再分析資料中土壤溫度記憶的對比及觀測數(shù)據(jù)的差異

陸地表面是地球氣候系統(tǒng)的重要組成部分，土壤溫度（soiltemperature，ST）代表陸地表面的熱量狀態(tài)，是陸地表面蓄熱的指標(biāo)，作為陸地過程的關(guān)鍵因素，在陸地-大氣相互作用中發(fā)揮著極其重要的作用。ST可以通過改變地表和大氣間的感熱通量、潛熱通量、長波輻射等進一步影響多個時間尺度的大氣狀態(tài)（Liu and Avissar，1999;HuandFeng，2004;Mahanama et al.，2008；Fan，2009；Wu and Zhang，2014;Xue et al.，2018）。

ST異常通過調(diào)整大氣環(huán)流進而影響后期的氣溫和降水。冬季及晚春ST異常會對次年春季和夏季的降水產(chǎn)生影響（Mahanamaetal.，20o8；Wangetal.，2013）。數(shù)值模擬及再分析數(shù)據(jù)分析均顯示青藏高原土壤溫度異常能夠保留地表熱異常，并在接下來的幾個月釋放進而影響地表氣溫（周鎖鈺等，2004；Liuetal.，2020；Linetal.，2022）。研究顯示江淮洪澇、江南干旱均同前期深層ST異常有著密切的聯(lián)系（馬柱國等，1995），而長江中下游至華北地區(qū)5月地表溫度異常通過對東亞夏季風(fēng)和大氣環(huán)流的調(diào)整會影響中國東部夏季降水（Zhouetal.，2020）。此外，研究表明長江中下游土壤溫度的滯后相關(guān)關(guān)系在氣溫的滯后關(guān)系中起著主導(dǎo)的作用（Songetal.，2023）。Shuklaetal.（2019）研究顯示歐亞大陸北部夏季深層土壤溫度的冷異常會導(dǎo)致淺層土壤額外降溫，有助于歐亞大陸西部的地表溫度提前達(dá)到冰點，進而導(dǎo)致初冬積雪的額外增多。ST還可以通過陸氣耦合改變大氣環(huán)流，促進極端事件的發(fā)生（Gómezetal.，2016;Yangetal.，2019）。

ST異常通過激發(fā)Rossby波會對下游的氣候產(chǎn)生影響。青藏高原春季表層和次表層土壤溫度異常引起的非絕熱加熱同中緯度波列及南亞高壓相互作用，并通過影響東亞季風(fēng)進而改變其下游的春夏旱澇（Xueetal.，2018）。春季西亞表層地表溫度異常通過非絕熱加熱會激發(fā)東傳的Rossby波進而影響華北和東北的氣溫和降水（Yangetal.，2021）。中亞5月土壤溫度的暖異常會持續(xù)到夏季，并通過Rossby波導(dǎo)致東北位勢高度的正異常進而影響東北夏季的氣溫（Yangetal.，2024）。

前期ST與后續(xù)氣溫和降水的關(guān)系取決于前期ST異常的持續(xù)，也即ST異常的記憶（soiltemperaturememory，STM）。ST異常可以持續(xù)1個月以上，受輻射、氣溫、降水、植被覆蓋類型、土壤物理性質(zhì)等的影響（YangandZhang，2016；Liuetal.，2020;Liet al.，2021;Song et al.，2022a）。基于觀測數(shù)據(jù)的分析顯示中國區(qū)域ST異常能持續(xù)幾個月（Yang and Zhang，2016;Xueet al.，2018;Liu et al.，2020；Linetal.，2022），且存在很大的區(qū)域差異和季節(jié)依賴性（YangandZhang，2016）。此外，ST異常存在著隨時間在土壤中向下傳播的特征（Zhangetal.，2021，Songetal.，2022a，2022b）。在寒冷地區(qū)，秋季的ST異常信號可以儲存在凍土中，然后在解凍期間重新出現(xiàn)在地表（Schaeferetal.，2007;Mat-sumuraandYamazaki，2012）。

