引言

相对湿度在气候变化检测、灾害性天气监测、大气环境预测等科研业务中起着重要的作用，特别是在雾和霾现象的判别研究中更是具有不可替代的重要地位(邓长菊等, 2014；司鹏和高润祥, 2015；马楠等, 2015；赵玉广等, 2015；于庚康等, 2015；杜传耀等, 2015；许爱华等, 2016；陶丽等, 2016)。同时，相对湿度也是对大气能见度造成影响而不容小觑的重要因子之一(白永清等, 2016；樊高峰等, 2016)。然而，随着我国气象观测系统的现代化发展，自动观测逐步取代传统的人工观测，随之带来的却是两者衔接的不一致。人工转自动的过程由于仪器变更、观测原理或物理方法的不同，甚至可能是由于自动观测仪器的相对不完善，往往会造成气候时间序列的不连续。21世纪初期，我国全面开展了自动与人工观测资料的对比评估工作，王颖等(2007)、沈艳等(2008)及刘小宁等(2008)分别对我国2005年前后人工与自动平行观测期间的温、压、湿、风、降水、地温及蒸发量等基础要素进行了对比分析，结果表明自动与人工观测各气象要素均存在一定的差异。连志鸾(2005)对河北石家庄基础气象要素的研究分析也得到了相同的结论。另外，余君和牟容(2008)、苑跃等(2010)分别针对省级自动与人工观测的相对湿度资料分析得到，自动观测数据相对人工观测存在明显的偏干现象。同样，在茆佳佳等(2016)对我国8个国家基准站相对湿度资料的对比分析中也得到了该结论，并且还指出随着相对湿度的增加，自动与人工观测的系统偏差也随之增大。杨志彪等(2014)研究指出，温湿度传感器的更换是造成人工转自动过程中相对湿度序列产生跳变的重要因素。

对天津而言，2004年开始地面气象观测业务全面转入自动化，并且90%以上观测台站均经历过1次以上的迁站。查阅元数据显示，13个地面站建站以来各气象要素均存在10余次的仪器变更，由此导致的气候时间序列不连续是在所难免的。目前，我国已经初步开展了地面相对湿度的均一化研究工作，朱亚妮等(2015)针对我国2400多个地面站月平均相对湿度资料的均一性进行了检验，订正了自动站业务化、迁站和时次变更等对相对湿度序列造成的突变影响。赵煜飞和朱亚妮(2017)基于该数据集采用薄盘样条法对其进行空间插值，得到了中国地面均一化相对湿度月值0.5°×0.5°格点数据。尽管朱亚妮等(2015)在基础原数据的选取和参考序列的建立都尽量避免了人为因素的影响，但由于人为处理数据的经验或元数据记载的缺失等原因可能会造成对序列断点判断的偏颇。

因此，为更深入分析相对湿度资料的均一性问题，使其修正后的数据更加合理，研究中从局地角度出发，根据台站实际情况利用不同途径建立参考序列，对天津地区1951—2015年月平均相对湿度资料进行均一性分析，并通过订正前后序列方差和趋势对比以及与朱亚妮等(2015)数据产品的比较分析来评估订正后数据的可用性。为得到高质量均一化的地面基础气象要素数据产品提供有价值的科学依据。

1 资料

文中使用的基础气象资料来自国家气象信息中心研制的“中国地面基本气象要素日值数据集(V3.0)”，该数据集相对以往中国气象局发布的同类数据产品质量有大幅度提高，其研制过程中经过反复的质量检测和质量控制，纠正大量的错误数据以及补录数字化过程中的遗漏数据，最大程度地确保基础研究数据的可靠性，选取时间段为1951—2015年。元数据资料来自国家气象信息中心研制的“中国地面气象站元数据数据集(V1.0)”，以及由天津市气象局档案馆提供的各站历史档案信息，作为判断均一性检验结果是否合理及断点订正位置的参考依据。

再分析资料为美国国家海洋大气局/环境科学研究合作协会气候诊断中心研制( https://www.esrl.noaa.gov/psd/data)的NCEP/DOE AMIP-Ⅱ Reanalysis 2 m逐日平均比湿数据(以下简称R-2)，时间段为1979—2015年，空间格点为192×94(全球T62高斯网格)。研究中利用反距离加权插值法分别把R-2比湿网格数据插值到天津13个地面站站点水平(Si et al, 2012)，作为待检站的参考序列。

