-
水蒸气是大气能量的重要载体，在极端天气过程中占据重要作用，可对天气和气候、动植物生长、气溶胶光学特性、太阳增温率、能见度等产生较大影响[1-2]. 相对湿度作为基本的常规气象观测要素，是大气水汽含量的物理参数之一[3-4]，因此，准确可靠的相对湿度数据对研究了解环境变化具有重要的现实意义[5]. 随着资料同化技术的快速发展，中国气象局自2014年以来，通过对产品时效的优化、数据网格的调整，使一系列多源融合实况产品应用于智能网格预报业务，HRCLDAS是中国区域多源融合实况分析1 km分辨率产品之一，产品包括2 m相对湿度等数据[6-7]. 再分析资料是气象观测资料和数值预报产品融合的产品，具有数据产品分辨率高、时间序列长的特点[8-10]，目前，全世界的再分析资料主要有欧洲中心的ERA5、日本的JRA55、美国的NCEP/NCAR R1等，其中最常用的是ERA5再分析资料[11-13].
近年来，渠鸿宇等[14]对HRCLDAS和ERA5再分析资料的海面风场数据进行对比评估分析，研究表明，两者在我国的近海均具有较高的可信度；耿姗姗等[15]对ERA5海面气压和风速的再分析资料在渤海和北黄海海域的适用性进行了分析，研究表明再分析资料与观测资料具有良好的相关性，不同时间尺度的统计结果具有一定差异性；宇婧婧等[16]、刘婷婷等[17]、史岚等[18]对降水融合实况产品在中国相关地区的应用进行了大量的适用性评估和分析，为融合实况产品和ERA5再分析资料的本地化应用提供了参考. 本文利用地面站点观测的相对湿度数据分析HRCLDAS和ERA5再分析资料的相对湿度产品在重庆地区的适用性，对比分析2种相对湿度数据产品在重庆的准确度和差异性，为2种相对湿度产品在本地的应用提供科学依据和参考.
HTML
-
1) HRCLDAS中国区域多源融合实况分析产品由国家气象信息中心提供，2021年9月26日20时空间分辨率为0.01°×0.01°逐小时的2 m相对湿度.
2) ERA5再分析资料来源于欧洲中期天气预报中心(ECMWF)2021年10月1日-2022年9月30日的0.1°×0.1°的逐小时2 m温度和2 m露点温度，结合马格纳斯经验公式，计算出2 m相对湿度.
其中：RH为相对湿度；E0为水面或冰面温度为0 ℃时的饱和水汽压，E0=6.11百帕；Td为2 m露点温度；T为2 m温度.
3) 观测站点：重庆现有地面气象观测站点2 097个，其中开展相对湿度观测的站点有520个，因此检验源数据选用重庆地区的520个地面气象观测站(图 1)2021年10月1日至2022年9月30日的逐小时相对湿度观测数据，数据经过了气象资料业务系统的质量控制，数据质量可靠.
运用双线性插值方法，对HRCLDAS多源融合实况分析产品和ERA5再分析资料的网络数据进行处理，实现对HRCLDAS和ERA5再分析资料的相对湿度产品与站点观测数据的时空匹配.
-
利用误差(E)、平均误差(ME)、绝对误差(AE)、平均绝对误差(MAE)、相关系数(COR)等参数对HRCLDAS和ERA5再分析资料的相对湿度进行质量评估.
其中：Oi为地面气象站点观测值；Gi为2种相对湿度产品插值到检验站点得到的数值；O为地面气象观测站点观测值的平均值；G为2种相对湿度产品插值到检验站点得到的数值的平均值；N为参与检验的总样本数(站次数).
1.1. 资料
1.2. 评估指标
-
利用观测站点2021年10月1日至2022年9月30日的逐小时相对湿度观测数据对HRCLDAS和ERA5再分析资料进行评估分析，结果显示，HRCLDAS的相对湿度产品年平均误差为-0.06%、平均绝对误差为0.91%、相关性系数为0.993；ERA5再分析资料的相对湿度产品年平均误差为-3.14%、平均绝对误差为10.02%、相关性系数为0.742，表明2种相对湿度产品相关性系数都在0.7以上，表明2种相对湿度产品在重庆均具有较好的适用性，但HRCLDAS的相对湿度准确率更高；2种产品较站点观测数据偏小，ERA5再分析资料相对湿度产品误差偏大，说明ERA5再分析资料相对湿度产品误差波动较大.
-
重庆地处亚热带湿润季风气候区，属于高湿区，年平均相对湿度多在70%~80%之间，通过计算得到2021年10月至2022年9月的年平均相对湿度为76.39%. 结合2种相对湿度产品的误差(图 2)和绝对误差在重庆地区的散点分布图(图 3)，将站点观测的相对湿度数据按照5个等级分别对2种相对湿度产品的质量进行评估(表 1)，可以看出，2种相对湿度产品的误差和相对湿度观测数据呈相反关系. ERA5再分析资料的相对湿度产品的平均绝对误差整体偏大，当相对湿度观测数据小于30%时，产品数值明显偏大，平均误差和平均绝对误差均为37.76%；当相对湿度观测数据在30%~70%的区间时，产品数值整体偏大，而相对湿度在50%~70%时，产品准确率更高；当相对湿度观测数据在70%~90%的区间时，产品准确率最高；当相对湿度观测数据大于90%以后，产品数值偏低趋势逐渐增大. HRCLDAS的相对湿度产品整体质量更优，当相对湿度观测数据小于30%时，产品数值整体偏大；当相对湿度观测数据在30%~70%的区间时，产品数值整体略偏大，且准备率最高；当相对湿度观测数据大于70%以后，产品数值整体略偏低；当相对湿度观测数据大于90%以后，产品数值偏低趋势逐渐增大.