前期ST對氣溫和降水的影響與采用的數(shù)據(jù)及方法等密切相關(guān)，具有很大的不確定性（Liuetal.，2015），導(dǎo)致了對ST異常的氣候效應(yīng)的清晰認(rèn)識的缺乏。作為ST異常影響后期氣溫和降水的關(guān)鍵過程，ST異常持續(xù)的不確定性是其中的一個重要原因。而ST觀測數(shù)據(jù)的缺乏使得ST再分析數(shù)據(jù)在數(shù)值模擬及統(tǒng)計診斷分析中得到了廣泛的應(yīng)用。那么再分析數(shù)據(jù)的使用對ST異常的持續(xù)性特征有多大的影響？這很大程度上決定了基于ST再分析數(shù)據(jù)通過數(shù)值模擬或統(tǒng)計診斷研究前期ST異常影響后期大氣的結(jié)論的可信度。研究顯示ST再分析數(shù)據(jù)和觀測數(shù)據(jù)存在一定差異（Zhaoetal.，2022），而對再分析數(shù)據(jù)中決定ST滯后氣候效應(yīng)的ST異常的記憶同觀測的差異缺乏了解。本文對基于不同再分析數(shù)據(jù)計算的STM的特征進行了分析，并使用觀測數(shù)據(jù)評估了再分析數(shù)據(jù)對ST記憶的表達(dá)能力，進而加深對ST再分析數(shù)據(jù)導(dǎo)致的前期陸面信號異常同后期氣候異常之間關(guān)系的研究中的不確定性的認(rèn)識。

1資料和方法

ST的觀測數(shù)據(jù)由中國國家氣象科學(xué)數(shù)據(jù)中心（http：//data.cma.cn）提供，包括0.05、0.1、0.2、0.4，0.8，1.6，3.2m 深度1979—2013年的ST月平均值。為避免ST數(shù)據(jù)缺失對分析結(jié)果的影響，選取觀測值較為完整的15個站點的ST觀測數(shù)據(jù)進行分析，這15個站點分別為昆明、拉薩、蘭州、哈爾濱、天水、烏魯木齊、太原、沙塘、酒泉、南昌、武漢、鄭州、北京、臨夏、西寧，站點位置的空間分布如圖1所示。本研究使用的再分析數(shù)據(jù)包括1979—2022年歐洲中期天氣預(yù)報中心ERA5-Land數(shù)據(jù)集（Hersbach etal.，2020a，b）和1979—2019 年 ERA-Interim數(shù)據(jù)集（Deeetal.，2011），為4層月尺度的ST，深度分別為 0～0.07，0.07～0.28，0.28～1，1～ 2.89m 。ERA5-Land數(shù)據(jù)空間分辨率為 0.1^°× 0.1^° ，ERA-Interim數(shù)據(jù)空間分辨率為 0.75^°× 0.75^° ，ERA5-Land是模式數(shù)據(jù)結(jié)合觀測數(shù)據(jù)得到的數(shù)據(jù)集。此外，還包括1979—2022年美國全球陸面同化系GLDAS-CLSM（Rodelletal.，2004）的6層月尺度ST數(shù)據(jù)，空間分辨率為 1^°×1^° ，土壤深度分別為 0～0.10，0.10～0.29，0.29～0.68，0.68～1.44 51.44～2.95.2.95～12.95m ，GLDAS陸面數(shù)據(jù)是通過陸面過程模擬和數(shù)據(jù)同化技術(shù)結(jié)合衛(wèi)星和地面觀測數(shù)據(jù)生成地表狀態(tài)和通量的最優(yōu)數(shù)據(jù)，GLDAS-CLSM采用的陸面模式為catchmentlandsurfacemodel。

ST異常的記憶是連接前期和當(dāng)前ST異常的關(guān)鍵過程。現(xiàn)有研究中，ST異常的記憶是根據(jù)某一土壤深度當(dāng)前ST與后續(xù)ST間的關(guān)系進行分析，然而ST異常的信號會在土壤的不同深度進行傳播，某一深度ST的異常也會導(dǎo)致其他深度ST的異常，也就是說在分析ST異常的記憶性時只考慮同層的ST間的關(guān)系是不恰當(dāng)?shù)模灰虼耍狙芯恐型ㄟ^計算某一土壤深度ST與后續(xù)多個深度中ST的最大皮爾遜相關(guān)系數(shù)降至置信度 95% 顯著性檢驗水平以下的時間作為該土壤深度ST的記憶時間，而多個王壤深度ST的記憶時間的最大值為該土壤對前期ST異常的記憶能力，也即本研究中采用的STM。本文對比分析了ERA-Interim、ERA5、GLDAS-CLSM的STM在 12mon 的平均值，并基于STM在12mon 的平均值分析了不同再分析數(shù)據(jù)間STM空間分布和時間變化的異同。而由于深層和淺層ST異常影響大氣的機理不同，淺層ST的異常會直接改變地表感熱、潛熱及輻射通量進而對大氣產(chǎn)生影響，因此進一步分析了不同深度初始ST異常隨時間在淺層持續(xù)的特征。由于ST觀測數(shù)據(jù)存在大量的缺測，所以本研究首先采用的ST觀測數(shù)據(jù)缺測較少的15站的ST觀測值對ERA-Interim、ERA5、GLDAS-CLSM計算得到的STM進行了評估。此外，由于表層ST觀測數(shù)據(jù)缺失值較少，對再分析數(shù)據(jù)表層ST異常在表層的持續(xù)時間進行了評估。

