2019, Vol. 45 
2. 国家气象信息中心，北京 100081；
3. 中山大学大气科学学院，珠海 519082；
4. 重庆市气象局，重庆 401147
2. National Meteorological Information Centre, Beijing 100081;
3. School of Atmospheric Sciences, Sun Yat-Sen University, Zhuhai 519082;
4. Chongqing Meteorological Service, Chongqing 401147
气候变化尤其是气候变暖一直是气候学的研究重点，长期可靠的器测资料是进行气候变化趋势和变率分析的基础，中国的气象资料仪器观测最早开始于19世纪末期，东北地区开始于20世纪初，是中国具有百年器测资料最多的地区之一。但是在长期的观测中由于气象观测仪器变动、台站迁移、观测手段和观测环境变化等因素，可能造成气候资料的非均一性，这种非均一性可能掩盖真实的气候变化信息，而采用非均一化的气候资料进行气候研究则可能导致不正确的结果(Peterson and Easterling, 1994)。因此对器测资料进行均一性检验和订正，建立高质量的均一性观测序列对气候变化研究具有重要意义。
国外许多气候学家在气候资料均一性研究方面做了大量工作，取得了众多成果。Kohler(1949)采用绘制目标站和参考站的累积图，主观判定资料的非均一性。Alexandersson(1986)发展了SNHT方法对瑞士西南部的降水资料进行均一性检验，之后被用于瑞士长序列气温资料的均一性检验和订正(Moberg and Bergström，1997)。Vincent(1998)采用多元线性回归对加拿大气温序列中的均值和趋势非均一性进行了检验。Solow(1987)采用二相回归对南半球气温序列连续性进行检验，结果表明南半球气温无明显非均一性。之后Easterling and Peterson(1995a；1995b)对该方法进行了改进并分析了非均一性对气温趋势的影响，结果表明在大尺度上资料非均一性的影响有限，但在小尺度上非均一性的影响明显。在国内，也有一些均一化检验和订正方面的研究和尝试(曹丽娟等，2010；陈哲等，2015；李亚丽等，2015)。Yan et al(2001)利用详细的元数据对北京和上海的逐日气温进行均一性分析和订正。黄嘉佑和李庆祥(2007)使用偏最小二乘法对三峡地区的夏季气温进行了均一性检验并取得了较好的效果。高晓容等(2008)利用SNHT方法对五台山的季节气温、降水和相对湿度做了非均一性分析，结果表明迁站对气温和相对湿度的均一性影响明显，对降水量影响不显著。有研究分别采用二相回归(Li et al, 2004)和MASH方法(Li and Yan, 2009)对中国地区的气温资料进行均一性检验和订正，形成两套均一化气温数据集，对比分析表明两套数据集在气候变化检测中的表现基本类似(李庆祥，2011)。近年来，加拿大环境部Wang et al(2007)和Wang(2008)发展了一种新的均一性检验和订正方法，得到了很多技术人员的欢迎和试用，国内很多学者也采用该方法做了一些研究。任雨和郭军(2014)利用Rhtests V3软件包对天津1891年以来的器测气温序列进行均一化检验和订正，订正之后与参证序列相关性明显提高。Cao et al(2013)收集整理了中国中东部18个长序列气象站点，对其进行插补之后采用最大惩罚F检验PMF(1950年之前)和最大惩罚T检验PMT(1950年之后)方法进行均一性检验和订正，并分析了过去百年中国的变暖趋势，结果表明资料的非均一性低估了过去100年的气温变暖趋势。Xu et al(2013)等结合元数据信息，利用最大惩罚T检验方法对中国825个站逐日气温资料进行均一性检验和订正，进一步采用均一化后的数据对极端气温指数进行分析，结果表明85%~90%的站点暖夜更多冷夜更少。
尽管中国地区已有众多均一性研究成果，但针对东北地区百年尺度上的均一性研究仍然比较缺乏，尤其是采用最新的均一性检验订正方法进行研究。因此本文将采用加拿大环境部气候研究中心Wang et al(2007)建立的PMT均一性检验和订正方法，利用东北地区129个气象站点建站以来的气温观测资料和站点元数据信息，对东北地区近百年气温序列进行系统的质量控制、均一性检验和订正，形成一套完整的均一化的东北地区百年气温数据集，为正确估计东北地区气候变化趋势提供可靠数据支撑。
