雪深再分析資料在錫林浩特地區的適用性評價*

王 飛，朱仲元**，郝祥云，宋海清，韓冬冬

?

雪深再分析資料在錫林浩特地區的適用性評價*

王 飛1，朱仲元1**，郝祥云1，宋海清2，韓冬冬1

（1．內蒙古農業大學水利與土木建筑工程學院，呼和浩特 010018；2．內蒙古自治區生態與農業氣象中心，呼和浩特 010015）

利用歐洲中期預報中心（ECMWF）提供的1981?2010年ERA-Interim全球再分析積雪資料和ERA Interim/Land陸面模式積雪資料（簡稱ERA-Land），以錫林浩特地區（錫林浩特、阿巴嘎旗、東烏珠穆沁旗、西烏珠穆沁旗、正藍旗、多倫縣、那仁寶力格、克什克騰旗）共8個國家氣象臺站的觀測資料為標準，計算其與再分析資料的相關系數、平均偏差、標準差比等統計參數。結合線性變化對比及質量指數和Brunke排名法，綜合評估雪深再分析資料在錫林浩特地區的適用性。結果表明：ERA-Interim、ERA-Land資料均能很好地再現研究區積雪深度的季節變化趨勢，但錫林浩特及其以東站點較西部站點再現能力更強；ERA-Land資料的模擬效果更優，且具有很好的穩定性，其在包括錫林浩特的研究區北部站點較南部吻合度高，質量較好；ERA-Land資料在錫林浩特地區大部分站點有質量變好趨勢，那仁站最明顯，在錫林浩特以南的正藍旗站、多倫縣站呈現變差趨勢，但變率很??；ERA-Land資料在東烏珠穆沁旗站排序結果最優，正藍旗最差。

錫林浩特；積雪深度；再分析資料；適用性評估

積雪是氣候及水文循環可預測性的一個重要而活躍的氣象要素。其作為地球冰凍圈中覆蓋面積最大、季節和年際變化最顯著的組成部分，對氣候變化十分敏感，對全球氣候起著十分重要的調節作用[1?2]。同時積雪還是寒旱區草原重要的淡水資源，是河流徑流和地下水主要的補給之一[3]。融雪水入滲補給土壤表層水分，對土壤墑情預測、畜牧業、水資源合理利用、預防春旱有十分重要的意義[4]。但由于積雪不穩定且觀測難度大的特性，導致其積雪深度數據嚴重匱乏[5]。20世紀80年代后期，科學家們利用數值天氣預報中的同化技術模擬出長期歷史氣候資料，標志著“再分析數據”的問世[6?8]。近年，國內外學者對各類氣象要素的再分析資料在各地區的適應性及再分析資料與模型模擬數據的對比進行了大量研究[7,9?12]，并取得相關成果。但對積雪的再分析資料僅在較大空間尺度進行了應用及適應性的研究，在積雪再分析資料的應用方面多使用美國冰雪資料中心（National Snow and Ice Data Center）提供的積雪資料。陳海山等[13?14]利用美國冰雪資料中心積雪深度資料對亞歐大陸積雪的時空演變規律進行了研究。由各類機構提供的各種再分析資料因其同化過程的不同在相同地區的適應性也有所不同。Khan等[15]對美國能源部（NCEP-DOE）和40a歐洲中期天氣預報中心（ERA-40）與日本的JRA-25的再分析積雪特性資料在俄羅斯主要河流的實際應用性作了評估，發現與NCEP-DOE再分析資料相比，ERA-40資料更好地估計了流域平均雪水當量值，由日本氣象廳提供的JRA-25再分析資料的平均積雪深度被系統低估。而許蓓等[16]在對包括俄羅斯在內的亞歐大陸高緯度地區雪深再分析資料進行適用性評價時發現，同樣由日本氣象廳提供的JRA-55雪深再分析資料與觀測事實最為接近，能較好揭示歐亞中高緯雪深變化的空間分布特征，反映雪深的長期變化趨勢。劉金平[17]在研究中亞地區積雪分布變化時發現，中亞中高緯度地區的ERA-Interim積雪再分析數據，經實測雪深數據和MODIS積雪產品驗證，結果顯示相比實測雪深，ERA-Interim雪深精度可以達到72.1％，模擬效果較好。因此，再分析資料的精度在不同空間尺度上會表現出不同的結果，小尺度研究區各類再分析資料的模擬精度差異更加明顯。