研究中采用算数平均对上述两类日尺度气象资料进行月平均值统计。

2 研究方法

研究采用RHtestsV4软件包对天津地区月平均相对湿度序列进行均一性检验和订正(Wang, 2008a)。检验方法包括两种，一种是惩罚最大t检验(PMT)(Wang et al, 2007)，其检验过程中需要建立参考序列；另一种是惩罚最大F检验(PMF)(Wang, 2008b)，适用于无参考序列的检验过程。断点的订正方法采用分位数匹配(QM)(Wang et al, 2007)。RHtestsV4方法已在天津太阳总辐射和气温等地面观测资料的均一性分析中得到很好的应用(司鹏和解以扬, 2015；司鹏和徐文慧, 2015)。

2.1 参考序列的建立

研究中拟通过利用再分析资料和地面基础观测资料两种途径建立参考序列分别对天津13个地面站月平均相对湿度序列进行检验。

2.1.1 再分析资料

比湿与相对湿度同为表征大气中水汽变化的物理量，许多学者均将其作为重要特征变量对大气中的水汽变化进行研究(孙康远等，2013；郭艳君和丁一汇，2014；李丽平和白婷，2014；窦晶晶等，2014；周顺武等，2015)，为天气气候变化及预报预测提供重要的科学依据。R-2再分析资料是经过改良的6 h全球数据分析序列，其订正了NECP Reanalysis-1数据拟合过程中人为因素导致的误差(Kanamitsu et al, 2002)。Trenberth et al (2007)指出目前已有的再分析资料产品，对于短期(1979年至今)气候序列趋势评估具有一定的可靠性。因此，文中拟采用站点水平的R-2月平均比湿序列作为检验相对湿度的参考序列。

为避免参考序列自身导致的非均一性，研究中利用RHtestsV4软件包提供的PMF，在两种显著性水平检验水平(0.05和0.01)下分别对R-2月平均比湿数据进行了均一性检验，得到13个站R-2站点插值序列均一性较好，均无显著断点。

2.1.2 地面基础观测资料

基础观测资料参考站主要从京津冀179个地面气象站中依据水平距离、海拔高度进行筛选。基于天津地面观测站网(13个气象站)，选取距离每一个待检站周围水平距离300 km以内，海拔高度差≤200 m的台站作为建立参考序列的候选站，利用PMF法结合台站元数据对这些候选站中距离待检站最近的10个站月平均相对湿度资料进行均一性检验。检验过程中，同样采用α=0.05和α=0.01显著性水平检验，最终选取：(1)两种显著性水平下均无显著断点相对均一的(Li and Dong, 2009)；(2)与待检站相关最大并且时间序列长度相当；(3)完整性较好；(4)台站所在环境与待检站基本一致的3个参考站来建立各待检站的参考序列。具体建立公式参见朱亚妮等(2015)。

2.2 非均一性检验和订正

为避免天津站(54527)和市区站(54517)在1992年之前因站号互换、业务变更等非均一性问题影响原始资料的断点判断，研究中采用司鹏和徐文慧(2015)的方法，在数据分析之前，将54527和54517建站至1991年12月31日时间段的资料互换，按照现站址信息分别对各站相对湿度序列进行定义。

采用RHtestsV4软件包提供的PMT，利用再分析资料和地面基础观测资料两种参考序列，在α=0.05和α=0.01显著性水平检验下，分别对天津13个地面站月平均相对湿度资料进行均一性检验。保留两类断点进行订正：一类是在两种显著性水平检验下，地面基础观测资料参考序列同时检验得到并且有确切元数据支持的断点；另一类是在两种显著性水平检验下，再分析资料参考序列同时检验得到与地面基础观测资料参考序列一致的并且有确切元数据支持的断点。如果上述两类断点出现的时间与台站元数据记录信息相差一年以内，根据元数据记录时间替换该断点位置。对存在显著断点的台站使用基于地面基础观测资料参考序列进行分位数匹配订正(QM)，订正通过α=0.05的显著性水平检验。

3 结果分析 3.1 检验出的断点数量及其原因

从表 1给出的断点信息显示，13个地面站中，月平均相对湿度序列存在显著断点的台站有9个，占台站总数的69%，表明天津地区相对湿度资料普遍存在非均一性问题。从检验出的断点数来看，断点总个数为12个，其中，出现1个断点的台站居多，占断点台站的78%，而出现2和3个断点的台站分别仅有1个。从表 1中断点原因看出，自动站业务化对相对湿度序列的非均一性影响相对最大，这与朱亚妮等(2015)对全国相对湿度资料的检验结果一致，其次为迁站和仪器变更的影响。通过统计(表略)，自动站业务化、迁站和仪器变更导致相对湿度序列的断点个数分别约占总断点数的42%、33%和25%。

