EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 12: 2261 - 2274

DOI: https://doi.org/10.12082/dqxxkx.2021.180357

遥感科学与应用技术

中国大陆地区ERA5下行短波辐射数据适用性评估与对比

  • 张俊兵 , 1 ,
  • 沈润平 , 1, * ,
  • 师春香 2 ,
  • 白磊 3, 4 ,
  • 刘军建 5 ,
  • 孙帅 2
展开
  • 1.南京信息工程大学地理科学学院,南京 210044
  • 2.国家气象信息中心,北京 100081
  • 3.中国科学院大学,北京 100046
  • 4.中国科学院新疆生态与地理研究所荒漠与绿洲国家重点实验室,乌鲁木齐 830011
  • 5.中国气象局乌鲁木齐沙漠气象研究所,乌鲁木齐 830002
*沈润平（1963— ）,男,江西湖口人,教授,博士生导师,主要从事陆面过程遥感与模拟研究. E-mail:

张俊兵（1992— ）,男,山西朔州人,硕士生,研究方向为陆面过程模拟与遥感。E-mail:

收稿日期: 2018-07-03

  要求修回日期: 2021-09-27

  网络出版日期: 2022-02-25

基金资助

国家重点研发计划项目(2018YFC1506602)

国家自然科学基金重点项目(91437220)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Evaluation and Comparison of Downward Solar Radiation from New Generation Atmospheric Reanalysis ERA5 across Mainland China

  • ZHANG Junbing , 1 ,
  • SHEN Runping , 1, * ,
  • SHI Chunxiang 2 ,
  • BAI Lei 3, 4 ,
  • LIU Junjian 5 ,
  • SUN Shuai 2
Expand
  • 1. School of Geographical Sciences, Nanjing University of Information Science &Technology, Nanjing 210044, China
  • 2. National Meteorological Information Center, Beijing 100081, China
  • 3. University of Chinese Academy of Sciences, Beijing 100046, China
  • 4. State Key Laboratory of Desert and Oasis, Institute of Ecology and Geography of the Chinese Academy of Sciences, Urumqi 830011, China
  • 5. Urumqi Desert Meteorological Institute, China Meteorological Administration, Urumqi 830002, China
*SHEN Runping, E-mail:

Received date: 2018-07-03

  Request revised date: 2021-09-27

  Online published: 2022-02-25

Supported by

National Key Research and Development Program of China(2018YFC1506602)

National Natural Science Foundation of China(91437220)

Copyright

Copyright reserved © 2021
Fold

摘要

ERA5地表下行太阳短波辐射数据是欧洲中期天气预报中心（ECMWF）最新的,具有高时空分辨率的再分析产品,该短波辐射产品可作为陆面模式大气强迫数据之一,并在区域气候评估、农业以及太阳能资源等方面具有重要应用。本文利用中国区域2011—2018年经过质控的91个国家级地面辐射站点观测数据,对其在中国大陆地区的适用性进行多时空尺度的评估,并与ERA-Interim、CFSR、MERRA2共3套全球大气再分析产品和1套CERES卫星反演SYN1deg的产品进行了比较。结果表明：① 在月均值尺度上,与其他再分析产品比较,ERA5产品与站点数据的Corr最高（0.939）,RMSE最小（28.309 W/m2）,Bias（15.4 W/m2）略大于ERA-Interim产品（13.2 W/m2）;CERES卫星反演产品与站点数据的Corr为0.955,RMSE为20.042 W/m2,Bias为5.3 W/m2;② 5套产品的辐射值均高于地面观测数据,存在高估现象,总体上,ERA5产品在中国大陆地区的整体精度高于其他再分析产品,但与CERES卫星反演产品还存在一定差距,日均值比较结论亦具有相似规律。③ 分区评估结果表明在再分析产品中,ERA5产品在4个区域与观测数据都有更好的一致性,但5套产品均在南部区域表现不佳。并且与东北和北部区域相比,ERA5产品和CERES卫星反演产品在西部区域和观测数据相比的RMSE和Bias也相对偏大。

关键词： ERA5; 地表下行短波辐射; 陆面模式; 站点观测; 中国大陆; 评估; 全球大气再分析; 卫星反演

本文引用格式

张俊兵 , 沈润平 , 师春香 , 白磊 , 刘军建 , 孙帅 . 中国大陆地区ERA5下行短波辐射数据适用性评估与对比[J]. 地球信息科学学报, 2021 , 23(12) : 2261 -2274 . DOI: 10.12082/dqxxkx.2021.180357

Abstract

The European Centre for Medium-Range Weather Forecasts (ECMWF) has developed ERA5, a global atmospheric reanalysis product with high spatiotemporal resolution. The Shortwave Downward Radiation (SWDN) of ERA5 is an important atmospheric forcing dataset which has important applications in regional climate assessment, agriculture, and solar energy resource utilization. In this study, the observed SWDN dataset after quality control was collected from 91 official radiation monitoring stations across mainland China in 2011-2018 and was applied to evaluate the SWDN in ERA5 on different spatial and temporal scales, together with other three reference SWDN datasets from global atmospheric reanalysis products (i.e., ERA-Interim, CFSR, and MERRA2) and the CERES satellite inversion product (SYN1deg). Results show that: ① On the monthly mean scale, the ERA5 product had the highest correlation coefficient (Corr) with the station observation data (0.939) and the lowest Root Mean Square Error (RMSE) (28.309 W/m2), compared with other reanalysis products. The average bias of ERA5 (15.4 W/m2) was slightly higher than that of the ERA-Interim product (13.2W/m2). The Corr between CERES satellite inversion product and observation data was 0.955, the RMSE was 20.042W/m2, and the Bias was 5.3W/m2; ② The radiation values of all these five SWDN products were overestimated against the observation data. In general, the overall accuracy of the ERA5 product in mainland China was higher than the other reanalysis products, but was lower than the CERES satellite inversion product. The comparison of daily mean values between products also showed similar results; ③ Regional evaluation results show that the SWDN in ERA5 had a good consistency with observation data in four regions across mainland China. All five SWDN products performed poorly in the southern region. Compared to the northeastern and northern regions, the RSME and the bias of the ERA5 product and the CERES satellite inversion product relative to observations were larger in the western region.

Key words： ERA5; surface downward shortwave radiation; land surface model; station observation; Chinese mainland; evaluate; global atmospheric reanalysis dataset; satellite retrieved algorithm.

1 引言

太阳辐射是自然界理化过程中所需能量的主要来源,对地表能量收支平衡及气候变化等具有重要影响[1,2]。地面入射太阳短波辐射产品主要来自地面辐射观测、遥感反演[3,4,5]和模式模拟。我国地面辐射观测主要基于99个中国气象局地面辐射观测站点,提供的辐射观测产品能够获得该点较为真实的辐射值,但由于站点稀少,空间代表性有限,无法进行大尺度研究。相比地面观测,遥感反演产品和再分析产品均可获取时空连续的辐射数据,遥感定量反演地表短波辐射数据质量取决于反演模型中对云、气溶胶等因素的处理[6,7,8]。全球大气再分析辐射产品则是对多源观测产品进行同化,能获得时空连续的太阳辐射数据[9]。目前,主流再分析产品主要有美国国家环境预报中心NCEP（National Centers for Environmental Prediction）的NCEP/NCAR和NCEP/DOE、美国国家航空航天局NASA（National Aeronautics and Space Administration）的MERRA1/2（Modern-Era Retrospective analysis for Research and Applications）、欧洲ECWMF（European Centre for Medium-Range Weather Forecasts）的ERA-40和ERA-Interim、日本气象厅JMA（Japanese Meteorological Agency）的JRA55等[10,11,12]。
再分析辐射产品数据质量一直是研究关注热点,已有大量研究对再分析地表辐射产品进行多尺度评估,发现大多数再分析产品辐射产品都存在高估现象。再分析产品空间覆盖范围广,时间序列长,大多数专家学者选典型区域（如青藏高原等）为研究区域,Wang等[13]在青藏高原对6套再分析数据评估,发现再分析产品辐射日均值比站点观测高5W/m2左右;杨凤娟等[14]使用2017年青藏高原11个辐射站点观测数据,研究CERES/SSF卫星辐射产品的适用性,发现在南疆的反演效果优于北疆及吐—哈盆地。但以整个中国地区为研究区域的研究相对较少,Xia等[15]利用中国地面观测数据对NCEP再分析产品、卫星辐射数据进行评估,发现再分析数据高于地面辐射数据40~100 W/m2,卫星辐射数据更接近地面观测。刘军建等[16,17]在中国地区利用地面观测对FY-2E卫星反演数据、美国CERES（Clouds and the Earth's Radiant Energy System）卫星反演数据和ERA-Interim再分析数据进行验证,发现遥感反演和再分析辐射数据相比于地面观测均呈高估现象。在全国区域上的辐射研究大多侧重于卫星反演产品,用于对比的再分析产品也相对较少。目前,全球再分析辐射产品越来越多,再分析数据的辐射产品能解决地面观测和遥感反演辐射产品存在的时空连续问题,但受到辐射传输模式、云微物理和陆面过程等影响[18,19,20,21],新产品在应用前需进行评估。ERA5是ECMWF生产的一套最新的全球大气再分析产品,其地表下行太阳短波辐射产品未在中国地区进行评估。
本文利用中国气象局地面辐射观测网观测数据评估了ERA5再分析数据辐射产品,并与多套再分析数据和遥感反演数据进行对比,为中国地区陆面过程模拟研究所需的辐射驱动数据制作提供可靠依据。

2 研究区概况、数据来源与处理

2.1 研究区概况

本文选取的研究区为中国大陆区域,共有99个国家级地面辐射观测站点,这些站点显示中国地区多年平均辐射值（2011—2018）约170 W/m2,最高（青藏高原）约250 W/m2,最低（四川盆地）约为108 W/m2。本研究对地面观测数据按照数据完整性和阈值界限标准,剔除观测不连续的站点,筛选出了经过质量控制的91站点辐射数据作为观测数据,以下简称OBS。辐射在中国不同区域会出现明显空间差异,为比较不同数据的空间异质性,本研究按照Jia等[22]提出的分区方式将中国地区（图1）分为西部（16站）、东北（11站）、北部（26站）和南部（30站）4个子研究区。
图1 中国区域辐射观测站点空间分布及研究子区

注：图中数字为本文91台站号排序,分区评估时,边界外的站点未使用。该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作,底图无修改。

Fig. 1 Spatial distribution of the surface solar radiation observation network, and the four sub-regions in mainland China

2.2 数据来源

2.2.1 研究数据介绍
近年来,卫星反演产品和全球大气再分析产品数量的增加和质量的提升,为研究太阳短波辐射提供很大帮助。本文所用的太阳辐射产品简介如下（表1）,选取的研究时间段为2011—2018年。
表1 下行短波辐射数据基本信息