錫林浩特地區屬典型的寒旱區草原，獲取有效的積雪資料是寒旱區草原水資源管理、農牧業發展和災害防御研究的重點。但由于研究區內積雪觀測站稀少，觀測難度大，導致其積雪觀測資料嚴重匱乏。找到適宜的模擬數據來補充該地區的積雪資料不足是解決這個問題的有效辦法。隨著衛星遙感技術日趨成熟，同化技術和數值預報技術不斷發展，再分析數據已被廣泛運用，為研究全球和區域氣候變化提供了重要的數據支持[18?19]。不過再分析數據是數值模式模擬與觀測資料同化得到的模擬資料，存在系統誤差，在不同地區的適應性及精度無法保證[20?21]，且在內蒙古地區運用較少，其質量與可信度有待進一步檢驗，故本研究對雪深再分析資料在錫林浩特地區的合理性和適用性進行初步評價，以期為選擇用于寒旱區草原地區積雪深度代替資料提供參考，也為今后運用再分析資料在研究區的相關科學研究提供依據。

1 資料與方法

1.1 數據來源及處理

ERA-Interirn再分析雪深資料和ERA Interim /Land陸面模式資料（簡稱ERA-Land）來自歐洲中期數值預報中心（ECMWF），數據年限1981?2010年，空間分辨率為80km。ERA-Interirn數據是應用了綜合預報系統的Cycle31r2模型版本，采用光譜諧波分辨率T255作為分析依據，簡化得到的高斯格點數據[22]。ERA-Land數據集是利用最新版本的陸面模型HTESSEL模擬產生，并使用gpcpv2.1.進行降水調整，由大氣強迫場驅動得到的數據[23]。相比ERA- Interirn數據集，ERA-Land資料涵蓋了32a的全球陸面數據，在陸面模式中采用了閉合的水量平衡并將一些地表方案的參數予以改進，使其更適于陸面水文水資源的氣候研究[18]，數據網址http://apps.ecmwf.int/data- catalogues/era5/? class = ea。本研究使用的雪深再分析數據其時間分辨率為6h，空間分辨率為0.125°×0.125°。

實測雪深數據來源于1981?2010年錫林浩特地區8個國家氣象站人工觀測的日積雪深度數據，觀測氣象站包括錫林浩特、阿巴嘎旗、東烏珠穆沁旗、西烏珠穆沁旗、正藍旗、多倫縣、那仁、克什克騰旗，具體站點位置如圖1所示。

1.2 研究方法

為方便對ERA-Interirn、ERA-Land兩種資料的精度進行對比，將兩種資料進行整理統計后均換算成月積雪深度數據。比較雙線性插值法與鄰近格點匹配法的結果發現，多數站點用鄰近格點匹配法獲得的積雪深度誤差較小。故采用鄰近格點法將再分析資料與氣象站點的實測數據進行匹配。鄰近格點匹配法是采用距離觀測位置最近的格點與站點資料一一匹配的方法，詳細介紹見文獻[24]。

圖1 錫林浩特地區8個氣象站的分布

為更直觀地比對ERA-Interim和ERA-Land兩套資料在研究區的模擬效果，引入平均偏差（BIAS）、標準差比（SDC）及相關系數（R）3個統計量，來定量評估兩套資料在研究區域的優劣。各統計量計算式分別為[24]

為更深入分析ERA-Interim、ERA-Land兩套資料在研究區的適用性，對比兩套資料質量的年代際變化特征，定義數據的年質量指數Q，Q值越小，表示分析資料與觀測資料的差距越小，即質量越好；反之則質量越差。Q的計算式為[21]

