近百年全球地表月气温数据的概况与初步整合

基于国际上最著名的4套全球地表月气温数据集,即英国东安格利亚大学气候研究所数据集（CRUTEM3）、美国国家气候数据中心数据集（GHCN-V3）、美国国家航天航空局数据集（GISSTMP）和Berkeley地球表面气温数据集,从分析现有资源的状况入手,通过广泛的国际调研与合作,整合了这4套全球地表逐月气温数据集和一些主要国家或地区的区域数据集,研发了中国第一套全球陆地表面逐月气温站点数据集。该数据集共包含全球9519站、7073站及6587站的月平均气温、最高及最低气温（序列长度不低于20年）数据,同CRUTEM3和GHCN-V3数据集相比,该数据集站点密度在各个区域都有所增加,尤其是在南美洲、非洲及亚洲地区;另外,1990年代以来的站点数量显著增加,有利于降低自1990年以来全球气温变化趋势估计的不确定性。     

东北地区月气温序列的均一性检验和订正

本文采用惩罚最大T检验(PMT)方法,结合台站历史沿革信息,对东北地区129个气象站月最高气温和最低气温资料进行均一性检验和订正,并与已有均一化数据集(CHHT)进行对比分析。结果表明:气温的非均一性在空间上普遍存在,最高温和最低温分别检测出断点74个和94个,资料拼接和迁站是造成非均一性的重要因素。均一性检验和订正提高了东北地区最高气温和最低气温的空间一致性,线性趋势空间分布更加合理,订正之后变化趋势略有增加,年平均最高气温和最低气温分别由0.1和0.22℃·(10 a)~(-1)增至0.17和0.33℃·(10a)~(-1),与CHHT相比,两套数据时间相关系数在0.9以上,对东北地区气候长期演变趋势基本一致,东北地区年平均最高气温和最低气温均呈显著升温趋势,采用PMT得到的年平均最高气温和最低气温变化趋势较CHHT分别偏高0.05和0.03℃·(10 a)~(-1),在线性趋势空间分布上PMT均一化检验订正结果较CHHT略有改善。     

近半个世纪中国区域历史气温网格数据集的建立

气候序列长度不一致以及由此导致的空间抽样误差在气候变化检测研究中常常产生影响,因此往往需要把全球或者区域尺度气候数据转化为格点气候数据集.文中分别采用修改后的一级差分方法和普通Kriging方法,把中国大陆(共约728个站,不含港、澳、台地区)气象台站1951年1月-2004年12月经过质量控制和均一化的历史气温数据转化为2.5°×2.5°经纬度网格化数据集.对比分析表明应用上述两种方法,(1) 格点化带来的空间抽样误差较小;(2) 格点化后的格点气温序列和站点序列相关程度很高;(3) 不同的方法建立的格点数据集在序列的相关性、距平场的相似性描述方面均非常一致.二者的相关性和相似性也表明文中所建立的格点数据集是比较合理的.最后利用格点化后的气温数据集,分别采取距平平均方法和一级差分方法,对近54年中国气温变化趋势进行了更为准确的估计.不同的计算方法对中国区域气温增暖幅度的研究表明,整个中国区域内近50年气温表现出一致的增暖特点,其中以北方地区(西北、东北)气温增暖幅度最大,个别地区达到近0.6 ℃/(10 a),而最低的长江中、上游地区,年均气温增暖幅度较小,还不到0.1 ℃/(10 a),全国平均的年平均气温近54年来增暖速率约为0.23-0.25 ℃/(10 a),这和其他专家得出的结论是基本一致的,而由于文中对数据集进行了较为系统的质量控制,使得估计结果更为精确、可信.     

利用多模式对中国气温序列中不连续点的检测

发展了一种对元数据依赖程度较小的气候序列均一化思路,在缺乏元数据的基础上,采取3种不同的方法,对中国东南部地区年平均最高、最低气温序列进行了均一性检验;并对其中不连续的气温序列进行了订正.对比表明,订正后序列较订正前更为合理.在检验过程中发现,对于最低气温检验可以明显得出比最高气温更多的不连续点.为了进一步认识这个问题,对此进行了进一步分析,认为最低温度对变化更为敏感主要是由于其物理特征:最低温度一般出现在夜间,夜间大气较为稳定,因此一些变化(如仪器,迁站)可能引起明显的不连续现象,而最高气温往往出现在白天,因此大气混合比较充分,空间的均一性要明显强于最低温度.另外,热岛现象、台站密度等因素均是影响气温序列均一化的因素.