2 結(jié)果分析

2.1再分析數(shù)據(jù)表層ST的空間分布

由于表層ST觀測值缺失較少，因此利用表層ST觀測值對再分析數(shù)據(jù)表層ST的特征進行了評估。結(jié)果顯示，ERA5、ERA-Interim、GLDAS和觀測表層ST多年平均的空間分布均大體呈現(xiàn)出東南向西北漸少的分布趨勢。此外，西北ST較高，青藏高原由于較高的海拔ST較低，而塔里木盆地因為下墊面主要為沙漠所以ST也較高。同觀測數(shù)據(jù)的對比，可以看出ERA5、ERA-Interim和GLDAS均能很好地表達(dá)出淺層ST多年平均的空間分布（圖2）。同觀測數(shù)據(jù)的對比看，再分析數(shù)據(jù)ST在東北和藏南地區(qū)偏低，內(nèi)蒙古西部偏高，在云南北部、貴州、山東等地區(qū)偏低。不同再分析數(shù)據(jù)的ST的空間分布非常一致，差別主要體現(xiàn)在塔里木盆地，GLDAS具有更高的ST，ERA-Interim和ERA5次之。

2.2再分析數(shù)據(jù)STM的空間分布

ERA5ERA-Interim、GLDAS計算得到的STM在 12mon 的平均值的空間分布存在顯著差異（圖3）。除西北地區(qū)外，ERA5、ERA-Interim空間分布較為一致；STM的高值區(qū)主要位于 400～800mm 的多年平均降水區(qū)，STM為 8～10mon ；在西北地區(qū)，ERA5、ERA-Interim的STM分別約為 10.6mon ；此外，ERA5在東北和江蘇略低于ERA-Interim，在華南和西南部分地區(qū)略高于ERA-Interim。GLDAS的STM的空間分布同ERA5、ERA-Interim存在明顯不同，整體表現(xiàn)為西部STM明顯高于東部，主要表現(xiàn)為東北、華中、華東、華南STM為 3～7mon ，而西部約為 （圖3）。空間相關(guān)分析顯示，ERA5、ERA-Interim的STM空間分布的相關(guān)系數(shù)為O.6以上，而GLDAS同ERA5、ERA-Interim的空間相關(guān)系數(shù)均為負(fù)值，主要源于東北、西南及青藏高原西北部的差異。

2.3再分析數(shù)據(jù)STM的月際變化

作為影響ST的重要因子，降水和氣溫的地區(qū)差異存在顯著的月際變化，那么STM的空間分布在不同月份是否存在顯著差異？如圖4所示，ERA5、ERA-Interim、GLDAS在不同月份的STM空間分布均呈現(xiàn)出明顯的相似性。此外，3種再分析數(shù)據(jù)STM在不同月份之間的空間分布存在很大的一致性，ERA-Interim、ERA5和GLDAS各月份STM間最小空間相關(guān)系數(shù)分別為0.35、0.50和0.55，均通過了 99.9% 置信度的顯著性檢驗（圖4）。具體而言，ERA-Interim的4—11月、12月與1—4月，ERA5的3—10月、11—12月與1—5月，GLDAS的4—11月的STM的空間分布具有很大的相似性（圖4），這說明STM較長的區(qū)域在全年不同月份分布較為集中（圖4）。其次，不同再分析數(shù)據(jù)的STM月份間相似性的特征略有不同，但大致相似（圖4）。圖6顯示1月和7月ST異常的記憶時間的空間分布存在很大的一致性，但不同再分析數(shù)據(jù)間稍微不同。ERA-Interim在1月和7月STM較長的區(qū)域主要位于東北、青藏高原東部及半干旱氣候區(qū)，但7月STM在黃河和長江的下游地區(qū)比1月更長（圖5）。

