1. 引言
风速是重要的气象要素，风速受大气环流和地表特征的影响，具有很大的不确定性，对其进行准确的描述，对气象、水文、生态、环境和能源等领域的研究具有重要意义。众多研究表明，在过去几十年里，我国年均风速整体处于下降趋势，且强风区风速降幅大于弱风区[1] [2]，探讨了20世纪60年代以来我国不同时段的风速变化情况，发现我国1969~2000年风速降幅较大，而2000年以后降幅减小。在空间上，我国西北、东北、华北、长江流域等地区风速也存在不同程度的下降趋势[3]-[6]，在西南地区[7]，1969~2000年平均风速为降低趋势，而2001~2009年为升高趋势。基于站点的观测风速资料由于受到站点分布和观测环境的影响[8]-[10]，其精度具有一定的局限性。数值模式包含一系列参数化方案，可以详细刻画地球大气的物质和能力演变过程。采用数值模式可以很好地模拟出极大风速和急流的风场特征和强度[11] [12]，而且高分辨率的数值模式对复杂地形地区和山脉区域的风场具有很好的改进[13] [14]，同时可以对更小尺度的风场运动特征进行模拟体现[13]。
风速是评估风能资源及其开发潜力的关键参数，准确的风速再分析数据对于风能研究和风电场选址具有重要意义。随着全球气候变化的深入研究，气候再分析数据逐渐成为风速模拟与评估的重要工具。当前，EAR70和ERA5是两个广泛应用的再分析产品，它们在不同时间尺度和空间范围内的风速模拟表现存在一定差异。为了评估这两个数据集在中国大陆地区的适用性和精度，本研究从年、月、日和小时四个尺度出发，分析了2009年EAR70与ERA5风速数据与地面观测数据之间的偏差，探讨其风速模拟误差的空间分布、季节性变化及时段性特征。通过这项分析，我们旨在揭示两者在风速模拟中的优势与不足，提供更为准确的风能资源评估依据，为未来风能开发和气候研究提供数据支持。
2. 数据与方法
2.1. 数据来源
2.1.1. 东亚区域地表变量再分析
东亚区域地表气象要素再分析70年(Eastern Asian Reanalysis for surface meteorological variables in 1948~2018, EAR70)是由北京中科资环信息技术研究研制的长序列高分辨率地表变量再分析产品。该数据使用WRF模式作为同化平台，全球大气再分析数据(1979~2018年)使用ERA-Interim再分析数据，1958~1980年使用JRA55再分析数据，1948~1959使用NCEP/NCAR再分析数据作为大气驱动数据和四维同化基础数据。对于陆面过程，初始场同化遥感积雪深度、ECI的被动微波土壤湿度产品，陆面模式土壤温度湿度数据(GLDAS和CLDAS)。EAR70地表变量再分析数据，时间分辨率1小时，时间覆盖1948~2018(共计71年)，空间分辨率5 km，空间覆盖东亚地区。
2.1.2. ERA5全球大气再分析数据
新一代的再分析数据ERA5数据的2009年逐小时风速数据进行对比评估，ERA5是ECMWF最新一代的再分析数据集，相比之前的ERA-interim，在时空分辨率上有所提升，空间分辨率达到31 km，集合的技术和方法均有所改进，同化融合的数据种类和数据量也大大增加，对气象变量的适用性效果也有所提升[15]-[18]。
2.2. 方法
通过双线性插值方法将EAR70和ERA5数据插值到站点上进行匹配和分析。计算在小时、日尺度上EAR70和站点观测数据的平均误差(Mean Error, ME)、均方根误差(Root Mean Square Error, RMSE)等指标进行比较。计算公式如式(1)、式(2)式，在公式中，n为样本个数，x为评估数据，o为要素观测值。
(1)
(2)
3. 结果
3.1. 年尺度风速空间格局
