Пространственно-временная изменчивость ошибки воспроизведения осадков реанализом ERA5 на территории России

Редкая сеть наземных наблюдений за осадками на территории России и статистическая неоднородность рядов наблюдений на ней обуславливают в ряде исследований предпочтительность использования данных реанализа. Авторы статьи исследовали точность воспроизведения суточных сумм осадков на территории России за 1950–2020 гг. реанализом ERA5 при сравнении с данными наземных наблюдений на 526 метеостанциях, для 457 из которых привлекались также месячные суммы осадков с устраненной систематической ошибкой. Было выявлено, что наименее удовлетворительные результаты реанализ ERA5 показывает по величине систематической ошибки и доле дней с ложно обнаруженными осадками. В среднем по территории России ERA5 завышает количество осадков от 14% летом до 37% весной. При сравнении с откорректированными суммами осадков зимой ERA5 показывает систематическую ошибку близкую к нулю, а также меньшую величину ее пространственной изменчивости. ERA5 также ложно идентифицирует от 30 (зимой и осенью) до 40% (весной и летом) дней без осадков. Величина случайной ошибки в среднем на треть меньше изменчивости суточной суммы осадков (больше весной и летом и меньше осенью и зимой), а доля дней с осадками, корректно выявленная ERA5, составляет 84–89% и в среднем меньше летом, чем в другие сезоны. В целом ERA5 демонстрирует меньшую точность для районов и сезонов с относительно малым количеством дней с осадками и количеством осадков. Наиболее явно эта тенденция прослеживается для систематической ошибки и особенно – для доли дней с ложно обнаруженными осадками.

1. Жаков И.С. Общие закономерности режима тепла и увлажнения на территории СССР. Л.: Гидрометеоиздат, 1982. 231 с.

2. Кислов А.В., Китаев Л.М., Константинов И.С. Статистическая структура крупномасштабных особенностей поля снежного покрова // Метеорология и гидрология. 2001. № 8. С. 98–104.

3. Amjad M., Yilmaz M.T., Yucel I., Yilmaz K.K. Performance evaluation of satellite- and model-based precipitation products over varying climate and complex topography // J. Hydrol. 2020. V. 584. P. 124707. https://doi.org/10.1016/j.jhydrol.2020.124707

4. An Y., Zhao W., Li C., Liu Y. Evaluation of Six Satellite and Reanalysis Precipitation Products Using Gauge Observations over the Yellow River Basin, China // Atmosphere. 2020. V. 11. № 11. P. 1223. https://doi.org/10.3390/atmos11111223

5. Beck H.E., Pan M., Roy T., Weedon G.P., Pappenberger F., Dijk A.I.J.M. Van, Huffman G.J., Adler R.F., Wood E.F. Daily evaluation of 26 precipitation datasets using Stage-IV gauge-radar data for the CONUS // Hydrol. and Earth Sys. Sci. 2019. V. 23. № 1. P. 207–224. https://doi.org/10.5194/hess-23-207-2019

6. Behrangi A., Singh A., Song Y., Panahi M. Assessing Gauge Undercatch Correction in Arctic Basins in Light of GRACE Observations // Geophys. Res. Let. 2019. V.46. № 20. P. 11358–11366. https://doi.org/10.1029/2019GL084221

7. Benavidez R., Jackson B., Maxwell D., Norton K. A review of the (Revised) Universal Soil Loss Equation ((R)USLE): With a view to increasing its global applicability and improving soil loss estimates // Hydrol. and Earth Sys. Sci. 2018. V. 22. № 11. P. 6059–6086. https://doi.org/10.5194/hess-22-6059-2018

8. Betts A.K., Chan D.Z., Desjardins R.L. Near-Surface Biases in ERA5 Over the Canadian Prairies // Frontiers in Environ. Sci. 2019. V. 7. P. 129. https://doi.org/10.3389/fenvs.2019.00129

