引言

长期以来，东亚地区夏季降水一直是各类数值模式模拟的一个难点问题^[1-2]。该地区地理位置独特，天气气候受到热带大洋和青藏高原大地形的显著影响，各圈层相互作用异常复杂。在给定观测海温驱动的条件下，目前世界上几乎所有的大气环流模式对东亚季风及其变率的模拟技巧都很低^[3]。东亚季风降水的模拟尤为困难，因为其涉及到多种影响因子，且各因子之间有复杂的相互作用和反馈，当前的数值模式难以准确再现。例如，目前的大气环流模式所模拟的夏季降水平均态，在高原东侧多存在虚假的降水中心^{[1, 4-5]}；模式对东亚降水的季节内变化模拟能力也极为有限^[6]；历史海温驱动下的大气环流模式所模拟的夏季降水年际变率，在东亚季风区几乎没有技巧^[7]。数值模式对降水模拟的偏差总体来看可以分为两大类：一类源于模式环流场偏差，如高低空急流位置偏差、副高位置和强度偏差等。此类误差会直接影响水汽输送和雨带位置。另一类源于模式物理过程参数化方案的偏差，如局地对流活动触发条件的偏差、大尺度凝结降水的水汽阈值偏差等。当前模式中的物理过程参数化方案都是对真实过程进行大量简化而得出，且其中的关键参数多是基于单点观测推算的结果，在东亚地区的适用性有待讨论。此类误差可直接影响降水事件的发生发展过程和降水强度。由于降水过程涉及模式中的诸多过程及其相互作用和反馈，在对模式结果进行评估时，往往难以区分上述两类误差。

近年来，再分析资料在气候科研和业务工作中得到了越来越多的重视。利用先进的资料同化系统和数值预报模式，结合经过严格质量控制的各类观测探测资料，一些数值预报中心已经制作出时间跨度为几十年的、具有良好一致性的全球大气再分析资料。这些资料被广泛应用于模式试验和评估、天气气候诊断分析等。根据观测资料和模式对变量的相对影响程度，再分析资料中的数据可大致分为四大类^[8]：A类为受观测资料显著影响的变量，也是可信度最高的变量，如大气各层气温场、风场和位势高度场；B类为既受观测资料的直接影响、又受到模式较强调制作用的变量，如湿度和表面气温；C类为完全由模式输出、不受观测资料直接影响的变量，包括云、降水和表面通量等；D类为完全与模式无关的场(如地形高度、海陆分布)。由此可知，再分析资料中的降水场是在基本真实的环流场强迫下，由当前最先进的数值预报模式计算输出的，因此再分析资料的降水场能够反映出目前模式参数化过程导致的误差。

此前对再分析资料的分析和比较主要是从资料可信度方面予以检验和评价^[9-11]。本文将以我国台站观测资料为参照，对三套再分析资料的夏季降水场进行比较评估，目的在于揭示当前高水平数值预报模式的物理过程偏差对降水模拟的影响，从而为今后的模式发展和评估工作提供参照。

1 数据和方法

本文分析夏季(6—8月)中国区域的逐日降水量，使用的台站观测资料为中国气象局国家气象信息中心整理发布的中国地面气候资料日值数据集。该数据集共包括全国753个站点的观测资料，数据来源为各省、市、自治区气候资料处理部门逐月上报的《地面气象记录月报表》的信息化资料，经过较严格的质量控制，数据质量良好。图 1中用黑点标示出753个台站的站点位置。

本文共选取了三套再分析资料与台站资料进行对比分析，分别为：美国国家环境预报中心(NCEP)/美国能源部(DOE)的再分析数据集Ⅱ (在下文中简称NCEP)^{[8, 12]}，欧洲中期数值预报中心(ECMWF)再分析数据集(简称ERA)^[13]，以及日本气象厅组织研发的日本再分析数据集(简称JRA)^[14]。三套再分析资料完全独立，且基于不同的同化系统和数值预报模式。NCEP资料使用的模式水平分辨率为T62(约210 km)，垂直28层；ERA资料的数值模式为TL159(约125 km)，60层；JRA资料基于一个水平分辨率为T106(约120 km)，垂直40层的模式。