式中，M為ERA-Interim再分析資料和ERA- Land陸面模式資料輸出的雪深；O為實際觀測到的雪深；n為樣本數，本研究計算的是年質量指數，因研究區僅在1?5月和9?12月這9個月有積雪產生，故樣本數n=9。

對兩套再分析資料中模擬效果較好的一套資料進行Brunke排名[20]，找出該套資料在研究區模擬能力最優的站點。根據各站點4個參與排名的參考值，對再分析資料在各站點的優劣進行從1到N的排序，N代表研究區的站點個數8，排名規則為：R最大（BIAS最?。┑恼军c排名為1，R最?。˙IAS最大）的站點排名為N。對于SDC，其值最接近1的站點排名為1，最遠離1的站點排名為N。質量指數Q最小值站點排名為1，最大值站點排名為N。分別將再分析資料在各站點對應的各個參數進行排序，將各站點的4個參數排序的得分進行算術平均得到再分析資料在所有站點的得分，將總得分再進行排序，得分最少的站點排名為1，得分最多的站點排名為N，得分相同的排序名次并列。分值小者表示模擬效果好，反之，模擬能力較差。

2 結果與分析

2.1 兩種再分析資料序列多年月積雪深度平均值與實測值的比較

由圖2可見，ERA-Interim、ERA-Land兩套資料與實測數據有相同的變化規律，除南部的正藍旗站（圖2g）和多倫縣站（圖2h）降雪從10月開始外，其它站降雪月均為9月?翌年5月，歷時9個月，其中5月和9月積雪很少，足見再分析資料基本能反映研究區積雪深度的季節變化特點。但是，從與實測數據的差異情況看，這兩套模擬再生數據在各站點又表現出不同的特點：（1）錫林浩特站及以西的那仁站、阿巴嘎旗、正藍旗（圖2a?圖2d）各月模擬數據均小于實測數據，而且在主要積雪月（11月?翌年2月）ERA-Interim比ERA-Land模擬的雪深數值更小，4站主要積雪月雪深數值僅分別為實測值的45.93%、48.16 %、54.81 %、37.14%。（2）錫林浩特站以東的東烏珠穆沁旗站、西烏珠穆沁旗站、克什克騰旗站和多倫縣站（圖2e?圖2h），情況則完全不同，主要積雪期除11月外，12月?翌年2月ERA-Land模擬的雪深數值均大于實測值。（3）分別比對ERA-Interim、ERA-Land數據和實測數據差異時，為方便分析將積雪期分為積雪前期（9?12月）和積雪后期（1?4月）兩個時段。在錫林浩特以東的西烏珠穆沁旗站、東烏珠穆沁旗站、克什克騰旗站、多倫縣站，積雪后期時段ERA-Interim積雪數據更接近觀測數據，模擬效果優于ERA–Land資料，其余站點的ERA–Land資料更接近觀測數據。而在積雪前期時段所有站點的ERA-Land資料均比ERA Interim資料接近觀。

圖2 各站點ERA-Interim（ERA）和ERA-Land（Land）再分析資料中多年逐月平均雪深與實測值的比較（1981?2010年）

2.2 兩種再分析資料序列積雪深度與實測值的年際變化比較

如圖3所示，在長時間序列上所有站點的ERA- Interim和ERA-Land積雪資料與實測積雪數據趨勢變化基本一致，觀察研究區各站的兩種資料在整個時間序列上（1981?2010年）模擬量值的變化，不難發現，ERA-Land資料更加貼近實際情況，與觀測值的偏差較小，隨時間變化趨勢一致性較高。結合表1相關系數（R）可發現，單就ERA-Land資料而言，錫林浩特站及其以北的那仁站、阿巴嘎旗站、東烏旗站與觀測值的吻合度較南部的4個站點高。但兩套再分析數據在多個時間節點均不同程度低估了實際積雪深度，特別是在2001年1月除多倫縣站外的其它站點的ERA-Interim再分析資料和ERA-Land陸面模式資料比實際積雪深度偏小很多，西烏珠穆沁旗最為明顯，偏小達72.34%。