1 资料和方法 1.1 资料本文使用的资料为东北地区129个站点建站以来的逐月最高气温和最低气温，其中100个站点为东北地区基本基准气象站，为建立东北地区近百年气候序列，增加1950年之前有器测记录的非基本基准气象站点。资料包括解放前(1950年之前)和解放后(1951年之后)两个时段，其中解放前资料来源于国家气象信息中心搜集的71个东北地区站点资料，解放后资料来源于国家气象信息中心的原始逐月最高气温和最低气温资料。解放前资料存在交叉记录，因此首先对资料的交叉记录进行整理，整理遵循以下原则：(1)如果一个站有多个交叉记录，保存最长的资料记录；(2)进行资料拼接处理时整段拼接，并将拼接年份作为可疑断点进行记录。东北71个站点中仅站点50745存在交叉记录，国家气象信息中心搜集的资料中包含两套，一套资料长度为1910—1932年，另一套为1929—1940年，交叉年份为1929—1932年，按照以上原则，保留交叉记录中的第一套资料，1933—1940年的资料用第二套补齐，并将1932年12月作为Type-0可疑断点(即有元数据支持的断点)。除交叉记录的资料拼接外，资料拼接更多来源于解放前和解放后资料拼接，将解放前资料的最后一月作为Type-0可疑断点进行记录。图 1给出了东北地区观测台站的空间分布，图 1a为1950年之前有器测资料的台站及其完整资料年份(台站左上角数字)。东北地区1950年之前有资料的台站中资料长度超过30年的站点共6个(长春、哈尔滨、营口、沈阳、大连和旅顺)，超过10年的站点共25个(图 1a)。129个气象站点中建站超过100年(截止2014年)的站点共14个，完整气象资料超过100年的站点共3个(营口、沈阳和大连)，超过80年的共12个，超过60年的站点共79个，占总站数的61%。从台站逐年变化看(图 2)，1935年之前不超过30个站，1936年之后增加至58个，1950年之后站点缓慢增加并趋于稳定。虽然台站随时间不断增加，但由于战争等原因，1943—1949年资料缺测严重(图 2)。
|
图 1 东北地区观测台站的空间分布 (a)1950年之前有资料的台站，(b)1950年之后的台站 Fig. 1 Distribution of observation stations in the Northeast China (a) before 1950, (b) after 1950 |
|
图 2 东北地区1905—2014年气象台站以及完整资料站点逐年变化 Fig. 2 Variation of the number of observation stations and stations with complete data during 1905-2014 |
除逐月最高气温和最低气温资料外，本文还使用了国家气象信息中心收集的东北地区129个站自建站以来迁站、仪器变更和周围环境变化的历史沿革信息，以及129个站经度、纬度和海拔高度等地理信息数据。
1.2 方法 1.2.1 质量控制由于本文使用的资料包含1950年之前器测资料，考虑历史资料观测误差以及抄录时可能错误，首先对观测数据进行简单质量控制。气象观测值与其平均值和方差之间存在一定概率关系，观测值落在区间±4倍标准差的概率为99.9%(林学椿等，1995)，因此将观测值落在该区间之外的记录认定为错误记录而作缺省处理。
1.2.2 建立参考序列资料均一性检验和订正过程中，建立参考序列至关重要。参考序列一般用待检站点一定距离内邻近台站发展而成，可以在一定程度上作为局地气候的显示器，当台站变化与局地气候变化不一致时，认为台站资料是非均一的，需要对台站资料进行订正(李庆祥，2011)。
由于1950年之前东北地区站点较少，战争导致资料缺测严重，因此建立参考序列时引入了东北周边范围内(35°~55°N、110°~140°E)国内和国际长序列气象站点(图 3)。其中国际站点资料来源于近百年全球地表月气温数据集(徐文慧等，2014)，已经过均一性检验和订正，而国内站点则是未经订正的原始数据。从资料长度看(图 3a)，俄罗斯和日本的资料长度多在50~100 a，部分站点超过100 a，1950年之前的资料长度多在0~20 a，部分站点超过了50 a，超过50 a的站点资料多开始于1900年之前；而国内站点资料长度一般在50~100 a，东北地区周围的站点资料多开始于1920—1940年，部分站点开始于1900—1920年(图 3b)。
|
图 3 建立参考序列时采用的站点分布及其资料长度(a)和资料开始时间(b) Fig. 3 Distribution of stations and data periods (a) and data start time (b) used for composing reference series |
建立参考序列时采用P-E技术和人为判定相结合的方法。第一步先利用P-E技术建立初始参考序列，具体步骤为首先计算年一阶差分序列，求出与待检站点相关较高的站点作为可能参考站点，采用一种非参数的多元块排列检验方法(MRBP)对可能参考站点进行检验，评估参考站点对待检站点的预测能力，然后将通过MRBP检验的参考站点加权平均得到参考序列一阶差分序列，最后反算得到参考序列。P-E技术虽然不能建立完全均一的参考序列，却可以将其非均一性最小化(Peterson and Easterling, 1994)。在P-E技术建立参考序列的基础上，通过主观经验方法进一步对参考序列进行判定。