本文分析的时段为上述三套资料的交集：1979—2002年。为了便于对降水量进行点对点的比较，三套资料均利用双线性插值法插值到站点位置上。

2 夏季降水量气候态的比较

图 2中给出1979—2002年夏季降水量的气候态分布。从台站观测可知(图 2a)，我国中东部地区夏季降水量主要集中在长江流域及其以南地区，大体呈现出南北两条雨带：一条位于30°N附近，由三个降水量大于7 mm·d^-1的降水中心组成，且三个中心分别位于长江上游、中游和下游；另一条雨带位于华南，包括云南南部、广西和广东沿海地区。总体来看，三套资料都能在一定程度上反映出我国夏季降水量分布的基本特征。图 2b中给出NCEP资料夏季平均降水量分布，能清楚分辨出两条雨带的结构，且长江中下游的两个降水中心和华南降水中心的位置和强度均与台站资料有较好对应；但西南地区降水中心范围明显偏大且位置偏西。与观测相比，ERA的降水资料(图 2c)呈现出较大偏差：两条雨带的降水量均大幅偏少且长江上游降水中心的位置明显偏北，下游中心的位置明显偏南。JRA资料(图 2d)与台站资料相似度较高，较准确地再现了长江上游降水中心的位置；但长江下游的降水中心位置偏东偏南，且与华南雨带相连，覆盖整个东南沿海地区。从夏季气候平均降水量的空间相关系数来看，JRA资料最高，为0.85，NCEP次之(0.79)，ERA资料最低(0.58)。

为了更好地比较台站降水和再分析资料降水的气候态分布，图 3给出了两类降水资料的差值比例：

${{P}_{差值比例}}=\frac{{{P}_{再分析}}-{{P}_{观测}}}{{{P}_{观测}}}$

(1)

P_差值比例由公式(1) 在每个站点上分别计算得出。由图 3a可知，NCEP降水在高原东部大幅偏多，在多个站点的偏差甚至超过观测降水量1倍以上。通过对大气环流模式CCM3对东亚夏季风降水模拟能力的分析，宇如聪等^[1]指出，大气环流模式倾向于在青藏高原东坡模拟出虚假降水中心，且这一偏差与模式对高原附近表面感热通量的大幅高估有关。NCEP资料在我国东北和华中地区也有较明显的正偏差。整体来看，NCEP资料在60.3%(39.7%)的站点高估(低估)了降水量。ERA降水量则在全国大部分地区(84.9%的站点)偏少；仅在高原南缘和东侧部分站点出现了正偏差(图 3b)。JRA资料中降水量偏多与偏少的站点比例相近，分别为53.3%和46.7%；最强的正偏差呈带状分布在我国大陆南部(图 3c)。三套再分析资料在青藏高原东南部(30°N以南、100°E以西)都有很强的正偏差。该地区地形复杂，多高大山脉，降水受局地地形强迫作用影响显著；而这一区域台站密度较低，且关键降水中心位于我国境外。因此这里的正偏差可能与台站位置分布有关，尚需利用卫星资料作进一步验证。

除空间分布之外，降水量气候态的另一个重要特征是降水量随降水强度的分布特征。图 4为对所有降水日以日降水强度为标准进行分类、累加后得到的不同强度降水的累积降水量，分类时采用的降水强度间隔为2 mm·d^-1，逐站计算后对所有站点进行平均。与黑色线代表的台站观测降水相比，三套再分析资料呈现出一致的偏差：弱降水的累积降水量偏多，强降水的累积降水量偏少。对所有日降水强度小于10 mm·d^-1的降水，NCEP、ERA和JRA给出的降水量分别为台站观测降水量的2.01倍、2.56倍和2.05倍；而对所有日降水强度大于50 mm·d^-1的降水，NCEP、ERA、JRA给出的降水量分别为台站观测降水量的20.9%、3.9%和43.4%。结合以上数据和图 4中线条的走势可知，以日降水强度为标准，JRA资料的降水结构与观测值最接近，NCEP次之，ERA资料与台站降水的偏差最大。高估弱降水，低估强降水，这是当前大多数气候模式都存在的一个问题，可能与模式物理过程的偏差密切相关。