圖3 各站點1981?2010年ERA-Interim和ERA-Land月均積雪深與實測值的比較

表1是各站點1981?2010年逐月雪深再分析資料與實際觀測資料的相關系數、平均偏差、標準差比3個統計參數。從相關系數R可看出，研究區8個站點均通過P＜0.01水平的顯著性檢驗，呈現顯著正相關。其中ERA-Land資料與觀測數據相關性較好，即能夠較好地描述觀測值，相關性最好的為阿巴嘎旗站；對比各站相關系數R的差異發現，錫林浩特南部的克什克騰旗、正藍旗、多倫縣3個站點兩套再分析資料與實測值的相關系數均小于0.6，相關性較包括錫林浩特在內的北部各站點低。兩套資料與實測值的平均偏差和均方根誤差差別較大，顯然研究區各站點ERA-Land資料的平均偏差較ERA-Interim 資料小，ERA-Land資料更接近觀測值。標準差比表征模擬資料的標準差與觀測值的標準差的接近程度，在數值上越接近1越好，由表1可見，以錫林浩特為中心以西各站點，包括東烏珠穆沁旗、西烏珠穆沁旗、克什克騰旗、多倫縣4站，兩套再分析資料的標準差，比以東各站點，包括那仁、阿巴嘎旗、正藍旗3站，更接近于1。ERA-Interim和ERA-Land資料各個站點的標準差比值均在1附近，而后者接近1，說明ERA-Land資料較ERA-Interim資料更接近觀測值，在量值上模擬較精準。

表1 各站點兩種雪深再分析資料月值與觀測資料的相關系數（R）、平均偏差（BIAS）、標準差比（SDC）

注：**表示相關系數通過0.01水平的顯著性檢驗。

Note:**is P＜0.01.

2.3 兩種再分析資料與實測資料比較的結果評價

2.3.1 資料歷年質量指數的變化及比較

圖4給出了研究區各站點1981?2010年ERA- Interim和ERA-Land資料的質量指數序列及ERA- Land的質量指數線性趨勢。由質量指數的定義可知，Q值越小，表示ERA-Interim、ERA-Land資料與實際觀測資料的差距越小，即質量越好；反之則質量越差。分別計算研究區8個站點ERA-Interim、ERA- Land資料的質量指數Qi和Ql。從圖4可以看出，整體上，ERA-Land資料的質量指數Ql偏小，均值為1.752，質量較好。錫林浩特站的Ql為1.691，小于研究區平均值1.758。但對比兩套資料在各站之間的差異可知，站點間會表現出不同的特點：錫林浩特及其以東的站點（共3站東烏旗、克什克騰旗、多倫縣）兩套資料的質量指數均小于西部各站。單獨分析質量較好的ERA-Land資料的質量指數和其質量指數線性趨勢發現：（1）除阿巴嘎旗站在1987年和2001年的質量指數偏大以外，其余各站在長時間序列上質量指數的最大值均不大于4，可見ERA- Land資料在研究區各站點的質量較高且具有很好的穩定性；（2）根據質量指數的定義可知，質量指數線性趨勢線斜率為負值時，表示該套資料的質量有提高的趨勢，反之則是質量有降低的趨勢。錫林浩特地區大部分站點（東烏珠穆沁旗、西烏珠穆沁旗、那仁、阿巴嘎旗、錫林浩特、克什克騰旗）的ERA-Land資料的質量指數線性趨勢線的斜率為負值，質量指數略有下降趨勢，表明近30a來ERA-Land資料整體質量變好。其中那仁站的斜率最小，為?0.0198，較其余各站的質量明顯變好。錫林浩特以南的正藍旗站、多倫縣站，ERA-Land資料的質量指數線性趨勢線的斜率均為正值，質量指數隨時間增大，說明近30a來ERA-Land資料的質量整體表現出變差的趨勢，但斜率量值很小，即變差的速度很慢，質量變差趨勢不明顯。