ERA5的STM的空間分布同ERA-Interim非常接近，但在新疆地區(qū)ERA5相比ERA-Interim具有更長的STM（圖5）。GLDAS的STM空間分布同ERA5較為相似，但在東北地區(qū)明顯小于ERA5（圖5）。此外，不同月份ST異常的持續(xù)時間存在顯著差異，如圖6所示，ERA5、ERA-Interim在冬半年STM更長，而GLDAS在3—8月STM更長。整體而言ERA5有著比ERA-Interim更長的STM，GLDAS也略長于ERA-Interim。不同再分析數(shù)據(jù)中相對更長的STM對應(yīng)的月份明顯不同，ERA-Interim主要集中在1、3、4、12月，ERA5主要集中在1—5月及11、12月，GLDAS主要集中在3—7月（圖6）。

2.4再分析數(shù)據(jù)ST異常信號隨時間在土壤中持續(xù)的特征

不同深度ST影響陸氣相互作用的機理不同，而前期ST異常信號在不同土壤深度的分布隨時間存在顯著變化。整體而言，ST異常信號隨著時間向土壤深處傳播（圖7）。對ERA-Interim和ERA5而言，多于 30% 的空間格點的ST異常在淺層能持續(xù)到 4mon 后，多于 15% 的格點ST異常在深層能持續(xù)到 后（圖7a、b）；而GLDAS的ST異常在王壤深層和淺層具有 45% 以上的格點的信號能持續(xù)到11mon后（圖7c）。此外，ERA-Interim和ERA5僅有 10% 左右的格點區(qū)域的ST異常信號能在淺層持續(xù)到 后，而GLDAS有 45% 以上的格點區(qū)域的ST異常信號在淺層能持續(xù)到11mon后。相比ERA-Interim和ERA5，GLDAS的ST異常信號隨滯后時間的增加也存在向土壤深處轉(zhuǎn)移的跡象，但異常信號在不同土壤層之間的差異并不明顯。此外，GLDAS有更多的格點存在更長的記憶時間（圖7c）。3種再分析數(shù)據(jù)均顯示土壤溫度異常能持續(xù)多個月的時間，且持續(xù)時間隨著深度顯著增加。

淺層ST的異常會通過改變地表輻射、感熱、潛熱而直接對其上的大氣產(chǎn)生影響，因而在陸氣相互作用中有著至關(guān)重要的作用。圖8顯示ERA-Interim、ERA5和GLDAS中不同土壤深度的初始ST異常信號在土壤淺層持續(xù)的區(qū)域顯著不同。ERA-Interim、ERA5初始ST異常信號隨滯后時間的增加其信號顯著異常的區(qū)域逐漸減小，但GLDAS隨滯后時間的增加沒有明顯變化。具體而言，ERA-Interim、ERA5數(shù)據(jù)得到的ST異常在山西、陜西、河南地區(qū)的土壤淺層均具有較高的持續(xù)性。此外，ERA5數(shù)據(jù)得到的ST異常在遼寧、吉林及青藏高原東部也存在初始ST異常信號在土壤淺層顯著持續(xù)的區(qū)域，尤其在較短的滯后時間（圖8h）。而GLDAS計算的ST異常的持續(xù)性較強的區(qū)域明顯不同，主要位于西部地區(qū)，與ERA-Interim、ERA5區(qū)域隨滯后時間增加而減少不同，GLDAS區(qū)域隨滯后時間沒有明顯變化。另外，對ERA-Interim而言， 12mon 4 層土壤ST異常有 70% 以上的比例持續(xù)到9mon后（圖8a），但ERA5僅有 40% 的比例，因而ERA-Interim中初始ST異常在土壤淺層具有比ERA5中ST異常更高的持續(xù)性。

2.5 ERA-Interim、ERA5、GLDAS中STM同觀測數(shù)據(jù)的對比

由于中層及深層ST觀測數(shù)據(jù)的缺乏，選取了在各個深度ST觀測比較完整的15個站點進行分析。基于15個站點觀測ST得到的STM同ERA-Interim、ERA5、GLDAS的STM的對比分析顯示，昆明、拉薩、蘭州、哈爾濱、天水、烏魯木齊等站點觀測STM約在 ，而南昌、武漢、鄭州、北京、臨夏、西寧觀測STM較短，為 3～9mon ；此外，夏季的ST異常能持續(xù)更久的時間（圖9a）。同觀測相比，在昆明、拉薩等觀測STM較高的站點，再分析數(shù)據(jù)STM基本偏低；而在西寧、臨夏、北京等觀測STM較低的站點，再分析數(shù)據(jù)STM基本偏高（圖 9b_?c_?d ）。