3.2 造成序列不连续的具体原因分析

图 1给出代表天津乡村(图 1a)、城市(图 1b)、郊外(图 1c，1d)和集镇(图 1e)环境的待检站相对湿度年平均序列及其对应的两种参考序列。如图 1所示，各待检站两种参考序列的趋势变化特点基本一致，特别是年代变化，一定程度上表现出参考序列建立的合理性。从待检序列与参考序列对比来看，54428(图 1a)、54517(图 1b)和54527(图 1c)3个站2003—2004年前后相对湿度逐年值出现了明显低于参考序列的变化特点。而在此期间，天津13个地面站均经历了人工站转自动站业务化过程。同样，54528和54529(图略)2个站在2004年前后也出现急剧下降的现象。余君和牟容(2008)及苑跃等(2010)的研究表明，相对湿度由人工转自动观测过程中有明显偏干现象。因此，通过PMT法检验出自动站业务化导致部分台站在2003、2004年出现断点是可靠的(表 1)。

图 1d所示，54623站相对湿度的逐年变化值相对参考序列在1983年前后出现由高到低的突变现象，54645站(图 1e)在2003年前后也出现相同的序列突变，但从表 1给出的检验统计量值来看，其变化幅度相对较小。查阅台站元数据得到，这两个站分别在1983、2003年发生过迁站，54623站(图 1d)在1983年由所在的海滨环境迁到了郊区，54645站(图 1e)在2003年由所在的乡村环境迁到了集镇。根据城市气候学研究表明，城区环境的年平均相对湿度要比乡村环境低(周淑贞和束炯, 1994)，由此，这两个站相对湿度序列因迁站导致的断点是可靠的(表 1)。同样，54523站(图略)因迁站造成相对湿度序列在2005年前后出现显著断点也是如此。

对于仪器变更影响，造成了54428(图 1a)和54619(图略)2个站相对湿度序列出现不连续现象。查阅台站元数据显示，54428站自建站以来经历了10余次干湿球温度表和8次毛发湿度表的更换，均更换为国内厂家仪器。根据天津常年气候状况，使用毛发湿度表的情况不多，所以在人工观测时期能够对相对湿度数据造成影响的仪器主要为干湿球温度表，但其对54428站序列突变影响幅度较小(表 1检验统计量值)。同样，根据台站元数据，54619站(图略)自建站以来也经历了10余次干湿球温度表和毛发湿度表的更换，不同的是，除了更换为国内厂家仪器，在1965年前后该站经历了1次干湿球温度表由日本生产改为中国上海生产的仪器变换。并且从检验统计量值来看(表 1)，仪器变更对54619站序列造成的不连续影响相对54428站明显，一定程度上说明了仪器规格型号和生产国别的更换对相对湿度序列的非均一性影响要比同类型或更换为国内厂家仪器更为显著。

结合台站元数据信息，不难发现自动站业务化的影响从本质来看也是仪器变更的一种表现，即由传统的干湿球温度表换成了湿敏电容湿度传感器，从观测方式方法上改变了相对湿度的测量结果；再者对于一般站来说，亦表现为均值统计方法的改变，即由自记代替02时定时观测数据转变成自动观测得到02时定时数据来对日平均值进行统计。为了进一步分析自动站业务化影响的具体原因，研究首先对表 1中因自动站业务化影响导致时间序列不连续的5个台站2004年(基本站)和2005年(一般站)平行观测期间的自动与人工观测日平均相对湿度进行了比较。

如图 2所示，5个台站各个月份的自动观测值均小于人工观测值(除54528站的6—8月以外)，这一特点与上述均一性分析结果一致。两者差值的年均值变化范围为-5.4%~-1.6%(图 2a)，其中，作为一般站的市台站(54517)差值幅度相对最大为-5.4%，其次为基本站的天津站(54527)为-4.6%。但从图 2b给出的自动与人工观测差值标准差来看，其年均值范围仅为1.7%~2.5%，幅度变化较小，并且对应54517、54527站的差值标准差年均值分别仅为2.0%、2.4%，说明自动与人工观测差异的平均变化幅度并没有出现明显异常。因此，一定程度上能够得到自动与人工均值统计方法的不同并不是造成台站序列不连续的主要因素。