1.2.3 均一性检验和订正方法本文采用加拿大环境部Wang et al(2007)和Wang(2008)研发的PMT进行均一性检验和订正。PMT对待检序列与参考序列的差值序列进行检验，基本原理是基于标准正态检验，同时引入惩罚因子，构建新的统计量进行检验，该方法考虑了时间序列一阶滞后自相关，改善了误报警率和检验能力的非均匀分布问题(Wang et al，2007；孙佳等，2014)。目前PMT方法已集成在RHtests软件中，本文使用最新发布的RHtests V4版本进行均一性检验和订正。
使用PMT方法检验过程如下，假设{Xt}(t=1，…，N)服从正态分布，即原假设为：
| $ {H_0}:\left\{ {{X_t}} \right\} \sim {\rm{IID}}\lambda (\mu ,{\sigma ^2}) $ |
备择假设为：
| $ {H_a}:\left\{ \begin{array}{l} \left\{ {{X_t}} \right\} \sim {\rm{IID}}\lambda ({\mu _1},{\sigma ^2})\;\;\;\;\;t = 1, \cdots ,k\\ \left\{ {{X_t}} \right\} \sim {\rm{IID}}\lambda ({\mu _2},{\sigma ^2})\;\;\;\;\;t = k + 1, \cdots ,N \end{array} \right. $ |
式中σ1≠σ2，并且“{Xt}~IIDλ(μ1, σ2)”代表{Xt}遵循正态分布，均值为μ，方差为σ2。当Ha为真时，t=k时的点被称为间断点，Δ=|μ1-μ2|被称作平均突变的大小，最可能的间断点服从以下分布：
| $ P{T_{{\rm{max}}}} = {\rm{ma}}{{\rm{x}}_{1 \le k \le N - 1}}\left[ {P\left(k \right)T\left(k \right)} \right] $ |
式中P(k)为经验型惩罚因子，建立方法详见Wang et al(2007)的研究。
| $ T\left(k \right) = \frac{1}{{{{\hat \sigma }_k}}}{\left[ {\frac{{k\left({N - k} \right)}}{N}} \right]^{1/2}}\left| {\overline {{X_1}} - \overline {{X_2}} } \right| $ |
其中，
| $ \begin{array}{l} \hat \sigma _k^2 = \frac{1}{{N - 2}}\left[ {\sum\limits_{1 \le t \le k} {{{({X_t} - {{\overline X }_1})}^2}} } + \right.\\ \;\;\;\;\;\;\;\left. {\sum\limits_{k + 1 \le t \le N} {{{({X_t} - {{\overline X }_2})}^2}} } \right]\\ \;\;\;\;\;\;\;\ {X_1} = \frac{1}{k}\sum\limits_{1 \le t \le k} {{X_t}} \\ \;\;\;\;\;\ {X_2} = \frac{1}{{N - k}}\sum\limits_{k + 1 \le t \le N} {{X_t}} \end{array} $ |
通过回归检验算法检测出多个间断点，首先在t∈{Nmin，Nmin+1, …, N-Nmin}分三段找出序列中各段最可能的间断点，计算三个间断点的统计量PTmax并进行显著性检验，通过检验的即为第一个断点，寻找该间断点位置之后每段最可能的间断点并判断其显著性，找出下一个可能间断点，不断重复，将间断点按显著性由大到小排列，形成间断点列表，判断最小的是否显著，不显著时剔除该间断点，再次评估剩余间断点的显著性，最终保留通过显著性检验的间断点(Wang，2008)。
订正时采用均值订正，具体订正方法如下：
假设α是检验出的不连续点，Z为差值序列，则根据不连续点的物理意义，对于序列而言：
| $ \left\{ \begin{array}{l} {Z_i} \in N({\mu _1}, \sigma)i \in \left\{ {1, \cdots, \alpha } \right\}\\ {Z_i} \in N({\mu _2}, \sigma)i \in \left\{ {\alpha + 1, \ldots, n} \right\} \end{array} \right. $ |
μ1-μ2即为订正补偿量，将补偿量加至序列中不连续点α之前的序列片段中，即完成了均一性订正，该订正过程也被集成于RHtests软件中(李庆祥，2011)。