Tab. 1 Overview of the five downward solar radiation datasets

产品 空间分辨率 时间分辨率 时段 数据制作方法 研究机构 获取地址
CERES_SYN1deg 1°×1° 日平均小时累积 2000—2021 辐射传输模型 NASA http://ceres.larc.nasa.gov/order _data.php
CFSv2 0.2°×0.2° 6小时累积 2011—2021 3DVar NCEP https://rda.ucar.edu/datasets/ds094.0/#description
ERA-Interim 0.75°×0.75° 日累积 1979—2019 4DVar ECMWF http://apps.ecmwf.int/datasets/data/interim-full-daily/levtype=sfc/
ERA5 0.3°×0.3° 逐小时累积 1950—2021 4DVar ECMWF http://apps.ecmwf.int/data-catalogues/era5/?class=ea
MERRA2 0.5°×0.625° 逐小时累积 1980—2021 3DVar NASA https://disc.gsfc.nasa.gov/datasets?keywords="MERRA-2"&page=1&source=Models%2FAnalyses%20MERRA-2

注：目前网上可下载的ERA5数据从1979年开始。CFSv2是CFSR产品的延续,故在本文中也称作CFSR。3DVar和4DVar分别表示三维变分同化算法和四维变分同化算法。

表1中,CERES_SYN1deg是卫星反演产品,该产品是由美国国家航空航天局利用美国环境卫星Terra和Aqua反演得到,反演算法采用Langley Fu-Liou辐射传输模型,以MODIS和GEO卫星的气溶胶与云参数据、GMAO大气廓线数据和CERES观测的大气层顶辐射通量为输入参量[23,24]。其余4套（ERA5、CFSR、ERA-Interim和MERRA2）均为再分析产品。CFSR再分析产品是使用NCEP耦合预报模型[25],利用GSI数据同化系统得到大气同化产品,CFSv2是CFSR产品进一步的延续产品。ERA5与ERA-Interim再分析产品均来自欧洲中期天气预报中心（ECMWF）,ERA-Interim再分析产品是过渡产品,与ERA-Interim相比,ERA5增加了包括100m风分量在内的许多新变量,辐射反演采用RRTM快速辐射传输模型[26,27]。MERRA2产品是NASA采用戈达德地球观测系统（GEOS）的产品同化系统（DAS）生成的气象产品同化产品[28]。
2.2.2 地面观测数据
地面气象站使用的辐射传感器都为热电型,传感器由感应面与热电堆组成,主要观测太阳光谱在0.29~3.0 μm范围的短波辐射,以小时频率采集。本文使用的地面观测辐射数据来自《中国气象辐射基本要素数据集（V2.0）》（http://data.cma.cn/）[29,30],该数据集对辐射观测站辐射月报数据文件中的观测数据进行了反复的质量检测与质量控制,纠正了数字化过程数据录入错误、仪器故障或操作失误造成的错误等现象,同时对数字化遗漏数据进行了补录。

2.3 数据处理与评估方法

上述5套数据在空间分辨率上存在差异（表1）,为了减少尺度效应,本研究将5套数据重采样为1°空间分辨率,并采用双线性插值算法将5套数据插值到地面观测站点。Jia等[22]认为时空分辨率变化对数据精度影响较小,所以本研究选择在日尺度和月尺度进行评估,即将5套数据分别根据站点位置,提取双线性插值重采样后的数据产品值,与站点计算的日平均值、月平均值进行比较与分析。本研究评估指标选择Pearson相关系数（Corr）、均方根误差（RMSE）、平均偏差（Bias）以及相对误差（Pbias）,具体公式如下：
相关系数: Corr = ∑ i = 1 n ( x i - x ̅ ) ( y i - y ̅ ) ∑ i = 1 n ( x i - x ̅ ) 2 . ∑ i = 1 n ( y i - y ̅ ) 2
均方根误差: RMSE = ∑ i = 1 n ( x i - y i ) 2 n
平均偏差: Bias = 1 n ∑ i = 1 n ( x i - y i )
相对误差: Pbias = ∑ i = 1 n ( x i - y i ) ∑ i = 1 n y i
式中: x i为模拟值; x ̅为模拟值的平均; y i为观测值, y ̅为观测值的平均;n为样本总数。Corr的阈值为[-1, 1],0为完全线性不相关,1为线性相关,-1为线性负相关;RMSE的阈值为[0, +∞],误差值越大,模拟值与观测值之间的偏差越大。Bias的阈值为 [-∞, +∞],偏差为负,表示模拟平均值小于观测值平均值;偏差为0,表示模拟平均值等于观测平均值;偏差为正,表示模拟平均值大于观测平均值。Pbias的阈值为[-1, 1],误差的绝对值越小,模拟值与观测值之间的总体误差越小,反之,模拟值与观测值之间的总体误差越大。

3 结果与讨论

3.1 地面入射太阳短波辐射空间分布特征

图2（a）—图2（e）是2011—2018年5套数据地面入射太阳短波辐射多年平均空间分布图。可以看出,不同数据的辐射值在空间上存在一定差异,但总体空间格局仍存在相似之处,以ERA5再分析产品为例,具体分析如下。① 多年平均辐射值空间分布都是西部地区高于中部和东北地区,西部和东北地区多年平均辐射值随纬度升高而减小,中部地区多年平均辐射值随纬度升高而增大。总体上,西部青藏高原地区最大（约250~260 W/m2）,西北和北部次之（约210 W/m2）,南部川贵地区最小（约120~140 W/m2）。张彦丽等[31]认为水汽、气溶胶等大气环境与坡度、坡向等地形效应会导致地表下行太阳短波辐射空间分布变异特性;Si等[32]认为地表太阳辐射受低云物理特性的影响较大。因此造成这样空间分布格局,是由于受到不同地区的地理位置、地形地势和海拔高度影响。在西部青藏高原地区海拔高、空气稀薄,云和气溶胶对地面入射短波辐射的衰减作用较小,到达地面的辐射能量多;南部海拔低,气候湿润,云与气溶胶粒子对辐射的吸收、反射和散射作用大,到达地面的辐射能量少②中国地区地面入射太阳短波辐射多年平均的高值区位于青藏高原（约260 W/m2）,低值区位于四川盆地（约120 W/m2）,二者大致都位于北纬30°左右。青藏高原主要因其地势海拔高,空气稀薄,大气中粒子的反射、散射和吸收作用小,故而入射的太阳短波辐射量较多;四川盆地由于其盆地特性,地形封闭,加之处于南北冷暖气流交汇处,常年阴雨,大气成分复杂,太阳辐射被大气散射和吸收等消耗,故而到达地面的辐射量较少。
图2 2011—2018年中国区域地面入射太阳短波辐射空间分布