从而，自动站业务化对5个台站(表 1)相对湿度序列的不连续影响可能主要是仪器变更导致。根据《地面气象观测规范》(简称“规范”；中国气象局，2003)结合苑跃等(2010)的分析结果，可以得到对于天津地区人工转自动观测引起的仪器变更造成相对湿度序列产生突变的主要原因在于，首先是干湿球温度表人工读数误差所导致，一方面表现为观测员没有严格按照规范规定进行观测；另一方面人工观测与自动观测正点数据的时间不一致。其次是干湿球温度表中湿球纱布包扎不规范、纱布不清洁以及湿球溶冰不当等均可能造成了湿球温度表测量值的不准确，进而导致相对湿度计算值的误差。

3.3 QM订正量的概率密度分布统计

如图 3所示，相对湿度的订正量比例呈单峰分布，并且以负订正量为主，经统计正、负订正量分别约占3.7%、96.3%，总的订正范围为-9.84%~6.97%，均值和中值分别为-3.26%和-3.06%。图中正态拟合曲线显示，订正量集中分布在-5.0%~-1.5%，约占总订正量的80%以上，概率密度达到0.1以上。从不同断点原因导致的订正量来看(表 2)，尽管仪器变更导致的序列断点数相对最少，但其导致的序列订正幅度相对最大，并且均为负值，其范围为-8.53%~-1.89%，订正量均值和中值分别达到-4.87%和-4.71%；自动站业务化和迁站造成的序列断点订正幅度基本相当，其均值和中值均约为-3.0%左右。

因此，总体来说，自动站业务化、迁站和仪器变更在很大程度上能够造成天津地区相对湿度降低的突变，特别是仪器变更的影响，这与Wijngaarden and Vincent(2005)对加拿大75个地面站相对湿度的非均一性检验结果一致，其认为干湿球温度表的更换使得该地区大部分台站相对湿度减小。但是迁站由于站点周围环境的不同亦会造成局地小气候的改变，导致了相对湿度序列出现增加或减少的突变。

4 订正后资料的可用性评估 4.1 资料订正前后的方差和趋势比较

图 4给出天津13个站基于均一性订正前后相对湿度的年序列方差分布。如图所示，各站订正后(图 4b)的方差均小于订正前(图 4a)，利用算术平均求取的天津年平均相对湿度序列订正前后的方差分别为10.2%、8.1%。最为典型的因仪器变更导致序列突变的54428和54619两个站，订正后方差均比订正前减少约6.2%；同样，因迁站导致序列突变的54623站订正后的方差比订正前减少8.6%左右。这种变化特点也体现在各站相对湿度季节序列变化中(图略)，特别是春季和冬季。天津受季风环流影响，春季和冬季干旱少降水，所以湿度偏离均值的平均变化幅度相对较大，然而，受非均一性因素影响这种偏离程度可能失去合理性。但从各站订正后相对湿度的方差变化来看，均一性订正似乎减缓了这种异常的离散现象，54428站春、冬季订正后方差分别减少约12.3%、9.6%；54619站春、冬季订正后方差均减少约6.2%；而54623站季节方差减少也较为明显，订正后春、冬季方差分别约减少约11.9%、6.3%。

如图 5所示，天津各站订正后(图 5b)相对湿度的年际变化趋势减少幅度明显小于订正前(图 5a)的，这一特点与朱亚妮等(2015)对中国地面相对湿度资料的均一性订正结果基本一致。天津各站年平均相对湿度订正前、后的年际变化趋势变化范围分别为-2.147%·(10 a)^-1~-0.539%·(10 a)^-1、-1.359%·(10 a)^-1~-0.157%·(10 a)^-1，基于算数平均求取的天津年平均相对湿度序列订正前、后的年际变化趋势分别为-1.124%·(10 a)^-1、-0.738%·(10 a)^-1，均通过α=0.05显著性水平检验。其中，与方差变化一致，54428站订正前后的序列趋势转变也较为突出，订正后相对湿度年际变化趋势增加约1%·(10 a)^-1；因迁站导致序列突变的54623、54645两个站订正后年际变化趋势均增加约1%·(10 a)^-1。同样，与全年趋势变化一致，各站季节平均相对湿度序列中(图略)，特别是冬季，56%的台站订正后相对湿度序列有小幅度的增加趋势，而各站春、夏、秋季订正后的相对湿度趋势的减少幅度均有所减缓。基于算数平均求取的天津春、夏、秋、冬季相对湿度序列订正后的年际变化趋势分别为-1.115%·(10 a)^-1、-0.588%·(10 a)^-1、-0.573%·(10 a)^-1、-0.596%·(10 a)^-1(均通过α=0.05显著性水平检验)，与订正前相比各季节趋势平均幅度均增加了约0.4%。