2 东北地区月气温均一性检验和订正 2.1 断点统计分析对每个站的可疑断点采用PMT进行统计检验，超过0.01显著性水平检验的为显著断点，结合元数据信息对显著断点进行人工主观二次判定，判定时遵循以下原则：(1)当显著断点有资料拼接记录、迁站、仪器变更以及观测方式改变等元数据支持时，对断点进行保留；(2)当显著断点无元数据支持但断点在年序列、月序列以及不同气象要素(最高气温和最低气温)之间同时存在时，对断点进行保留。遵循以上原则，最高气温共检测出断点74个(图 4a)，其中43%(32个)由资料拼接导致，26%(19个)由迁站导致，27%(20个)无元数据支持，为Type-1类断点；最低气温共检测出断点94个(图 4b)，其中35%(33个)由迁站导致，35%(32个)无元数据支持，30%(28个)由资料拼接导致。
|
图 4 最高气温(a)和最低气温(b)的不同类型断点统计 Fig. 4 Distribution of different types of discontinuities for (a) maximum temperature and (b) minimum temperature |
东北地区最高气温和最低气温普遍存在非均一性，逐月最高气温中有72个站是均一的，无断点存在，41个站有1个断点，15个站有2个断点，1个站有3个断点；最低气温中有76个站是均一的，23个站有1个断点，21个站有2个断点，8个站有3个断点，1个站有5个断点，其中3次由迁站导致。从时间分布上看(图 5)，1940年是断点出现最多的年份，最高气温和最低气温分别出现19个和15个，其次为1943年，最高气温和最低气温的断点分别为8个和6个，这些断点多是由于1950年以前资料拼接导致的。
|
图 5 最高气温(a)和最低气温(b)的断点时间分布 Fig. 5 Annual distribution of discontinuities for (a) maximum temperature and (b) minimum temperature |
本节以沈阳站为例，详细说明PMT检验过程并对其结果进行分析。图 6给出了沈阳站最高气温和最低气温的参考序列及其周边相关系数最高的5个站点。从中可以发现，沈阳站年最高气温和最低气温与参考序列的相关分别为0.925和0.888，参考序列的变化与周边站点基本一致，因此采用该参考序列进行均一性检验和订正是可行的。
|
图 6 沈阳站最高气温(a)和最低气温(b)原始序列及参考序列 Fig. 6 Original and reference time series of Shenyang Station for (a) maximum temperature and (b) minimum temperature |
利用PMT方法对沈阳站原始序列与参考序列之间的差值序列进行0.01显著性水平检验，结果表明沈阳最高气温存在2个断点，分别为1953年12月和1988年12月；最低气温存在3个断点，除与最高气温一致的1953年12月和1988年12月外，2005年12月也存在明显断点。查看元数据信息可以发现(表 1)，沈阳自建站以来共迁站3次。1954年1月1日，由沈阳市和平区南一马路2号迁至沈阳市沈河区南塔街五里河子5号，水平距离变化3200 m，高度变化-1.4 m，1989年1月1日由沈阳市沈河区文化路2段2号迁至沈阳市东陵区五三乡浑河堡村，水平距离变化4500 m，高度变化1.2 m，2006年1月1日由沈阳市东陵区营盘路12号迁至沈阳市浑南新区南屏东路5号，水平距离变化8000 m，高度变化4.3 m。结合沈阳站PMT检验结果，可以发现沈阳站最高气温和最低气温断点均由迁站引起，其中第三次迁站对最高气温影响有限，但却造成了最低气温的非均一。
|
表 1 沈阳站迁站信息 Table 1 Information on relocation of Shenyang Station |
检测资料断点是均一化工作的第一步，最终目的是对资料中人为导致的非均一性进行订正，得到均一化资料序列进行气候研究(张高杰等，2013)。图 7给出了沈阳站PMT订正前后的气温序列及其线性趋势，可以看出订正后原来存在较大突变的地方变得平缓，尤其是2005年前后的最低气温(图 7b)，订正之前最低气温在2005年有一个陡降，经过订正之后序列均一性有所改善。最高温和最低温线性趋势在订正之后均有所增大，变暖趋势更加明显，最高气温和最低气温分别由订正之前的0.07℃·(10 a)-1和0.21℃·(10 a)-1变为订正后的0.13℃·(10 a)-1和0.28℃·(10 a)-1。
|
图 7 沈阳站最高气温(a)和最低气温(b)订正前后序列 Fig. 7 Original and adjusted annual (a) maximum temperature and (b) minimum temperature at Shenyang Station |