觀測STM和再分析數(shù)據(jù)STM在15個站點的分布大致相似（圖10a）。沙塘、酒泉、南昌、武漢、鄭州相對其余站點STM均較低。但STM的大小存在明顯區(qū)別，在昆明、拉薩、蘭州、哈爾濱、天水、沙塘、酒泉站觀測基本高于再分析數(shù)據(jù)，在其余站點觀測基本低于再分析數(shù)據(jù)。GLDAS的STM明顯高于ERA-Interim和ERA5。從站點分布上看，西部及東北地區(qū)再分析數(shù)據(jù)偏低，而在其余地區(qū)再分析數(shù)據(jù)STM偏高（圖10）。

由于觀測數(shù)據(jù)中表層ST異常具有較少的缺失值，因此對再分析數(shù)據(jù)表層ST異常信號在表層的滯后自相關(guān)通過 95% 置信水平的最大持續(xù)時間的特征進行了評估。圖11a顯示不同月份再分析數(shù)據(jù)同觀測數(shù)據(jù)的空間分布的相關(guān)系數(shù)存在很大差異。總體上，GLDAS、ERA5同觀測的空間分布更為接近，ERA-Interim同觀測的空間分布差距更大；此外，在6一9月氣溫較高、降水較多的月份，再分析數(shù)據(jù)同觀測數(shù)據(jù)差距相對別的月份更大，而在10—12月，ERA5和GLDAS同觀測空間一致性非常高。具體而言，ERA-Interim除3月、4月和12月外同觀測在空間分布上均有很大差距；ERA5在3、5、9—11月同觀測具有較高的空間一致性，尤其在9—11月優(yōu)于GLDAS；GLDAS在2、3、5—12月同觀測均有很好的空間一致性，除10—12月均優(yōu)于ERA5和ERA-Interim（圖11a）。

從每個月空間平均的表層ST異常在表層的持續(xù)時間看，再分析數(shù)據(jù)能很好地反映出觀測從1月到12月的減小趨勢（圖11）。ERA-Interim除4、11和12月外，空間平均值明顯高于觀測；ERA5在12mon均低于觀測；GLDAS除8、10和11月，均高于觀測，尤其在1、6和7月顯著高于觀測。總體上，ERA5空間平均值低于觀測，GLDAS空間平均值高于觀測（圖11b）。

觀測數(shù)據(jù)分析顯示表層ST異常在土壤表層的持續(xù)時間在1月大值區(qū)位于青藏高原、四川和云南西部，7月位于青藏高原、西北和四川地區(qū)。同觀測相比，1月ERA-Interim在內(nèi)蒙古中部、河北、山西等地區(qū)偏高，但在青藏高原顯著偏低；1月ERA5分布同ERA-Interim相似，但在青藏高原有大值區(qū)，與觀測更為接近；GLDAS在很多地區(qū)高于觀測，且在青藏高原中西部明顯偏低，但在云南西部、四川同觀測相似均為高值區(qū)。7月ERA-Interim在西北，尤其新疆地區(qū)相比ERA5、GLDAS同觀測更為接近，但在西南及青藏高原地區(qū)明顯低于觀測，在內(nèi)蒙古中部、河北、山西等地區(qū)明顯高于觀測；ERA5的分布同ERA-Interim相似，但整體值偏小;GLDAS在內(nèi)蒙古中部、河北、山西、陜西等地區(qū)高于觀測，在新疆低于觀測，在青藏高原明顯高于觀測（圖12）。整體而

