DOI: https://doi.org/10.1007/s00382-026-08253-6
تاريخ النشر: 2026-06-22
المؤلف: Tianyu Yue وآخرون
الموضوع الرئيسي: الظواهر الجوية والمحاكاة
نظرة عامة
تتناول هذه الدراسة التأثير الكبير لعمليات الطقس على المقاييس المتوسطة والصغيرة، وبشكل خاص تجمعات الهواء البارد (CAPs) والتسخين الليلي (NW)، على درجات حرارة الهواء القريبة من السطح في المناطق الجبلية، والتي غالبًا ما يتم تجاهلها في طرق التحجيم الإحصائي التقليدية. تم تطوير إطار عمل قابل للتفسير يعتمد على XGBoost لتعزيز تحجيم درجات الحرارة الساعية لبيانات إعادة تحليل ERA5، باستخدام بيانات رصدية من 16 محطة أرصاد جوية في منطقة منافسات زانغجيكو خلال مواسم الثلوج من 2017 إلى 2022. تكشف التحليلات أن CAPs وNW تحدثان في حوالي 70% من الليالي، حيث تحدث الظاهرتان معًا في 57% من الحالات. تجد الدراسة أن النماذج المعتمدة على الانحياز تتفوق باستمرار على التنبؤات المباشرة لدرجات الحرارة، خاصة عند دمج المتنبئات على المقاييس المتوسطة والصغيرة، محققة تخفيضات كبيرة في خطأ الجذر التربيعي المتوسط (RMSE) تصل إلى 70% في قمم الجبال و40% في الوديان مقارنة ببيانات ERA5 الخام.
تشير النتائج الرئيسية إلى أن ERA5 يبالغ بشكل منهجي في تقدير درجات حرارة الهواء، خاصة خلال النهار وفي الارتفاعات العالية، بينما تتأثر أخطاء الليل بـ CAPs وNW. يظهر النموذج الأفضل أداءً (المخطط D) تحسينات كبيرة مقارنة بالنماذج التقليدية المعتمدة على الانحياز، خاصة خلال ليالي NW-CAP، مع تخفيضات في RMSE تتراوح بين 4-9%. بالإضافة إلى ذلك، يعزز تحليل SHAP قابلية تفسير النموذج من خلال ربط المتنبئات بالعمليات الفيزيائية. تؤكد الدراسة على ضرورة دمج الديناميات على المقاييس المتوسطة والصغيرة في التحجيم القائم على التعلم الآلي لتحسين التنبؤ بدرجات الحرارة عالية الدقة في التضاريس المعقدة، مع تسليط الضوء أيضًا على الحاجة إلى مجموعات بيانات أكبر لتعزيز قوة النموذج ودقته.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لدرجة حرارة الهواء السطحية في المناطق الجبلية، خاصة فيما يتعلق بجودة الثلج وظروف التزلج. تبرز أن درجات الحرارة فوق -1°C تؤدي إلى تكوين ثلج رطب، مما يمكن أن يؤثر سلبًا على الأداء الرياضي والسلامة. يشير المؤلفون إلى عدم كفاية نماذج التنبؤ بالطقس الحالية، التي تعمل عادةً بدقة مكانية تتراوح بين 10 إلى 50 كم، في التقاط تقلبات درجات الحرارة في التضاريس المعقدة. لمعالجة ذلك، تم اقتراح تقنيات تحجيم مختلفة، خاصة الطرق الإحصائية، لتعزيز دقة التنبؤ والدقة المكانية من خلال إنشاء علاقات تجريبية بين نماذج المناخ على نطاق واسع والملاحظات المحلية.