图 8和图 9分别给出了东北地区最高气温和最低气温订正前后的趋势分布。可以看出，订正前后东北地区最高气温(图 8)基本都呈增加趋势，黑龙江西北部增温趋势最为显著。订正之前吉林省蛟河站和黑龙江同江站呈不显著减小趋势(图 8b)，订正之后蛟河站和同江站由不显著减小趋势变为不显著增加趋势(图 8a)，与周围站点的空间一致性有所提高。与最高气温一样，最低气温(图 9)订正之后空间一致性也略有改善，空间分布更加合理。抚顺订正之前变化趋势为-0.07℃·(10 a)-1，订正之后变为0.25℃·(10 a)-1，通过了0.05显著性水平检验，其变化趋势与周围站点更为一致，造成抚顺资料非均一的主要原因是1960年1月抚顺站由抚矿迁至中央路59号，海拔高度增加了36.4 m。
|
图 8 均一化订正后(a)和订正前(b)年平均最高气温趋势对比[单位：℃·(10 a)-1] Fig. 8 Trends of annual maximum temperature (a) after and (b) before homogenization [unit: ℃·(10 a)-1] |
图 10给出了订正前后东北地区129个站平均的年最高气温和最低气温年际变化。可以看出，年平均最高气温(图 10a)和最低气温(图 10b)订正之后变化趋势都高于订正之前。相比较而言，最高气温增加较小，线性趋势从0.1℃·(10 a)-1增加至0.17℃·(10 a)-1，最低气温增加相对较大，从订正前0.22℃·(10 a)-1增至0.33℃·(10 a)-1。
2.3 与CHHT均一化数据集比较分析
Li et al(2004；2009)采用二相回归方法对中国731个站点气温进行了均一性检验和订正，于2006年发布了中国第一版均一化历史气温数据集(1951—2004年)(CHHT1.0)，之后在此数据集基础上，收集中国大陆1900年1月至2006年12月逐月最高气温和最低气温数据，采用相同方法进行质量控制和均一化调整，建立了中国地面近百年均一化数据集(1900—2006年)，为了统一将整个1900年以来的数据集统称为CHHT(李庆祥等，2010)。为了评估PMT均一性检验和订正效果，选择与CHHT中共有站点(83个)进行对比分析，对比时段截止至2006年。图 11和图 12分别给出了PMT和二相回归(CHHT)均一化订正后最高气温和最低气温变化趋势的空间分布。可以看出两套数据集的空间一致性较高，最高气温和最低气温的空间相关系数分别为0.63和0.58，均通过了0.01显著性水平检验。从最高气温和最低气温变化趋势一致性上看，PMT较CHHT略有改善，空间相关系数从0.39(CHHT)提升至0.49(PMT)。
|
图 11 PMT均一化数据集(a)与CHHT数据集(b)年平均最高气温趋势对比[单位：℃·(10 a)-1] Fig. 11 Trends of annual maximum temperature (a) adjusted using PMT and (b) CHHT1.0 [unit: ℃·(10 a)-1] |
年平均最高气温增温最显著的地区均位于黑龙江西北部，在线性趋势空间分布上PMT较CHHT略有改善(图 12)。两套数据中存在较大差异的两个站点(54093和54195)，究其原因，主要是由于对1950年前资料拼接可疑断点的处理上，CHHT未将1932年12月(54093)和1941年4月(54195)作为断点进行订正，而PMT则将两个断点作为Type-0类断点进行了订正(图 12a)。从数值上看，PMT订正之后23个站变化趋势较CHHT偏小，38个站偏大，64个站的线性趋势差在±0.1℃·(10 a)-1以下。与年平均最高气温相比(图 11a)，年平均最低气温升温趋势更加明显，PMT订正后最低气温均呈显著升温趋势(图 12a)。与CHHT相比，PMT订正之后28个站线性趋势偏小，42个站偏大，52个站点变化趋势之差在±0.1℃·(10 a)-1之间。
为对比最高气温和最低气温的年际变化，将两套数据共有站点进行区域平均(图 13)可以看出，两套数据年平均最高气温和最低气温年际变化基本一致，时间相关系数分别为0.95和0.98。PMT订正之后最高气温和最低气温在1950年之后与CHHT基本重合，1950年之前PMT订正之后的值略低于CHHT。从变化趋势看，PMT订正之后的东北地区增温趋势大于CHHT，最高气温和最低气温变化趋势分别偏大0.05和0.03℃·(10 a)-1。从不同要素变暖趋势看，最低气温的增温趋势(0.33℃·(10 a)-1)大于最高气温(0.18℃·(10 a)-1)(IPCC，2014)。
|