圖4 各站點兩種再分析資料歷年質量指數（Q）及其線性趨勢（1981?2010年）

2.3.2 各站點資料序列得分及排名

綜合考慮逐月ERA-Land雪深資料與觀測數據計算的相關系數、平均偏差、標準差比和質量指數4個參考量，將各站點按得分進行排序（表2），由表2可見，ERA-Land再分析雪深資料在東烏旗站排序結果最優，正藍旗最差。結合圖2、圖3所反映的結果不難得出，以東烏旗為代表的錫林浩特東北部地區，ERA-Land再分析雪深資料的模擬表現優于其它站點，模擬效果最佳。東部的西烏旗珠穆沁旗站和克什克騰旗站得分相同，兩站排序均為5，最南端的正藍旗站最差。

表2 各站點ERA-Land再分析雪深資料平均得分排序結果

3 結論與討論

（1）ERA-Interim、ERA-Land雪深資料都可以較好地再現研究區各站點積雪深度季節變化趨勢，兩套資料在以錫林浩特站點中心東西兩邊站點存在明顯差異，東部各站點再分析資料模擬效果優于西部。

（2）ERA-Land資料能較好地描述觀測資料所具有的長時間年際變化特征。錫林浩特站及以北站點較南部站點吻合度高。2001年1月除多倫縣站外其它站點的兩套資料很大程度低估了實際積雪深度，這可能是因為2001年錫林郭勒草原經歷一場大雪，氣候突變導致再分析資料模擬產生較大偏差。

（3）通過質量指數可知，ERA-Land陸面模式資料較ERA-Interim再分析資料的質量好，且有很好的穩定性，研究區東部站點的質量較西部好。ERA-Land資料在錫林浩特地區大部分站點質量有變好趨勢，錫林浩特以西各站點質量較東部那仁站尤為明顯。在錫林浩特以南正藍旗站、多倫縣站呈現變差趨勢，但變率很小。

（4）ERA-Land資料的3個統計參數在研究區各站點表現均優于ERA-Interim資料，在結合質量指數綜合考慮的各站點Brunke排名中，以東烏珠穆沁旗為代表的研究區東北部是該資料模擬能力最優的站點。統計參數是模擬資料與實測資料在各時間樣本點上的差異的量值，故根據統計參數的綜合排序與變化趨勢吻合度并不矛盾。

綜上所述，以錫林浩特為中心，兩套資料與實測綜合對比時，錫林浩特及其以東的站點再分析資料的模擬能力較西部站點表現較好；在單獨分析模擬較好的ERA-Land資料在研究區各站點模擬效果差異時，優劣又以南北為界，北部各站優于南部。

值得注意的是，在降雪大的月份兩套資料均低估了實際積雪深度，這可能是因為研究區域處在內蒙古高原地區，緯度較大、海拔較高。降雪發生的時間較早，結束的時間較晚，而大、暴雪也多發生于這一時段，造成了再分析資料與實際觀測值的偏差[25]。同一種資料在站點間存在的模擬效果差異，很大程度上與再分析數據從格點數據轉換為站點數據過程中產生的誤差有關。鄰近格點法是將距離站點最近的格點數據看作該站點資料，忽略了站點與格點的真實距離帶來的再分析資料的誤差，而不同站點這一距離會有差異，其再分析資料的誤差大小也會不同。

