Validation of ERA5 and ERA5-Land Reanalysis Data for Daily Air Temperature and Extreme Temperature Indices over Bangladesh

技术摘要：ERA5 与 ERA5-Land 再分析数据在孟加拉国逐日气温及极端气温指数方面的验证

问题陈述
地面气象观测在时间与空间上往往存在不一致性，限制了其在需要连续数据集的气候建模与影响评估中的应用价值。虽然像 ERA5 和 ERA5-Land 这样的再分析产品提供了物理一致且格点化的替代方案，但其性能在不同气候区域之间存在显著差异。尽管这些数据集的使用量日益增加，但针对孟加拉国这一具有复杂季节性季风和高气候脆弱性地区的 ERA5 及 ERA5-Land 在逐日气温和极端气温指数方面的全面验证仍较为有限。本研究通过评估这两个产品在孟加拉国的可靠性，旨在填补这一空白。

研究方法
本研究利用了孟加拉国气象局（BMD）31 个站点在 1989–2019 年期间的逐日最高气温（$T_{max}$）和最低气温（$T_{min}$）观测数据。这些观测数据作为地面真值，用于验证 ERA5（分辨率 0.25° × 0.25°）和 ERA5-Land（分辨率 0.1° × 0.1°）再分析数据集。

• 数据预处理： 剔除了缺失数据比例超过 10% 的站点。剩余数据经过质量控制，以消除物理上的不一致性（例如 $T_{max} < T_{min}$）。为了将格点化再分析数据与站点位置对齐，采用了双线性插值法；然而，对于由于海洋网格单元导致双线性插值失效的 6 个沿海站点，则采用了最近邻插值法。
• 极端指数： 根据 ETCCDI 指南计算了八个极端气温指数，包括绝对极端值（TXx, TXn, TNx, TNn）和基于百分位数的指数（TX90p, TN90p, TX10p, TN10p）。
• 评估指标： 使用皮尔逊相关系数（$r$）、均方根误差（RMSE）、平均绝对误差（MAE）和平均偏差进行性能评估。使用 Wilcoxon 符号秩检验确定两个数据集之间差异的统计显著性，并辅以效应量计算。

主要结果

• 逐日最高气温（$T_{max}$）： 两个数据集均表现出与观测值的高度相关性（$r > 0.89$），但两者都表现出系统性的冷偏差。在所有误差指标（RMSE、MAE、偏差）中，ERA5 的表现始终优于 ERA5-Land。Wilcoxon 检验证实，ERA5 在 $T_{max}$ 方面的卓越性能具有统计学显著性（$p < 0.05$），且具有较大的效应量（>0.90）。冷偏差在 ERA5-Land 中更为显著，尤其是在季风季和后季风季节。
• 逐日最低气温（$T_{min}$）： 两个产品均表现出极佳的整体相关性（$r > 0.95$）和普遍的暖偏差。与 $T_{max}$ 不同，$T_{min}$ 的情况显示出两个数据集之间的性能差异并不明显。ERA5-Land 的平均偏差显著低于 ERA5（$p < 0.01$），而 RMSE 和 MAE 的差异在统计上并不显著或仅为边际显著。
• 季节变化： 季风季节对两个数据集都构成了最大的挑战，在 $T_{max}$ 和 $T_{min}$ 方面均表现出最低的相关性。这表明在由频繁云层覆盖和降水特征化的均匀季风条件下，难以重现逐日的变率。
• 极端气温指数：
  • 绝对极端值： ERA5 在绝对极端指数（TXx, TNx, TNn）方面通常表现出较低的偏差，表明其能更好地捕捉气温幅度。
  • 基于百分位数的极端值： ERA5-Land 在基于百分位数的指数（TX90p, TN90p 等）的长期趋势方面表现出更好的符合度，这可能得益于其更细的空间分辨率。
  • 趋势： 两个数据集都未能重现 TXn（每日最高气温的年最小值）指数中观察到的显著降温趋势，这凸显了在尽管总体上能模拟升温趋势的情况下，捕捉区域降温信号方面的特定局限性。

意义与主张
作者声称，本研究提供了对孟加拉国逐日气温及极端指数进行 ERA5 和 ERA5-Land 首次全面评估。研究结果表明，这两个数据集都是该地区地面观测的可靠替代品。研究最后根据研究目标提出了细致的选型建议：

• ERA5 适用于一般性应用，特别是侧重于逐日最高气温和绝对极端事件幅度的研究。
• ERA5-Land 则适用于需要高空间分辨率、最小化最低气温偏差以及分析基于百分位数极端指数长期趋势的应用。

本文保持了审慎的态度，承认虽然这些数据集是可靠的，但系统性偏差（$T_{max}$ 的冷偏差、$T_{min}$ 的暖偏差）以及在捕捉特定区域降温趋势方面的局限性依然存在。作者指出，空间插值方法可能会引入微小的人为偏差，并建议未来的研究应纳入降水和湿度等其他变量，以进一步理解区域气候影响。