考虑到降水具有很强的区域依赖性，本文选取了5个关键区进行分析。如图 1中5个方框所示，在我国东部的3个分区自北至南依次为华北区(37°~42°N，107.5°~125°E)，长江中下游区(27°~33°N，107.5°~122.5°E)和华南区(21.5°~26°N，107.5°~120°E)，西端的两个分区自北至南分别为中西部地区(28.5°~35°N，100°~105°E)和西南地区(21°~28°N，97.5°~106°E)。东部3个区域可分别代表暖季不同时段雨带所处的关键位置，中西部地区包括高原东侧的降水大值区，西南区具有复杂的地形分布且降水量局地差异显著。图 5较直观地给出了5个区域中三套资料的夏季降水与台站观测的比较。对应分析时段的2208个样本(24年×92天)，每幅图中都有2208个点，分别以当日的再分析日降水量为横坐标，以台站观测日降水量为纵坐标在图中定位。左侧第一列为华北地区，可知NCEP和JRA资料在该地区与台站资料相差不大，散点回归线(实线)与X=Y的参考线(虚线)几乎重合；而ERA资料的回归线偏向于Y轴，说明对华北区降水有明显低估。第二列为长江中下游地区区域平均的结果，NCEP和JRA资料略为偏多，而ERA则明显偏少。在华南区(第三列)，NCEP资料的偏差不大，ERA资料降水偏少而JRA资料降水偏多。第四列为我国中西部地区，NCEP资料的偏差最大，显著高估了该区的降水。在西南区(第五列)，NCEP资料的降水仍大幅偏大，ERA资料偏少、JRA资料偏多。综合5个关键区的情况，NCEP资料和JRA资料对区域降水的再现要优于ERA资料，且前两套资料多表现为降水量偏多，而ERA资料却系统性偏少。

3 夏季降水量变率的比较

我国夏季降水具有显著的年际变化和季节内变化^[15-16]，能否合理反映出这些变率是评估降水资料的一个重要方面。

图 6给出了三套再分析资料在5个关键区域的逐年夏季平均降水量，各种线条代表不同资料，实线为台站观测值；图 6a~e幅图自上至下分别对应于华北区、长江中下游地区、华南区、中西部地区和西南区。相对应的，图 7为各再分析资料与台站观测降水量在年际尺度的相关系数。在华北区，NCEP和ERA资料的降水量与观测相比都明显偏小；三套资料的年际变化较为一致，与观测值具有较高的相关性，相关系数均超过0.82。在长江中下游地区，ERA资料较观测偏少，年际变化相关系数为0.58，年际变化幅度较观测明显偏弱；NCEP、JRA降水量与观测值基本相当，相关系数分别为0.43和0.72；三套资料均在一定程度上反映出长江中下游地区的夏季降水量在20世纪后20年间的上升趋势。ERA (JRA)资料低估(高估)了华南地区降水，而NCEP资料与观测数据有很好的一致性；各再分析资料在华南区与观测资料的相关性很高，相关系数均超过了0.87；且三套资料都能识别出该地区降水量在20世纪80年代末、90年代初的跃升。在中西部地区，NCEP降水明显偏多但与观测的相关性较好，相关系数为0.68；另两套资料降水量偏差较小但相关性较差，相关系数均未超过0.50；特别是ERA资料，相关系数仅为0.09，对该地区年际变化的描述几乎没有可信度。在西南地区，NCEP和JRA资料偏多而ERA资料偏少，JRA资料的相关系数最高(0.74)，ERA资料次之(0.54)，NCEP资料最低(0.47)。总体来看，在年际尺度上，再分析资料降水变率与观测降水的一致性在华北和华南要明显优于另外三个地区；三套再分析资料中，ERA资料对年际变化的描述能力相对较弱，JRA资料相对较好。

