在地形复杂的青藏高原地区，雨量站观测由于站点密度较低，无法提供空间连续的降水数据，存在很大的不确定性；卫星降水数据难以反映复杂地形影响，且对固态降水的探测能力不足；多个再分析降水产品可以反映青藏高原地区的大尺度降水时空变化，但显著高估该地区降水量（即存在湿偏差）。高分辨率区域气候模式（WRF）能合理刻画复杂地形对水汽输送及降水分布的影响，在估算青藏高原地区的降水量及空间分布上有较大优势，但需要大量计算资源，较难用于获取大范围长时间序列的降水数据集。
基于高分辨率WRF模拟和再分析数据的优势，中科院青藏高原所三极观测与大数据团队与清华大学合作，在获取青藏高原地区短期（1年）的高分辨率WRF模拟降水的基础上，在粗分辨率上利用WRF模拟降水对ERA5进行校正，并利用卷积神经网络提取高分辨率WRF模拟降水的空间分布特征，用于ERA5降水的降尺度。降尺度后的降水数据基本保留了ERA5降水随时间的变化特征（图1）；同时，由于融合了短期的高分辨率WRF模拟降水，降尺度的降水数据不仅有效改善了ERA5降水在高原地区的湿偏差，且与站点观测降水的空间相关性也显著提升（图2）。该方法可用于获取青藏高原地区长时间序列的高分辨率降水数据集。
以上研究成果近日以“A downscaling approach for constructing high-resolution precipitation dataset over the Tibetan Plateau from ERA5 reanalysis”为题，在国际期刊《Atmospheric Research》发表。论文第一作者为我所在读博士生姜尧志，通讯作者是阳坤研究员（双聘）。本研究获得第二次青藏高原综合科学考察研究专项（2019QZKK0206），中国科学院战略性先导科技专项（XDA2006010201）和国家自然科学基金项目（41988101）联合资助。
文章链接：https://doi.org/10.1016/j.atmosres.2021.105574
（三极观测与大数据团队供稿）
图1 ERA5、高分辨率WRF模拟（HRSP3）及降尺度数据（ERA5_CNN）相对于站点观测降水的时间误差指标（平均偏差Bias、均方根误差RMSE和时间序列相关系数CC）对比。时间误差误差指标基于日降水时间序列计算获得。
图2 三个时期（2018年全年、2018年6-9月和2013年6-9月）内ERA5、高分辨率WRF模拟（HRSP3）及降尺度数据（ERA5_CNN）相对于站点观测降水的空间误差指标（平均偏差Bias、均方根误差RMSE和空间相关系数CC）对比。空间误差指标基于时段内的平均日降水计算获得。