在顯著不同。ERA5、ERA-Interim數(shù)據(jù)STM除西北地區(qū)外空間分布較為一致，高值區(qū)主要位于 400～ 800mm 的多年平均降水區(qū)，為 8～10mon 。GLDAS數(shù)據(jù)STM空間分布同ERA5、ERA-Interim明顯不同，西部STM顯著高于東部。同ERA-Interim相比，ERA5和GLDAS有著更長的 STM 。STM空間分布的月變化上，不同再分析數(shù)據(jù)STM在不同月份間的空間分布較為一致。相對而言，12、1和2月的空間分布更為相似，而4一10月的空間分布更為相似。再分析數(shù)據(jù)1月和7月STM的空間分布大體一致，但不同數(shù)據(jù)間有較大差別；ERA5在東北、西北均有較大的STM，但GLDAS在東北STM較小，ERA-Interim在西北較小;另外ERA-Interim在青藏高原大部分地區(qū)均較低，而GLDAS在中國東部大部分地區(qū)也存在較低的特征。前期ST異常在土壤中持續(xù)的特征分析顯示前期ST異常信號隨著時間向土壤深層傳播，但GLDAS有著更大的區(qū)域存在更長的持續(xù)時間；而不同再分析數(shù)據(jù)中ST異常在土壤淺層持續(xù)的時間在空間分布上存在明顯不同，ERA-Interim、ERA5主要位于山西、陜西和河南地區(qū)，GLDAS主要在西部地區(qū)。

言，再分析數(shù)據(jù)在內(nèi)蒙古中部、河北、山西等地區(qū)的高值與觀測不符，在西南、新疆、青藏高原地區(qū)的高值同觀測比較一致。此外，無論觀測還是再分析數(shù)據(jù)1月和7月的空間分布大致相同（圖12）。

3結(jié)論與討論

ST反映了陸地表面熱量狀態(tài)，在陸地-大氣相互作用中發(fā)揮著極其重要的作用。ST異常的記憶建立了前期ST異常與后續(xù)ST及氣溫降水異常的聯(lián)系。再分析數(shù)據(jù)及數(shù)值模式中對STM的表達(dá)能力嚴(yán)重影響著對ST作為陸氣耦合系統(tǒng)中的慢變變量在陸氣相互作用及氣候預(yù)測中角色的認(rèn)識。本研究首先評估了ERA5、ERA-Interim和GLDAS對ST空間分布的表達(dá)能力，然后對比分析了不同再分析數(shù)據(jù)STM的異同及其同觀測數(shù)據(jù)STM的差異。

結(jié)果顯示，ERA5、ERA-Interim和GLDAS對STM的表達(dá)存在一定的差異。首先3種再分析數(shù)據(jù)對ST氣候態(tài)的空間分布均有很好的再現(xiàn)能力，但再分析數(shù)據(jù)ST在東北、西藏南部、云南北部、貴州、山東等地區(qū)偏低，在內(nèi)蒙古西部偏高。在整個土壤層ST異常的記憶上，ERA5、ERA-Interim、GLDAS中STM在 12mon 的平均值的空間分布存

由于觀測數(shù)據(jù)的缺乏，選取了ST數(shù)據(jù)較為完整的15個站點對再分析數(shù)據(jù)的整個土壤層的STM進行了評估。同觀測的對比顯示ERA-Interim、ERA5、GLDAS中STM同15個觀測站整個土壤層的STM存在顯著差異，在昆明、拉薩等觀測STM較高的站點，再分析數(shù)據(jù)STM基本低于觀測；而在西寧、臨夏、北京等觀測STM較低的站點，再分析數(shù)據(jù)STM基本高于觀測。從站點分布上看，西部及東北地區(qū)再分析數(shù)據(jù)STM偏低，而在其余地區(qū)再分析數(shù)據(jù)STM偏高。

此外，鑒于表層ST數(shù)據(jù)缺失較少，因此從表層ST異常信號的滯后自相關(guān)的最大持續(xù)時間上對再分析數(shù)據(jù)做了進一步評估，結(jié)果顯示空間分布上，ERA5和GLDAS同觀測更為一致，尤其在10—12月。從空間平均看，GLDAS、ERA-Interim的STM在大多數(shù)月份高于觀測，而ERA5基本上低于觀測，

ERA-Interim和ERA5由于均來自歐洲中期天氣預(yù)報中心，因此ST和STM的特征均有很高的相似性；而GLDAS的STM空間分布同ERA-Interim、ERA5均有較大差別。同觀測數(shù)據(jù)的對比顯示GL-DAS、ERA5能較好地表達(dá)出觀測數(shù)據(jù)計算的表層ST異常在土壤表層的持續(xù)時間，尤其在10、11、12月以及3和5月；但再分析數(shù)據(jù)對整個土壤層ST異常在整個土壤層的持續(xù)的表達(dá)同觀測有一定差距。整體而言，GLDAS、ERA5同觀測更為接近，ERA-Interim同觀測差異相對較大;GLDAS的空間平均的持續(xù)時間高于觀測，而ERA5低于觀測。此外，不同地區(qū)不同月份再分析數(shù)據(jù)對STM的表達(dá)能力不同，鑒于STM在連接前期ST異常同后期ST異常中的關(guān)鍵作用，在再分析數(shù)據(jù)的使用中需要根據(jù)月份及區(qū)域進行單獨分析，以增加在數(shù)值模擬及統(tǒng)計診斷分析中使用再分析數(shù)據(jù)ST研究前期ST影響后期大氣的結(jié)論的可靠性。