图 13 1905—2014年东北地区年平均最高气温(a)和年平均最低气温(b)年际变化对比分析 Fig. 13 Comparative analysis of annual maximum temperature (a) and minimum temperature (b) averaged for the northeast of China during 1905-2014 |
本文采用PMT均一性检验和订正方法对东北地区129个站点月气温资料进行了均一化检验和订正，并与已有均一化数据集(CHHT)进行对比分析，结果表明：
(1) 气温的非均一性在空间上普遍存在。最高气温共检测出断点74个，其中43%是由1950年资料拼接导致，最低气温检测出断点94个，其中35%是由迁站导致；1940年是断点出现最多的年份，其次是1943年，这些断点多是由于1950年资料拼接导致。
(2) PMT均一性检验订正之后东北地区的最高气温和最低气温空间一致性有所提高，变化趋势较订正之前略有增加，空间分布更加合理。东北地区年平均最高气温和最低气温变暖趋势较订正之前更加明显，分别由0.1和0.22℃·(10 a)-1增加至0.17和0.33℃·(10 a)-1。
(3) PMT均一化订正结果与CHHT数据集空间分布基本一致，线性趋势空间分布较CHHT略有改善；从变化趋势上看，PMT均一化数据集中最高气温和最低气温变化趋势略高于CHHT，分别偏高0.05和0.03℃·(10 a)-1。
本文对东北地区129个站月气温进行了均一性检验和订正，但仍存在一定的不确定性，尤其是在1950年之前，资料缺测、站点偏少、参考序列的不确定以及元数据的缺失等均可能导致均一性结果的不确定性。因此在未来的研究中，将继续收集和补充东北地区的气温资料，尤其是1950年之前的资料，不断进行元数据的收集以减少均一性检验和订正的不确定性。
曹丽娟, 鞠晓慧, 刘小宁, 2010. PMFT方法对我国年平均风速的均一性检验[J]. 气象, 36(10): 52-56. Cao L J, Ju X H, Liu X N, 2010. Penalized maximal F test for the homogeneity study of the annual mean wind speed over China[J]. Meteor Mon, 36(10): 52-56 (in Chinese). DOI:10.7519/j.issn.1000-0526.2010.10.008 |
陈哲, 杨溯, 刘靓珂, 2015. 1979—2012年中国探空相对湿度资料的非均一性检验与订正[J]. 气象, 41(11): 1374-1382. Chen Z, Yang S, Liu L K, 2015. Inhomogeneity test and correction of China radiosonde relative humidity data from 1979 to 2012[J]. Meteor Mon, 41(11): 1374-1382 (in Chinese). DOI:10.7519/j.issn.1000-0526.2015.11.007 |
高晓容, 李庆祥, 董文杰, 2008. 五台山站历史气候资料的均一性分析[J]. 气象科技, 36(1): 112-118. Gao X R, Li Q X, Dong W J, 2008. Homogeneity analysis of historical meteorological data at Wutaishan[J]. Meteor Sci Technol, 36(1): 112-118 (in Chinese). DOI:10.3969/j.issn.1671-6345.2008.01.022 |
黄嘉佑, 李庆祥, 2007. 一种诊断序列非均一性的新方法[J]. 高原气象, 26(1): 62-66. Huang J Y, Li Q X, 2007. A new diagnosis method for non-homogeneity on a series[J]. Plateau Meteor, 26(1): 62-66 (in Chinese). DOI:10.3321/j.issn:1000-0534.2007.01.007 |
李庆祥, 2011. 气候资料均一性研究导论[M]. 北京: 气象出版社: 22-53. Li Q X, 2011. Introduction To Homogeneity of Meteorological Data[M]. Peking: China Meteorological Press: 22-53 (in Chinese). |