總體來說ERA-Land資料模擬效果較好，劉昊等[18]對ERA-Land資料在內蒙古的評價研究得出，時空變化特征模擬最好的地區在中西部，本研究區正處于內蒙古中部地區。對其原因進行分析，劉昊等的文獻中都曾明確提出陸面模式資料更適用于陸面水文水資源方面的氣候研究，而研究區的地理位置處于內陸地區，所以陸面模式模擬產生的ERA-Land資料更適于研究區這一結果符合前人研究成果。在模擬效果較好的站點，ERA-Land雪深資料可以根據其研究內容考慮，作為該站點補充數據及周邊一定范圍的缺測漏測數據。模擬效果不好的站點，其誤差主要來自各站點的位置特征及再分析資料同化過程中其初始化參數或參數化方案存在的差異。另外，在分析兩套資料的適應性時受站點個數局限，沒有對空間尺度進行分析，同時由于研究區積雪數據稀少，數據觀測難度大，站點分布較為分散，導致站點數據代表性有限，今后可在國家氣象站的基礎上對積雪觀測站點加密，作更加詳細的研究。

[1] 王澄海,王芝蘭,崔洋.40余年來中國地區季節性積雪的空間分布及年際變化特征[J].冰川凍土,2009,31(2):301-310.Wang C H,Wang Z L,Cui Y.Snow cover of china during the last 40 years:spatial distribution and interannual variation[J].Journal of Glaciology and Geocryology,2009,31(2):301-310.(in Chinese)

[2] 李斐,劉苗苗,王水獻.2001-2013年開都河流域上游積雪時空分布特征及其對氣象因子的響應[J].資源科學,2016,38(6):1160-1168.Li F,Liu M M,Wang S X.Temporal and spatial distribution characteristics of snow in the upper reaches of Kaidu River Basin from 2001 to 2013 and its response to meteorological factors[J].Resources Science,2016,38(6):1160-1168.(in Chinese)

[3] 呂愛鋒,賈紹鳳,燕華云,等.三江源地區融雪徑流時間變化特征與趨勢分析[J].資源科學,2009,31(10):1740-1709.Lu A F,Jia S F,Yan H Y,et al.Analysis of temporal variation characteristics and trend of snowmelt runoff in Sanjiangyuan area[J].Resources Science,2009,31(10):1740-1709.(in Chinese)

[4] 席小康,朱仲元,宋小園,等.錫林河流域融雪徑流時間變化特征與成因分析[J].水土保持研究,2016,23(6):150-153.Xi X K,Zhu Z Y,Song X Y,et al.Time-varying characteristics and genesis analysis of snowmelt runoff in Xilin River Basin[J].Soil and Water Conservation Research,2016,23(6):150-153.(in Chinese)

[5] 孫建勇,車濤,戴禮云,等.利用積雪衰減曲線分析山區雪水當量時空分布[J].遙感信息,2017,32(2):121-130.Sun J Y,Che T,Dai L Y,et al.Analysis of snow-water equivalent time-space distribution in mountainous areas using snow attenuation curve[J].Remote Sensing Information,2017,32(2): 121-130.(in Chinese)

[6] 趙天保,符淙斌,柯宗建,等.全球大氣再分析資料的研究現狀與進展[J].地球科學進展,2010,25(3):242-254.Zhao T B,Fu C B,Ke Z J,et al.Research status and progress of global atmospheric reanalysis data[J].Advance in Earth Sciences,2010,25(3):242-254.(in Chinese)

[7] Trenberth K E,Olson J G.An evaluation and intercomparison of global analyses from the national meteorological center and the European centre for medium range weather forecasts[J].Bulletin of the American Meteorological Society,2010, 69(9):1047-1056.

[8] Boyle J.Comparison of variability of the monthly mean temperature of the ECMWF and NCEP reanalyses and CCM3 and CSM simulations[J].Office of Scientific & Technical Information Technical Reports, 2000.

