均方根误差和平均绝对误差均小于贝维斯(Bevis)模型和单因子模型;利用顾及周期变化的模型预测的T_(m)偏差中大于5 K和大于10 K的值占比明显减小且预测残差的周期趋势明显减弱,具有零均值的正态分布特性,仅表现出误差的随机性。总体而言,ERA5气象数据所建模型预测精度高于探空站气象数据所建模型;用ERA5气象数据建立的顾及周期性变化的T_(m)模型可用于兰州市GNSS大气水汽反演。

GNSS和非实测气象参数的PWV反演方法及其精度评估

水汽是大气的重要组成成分之一,其时空变化受气温、气压等多种气象因素的影响。因此,研究水汽反演影响因素对获取高精度水汽信息具有重要意义。以中国区域为例,研究利用全球导航卫星系统(global navigation satellite sys‐tem,GNSS)和非实测气象数据(气温和气压)探测大气可降水量(precipitable water vapor,PWV)的方法。首先,对欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting,ECMWF)第5代气候再分析数据集(ECMWF reanalysis v5,ERA5)提供的气温、气压和GNSS反演的天顶对流层延迟进行评估;其次,大气加权平均温度T_(m)是PWV反演的关键参数,对不同的T_(m)计算模型进行分析,确定中国区域最优T_(m)计算模型;最后,根据误差传播理论推导PWV的理论误差,利用非实测数据计算小时分辨率的PWV并进行精度评估。结果表明,利用GNSS获取的中国区域PWV与无线电探空/ERA5 PWV均有较好的时空一致性,降雨期间PWV的误差较非降雨期间稍大。所提方法获取的PWV理论误差为2.0 mm,实际误差为2.1 mm。因此,基于GNSS和非实测气象参数反演的PWV具有较高精度,对于研究中国区域水汽时空变化与分布具有重要意义。