注：图（f）为ERA5再分析产品与CERES-SYN1deg产品相减之后的辐射空间分布。该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作,底图无修改。

Fig. 2 Spatial distribution of surface solar radiation over mainland China during 2011—2018, based on the five datasets

图2（f）为本文主要研究的ERA5再分析产品与CERES-SYN1deg产品相减之后的辐射差空间分布图。可以看出,在中国大部分地区ERA5再分析产品比CERES-SYN1deg产品模拟值偏高,尤其在青藏高原及其周边地区和山东、河南、河北等中东部区域,增值能达到15 W/m2以上,青藏高原部分地区增值达到30 W/m2以上。在内蒙古和黑龙江北部地区ERA5再分析产品比CERES-SYN1deg产品模拟值偏低,幅度在10 W/m2以下,在横断山区大部分区域ERA5再分析产品比CERES-SYN1deg产品模拟值偏高10 W/m2以下,小部分区域ERA5再分析产品比CERES-SYN1deg产品模拟值偏低10 W/m2以上。

3.2 月平均尺度评估

图3是月尺度上5套辐射产品根据91个辐射观测站点位置双线性插值重采样后的数据产品值与观测产品的对比散点图,图中红线为散点趋势线,黑线为标准线,r(Corr)为相关系数,p为显著性值,Pbias为相对偏差,RMSE为均方根误差。结果表明：CERES产品效果最好（Corr=0.955,RMSE=20.042 W/m2,Pbias=0.032）,ERA5再分析产品次之（Corr=0.939,RMSE=28.309 W/m2,Pbias=0.094）,ERA-Interim再分析产品Corr（0.896）略小于 CFSR再分析产品（0.911）,但是RMSE和Pbias值ERA-Interim再分析产品（31.552 W/m2和0.080）均小于CFSR再分析产品（39.033 W/m2和0.163）;MERRA2再分析产品效果较差（Corr=0.906,RMSE=41.135 W/m2,Pbias=0.176）。
图3 2011—2018年5套辐射产品与91台站产品在月平均尺度上对比散点图

Fig. 3 Scatter plots of the five solar radiation datasets against in situ observations at monthly scale from 2011 to 2018

总体上,在月尺度的散点图上5套产品效果都不错,Corr均在0.89以上（图3）。从图3（a）、（b）、（c）可以看出,CERES-SYN1deg、ERA5和ERA-Interim共3套产品相对于观测都是在辐射值偏低的地区整体有所高估,在辐射值偏大的地区整体有所低估。MERRA2和CFSR两套产品系统性偏差较大、且模拟效果较差。5套产品的辐射值在100~280 W/m2之间最为集中。
图4是对5套产品在选取的91站进行整体分析之后,再对每个站点进行统计分析的折线图。在月平均尺度上,CERES产品仍然优于4套再分析产品,绝大多数站点Corr都在0.95以上,RMSE在 20 W/m2以下,Bias在-10~20 W/m2之间。ERA5在再分析产品中产品最优,ERA-Interim再分析产品次之,虽然CFSR再分析产品在大多数站点的Corr要大于ERA-Interim再分析产品,但ERA-Interim再分析产品的RMSE较CFSR小7W/m2和Bias小 14 W/m2;MERRA2再分析产品在纬度较高的1~47号站点表现与其余4套产品相当,Corr在0.9以上,RMSE在30 W/m2左右,Bias在20 W/m2左右。5套产品的48~64号站点存在Corr异常偏低且RMSE与Bias较大的现象。通过站点位置分布图发现,这些站点普遍存在于中国西南的横断山区及其周围。横断山区独特的地形特征以及西南季风的影响使得该地区云检测不够精确,故该区域辐射模拟不够准确。85~91号站点（福州站、广州站、汕头站、南宁站、北海站、海口站、三亚站和西沙站）基本位于中国区域最南端,MERRA2再分析产品在这几个站点的Corr异常偏低,小于0.6,而RMSE与偏差表现不明显,这一问题可能是MERRA2再分析产品在低纬度地区与台站观测产品的相关性较差,具体原因有待进一步研究。
图4 2011—2018年月平均尺度上5套辐射产品在91观测站点的统计指标

Fig. 4 Statistical charts of the five solar radiation datasets against in situ observations at the monthly scale from 2011 to 2018

表2是5套产品在月平均尺度上的评估统计表,可以看到5套产品相对于观测的Corr整体都在0.9以上,CERES产品与观测的Bias、RMSE均最小,Corr最高,且3个统计指标的离散度最小;再分析产品中ERA5再分析产品更接近观测产品,与观测的整体RMSE和Bias均较CERES产品高10W/m2左右,Corr略低于后者约0.02,3个指标离散度稍高于后者;CFSR再分析产品Corr略高于ERA-Interim再分析产品约0.01,但RMSE和Bias也略高约7 W/m2和14 W/m2;MERRA2再分析产品在3个统计指标的表现相较于其他几套产品均略差一些,Corr（0.91）较小,RMSE（41.1 W/m2）和Bias（29.9 W/m2）最大。
表2 5套产品在月平均尺度上与台站产品的评估指标结果统计

Tab. 2 Performances of the five solar radiation datasets at the monthly scale from 2011 to 2018