-
重庆复杂多变的地形，海拔落差大(73.1~ 2796.8 m)，同时兼有山地、丘陵、盆地和河谷等不同的地形地貌特征[19]，因此在对比分析时将海拔高度分为：小于500 m、500~1 000 m、1 000~1 500 m、1 500 m以上4级，分别对2种相对湿度产品的质量进行对比评估. 结果表明：HRCLDAS和ERA5再分析资料的相对湿度产品随着海拔的升高，平均误差和平均绝对误差呈增大趋势. ERA5再分析资料的相对湿度产品整体偏小；HRCLDAS的相对湿度产品在低海拔地区偏大，海拔高度大于等于500 m以后，数据偏小(表 2).
-
针对不同季节，分别对2种相对湿度产品进行评估分析发现，2种相对湿度产品均呈现明显的季节变化，ERA5再分析资料的相对湿度产品质量总体表现为春季最优，夏季次之，冬季相对最差；数据质量在秋冬季有一个明显的降低，误差在-5%以上，绝对误差在10%以上；冬季质量最差相关性系数为0.628，平均误差为-5.62%，平均绝对误差为11.03%. HRCLDAS的相对湿度产品与ERA5略有不同，总体表现为夏季最优，春季次之，冬季最差；在夏季的时候质量最优，平均误差为-0.04%，平均绝对误差为0.84%，相关性系数为0.995(表 3).
-
对比分析2种相对湿度产品的逐月平均误差、平均绝对误差、全年月平均相对湿度的特点发现(图 4)，2种相对湿度产品在重庆地区的逐月变化趋势与全年月平均相对湿度变化的情况基本一致，当月平均相对湿度升高，则2种相对湿度产品的质量同步提高；月平均相对湿度降低，2种相对湿度产品的质量同步降低. 2022年7月至2022年8月，重庆遭受了自1961年有完整气象观测记录以来综合强度最强的高温天气过程，可以看出，7月至8月的月平均相对湿度有一个明显的降低趋势，ERA5再分析资料的相对湿度产品的平均偏差出现了偏大的情况；HRCLDAS的相对湿度产品随着月平均相对湿度的降低其产品质量降低，随着月平均相对湿度的升高产品质量升高.
-
分析2种相对湿度产品在重庆地区逐小时平均误差和平均绝对误差分布发现(图 5)，ERA5再分析资料的相对湿度产品的逐小时平均误差均为负值，HRCLDAS的相对湿度产品的逐小时平均误差除16时以外均为负数，16时的平均绝对误差为0.01%，说明2种相对湿度产品的整体数值偏小. HRCLDAS的相对湿度产品误差随时间的变化呈两头低、中间高的特点，13时和17时的绝对偏差在1%以上，产品无明显的昼夜差别. ERA5再分析资料的相对湿度产品误差随时间变化呈现两头高、中间低的特点，且有较为明显的昼夜区分；白天数据产品的质量要优于晚上，下午数据产品质量为最优，其中以14时至16时的数据产品质量最优.
2.1. 年度对比
2.1.1. 不同数值相对湿度对比
2.1.2. 不同海拔高度对比
2.2. 季际对比
2.3. 月际对比
2.4. 日对比
-
利用重庆520个地面气象观测站的相对湿度观测数据，对HRCLDAS和ERA5再分析资料的相对湿度产品在重庆地区的适用性进行分析评估，结论如下.
1) 2种相对湿度产品在重庆地区具有较高的相关性，HRCLDAS的相对湿度产品质量更优；海拔高度的变化对2种相对湿度产品都具有较大的影响，相对湿度产品随着海拔的升高，数据质量降低.
2) 针对不同相对湿度观测数值，2种相对湿度产品在重庆地区的质量有明显差异，相对湿度越小或越大时，2种相对湿度产品的误差较大；当相对湿度观测数据在70%~90%区间时，2种相对湿度产品的质量最优.
3) HRCLDAS的相对湿度产品随小时时间呈两头低、中间高的特点；ERA5再分析资料的相对湿度产品质量随小时时间呈两头高、中间低的特点，有较为明显的昼夜区分；2种相对湿度产品在重庆地区的逐月变化趋势与月平均相对湿度变化基本一致，月平均相对湿度越高，2种相对湿度产品的质量越好.
总体来看，2种相对湿度产品空间分辨率存在差异，但HRCLDAS相对湿度产品的空间分辨率、可信度更高；用户在对产品进行使用时，须根据个性需求进行选择. 但针对不同海拔、时次、月份、季节等条件，2种相对湿度产品都需进一步研究分析和优化，只有不断提升质量才能更好地为产品的本地化应用提供保障和依据.
DownLoad: