《Atmospheric Research》：Benchmarking and lightweight correction of daily near-surface air temperature products over the Qinghai-Tibetan Plateau
编辑推荐：
青藏高原近地表气温多源数据集构建与评估显示，观测融合产品优于纯模型驱动产品，存在系统性冷偏差，尤其在HII冬季。通过分层（生态气候带/季节/海拔）分析，提出基于季节-态特定递减率的高度归一化与分位数映射的轻量校正方法，有效降低MAE0.5-2.0℃。研究建立了包含20个高精度观测站的基准，为高原及高地形区域气象数据应用提供选择与校正指导。
周楠|肖瑶|赵琳|胡国杰|王玲晓|王崇|李仁|刘光月|邹德富|李向飞
南京信息科学技术大学地理科学学院，南京210044，中国
摘要
青藏高原附近地表空气温度（Ta）的可靠性对于能量平衡计算、冰冻圈评估以及陆气模型构建至关重要，然而复杂的地形和稀疏的观测站点给网格化数据的获取带来了挑战。我们建立了一个涵盖20个研究级观测站的日尺度基准评估体系，对比了五种代表性的数据集：全球陆地再分析数据、基于观测条件的区域融合数据以及最新的公里级观测插值数据，所有数据均采用统一的校准方法。评估结果根据生态气候区（HI/HII）、地面热状态（永久冻土/季节性冻结）和500米海拔带进行了分层分析。在日尺度上，基于观测条件的数据集表现优于纯模型驱动的ERA5-Land再分析数据；ERA5-Land再分析数据存在普遍的低温偏差，在HII气候区（冬季）尤为明显。海拔高度组合分析显示，随着观测距离的增加（从3.0公里增加到4.5公里），R2值上升，平均绝对误差（MAE）减小。我们提出了一种轻量级的两阶段校正方法：首先根据不同的气候类型进行高度归一化（γ），然后进行分位数映射，该方法可将MAE降低0.5–2.0°C，并消除高度依赖的低温偏差。一个无量纲的可用性矩阵将多指标的评估结果转化为针对特定场景、季节和海拔的实用指导，为选择和校正适用于其他高海拔地区的地表温度数据提供了操作路径。
引言
青藏高原对区域气候和水文具有重要影响，是亚洲主要河流系统的重要水源地（Bao等人，2024；Cuo等人，2014；Yao等人，2022）。在该地形复杂的高海拔地区，可靠的地表空气温度数据对于地表能量平衡计算、冰冻圈评估、生态系统和陆地表面建模以及极端事件监测至关重要。然而，观测站点的稀缺性和复杂地形限制了网格化数据集的准确性和适用性（Kuang和Jiao，2016；Lu等人，2020；Wang等人，2022；Xiao等人，2025）。
目前已有多种日尺度地表温度产品可供使用。“基于观测条件的”分析方法将实地测量数据与辅助数据结合，以提高在复杂地形下的数据真实性（例如中国气象强迫数据集CMFD，He等人，2020）；而全球再分析数据则是基于物理模型进行数据同化的（例如ERA5、ERA5-Land、MERRA-2、JRA-55、Gelaro等人，2017；Hersbach等人，2020；Kobayashi等人，2015；Mu?oz-Sabater等人，2021）。这些不同数据集的生成途径导致它们在误差模式、空间尺度和时间分辨率上存在差异，使得在山区直接进行同类比较变得复杂（Liu等人，2021；Rameshan等人，2025；Wang等人，2026）。
青藏高原面临两大主要挑战：首先，由于地形表示和高度不匹配导致的结构误差：高原和喜马拉雅山脉地区的温度递减率（γ）随季节和气候类型而变化，因此固定递减率的校正方法往往不够有效（Gao等人，2017；Yan等人，2020；Zhang等人，2018）。其次，即使平均状态合理，分布误差也可能持续存在；特别是在稳定的冬季边界层和季风过渡区，暖端和冷端数据可能被低估（Maraun等人，2016；Wang等人，2020；Wu等人，2025）。这些问题促使我们开发出能够考虑气候类型和海拔高度影响的评估框架。
以往的青藏高原评估研究虽然提高了我们对该地区气候的理解，但在实际应用中仍存在不足。多数据集对比显示，不同数据集之间的差异较大，且部分再分析数据在冬季存在明显的低温偏差。许多研究仅关注月平均温度，或仅考虑单一气候类型，或未明确考虑海拔高度因素（Peng等人，2023；Wang等人，2017；Zhou等人，2024）。此外，评估结果往往未能转化为关于何时需要校正以及如何进行轻量级校正的实际指导（Bao和Zhang，2019；Lin等人，2021；Yan等人，2020）。
我们构建了一个涵盖多种数据生成途径的日尺度青藏高原基准评估体系，包括全球陆地再分析数据、基于观测条件的区域融合数据以及基于观测站点的高分辨率插值数据，从而实现了在复杂地形下的统一比较。本研究有三个目标：（i）基于20个观测站，按生态地理区域、500米海拔带和季节分层，建立青藏高原的日尺度地表温度基准；（ii）展示一种轻量级的校正方法——根据气候类型和海拔高度调整高度后进行分位数映射，以提高评估的透明度和可移植性（Cannon等人，2015；Tong等人，2021）；（iii）将评估结果转化为针对特定场景的实用指导，帮助选择数据集并进行必要的校正。这些方法将诊断过程转化为可操作的路径，为青藏高原及其他高海拔地区的陆地表面强迫、生态系统应用和极端事件监测提供可复制的数据预处理和数据选择方案。
站点与质量控制
我们汇总了来自青藏高原及其周边地区（北纬28–38°，东经75–103°；海拔3000–4800米；图1；表1）的20个研究级观测站的日地表温度数据，这些观测站由中国科学院及其合作机构运营。该网络旨在覆盖常规观测难以覆盖的区域，如冰川、高山湖泊、高山草甸/草原、森林、沙漠、湿地、山口和永久冻土带，从而在日尺度上揭示这些地区的温度结构特征。
20个观测站的总体日尺度表现
综合20个观测站的数据和共有的观测年份，基于观测条件的数据集在日尺度上的表现优于纯模型驱动的ERA5-Land再分析数据（图2；表3）。平均误差方面，HRLT和TPMFD的数据集表现最佳（MAE = 1.9°C；R2 = 0.94/0.92），CDMet数据集紧随其后（MAE = 2.16°C，R2 = 0.91）。CMFD v2.0的数据集表现中等（MAE = 2.34°C，R2 = 0.89）。ERA5-Land数据集在日尺度上的一致性最差（MAE = 3.24°C，R2 = 0.87），存在系统性低温偏差。
我们对结果的总结
综合20个研究级观测站的数据，我们的日尺度基准评估体系结合了最新的公里级观测数据、区域融合数据和全球陆地再分析数据，结果显示基于观测条件的数据集在日尺度上的表现优于非基于观测条件的ERA5-Land再分析数据。HRLT和TPMFD的数据集平均误差最低，CDMet数据集表现中等，而ERA5-Land数据集存在系统性低温偏差，这一排序与数据集的特性一致。
结论
我们开发了一个考虑气候类型和海拔高度影响的评估框架，用于评估青藏高原的地表空气温度数据，并将评估结果与实际应用相结合。评估结果根据生态区、海拔带和季节进行了分层分析。我们使用了一种轻量级的校正方法（γ → QM），展示了如何以最小的代价减少高度偏差和分布不匹配问题。在日尺度上，基于观测条件的数据集表现最佳，而纯模型驱动的再分析数据集存在明显缺陷。
CRediT作者贡献声明
周楠：撰写初稿、数据可视化、验证、软件开发、数据整理。
肖瑶：撰写初稿、数据可视化、验证、方法设计、数据整理、概念构思。
赵琳：审稿与编辑、项目监督、资金申请、概念构思。
胡国杰：审稿与编辑、项目监督、调查研究、概念构思。
王玲晓：软件开发、方法设计、数据分析。
王崇：撰写部分内容。
写作过程中使用生成式AI和AI辅助技术的声明
在撰写本文时，作者使用了ChatGPT-5工具来提升文本的语言表达和可读性。使用该工具后，作者对内容进行了必要的修改，并对最终发布的文章内容负全责。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
致谢
本研究得到了中国国家自然科学基金（项目编号：42322608、42471168）和中国科学院青年创新促进协会（项目编号：2022430）的支持，以及中国科学院冰冻圈科学与冻土工程重点实验室（项目编号：CSFSE-ZQ-2407、CSFSE-ZZ-2408）的资助。