李庆祥, 董文杰, 李伟, 等, 2010. 近百年中国气温变化中的不确定性估计[J]. 科学通报, 55(16): 1544-1554. Li Q X, Dong W J, Li W, et al, 2010. Assessment of the uncertainties in temperature change in China during the last century[J]. Chinese Sci Bull, 55(16): 1544-1554 (in Chinese). |
李亚丽, 任芝花, 陈高峰, 等, 2015. 自动与人工观测气温差异偏大的原因及影响分析——以143个国家基准站为例[J]. 气象, 41(8): 1007-1016. Li Y L, Ren Z H, Chen G F, et al, 2015. Causes and impact analysis of errors between temperatures obtained by automatic and manual observations at 143 national automatic benchmark stations[J]. Meteor Mon, 41(8): 1007-1016 (in Chinese). |
林学椿, 于淑秋, 唐国利, 1995. 中国近百年温度序列[J]. 大气科学, 19(5): 525-534. Lin X C, Yu S Q, Tang G L, 1995. Series of average air temperature over China for the last 100-year period[J]. Sci Atmos Sinica, 19(5): 525-534 (in Chinese). DOI:10.3878/j.issn.1006-9895.1995.05.02 |
任雨, 郭军, 2014. 天津1891年以来器测气温序列的均一化[J]. 高原气象, 33(3): 855-860. Ren Y, Guo J, 2014. Homogenization of temperature observation in Tianjin since 1891[J]. Plateau Me-teor, 33(3): 855-860 (in Chinese). |
孙佳, 李永华, 李庆祥, 等, 2014. 重庆气温资料均一性检验和订正的初步分析[J]. 西南师范大学学报(自然科学版), 39(9): 173-179. Sun J, Li Y H, Li Q X, et al, 2014. On detection and adjustment of homogeneity for annual mean temperature over Chongqing[J]. J Southwest China Normal Univ(Nat Sci), 39(9): 173-179 (in Chinese). |
徐文慧, 李庆祥, 杨溯, 等, 2014. 近百年全球地表月气温数据的概况与初步整合[J]. 气候变化研究进展, 10(5): 358-364. Xu W H, Li Q X, Yang S, et al, 2014. Summary of the typical global monthly surface temperature datasets and the integration of multi-source datasets[J]. Adv Climate Change Res, 10(5): 358-364 (in Chinese). DOI:10.3969/j.issn.1673-1719.2014.05.007 |
张高杰, 曹丽娟, 李亚丽, 2013. 均一性对西北五省气温变化特征影响分析[J]. 农业灾害研究, 3(2-3): 27-32. Zhang G J, Cao L J, Li Y L, 2013. Analysis of homogeneity impact on the characte-ristic of the temperature variation in the five provinces of the Northwest China[J]. J Agri Catastrophology, 3(2-3): 27-32 (in Chinese). |
Alexandersson H, 1986. A homogeneity test applied to precipitation data[J]. Int J Climatol, 6(6): 661-675. DOI:10.1002/joc.v6:6
|
Cao L J, Zhao P, Yan Z W, et al, 2013. Instrumental temperature series in eastern and central China back to the nineteenth century[J]. J Geophys Res, 118(15): 8197-8207.