9. Bogdanova E.G., Gavrilova S.Y. Correction of the precipitation time series nonhomogeneity caused by replacement of the Nipher shielded rain gauge by a Tretyakov precipitation gauge // Russian Meteorol. and Hydrol. 2008. V. 33. № 8. P. 525–536. https://doi.org/10.3103/S1068373908080074

10. Chernokulsky A., Kozlov F., Zolina O., Bulygina O., Mokhov I.I., Semenov V.A. Observed changes in convective and stratiform precipitation in Northern Eurasia over the lastfive decades // Environ. Res. Let. 2019. V. 14. № 4. P.045001. https://doi.org/10.1088/1748-9326/aafb82

11. Emmanouil S., Langousis A., Nikolopoulos E.I., Anagnostou E.N. An ERA-5 Derived CONUS-Wide High-Resolution Precipitation Dataset Based on a Refined Parametric Statistical Downscaling Framework // Wat. Res. Res. 2021. V. 57. № 6. P. e2020WR029548. https://doi.org/10.1029/2020WR029548

12. Gleixner S., Demissie T., Diro G.T. Did ERA5 improve temperature and precipitation reanalysis over East Africa? // Atmosphere. 2020. V. 11. № 9. P. 996. https://doi.org/10.3390/atmos11090996

13. Groisman P.Y., Koknaeva V.V., Belokrylova T.A., Karl T.R. Overcoming biases of precipitation measurement: a history of the USSR experience // Bulletin of the American Meteorol. Soc. 1991. V. 72. № 11. P. 1725–1733. https://doi.org/10.1175/1520-0477(1991)072<1725:OBOPMA>2.0.CO;2

14. Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis // Quart. J. Royal Meteorol. Soc. 2020. V. 146. № 730. P. 1999–2049. https://doi.org/10.1002/qj.3803

15. Jiang Q., Li W., Fan Z., He X., Sun W., Chen S., Wen J., GaoJ., Wang J. Evaluation of the ERA5 reanalysis precipitation dataset over Chinese Mainland // J. Hydrol. 2021. V. 595. P. 125660. https://doi.org/10.1016/j.jhydrol.2020.125660

16. Nogueira M. Inter-comparison of ERA-5, ERA-interim and GPCP rainfall over the last 40 years: Process-based analysis of systematic and random differences // J. Hydrol. 2020. V. 583. P. 124632. https://doi.org/10.1016/j.jhydrol.2020.124632

17. Rivoire P., Martius O., Naveau P.A. Comparison of Moderate and Extreme ERA-5 Daily Precipitation With Two Observational Data Sets // Earth and Space Sci. 2021. V. 8. № 4. P. e2020EA001633. https://doi.org/10.1029/2020EA001633

18. Singh T., Saha U., Prasad V.S., Gupta M.D. Assessment of newly-developed high resolution reanalyses (IMDAA, NGFS and ERA5) against rainfall observations for Indian region // Atmospher. Res. 2021. V. 259. P. 105679. https://doi.org/10.1016/j.atmosres.2021.105679

19. Sun S., Shi W., Zhou S., Chai R., Chen H., Wang G., Zhou Y., Shen H. Capacity of satellite-based and reanalysis precipitation products in detecting long-term trends across Mainland China // Remote Sens. 2020. V. 12. № 18. P.2902. https://doi.org/10.3390/RS12182902

20. Tang G., Behrangi A., Long D., Li C., Hong Y. Accounting for spatiotemporal errors of gauges: A critical step to evaluate gridded precipitation products // J. Hydrol. 2018. V. 559. P. 294–306. https://doi.org/10.1016/j.jhydrol.2018.02.057

21. Voropay N., Ryazanova A., Dyukarev E. High-resolution bias-corrected precipitation data over South Siberia, Russia // Atmospher. Res. 2021. V. 254. P. 105528. https://doi.org/10.1016/j.atmosres.2021.105528