تناقش الورقة أيضًا أهمية العمليات على المقاييس المتوسطة والصغيرة، مثل تجمعات الهواء البارد (CAPs) والتسخين الليلي، في التأثير على درجة حرارة الهواء المحلية. ركزت الدراسات السابقة بشكل أساسي على تأثير الارتفاع على درجة الحرارة، لكن المؤلفين يجادلون بأن عوامل أخرى، بما في ذلك الدوران المحلي والميزات الطبوغرافية، تلعب أيضًا أدوارًا حاسمة. تهدف الدراسة إلى تحليل التباين المكاني لدرجات الحرارة الساعية في منطقة منافسات زانغجيكو وتطوير نماذج تعلم آلي قابلة للتفسير لتحجيم درجات حرارة ERA5، مع دمج هذه العمليات المعقدة. تسعى الأبحاث إلى تحسين كل من دقة ووضوح التنبؤات بدرجات الحرارة في المناطق الجبلية، مما يوفر رؤى قابلة للتطبيق في مناطق أخرى تواجه تحديات تضاريس مماثلة.
طرق
في هذه الدراسة، استخدم المؤلفون مجموعة بيانات شاملة تتكون من ملاحظات درجات الحرارة الساعية من 16 محطة أرصاد جوية، ومعلمات أرصاد جوية من إعادة تحليل ERA5، ونموذج ارتفاع رقمي (DEM) بدقة 12.5 م من القمر الصناعي المتقدم لمراقبة الأرض (ALOS PALSAR). سهلت البيانات الرصدية تحليل تقلبات درجات الحرارة الساعية وتوصيف العمليات على المقاييس المتوسطة والصغيرة.
كانت بيانات DEM أساسية في حساب الميزات الطبوغرافية الرئيسية مثل الارتفاع، والانحدار، والاتجاه، والتي تم دمجها في تطوير نماذج التحجيم. بالإضافة إلى ذلك، تم استخدام بيانات ERA5 لتقييم الانحيازات بين مخرجات إعادة التحليل وملاحظات المحطات، مما يعزز قوة نماذج التحجيم. يبرز هذا الإطار المنهجي أهمية دمج البيانات من مصادر متعددة في تحسين دقة نمذجة درجات الحرارة.
مناقشة
في هذه الدراسة، تم تحليل التوزيع المكاني وتحجيم درجة حرارة الهواء السطحية في منطقة منافسات زانغجيكو، مع التركيز على تأثيرات العمليات على المقاييس المتوسطة والصغيرة، وخاصة التسخين الليلي وتجمعات الهواء البارد. استخدمت الأبحاث بيانات رصدية من 16 محطة أرصاد جوية، تم تصنيفها إلى ثلاث مجموعات بناءً على الارتفاع والطبوغرافيا. كشفت النتائج أن بيانات إعادة تحليل ERA5 كانت عمومًا تبالغ في تقدير درجات حرارة الهواء، خاصة خلال النهار وفي الارتفاعات العالية، مع انحيازات منهجية تعزى إلى ميزات التضاريس. كانت الفروقات في درجات حرارة الليل أكثر تقلبًا، متأثرة بالظواهر المحلية مثل تجمع الهواء البارد وأحداث التسخين الليلي.
قدمت الدراسة نهجًا إحصائيًا جديدًا للتحجيم باستخدام نماذج XGBoost، التي أظهرت تحسينات كبيرة في دقة التنبؤ مقارنة بالطرق التقليدية. تم تقييم النماذج باستخدام مقاييس خطأ الجذر التربيعي المتوسط (RMSE)، مما أظهر أفضل أداء عند الأخذ في الاعتبار الفروقات بين درجات حرارة ERA5 والملاحظات، خاصة في ظل ظروف التسخين الليلي وتجمع الهواء البارد المتزامن. سلط التحليل الضوء على أهمية دمج المتنبئات على المقاييس المتوسطة والصغيرة لتعزيز قابلية تفسير النموذج ودقته، مؤكدًا على التفاعلات المعقدة بين الديناميات الجوية والطبوغرافيا في التأثير على تقلبات درجات الحرارة المحلية.
DOI: https://doi.org/10.1007/s00382-026-08253-6
Publication Date: 2026-06-22
Author(s): Tianyu Yue et al.
