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，第二次青藏科考“亚洲水塔动态变化与影响”任务“亚洲水塔区水循环动态监测与模拟”专题清华大学阳坤教授团队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，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水辨率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。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）等资助。 

文章链接：https://doi.org/10.1016/j.atmosres.2021.105574

（“亚洲水塔区水循环动态监测与模拟”专题供稿）