产品 Corr RMSE/(W/m2) Bias/(W/m2)
CERES_SYN1deg 0.96±0.04 20.0±5.7 5.3±8.9
CFSR 0.91±0.06 39.0±11.9 26.9±15.8
ERA-Interim 0.90±0.10 31.6±9.2 13.2±17.0
ERA5 0.94±0.06 28.3±9.1 15.4±13.1
MERRA2 0.91±0.13 41.1±13.3 29.9±15.9

注：表中±前后数据分别表示Corr的均值和标准差,如“0.96±0.04”中0.96是Corr的均值,0.04是Corr的标准差。

3.3 日平均尺度评估

由图5可看出,CERES产品效果最好,Corr为0.945,RMSE（31.151 W/m2）最小,Pbias（0.032）最小;ERA5再分析产品次之,Corr为0.899,RMSE（42.797 W/m2）较小,Pbias（0.094）较小;ERA-Interim再分析产品Corr（0.859）与CFSR再分析产品（0.859）相等,但是RMSE和Pbias值ERA-Interim再分析产品（48.223 W/m2和0.079）均小于CFSR再分析产品（55.058 W/m2和0.163）;MERRA2再分析产品Corr（0.839）最小,RMSE（57.632 W/m2）和Pbias（0.176）最大。总的来说,5套产品均较观测产品偏大。
图5 2011—2018年5套辐射产品与91观测站点日平均尺度上对比散点图

Fig. 5 Scatter plots of the five solar radiation datasets against in situ observations at the daily scale from 2011 to 2018

因此,在日平均尺度上,CERES产品与台站观测产品更接近,误差也最小;再分析产品较卫星反演产品稍差;再分析产品之间相比,ERA5再分析产品更好,其次是ERA-Interim再分析产品,而MERRA2再分析产品稍差一些。
由图6可知,CERES产品大部分站点相关性都在0.9以上,RMSE普遍最小,Bias在-20~20 W/m2的范围内;ERA5再分析产品的Corr普遍略低于CERES产品,RMSE大部分略高于CERES产品,Bias整体略大于CERES产品;ERA-Interim、CFSR再分析产品大部分Corr在0.8~0.9之间,RMSE大部分在30~70 W/m2之间,CFSR整体略高于ERA-Interim,Bias亦然;MERRA2再分析产品有较多站点的Corr在0.8以下,RMSE和Bias偏大,整体效果偏差。5套产品在横断山区由于云检测等原因表现仍较差,而再分析产品的云检测是一个难点,故而在该地区再分析产品的表现比较差,反而CERES产品表现稍好。MERRA2再分析产品在85~91站点的Corr依然较差,但明显好于月平均的结果。
图6 2011—2018年日平均尺度5套辐射产品与91台站观测产品的比较

Fig. 6 Statistical charts of the five solar radiation datasets against in situ observations at the daily scale from 2011 to 2018

由表3可看出,5套产品整体较台站产品偏大,CERES产品与台站观测产品偏差最小（5.7 W/m2）,RMSE最小（31.1 W/m2）,离散度最小,Corr最高（0.95）;4套再分析产品中ERA5与台站观测产品偏差较小（16.2 W/m2）,RMSE最小（42.8 W/m2）,离散程度最小,Corr也最高（0.90）,产品在再分析产品中表现最好。
表3 5套产品在日平均尺度上与台站观测产品的评估指标统计

Tab. 3 Performances of the five solar radiation datasets at the daily scale from 2011 to 2018

产品 Corr RMSE/（W/m2） Bias/（W/m2）
CERES_SYN1deg 0.95±0.05 31.1±8.1 5.7±9.1
CFSR 0.86±0.09 55.1±12.4 28.3±17.2
ERA-Interim 0.86±0.09 48.2±9.7 14.1±16.8
ERA5 0.90±0.07 42.8±9.2 16.2±13.4
MERRA2 0.84±0.12 57.6±14.9 31.5±16.6

注：表中±前后数据分别表示Corr的均值和标准差,如“0.96±0.04”中0.96是Corr的均值,0.04是Corr的标准差。

结合实际站点位置分析可知,5套产品在青藏高原及周边地区和两广福建等地区的站点误差较大,故本文选取青海玉树站（51号）和海南三亚站（90号） 2个辐射观测站进一步讨论。图7为2011年5套产品及站点的辐射观测产品的时间序列图。玉树站在2011年1—3月观测值异常偏低,可能是由于该站辐射观测计冬季被雪覆盖或者被其他异物遮挡,导致观测值异常偏低,而上传的数据一般经过缺失值以及阈值进行质控,无法对正常范围内的“不合理值”进行质控。而在西部一些人烟稀少的站点由于仪器维护不到位更容易产生这种观测误差。三亚站5套产品与观测产品的辐射变化趋势一致性较差,尤其是MERRA2产品在夏季。南方气候湿润,云与气溶胶对辐射模拟的影响较大,故云与气溶胶参数化方案是否精确对辐射模拟精度有很大影响。
图7 2011年5套产品及站点辐射产品的时间序列

Fig. 7 Time series charts of the five sets of data and situ radiation data in 2011

3.4 空间相关性分析

表4为日尺度上5套下行短波辐射产品在空间上做相关分析的统计表,CERES产品与ERA5再分析产品空间相关性最高（0.937）,与MERRA2再分析产品的空间相关性最低（0.879）;ERA5再分析产品与ERA-Interim再分析产品的空间相关性最高（0.945）,与MERRA2再分析产品的空间相关性最低（0.869）;ERA-Interim再分析产品与ERA5再分析产品空间相关性最高,与MERRA2再分析产品的空间相关性最低（0.857）;CFSR再分析产品与ERA5再分析产品的空间相关性最高（0.922）,与MERRA2再分析产品的空间相关性最低（0.849）。
表4 5套产品基于91观测站点的空间相关性分析