我国东部地区暖季降水的一个重要特征是雨带的南北向移动和停滞，局地降水量具有显著的季节内演变。为了反映这一特征，本文考察各再分析资料与观测降水间历年的夏季逐日相关系数(图 8)。图 8中不同的线条代表不同资料夏季逐日(92天)降水相关系数在24年间的变化；五幅图自上至下分别为华北区、长江中下游地区、华南区、中西部地区和西南区。在华北区，三套资料历年相关系数都很高，绝大部分年份都大于0.80，且逐年之间差异不大，很好地再现出该区域降水的季节内变化。在长江中下游地区，三套资料间出现了较明显的差异：ERA资料一直保持较高的相关系数，不同年份间差异不大；JRA资料略低于ERA结果，NCEP资料的相关系数最低。华南区三套资料相关系数在绝大多数年份均大于0.70，相对而言NCEP资料的相关性稍差。在我国中西部地区，ERA和JRA两套资料的相关系数基本维持在0.70以上，而NCEP资料相关系数大于0.70的年份仅有3年，大部分年份的相关性都较弱，有4年的相关系数小于0.50。在西南区NCEP资料的相关系数仍大幅偏低，在1987年仅为0.30。总体来看，ERA和JRA资料在季节内变化方面表现稳定，在各区域都与观测资料有较好相关，且相关系数的年际波动相对较小。NCEP资料对降水季节内演变的描述能力较弱，特别在西部两个地区与观测的差异更为明显。

4 三套再分析资料的TS、BS评分

TS评分和BS评分是近年来比较通用的降水预报统计检验方法，该方法可以对数值天气预报模式的预报效果做出客观定量的评价^[17-18]。两项评分的具体计算公式如下：

$TS=\frac{{{N}_{正确}}}{{{N}_{正确}}+{{N}_{空报}}+{{N}_{漏报}}}$

(2)

$BS=\frac{{{N}_{正确}}+{{N}_{空报}}}{{{N}_{正确}}+{{N}_{漏报}}}$

(3)

其中，N_正确为预报正确的(再分析资料和观测均出现特定量级以上降水)的站点数，N_空报为空报的台站数，N_漏报为漏报的台站数。由式(2) 可知，TS评分为预报正确的区域与预报、观测降水合集之比。当比值为1时，预报和观测降水站点重合，降水落区预报正确；TS越趋于0，则降水落区预报越差。BS评分为模式预报降水区域与观测降水区域之比(式3)，可反映模式预报高估(BS>1) 或低估(BS＜1) 实际降水范围的程度。评估我国夏季降水，多采用TS、BS评分相结合的方法：TS评分值越大且BS越接近1时，预报效果越好。