图1展示了2009年中国大陆地区年平均风速的空间分布特征，风速整体呈“中部低、南北高”的分布格局，西北与东北地区以及部分海岸带风速显著偏高，而中南部地区风速普遍较低。年均风速不足2 m/s的区域多集中在盆地、丘陵等封闭地形如四川江南地区。2~4 m/s的区域广泛分布于长江中下游、华南及华北大部分区域，是国内核心风区分布带；风速大于5 m/s的高值区主要分布于新疆北部、内蒙古西部及沿海地区，局部区域风速超过6 m/s，具备优良风能开发潜力。中国大陆风速分布不均，高原边缘、平原开阔地及沿海地带风速相对较高，山地及盆地内部的风速显著降低，风能资源空间分布差异显著。
注：该图基于自然资源部标准底图服务网站下载的审图号为GS(2016)1549号的标准地图制作，底图无修改。
Figure 1. The distribution of average wind speed in mainland China in 2009
图1. 2009年中国大陆地区平均风速分布情况
3.2. 月尺度偏差时空分布
图2展示了EAR70再分析数据在中国大陆地区对地面风速的月尺度偏差分布情况。从整体分布来看，EAR70在中国东部地区普遍存在风速高估现象，偏差最大区域主要集中在河北、河南及江苏地区，表现为全年持续的正偏差，东经105˚E~125˚E、北纬30˚N~40˚N之间为高估最显著的核心区域。相比之下，中国西部尤其是青藏高原和西南山区区域偏差相对较小，但局部地区可能因地形复杂存在高频不规则偏差，局地偏差可超过± 2.0 m/s。从季节变化角度分析，EAR70的风速偏差表现出明显的季节性特征：12月至2月期间风速偏差达到全年峰值，东部及华北地区风速显著高估，部分区域偏差值可达2.5~3.0 m/s；春季观测到的偏差量级比冬季稍低，空间差异格局与冬季雷同；夏季(6月至8月)为全年偏差最小阶段，大部分区域偏差值在±0.5 m/s之间，特别是华南与西南区域同实测数据高度吻合，显示出EAR70在夏季的再分析性能较好；秋季(9月至11月)偏差再次增强，和春季模式相仿，EAR70在中国东部地区存在系统性高估问题，尤其在冬、春季节最为显著，而夏季的模拟效果相对更佳，区域间差异亦较为明显。
3.3. 日尺度误差空间分布
图3展示了EAR70与ERA5再分析数据在2009年日最大与最小风速的平均误差时间序列，两类风速极值推算结果均呈现规律性偏离，且两者差异显著，EAR70在日最大风速的误差主要分布在−0.5~0.5 m/s，稳定性优势明显。而ERA5则在多个时段出现持续低估，误差幅度介于−1.0至0 m/s之间，夏季时段的误差波动尤为剧烈，呈现出较强的季节性不稳定特征，在最小风速方面，两个数据集均展示出连贯的高估倾向，其中EAR70误差大多集中在0.3~0.8 m/s，稍逊于ERA5的0.5~1.4 m/s范围，EAR70误差曲线的波动频次较ERA5折线更低，日际变化显著，影响连续性，EAR70在最大风速的再现能力上更具稳定性，而且在最小风速估计中相对更为接近观测值。
Figure 2. Monthly scale deviation of surface wind speed from EAR70 reanalysis data in mainland China
图2. 中国大陆地区EAR70再分析数据地面风速的月尺度偏差
Figure 3. Daily maximum and minimum wind speed average errors. (Note: Red represents EAR70, blue represents ERA5; solid lines represent daily maximum wind speed average errors, and dashed lines represent daily minimum wind speed average errors.)