|
Easterling D R, Peterson T C, 1995a. A new method for detecting undocumented discontinuities in climatological time series[J]. Int J Climatol, 15(4): 369-377. DOI:10.1002/(ISSN)1097-0088
|
Easterling D R, Peterson T C, 1995b. The effect of artificial discontinuities on recent trends in minimum and maximum temperatures[J]. Atmos Res, 37(1-3): 19-26. DOI:10.1016/0169-8095(94)00064-K
|
IPCC, 2014. Climate Change 2013:the Physical Science Basis[M].
Cambridge: Cambridge University Press: 156-168.
|
Kohler M A, 1949. Double-mass analysis for testing the consistency of records and for making adjustments[J]. Bull Amer Meteor Soc, 30: 188-189. DOI:10.1175/1520-0477-30.5.188
|
Li Q X, Liu X N, Zhang H Z, et al, 2004. Detecting and adjusting temporal inhomogeneity in Chinese mean surface air temperature data[J]. Adv Atmos Sci, 21(2): 260-268. DOI:10.1007/BF02915712
|
Li Q X, Zhang H Z, Liu X N, et al, 2009. A mainland China homogenized historical temperature dataset of 1951-2004[J]. Bull Amer Meteor Soc, 90(8): 1062-1065. DOI:10.1175/2009BAMS2736.1
|
Li Z, Yan Z W, 2009. Homogenized daily mean/maximum/minimum temperature series for China from 1960-2008[J]. Atmos Ocean Sci Lett, 2(4): 237-243. DOI:10.1080/16742834.2009.11446802
|
Moberg A, Bergström H, 1997. Homogenization of swedish temperature data Part Ⅲ:the long temperature records from Uppsala and Stockholm[J]. Int J Climatol, 17(7): 667-699. DOI:10.1002/(ISSN)1097-0088
|
Peterson T C, Easterling D R, 1994. Creation of homogeneous composite climatological reference series[J]. Int J Climatol, 14(6): 671-680. DOI:10.1002/(ISSN)1097-0088
|
Solow A R, 1987. Testing for climate change:an application of the two-phase regression model[J]. J Climate Appl Meteor, 26(10): 1401-1405. DOI:10.1175/1520-0450(1987)026<1401:TFCCAA>2.0.CO;2
|
Vincent L A, 1998. A technique for the identification of inhomogeneities in Canadian temperature series[J]. J Climate, 11(5): 1094-1104. DOI:10.1175/1520-0442(1998)011<1094:ATFTIO>2.0.CO;2
|
Wang X L, 2008. Penalized maximal F test for detecting undocumen-ted mean shift without trend change[J]. J Atmos Ocean Technol, 25(3): 368-384. DOI:10.1175/2007JTECHA982.1
|
Wang X L, Wen Q H, Wu Y H, et al, 2007. Penalized maximal t test for detecting undocumented mean change in climate data series[J]. J Appl Meteor Climatol, 46(6): 916-931. DOI:10.1175/JAM2504.1
|
Xu W H, Li Q X, Wang X L, et al, 2013. Homogenization of Chinese daily surface air temperatures and analysis of trends in the extreme temperature indices[J]. J Geophys Res, 118(17): 9708-9720.
|
Yan Z W, Yang C, Jones P, 2001. Influence of inhomogeneity on the estimation of mean and extreme temperature trends in Beijing and Shanghai[J]. Adv Atmos Sci, 18(3): 309-322. DOI:10.1007/BF02919312
|