Tab. 4 Spatial correlation analysis of the five solar radiation datasets

空间相关性 CERES_SYN1deg CFSR ERA-Interim ERA5 MERRA2
CERES_SYN1deg - - - - -
CFSR 0.897 - - - -
ERA-Interim 0.899 0.895 - - -
ERA5 0.937 0.922 0.945 - -
MERRA2 0.879 0.849 0.857 0.869 -
由此可看出,由于ERA5与ERA-Interim再分析产品同源,所以空间相关性最高;此外,CERES卫星反演产品与ERA5再分析产品空间相关性较高;MERRA2与其他4套产品的空间相关性均为最低。

3.5 分区域评估

为了更好分析5套产品在中国大陆地区不同区域的表现,将中国大陆地区进行分区,分区情况如图1所示。表5为5套产品分别在4个区域与台站观测产品进行比较的统计表。结果表明：① 东北区域5套产品的相关性均最高,RMSE均最小, 4套再分析产品的Bias最小,而CERES产品的Bias最小值出现在北部区域;② CERES产品与台站观测产品在4个区域都具有很好的一致性,Corr在0.95以上,RMSE在20 W/m2以下,Bias在10 W/m2以下;③ 4套再分析产品在南部区域的相关性均最差,ERA5再分析产品和ERA-Interim再分析产品在西部区域的RMSE和Bias最大,而CFSR再分析产品和MERRA2再分析产品在南部区域的RMSE和Bias最大。总的来讲,5套产品在南部区域的Corr最差,这可能是由于南部多为山区且气候潮湿,空气中水汽较多,云检测不准确造成的;而与台站观测产品一致性较好的CERES产品、ERA5再分析产品和ERA-Interim再分析产品在西部区域的RMSE和Bias均稍大于南方区域,这可能是由于西部地区的辐射值远大于南方地区,所计算的误差值就稍大。
表5 5套产品分别在4个区域与台站产品的比较统计

Tab. 5 Performances of the five solar radiation datasets against in situ observations in the four sub-regions of mainland China

产品 CERES_SYN1deg ERA5 ERA-Interim CFSR MERRA2
区域 Corr RMSE Bias Corr RMSE Bias Corr RMSE Bias Corr RMSE Bias Corr RMSE Bias
西部 0.98 18.1 7.4 0.96 32.8 23.8 0.95 33.3 20.1 0.95 34.7 24.4 0.97 32.1 27.0
北部 0.98 13.9 3.8 0.96 25.0 16.5 0.94 27.0 13.9 0.93 38.2 31.1 0.94 36.8 28.3
东北 0.99 12.7 6.2 0.98 15.7 7.2 0.96 20.1 -4.1 0.97 26.2 19.2 0.98 25.3 16.9
南部 0.96 18.1 4.7 0.91 26.1 12.9 0.86 32.9 14.6 0.86 41.1 27.5 0.88 53.2 44.0

注：RMSE和Bias单位为W/m。

将5套产品插值到上述4个区域站点的日平均数据分别求每个区域的站点平均后作出2011—2018年多年日平均时间序列图（图8）。总体而言, 5套产品在各个区域与台站观测产品都有良好的一致性,且可以很好地反映地表入射太阳辐射的日变化、季节变化及年际变化。除了ERA-Interim再分析产品日平均辐射值在东北区域夏季秋季为低估外,5套产品在各个区域日平均辐射值相对于观测数据均为高估。具体来讲,西部区域的整体模拟效果最好,北部次之,南部最差。在4个区域CERES与观测最接近,再分析产品中ERA5最好,4个区域均呈现“两边细中间粗”,也就是冬季和春季的模拟效果要比夏季和秋季好,在西部空气稀薄地区表现不是很明显,在北部和东北区域表现比较明显。结合张星星等[33]对ECMWF地表下行太阳短波辐射数据在我国的误差及成因分析可知,东北地区辐射的主要影响因子为云覆盖率,西部和北部辐射的主要影响因子为气溶胶和云覆盖率,南部地区辐射的主要影响因子为气溶胶、云覆盖率和地表反照率;而且在夏季辐射主要影响因子为气溶胶、云覆盖率和地表反照率,冬季辐射主要影响因子为气溶胶和云覆盖率,因此南部区域四季的模拟结果都比较差。西部区域的辐射平均值最大,南部区域最小;这是由于南方大气中水汽含量丰富,云量较多,入射的太阳辐射较少。
图8 2011—2018年中国4个区域多年日平均时间序列

Fig. 8 Multi-year average solar radiation in the four sub-regions of China during 2011—2018