Primary Topic: Meteorological Phenomena and Simulations
Overview
This study addresses the significant impact of meso- and micro-scale weather processes, specifically cold air pools (CAPs) and nocturnal warming (NW), on near-surface air temperatures in mountainous regions, which are often neglected in traditional statistical downscaling methods. An interpretable XGBoost-based framework is developed to enhance hourly temperature downscaling of ERA5 reanalysis data, utilizing observational data from 16 meteorological stations in the Zhangjiakou Competition Zone during the 2017-2022 snow seasons. The analysis reveals that CAPs and NW occur on approximately 70% of nights, with both phenomena co-occurring in 57% of cases. The study finds that bias-based models consistently outperform direct temperature predictions, particularly when incorporating meso- and micro-scale predictors, achieving significant reductions in root mean square error (RMSE) of up to 70% at mountain peaks and 40% in valleys compared to raw ERA5 data.
Key findings indicate that ERA5 systematically overestimates air temperatures, especially during the day and at higher altitudes, while nighttime errors are influenced by CAPs and NW. The best-performing model (Scheme D) demonstrates substantial improvements over conventional bias-based models, particularly during NW-CAP nights, with RMSE reductions of 4-9%. Additionally, SHAP analysis enhances model interpretability by linking predictors to physical processes. The study emphasizes the necessity of integrating meso- and micro-scale dynamics in machine learning-based downscaling to improve high-resolution temperature forecasting in complex terrains, while also highlighting the need for larger datasets to further enhance model robustness and accuracy.
Introduction
The introduction of this research paper emphasizes the critical role of surface air temperature in mountainous regions, particularly in relation to snow quality and skiing conditions. It highlights that temperatures above -1°C lead to the formation of wet snow, which can adversely affect athletic performance and safety. The authors note the inadequacy of current weather forecasting models, which typically operate at a spatial resolution of 10 to 50 km, in capturing the complex terrain’s temperature variations. To address this, various downscaling techniques, especially statistical methods, have been proposed to enhance predictive accuracy and spatial resolution by establishing empirical relationships between large-scale climate models and local observations.
The paper also discusses the significance of meso- and micro-scale processes, such as cold air pools (CAPs) and nocturnal warming, in influencing local air temperature. Previous studies have primarily focused on elevation’s impact on temperature, but the authors argue that other factors, including localized circulation and topographic features, also play crucial roles. The study aims to analyze the spatial variation of hourly temperatures in the Zhangjiakou Competition Zone and develop interpretable machine learning models for downscaling ERA5 temperatures, incorporating these complex processes. The research seeks to improve both the accuracy and interpretability of temperature predictions in mountainous regions, providing insights applicable to other areas with similar terrain challenges.
Methods
In this study, the authors utilized a comprehensive dataset comprising hourly temperature observations from 16 meteorological stations, ERA5 reanalysis meteorological parameters, and a 12.5 m Digital Elevation Model (DEM) from the Advanced Land Observing Satellite (ALOS PALSAR). The observational data facilitated the analysis of hourly temperature variations and the characterization of meso- and micro-scale processes.
The DEM data were instrumental in calculating key topographic features such as elevation, slope, and aspect, which were integrated into the development of downscaling models. Additionally, the ERA5 data were employed to evaluate biases between the reanalysis outputs and the station observations, thereby enhancing the robustness of the downscaling models. This methodological framework underscores the importance of multi-source data integration in improving temperature modeling accuracy.
Discussion
In this study, the spatial distribution and downscaling of surface air temperature in the Zhangjiakou Competition Zone were analyzed, focusing on the effects of meso- and micro-scale processes, particularly nocturnal warming and cold air pools. The research utilized observational data from 16 meteorological stations, categorized into three clusters based on elevation and topography. The findings revealed that the ERA5 reanalysis data generally overestimated air temperatures, especially during the day and at higher elevations, with systematic biases attributed to terrain features. Nighttime temperature discrepancies were more variable, influenced by localized phenomena such as cold air pooling and nocturnal warming events.
The study introduced a novel statistical downscaling approach using XGBoost models, which demonstrated significant improvements in predictive accuracy compared to traditional methods. The models were evaluated using root mean square error (RMSE) metrics, showing the best performance when accounting for the differences between ERA5 and observed temperatures, particularly under conditions of simultaneous nocturnal warming and cold air pooling. The analysis highlighted the importance of incorporating meso- and micro-scale predictors to enhance model interpretability and accuracy, underscoring the complex interactions between atmospheric dynamics and topography in influencing local temperature variations.