[9] 高路,郝璐.ERA-Interim氣溫數據在中國區域的適用性評估[J].亞熱帶資源與環境學報,2014,(2):75-81.Gao L,Hao L.Applicability evaluation of ERA-Interim temperature data in China[J].Journal of Subtropical Resources and Environment,2014,(2):75-81.(in Chinese)

[10]李光偉,敖杰,邢峰華,等.基于NVAP-M數據和ERA-I資料的海南島大氣可降水量時空分布特征分析[J].暴雨災害,2018,(3):281-287.Li G W,Ao J,Xing F H,et al.Analysis of temporal and spatial distribution characteristics of atmospheric precipitable water in Hainan Island based on NVAP-M data and ERA-I data[J].Rainstorm Disaster,2018,(3):281-287.(in Chinese)

[11]劉鵬飛,劉丹丹,梁豐,等.三套再分析降水資料在東北地區的適用性評價[J].水土保持研究,2018,25(4):215-221.Liu P F,Liu D D,Liang F,et al.Applicability evaluation of three sets of reanalysis of precipitation data in Northeast China[J].Soil and Water Conservation Research,2018, 25(4):215-221.(in Chinese)

[12]高慶九,余汶檣,周小艷.基于再分析資料與觀測資料的中國低溫閾值變化特征研究[J].大氣科學學報,2018,41(3):308-317.Gao Q J,Yu W Q,Zhou X Y.Study on the variation characteristics of low temperature threshold in China based on reanalysis data and observation data[J].Chinese Journal of Atmospheric Sciences,2018,41(3):308-317.(in Chinese)

[13]陳海山,許蓓.歐亞大陸冬季雪深的時空演變特征及其影響因子分析[J].地理科學,2012,32(2):129-135.Chen H S,Xu B.Analysis of temporal and spatial evolution characteristics and influence factors of winter snow depth in Eurasia[J].Geographical Science,2012,32(2):129-135.(in Chinese)

[14]張人禾,張若楠,左志燕.中國冬季積雪特征及歐亞大陸積雪對中國氣候影響[J].應用氣象學報, 2016,27(5):513-526.Zhang R H,Zhang R N,Zuo Z Y.The characteristics of snow cover in winter in China and the impact of Eurasia snow on China's climate[J].Journal of Applied Meteorology,2016,27(5):513-526.(in Chinese)

[15]Khan V,Holko L,Rubinstein K,et al.Snow cover characteri- stics over the main Russian river basins as represented by reanalyses and measured data[J].Journal of Applied Meteor- ology & Climatology,2008,47(6):1819-1833.

[16]許蓓,陳海山,高楚杰.冬季雪深再分析資料在歐亞中高緯地區的適用性評價[J].氣候與環境研究,2015,20(3):296-306.Xu B,Chen H S,Gao C J.Applicability evaluation of winter snow de-analysis data in the middle and high latitude regions of Europe and Asia[J].Climatic and Environmental Research,2015, 20(3):296-306.(in Chinese)

[17]劉金平.中亞積雪時空分布的變化及其對關鍵氣候要素的響應[D].北京:中國科學院大學,2015.Liu J P.Changes in the spatial and temporal distribution of snow in Central Asia and its response to key climatic factors[D].Beijing:University of Chinese Academy of Sciences,2015.(in Chinese)

[18]劉昊,宋海清,張超,等.ERA-Interim/Land積雪資料在內蒙古的初步評估[J].內蒙古科技與經濟,2017,(2):50-53.Liu H,Song H Q,Zhang C,et al.Preliminary evaluation of ERA-Interim/Land snow data in Inner Mongolia[J].Inner Mongolia Science and Technology and Economy,2017,(2):50-53.(in Chinese)

[19]Lambert S,Mitchell H.The Canadian Meteorological Centre (CMC) global analyses (1991-1996):an evaluation by comparison with the ECMWF and NCEP analyses:research note[J].Atmosphere,1998,36(4):385-404.

[20]趙天保,符淙斌.應用探空觀測資料評估幾類再分析資料在中國區域的適用性[J].大氣科學,2009,33(3):634-648.Zhao T B,Fu C B.Applicability of sounding observation data to evaluate the applicability of several types of reanalysis data in China[J].Chinese Journal of Atmospheric Sciences,2009,33(3):634-648.(in Chinese)

[21]李瑞青,呂世華,韓博,等.青藏高原東部三種再分析資料與地面氣溫觀測資料的對比分析[J].高原氣象,2012,31(6):1488-1502.Li R Q,Lv S H,Han B,et al.Comparative analysis of three reanalysis data and surface temperature observation data in the eastern Tibetan Plateau[J].Plateau Meteorology,2012,31(6):1488-1502.(in Chinese)