致謝：中國國家氣象信息中心、NASA/NOAA、EC-MWF提供了觀測數(shù)據(jù)、GLDAS、ERA5/ERA-Interim資料的在線下載服務(wù)。謹(jǐn)致謝忱！

參考文獻(xiàn)（References）

DeeDPUlldefti JRoy Meteor Soc，137（656）：553-597.D01：10.1002/qj.828.

FanXG，o： 2263-2285.D0I：10.1175/2009mwr2684.1.

G6mezIerecl on the simulation of extreme heat events[J].Remote Sens，8（7） ：589.DOI：10.3390/rs8070589.

HersbachH，oeobedsi Series.DOI：10.21957/tkic6g3wm.

HersbachH，ellrisdblalisQuarete，4

HuQFengefedte）66.74ot 2. 0.co;2.

LiQuYclcio North China[J].Hydrol Earth Syst Sci，25（4）：2089-2107.DOI：10.5194/hess-25-2089-2021.

Lin ZX，uoaRH，etalsisteflalyrithntedateioieate. Geophys ResLett，49（12）：e2022GL098503.DOI：10.1029/2022GL098503.

LiuD，YuZBaosinghrtflpeauidospeteacsiedel [J].Glob Planet Change，130：7-21.DOI：10.1016/j.gloplacha.2015.03.007.

LiuY，XueYiegifitueald Geophys Res：Atmos，125（19） ：e2020JD032800.DOI：10.1029/2020JD032800.

LiuYQi9fdoseioulea. DOI：10.1175/1520-0442（1999）012lt;2154：asopitgt;2.0.co;2.

馬柱國1995.地溫異常與1991年江淮大水、江南大旱關(guān)系的初步分析[J].高原氣象，14（2）：185-191．MaZG，1995.Preliminaryanalysis on the relationshipetngoloaldthfoodinJagaidedoughtigni99]ateuMeteo42） Chinese） .

MaanamaSosteRDeichleRH，ealpactofbufacetperaturerbiltfaceiperaturerbilt study[J].JHydrometeorol，9（4）：804-815.DOI：10.1175/2008jhm949.1.

Matsuuraioaeloeis） 10.1088/1748-9326/7/4/045402.

RodellM，HousborUetalldtslolle3）9 bams-85-3-381.

Schaefer KZanJas，etalperatureaoalygeceiasallzenilsopsResAo）： D20102.DOI：10.1029/2007JD008630.

ShuklaRP，HuagBeyreta19.ifeeofmedlmpeaturearlnteodiiosinsae NCEP CFSv2 simulation[J].J Geophys Res： Atmos，124（16）：9062-9077.DOI：10.1029/2019JD030279.

SongYMugeHesistedgeooicaliasilpreJst mos，127（19） ： e2022JD037218.DOI：10. 1029/2022JD037218.

SongYM，uaghnHbheoftedetpreiiatdireratureigalsinlpeatueaJ Hydrometeorol，23（3）：377-388.D0I：10.1175/jhm-d-21-0126.1.

SongYCe middleadlowerreachesof theYangtzeRiverbasi[J]JGeophsRes：Atmos，28（23）：203J039036DO：10029/2339036.

WangYH，ChenWZangJYetal.3RelatioshitweelepeatureinerNtestCinaadtheEastAsiansmo precipitation[J].Acta Meteor Sinica，27（5）：716-724.DOI：10.1007/s13351-013-0505-0.

WuLY，Zagubcelpuecksateblthiddo Atmos Sci Lett，15（4） ：307-313.DOI：10.1002/asl2.504.

XueYKasicJjicZtalepactofrufacelmpeatuoalyintUea cipitation：acasedyuigregiallatemodeldowscaligJGosRes：Atos，117D11）：.O：1.9j692.

XueYKDialliKetlinglcedubfaceeraureolidbetsrelate droughts/floods in North America and EastAsia[J].JGeophys Res：Atmos，123（10）：5001-5019.DOI：10.1029/2017JD028246.