本文中，为了增强再分析资料与业务数值预报模式结果的可比性，我们将三套再分析资料的降水场看作数值模式对1979—2002年汛期的后报试验结果，分别计算其逐日TS评分和BS评分。计算过程中将降水分为≥ 0.1 mm·d^-1，≥ 10 mm·d^-1，≥ 25 mm·d^-1，≥ 50 mm·d^-1四个等级，并按不同等级计算评分。图 9给出了再分析资料评分结果的气候平均值：TS值用弧度表示，与横轴的夹角越大则TS值越高；BS值用距原点的直线距离表示，标注OBS的点为TS、BS值均为1的点，代表预报降水落区与观测降水落区完全一致。不同等级的降水用不同数字(1，2，3，4) 表示，数字上的符号标示出再分析资料的类别。这样在图中可以直观地得到两类评分的数值，便于进行综合分析。由图 9可知，3个数字4(所有日降水量大于0.1 mm的降水事件)与横轴的夹角最大，TS值在0.6左右；且3个数字4的BS值均大于1.25，这表明三套资料总降水的落区都大于观测值。3个数字4中JRA (*)的TS值最高(0.633)，NCEP降水的BS值最小(1.393)，而ERA资料的TS值最小(0.599)、BS值最大(1.589)。随着日降水量的增大，数字3(大于10 mm·d^-1)的与横轴的夹角与数字4相比减小约了二分之一；NCEP和JRA降水的BS评分仍在1以上，而ERA降水的BS评分明显下降，减至0.756，说明ERA资料中10 mm·d^-1以上量级的降水落区已明显小于观测结果。当降水量计算阈值提升到25 mm·d^-1后(数字2)，TS和BS值都大幅下降。JRA降水的TS值最高(0.205)，且BS评分(0.895) 在所有12个点中最接近于1；NCEP降水的评分略逊于JRA资料(TS=0.138，BS=0.785)；相较而言，ERA降水的评分则明显偏低，TS为0.074，BS为0.193。评估暴雨量级的降水，3个数字1均贴近横轴且靠近原点，说明再分析资料对暴雨落区的预报能力很弱。其中评分最高的还是JRA资料(TS=0.077，BS=0.338)，而ERA降水的分值最低(TS=0.007，BS=0.059)。整体来看12个点的分布，可知三套资料中25 mm·d^-1以上降水的BS评分均小于1，说明都低估了较强降水的落区范围，ERA降水的此类偏差最为突出；JRA资料在各个量级的TS分值均高于另两套资料，且在较强降水区间BS值更接近于1，表现出了较好的预报能力。

5 结论与讨论

通过与中国台站降水资料的比较，本文对NCEP、ERA和JRA三套再分析资料的夏季降水场进行了较细致的评估分析。三套资料对应的3个数值预报模式既呈现出一定的共性，又在不同区域、不同时间尺度上表现出模拟能力的显著差异。现将评估分析的主要结论列举如下。

(1) 三套再分析资料都能反映出我国夏季降水量分布的基本特征。但NCEP资料在青藏高原东坡存在一虚假降水中心，ERA资料降水量系统性偏少，JRA资料高估了华南沿海地区的降水。

(2) 三套再分析资料均高估了弱降水、低估了强降水，说明数值模式中降水过程的触发与发展机制尚存在问题。

(3) 再分析资料对研究时段内的降水的年际变化有一定的表现能力。在5个关键区中，长江中下游地区和西部两个地区夏季降水的年际变化与观测结果的相关性相对较差，特别是NCEP资料在长江中下游地区和西南区、ERA和JRA资料在中西部地区相关系数均小于0.50。

(4) 再分析资料能合理反映出夏季降水的季节内演变。相对较差的是NCEP资料，其西部两个地区降水的季节内演变与台站观测资料的相关性较低。

(5) 当考虑日降水量≥ 0.1 mm的降水事件时，再分析资料降水的TS评分在0.6左右，BS评分在1.5左右。随着参与评分的降水等级的提高，TS、BS评分都迅速下降，三套资料对暴雨的预报能力均非常弱。

在环流场基本正确的前提下，当前较先进的数值预报模式对我国夏季降水的模拟仍存在较大不足，由此可知目前的数值模式在降水相关的物理过程处理方面尚存在一定缺陷。同时，模式对不同时间变率降水的再现能力亦不相同，如ERA对降水季节内变化表述较好，但未能准确模拟出中国东部降水的年际变化特征，NCEP对降水年际变化的表现尚可，但对季节内演变的再现相对较差。不同模式对不同时间尺度降水过程模拟能力的差异，可在一定程度上反应出各模式对不同时间尺度物理过程再现能力的不同。在物理过程参数化方案得到突破性进展之前，对模式降水场的评估分析不能求全责备，对数值预报产品的释用也要充分考虑到这种由物理过程不完善导致的预报偏差。另外，值得指出的是，部分降水偏差来源于与模式分辨率相关的、对小尺度局地地形及植被等下边界强迫场的不准确描述；由于在插值过程中没有考虑局地地形影响、台站分布密度不均等因素，也会导致部分误差。