[22]高路,Karsten Schulz,陳興偉,等.基于ERA-Interim再分析資料的中國極端氣溫分析[J].南水北調與水利科技, 2014,(2):75-78.Gao L, Karsten S,Chen X W,et al.Analysis of extreme temperature in China based on ERA-Interim reanalysis data[J].South-to-North Water Transfer and Water Science and Technology,2014,(2):75-78.(in Chinese)

[23]趙天保,符淙斌.中國區域ERA-40、NCEP-2再分析資料與觀測資料的初步比較與分析[J].氣候與環境研究,2006,(1):14-32.Zhao T B,Fu C B.Preliminary comparison and analysis of reanalysis data and observation data of ERA-40 and NCEP-2 in China[J].Climatic and Environmental Research,2006,(1):14-32.(in Chinese)

[24]劉川,余曄,解晉,等.多套土壤溫濕度資料在青藏高原的適用性[J].高原氣象,2015,34(3):653-665.Liu C,Yu H, Xie J,et al.Applicability of multiple sets of soil temperature and humidity data in Qinghai-Tibet Plateau[J].Plateau Meteorology,2015,34(3):653-665.(in Chinese)

[25]于莉麗,鐘珊珊,魏雪,等.錫林郭勒盟大雪、暴雪天氣氣候特征及分型[J].內蒙古氣象,2014,(2):3-7.Yu L L,Zhong S S,Wei X,et al.Climatic characteristics and classification of heavy snow and blizzard weather in Xilingol League[J].Inner Mongolia Meteorology,2014,(2):3-7.(in Chinese)

Applicability Evaluation of Snow Depth Reanalysis Data in Xilinhot and its Surrounding Areas

WANG Fei1, ZHU Zhong-yuan1, HAO Xiang-yun1, SONG Hai-qing2, HAN Dong-dong1

(1. College of Water Conservancy and Civil Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China; 2. Inner Mongolia Autonomous Region Center for Ecology and Agrometeorology, Hohhot 010015)

The snow cover data from 1981 to 2010 in the ERA-Interim global reanalysis and the ERA Interim/Land model (ERA-Land) were provided by the European Mid-term Forecasting Center (ECMWF). The observing datasets from 8 national meteorological stations surrounded by Xilinhot (including Xilinhaote, Dongwuzhumuqi, Xiwuzhumuqi, Zhenglanqi, Duolun County, Narenbaolig, and Keshiketengqi) were taken as a standard to calculate the correlation coefficient, average deviation, standard deviation ratio and other statistical parameters of the reanalysis data, which were combined with the linear change comparison and the quality index and the Brunke ranking method. The applicability of the snow depth reanalysis was comprehensively evaluated in Xilinhaote area. The results showed that both the ERA-Interirn and ERA-Land data performed the seasonal variation trend of snow depth in the study area well, however, the latter one gained better simulation results and good stability. Xilinhot and its east site were more reproducible than the western site; ERA-Land data had better simulation effect and good stability, and the northern stations had better consistency than the southern stations; ERA-Land data in most of Xilinhot area had a good quality trend, Naren Station was the most obvious, in Zhenglanqi Station south of Xilinhot, Duolun County Station showed a trend of variation, but the variation rate was very small; The ranking results were the best in east Wuzhuqinqi station and the worst in Zhenglan banner.

Xilinhot；Snow depth；Reanalysis data；Applicability assessment

10.3969/j.issn.1000-6362.2019.02.002

王飛,朱仲元,郝祥云,等.雪深再分析資料在錫林浩特地區的適用性評價[J].中國農業氣象,2019,40(2):76-85

2018?07?11

。E-mail：731011410@qq.com

國家自然科學基金（51669018）

王飛（1993?），碩士生，主要從事干旱區水資源可持續利用及規劃研究。E-mail：625824965@qq.com