图3. 日最大最小风速平均误差(注：红色为EAR70，蓝色为ERA5；实线为日最大风速平均误差，虚线为日最小风速平均误差)
图4呈现了EAR70与ERA5两组再分析数据在中国区域的日最大风速相对于地面观测数据的平均误差与均方根误差的空间分布情况。从平均误差数据分析，EAR70的平均误差在空间上存在较大的差异性，表现出明显的区域性高估与低估，北京周边、冀中南、豫东局部及江苏沿海存在明显高估聚集现象，平均风速误差约1~3米/秒，局部地区超过3 m/s，低估区域主要出现在华北、东北部分地区、西北内陆以及南疆地区，但点位相对零星，平均误差在1~3 m/s，局部地区<−3 m/s。从中国中部到西部，再到东北局部都分布着中等偏差区，说明该区域模拟较为接近实际观测，ERA5的平均误差展现出更轻微的系统偏差，大部分站点误差集中在−1~1 m/s，高估现象明显减弱，华南部分近岸区域及四川局地偶见分布，ERA5较EAR70在空间分布上更均匀、偏差更小，整体偏差水平较弱，具备更好的系统一致性。再从均方根误差分析，EAR70的误差分析表明，华北部分地区与江苏沿海存在显著均方根误差集中现象，均方根误差2~4 m/s，西北、西南及沿海少数站点的误差值超过5 m/s，内蒙古、甘肃等地均方根误差在2~4 m/s，均方根误差<2 m/s的区域分布广泛，主要出现在西北高原、东北部分区域和中部地区。ERA5的均方根误差总体低于EAR70，尤其是华中、华东地区表现更优，平方根误差维持在2 m/s内，但在甘肃、西藏一带，均方根误差水平依然较高，证实ERA5在此地的模拟精度尚不理想，可能与地形复杂性有关，就风速模拟准确性来看，ERA5在多数地区胜过EAR70，误差改善最明显的是中东与东北这两个区域。
注：该图基于自然资源部标准底图服务网站下载的审图号为GS(2016)1549号的标准地图制作，底图无修改。
Figure 4. Spatial distribution of daily maximum wind speed average errors and root mean square errors for EAR70 and ERA5. (Note: (a) EAR70 average error; (b) EAR70 root mean square error; (c) ERA5 average error; (d) ERA5 root mean square error.)
图4. EAR70和ERA5日最大风速平均误差和均方根误差空间分布。(注：(a) EAR70平均误差；(b) EAR70均方根误差；(c) ERA5平均误差；(d) ERA5均方根误差)
图5展示了EAR70和ERA5两种再分析产品数据在中国地区日最小风速相对于站点观测的平均误差及均方根误差的空间分布特征。首先从平均误差来看，EAR70数据的平均误差分布整体表现为轻微偏高，图5(a)显示，平均误差主要集中在0~1 m/s范围内，误差较小、分布均衡，不过在河北、河南、江苏及云南等区域平均误差的偏高情况较为明显，平均误差在1~2 m/s，特别是云南和广东个别站点的平均误差超过3 m/s，地理分析表明，干旱及高海拔区域(如上述四地)易产生偏低误差，绝大多数地区偏差在−1~1 m/s，体现出EAR70对不同地形和气候区的良好适应性，ERA5在平均误差分布上虽与EAR70较为接近，但在内蒙古和东北等区域的偏差显著偏高，平均误差普遍比EAR70高出1 m/s左右；但是在河北、河南等中部地区，ERA5在平均误差反而略低于EAR70。再来看均方根误差分布，图5(b)中EAR70同样展现出稳定且优秀的表现，大部分地区误差控制在1 m/s以内，东部平原结合南方区域尤为亮眼，表现尤为优异，即便东北与华北部分区域误差稍高，均方根误差约1~2 m/s，但整体仍维持在较低水平，图5(d)呈现的ERA5均方根误差明显不如EAR70，西北、青藏高原等四区域的误差显著偏高，均方根误差集中在1~2 m/s，普遍较EAR70上升1 m/s许。EAR70在日最小风速的模拟中，表现出较高的精度与一致性，且在不同区域条件下都显示出更强的环境兼容性与可靠性，模拟结果优于ERA5。
注：该图基于自然资源部标准底图服务网站下载的审图号为GS(2016)1549号的标准地图制作，底图无修改。
Figure 5. Spatial distribution of daily maximum wind speed average errors and root mean square errors for EAR70 and ERA5. (Note: (a) EAR70 average error; (b) EAR70 root mean square error; (c) ERA5 average error; (d) ERA5 root mean square error.)
