The representation of 2-m air temperature and 10-m wind speed in the high-resolution (with a 2.5-km grid spacing) Copernicus Arctic Regional Reanalysis (CARRA) and the coarser resolution (ca. 31-km grid spacing) global European Center for Medium-range Weather Forecasts fifth-generation reanalysis (ERA5) for Svalbard, northern Norway, Sweden and Finland is evaluated against observations. The largest differences between the two reanalyses are found in regions with complex terrain and coastlines, and over the sea ice for temperature in winter. In most aspects, CARRA outperforms ERA5 in its agreement with the observations, but the value added by CARRA varies with region and season. Furthermore, the added value by CARRA is seen for both parameters but is more pronounced for temperature than wind speed. CARRA is in better agreement with observations in terms of general evaluation metrics like bias and standard deviation of the errors, is more similar to the observed spatial and temporal variability and better captures local extremes. A better representation of high-impact weather like polar lows, vessel icing and warm spells during winter is also demonstrated. Finally, it is shown that a substantial part of the difference between reanalyses and observations is due to representativeness issues, that is, sub-grid variability, which cannot be represented in gridded data. This representativeness error is larger in ERA5 than in CARRA, but the fraction of the total error is estimated to be similar in the two analyses for temperature but larger in ERA5 for wind speed.

高分辨率（网格间距为 2.5 公里）哥白尼北极区域再分析（CARRA）和较粗分辨率（网格间距约 31 公里）全球欧洲的 2 米气温和 10 米风速的表示针对斯瓦尔巴群岛、挪威北部、瑞典和芬兰的中期天气预报中心第五代再分析 (ERA5) 根据观测结果进行了评估。两次再分析之间的最大差异出现在地形和海岸线复杂的地区，以及冬季温度的海冰上。在大多数方面，CARRA 在与观测结果的一致性方面优于 ERA5，但 CARRA 的附加值因地区和季节而异。此外，CARRA 的附加值对这两个参数都可见，但温度比风速更明显。CARRA 在一般评估指标（如误差的偏差和标准差）方面与观察结果更一致，更类似于观察到的空间和时间变异性，并更好地捕捉局部极端值。还展示了对冬季极地低气压、船只结冰和暖期等高影响天气的更好表示。最后，结果表明，再分析和观测之间的很大一部分差异是由于代表性问题，即子网格可变性，它不能在网格数据中表示。这种代表性误差在 ERA5 中比在 CARRA 中大，但在两种温度分析中估计总误差的比例相似，但在 ERA5 中风速分析中更大。更类似于观察到的空间和时间变化，并更好地捕捉局部极端值。还展示了对冬季极地低气压、船只结冰和暖期等高影响天气的更好表示。最后，结果表明，再分析和观测之间的很大一部分差异是由于代表性问题，即子网格可变性，它不能在网格数据中表示。这种代表性误差在 ERA5 中比在 CARRA 中大，但在两种温度分析中估计总误差的比例相似，但在 ERA5 中风速分析中更大。更类似于观察到的空间和时间变化，并更好地捕捉局部极端值。还展示了对冬季极地低气压、船只结冰和暖期等高影响天气的更好表示。最后，结果表明，再分析和观测之间的很大一部分差异是由于代表性问题，即子网格可变性，它不能在网格数据中表示。这种代表性误差在 ERA5 中比在 CARRA 中大，但在两种温度分析中估计总误差的比例相似，但在 ERA5 中风速分析中更大。还展示了冬季船舶结冰和温暖期。最后，结果表明，再分析和观测之间的很大一部分差异是由于代表性问题，即子网格可变性，它不能在网格数据中表示。这种代表性误差在 ERA5 中比在 CARRA 中大，但在两种温度分析中估计总误差的比例相似，但在 ERA5 中风速分析中更大。还展示了冬季船舶结冰和温暖期。最后，结果表明，再分析和观测之间的很大一部分差异是由于代表性问题，即子网格可变性，它不能在网格数据中表示。这种代表性误差在 ERA5 中比在 CARRA 中大，但在两种温度分析中估计总误差的比例相似，但在 ERA5 中风速分析中更大。