4.2 与同类数据产品的误差比较

以朱亚妮等(2015)研制数据为参照对天津订正后的月平均相对湿度资料进行误差分析，用到的统计量为标准误差(SE)和平均绝对误差(MAE)，两者均是统计推断可靠性的指标，具体方法见司鹏和徐文慧(2015)。

从图 6给出的误差概率密度分布来看，本研究与朱亚妮等(2015)的年、季节MAE值(图 6b)均小于SE值(图 6a)，说明本研究得到的均一化相对湿度数据比朱亚妮等(2015)的误差平均值较小，具有一定的可靠性。表 3统计结果显示，两类相对湿度数据的年、月MAE值在[0, 2%]的台站数除1月仅为84.6%以外，其他月份和年均达到92.3%及以上；而SE值在该范围的台站比例相对较少，但也均达到了76.9%及以上。其中出现误差较大的台站主要表现在54517、54527和54623这3个站，其SE、MAE值均达到了2.5%左右。54623站春、冬季的SE、MAE值达到3.0%以上，这也是造成图 5中SE、MAE的年误差值均出现大于3.0%现象的原因。54517、54527站出现误差较大的原因可能主要如前文所述，两类资料的预处理方式不同，造成均一性检验过程中断点判断的不同，进而导致数据订正结果的差异。在资料处理过程中，由于人为经验的不同或是台站元数据信息记载的不够全面等主观因素的影响，可能会造成个别断点位置判断的失误，导致序列订正的偏差，而54623站两类订正数据的明显差异可能因为如此。另外，朱亚妮等(2015)的订正数据是保留了有元数据和没有详尽元数据印证的断点，而本研究仅保留有确切元数据支持的断点进行的订正，所以，一定程度上也会造成两类数据54517、54527和54623站订正后的月平均相对湿度数据存在明显误差。

同时，这一差异一定程度上也影响了对天津近60多年相对湿度趋势变化的评估。尽管两类数据统计得到天津地区年、季节平均相对湿度均呈显著的减少趋势(均通过α=0.05的显著性水平检验)，但是从变化幅度来看，本研究的订正结果均小于朱亚妮等(2015)，后者年、春、夏、秋、冬季平均相对湿度变化趋势分别为-0.864%·(10 a)^-1、-1.281%·(10 a)^-1、-0.629%·(10 a)^-1、-0.758%·(10 a)^-1、-0.697%·(10 a)^-1。然而，从4.1节的分析结果来看，本研究的订正结果可能更符合天津的实际气候变化特点。

5 结论

本文对天津13个地面站1951—2015年月平均相对湿度资料进行了均一性检验和订正，得到以下结论：

(1) 通过检验发现，天津地区相对湿度资料普遍存在非均一性问题，存在显著断点的台站占台站总数的69%。结合元数据分析显示，自动站业务化是造成相对湿度序列出现非均一的主要因素，其次为迁站和仪器变更的影响。

(2)从断点的QM订正来看，相对湿度的订正量比例呈单峰分布，并且以负订正量为主，80%以上集中分布在-5.0%~-1.5%。其中，仪器变更导致的序列订正幅度相对最大，并且均为负值，订正量均值和中值分别达-4.87%和-4.71%。

(3) 研究中比较分析了均一性订正前后月平均相对湿度的方差和趋势变化得到，序列订正减小了非均一性因素导致的相对湿度离散程度较大影响，并且各站订正后的年和季节相对湿度趋势减少幅度均有所减缓，特别是冬季，56%的台站订正后有小幅度的增加趋势。

(4) 与朱亚妮等(2015)同类数据产品的误差比较得到，各站年和季节MAE值均小于对应SE值，说明两类相对湿度数据误差平均值较小。但由于一些主观因素影响，造成了两类资料中个别台站MAE、SE误差值达到3.0%以上，使得MAE、SE误差值范围在0~2%的台站比例仅在84.6%、76.9%及两者以上。