图5. EAR70和ERA5日最大风速平均误差和均方根误差空间分布。(注：(a) EAR70平均误差；(b) EAR70均方根误差；(c) ERA5平均误差；(d) ERA5均方根误差)
3.4. 小时尺度误差演变
图6展示了2009年逐小时风速的平均误差分布情况，图6(a)为EAR70再分析数据，图6(b)反映ERA5的误差分布。图6(a)显示EAR70在全年大部分时间段都存在明显的系统性高估，以午间至黄昏期间(约12:00~18:00)全年多数时间均存在显著的正向偏差，而夜间和清晨部分时段则表现为轻微的低估，相比之下图6(b)显示的ERA5整体误差幅度较小，颜色梯度更贴近零基准，说明ERA5模拟精度更高。虽然ERA5在6~8月清晨06:00~09:00)显示略微偏低，但整体误差模式呈现更好的均匀性与稳定性，EAR70在日间(08:00~18:00)表现出显著高估现象，尤其在3~5月春季及9~11月秋季的日中时分，误差普遍超出1.5 m/s。在夜间(00:零点到六点：EAR70误差趋于减小，周期性出现偏低波动，表明其夜间风速模拟结果更贴合实测数据，ERA5的日误差变化相比之下波动性更小，中午时段虽也有轻微高估，但极少超过1.0 m/s，清晨及深夜误差多在0.5 m/s幅度内上下波动，仿真精度更高。EAR70在春秋两季(3~5月、9~11月)误差最为显著，中午偏差集中于1.0~1.8 m/s之间，表明其在不稳定层结条件下对风速垂直混合的模拟存在较大偏差，夏季(6~8月)和冬季(12~2月)偏差略有缓和，但整体偏差仍呈现系统性偏高，而ERA5则在全年各月表现均较稳定，仅在夏季6~7月08:00~10:00间出现局部小范围低估(−0.5 m/s左右)，其他时段误差基本保持在−0.5~0.5 m/s内，系统偏差的季节性差异微弱。从总体分析，两种再分析结果均存在明显的系统偏差现象，且呈现出显著的日变化特征与季节性差异，EAR70结果从正午开始：00~23:00时段存在明显高估现象，某些时刻误差极值达1.5 m/s以上，而ERA5在相同时段误差多在0~1 m/s，由此可见ERA5的风速模拟精度较EAR70更高，下午至夜间误差明显低于EAR70，EAR70误差具有更强的日周期性波动，而ERA5的变化趋势相对平缓，误差空间分布较为均匀，有更高的准确性与稳定性，误差波动较小。
Figure 6. Distribution of average hourly wind speed errors for EAR70 (a) and ERA5 (b) in 2009
图6. 2009年逐小时风速EAR70 (a)和ERA5 (b)平均误差分布情况
图7描绘了风速误差的逐小时平均分布格局，在0时至6时阶段，ERA5的风速模拟结果显示出0.3~0.6 m/s的平均误差，EAR70的误差水平更低，仅为0.1~0.5 m/s左右，风速模拟偏差更小；其中在4~6时，EAR70误差最低，接近0 m/s，而ERA5则维持在约0.3~0.4 m/s，此时段两者误差差距最大，显示出EAR70在清晨时段的模拟结果误差更小。但从上午10时起，EAR70的误差快速抬升，并在12时后显著高于ERA5，平均误差值维持在0.7~0.9 m/s的高位，ERA5的误差水平较为恒定，始终维持在0.6~0.65 m/s水平，在午后至傍晚(14~21时)阶段，EAR70与ERA5的误差差异达0.15~0.2 m/s，说明EAR70在白天风速模拟方面表现欠佳，准确性不如ERA5，EAR70在夜间到清晨时段风速模拟表现更优，而ERA5在白天具有更好的整体稳定性和较小的平均误差。
Figure 7. Hourly average wind speed errors (Red represents EAR70, Blue represents ERA5)
图7. 各小时风速平均误差(红色为EAR70，蓝色为ERA5)
图8分别用两组子图(图8(a)，图8(b)为EAR70，图8(c)，图8(d)为ERA5)展示了中国区域内再分析风速数据与地面观测之间的平均误差和均方根误差空间分布。
注：该图基于自然资源部标准底图服务网站下载的审图号为GS(2016)1549号的标准地图制作，底图无修改。
Figure 8. Spatial distribution of average wind speed average errors and root mean square errors for EAR70 and ERA5. (Note: (a) EAR70 average error; (b) EAR70 root mean square error; (c) ERA5 average error; (d) ERA5 root mean square error)