YangK，Zae 749.DOI：10.1007/s00704-015-1613-9.

YangJQCeHelicloledldal its possibleimpactsonarlysummerclimateovernorthen China[J].JClimate，34;5999601DOI：10.1175/cli-d-200911.1.

YangZM，Zau9inlpeutofteJo e887.DOI：10. 1002/asl.887.

YangZMZabluetrasice and prediction over northeastern China[J].Climate Dyn，62（4）：2719-2733.DOI：10.1007/s00382-022-06360-8.

ZhangXesuelf cover，and the soil memory[J].Adv Atmos Sci，38（3）：493-503.DOI：10.1007/s00376-020-0074-y.

ZhoCLgefseesiea 1042-1058.D0I：10.3390/earth3040060.

周鎖詮，張翠，王小寧，等，2004.多層土壤溫度模擬及其檢驗[J].南京氣象學(xué)院學(xué)報，27（2）：2-209．ZhouSQ，ZhangC，WangXN，etal.， 2004.Simulatiooflmpueituliodediseritst2） cnki.dqkxxb.2004.02.008.（in Chinese）.

ZhouY，GaoXgKetlSpaiottin3latureiaui87te（： 1233-1244.DOI：10. 1007/s00382-019-05055-x.

·ARTICLE·

Differences in soil temperature memory between reanalysis datasets and observational data

SONG Yaoming' ，ZHAO Yong

1KeyLaboratorofeteicalDisastenstrfucato（KLolbatieoatoCentoFstdauatfe logical Disasters（CIC-FEMD），Nanjing Universityof InformationScienceand Technology，Nanjing1o044，China; 2School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，China

AbstractSoil temperature（ST）anomaly memory describes the persistence of ST anomalies and their influence on subsequent ST and atmospheric anomalies.Due to the limited availability of long-term ST observational data， reanalysis datasets are widelyused in numerical simulations and statistical diagnosticanalyses.However，the extent to which reanalysis data afect the persistence of ST anomalies remains uncertain，directly impacting the reliability of conclusions drawn from numerical and statistical studies on the influence of antecedent ST anomalies on atmospheric processes.Therefore，evaluating the memoryofSTanomalies inreanalysisdatasets isessential.This study evaluates the memory of ST anomalies at a monthly timescale using ERA-Interim，ERA5，and GLDAS reanalysis datasets from 1979 to 2019，alongside observational data from China.The ST anomaly memory is quantified using the autocorrelation method while considering the vertical propagation of ST anomaly signals across diferent soil layers.Results indicate thatallthree reanalysis datasets effctivelyreproduce thespatial distributionof multi-year average shallow ST.However，notable differences exist in ST memory.High-memory regions in ERA5and ERAInterim are primarily located in areas with an average annual precipitation of 400 to 800mm ，where ST anomalies persist for approximately 8—10 months.In contrast，GLDAS exhibits a distinctly different spatial pattern，with ST memory values significantly higher in the western part of China than in the eastern part of China.The intermonthly variations of ST memory show strong spatial consistency across diferent months in alldatasets.Aditionally，ST anomalies tend to propagate into deeper soil layers over time.ERA-Interim and ERA5 indicate longer ST anomaly persistence in the first soil layer in Shanxi，Shaanxi，and Henan Provinces，while in GLDAS，STanomalies persist longer in western China.Compared with observational data，GLDAS and ERA5 beter represent the persistence characteristics of ST anomalies in the first soil layer but fail to accurately capture the persistence characteristics of STanomalies acrossthe entire soil column.The ability of reanalysis datasets to reproduce ST anomaly persistence varies significantly by region and season.These findings highlight diferences in ST anomaly persistence among reanalysis datasets，contributing to a beter understanding of the climatic effects of antecedent STanomalies.Moreover，discrepancies in soil stratification among diferent reanalysis datasets complicate direct comparisons of ST memory.Therefore，when using reanalysis datasets to study the influence of antecedent ST anomalies on subsequent climate variability，itis crucial to evaluate STanomaly persistence toensurethereliabilityofresearch conclusions.This study enhances the understanding of uncertainties in land surface-atmosphere interactions and the climatic impacts ofantecedentland surface anomalies.

Keywordssoil temperature; memory ;reanalysis data;persistence;land surface processes

（責(zé)任編輯：袁東敏）