4 结论

本文选用2011—2018年中国地区91个辐射台站观测产品与CERES卫星反演SYN1deg产品、以及ERA5、ERA-Interim、MERRA2和CFSR4种再分析产品进行比较分析,检验了ERA5地表下行太阳短波辐射产品在中国地区的适用性,得到以下结论：
（1）ERA5产品的辐射值能较好地反映在中国区域的多年平均空间分布规律,西部高于中部和东北,西部和东北地区随纬度升高而减小,中部地区随纬度升高而增大。中国区域辐射多年平均值大约在120~280 W/m2之间,最大值和最小值分别出现在青藏高原地区和四川盆地。
（2）由月尺度和日尺度评估结果来看,再分析产品中ERA5产品的表现最好。在月尺度上ERA5短波辐射产品和站点观测的Corr为0.939,RMSE为28.309 W/m2左右,Bias为15.4 W/m2。日尺度上Corr为0.899,RMSE为42.797 W/m2左右,Bias为16.2 W/m2;ERA-Interim再分析产品次之,MERRA2再分析产品最差。但是ERA5再分析产品与美国CERES卫星反演产品相比还有一定差距,后者在月尺度上Corr为0.955,RMSE为20.042 W/m2,Bias为5.3 W/m2,日尺度上Corr为0.945,RMSE为31.151 W/m2,Bias为5.7 W/m2。
（3）由空间相关性来看,ERA5再分析产品与ERA-Interim再分析产品空间相关性最好,达到0.945,这是由于两套产品所用模拟系统相关; CERES产品与ERA5再分析产品空间相关性次之;MERRA2再分析产品与其他4套产品的空间相关性均较差。
（4）由分区评估结果来看,再分析产品中ERA5产品在4个区域与台站观测数据都有良好的一致性,可以很好地反映地表入射太阳辐射变化,产品整体在东北地区效果最好、西部和北部次之,都明显好于南方地区;从季节尺度讲,ERA5产品在冬季和春季的模拟结果好明显好于夏季和秋季。
不同角度5套产品的分析评估结果可以看到,总体上来说,ERA5再分析产品与其他3套再分析产品相比效果更好,与CERES产品相比有一定差距;ERA-Interim再分析产品的表现相对更稳定,但较ERA5再分析产品差;CFSR再分析产品与ERA-Interim再分析产品相比误差稍大,但与观测产品相关性更高;MERRA2再分析产品在纬度高的地区与其他产品表现相当,但在纬度低的地区表现较差。不同产品在不同区域精度存在差异,这可能是不同产品在生产过程中对辐射影响因子的参数化方案不同造成。ERA5辐射产品在中国区域整体有较好的适用性,但对于横断山区及纬度较低的几个站点出现的异常情况,对其影响因素,还需做更详细的研究和分析。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王延慧, 史玉光, 何清, 等. 短波辐射研究概述[J]. 沙漠与绿洲气象, 2013, 7(2):68-73.

[ Wang Y H, Shi Y G, He Q, et al. Research summary on shortwave solar radiation[J]. Desert and Oasis Meteorology, 2013, 7(2):68-73. ]

[2]
吕宁, 刘荣高, 刘纪远. 1998-2002年中国地表太阳辐射的时空变化分析[J]. 地球信息科学学报, 2009, 11(5):623-630.

[ Lv N, Liu R G, Liu J Y. The spatiotemporal variation of downward shortwave radiation over China from 1998 to 2002[J]. Journal of Geo-information Science, 2009, 11(5):623-630. ]

[3]
Wang D D et al. A synergic study on estimating surface downward shortwave radiation from satellite data[J]. Remote Sensing of Environment, 2021, 264.

[4]
胡斯勒图, 施建成, 李明, 等. 基于卫星数据的地表下行短波辐射估算:方法,进展及问题[J]. 中国科学:地球科学, 2020, 50(7):27-42.

[ Hu S L T, Shi J C, Li M, et al. A review of the estimation of downward surface shortwave radiation based on satellite data: Methods, progress and problems[J]. Science China Earth Sciences, 2020, 50(7):27-42. ]

[5]
马润, 胡斯勒图, 尚华哲, 等. 基于葵花-8卫星大气产品的地表下行短波辐射计算[J]. 遥感学报, 2018, 23(5):924-934.

[ Ma R, Hu S L T, Shang H Z, et al. Estimation of downward surface shortwave radiation from Himawari-8 atmospheric products. Journal of Remote Sensing, 2018, 23(5):924-934. ]

[6]
吴其重, 王自发, 崔应杰. 我国近20年太阳辐射时空分布状况模式评估[J]. 应用气象学报, 2010, 21(3):343-351.

[ Wu Q Z, Wang Z F, Cui Y J. Evaluating the solar radiation resources of China in recent 20 years by meteorological model[J]. Journal of Applied Meteorological Science, 2010, 21(3):343-351. ]

[7]
魏合理, 徐青山, 张天舒. 用GMS-5气象卫星遥测地面太阳总辐射[J]. 遥感学报, 2003, 7(6):303-312.

[ Wei H L, Xu Q S, Zhang T S. Observation of solar irradiance at the surface from GMS-5[J]. Journal of Remote Sensing, 2003, 7(6):303-312. ]

[8]
Rossow W B. International Satellite Cloud Climatology Project (ISCCP) documentation of new cloud datasets[J]. Wmo/td737 World Climate Research Programme, 1996, 115(2):157-162.

[9]
Wang W, Xie P, Yoo S H, et al. An assessment of the surface climate in the NCEP climate forecast system reanalysis[J]. Climate Dynamics, 2011, 37(7-8):1601-1620.

DOI

[10]
赵天保, 符淙斌, 柯宗建, 等. 全球大气再分析产品的研究现状与进展[J]. 地球科学进展, 2010, 25(3):242-254.

[ Zhao T B, Fu Z B, Ke Z J, et al. Global atmosphere reanalysis datasets: current status and recent advances[J]. Advances in Earth Science, 2010, 25(3):242-254. ]

[11]
谢潇, 何金海, 祁莉. 4种再分析产品在中国区域的适用性研究进展[J]. 气象与环境学报, 2011, 27(5):58-65.

[ Xie X, He J M, Qi L. A review on applicability evaluation of four reanalysis datasets in China[J]. Journal of Meteorology and Environment, 2011, 27(5):58-65. ]

[12]
邓小花, 翟盘茂, 袁春红. 国外几套再分析产品的对比与分析[J]. 气象科技, 2010, 38(1):1-8.

[ Deng X H, Zhai P M, Yuan C H. Comparative analysis of NCEP/NCAR, ECMWF and JMA reanalysis[J]. Meteorological Science and Technology, 2010, 38(1):1-8. ]

[13]
Wang A, Zeng X. Evaluation of multi reanalysis products with in situ observations over the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres, 2012, 117(D5):214-221.