图8. EAR70和ERA5平均风速平均误差和均方根误差空间分布。(注：(a) EAR70平均误差；(b) EAR70均方根误差；(c) ERA5平均误差；(d) ERA5均方根误差)
首先从平均误差分布来看，图8(a)显示了EAR70在全国范围内存在明显的系统性高估现象，例如在河北省、河南省和江苏省等地大面积站点出现误差大于1 m/s，甚至局部地区的平均误差超过了3 m/s，EAR70在我国四川、重庆、黑龙江、吉林等地具有较好的模拟性能，绝大多数站点平均误差值处于−1~1 m/s范围内，存在轻微的系统偏差。从整体上看，EAR70误差均值在东、西方向上形成高–低对比的空间格局，图8(c)可见，ERA5平均误差的空间分布格局较为均匀，全国站点数据显示平均误差多在1米每秒上下浮动，东部地区和沿海地区存在轻微高估，虽然有局部地区的平均误差超过2 m/s，但未见明显区域性极端偏差，表明ERA5在全国范围内的平均风速模拟系统偏差较小，对华北/华东/东北等地的模拟表现尤为突出。
再从均方根误差分布来看，图8(b)表明，河北、河南及山西等省份的均方根误差值整体偏高，尤其在广东、湖南等地局部地区均方根误差超过5 m/s，但是在西南地区(重庆、贵州、江西等地)的均方根误差值主要分布在1~2 m/s，模拟结果较为稳定，表现出一定的局地适应性，图8(d)中显示的ERA5均方根误差整体水平更低，各测站均方根误差主要分布在0~2 m/s之间，两图结果交叉对比，ERA5的高误差区域空间分布更紧凑，呈现较低的空间集聚。
ERA5在中国大陆大部分区域表现出比EAR70更小的平均误差与均方根误差，该区域在中东部的模拟表现既精准又稳定，EAR70对中东部风速的评估结果普遍偏大，并伴随更大的误差波动。
4. 结论
本研究从年、月、日和小时四个尺度出发，分析了2009年EAR70与ERA5风速数据与地面观测数据之间的偏差，探讨其风速模拟误差的空间分布、季节性变化及时段性特征，可得到以下结论：
1) 2009年的年尺度观测数据显示，中国大陆年均风速呈中部低南北高的带状分布，西北东北沿海三区域的风速明显偏大，局部超过6 m/s，风能资源禀赋突出；以四川盆地为代表的地区风速不高，长江中下游、华南和华北风速为2~4 m/s，形成主要风速带，沿海、平原开阔区域与高原边缘的风速明显偏高，风能资源呈现明显空间分异。
2) 逐月数据分析得出，EAR70对中国东部风速的模拟值整体偏高，最大正偏差集中体现在河北、河南及江苏境内，正偏差现象贯穿全年，数据分析表明，105˚E~125˚E与30˚N~40˚N是高估最明显的核心地理单元，在青藏高原及西南山区观测到的偏差值普遍偏低，部分复杂地形区存在非标准化偏差，季节差异分析表明，偏差最大值见于冬季，夏季的误差最小，说明EAR70夏季模拟效果更优，EAR70在中东部存在明显的偏差现象，冬春两季表现最为明显，夏季误差较小。
3) 日尺度分析数据显示，EAR70的日风速极值误差维持在较低水平，日偏差不超过0.5 m/s，而ERA5输出结果在多个时段风速估值不足，夏季误差范围明显扩大，从日最小风速数据看，EAR70的误差数据落在0.3~0.8 m/s，显著优于ERA5的0.5~1.4 m/s误差区间，具有更小的误差范围及更强的地形适应表现。空间格局分析可见，东部地区存在明显的EAR70误差，华北主要城市群误差较大，然而整体误差小于ERA5，多数地理区域中ERA5的风速模拟结果高度一致，中东部误差最低，ERA5数据与EAR70在误差分布上呈现较高一致性，不过蒙东及东北部误差明显偏高，EAR70的对应误差值普遍比其低1 m/s。
4) 小时尺度的分析证实，预报初始4~6小时期间，EAR70的风速估算较为可靠，最大误差绝对值仅为0.5 m/s，风速模拟最低误差仅0.1~0.5 m/s，较ERA5误差更低，预报进程至10小时阶段，EAR70误差出现显著上升，12小时预报后的误差尤为突出，介于0.7~0.9 m/s，ERA5误差始终维持在较平稳水平，始终处于0.6~0.65 m/s的水平，夜间时段的起报阶段，EAR70模拟效果更好，白天预报时段中，ERA5的中后期误差显著降低，模式输出更少波动，聚焦于中国中东部的核心地带，ERA5展现出更低的系统偏差和更优的模拟精度，综合表现超过EAR70。
基金项目
国家自然科学基金(No. 32260294)；海南大学科研基金资助项目(KYQD(ZR)-22083)海南省自然科学基金(No. 425RC692)。
NOTES
*通讯作者。