[14]
杨凤娟, 亢燕铭, 刘琼, 等. 新疆地面太阳辐射及其CERES/SSF卫星资料适用性研究[J]. 干旱区研究, 2019, 36(6):80-89.

[ Yang F J, Kang Y M, Liu Q, et al. Xinjiang ground solar radiation and CERES/SSF satellite data applicability research[J]. Journal of research in arid areas, 2019, 36(6):80-89. ]

[15]
Xia X A, Wang P C, Chen H B, et al. Analysis of downwelling surface solar radiation in China from national centers for environmental prediction reanalysis, satellite estimates, and surface observations[J]. Journal of Geophysical Research Atmospheres, 2006, 111(D9):2105-2117.

[16]
刘军建, 师春香, 贾炳浩, 等. FY-2E地面太阳辐射反演及数据集评估[J]. 遥感信息, 2018, 33(1):104-110.

[ Liu J J, Shi C X, Jia B H, et al. Retrievals and evaluation of downward surface solar radiation derived from FY-2E[J]. Remote sensing information, 2018, 33(1):104-110. ]

[17]
刘军建, 师春香, 韩帅, 等. 多源地面短波辐射数据融合与评估[J]. 遥感技术与应用, 2018, 33(5):850-856.

[ Liu J J, Shi C X, Han S, et al. The data fusion of multi-source downward surface solar radiation and evaluation[J]. Remote sensing technology and application, 2018, 33(5):850-856. ]

[18]
You Q, Sanchez-Lorenzo A, Wild M, et al. Decadal variation of surface solar radiation in the Tibetan Plateau from observations, reanalysis and model simulations[J]. Climate Dynamics, 2013, 40(7-8):2073-2086.

DOI

[19]
Yang R, Ek M, Meng J. Surface water and energy budgets for the mississippi river basin in three NCEP reanalysis[J]. Journal of Hydrometeorology, 2015, 16(2):857-873.

DOI

[20]
傅良, 卞林根, 效存德, 等. 四种再分析辐射产品在东南极高原适用性评价[J]. 极地研究, 2015, 27(1):56-64.

[ Fu L, Bian L G, Xiao C D, et al. Evaluation of four reanalysis radiation datasets from the east antarctic plateau[J]. Chinese Journal of Polar Research, 2015, 27(1):56-64. ]

[21]
王丹, 盛立芳, 石广玉, 等. 中国地表太阳辐射再分析数据与观测的比较[J]. 应用气象学报, 2012, 23(6):729-738.

[ Wang D, Sheng L F, Shi G Y, et al. Comparison of surface solar radiation reanalysis data and observations over China[J]. Journal of Applied Meteorological Science, 2012, 23(6):729-738. ]

[22]
Jia B H, Xie Z H, Dai A G, et al. Evaluation of satellite and reanalysis products of downward surface solar radiation over East Asia: Spatial and seasonal variations[J]. Journal of Geophysical Research Atmospheres, 2013, 118(9):3431-3446.

DOI

[23]
Doelling D R, Loeb N G, Keyes D F, et al. Geostationary enhanced temporal interpolation for CERES flux products[J]. Journal of Atmospheric & Oceanic Technology, 2013, 30(6):1072-1090.

[24]
Kato S, Loeb N G. Twilight irradiance reflected by the Earth estimated from Clouds and the Earth's Radiant Energy System (CERES) measurements[J]. Journal of Climate, 2003, 16(15):2646-2650.

[25]
Saha S, Moorthi S, Wu X, et al. The NCEP climate forecast system version 2[J]. Journal of Climate, 2014, 27(6):2185-2208.

DOI

[26]
马志泉, 陈钦明, 高德政. 用中国地区ERA-Interim产品计算ZTD和ZWD的精度分析[J]. 大地测量与地球动力学, 2012, 32(2):100-104.

[ Ma Z Q, Chen Q M, Gao D Z. Study on accuracy of ZTD and ZWD calculated from ERA-Interim data over China[J]. Journal of Geodesy and Geodynamics, 2012, 32(2):100-104. ]

[27]
Hersbach H, Dee D. ERA5 reanalysis is in production[J]. ECMWF Newsletter, 2016, 147(7):1201-1209.

[28]
Lawrence C, Krzysztof W, Andrea M, et al. Structure and dynamics of the Quasi-Biennial oscillation in MERRA-2[J]. Journal of Climate, 2016, 29(14):7703-7706.

DOI

[29]
中国气象局. 地面气象观测规范[M]. 北京: 气象出版社, 2005.

[ China Meteorological Administration. Ground meteorological observation specification[M]. Beijing: Meteorological publishing, 2005. ]

[30]
中国气象局. 地面气象辐射观测产品质量控制(QX/T117-2010)[M]. 北京: 气象出版社, 2010.

[ China Meteorological Administration. Quality control of ground meteorological radiation observation data (QX/T117-2010)[M]. Beijing: Meteorological publishing, 2010. ]

[31]
张彦丽, 赵军. 复杂地形区太阳短波辐射空间变异分析[J]. 地理与地理信息科学, 2017, 33(4):99-106.

[ Zhang Y L, Zhao J. Spatial variation analysis of solar shortwave radiation in complex terrain[J]. Geography and Geo-information Science, 2017, 33(4):99-106. ]

[32]
Si Y W et al. Effects of single-layer low clouds on the surface solar radiation in East Asia[J]. Solar Energy, 2021, 224:1099-1106.

DOI

[33]
张星星, 吕宁, 姚凌, 等. ECMWF地表太阳辐射数据在我国的误差及成因分析[J]. 地球信息科学学报, 2018, 20(2):254-267.

DOI

[ Zhang X X, Lv N, Yao L, et al. Error analysis of ECMWF surface solar radiation data in China[J]. Journal of Geo-information Science, 2018, 20(2):254-267. ]

Options
文章导航

/

〈 〉